34 ELECTRÓNICA - UNMSM, VOL. 17, NO.

1, JUNIO 2014

Aplicación de Minería de datos a un Sistema de

Mantenimiento Predictivo de Detección de
Incendios
Data Mining Application of a Predictive Maintenance System Fire Detection

José A. Fuentes Quiñonez1, Cortez Vásquez Augusto2, Daniel H. Jara Rivas3

1,3
Facultad de Ingeniería Electrónica y Eléctrica, Universidad Nacional Mayor de San Marcos
2
Facultad de Ingeniería de Sistemas e Informática, Universidad Nacional Mayor de San Marcos

Resumen- Cuando se da tratamiento a grandes Recibido: Abril 2014 / Aceptado: Junio 2014
volúmenes de datos, es necesario utilizar un the concepts of data mining and its application in the
conjunto de técnicas computacionales que se conocen maintenance of security systems for fire detection in
como minería de datos. En particular, en medium and large infrastructure details. It also
edificaciones medianas los dispositivos de detección proposes a methodology to forecast the trend for
de humo pueden superar largamente las cien maintenance and fault smoke detectors of an
unidades y así mismo requerir el mantenimiento intelligent system, we will base it on automatic
periódico de acuerdo a ciertos patrones de control reports generated by the system panel and written
establecidos previamente. Para cumplir este reports of the maintenance work.
propósito se requiere de una herramienta para
optimizar el mantenimiento de dichos dispositivos a Palabras Claves - minería de datos, dispositivo,
fin de determinar a aquellos que precisan detector de humo, detector direccionable, detector
mantenimiento. En el presente trabajo se detalla los análogo, detector convencional, reporte de eventos..
conceptos de la minería de datos y su aplicación en el
mantenimiento de los sistemas de seguridad para Key Words - data mining, device, smoke detector,
detección de incendio de infraestructuras medianas y addressable detector, analog detector, conventional
grandes. Se propone asimismo una metodología que detector, log report.
permita pronosticar la tendencia para el
mantenimiento y falla de los detectores de humo de
un sistema inteligente, para ello nos basamos en los I. INTRODUCCIÓN

L
reportes automáticos generados por el panel del
o que la ciencia y la tecnología ha conseguido
sistema y los reportes escritos de los trabajos de
mantenimiento realizados.
hasta ahora ha sido realmente espectacular.
Solo tenemos que mirar a nuestro alrededor para
Abstract- When treatment is given to large data atestiguar lo que el extraordinario poder de nuestra
volumes, it is necessary to use a set of computational comprensión de la naturaleza y el conocimiento
techniques known as data mining. In particular, the
nos ha ayudado a conseguir. Por medio de
medium-sized building smoke detection devices can
far exceed the one hundred units and fire detection
inteligencia artificial se intenta obtener sistemas
devices require periodic maintenance according to automáticos que puedan realizar tareas reservadas
certain pre-established control patterns. To fulfill a los humanos. Este enfoque eminentemente
this purpose requires a crucial tool to optimize the tecnológico tiene como propósito la construcción
maintenance of such devices to determine which de máquinas y programas capaces de llevar a cabo
devices require maintenance. This article discusses tareas complejas con una competencia y eficiencia
1
iguales o superior a los de los humanos. En
Jose A. Fuentes Quiñonez, e-mail: jfuentes@terra.com.pe
2 particular, los sistemas de detección de incendio
Augusto Cortez Vásquez, e-mail: cortez_augusto@yahoo.fr
3
Daniel H. Jara Rivas, e-mail: dhjarar@gmail.com fueron desarrollados para la protección de personas
FUENTES, et al.: APLICACIÓN DE MINERÍA DE DATOS A UN SISTEMA DE MANTENIMIENTO 35

y bienes de acuerdo a la norma NFPA 72 Todo ello se facilita disponiendo de un almacén de

