Repositorio de trabajo de memoria de titulación: Pronóstico de fallas para mantenimiento predictivo usando metodologías de aprendizaje profundo supervisado

Francisco Araya López - Departamento de Electrónica - UTFSM

Turbofan Engine Degradation Simulation Dataset

Octubre 2020

Archivos:

• turbofan.ipynb: Contiene código que permite generar features maps (muestras/samples) para training, validation y test set de datasets FD001, FD002, FD003, FD004 con time windows, optimizador, batch size y epochs deseados. Además permite entrenar modelos usando arquitectura de X. Li, Q. Ding, J. Sun, Remaining useful life estimation in prognostics using deep convolution neural network.

• analisis_descriptivo_turbofan_faraya.ipynb: Contiene análisis descriptivo previo de dataset turbofan tales como histogramas de cada dataset del training set (FD001,FD002, FD003 y FD004) y aplicación de PCA a cada uno de ellos.

• turbofan_Li_modificado_faraya.ipynb: Contiene código que permite generar features maps (muestras/samples) para training, validation y test set de datasets FD001, FD002, FD003, FD004 con time windows, optimizador, batch size y epochs deseados. Además permite entrenar modelos usando arquitectura propuesta en el trabajo de memoria de titulación basada en X. Li, Q. Ding, J. Sun, Remaining useful life estimation in prognostics using deep convolution neural network.

• turbofan_Babu_modificado_faraya.ipynb: Contiene código que permite generar features maps (muestras/samples) para training, validation y test set de datasets FD001, FD002, FD003, FD004 con time windows, optimizador, batch size y epochs deseados. Además permite entrenar modelos usando arquitectura propuesta en el trabajo de memoria de titulación basada en G. Babu, P. Zhao, X.-L. Li, Deep Convolutional Neural Network Based Regression Approach for Estimation of Remaining Useful Life.

• Li_graphics_loss_predictions.ipynb: Contiene gráficos dispersion RUL verdadero vs RUL estimado + Gráficos Log(Error) vs # Epochs de modelos entrenados con arquitectura propuesta basada en X. Li, Q. Ding, J. Sun, Remaining useful life estimation in prognostics using deep convolution neural network.

• Ba_graphics_loss_predictions.ipynb: Contiene gráficos dispersion RUL verdadero vs RUL estimado + Gráficos Log(Error) vs # Epochs de modelos entrenados con arquitectura propuesta basada en G. Babu, P. Zhao, X.-L. Li, Deep Convolutional Neural Network Based Regression Approach for Estimation of Remaining Useful Life.

Proyecto licenciado bajo GNU General Public License v3.0 / Project licensed under the GNU General Public License v3.0