RT info:eu-repo/semantics/bachelorThesis
T1 Diagnóstico de fallos/anomalías en una planta industrial mediante el método FDA y técnicas de inteligencia computacional
A1 Sobrino Sesmero, Sara
A2 Universidad de Valladolid. Escuela de Ingenierías Industriales
K1 PCA
K1 FDA
K1 t-SNE
K1 Redes neuronales
K1 Random Forest
K1 5311.09 Organización de la Producción
AB El control de calidad tiene una gran importancia dentro de la industria hoy en día,y la llegada de las nuevas tecnologías hacen que se puedan recoger un gran númerode datos de los procesos industriales, que pueden, posteriormente, ser analizadosy tratados.En este trabajo se tratará de mejorar la calidad de un proceso industrial mediantela aplicación de diferentes técnicas que nos permiten detectar anomalías queocurren en planta y hacer un posterior diagnóstico de las mismas. Una de estastécnicas usadas será el Análisis de Componentes Principales (PCA), que permitemediante la reducción de la dimensionalidad del proceso, detectar los fallos queocurren en una planta industrial. Una vez detectado el fallo, para intentardiagnosticar de que fallo se trata, se estudiará un método que combina técnicascomo el Análisis discriminante de Fisher (FDA), la incrustación de vecinosestocásticos distribuidos (t-SNE) y redes neuronales (ANN), así como un elmétodo denominado ‘Random Forest’ (bosque aleatorio), realizándose unacomparación entre ambos para tratar de encontrar la mejor técnica para eldiagnóstico de fallos de la planta.Los datos con los que se trabaja son extraídos de la planta química TennesseeEastman, contando con datos de la planta en condiciones normales defuncionamiento y cuando ocurren anomalías.
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/61414
UL https://uvadoc.uva.es/handle/10324/61414
LA spa
NO Departamento de Ingeniería de Sistemas y Automática
DS UVaDOC
RD 18-may-2025