2026-04-28T20:53:33Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/420172025-09-11T13:05:45Zcom_10324_38col_10324_852

00925njm 22002777a 4500 dc Manzano Santos, Adrián author 2020 En el contexto de la Industria 4.0, y en plena revolución digital, se desea la extracción de información del mundo real y su traslado a un mundo virtual. En este mundo virtual, la información es procesada para extraer conclusiones que se traducen en decisiones en el mundo real. En este contexto, se presenta el estudio y desarrollo de una aplicación capaz de procesar la información recogida por sensores conectados, estructurarla mediante series temporales y clasicarla para la detección de anomalías. El objeto de estudio es una máquina fresadora CNC de más de veinte a~nos de servicio, en pleno funcionamiento y sensorizada mediante una instrumentalización no intrusiva. Para ello, se presenta un estudio sobre series temporales y se adapta el algoritmo de clustering de k-medias (k-means) a su aplicación sobre series temporales. Para aplicar el algoritmo de k-medias sobre un conjunto de datos, son necesarios dos componentes: una medida de comparación y una función promedio. Como medida de comparación se estudia la \distancia" DTW (Dynamic Time Warping), que permite comparar series de distinta longitud (duración) y detectar eventos con distinto momento de ocurrencia temporal y/o distinta duración que se corresponden a una misma acción. Como función promedio se analiza la media de Fréchet, hallada mediante el algoritmo DBA (Dynamic Barycenter Average), y que a su vez se apoya en la DTW. Adaptado el algoritmo de k-medias a su aplicación sobre series temporales, se propone un modelo de clasifi cación híbrido de dos etapas: en primer lugar divide el conjunto de las series atendiendo a atributos estáticos (duración) por el algoritmo de k-medias tradicional, y para cada subconjunto obtenido clasifi ca por el algoritmo de k-medias aplicado sobre las series temporales bajo la DTW. Finalmente, se presenta una implementación escalable de aplicación de la teoría desarrollada anteriormente sobre la máquina fresadora: Sistema de Detección de Anomalías. El trabajo concluye con su completo desarrollo e integración dentro del proyecto IDIGIT4L de la Fundación CIDAUT. http://uvadoc.uva.es/handle/10324/42017 Construcción de un sistema de asistencia al operador de aprendizaje semi-autónomo