Análisis comparativo entre un modelo de redes neuronales artificiales (RNA) y la metodología de superficie de respuesta (MSR) para la predicción de fallas en equipos industriales: turbinas, compresores y bombas.

Actualmente, el uso de tecnologías de la industria 4.0, como la inteligencia artificial, se ha convertido en una herramienta clave para la toma de decisiones en entornos industriales complejos, ya que permite predecir fallas con mayor exactitud, optimizar el mantenimiento predictivo y reducir paros inesperados. En este este trabajo se compara el rendimiento de dos modelos entrenados en el software MATLAB 2020®, utilizando algoritmos de aprendizaje automático para predecir fallas en equipos industriales: redes neuronales artificiales (RNA) y la metodología de superficie de respuesta (MSR). Se analizaron 7672 datos históricos obtenidos de sensores en turbinas, compresores y bombas, analizando variables como temperatura, presión, vibración, humedad, equipo y ubicación. La RNA con mayor rendimiento presenta un r²=88.81% y un RMSE de 0.0958, teniendo una precisión superior a la MSR del 41.5 %, lo que significa que se ajusta mejor a los datos en comparación al modelo de MSR con r² de 57.59% y RMSE de 0.1637.