seafem: herramienta computacional para la determinación de ... · deficiencias del material,...

INGENIERÍA Investigación y Tecnología VIII. 4. 261-280, 2007(artículo arbitrado)

SEAFEM: Herramienta computacional para la determinación decausas de falla en elementos mecánicos metálicos

SEAFEM: A computational tool for the determination of failurecauses in metallic mechanical components

V. Jacobo-Armendáriz, A. Ortiz-Prado y R. Schouwenaars-FranssensDepartamento de Ingeniería Mecánica

Facultad de Ingeniería, UNAME-mails: [email protected], [email protected], [email protected]

(Recibido: agosto de 2006; aceptado: febrero de 2007)

ResumenEn respuesta a la problemática nacional acerca de la escasez de expertos enanálisis de falla de elementos mecánicos metálicos, se desarrolló en la Unidadde Investigación y Asistencia Técnica en Materiales de la Facultad deIngeniería de la UNAM, un sistema experto híbrido (SEAFEM) para análisisde falla de este tipo de elementos (engranes, ejes, resortes, cojinetes, entreotros). Esta herramienta de tipo colega, permite por un lado, encaminar alusuario a la determinación de las causas de falla, y a su vez, capacitar personala través de su uso.El programa funciona de forma interactiva, plantea preguntas que tendrán queser contestadas por el usuario y lo encamina hacia la solución del problema. Lonovedoso de este sistema, es el empleo de dos métodos de razonamiento(basado en reglas y basado en casos), lo cual representa una ventaja respecto deotros anteriormente desarrollados, ya que permite al usuario utilizar y ejercitarsus procesos de razonamiento deductivo y el manejo de información estruc-turada en bases de datos. Éste es un proceso similar al que realiza un experto, ya que establece un proceso metodológico en la solución del problema y utiliza elconocimiento de otros casos que ha resuelto o que se reportan en la literatura.En este artículo, se presenta la metodología de desarrollo del SEAFEM, suestructura de conocimiento, funcionamiento y la aplicación en la solución deproblemas de análisis de falla en ejes y barras de torsión.

Descriptores: Análisis de falla, metalurgia mecánica, sistemas expertos,inteligencia arti fi cial, razonamiento basado en casos, razonamiento basado enreglas.

AbstractA hy brid ex pert sys tem for fail ure anal y sis of me tal lic me chan i cal com pounds wasde vel oped by the group for tech ni cal as sis tance and materials re search of the de part -ment of me chan i cal en gi neer ing of the UNAM, to pro vide a way of com pen sat ingthe lack of ex perts in this field. This ex pert sys tem (SEAFEM) anal y ses com po nentssuch as gears, shafts, springs and bear ings. It is also a tool to train peo ple through its use by di rect ing the in ex pe ri enced user to ward the de ter mi na tion of a fail ure mech a -nism trough an in ter ac tive con fig u ra tion and a set of log i cally or dered ques tions.The in no va tive as pect of the sys tem re sides in the us age of two clas si cal log i cal schemes(Rule Based Rea soning and Case Based Rea soning), which is ad van ta geous com pared

sys tems de vel oped by other groups as a prac tice of de duc tive rea son ing pro cess andstruc tured in for ma tion man age ment is com bined. The method em ployed here is sim i -lar to that fol lowed by an ex pert which fol lows a log i cal struc ture of prob lem anal y siscom bined with ex pe ri ence based on pre vi ously stud ied cases.This pa per ex plains the func tion ing, knowl edge struc ture and ap pli ca tion to the so lu -tion of fail ure prob lems in shafts and tor sion bars, to gether with an ex pla na tion of thesys tem de vel op ment.

Key words: Fail ure anal y sis, me chan i cal met al lurgy, ex pert sys tems, ar ti fi cial in tel -li gence, case based rea son ing, rule based rea son ing.

Intro duc ción

Cuando ocurre una falla en un elementomecánico se debe realizar un análisis minu-cioso (aplicación del método científico) paradeterminar su causa (diseño inapropiado,deficiencias del material, problemas demanufactura, condiciones de servicio fuerade especificación, mantenimiento inadecua-do, etc.). Este proceso se conoce como análisis de falla (AF). Una vez que la causa es de-terminada, deben tomarse medidas correc-tivas para prevenir recurrencias futu- ras. Los expertos en esta área examinan toda la in-formación sobre el caso, establecen hipó- tesis y desarrollan procedimientos para compro-barlas.

Sobre el proceso de análisis se puedecomentar que dependiendo de la naturalezade la falla, varia la profundidad del estudio yla secuencia de investigación para identi-ficar las diferentes causas que la provocan.Los procesos de examen siguen una serie deetapas (Metals Handbook, 1990) y los resul-tados en cada una determinan la manera enla cual proceden las siguientes fases. Conbase en la información obtenida en cadaetapa, es posible a partir de un aspecto sim-ple de la investigación, plantear hipótesissobre los mecanismos de falla como puedeser la inspección visual de una superficiefracturada.El AF es un tema complejo e involucra dife-rentes campos del conocimiento tales como

mecánica, metalurgia, química y electroquí-mica, procesos de manufactura, análisis deesfuerzos, diseño y mecánica de la fractura.Es muy difícil que una persona sea experta en todos estos campos, por lo que la determi-nación de la causa de una falla mayor,usualmente requiere un equipo de expertos.Esto normalmente toma años de entrena-miento formal, seguido por años de expe-riencia práctica. Para los casos en donde lainformación es escasa o ambigua, la revisiónde problemas similares reportados en la li-teratura (Corrosion Atlas, 1991; Heyes, 1998;Jones, 1998; Metals Handbook, 1990 y Nau-mann, 1983), es una tarea valiosa, la cualpermite obtener pistas para acercarse a lasolución.

