Aumente la relevancia de sus datos de prueba. El aprendizaje automático favorece la precisión y expone las posibles discrepancias en los resultados de las pruebas en una fase temprana. ¿Ha cuestionado alguna vez la calidad de sus datos de prueba? Cada uno de nosotros sabe que los datos, especialmente los datos fiables, son una herramienta esencial para nuestro trabajo cotidiano. En particular, una prueba realizada correctamente, los datos resultantes de la prueba y la evaluación precisa de los resultados de la prueba, son fundamentales para una evaluación fiable del estado de los activos. Por citar un ejemplo: El análisis de respuesta en frecuencia de barrido (SFRA), es un método efectivo y sensible para comprobar la integridad mecánica y eléctrica de un transformador de potencia. Pequeñas desviaciones entre la huella y la medición pueden llevar a una conclusión incorrecta sobre el estado de un activo. Por lo tanto, la validación de los datos por adelantado es crucial. MAYOR CALIDAD DE DATOS CON INTELIGENCIA ARTIFICIAL ¿Qué nos lleva a cuestionar la calidad de los datos de las mediciones? Es una buena pregunta, porque hay suficientes valores de referencia con los que se pueden comparar los resultados de las pruebas, tal como los datos de Cigre, las huellas iniciales o los dispositivos hermanos. Sin embargo, la transición energética cada vez más acelerada, está teniendo un impacto significativo en la infraestructura de la red eléctrica existente. La energía eléctrica se está descentralizando debido a las fuentes de energía renovables. Así, el número de puntos y nodos de alimentación está aumentando. Las grandes cargas inductivas o capacitivas de la red eléctrica están siendo sustituidas por nuevas cargas reguladas. Como resultado, aumenta el riesgo de efectos peligrosos, tal como cortocircuitos, armónicos y transitorios en la red eléctrica. Debido a estas condiciones cambiantes de los activos, es aconsejable comprobar cuidadosamente los posibles cambios en los datos de medición. El gráfico muestra el proceso de una evaluación fiable y de confianza. Capa 3 Datos del activo Capa 2 Datos validos Capa 1 Datos sin procesar 40
RkJQdWJsaXNoZXIy NTkxNzY=