Mostrar el registro sencillo del ítem

dc.contributor.advisorSimón Hurtado, María Aránzazu es
dc.contributor.advisorVivaracho Pascual, Carlos Enrique es
dc.contributor.authorRodríguez Collado, Alejandro
dc.contributor.editorUniversidad de Valladolid. Escuela de Ingeniería Informática de Valladolid es
dc.date.accessioned2019-10-28T09:20:31Z
dc.date.available2019-10-28T09:20:31Z
dc.date.issued2019
dc.identifier.urihttp://uvadoc.uva.es/handle/10324/38771
dc.description.abstractLas técnicas de análisis de datos han ido introduciéndose en el mundo de la factorías dando lugar a la Industria 4.0. En el caso del grupo Sonae Arauco diversos dispositivos les han permitido ser galardonados con premios por innovación tecnológica. Uno de sus sistemas es el "Smart Eyes", un sistema de detección de imperfecciones en los tableros producidos con filtros de imágenes. Este proyecto tiene como objetivo crear un sistema de detección de estas imperfecciones empleando técnicas de análisis de datos y aprendizaje automático. Este proyecto es un Trabajo de Fin de Grado del Programa de Estudio Conjuntos INDat - Ingeniería Informática + Estadística. Por lo tanto constará de dos memorias, una por grado. Esta es la memoria de Ingeniería Informática, y consta de las siguientes partes. Una primera parte describirá el problema en su conjunto asÍ como los datos obtenidos por parte de la empresa para estudiar el problema. Esta información estará acompañada de una descripción de los antecedentes al desarrollo de este proyecto. En la segunda parte del proyecto se explicarán los procedimientos de tratamiento de imágenes empleados en la actualidad por la empresa así como nuestro algoritmo propio para el filtrado. La tercera parte consistirá en el empleo de distintos tipos de clasificadores, principalmente regresión logística, redes neuronales y Support Vector Machines. Esta parte aparecerá desarrollada de forma exclusiva en la memoria del grado en Ingeniería Informática y tendrá su contra-parte en la memoria del TFG de Estadística sobre el uso de clasificadores relacionados con análisis discriminante y árboles de decisión. La cuarta parte analizará los resultados obtenidos con cada uno de los clasificadores en esta memoria. De esta forma, podremos conocer qué metodología ha dado lugar a resultados mejores. El rendimiento de cada clasificador aparecerá reflejado en la memoria en la cual se haya explicado previamente el funcionamiento del clasificador. Un epílogo servirá para exponer las conclusiones sacadas relacionadas con la consecución de los objetivos marcados así como para desglosar el posible trabajo futuro a realizar.es
dc.format.mimetypeapplication/pdfes
dc.language.isospaes
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subject.classificationReconocimiento de patroneses
dc.subject.classificationSupport Vector Machineses
dc.subject.classificationRedes neuronaleses
dc.titleDetección de defectos en tiempo real en una línea de fabricación de tableros mediante técnicas de reconocimiento de patroneses
dc.typeinfo:eu-repo/semantics/bachelorThesises
dc.description.degreeGrado en Ingeniería Informáticaes
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem