Mantenimiento Predictivo: un caso de éxito en minería

Visión general

En este Webinar, aprenderá como ingenieros de MathWorks usaron técnicas de ingeniera de datos iterativas para diseño de un clasificador de fallas para una aplicación de mantenimiento predictivo.  

Usando un set de datos de series de tiempo de un perforador hidráulico, comúnmente usado en minería, exploraremos las características de las señales para clasificar una variedad de tipos de fallas. Empezaremos evaluaremos una gran cantidad de características estadísticas y luego aplicaremos técnicas de procesamiento de señales específicamente Wavelet Scattering para incrementar la exactitud de nuestra predicción. Finalmente refinaremos estas características usando una combinación de técnicas de aprendizaje no supervisado y métodos de ranqueo estándar.

Aspectos destacados

Aprendera como:

• Acceder y organizar set de datos
• Realizar extracción iterativa de características, pasando desde características estadísticas hasta métodos de procesamiento de señales como Wavelet Scattering. 
• Desarrollar técnicas de aprendizaje no supervisado y agrupamiento para selección de características.
• Entrenar algoritmos de clasificación usando apps interactivas (Low Code apps).
• Desplegar algoritmos a sistemas embebidos o a la nube.

Acerca del presentador o presentadores

Jose David Montoya Bedoya es Ingeniero de aplicaciones en MathWorks, enfocado en brindar soporte a clientes en Latino América, antes de unirse a MathWorks Jose se desempeñó como Ingeniero de Aplicaciones para uno de los distribuidores de MathWorks en la región. Posee experiencia asesorando empresas de los sectores de energía y finanzas así como a instituciones académicas. Jose ostenta títulos de pregrado y maestría en Ingeniería electrónica de la Universidad Pontificia Bolivariana de Colombia.