Evaluación de técnicas de Deep Learning para la detección de anomalías en máquinas rotativas

Los fallos en máquinas rotativas suponen un gran impacto en la operación y mantenimiento de las centrales de generación eléctrica, y en general, en sistemas de producción industrial. Estos fallos suponen un gran impacto simultáneo en varios ámbitos del proceso industrial, como son la fiabilidad de la operación, su mantenimiento y el uso de recursos económicos y humanos disponibles. Todo ello hace necesaria la vigilancia continua de la condición de estas máquinas con objeto de detectar anomalías lo más pronto posible y diagnosticar sus causas. Este trabajo pretende estudiar y evaluar la aplicación de varias técnicas de Deep Learning para este propósito, usando tanto datos públicos existentes a modo de benchmarking, como datos reales de operación.