RT info:eu-repo/semantics/bachelorThesis
T1 Monitorización distribuida de un proceso  para mejora de su calidad mediante  técnicas de inteligencia  computacional/Deep learning: RAE
A1 Fernández Fernández, Pablo
A2 Universidad de Valladolid. Escuela de Ingenierías Industriales
K1 PCA
K1 Autoencoders
K1 LSTM
K1 Monitorización
K1 Resultados
K1 3307 Tecnología Electrónica
AB Este estudio examina diversas metodologías de detección de errores fundamentadas en datos, que se utilizan para controlar la calidad en ámbitos industriales. Estos métodos son eficaces para extraer información relevante y mejorar la calidad de los procesos, debido a la enorme cantidad de datos producidos en la industria moderna.  El estudio se inicia con el análisis de los componentes principales, un método lineal para disminuir características que posibilita la creación de nuevas variables que pueden agrupar la mayor parte de la información del sistema y disminuir el número de dimensiones. Se pueden detectar fallos potenciales al comparar la conducta normal del proceso con datos atípicos, utilizando estadísticos multivariantes y la distribución de estos datos reducidos. Además, se llevaron a cabo métodos de aprendizaje profundo y automático dirigidos a disminuir la dimensionalidad. En esta línea, los autoencoders posibilitan un aprendizaje sin supervisión de la información de la planta al captar relaciones no lineales entre las variables y dar paso a la identificación de anomalías. Los autoencoders recurrentes son una mejora de los autoencoders convencionales, ya que tienen información de los estados pasados del sistema y por lo tanto permiten una detección de errores más exacta y fiable. Por último, dada la gran dimensionalidad de los datos que se recogen en las industrias actuales se creó una estrategia de detección de fallos distribuida para mejorar los modelos de detección de anomalías. Esta metodología divide las variables de la planta en diferentes bloques de manera automática, identifica anomalías en cada uno de ellos por separado y, a través de inferencia bayesiana, sintetiza la información adquirida. Finalmente comentar, que los datos del proceso que se han usado para probar todas las técnicas desarrolladas has sido los datos del proceso Tennessee Eastman, que se usa mucho en la literatura científica sobre detección de fallos.
YR 2026
FD 2026
LK https://uvadoc.uva.es/handle/10324/82544
UL https://uvadoc.uva.es/handle/10324/82544
LA spa
NO Departamento de Ingeniería de Sistemas y Automática
DS UVaDOC
RD 04-feb-2026