Los expertos en AF, en general, sonescasos en el mundo. En México, existen cen-tros de desarrollo, consultores especializados y universidades como la UNAM, en donde laindustria puede obtener apoyo en esta área.Sin embargo, la demanda de estos serviciosno es cubierta en su totalidad, ya que existeun amplio sector de la industria que lorequiere. Se puede señalar que en la empresanacional no existe una cultura del AF;actualmente en la práctica, si una pieza sufredaño o deterioro, debe repararse en el menortiempo posible. Cuando las fallas sepresentan con frecuencia relativa, lo máscomún es modificar la parte o sistema a partir de la percepción particular del técnico encar-gado, por lo que al corregir el problema, lo

262 INGENIERIA Investigación y Tecnología FI-UNAM

SEAFEM: Herramienta computacional para la determinación de causas de falla en ...

convierte en procedimiento común. En algu-nas ocasiones, las empresas se deciden porcontactar a expertos en AF, incurriendo eninconvenientes de costos, mismos que se re-ducirían si se contara con personal capaci-tado en el área. En muy pocos casos, existeningenieros en la empresa con la experienciapara realizar AF de un sistema o componente. Por consecuencia, es necesario contar con una mayor cantidad de expertos.

Como respuesta a este problema, en elmundo se ha tenido especial interés en de-sarrollar sistemas computarizados para capacitar personal o para apoyar a los expertos.Uno de los objetivos que se persiguen espreservar el conocimiento, el cual se puedeperder si los responsables se retiran de sustrabajos. En ese sentido, se han realizadoalgunas aplicaciones basadas en el conoci-miento, principalmente sistemas expertos(SE). Estos sistemas no han sido comercia-lizados y solo se han empleado para edu-cación e investigación. Los sistemas másimportantes se han construido usando latécnica de razonamiento, basado en casos(RBC); Liao et al. (1999) de la Universidad deLouisiana, elaboraron un sistema para laidentificación de mecanismos de falla; Graham-Jones y Mellor (1997) de la Universidad deSouthampton, presentan un sistema orien-tado a resolver problemas para elementosmecánicos que permite realizar AF antes ydespués de la ocurrencia del problema; porsu parte, Roberge et al. (1996), desarrollaronun sistema específico para fallas porcorrosión. Asimismo, existen sistemas ex-pertos para áreas específicas de AF, talescomo análisis fractográfico, fallas en ro-damientos, fallas en concreto, diagnóstico de defectos en neumáticos, fallas en solda-duras, etc.Considerando la problemática y necesidaddescrita, se desarrolló en la Unidad de In-vestigación y Asistencia Técnica en Mate-riales (UDIATEM) de la Facultad de Inge-

niería de la UNAM, un SE en AF de ele-mentos mecánicos metálicos, capaz de identi- ficar las causas de falla de componentesmecánicos. Este sistema tiene como principalorientación la docencia y puede ser empleadoen la solución de problemas convencionales.En la solución de casos, actúa como uncolega, lo que permite que el usuario (inge-niero o estudiante de ingeniería mecánica),con un nivel de conocimientos básicos deciencia de materiales, metalurgia física y me-cánica, incremente paulatinamente su nivelde experiencia al utilizar gradualmente elprograma. El SE funciona de forma didácticapara poder instruir a nuevos usuarios en eltema del AF, debido a que es una herra-mienta interactiva, en donde el sistemaplantea preguntas que tendrán que ser con-testadas por el usuario y lo encamina hacia lasolución del problema. Al manejar dosmétodos: Razonamiento basado en reglas(RBR) y RBC, el sistema presenta una ventajarespecto de otros, los cuales básicamenteutilizan el RBR, ya que permite al usuarioutilizar y ejercitar sus procesos de razona-miento deductivo y por otro lado el manejode información estructurada en bases de da-tos, lo cual es un proceso similar al querealiza un experto, ya que éste establece unproceso metodológico para solucionar pro-blemas y utiliza el conocimiento de otroscasos que se han resuelto, así como de los que se reportan en la literatura.

Metodología de desarrollo delSEAFEM

En primer instancia se evaluó la factibilidadpara el desarrollo del SE en AF empleandopara esto el procedimiento propuesto porBeckman (1991). Con base en el resultadopositivo de esta evaluación, se estructuró laforma en que se debería desarrollar el sistema (Cerrud, 2002; Jacobo et a.l , 2003), se es-tudiaron los diferentes enfoques de gruposde investigación que se han desarrollado o se

Vol.VIII No.4 -octubre-diciembre- 2007 263

V. Jacobo-Armendáriz, A. Ortiz-Prado y R. Schouwenaars-Franssens

encuentran trabajando en sistemas similares(Graham y Mellor, 1995a, 1995b, 1997a, 1997c; Kazaz, 2003; Komai et al., 1995; Lee, 2001;Liao et al., 1999a, 1999b; Liao, 2000, 2004;Menandro et al., 1995; Roberge et al., 1996).Asimismo, se consideraron los resultadosemanados por Shu-Hsien (2005), el cualrevisó las metodologías para el desarrollo deSE´s aplicadas en el período 1995-2004. Porotra parte, se analizó la bibliografía sobre AF(Brooks y Choudhury, 1993; Cerrud et al.,2002; Das, 1996 y Lange, 1998) con el fin deaportar elementos para la investigación y conel objetivo de definir en forma sistemática lasfallas de elementos mecánicos. Con base en lo anterior, se estableció el marco de referenciapara el proyecto.

