RT info:eu-repo/semantics/bachelorThesis
T1 Detección y diagnóstico de fallos mediante técnicas basadas en datos aplicadas a un colector de aguas
A1 Elena Gómez, Alberto
A2 Universidad de Valladolid. Escuela de Ingenierías Industriales
K1 BigData
K1 Análisis de Componentes Principales
K1 Redes Neuronales
K1 Árboles de Decisión
K1 Machine Learning
K1 Deep Learning
K1 1203.06 Sistemas Automatizados de Control de Calidad
AB El trabajo que se ha realizado pretende conseguir una mejora en lamonitorización y la calidad de un proceso industrial. Para ello, se exponendiferentes técnicas de detección y diagnóstico de fallos basadas en datos. Estoes posible gracias a la tecnología del BigData que, a través de laimplementación masiva de sensores y el control distribuido en planta, hapermitido a las empresas obtener una gran cantidad de datos que se puedenestudiar y emplear de numerosas maneras distintas. Las técnicas de controlestadístico de procesos que se emplean en este trabajo son, en primer lugar,el Análisis de Componentes Principales (PCA), que permite reducir el númerode variables manteniendo la información, haciendo posible el estudio de laplanta con un grupo reducido de variables. En este trabajo se comparan tresmodelos o métodos para la detección que utilizan esta técnica: un métodolineal, uno no lineal y un modelo no lineal mejorado que busca amplificar elfallo para facilitar la detección. Por otro lado, y con el objetivo de permitir unaclasificación o diagnóstico de los fallos producidos y detectados en la planta,se usarán técnicas de Redes Neuronales y Árboles de Decisión. A partir de estasherramientas se desarrollarán también tres métodos para la clasificación delos fallos: un método basado en redes neuronales con una única capa oculta(Machine Learning), un método que utiliza redes con varias capas ocultas(Deep Learning), y otro método hace uso de los árboles de decisión para crearun bosque aleatorio capaz de clasificar los fallos en clases. Tanto los métodosde detección como los de clasificación van a aplicarse a datos obtenidos de uncolector de aguas simulado en el entorno de simulación visual SIMULINK, quefunciona dentro del software MATLAB
YR 2022
FD 2022
LK https://uvadoc.uva.es/handle/10324/54278
UL https://uvadoc.uva.es/handle/10324/54278
LA spa
NO Departamento de Ingeniería de Sistemas y Automática
DS UVaDOC
RD 17-jul-2024