Predictive Maintenance in the Industrial Sector: A CRISP-DM Approach for Developing Accurate Machine Failure Prediction Models

Abstract

En los sistemas de producción, evitar fallos repetidos es crucial para reducir costes y prevenir tiempos de inactividad. Las tecnologías de la Industria 4.0 han permitido a las empresas recopilar y analizar datos en tiempo real de las máquinas, lo que ayuda a identificar y prevenir posibles problemas. Utilizando métricas como MTBF y MTTR y analizando fallos pasados, podemos desarrollar modelos predictivos para prevenir fallos futuros. Este artículo explora el uso de la metodología CRISP-DM en el sector industrial para garantizar una predicción precisa de los fallos de las máquinas. En concreto, examinamos la aplicación de esta metodología en el desarrollo de modelos predictivos para máquinas de corte. Los resultados demuestran que la metodología CRISP-DM es eficaz para desarrollar modelos capaces de predecir con precisión posibles fallos y evitar que se produzcan. Los resultados tienen implicaciones para las empresas que deseen implantar estrategias de mantenimiento predictivo en sus sistemas de producción, y destacan la importancia de utilizar enfoques basados en datos para mejorar la fiabilidad y reducir los tiempos de inactividad. En general, nuestro estudio destaca la importancia de aprovechar las tecnologías de la industria 4.0 y la metodología CRISP-DM para un rendimiento óptimo de los sistemas de producción en el sector industrial