Modelo de predicción o diagnóstico en lenguaje Python, usando técnicas de machine learning de un motor tipo turbofan

Abstract

Tanto en la industria aeronáutica como en otras industrias, es prioritario el desarrollo de soluciones estratégicas. En el ámbito de la aviación, siendo un pilar importante en la transportación tanto mundial como nacional, los motores que usan las aeronaves deben operar en perfecto estado, ya que un fallo de los mismos conllevaría la vida de cientos y hasta miles de personas. Bajo ese contexto, se propone realizar un modelo de predicción o diagnóstico en Python para motores del tipo turbofans. Por esta razón, se propone la utilización de algoritmos de Regresión Lineal, Random Forest para la predicción del RUL de motores turbofan. La simulación de la degradación del motor se llevó a cabo utilizando C MAPSS, un paquete de datos publicado por la NASA. Este modelo es lo más cercano a la realidad, debido a que los datos usados son una simulación creada por la NASA. Tras aplicar este modelo se han entrenado los dos algoritmos, mediante el uso de lenguaje Python, y se han comparado las métricas con las obtenidas anteriormente, donde podemos observar que Random Forest proporciona los mejores resultados.