americana, dicha norma se tomó como base para datos con la información en formato común y sin
los sistemas de detección de incendio en el Perú en inconsistencias.
el Reglamento Nacional de Edificaciones y Código Exploración: Dado que los datos provienen de
Nacional de Electricidad [1]. diferentes fuentes, se hace necesaria una
exploración mediante técnicas de análisis
Los sistemas de detección de incendio se
exploratorio de datos, buscando entre otras cosas
dividen en convencionales e inteligentes, siendo
la distribución de los datos, su simetría y
los últimos utilizados en instalaciones medianas o
normalidad y las correlaciones existentes en la
grandes, dado que pueden brindar información de
información.
su ubicación (para lo cual previamente se ha
Limpieza: Aquí los datos se validan, ya que
programado la etiqueta del detector), estado, y
pueden contener valores atípicos, valores faltantes
otros datos referentes al dispositivo [2], [1].
y valores erróneos.
Para el mantenimiento de los sistemas de
Transformación: En esta fase se realiza la
detección de incendio, normalmente el personal
transformación de atributos (numeración,
técnico debe preparar un cronograma de
discretización etc.).
mantenimiento y protocolos de prueba respectivos,
dicho cronograma se realiza en forma periódica
varias veces al año.
La minería de datos se implementará para
minimizar los tiempos de mantenimiento que
requieren los detectores de humo y la tendencia de
falla, para lo cual utilizará los reportes manuales y
los reportes automatizados que brinda el sistema.

II. FUNDAMENTO TEÓRICO

A. Minería de Datos
La utilización de las técnicas de Inteligencia
Artificial (IA) para la solución de problemas
diversos ha tenido un notable incremento en los
últimos años [12]. Específicamente, la minería de
Fig. 1. Proceso de Minería de Datos.
datos (MD) se define como la aplicación de
técnicas computacionales de exploración
(automática o semiautomática) y análisis de Las cuatro primeras fases se suelen englobar
grandes cantidades de datos para descubrir bajo el nombre de preparación de datos. En la fase
principalmente patrones, relaciones y reglas [4], de minería de datos, se decide cuál es la tarea a
permitiendo la creación de modelos, que debido al realizar (clasificar, agrupar, etc.) y se elige la
gran volumen de datos no serían fácilmente técnica descriptiva o predictiva que se va utilizar
descubiertas por el ser humano; la MD permite [13].
crear representaciones abstractas de la realidad, Minería de datos:
pero es el descubrimiento del conocimiento (KDD, Evaluación e interpretación: se evalúan los
por sus siglas en inglés) el que se encarga de la patrones y se analizan por los expertos, y si es
preparación de los datos y la interpretación de los necesario se vuelve a las fases anteriores para una
resultados obtenidos, los cuales dan un significado nueva iteración.
a estos patrones encontrados [5]. Difusión se hace uso del nuevo conocimiento
En [6] se define el proceso de extracción de y se hace partícipe de él a todos los posibles
conocimiento KDD mediante una secuencia de usuarios. Para propósito de este trabajo, se
fases: consideró aplicar la minería de datos a los
Preparación de datos: procesos de mantenimiento de los sistemas de
Selección: se integran y recopilan los datos, se detección de incendio de tal manera que permita
determinan las fuentes de información que pueden reducir los tiempos de mantenimiento preventivo y
ser útiles y dónde conseguirlas, se identifican y evitar que se generen falsas alarmas en
seleccionan las variables relevantes en los datos y dispositivos de iniciación de dichos sistemas.
se aplican las técnicas de muestreo adecuadas.
36 ELECTRÓNICA - UNMSM, VOL. 17, NO. 1, JUNIO 2014

