Laboratório de Confiabilidade – Relab
Av. Professor Mello Moraes, 2231
Butantã, São Paulo – SP, 05508-030
PUBLICACIONES DEL RELAB
En esta página presentamos sólo algunas de las publicaciones más relevantes producidas por el Laboratorio de Confiabilidad de la USP. Para acceder a la lista completa de nuestros trabajos científicos, visite nuestras páginas de la facultad en ResearchGate, donde encontrará todas las contribuciones del laboratorio en detalle.
Reliability Analysis and Asset Management of Engineering Systems
Publicado por Elsevier en 2022, este libro reúne contribuciones de investigadores del Laboratorio de Confiabilidad de la USP para abordar los desafíos y soluciones más recientes en el área de análisis de confiabilidad y gestión de activos en sistemas de ingeniería. El trabajo ofrece un enfoque completo y detallado, integrando conceptos fundamentales y métodos avanzados para el diagnóstico de fallas, pronóstico, evaluación de riesgos y planificación del mantenimiento, con un enfoque en la aplicación práctica en sistemas industriales complejos.
Con capítulos que exploran todo, desde los fundamentos de la confiabilidad hasta ejemplos reales de aplicaciones en sectores como la energía y el transporte, el libro destaca el uso de la inteligencia artificial y otras tecnologías emergentes para mejorar la seguridad, la eficiencia y la disponibilidad de los sistemas de ingeniería.
Dirigida a ingenieros, investigadores y administradores de activos, esta publicación sirve como una referencia esencial para quienes buscan alinear la innovación tecnológica y las mejores prácticas en confiabilidad, contribuyendo a la transformación digital y la sostenibilidad en la industria moderna.
A Framework to Automate Fault Detection and Diagnosis Based on MWPCA and BN
Publicado en la revista Reliability Engineering and System Safety en 2021, este artículo presenta un marco híbrido para automatizar la detección y el diagnóstico de fallas en sistemas complejos. Utilizando el análisis de componentes principales de ventana móvil (MWPCA) y redes bayesianas (BN), el método combina datos históricos y monitoreo en tiempo real para detectar y diagnosticar fallas, incluso en sistemas dinámicos o con datos limitados.
El estudio valida la metodología con un modelo simplificado de hidrogenerador, demostrando su eficacia para identificar fallos incipientes y su capacidad para apoyar la gestión del mantenimiento basado en la condición. Este trabajo destaca la importancia de los enfoques híbridos para avanzar en estrategias de mantenimiento predictivo, contribuyendo a mejorar la confiabilidad y reducir los costos operativos en industrias estratégicas.
Reliability and Risk Centered Maintenance: A Novel Method for Supporting Maintenance Management
Publicado en la revista Applied Sciences en 2023, este artículo presenta un método innovador que integra estrategias de mantenimiento centrado en confiabilidad (RCM) y mantenimiento basado en riesgos (RBM). La propuesta, denominada Mantenimiento Centrado en Confiabilidad y Riesgo (RRCM), adapta los métodos tradicionales para incorporar la evaluación de riesgos en la planificación del mantenimiento, permitiendo la creación de planes que equilibren confiabilidad, costo y seguridad operacional.
La efectividad del método quedó demostrada en un caso de estudio aplicado a una central hidroeléctrica, destacando su capacidad para priorizar fallas críticas, reducir riesgos y optimizar la gestión de activos. Este trabajo contribuye significativamente a la evolución de las prácticas de mantenimiento, combinando tecnología y gestión estratégica para enfrentar los desafíos de la creciente complejidad de los sistemas industriales.
Criticality-Based Maintenance of a Coal-Fired Power Plant
Publicado en la revista Energy en 2018, este artículo presenta un método innovador para identificar los componentes más críticos de los sistemas industriales, con el objetivo de priorizar las acciones de mantenimiento. Utilizando técnicas de análisis de confiabilidad y riesgos, el método integra herramientas para evaluar fallas e impacto operacional, contribuyendo a mejorar la disponibilidad y seguridad de las plantas industriales.
