El trabajo, desarrollado con investigadores de Ecuador y Estados Unidos, propone un sistema que no solo diagnostica fallas con mayor precisión, sino que reconoce cuándo no debe responder.
La Universidad Bernardo O’Higgins, a través de su Centro de Investigación Institucional (CII), participó en el Simposio de Control Inteligente y Electrónica Industrial (SCIE 2026), realizado el 7 de agosto de 2026 en el Edificio de Posgrados STEM de la Escuela Superior Politécnica del Litoral (ESPOL), en Guayaquil, Ecuador. El encuentro reunió a docentes, investigadores y estudiantes del área tecnológica en torno a la inteligencia artificial, la automatización y la transformación industrial.
El simposio fue organizado de manera conjunta por la ESPOL, la Universidad Bolivariana del Ecuador, la Universidad Politécnica Salesiana, la Universidad Estatal Península de Santa Elena, la Universidad de Cuenca y el Capítulo Conjunto IEEE CSS & IES.
Participantes del Simposio SCIE 2026, en el Edificio de Posgrados STEM de la ESPOL.
Fotografía: Universidad Bolivariana del Ecuador.
La colaboración del CII
La participación de la Universidad Bernardo O’Higgins se concretó a través de dos investigadores del CII. El Dr. Alexis Matheu Pérez, Director de Análisis e Investigación Institucional, es coautor de la investigación “Diagnóstico Inteligente de Fallas en Rodamientos mediante Ensambles Neutrosóficos”, presentada en el simposio y aceptada para su publicación en la revista INGENIUS, indexada en Scopus.
Se trata de un trabajo conjunto, desarrollado con el Dr. Maikel Leyva Vázquez, Investigador Asociado del Centro de Investigación Institucional y académico de la Universidad de Guayaquil y la Universidad Bolivariana del Ecuador, quien expuso la ponencia; con el Dr. Lorenzo Cevallos Torres; y con el Dr. Florentin Smarandache, de la Universidad de Nuevo México (Estados Unidos), creador de la teoría neutrosófica. La investigación articula así el trabajo de instituciones de Chile, Ecuador y Estados Unidos en torno a un problema común de la ingeniería industrial.
Un problema costoso
Los rodamientos concentran entre el 40 % y el 50 % de los fallos de los motores eléctricos industriales, y cada hora de paro no planificado cuesta miles de dólares en planta. El mantenimiento predictivo analiza la señal de vibración con técnicas de aprendizaje automático, y los clasificadores actuales ya alcanzan una exactitud alta en condiciones de laboratorio. El problema aparece cuando esas condiciones cambian.
Dos aportes: mayor precisión y la capacidad de reconocer los propios límites
El primer aporte es de exactitud. Sobre el banco de pruebas de referencia internacional de la Case Western Reserve University, el sistema alcanzó un 99,8 % de aciertos en la clasificación de fallas.
El segundo apunta a una debilidad de fondo de los sistemas actuales: la confianza expresada en un solo valor resulta engañosa. Dos predicciones que el modelo entrega con exactamente la misma confianza pueden esconder riesgos opuestos. En un caso, la duda se concentra entre dos diagnósticos posibles; en el otro, el modelo duda de todo por igual. Un único número de confianza no distingue esas dos situaciones, aunque para el técnico que recibe la alerta signifiquen cosas muy distintas.
La propuesta responde con ensambles neutrosóficos: en lugar de un solo puntaje, cada diagnóstico se expresa mediante tres valores independientes (el grado de verdad, el de indeterminación y el de falsedad), de modo que la indeterminación capture la forma de la duda y no solo su magnitud. El método se aplica sobre clasificadores ya existentes y no exige reentrenarlos, lo que facilita su adopción en instalaciones que ya operan.
De la probabilidad a la tripleta (T, I, F), presentada durante la ponencia en el Simposio SCIE 2026.
Con ese marco, el sistema puede abstenerse. Cuando la evidencia no alcanza, no adivina: declara indeterminación y deriva el caso a un especialista. Activado ese mecanismo, el modelo acertó el 100 % de los diagnósticos que sí emitió, cubriendo el 99,4 % de los casos del banco de referencia; y en un conjunto de datos considerablemente más exigente, con velocidad variable, sostuvo un 94,9 % de acierto sobre el 40,2 % de los casos, reconociendo de manera explícita que en el resto no estaba en condiciones de pronunciarse.
La distinción no es menor. En planta, un diagnóstico equivocado emitido con alta confianza puede traducirse en una parada innecesaria o en una falla que pasa inadvertida. Un sistema capaz de diferenciar “no hay falla” de “no lo sé” devuelve al operador humano exactamente aquellas decisiones que la máquina no está en condiciones de tomar. Esa capacidad de reconocer los propios límites constituye hoy una de las líneas más activas de investigación en inteligencia artificial confiable.
La participación en SCIE 2026 refuerza la cooperación científica de la Universidad Bernardo O’Higgins con instituciones de Ecuador y Estados Unidos, y da continuidad a una agenda conjunta de investigación en inteligencia artificial y toma de decisiones bajo incertidumbre.
Ficha técnica
- Investigación: “Diagnóstico Inteligente de Fallas en Rodamientos mediante Ensambles Neutrosóficos”.
- Autores: Maikel Leyva-Vázquez, Lorenzo Cevallos-Torres, Alexis Matheu Pérez (UBO) y Florentin Smarandache (Universidad de Nuevo México, Estados Unidos).
- Evento: Simposio de Control Inteligente y Electrónica Industrial, SCIE 2026.
- Sede: Edificio de Posgrados STEM, ESPOL, Guayaquil, Ecuador. 7 de agosto de 2026.
- Organizadores: ESPOL, UBE, UPS, UPSE, Universidad de Cuenca y Capítulo Conjunto IEEE CSS & IES.
- Publicación: Revista INGENIUS (Universidad Politécnica Salesiana), indexada en Scopus.