Las técnicas descriptivas de minería de datos Panel control, ubicado en un sitio especifico
se pueden clasificar de acuerdo al tipo de tareas o para ser atendido por personal de seguridad, en el
problemas a los que se pueden aplicar [4]. Las cual se podrá identificar inmediatamente el motivo
principales tareas son: de la alarma, el lugar, y otro tipo de información,
Clasificación: Asigna a un registro una o el cual es brindado en forma visual, impresa o
varias posibles clases predefinidas. interconectada a una microcomputadora.
Estimación / Predicción: Asigna un valor a Relevadores Programables, dispositivo de
una variable dependiente que toma valores salida de los paneles que realizan alguna acción
numéricos continuos. Esto lo diferencia de la automática como consecuencia de la activación de
clasificación. un dispositivo específico o grupo de dispositivos
Afinidad de grupos: Análisis de correlaciones. (activación de sistemas de extinción, control de
Identifica eventos o transacciones que ocurran sistemas de aire acondicionado, control de
simultáneamente. elevadores, etc.).
Clustering: Agrupamiento-segmentación.
Divide un conjunto heterogéneo en subconjuntos D. Diferencias entre sistemas de detección de
más homogéneos. incendio.
Descripción: Información y Análisis La diferencia fundamental entre los dos tipos de
dimensional. sistemas radica en la habilidad de identificar la
ubicación específica de cualquier detector. En un
B. Reglamentación de sistemas de detección
sistema convencional el panel de control solamente
de incendio.
identifica la zona donde se genera la alarma; en un
La instalación de dispositivos de detección y sistema inteligente cada detector y módulo tienen
alarma de incendios tiene como finalidad una dirección única [2].
principal, indicar y advertir las condiciones En pequeñas instalaciones la selección
anormales, convocar el auxilio adecuado y adecuada es la de sistemas convencionales
controlar las facilidades de los ocupantes para mientras que en medianas o grandes instalaciones,
reforzar la protección de la vida humana. Así lo la utilización de sistemas inteligentes es la norma o
señala Eguiluz, de acuerdo a lo especificado en la estándar.
reglamentación referida a sistemas de detección de
incendio que: “Los sistemas de detección y alarma E. Detectores de humo
de incendios deberán contar con supervisión Un sensor físico es un dispositivo que detecta
constante en el área a la cual protegen, con y/o mide una magnitud, estado o condición físicos
personal entrenado en el manejo del sistema” [2], (el mesurado). En otras palabras, es un dispositivo
lo cual hace imprescindible que dichos sistemas sensible a una magnitud física, estado o condición.
cuenten con el mantenimiento adecuado y Los sensores físicos permiten monitorear y
periódico de los mismos. controlar diferentes procesos y fenómenos del
mundo físico que nos rodea [6], suministrando a
C. Tipos de Sistemas de Detección de Incendio
los computadores información, como si fueran una
Convencionales:
especie de “sentidos”. Son considerados
Aquellos que están compuestos por dispositivos iniciadores y se activan con las
dispositivos iniciadores y anunciadores que partículas visibles e invisibles que genera la
cumplen con las características requeridas por la combustión originada por un incendio. En esta
reglamentación NFPA72 sin que necesariamente investigación, los detectores captan un
cuenten con un panel de control que especifique el determinado fenómeno, en este caso humo y
lugar o zona donde se genere la alarma o el tipo de cuando el valor de ese fenómeno sobrepasa un
alarma. umbral prefijado se genera una señal de alarma que
Inteligentes: es transmitida a la central de control y señalización
Dispositivos iniciadores, direccionables o de una forma muy simple, generalmente como
análogos, los cuales dan información de la cambio de consumo o tensión en la línea de
ubicación exacta del dispositivo que se alarmo. detección [3] [14][15][16].
Dispositivos anunciadores, los cuales avisan Los detectores de humos suelen clasificarse en:
en forma audible o visual, en caso de un conato de - Fotoeléctricos.
incendio, además de funcionar como indicadores o - Iónicos.
guías de las rutas de evacuación. - Combinados.
FUENTES, et al.: APLICACIÓN DE MINERÍA DE DATOS A UN SISTEMA DE MANTENIMIENTO 37

