Estudio de técnicas de clasificación para detección y diagnostico de fallos

Abstract

En el presente trabajo se estudian diferentes técnicas de clasificación para diagnosticar fallos o malfunciones que puede haber en diversos procesos industriales con el objetivo de tener un seguimiento de la calidad, tanto del propio proceso como de los distintos productos fabricados. Para poder llevar un estudio profundo y poder llegar a unas conclusiones solidas sobre los distintos tipos de clasificadores primero se hace un estudio teórico sobre el estado del arte de los clasificadores. En él se describe de manera teórica los clasificadores y los algoritmos de clasificación de estos. En este trabajo se van a estudiar cinco tipos de clasificadores, redes neuronales multicapa, redes neuronales probabilísticas, discriminante de Fischer, árboles de decisión y por último máquinas de vectores soporte. Posteriormente, se realiza una simulación de estos clasificadores con datos de fallo. Los datos de fallo son extraídos del conocido proceso Tennessee Eastman (TEP), se analizan únicamente cuatro tipos de fallo (fallo 1, fallo 2, fallo 4 y fallo 5). Una vez se ha realizado la simulación se comparan los resultados obtenidos con los diferentes clasificadores y se hace un breve estudio sobre el trabajo futuro que se podría llevar a cabo para en el futuro mejorar este trabajo.