Este artículo presenta un sistema inteligente basado en un modelo de lenguaje a gran escala (LLM) para el mantenimiento preventivo de maquinaria industrial. Este sistema va más allá de la detección convencional de anomalías para proporcionar recomendaciones de mantenimiento prácticas. Desarrollado con base en el marco LAMP para el análisis numérico de datos, este sistema convierte los datos de análisis de frecuencia de vibración de rodamientos (BPFO, BPFI, BSF y FTF) a lenguaje natural, lo que permite la detección de anomalías con alta precisión en pocos intentos mediante LLM. Se clasifican los tipos de fallas (pista interna, pista externa, bolas/rodillos y fallas de jaula) y se evalúa su nivel de gravedad. Un componente multiagente utiliza la integración de vectores y la búsqueda semántica para procesar manuales de mantenimiento y acceder a conocimientos completos sobre procedimientos y prácticas de mantenimiento actualizadas mediante búsquedas web, lo que proporciona recomendaciones más precisas y detalladas. El modelo Gemini genera recomendaciones de mantenimiento estructuradas que incluyen acciones inmediatas, listas de verificación de inspección, acciones correctivas, requisitos de piezas y especificaciones de programación. La validación experimental con un conjunto de datos de vibración de rodamientos demuestra su eficacia para detectar anomalías y proporcionar orientación de mantenimiento contextual. Este sistema conecta eficazmente la monitorización de condiciones con la planificación práctica del mantenimiento, proporcionando un soporte inteligente para la toma de decisiones a los profesionales de la industria. Este estudio impulsa la aplicación de LLM en el mantenimiento industrial, proporcionando un marco escalable de mantenimiento predictivo para diversos componentes de maquinaria e industrias.