El estudio se aplicó al sistema de desulfurización de gas de una central eléctrica a carbón, demostrando la eficacia de la metodología para reducir riesgos y optimizar la gestión de activos. Este trabajo destaca la importancia de los enfoques basados en la confiabilidad para mejorar la eficiencia y la sostenibilidad de operaciones industriales complejas.
A Framework for Planning Underwater Hull Inspections Based on Computer Vision and Degradation Assessment
Publicado en la revista Ocean Engineering en 2025, este artículo presenta un marco innovador para planificar inspecciones submarinas de cascos de buques. La propuesta combina visión artificial y evaluación de la degradación para identificar y cuantificar fallas, como corrosión y grietas, utilizando técnicas avanzadas de aprendizaje automático. El marco incluye procesos para detectar la degradación, evaluar el estado estructural y respaldar la toma de decisiones de mantenimiento en función de la vida útil restante estimada (RUL).
El estudio destaca la aplicación práctica de esta metodología en un escenario de unidad flotante de producción, almacenamiento y descarga (FPSO), demostrando su eficacia para mejorar la precisión y seguridad de las inspecciones submarinas. Este enfoque representa un avance significativo en la gestión de la integridad estructural, reduciendo la necesidad de inspecciones manuales y mejorando la planificación del mantenimiento en función del estado real del equipo.
Improving Centralized Offshore Power Generation Design With Petri Net-Based Availability and Reliability Analysis
Publicado en el ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part B: Mechanical Engineering, en 2024, este artículo presenta un análisis detallado de la confiabilidad y disponibilidad de los sistemas centralizados de generación de energía en alta mar, conocidos como Power Hubs. Utilizando redes de Petri estocásticas generalizadas (GSPN), el estudio evalúa diferentes configuraciones operativas de estos sistemas, comparándolas con enfoques tradicionales de generación de energía de plataforma.
Los resultados muestran que, dependiendo de la configuración, los Power Hubs pueden alcanzar una disponibilidad promedio cercana al 100%, incluso en períodos de alta demanda de producción de petróleo y gas. El artículo contribuye significativamente a la literatura al ofrecer un enfoque que equilibra la eficiencia energética, la reducción de las emisiones de CO2 y la confiabilidad operativa, presentando una solución prometedora para la sostenibilidad y el rendimiento de las operaciones offshore.
Semi-Supervised Framework with Autoencoder-Based Neural Networks for Fault Prognosis
Publicado en la revista Sensors en 2022, este artículo presenta un marco semisupervisado para la detección y pronóstico de fallas utilizando redes neuronales basadas en autocodificadores. El enfoque se destaca por tratar con datos industriales desequilibrados, permitiendo la identificación de patrones desconocidos y la predicción de fallas con mayor confiabilidad, incluso en escenarios con poco etiquetado manual de datos.
El estudio valida el método con datos del simulador CMAPSS, ampliamente utilizado en la industria aeroespacial, demostrando su efectividad en la identificación temprana de fallas y la predicción de la vida útil restante (RUL). Este trabajo contribuye al avance de las estrategias de mantenimiento predictivo, ofreciendo una solución robusta y escalable para aplicaciones industriales complejas.
Comparing PCA-Based Fault Detection Methods for Dynamic Processes with Correlated and Non-Gaussian Variables
Publicado en la revista Expert Systems with Applications en 2022, este artículo investiga métodos de detección de fallas basados en el análisis de componentes principales (PCA) aplicado a procesos dinámicos con variables correlacionadas y no gaussianas. El estudio compara tres enfoques adaptativos, incluidas dos metodologías innovadoras que abordan datos no estacionarios y autocorrelacionados.
Los resultados resaltan la efectividad de estos enfoques en la detección temprana de fallas en sistemas dinámicos y la influencia de las características de las fallas en el desempeño de los métodos. Este trabajo proporciona un análisis cuidadoso sobre la aplicación de técnicas estadísticas multivariadas en escenarios industriales complejos, contribuyendo al avance de las estrategias de mantenimiento predictivo y gestión de activos.