Posteriormente, fue realizado un procesode capacitación en donde se estudiaron losconceptos sobre SEs, principalmente en lasmetodologías para la adquisición y repre-sentación del conocimiento, se integró ungrupo de expertos, tomando en cuenta nivelde experiencia, disposición y disponibilidadde tiempo para involucrarse en las entre-vistas. En la determinación de las carac-terísticas de operación participaron expertosen AF, ingenieros del conocimiento y losusuarios potenciales. Las consideracionesque se tomaron en cuenta fueron ambiente de interacción con el usuario, etapas de soluciónde un problema, definición del tratamientode la incertidumbre, estructuración en mó-dulos, plataforma computacional, limitacio-nes del usuario y características de la base deconocimientos.

Con las experiencias obtenidas en eldesarrollo de este sistema se identificaron losinconvenientes que se presentan en el mo-delado del conocimiento de los expertos, enparticular lo relacionado con las fases deadquisición y representación del conoci-miento (Cerrud et al., 2000). Se establecieronestrategias para la adquisición del cono-

cimiento definiendo técnicas para la obten-ción de información como entrevistas o se-siones. Se aplicaron diagramas de causa efec-to, ya que en un problema de AF los efectosson conocidos y se tiene como objetivo de-terminar las causas que condujeron a la falla.Con esto se logró definir el método de aná-lisis de los expertos y la forma en que realizan su razonamiento, asimismo, se determinaronlas estructuras de representación del conoci-miento, definiéndose las de reglas de de-cisión y los marcos para la descripción de loscasos.

En el caso del módulo de RBR paraseleccionar el shell, se aplicó una matriz dedecisión; los criterios que se evaluaron fueron costo, mecanismos de adquisición del cono-cimiento, interfases externas, reportes gene-rados, calidad de la documentación, facilidad de aprendizaje, facilidad de uso, requeri-mientos de hardware, soporte técnico ycaracterísticas generales. El shell que resultóseleccionado fue Visual Rule Studio, el cualtrabaja dentro de la plataforma de VisualBasic. También se llevó a cabo un proceso deaprendizaje del shell, que se utilizó para eldesarrollo del sistema. En cuanto al módulode RBC, este fue desarrollado en la pla-taforma de Visual Basic. Para la base deconocimientos, se usó Microsoft Access , Excely editores de imágenes.

Las bases de conocimientos y de casos seintegraron a partir de la información obte-nida de los expertos y de casos reportados enla literatura. De acuerdo con el orden en queel experto humano realiza la solución de uncaso, se determinó la secuencia de operacióndel sistema. Para observar la interacción delos elementos del sistema se desarrolló yprobó un prototipo con una base de cono-cimientos limitada (Jacobo et al. , 2000). Estotuvo la finalidad de probar las carac-terísticas de operación definidas y llevar acabo los ajustes correspondientes. Po s-



teriormente, se realizó la expansión delsistema .

El sistema tal como se presenta en esteartículo, cuenta ya con un módulo para el AFde ejes (Jacobo et al., 2002, 2004), y un módulo de razonamiento basado en casos (Jacobo etal., 2004; Ortiz et al., 2003). Es importantemencionar que estos subsistemas están de-sarrollados sobre la base de una estructuraglobal, la cual está diseñada de tal maneraque en un futuro se puedan incorporarnuevos módulos. Se trata pues, de un sistema flexible y con capacidad para ser robustecido. Asimismo, dentro de la estructura quedaabierta la posibilidad de incorporar módulosque se pueden desarrollar a futuro, talescomo análisis de esfuerzos, deterioro ambien- tal, propagación de grietas, etc. Finalmente,se realizó el proceso de validación del sis-tema, el cual se llevó a cabo resolviendoproblemas de campo, de los cuales ya se tenía la solución.

Base de conocimientos

Debido a que las características de lastécnicas de RBR y RBC son diferentes, la basede conocimientos tiene una diferente estruc-tura. Por un lado, en RBR se tiene una estruc-tura de reglas, clases y atributos; mientrasque el de RBC presenta una organizaciónbasada en una estructura de información quecontiene registros de la documentación de los casos y sus índices de búsqueda.

Módulo RBR

El primer bloque de reglas corresponde a laselección del elemento y material, éste es unmódulo general, determina el tipo de ele-mento que se desea analizar y el material delque está compuesto. El segundo bloque sirvepara determinar el tipo de falla que sepresentó. La fractura es el tipo de falla máscomún en ejes, de tal forma que este módulo

sólo funciona para fractura; posteriormente,se expandirá la base de conocimiento haciaotros tipos de fallas, en esencia ésta es la parte fundamental de la base de conocimiento en la fase de inspección visual, y por ende, es elmódulo con mayor número de reglas. Comoparte de este módulo se encuentra un grupode reglas que sirve para corroborar el tipo decarga y fractura, así como las conclusionesintermedias. El tercer bloque tiene como fun-ción recomendar las pruebas mecánicas nece-sarias para elevar el nivel de confianza de lasconclusiones realizadas por el sistema o paradescartarlas; por esta razón, la informaciónsobre los resultados de pruebas mecánicas esfundamental para que el sistema pueda mos-trar las conclusiones en pantalla. El cuartobloque sirve para asignar la dureza a los ma-teriales respecto a sus propiedades teóricas ypoder hacer comparaciones de estos datos con los obtenidos en el laboratorio.

Después de la determinación del tipo defalla (por fatiga, frágil, dúctil) se procede adeterminar las pruebas de laboratorio que serequieren realizar para tener más elementosque permitan validar las conclusiones obte-nidas de la inspección visual de la pieza.

Con el resultado de las pruebas realizadasal elemento aunado al tipo de falla, condi-ciones de operación, ambientales, etc., sedeterminan las causas que llevaron al ele-mento a fallar. En el cuadro 1 se muestra unejemplo de cómo se generaron las reglas apartir de una estructura de clases y atributos.Por otra parte, en la figura 1 se presenta unfragmento del árbol de fallas que se generópara poder definir las reglas.





Figura 1. Fragmento del árbol de fallas en ejes para el caso de fallas de fractura

Cuadro 1. Clases y atributos en la construcción de reglas

Clase: Información del Material

Atributos Variables del atributo

Materiales Acero, Bronce, Acero inoxidable, Latón, Aluminio,Fundiciones.

Tipo de acero 1008, 1010, 1020, 1040, 1060, 4140, 4120

Porcentaje de carbono Bajo, Medio, AltoNivel de aleación Bajo, Medio, Alto

Comportamiento del material Dúctil, Frágil

Si el tipo de acero es 1008 , entonces el porcentaje de carbono es bajo.

Módulo RBC

La base de conocimiento del sistema RBC está integrada por dos principales componentes:

1. Archivos con los índices de simi-litud para cada caso. Es decir, éstas reú-nen los valores lógicos de los atributos.

2. La descripción completa de loscasos históricos de problemas de AF con su solución. Ésta contiene los elementosque se muestran en la tabla 1 y tambiénimágenes sobre el problema en estudio.

Operación del sistema

En su funcionamiento, el sistema tiene laposibilidad de solucionar los problemas conlos dos enfoques (RBR y RBC), con la inten-ción de que el usuario tenga más elementospara la solución del problema de AF.

El sistema funciona con la siguiente diná-mica (figura 2):

1. Obtención de la información delproblema a resolver.

2. Solución de un problema de AF através de la aplicación del subsistemapor reglas.

3. Solución del problema a travésde razonamiento basado en casos.

4. Análisis por parte del usuario delas soluciones obtenidas por ambos mé-todos.

5. Incorporación de los casos resuel-tos a la base de casos.



Tabla 1. Estructura definitiva de un caso para el sistema RBC

Título y número de caso

Clases Ejemplos de atributos

Problema

Llaves primarias Marcas de playa, atmósfera marina

Información del material Ferroso, no ferroso, contenido decarbono

Características de la superficie de fractura / grieta Cuellos, patrón de chevron, labios

Observación con estereoscopio / microscopio óptico Picaduras, estrías, fracturaintercristalina

Exámen químico / Metalografía Inclusiones, porosidad, corrosiónintergranular

Análisis SEM (Microscopio electrónico de barrido) Clivaje, microcavidades

Solución

Descripción del caso incluyendo información del material, características de la superficie defractura / grieta, observación con estereoscopio / microscopio óptico, examen químico /metalografía y análisis SEM. Además se incluyen imágenes. Algunos casos incluyen datosextras como análisis de esfuerzos o pruebas destructivas.Discusión y análisis de la información.

Causa más probable

Acciones correctivas

En la tabla 2, se muestra la descripción de lospasos genéricos en la solución de un caso:



Usuario

InterfaseDatos delcaso

Sistemaexperto

Solución :mecanismode falla

Razonamientobasado encasos

Validación dela soluciónob tenida

Figura 2. Diagrama de operación del sistema híbrido

Tabla 2. Secuencia para la solución de un caso mediante RBR y RBC (Jacobo et al., 2002)

Paso Procedimiento

1 Adquisición de la información del caso.

2 Solución mediante RBR3 Vinculación simultánea con el Shell.

4 Revaloración continua de la información.

5 Activación y validación de Reglas.6 Inferencia sobre premisas desconocidas.

7 Procesamiento de información relacionada.

8 Detección de contradicciones entre reglas.

9 Validación por medio de factor de confianza.10 Solución mediante RBC

11 Confrontación de resultados con entradas.12 Presentación de conclusiones.

Operación del módulo de RBR

Para solucionar un problema de AF, enprimera instancia el usuario describe el caso,por lo que interactúa con el sistema, des-cribiendo el tipo de material, tipos de ele-mento (flechas, engranes, resortes, etc), fun-ción (transmisión de potencia, transmisión de movimiento, soporte), modo de falla (frac-tura, deformación, desgaste, corrosión). Des-pués de esto se plantean otro grupo de pre-guntas que están ligadas a las respuestas an-teriores. Éstas últimas están relacionadas concaracterísticas físicas, tipos de carga, geo-metría, morfología y textura de la superficiede fractura y concentradores de esfuerzos,entre otros. Una vez capturada la infor-mación relativa a la inspección visual delelemento se desprenden las primeras conclu-siones intermedias (mecanismo de falla),después se realiza un análisis del elementorespecto a las cargas a las que estuvo so-metido en condiciones normales de opera-ción y como resultado se encuentran losesfuerzos máximos y su orientación. Después de lo anterior, el sistema recomienda larealización de pruebas de laboratorio quesean convenientes para el caso en estudio. Lainformación obtenida de las pruebas seretroalimenta al sistema para con esta infor-mación complementaria definir la causa de la falla o en su defecto, si existiese algunaanomalía, revisar las inconsistencias.

