http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/84 Thu, 01 Oct 2026 05:14:21 GMT 2026-10-01T05:14:21Z http://repositorios.orizaba.tecnm.mx:8080/xmlui/bitstream/id/e31f8b51-1b26-46fa-ae40-8119026fe1bd/ http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/84 http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/866 Fault Diagnosis in Power Generators: A Comparative Analysis of Machine Learning Models Amaya-Sanchez, Quetzalli; Del Moral Argumedo, Marco Julio; Aguilar-Lasserre, Alberto Alfonso; Reyes Martinez, Oscar Alfonso; Arroyo-Figueroa, Gustavo Power generators are one of the critical assets of power grids. The early detection of faults in power generators is essential to prevent cutoffs of the electrical supply in the power grid. This work presents a comparative analysis of machine learning (ML) models for the generator fault diagnosis. The objective is to show the ability of simple and ensemble ML models to diagnose faults using as attributes partial discharges and dissipation factor data. For this purpose, a generator fault database was built, gathering information from operational data curated by power generator experts. The hyper-parameters of the ML models were selected using a grid search (GS) and cross-validation (CV) optimization. ML models were evaluated with class imbalance and multi-classification metrics, a correspondence analysis, and model performance by class (fault type). Furthermore, the selected ML model was validated by experts through a diagnosis system prototype. The results show that the gradient boosting model presented the best performance according to the performance metrics among single and ensemble ML models. Likewise, the model showed a good capacity to detect type 3 and 4 faults, which are the most catastrophic failures for the generator and must be detected in a timely manner for prompt correction. This work gives an insight into the need and effort required to implement an online diagnostic system that provides information about the power generator health index to help engineers reduce the time taken to find and repair incipient faults and avoid loss of power generation and catastrophic failures of power generators. Fri, 25 Oct 2024 00:00:00 GMT http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/866 2024-10-25T00:00:00Z http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/705 Desarrollo de actividades para un nuevo puesto: milk run en una línea de producción Herrera Gasca, Lucero; Ortiz Flores, Fernando; Hernández Mortera, Jorge Luís; Arrioja Rodríguez, Mario Leoncio; Gurruchaga Rodríguez, María Eloisa El presente artículo expone una metodología para el desarrollo de actividades para un nuevo puesto: milk run; en una línea de producción de una empresa manufacturera, basado en la filosofía de lean manufacturing. El desarrollo del puesto permitió la reducción del tiempo de actividades que no agregan valor al producto, para lograrlo fue necesario tomar mediciones del indicador a utilizar, describir las actividades generales del puesto y coordinar el abastecimiento de insumos y forjas. Posterior al desarrollo del puesto fue necesario tomar mediciones después de su implementación, con el objetivo de comparar los resultados y realizar una prueba de hipótesis para comprobar que el desarrollo del puesto trajo consigo una mejora significativa. Patrocina CONACYT a través del programa de becas nacionales Sun, 31 Oct 2021 00:00:00 GMT http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/705 2021-10-31T00:00:00Z http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/704 Análisis y diagnóstico de una línea de producción de limas implementando VSM Manjarrez Rivera, Raúl Ángel; Ortiz Flores, Fernando; Hernández Mortera, Jorge Luís; Arrioja Rodríguez, Mario Leoncio; Mayoral Hernández., Sergio Daniel Se realizó un mapa de cadena de valor (VSM de las siglas de Value Stream Mapping) de estado presente de una línea de producción de limas para obtener un diagnóstico de ésta. Los pasos utilizados fue la selección de un producto a mapear, determinación de procesos de producción, descripción y cálculo de los indicadores, elaboración del VSM de estado presente y su análisis. El VSM muestra diversos indicadores: tiempo de ciclo, lead time, tiempo de máquina, tiempo de operador, tiempo de traslado, valor agregado, no valor agregado, tasa de salida y tiempo disponible; los cuales sirvieron para detectar el proceso cuello de botella. El trabajo también proporciona diversas recomendaciones de aplicación de técnicas Lean que podrían mejorar el proceso cuello de botella e indicadores críticos de la línea de producción. Patrocina CONACYT a través del programa de becas nacionales Sat, 31 Oct 2020 00:00:00 GMT http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/704 2020-10-31T00:00:00Z http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/703 Análisis de eficiencia global del equipo (OEE) en proceso critico de una línea de producción Mayoral Hernández, Sergio Daniel; Ortiz Flores, Fernando; Hernández Mortera, Jorge Luís; Arrioja Rodriguez, Mario Leoncio; Manjarrez Rivera, Raúl Ángel El presente artículo muestra una metodología para analizar la eficiencia global del equipo (OEE) en un proceso crítico de una línea de producción de lima. Se aplicó la herramienta de Lean Manufacturing denominada mapa de la cadena de valor (VSM) para obtener un panorama general de los procesos de la línea de lima. La aplicación de esta herramienta permitió determinar el proceso crítico, en el cual se calculó el indicador OEE. Para realizar el cálculo, primero se obtuvo información del tiempo disponible, de operación, productivo y efectivo, con esta información se calcularon los tres factores que componen el indicador OEE: disponibilidad, tasa de rendimiento y tasa de calidad. Al obtener los resultados se realizó un análisis de los tres factores comparándolos con un estándar y se determinaron las posibles causas que afectan al proceso crítico. Patrocina CONACYT a través del programa de becas nacionales Sat, 31 Oct 2020 00:00:00 GMT http://repositorios.orizaba.tecnm.mx:8080/xmlui/handle/123456789/703 2020-10-31T00:00:00Z