Predicción de fallos en un sensor de temperatura mediante un algoritmo neural difuso híbrido

El crecimiento de los productos electrónicos es cada vez más complejo debido a los grandes requisitos de alta fiabilidad, alta velocidad y bajo coste. En el mundo actual, la fiabilidad se convierte en una gran necesidad de cualquier equipo electrónico, tanto para componentes activos como pasivos, como un sensor de temperatura. La predicción de fallos es la principal limitación para predecir la vida útil restante del componente con el fin de anticipar los costosos fallos o la indisponibilidad del sistema. En el competitivo mercado actual, el bajo coste y el alto rendimiento son los factores clave para atraer a los clientes hacia sus productos. La creciente complejidad de los sistemas exige un control robusto para reducir el control del sistema y reducir los fallos sucesivos. La predicción de la fiabilidad de los componentes pasivos, especialmente el sensor de temperatura, es un tema de gran preocupación, ya que son necesarios en casi todos los sistemas. Como estos componentes se montan en una placa para formar un sistema completo, la probabilidad de que se produzcan daños aumenta, ya que los distintos componentes tienen características y condiciones de funcionamiento diferentes. Por ello, se utilizan técnicas de inteligencia artificial que adoptan el conocimiento del mecanismo de fallo de una parte individual del sistema y comprueban su estado de salud.