El proceso descrito se realiza a través deun formulario general, el cual está cons-tituido por cinco ventanas y una serie debotones de control (Figura 3). La ventana su-perior izquierda contiene las instruccionespara la captura correcta del formato al mo-mento de cada pregunta o sección. La ven-tana intermedia del lado izquierdo las pre-guntas realizadas por el sistema y la inferiorizquierda tiene una serie de posibles res-puestas presentadas por el sistema. La ven-tana superior derecha contiene un historial

que guarda las preguntas y respuestas correspondientes al caso analizado, ésta fue creadapara que el usuario pueda observar de formarápida las respuestas introducidas al sistema; así como para darle seguimiento al caso enestudio. La ventana inferior izquierda pre-senta los resultados parciales o finales. En laparte izquierda del formulario se encuentranbotones gráficos que dan acceso a los con-troles básicos. Sobre este formulario aparecen ventanas que ejemplifican algunos conceptos(Figura 4) como superficies de fractura, mar-cas sobre la superficie, concentradores deesfuerzos, etc. Con la presencia de estosgráficos se pretende eliminar las ambigüe-dades en la descripción escrita de la geo-metría de los elementos; también son utili-zados para corroborar la información que elusuario ha introducido al sistema, si el usua-rio definió las características de la superficiede fractura y el tipo de carga, se le presen-tarán distintas imágenes patrón de las super-ficies, y deberá escoger la imagen que más separezca al elemento analizado, con este pro-cedimiento el sistema compara los datos in-troducidos con la imagen seleccionada.

Después de haber obtenido las primerasconclusiones intermedias (sobre mecanismode falla por inspección visual), se realiza unanálisis del elemento respecto a las cargas alas que estuvo sometido en condiciones nor-males de operación (Figuras 5 y 6) y comoresultado se encuentran los esfuerzos máxi-mos y su orientación.





Figura 3. Formulario general

Figura 4. Ventana para “gráficos ejemplo”



Figura 5. Ventana sobre datos gener ales geométricos y de solicitación del eje

Figura 6. Ventana sobre características apoyos y elementos acoplados al eje

Operación del módulo de RBC

La dinámica de operación del módulo de RBCse presenta en el esquema de la figura 7. Lasecuencia del procedimiento es la siguiente:

1) En una interfase se obtiene todala información del caso en estudio. Elsistema almacena esa información en unvector.

2) El vector es comparado con losvectores de los casos históricos, utili-zando medidas de relevancia y la bi-blioteca de índices.

3) El programa obtiene la similitudy ordena los casos de forma decrecientede acuerdo a la similitud en una tabla,donde también aparece el número decaso. El usuario puede elegir cuál casodesea analizar de entre los diez mássemejantes.

4) A través del número del caso his-tórico, el sistema activa los archivos dedescripción del caso y los de imágenessobre el módulo de explicación.

En la operación del sistema la primerpantalla de captura es la de llaves primarias(Figura 8). Se asignan valores de 1 en el casode que la característica a evaluar se encuentre presente, en caso contrario, se asigna un -1,en caso de que se tenga duda sobre la exis-tencia de la característica se asigna un “cero”.En ésta se definen los criterios más impor-tantes para la búsqueda.

En la figura 9 se presenta la pantalla declases. Se pueden elegir las clases de atributos para vaciar su información en cualquier or-den. Por cada una de las clases que se indicanen esta figura se tienen pantallas especificas,que tienen atributos particulares, los cualesasumen los valores de -1, 0 y 1.

Una vez que se ha capturado la informaciónde todas las clases, el sistema calcula lasimilitud y muestra al usuario los casos mássemejantes al que está resolviendo (Figura10). Realizado lo anterior, el usuario puedeelegir cualquiera de los casos y cuando lohace se le presenta la información completadel mismo, incluyendo planteamiento delproblema, solución e imágenes descriptivas(Figura 11). Por otro lado, una vez que elusuario ha encontrado una solución exitosa asu problema, puede incorporar el nuevo casoa la base para ir gradualmente incremen-tando la experiencia del programa al expan-dir el conocimiento.





Tabla de loscasosordenadosporsimilitud,con número

Interfase deusuario

Bas ede conoci mientosTiene vectores devalores lógicos ,archi vos de texto eimá genes asociados a unnúmero de caso. Tienela tabla de atributos ypesos

Ali menta la

Vector de valores lógicos

Con sus datos elsistema construye

El sis tema locompara conlos vectoresalmac enadosen la bas e

El sis temaconstruye la

Interfasede us uario

La tablas e exhibe en

A travésdelnúmero, elusuarioconsulta la

Módulo deexplicación:Des cripción eimágenes del caso

Alimenta al

Figura 7. Interacción del sistema en la solución de un caso de AF mediante RBC



Figura 8. Llaves primarias

Figura 9. Pantallas de clases



Figura 10. Pantalla de medidas de similitud; luego de barrer toda la base de casos se obtiene lasimilitud y presentan en orden los mismos

Figura 11. Pantalla de casos similares

Validación, análisis y discusión deresultados

Para efectos de validación y verificación seaplicó el sistema en 4 casos, los primeros dosfueron seleccionados del apartado sobrefallas en ejes de ASM (Metals Handbook,1990). El tercero (ejes) y el cuarto (barras detorsión) corresponden a dos casos que fueronresueltos por el grupo de investigación al que pertenecen los autores (UDIATEM, 2004a,2004b). Los cuatro casos fueron resueltos porlos módulos de RBR y RBC.

