1. Universidad Antonio Nariño
  2. Trabajos de grado
  3. Tecnologías
  4. Tecnología en mantenimiento electromecánico industrial
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.uan.edu.co/handle/123456789/9478
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorAGUIRRE, JAIRO-
dc.coverage.spatialRoldanilo- Valle del Cauca- Colombiaes_ES
dc.creatorVILLADA AGUIRRE, JUAN CAMILO-
dc.creatorESPINOSA MARIN, WILMER FABIAN-
dc.date.accessioned2024-02-28T21:19:14Z-
dc.date.available2024-02-28T21:19:14Z-
dc.date.created2023-11-24-
dc.identifier.urihttp://repositorio.uan.edu.co/handle/123456789/9478-
dc.description.tableofcontentsEste trabajo presenta una propuesta innovadora para enfrentar los retos de mantenimiento en la energía eólica. Se pretende instaurar un sistema de monitoreo avanzado diseñado para identificar anomalías y sobrecalentamientos en las cajas de cambios de las turbinas eólicas mediante el uso de Raspberry Pi y tecnología IoT. El objetivo primordial consiste en potenciar la eficiencia y confiabilidad de las turbinas mediante un enfoque proactivo en el mantenimiento. El sistema recopilará datos en tiempo real sobre la temperatura de las cajas de cambios, posibilitando una evaluación constante de su estado operativo. La identificación temprana de fluctuaciones térmicas permitirá la toma de decisiones informadas y la reducción de costos asociados con reparaciones imprevistas, transformando la gestión de activos en la industria eólicaes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Antonio Nariñoes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 Estados Unidos de América*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.sourceinstname:Universidad Antonio Nariñoes_ES
dc.sourcereponame:Repositorio Institucional UANes_ES
dc.subjectMonitoreoes_ES
dc.subjectTurbinas Eólicases_ES
dc.subjectCaja de Cambioses_ES
dc.subjectRaspberry Pies_ES
dc.subjectTecnología IOTes_ES
dc.subjectSensor de Temperaturaes_ES
dc.subjectMantenimiento Predictivoes_ES
dc.titleMonitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosases_ES
dc.publisher.programTecnología en Mantenimiento Electromecánico Industrial (Distancia)es_ES
dc.rights.accesRightsopenAccesses_ES
dc.subject.keywordMonitoringes_ES
dc.subject.keywordWind turbinees_ES
dc.subject.keywordGearboxes_ES
dc.subject.keywordRaspberry Pies_ES
dc.subject.keywordIoT technologyes_ES
dc.subject.keywordTemperature sensores_ES
dc.subject.keywordPredictive Maintenancees_ES
dc.type.spaTrabajo de grado (Pregrado y/o Especialización)es_ES
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones_ES
dc.source.bibliographicCitation1.Huang, M., Liu, Z., & Tao, Y. (2020). Mechanical fault diagnosis and prediction in IoT based on multi-source sensing data fusion. Simulation Modelling Practice and Theory, 102, 101981. 2. Sequeira, C., Pacheco, A., Galego, P., & Gorbeña, E. (2019). Analysis of the efficiency of wind turbine gearboxes using the temperature variable. Renewable Energy, 135, 465-472. 3. Xia, T., Dong, Y., Pan, E., Zheng, M., Wang, H., & Xi, L. (2021). Fleet-level opportunistic maintenance for large-scale wind farms integrating real-time prognostic updating. Renewable Energy, 163. 4. Smith, J. K., & Johnson, A. B. (2018). Renewable Energy: Physics, Engineering, Environmental Impacts, Economics and Planning. Elsevier. 5. Wiser, R., & Bolinger, M. (2015). 2014 Wind Technologies Market Report. Lawrence Berkeley National Laboratory. 6. Hameed, Z., Awan, A. S., & Ali, A. (2019). Gearbox failure analysis in wind turbines: A review. Renewable and Sustainable Energy Reviews, 103, 135-149. 7. Gao, X., & Dai, H. (2017). Condition Monitoring and Fault Diagnosis of Wind Turbine Gearboxes: A Review. Renewable and Sustainable Energy Reviews, 70, 1202- 1213. 8. García-Miquel, H., Roselló, J., & Guzmán, J. L. (2018, October). Wind turbine gearbox fault detection using statistical analysis of vibration signals. In 2018 IEEE Energy Conversion Congress and Exposition(ECCE) (pp. 5374-5381). IEEE. 9. Chen, X., Chen, Z., & Yang, Y. (2017, July). Research on Wind Turbine Gearbox Fault Diagnosis Based on Machine Learning. In 2017 4th International Conference on Electrical and Electronics Engineering (ICEEE) (pp. 99-104). IEEE. 10. Basu, S., Nazario, C., & Fish, G. (2021, August 16). Choosing the right lubricant for today’s wind turbines. WIND POWER ENGINEERING.es_ES
dc.description.degreenameTecnólogo(a) en Mantenimiento Electromecánico Industriales_ES
dc.description.degreelevelTecnológicaes_ES
dc.publisher.facultyFacultad de Ingeniería Mecánica, Electrónica y Biomédicaes_ES
dc.description.notesDistanciaes_ES
dc.creator.cedula23552021470es_ES
dc.creator.cedula23552119444es_ES
dc.publisher.campusRoldanilloes_ES
dc.description.degreetypeInvestigaciónes_ES
Aparece en las colecciones: Tecnología en mantenimiento electromecánico industrial

Ficheros en este ítem:
Fichero Tamaño  
JUAN CAMILO VILLADA AGUIRRE ACTA.pdf
  Restricted Access		223.7 kBVisualizar/Abrir  Request a copy
JUAN CAMILO VILLADA AGUIRRE AUTORIZACIÓN.pdf
  Restricted Access		1.52 MBVisualizar/Abrir  Request a copy
JUAN CAMILO VILLADA AGUIRRE TIG.pdf958.57 kBVisualizar/Abrir
Mostrar el registro sencillo del ítem


Ver Estadísticas de uso



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons