RT info:eu-repo/semantics/bachelorThesis
T1 Desarrollo de modelos predictivos en un entorno de fabricación industrial
A1 Martín Mateos, Miguel
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Industria 4.0
K1 Modelos predictivos
K1 Aprendizaje no supervisado
K1 Clustering
AB Este trabajo fin de grado aborda el estudio y caracterización de condiciones de funcionamiento de una máquina industrial a partir de modos de operación que pueden ser clasificados y predichos de forma automática empleando técnicas de Machine Learning. En particular se va a tratar con uno de los comportamientos más característicos de las máquinas industriales como es el arranque, el cual es clave en la puesta en marcha del proceso de fabricación. Caracterizar y segmentar las fases de operación del proceso de arranque, será importante para analizar el comportamiento de la máquina y poder detectar anomalías o incidencias durante el transcurso del mismo. La no tenencia de información a priori con valores etiquetados para comparar si la máquina se comporta correctamente durante un arranque, llevará a utilizar técnicas de aprendizaje no supervisado. La segmentación a través del clustering permitirá clasificar los distintos arranques en grupos de acuerdo a sus similitudes en cuánto a duración y consumo. La generación de los patrones más característicos entre los modelos de arranque extraídos del clustering ayudará a determinar un modelo de arranque inicial. Con esta información, se podrá comprobar la existencia de anomalías comparando datos de test (nuevos arranques) con el comportamiento del arranque de base, segundo a segundo.
YR 2020
FD 2020
LK http://uvadoc.uva.es/handle/10324/44413
UL http://uvadoc.uva.es/handle/10324/44413
LA spa
DS UVaDOC
RD 14-jul-2025