En lo que se refiere al módulo de RBR(Jacobo et al., 2005), los resultados tuvieroncorrespondencia respecto de lo que se indicaen la literatura. Una parte importante de losresultados que provee el sistema es el com-ponente explicativo, el cual va describiendola información de entrada de los casos, endonde se muestran también las causas de lafalla, así como su mecanismo.

También, plantea una recomendación pa-ra la realización de pruebas de laboratorio(inspección a bajos aumentos, análisis quí-mico, dureza, etc). En algunos casos, la in-formación está incompleta, aún así el sistemabrinda soluciones con la información dis-ponible, esto evidentemente reduce el nivelde confianza y debe ser tomado en cuenta por el analista. Con referencia a la identificaciónde concentradores de esfuerzos mecánicos,las imágenes que se presentan en el sistemamostraron una correspondencia al 100% conlas que aparecen en los casos reportados en la literatura, lo mismo ocurre en el caso de laidentificación de los patrones característicosde fracturas. Esto último resulta importante,ya que al introducir la información de en-trada al sistema se puede incurrir en erroresde apreciación.

Un punto importante a señalar, es que elsistema brinda resultados discretos, esto lo

distingue de los casos reportados en laliteratura, en donde se da una descripciónmás a detalle de todo el contexto de la falla ylos procedimientos de análisis y solución. Sinembargo, la forma en que se realiza el pro-ceso mediante el sistema, permite que elusuario se capacite y aprenda sobre la ma-nera de resolver problemas de AF.

El módulo de RBC mostró un desempeñosatisfactorio (Jacobo et al., 2005), haciendonotar que los criterios más importantes quese observan en cuanto a similitud son elmecanismo de falla en primer término y ensegundo, el tipo de elemento. Como se men-cionó, el usuario tiene la opción de consultarlos 10 casos con mayor similitud, lo cual lepermite accesar a un caso en donde se estémanejando el mismo tipo de elemento.

Al resolver los 4 casos por ambos métodos, se observó que se complementan de manerasatisfactoria, ya que mientras en uno seaprenden los procedimientos deductivos, enel otro se pueden estudiar casos similares con información in extenso. Todo lo anteriorpermite que el usuario tenga una mayorcomprensión, y por ende, aprendizaje de losproblemas planteados.

Conclusiones

El sistema desarrollado determina las causasde falla de elementos mecánicos metálicos ypermite determinar acciones correctivas.

Al manejar dos métodos de razonamiento(basado en reglas y basado en casos), elsistema presentado permite al usuario, porun lado, utilizar y ejercitar sus procesos de razonamiento deductivo, y por otro, el manejode información estructurada en bases dedatos.

La enseñanza del AF se ve beneficiada alcontar con una herramienta interactiva, la


SEAFEM:Herramienta computacional para la determinación de causas de falla en ...

cual maneja dos métodos; uno orientado alaprendizaje de los procesos de razonamientode expertos en AF y el otro que manejainformación documentada con descripción in extenso de casos de fallas. Asimismo, resultaimportante el empleo de imágenes y de textoestructurado sobre los diferentes problemas.

El módulo de RBR es una herramienta útilen la detección de los distintos tipos defractura, genera conclusiones intermedias delas causas que llevaron a la falla y reco-mienda las pruebas de laboratorio necesariaspara validar las conclusiones intermedias. Lamáquina de inferencia de este módulo, fun-ciona de manera independiente a la interfase,de modo que la base del conocimiento puedeser expandida en el futuro sin alterar elcódigo .

Se puede tener una mayor confiabilidaden las soluciones de un SE en AF, si secomparan los resultados contra una base decasos históricos.

El desarrollo del proyecto presentadopermitió la gestación de una línea de trabajoen torno al desarrollo de sistemas inteligentes para AF de elementos mecánicos, siendo elgrupo al que pertenecen los autores, pioneroen esta área en la UNAM y en México.

Agradecimientos

Se agradece a la Dirección General de Asun-tos del Personal Académico de la UNAM, por el apoyo económico otorgado a través delproyecto PAPIIT IN 105902. Asimismo, sereconoce el apoyo técnico brindado por losingenieros Ignacio Cueva, Efraín Ramos y alBiol. Germán Álvarez.

Referencias

Abou-Ali M., Khamis M. (2003).TIREDDX: An Inte grated Intel li gent

Defects Diag nostic System for Tire Pro-ducction and Service . Expert SystemsWith Appli ca tions 24, pp. 247-259.

Adedeji B. (1992). Expert Systems Appli ca -tions in Engi neering and Manu fac turing.Prentice Hall.

ASM (1974). Source Book in Failure Ana-lysis. Amer ican Society for Metals.

ASM (1992). Hand book of Failure Anal ysis.ASM inter na tional, USA.

Beckman T. (1991). AI-Expert. The Maga -zine of Arti fi cial Intel li gence in Prac tice,February.

Brooks C., Choudhury A. (1993). Metallur-gical Failure Anal ysis . McGraw-Hill.

Cerrud S., Ortiz A., Jacobo V. y MárquezE. (1998). Propuesta para el desarrollode un sistema experto en análisis defalla de elementos mecánicos metá-licos. Memorias del IV Congreso Anual de la Sociedad Mexicana de IngenieríaMecánica, Ciudad Juárez, Chih. Octubre.

Cerrud S., Jacobo V., Ortiz A., Quiroz H.y Márquez E. (2000). Adquisición yrepresentación del conocimiento en un sistema experto para análisis de falla.Memorias del VI Congreso Anual de laSociedad Mexicana de Ingeniería Mecá-nica, Colima, Colima.

