RT info:eu-repo/semantics/bachelorThesis
T1 Diagnóstico de fallos en motores de bombas eléctricas sumergidas mediante técnicas avanzadas de clasificación supervisada
A1 Rubio Gómez, Juan
A2 Universidad de Valladolid. Facultad de Ciencias
K1 Motores eléctricos sumergibles
K1 Boosting
K1 Random Forest
AB Los motores eléctricos de inducción están ampliamente presentes en los procesos industriales. Porello, la monitorización del estado de los motores de inducción se ha vuelto cada vez más importanteen los últimos años. En este Trabajo de Fin de Grado (TFG) se emplearán estadísticos de ordensuperior obtenidos en mediciones de motores de inducción trifásicos en pozos de agua. Estos estadísticos se emplearán para desarrollar algoritmos predictivos que permitan la detección tempranade fallos en este tipo de motores, permitiendo la realización de reparaciones a tiempo y evitandodetenciones de procesos y pérdidas tanto de productividad como de dinero. Para la construcción deestos algoritmos predictivos, se utilizarán diversas técnicas avanzadas de aprendizaje automático,como Análisis Discriminante Lineal, Árboles de Decisión, técnicas de ensamblajes como BosquesAleatorios y métodos de Boosting.Este TFG esta desarrollado sobre un caso real, por lo que emplea datos reales de una empresa. Portanto, este TFG no solo aborda un problema práctico real de gran relevancia para la industria, sinoque también aplica métodos avanzados de aprendizaje automático para proporcionar solucionesinnovadoras y efectivas. La utilización de datos reales garantiza que los resultados obtenidos seanaplicables en un entorno industrial real, ofreciendo así un valor añadido significativo.
YR 2024
FD 2024
LK https://uvadoc.uva.es/handle/10324/74189
UL https://uvadoc.uva.es/handle/10324/74189
LA spa
NO Departamento de Estadística e Investigación Operativa
DS UVaDOC
RD 11-abr-2025