Este reto, organizado por The American Society of Heating Refrigeration and Air Conditioning Engineers (ASHRAE), consistió en diseñar un sistema basado en Machine Learning para
detectar fallas de sistemas de aire acondicionado y ventilación.
Es la primera vez que ASHRAE USFQ Student Branch participa en este
importante evento internacional que conovoca a universidades y estudiantes de todo el mundo. "En su primer año como grupo estudiantil han
logrado tener una efectiva organización. Que este ejemplo inspire a los
miembros actuales a enfrentarse a nuevos retos", mencionó Juan Sebastián Proaño, tutor del equipo ASHRAE USFQ, al mismo tiempo aprovechó la oportunidad para felicitar a los ingenieros María José Jácome y Pedro Reina, quienes en
su último semestre en la USFQ lideraron y llevaron a cabo este proyecto.
Resultados de la Competición 2020
Link al sitio web de ASHRAE con los resultados generales: https://www.ashrae.org/communities/student-zone/competitions/design-competition-winners.
Resumen del Proyecto
El objetivo del proyecto fue el desarrollo de un sistema automatizado capaz de detectar fallas operacionales en sistemas energéticos. El sistema incluye transporte de agua, calentamiento y refrigeración. Múltiples sensores monitorean los subsistemas en el prototipo. Por ejemplo, al calentar agua, se midió la temperatura para identificar desviaciones de un valor en estado estable. Las posibles causas de la desviación podrían ser daños en la estructura eléctrica o en los sensores. Para ambos casos, la medición de temperatura será incorrecta. Un control PID intentará mantener la temperatura del agua a 40°C. Los problemas seleccionados que deben abordarse en el sistema de transporte de agua son los que se encuentran comúnmente en la industria: cavitación, válvulas atascadas, fugas y bombas que dejan de funcionar. Debido al tamaño del modelo del proyecto, el sistema de refrigeración incluye solo cambios de temperatura inesperados. Los datos enviados por los sensores se guardan en un código Python que usa algoritmos de regresión lineal, método K - de vecinos más cercanos (KNN) y programación de declaraciones "if". Cuando se detecta cualquier falla, se envían mensajes de advertencia al operador del sistema. Tanto los sensores como el código de programación se validaron correctamente y se concluyó que todos los problemas propuestos se detectaron como se esperaba.
Para conocer más sobre las actividades y proyectos de este grupo estudiantil síguelos en
No hay comentarios.: