SciELO - Scientific Electronic Library Online

 
vol.35 número2Factibilidad de instalación de sistemas fotovoltaicos conectados a redObtención de parámetros para el análisis de la ferrorresonancia periódica en líneas de distribución índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Ingeniería Energética

versión On-line ISSN 1815-5901

Resumen

GONDRES TORNE, Israel; LAJES CHOY, Santiago Eduardo; RODRIGUEZ LEON, Nervelio  y  DEL CASTILLO SERPA, Alfredo. El aprendizaje bajo incertidumbre aplicado al mantenimiento de interruptores de potencia. Energética [online]. 2014, vol.35, n.2, pp. 149-158. ISSN 1815-5901.

La gestión del mantenimiento en las subestaciones eléctricas, así como en los interruptores de potencia ha evolucionado en el transcurso de los años de acuerdo a los equipos de medición de parámetros eléctricos y a las filosofías de mantenimiento mundial. El presente trabajo trata dichos avances desde una visión diferente, se utiliza la inteligencia artificial, específicamente el aprendizaje bajo incertidumbre para la toma de decisiones en la planificación del mantenimiento a los interruptores de potencia de una subestación. Se determina el índice de deterioro, los coeficientes de importancia del deterioro de cada tipo y del elemento del interruptor con la ayuda de los expertos. Posteriormente se obtienen los índices de membresías con los procesos correspondientes para la fusificación y defusificación; finalmente se realiza la evaluación de las reglas y defusificación para el tiempo de mantenimiento, implementando dicho método en diferentes interruptores de potencia.

Palabras clave : aprendizaje bajo incertidumbre; interruptores de potencia; mantenimiento.

        · resumen en Inglés     · texto en Español     · Español ( pdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License