Cerrud S. (2002). Propuesta de metodo-logía para el desarrollo de un sistemaexperto en análisis de falla de ele-mentos mecánicos metálicos. Tesis demaestría (Ingeniería Mecánica). Divi-sión de Estudios de Posgrado, Facul-tad de Ingeniería, UNAM.

Cerrud S., Jacobo V., Ortiz A. ySchouwenaars R. (2002). Análisis deFalla . Facultad de Ingeniería UNAM.

Cerrud S., Jacobo V., Schouwenaars R. yOrtiz A. (2003). Diseño de un modelopara el estudio de riesgo de falla porcorrosión en tubería de concreto preesfor-zado. Memorias del IX Congreso de laSociedad Mexicana de Ingeniería Mecá- nica. Veracruz, Veracruz. Septiembre.



Corro sion Atlas (1991). Elsevier Science,The Neth er lands.

Das A. (1996). Metal lurgy of Failure Analy-sis. Ed. McGraw-Hill.

Graham-Jones P. and Mellor B. (1995a).The Devel op ment of a Generic FailureAnal ysis Expert System Based on Case-Based Reasoning . Southampton Uni-versity.

Graham-Jones P. and Mellor B. (1995b).Expert and Knowl edge-Based Systems inFailure Anal ysis . Engi neering FailureAnal ysis 2, pp. 137-149.

Graham-Jones P. and Mellor B. (1997a).Expert Systems in Failure Anal ysis. Partof the Engi neering Mate rials FailureSeries. Southampton, Univer sity U.K.

Graham-Jones P. and Mellor B. (1997b).The Oportunities for the Internet to Assist with Failure Anal ysis. NACE Corro sion.

Graham-Jones P. and Mellor B. (1997c).Issues Involved in Developing a FailureAnal ysis Expert System For MetallicMate rials Using Rule and Case-BasedReasoning. NACE Corro sion.

Heyes A. (1998). Auto mo tive Compo nentFailures. Engi neering Failure Anal ysis5,2, pp. 129-141.

Jacobo V. et al. (1994). Análisis para eldesarrollo de un sistema experto enselección de materiales. Tesis de Licen- ciatura. Ingeniero Mecánico Electri-cista (Indus trial) Facultad de Inge-niería, UNAM.

Jacobo V. Cerrud S. y Ortiz A. (2000).Prototipo de un sistema experto para el análisis de falla de elementos mecá-nicos. Memorias del X Congreso La-tinoamericano de Investigación deOperaciones, Mexico, DF.

Jacobo V., Cerrud S., Ramírez M. y OrtizA. (2002). Sistema experto para aná-lisis de falla de ejes. Ingeniería: Inves-tigación y Tecnología. 3,3.

Jacobo V., Cerrud S., Ortiz A. y MárquezE. (2004). Sistema experto híbrido para

análisis de falla de elementos mecá-nicos metálicos. Memorias del X Con-greso Anual de la Sociedad Mexicanade Ingeniería Mecánica. Querétaro,Qro. Septiembre.

Jacobo V., Ortiz A., Schouwenaars R. yMárquez E. (2005). Sistema expertopara análisis de falla de elementosmecánicos metálicos. Verificación yvalidación. Memorias del XI CongresoAnual de la Sociedad Mexicana deIngeniería Mecánica, Morelia, Mich.

Jones D. (Editor). (1998). Failure AnalisisCase Studies. Elsever Science Ltd.

Kazaz A. (2003). Appli ca tion of an ExpertSystem on the Frac ture Mechanics ofConcrete . Arti fi cial Intel li gence Review 19, pp. 177-190.

Komai K., Minoshima K. and YamasakiN. (1995). Devel op ment of Expert System for Fractography of Envi ron mentally Assis-ted Cracking, Univer sity of Tasmania.

Kudryavtsev Y., Kleiman J., Trufiakov V.and Mikheev P. (1998). Expert Systemfor Fatigue Assess m ent and Opti mi za tionof Welded Elements. Integ rity Testing La-boratory Inc & Paton Welding Insti tute.

Lange. G. (1998). System atic Anal ysis o fTech nical Fail ures. Informationsge-sellschaft, Verlag.

Lee R. (2001). Devel op ment of an ExpertSystem to Assist Fractographical Analy-sis. Advanced Systems and Anal ysisDivi sion, NASA.

Liao T., Zhan Z. and Mount C. (1999a). An Inte grated Data base and Expert Systemfor Failure Mech a nism Iden ti fi ca tion:Part I- Auto mated Knowl edge Acqui si -tion. Engi neering Failure Anal ysis 6 ,pp. 387-406.

Liao T., Zhan Z. and Mount C., (1999b).An Inte grated Data base and Expert Sys-tem for Failure Mech a nism Iden ti fi ca tion:Part II- The System and Perfor manceTesting. Engi neering Failure Anal ysis6, pp. 407-421.



Liao T. (2000). A Case-Based ReasoningSystem for Iden tifying Failure Mech a -nisms. Engi neering Appli ca tions of Ar- tificial Intel li gence 13, pp. 199-213.

Liao T. (2004). An Inves ti ga tion of a HybridCBR Method for Failure Mech a nismsIden ti fi ca tion. Engi neering Appli ca -tions of Arti fi cial Intel li gence 17, pp.123-134.

Menandro F., Moyer E. and Liebowitz H.(1995). An Expert System Approach toFrac ture Mechanics . Engi neering Frac -ture Mechanics 50, pp. 631-637.