El detector de Humo Iónico, trabaja con base mantenimiento y otra información necesaria de uso
en una cámara formada por dos placas y un o de servicio.
material radiactivo (Americio 241), que ioniza el Los reportes denominados log report que
aire que pasa entre las placas, generando una generan los sistemas de detección inteligente,
pequeña corriente eléctrica permanente, que es proporcionaron información sobre el estado del
medida por un circuito electrónico conectado a las sistema, cuando se activo un dispositivo, cuando
placas, esta es la condición "normal" del detector. fallo, cuando indico que requiere mantenimiento.
El detector de Humo fotoeléctrico funciona
con el principio de dispersión de luz. En el interior III. METODOLOGÍA UTILIZADA
de la cámara del detector se encuentra un LED Para optimizar el mantenimiento de los
emisor de luz y un fotosensor. La luz emitida por sistemas de detección de incendio se realizaron las
el LED incide en un área de la cámara donde no tareas de clasificación, estimación y predicción.
puede ser captada por el fotosensor, esta es la
condición "normal" del detector. A. Clasificación
La clasificación consistió en examinar las
características de un objeto y asignarlo dentro de
un conjunto predefinido de clases [9]. Dado que
los objetos a ser clasificados son representados por
registros en una tabla de un archivo o base de
datos, la clasificación consistió en agregar una
Fig. 2. Detector de humo iónico [16]. nueva columna con un código clase de algún tipo
[7].
Para la optimización del mantenimiento se
utilizó los log report del sistema y se clasificaron
los tipos de eventos generados. Se incluyó una
columna adicional para indicar cuando el evento se
refiere a detectores de humo o no, dado que el
presente trabajo solo esta considerando optimizar
los tiempos de mantenimiento de dichos
Fig. 3. Detector de humo fotoeléctrico [16]. dispositivos.

F Norma NFPA B. Estimación

La NFPA (National Fire protection Dado que la clasificación se enfrentó con
Association) es la organización principal mundial resultados discretos (si o no, nivel de riesgo bajo,
para el desarrollo y diseminación de conocimiento medio o alto), la estimación se ocupó de salidas
sobre seguridad contra incendios y de vida. Los con valores continuos [10][11]. Dadas algunas
códigos contra incendios de la NFPA establecen entradas, la estimación produjo un valor para
sólidos principios para la protección y seguridad alguna variable continua desconocida, por ejemplo,
tiempo de parada de buses. En el presente caso la
G. De los reportes generados estimación será dada de acuerdo al nivel de
criticidad de la ubicación de los detectores, el tipo
En los sistemas convencionales solo se tienen de falla presentada del sistema entre otros.
reportes escritos en los que se indican las acciones
tomadas con respecto a la activación, falla o C. Predicción
mantenimiento de los dispositivos de detección de
incendio. Los modelos predictivos pretenden estimar
En los sistemas inteligentes se cuenta con los valores futuros o desconocidos de variables de
reportes escritos, reportes automatizados brindados interés [5]. La predicción es lo mismo que
por el panel de detección, los cuales son clasificación y estimación, excepto que los
denominados log device y log report. registros están clasificados de acuerdo algún valor
Los reportes denominados log device que o comportamiento futuro. En una tarea de
generan los sistemas de detección inteligentes, dan predicción la única forma de verificar la precisión
información de ubicación, estado del detector, de la clasificación es esperar y ver [7].
porcentaje de oscurecimiento, estado para
38 ELECTRÓNICA - UNMSM, VOL. 17, NO. 1, JUNIO 2014

