Railway safety is a matter of importance as a single failure can involve risks associated with economic and human losses. The early fault detection in railway axles and other railway parts represents a broad field of research that is currently under study. In the present work, the problem of the early crack detection in railway axles is addressed through condition-based monitoring, with the evaluation of several condition indicators of vibration signals on time and frequency domains. To achieve this goal, we applied two different approaches: in the first approach, we evaluate only the vibrations signals captured by accelerometers placed along the longitudinal direction and, in the second approach, a data fusion technique at the condition indicator level was conducted, evaluating six accelerometers by merging the indicator conditions according to the sensor placement. In both cases, a total of 54 condition indicators per vibration signal was calculated and selecting the best features by applying the Mean Decrease Accuracy method of Random Forest. Finally, we test the best indicators with a K-Nearest Neighbor classifier. For the data collection, a real bogie test bench has been used to simulate crack faults on the railway axles, and vibration signals from both the left and right sides of the axle were measured. The results not only show the performance of condition indicators in different domains, but also show that the fusion of condition indicators works well together to detect a crack fault in railway axles.

Introducción. Debido a la poca evidencia sobre el modelamiento de los patrones de alimentación y actividad física (AF), basado en variables latentes, el presente estudio de revisión pretende describir las técnicas estadísticas aplicadas para modelar estos patrones en niños y adolescentes y valorar su calidad metodológica. Materiales y métodos. La búsqueda se realizó en bases de datos electrónicas (Science Direct, PubMed, SCOPUS, Web of science y Cochrane) con las palabras “diet”, ’physical activity’, children y ’latent variable’. Se incluyeron artículos que utilizaron modelos estadísticos basados en variables latentes para analizar patrones de alimentación y AF en niños y adolescentes sanos, publicados entre 2014–2019, en inglés o español. Resultados. Entre los 27 artículos seleccionados, el Modelo de Ecuaciones Estructurales (MEE) fue el más utilizado (77,78%); seguido del Modelo de Perfil Latente (7,41%), mientras, el restante, 14,81% aplican el Modelo del Factor Común, Modelo Ecológico y el Modelo de Regresión Logística Multinivel. El MEE fue aplicado a 12 de los 16 artículos con enfoque de AF, y en 7 de los 9 artículos con enfoque de Alimentación. El 48,15% de los estudios sí justificaba el uso del modelo, y el 37,04% poseen una calidad “Excelente” (cumplen el 85% o más de los ítems de STROBE). Conclusiones. El MEE fue el más utilizado para abstraer los patrones de AF y alimentación en niños y adolescentes, sin embargo, solo la mitad de los artículos justifica su pertinencia. Las guías de reporte de estudios deberían evaluar la calidad metodológica de los modelos estadísticos aplicados.

Аргентина в контексте региональной и мировой геополитики