Cuestionario vinculado a una guía · Medio Nivel

Prueba de IA en mantenimiento predictivo

Descubra cómo los métodos de aprendizaje automático utilizan datos de monitoreo de condiciones para detectar anomalías y estimar la vida útil de los equipos en la práctica.

Rutas de guía relacionadasIA en mantenimiento predictivo
Pregunta 1 de 8

¿Qué problema resuelve principalmente el mantenimiento predictivo en comparación con el mantenimiento preventivo?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué problema resuelve principalmente el mantenimiento predictivo en comparación con el mantenimiento preventivo?
    • Evita reemplazar piezas sanas en un cronograma fijo reparándolas solo cuando es necesario
    • Elimina la necesidad de sensores.
    • Hace que las máquinas funcionen más rápido
    • Elimina por completo la necesidad de técnicos
  2. ¿Qué estima la 'vida útil restante' (RUL)?
    • El costo total de una máquina.
    • ¿Cuánto tiempo le queda a un componente antes de fallar?
    • La energía que consume un motor por hora.
    • La cantidad de sensores en un dispositivo.
  3. Which signal is collected in the Case Western bearing fault dataset for rotating-machine diagnostics?
    • Patient electrocardiograms
    • Satellite color channels
    • Vibration acceleration
    • Text sentiment scores
  4. ¿Cómo suele admitir un codificador automático la detección de anomalías en PdM?
    • Etiqueta cada tipo de falla por nombre automáticamente
    • Genera nuevas máquinas
    • Reemplaza sensores de vibración.
    • Se entrena únicamente con datos saludables y marca un error de reconstrucción alto como anormal
  5. What edge-computing approach does the cited condition-monitoring paper study?
    • Federated autoencoder training using vibration data at devices near the monitored machines
    • Centralizing all raw data in a public image database
    • Training a language model on maintenance manuals only
    • Replacing sensors with a periodic questionnaire
  6. How does NIST define a digital twin?
    • A maintenance calendar with no model of equipment
    • A virtual representation of a physical or perceived real-world entity
    • A physical duplicate machine kept in storage
    • A guarantee that a machine will not fail
  7. What is the NASA C-MAPSS dataset used to evaluate?
    • Cancer grade classification from biopsy slides
    • Speech recognition in noisy rooms
    • Turbofan engine degradation and remaining-useful-life prediction
    • Global climate averages without time series
  8. How should an anomaly alert from a predictive-maintenance model be interpreted?
    • As a guaranteed failure date
    • As an automatic repair prescription
    • As evidence that no human review is needed
    • As a signal for inspection, not proof of a specific fault or failure time