En esta tarea se analizó los reportes CAV: Valor analógico actual. Valor analógico
automatizados y escritos, para determinar si se instantáneo del detector.
puede establecer el periodo de tiempo de las fallas CA%: Porcentaje de alarma actual. Indica
producidas o en los requerimientos de cuan cerca de una alarma esta el valor analógico.
mantenimiento de los detectores de humo. PCA%: Pico de aire limpio. Indica el valor
analógico más alto para el detector.
IV. RESULTADOS PA%: Pico porcentual de alarma. Similar a
La aplicación se circunscribió solamente a CA%, excepto en lo cerca que el valor pico es una
sistemas inteligentes de detección de incendio. alarma.
Para este trabajo se utilizó los paneles de Status:
detección de incendio direccionables marca Silent Normal: Detector no requiere mantenimiento.
Knight®, modelos IFP-50, IFP-100, IFP-1000, Call Maint: Limpieza recomendada.
5600, 5700, 5808, 5820XL Call Trouble: Detector no está cumpliendo con
Se utilizó el reporte de estado de los detectores NFP72, requiere limpieza.
de humo o log devices, dicho reporte se obtuvo del NFPA72:
panel de detección de incendio en los sistemas Si, significa que el detector cumple con la
inteligentes. norma NFPA72 dentro de los rangos de
A continuación se detalla el significado de sensibilidad estipulados.
cada una de las variables que brindo el reporte de No, significa que el detector no está
estado de dispositivos: cumpliendo con la norma NFP72.
Sen: Brinda porcentaje de sensibilidad de En la Fig. 4, se muestra el reporte de estado de
humo por pie de oscurecimiento o por grado los detectores que se exportó a archivos con
Fahrenheit que provocará una alarma. formato ASCII o Excel (lo denominamos
ATL: Umbral de alarma. Valor analógico en el LOG_DVC) y utilizamos los estados ATL, ACA,
cual un detector indicará una condición de alarma. CAV, CA%, PA% para los casos de activación de
ACA: Promedio de aire limpio. Igual que alarmas por detección de incendio. Los estados
CAV, excepto que es el promedio y filtrado con ACA, MT, CAV, PCA, Status se utilizaron para
respecto al tiempo. los casos de mantenimiento del detector.
MT: Umbral de mantenimiento. Valor Finalmente los estados TT y Status para los casos
analógico en el cual un detector necesita de de falla del detector.
inspección o mantenimiento.
TT: Umbral de falla. Valor analógico en el
cual un detector indicará una condición de
problema.
FUENTES, et al.: APLICACIÓN DE MINERÍA DE DATOS A UN SISTEMA DE MANTENIMIENTO 39

Fig 4. Reporte de estado de los dispositivos

Para los estados de alarma, falla o

mantenimiento se utilizó el reporte de eventos o
log report, obtenido desde el panel de detección de
incendio de los sistemas inteligentes de detección
de incendio, mostrada en la Fig.5.

Fig. 5. Hoja de Cálculo LOG_DVC. Fig. 6. Reporte de Eventos

El reporte se exportó al formato ASCII (o
Seguidamente, en la Fig. 6, se muestra el Excel) (lo denominamos LOG_RPT). A partir de
reporte de eventos o log report, para identificar los este reporte, presentada en la Fig.7, se clasificó los
estados de alarma, falla o mantenimiento, que fue tipos de eventos generados, incluyendo una
obtenido desde el panel de detección de incendio columna adicional para indicar cuando el evento se
de los sistemas inteligentes de detección de refiere a detectores de humo o no, dado que el
incendio. presente trabajo abarco solamente este tipo de
dispositivos y su mantenimiento.
Es necesario hacer una puntualización, se
analizó la fecha y hora del evento, y el tipo de
evento producido (si fue producto de una alarma,
falla o requerimiento de mantenimiento).
40 ELECTRÓNICA - UNMSM, VOL. 17, NO. 1, JUNIO 2014

Fig. 8. Hoja de Servicio.

Con estos tres reportes se estableció una tabla

en la que se consignó: el dispositivo, la causa del
evento, fecha y hora, el nivel de importancia, el
tipo de evento. El análisis de esta tabla con
técnicas de minería, permitió generar un
cronograma de mantenimiento predictivo de los
diferentes detectores de humo del sistema y por
tanto minimizar las fallas producidas.

Fig. 7. Hoja de Cálculo LOG_RPT

Finalmente se obtuvo los reportes de las hojas
de servicio que fueron emitidos por el personal de
mantenimiento del sistema, en dichos reportes se
consignaba el origen del evento atendido,
observaciones del área en donde se produjo (para
determinar si el evento es producto del entorno
donde se encuentra el dispositivo) y sugerencias
del personal técnico. Este reporte (que
denominamos HOJA_SRVC) permitió crear una Fig. 9. Hoja de Cálculo HOJA_SRVC
columna adicional en donde se especificó si el
evento fue producto del dispositivo o se debió a un Para la toma de datos se descargó el reporte de
factor externo. En esta hoja asimismo se incluyó estado de los dispositivos como mínimo una vez al
adicionalmente los siguientes campos: Número del mes, al igual que los reportes de eventos.
detector, Evento (A de alarma, T de falla, M de Para poder acotar la causa del evento (alarma,
mantenimiento). falla, mantenimiento) producido por un dispositivo
del sistema de detección de incendio fue necesario
generar inmediatamente el log device para
determinar el estado de los detectores en la hora de
producido el evento.

