2026-04-27T08:20:52Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/378362021-06-30T01:30:52Zcom_10324_38col_10324_852
Estudio de técnicas de clasificación para detección y diagnostico de fallos
Medrano Sanz, Julia Isabel
Fuente Aparicio, María Jesús de la
Universidad de Valladolid. Escuela de Ingenierías Industriales
Redes neuronales (Informática)
Sistemas no lineales
Algoritmos
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.
2019-09-10T14:45:19Z
2019-09-10T14:45:19Z
2019
info:eu-repo/semantics/bachelorThesis
http://uvadoc.uva.es/handle/10324/37836
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional