Predicción de fallos en máquinas mediante regresión logística basada en variables de sensores

Abstract

En este Trabajo Fin de Grado se analiza la aplicación de modelos de regresión logística para la predicción del riesgo de fallo en maquinaria industrial a partir de variables operativas. El objetivo principal es evaluar la capacidad de estos modelos para identificar patrones asociados al fallo y estudiar la influencia de la calidad de los datos y la selección de variables en su rendimiento. Para ello, se han empleado distintos conjuntos de datos, tanto iniciales como sintéticos diseñados específicamente para el análisis, que incluyen variables como temperatura, vibración, consumo de potencia, humedad, presión y edad. Los modelos han sido implementados en MATLAB, estimando la probabilidad de fallo en función de dichas variables. Como aportación relevante, se ha incorporado el análisis de la matriz de correlación y de los p-valores, lo que ha permitido identificar relaciones entre variables y justificar la eliminación de variables redundantes o poco significativas. Esta etapa ha resultado clave para mejorar la interpretabilidad del modelo sin comprometer su capacidad predictiva. El rendimiento se ha evaluado mediante curvas ROC y el área bajo la curva (AUC), observándose que los mejores resultados se obtienen en aquellos conjuntos donde las variables presentan una relación clara con el fallo. En conjunto, el trabajo demuestra que la regresión logística es una herramienta eficaz, siempre que se realice un adecuado tratamiento y selección de los datos.