VI. CONCLUSIONES
Se ha demostrado que la minería de datos
resulta ser una herramienta muy eficiente para
abordar problemas de tratamiento de abundantes
datos, que por su complejidad, no podrían
resolverse aplicando otras técnicas, o que
requerirían mayor necesidad de cómputo o más
tiempo, es decir requerirían de algoritmos de
mayor complejidad.
FUENTES, et al.: APLICACIÓN DE MINERÍA DE DATOS A UN SISTEMA DE MANTENIMIENTO 41

LOG DEVICE

MINERIA DE DATOS
CRONOGRAMA DE
LOG REPORT Clasificacion MANTENIMIENTO
Estimación PREDICTIVO
Prediccion

REPORTES MANTENIMIENTO

Fig. 10. Esquema de la Generación del Cronograma de Mantenimiento

Se pone de relieve que el aplicar las

herramientas de minería de datos a los sistemas de [9] Olshen RA Stone CJ Breiman L, Friedman JH.
detección de incendio inteligentes, permitió “Classification and Regression Trees”. New York,
generar un cronograma de mantenimiento del 1984.
sistema basado en métodos predictivos, lo que
[10] Palma Méndez Jose. Inteligencia Artificial.
derivó en estimar cuando un detector requiere McGRAW-HILL España 2008.
mantenimiento o cuando debe ser reemplazado.
Este tipo de mantenimiento predictivo permitió [11] Pednault B. Rosen F. Tipu C. Apte, E. Grossman
a ahorrar tiempo de mantenimiento, lo cual and B. White. “Probabilistic estimation based data
influyo en el costo final del servicio. Como mining for discovering insurance risks”. IBM
consecuencia se pudo establecer un estimado de Research Division, 1999.
stock de repuestos.
[12] Russell Stuart “Inteligencia Artificial”. Edit
VII. REFERENCIAS Prentice Hall Mexico 2008.

[1] Ministerio de Vivienda. “Reglamento Nacional de [13] Vallejos Sofía. “Minería de Datos” Universidad
Edificaciones. Decreto Supremo No. 011-2006 – Nacional del Nordeste – Argentina. 2006.
Vivienda, del 05-05-2006”.
http://www.vivienda.gob.pe/dnc/norma.aspx [14] Tecnoseguro.com , magazin digital 2014.
http://www.tecnoseguro.com/tutoriales/alarma/%C2
[2] Eguiluz Eduardo, “Tendencias de detección de %BFcual-es-la-diferencia-entre-un-detector-de-
incendio”, System Sensor. humo-ionico-y-uno-fotoelectrico.html

[3] N. F.P.A. “Manual de protección contra incendios”. [15] Ministerio de trabajo y asuntos sociales de España,
Editorial MAPFRE, 1978. NTP 215: Detectores de
humoshttp://www.insht.es/InshtWeb/Contenidos/D
[4] Gordon S. Linoff Michel J.A. Berry. “Data Mining ocumentacion/FichasTecnicas/NTP/Ficheros/201a3
Techniques”. Wiley Publishing, Inc., Indianapolis, 00/ntp_215.pdf
Indiana, 2004.
[16] Detector Iónico de humos DIH-90-G, Certificado
[5] Hernández Orallo, Jose. “Introducción a la minería de Conformidad: CE0099/CPR/A74/0017
de datos”. Edit Prentice Hall España 2004. http://www.gmb-
systems.com/productos/ionico.html
[6] Leija, Lorenzo. “Métodos de procesamiento
avanzado e inteligencia artificial en sistemas
sensores y Biosensores”. Edit Reverte Ediciones
México 2009.

[7] Millan Alonso Gildardo, “Predicción de Trafico en

Redes de Telecomunicaciones basado en Técnicas
de Inteligencia Analítica”.

[8] Pérez César, Daniel Santín Gonzáles.“Minería de

Datos –Técnicas y Herramientas”. Ed. Paraninfo –
2007.
42 ELECTRÓNICA - UNMSM, VOL. 17, NO. 1, JUNIO 2014