Metals Hand book (1990). Vol. 11: FailureAnal ysis and Preven tion . ASM Inter na -tional, USA.

Naumann F. (1983). Failure Anal ysis: CaseHistories and Meth od ology. ASM VerlagGmbH Stuttgart.

Ortiz A. Jacobo V. Cerrud S. y HernándezA. (2003). Análisis de falla de ele-mentos mecánicos metálicos medianterazonamiento basado en casos. Memo-

rias del IX Congreso Anual de la So-ciedad Mexicana de Ingeniería Mecá-nica. Veracruz, Veracruz, Septiembre.

Roberge P., Tullmin M. and Trethewey K.(1996). Failure Anal ysis by Case-Based Reasoning. Proceed ings of the Inter na -tional Congress InterCorr.

Roberts C. and Glantz W. (2003). SKFBearing Detec tive: Preventing Reoc -curring Bearing Fail ures. SKF Group,15:39.

Shu-Hsien L. (2005). Expert System Meth -od ol ogies and Appli ca tions – A DecadeReview form 1995 to 2004. ExpertSystems with Appli ca tions 28, pp.93-103.

UDIATEM (2004a). Análisis de falla debarra de torsión de autobús Volvo. Re-porte de circulación restringida, -Vol-vo Buses de México.

UDIATEM, (2004b). Análisis de falla desemieje trasero DANA. Reporte decirculación restringida, -Inter na tional.




SEAFEM:Herramienta computacional para la determinación de causas de falla en ...

Semblanza de los autoresVíctor Hugo Jacobo-Armendáriz. Ingeniero mecánico electricista (área de Ing. Indus trial) por la Facultad de

Ingeniería de la UNAM, en donde también obtuvo los grados de maestro y doctor en ingeniería. Actualmentefunge como profesor titular “B” de tiempo completo definitivo en el área de manufactura y materiales, en lapropia FI-UNAM. Su línea se ha orientado al análisis de falla, la ciencia de materiales y los sistemas expertos(tema en el cual obtuvo su doctorado). De 10 años a la fecha, ha participado en diversos proyectos y estudios aldesarrollo y mejora de métodos de manufactura, corrosión y análisis de falla. Ha dirigido 6 tesis d e licenciatura y publicado 2 textos en (análisis de falla, corrosión y protección), más de 5 artículos en congresosinternacionales, más de 25 en congresos nacionales y más de 10 en revistas arbitradas. Recibió la Cátedra espe -cial SEFI en 2001 y la Antonio Dovalí en 2002.

Armando Ortiz-Prado. Se graduó como ingeniero mecánico electricista (Ing. mecánica) por la Facultad de Ingeniería de la UNAM en 1980, posteriormente obtuvo la maestría y el doctorado en ingeniería mecánica. Es profesorhace 27 años, impartiendo cátedra principalmente en las áreas de procesos de manufactura y ciencia demateriales. En la actualidad, es profesor titular “C” de tiempo completo definitivo y tutor doctor al de losposgrados de ciencia e ingeniería de materiales y de ingeniería. Sus líneas de investigación son modelado deprocesos de conformado mecánico, análisis de falla, comportamiento mecánico de biomateriales y corrosión enequipo electrónico. Ha desarrollado proyectos y estudios para diferentes empresas privadas y entidadesgubernamentales, orientados éstos al desarrollo y mejora de métodos de manufactura, desarrollo demateriales, corrosión y análisis de falla; lo cual se traduce en más de 50 estudios y asesorías para la indu stria,10 proyectos de investigación y desarrollo tecnológico. A la fecha, suma más de 80 tesis de licenciaturaconcluidas, así como 10 de maestría y una de doctorado. Su experiencia se ha transmitido a través de 6 textospara licenciatura en las áreas de manufactura, materiales y corrosión. Asimismo, su productividad incluye más de 15 artículos en congresos internacionales, más de 50 artículos en congresos nacionales y más de 10 artículosen revistas arbitradas. Fue galardonado por la UNAM con la Distinción Universidad Nacional para JóvenesAcadémicos (Docencia en ciencias exactas) en 1989. Recibió la cátedra espe cial “Mariano HernándezBarrenechea” de Facultad de Ingeniería, UNAM en 1997 y 1998. Su productividad académica y científica hasido reconocida por la UNAM, a través del otorgamiento del nivel D del PRIDE y por el CONACYT con elnombramiento de Investigador Nacional Nivel I.

Rafael Schouwenaars-Franssens. Obtuvo el grado de maestro en ingeniería de minas en la Universidad de Lovaina,Bélgica y el doctorado en ingeniería mecánica en la FI-UNAM. Ocupa el nivel I en el sistema nacional deinvestigadores. Durante cuatro años estaba activo como investigador de proyectos industriales, relacionadoscon la textura cristalográfica en aceros en el Departamento de Metalurgía e Ingeniería de Materiales de lamisma universidad. Su trabajo en México lo inició como experto en microscopía electrónica dentro de laUnidad de Investigación y Asistencia Tecnológica en Materiales (UDIATEM). Posteriormente, combinó estasactividades con una carrera de profesor en la Facultad de Ingeniería. En el ámbito tecnológico se dedica alanálisis de falla y la optimización de procesos en la indu stria metal-mecánica, con un enfoque espe cial hacia las aleaciones tribológicas dúctiles. Esto lo ha llevado a una serie de estudios científicos relacionados con laspropiedades mecánicas de materiales complejos, los cuales han sido publicados en numerosos foros nacionalese internacionales.

seafem: herramienta computacional para la determinación de ... · deficiencias del material,...

Documents