@article{Cárdenas-Escorcia_Valencia-Ochoa_Campos-Avella_2020, title={Detección de fallas usando Análisis de Componentes Principales y Modelado de Valor Medio en un motor a gas natural de 2 MW}, volume={25}, url={https://revistas.ufps.edu.co/index.php/respuestas/article/view/2401}, DOI={10.22463/0122820X.2401}, abstractNote={<p>Este artículo describe la combinación de técnicas estadísticas y modelos matemáticos para desarrollar un sistema de detección de fallas en un motor de gas natural de 2 MW bajo condiciones reales de operación. La cámara de mezcla, los turbocompresores, los múltiples de admisión y escape, los cilindros, las válvulas throttle, bypass y el generador eléctrico, que son los principales componentes del motor de gas, fueron estudiados bajo un motor de valor medio para complementar el análisis estadístico. El objetivo principal de este trabajo es integrar dos enfoques para relacionar los fallos con los cambios de los valores medios termodinámicos del sistema, ayudando a mantener el motor en condiciones óptimas de funcionamiento en términos de confiabilidad. El Análisis de Componentes Principales (PCA), una técnica estadística multivariante de detección de fallas, se utilizó para analizar los datos históricos del motor a gas para detectar condiciones anormales de operación, por medio de indicadores estadísticos tales como el Error de Predicción Cuadrado (SPE) y T2. Estas condiciones anormales de operación se categorizan mediante técnicas de clústeres y diagramas de contribuciones, para luego examinar sus causas con el apoyo de los resultados de un modelo matemático de valor medio propuesto para el sistema. La integración de los métodos propuestos permitió identificar satisfactoriamente qué componente o componentes del motor podrían estar funcionando mal. Una vez combinados, estos dos métodos fueron capaces de predecir e identificar con precisión las fallas, así como las paradas del motor de gas durante un mes de funcionamiento. Se utilizó el análisis estadístico para detectar fallas en un motor de gas industrial de 2 MW, también se comparó el resultado con un modelo de valor medio para detectar variaciones de las propiedades termodinámicas del sistema en condiciones anormales.</p>}, number={1}, journal={Respuestas}, author={Cárdenas-Escorcia, Yulineth and Valencia-Ochoa, Guillermo and Campos-Avella, Juan}, year={2020}, month={ene.}, pages={15–24} }