Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático

En este trabajo se encuentra el desarrollo de un análisis de datos de una planta piloto basado en técnicas de inteligencia artificial. Podemos encontrar todo el proceso de realización de este proyecto iniciando por la caracterización de la planta y sistemas industriales implicados en el proceso, la...

Full description

Autores:
Díaz Charry, Felipe
López Herrera, Jefferson
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad Autónoma de Occidente
Repositorio:
RED: Repositorio Educativo Digital UAO
Idioma:
spa
OAI Identifier:
oai:red.uao.edu.co:10614/13531
Acceso en línea:
https://hdl.handle.net/10614/13531
https://red.uao.edu.co/
Palabra clave:
Ingeniería Mecatrónica
Laboratorio de Automática de la Universidad Autónoma de Occidente
Inteligencia artificial
Aprendizaje automático (Inteligencia artificial)
Artificial intelligence
Python
Tia Portal
Machine learning
Dataset
PLC
IA
Rights
openAccess
License
Derechos reservados - Universidad Autónoma de Occidente, 2021
id REPOUAO2_12b5cbaa32c481ac4881e16d74bed8ab
oai_identifier_str oai:red.uao.edu.co:10614/13531
network_acronym_str REPOUAO2
network_name_str RED: Repositorio Educativo Digital UAO
repository_id_str
dc.title.spa.fl_str_mv Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático
title Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático
spellingShingle Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático
Ingeniería Mecatrónica
Laboratorio de Automática de la Universidad Autónoma de Occidente
Inteligencia artificial
Aprendizaje automático (Inteligencia artificial)
Artificial intelligence
Python
Tia Portal
Machine learning
Dataset
PLC
IA
title_short Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático
title_full Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático
title_fullStr Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático
title_full_unstemmed Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático
title_sort Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático
dc.creator.fl_str_mv Díaz Charry, Felipe
López Herrera, Jefferson
dc.contributor.advisor.none.fl_str_mv López Sotelo, Jesús Alfonso
dc.contributor.author.none.fl_str_mv Díaz Charry, Felipe
López Herrera, Jefferson
dc.subject.spa.fl_str_mv Ingeniería Mecatrónica
Laboratorio de Automática de la Universidad Autónoma de Occidente
topic Ingeniería Mecatrónica
Laboratorio de Automática de la Universidad Autónoma de Occidente
Inteligencia artificial
Aprendizaje automático (Inteligencia artificial)
Artificial intelligence
Python
Tia Portal
Machine learning
Dataset
PLC
IA
dc.subject.armarc.spa.fl_str_mv Inteligencia artificial
Aprendizaje automático (Inteligencia artificial)
dc.subject.armarc.eng.fl_str_mv Artificial intelligence
dc.subject.proposal.eng.fl_str_mv Python
Tia Portal
Machine learning
Dataset
dc.subject.proposal.spa.fl_str_mv PLC
IA
description En este trabajo se encuentra el desarrollo de un análisis de datos de una planta piloto basado en técnicas de inteligencia artificial. Podemos encontrar todo el proceso de realización de este proyecto iniciando por la caracterización de la planta y sistemas industriales implicados en el proceso, la realización de captura de datos mediante un PLC S71200 y software elaborado para la creación de un dataset con la información proveniente de la planta con el cual se realizó el análisis del comportamiento del sistema previamente caracterizado. También se podrá encontrar el diseño y la ejecución de distintos métodos de machine learning para cumplir con el propósito del proyecto en los cuales los entrenamientos arrojaron resultados de precisión mayores al 80%. Por último, se realiza una selección del método más apto para los experimentos de validación realizados, se podrá observar que el método final tendrá una precisión en el aprendizaje mayor al 90%, el cual se valida en tiempo real. También se realizó la conexión entre los software Spyder (Python) y TIA Portal mediante la configuración de cliente y servidor con la que se recopilaron y trataron los datos obtenidos y almacenados.
publishDate 2021
dc.date.issued.none.fl_str_mv 2021-11-24
dc.date.accessioned.none.fl_str_mv 2022-01-11T16:24:27Z
dc.date.available.none.fl_str_mv 2022-01-11T16:24:27Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_71e4c1898caa6e32
dc.type.coar.eng.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.eng.fl_str_mv Text
dc.type.driver.eng.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.eng.fl_str_mv https://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10614/13531
dc.identifier.instname.spa.fl_str_mv Universidad Autónoma de Occidente
dc.identifier.reponame.spa.fl_str_mv Repositorio Educativo Digital
dc.identifier.repourl.spa.fl_str_mv https://red.uao.edu.co/
url https://hdl.handle.net/10614/13531
https://red.uao.edu.co/
identifier_str_mv Universidad Autónoma de Occidente
Repositorio Educativo Digital
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.cites.spa.fl_str_mv Díaz Charry, F. y López Herrera, J. (2021). Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático. [Tesis de Pregrado. Universidad Autónoma de Occidente]. https://hdl.handle.net/10614/13531
dc.relation.references.none.fl_str_mv Automatización y Control. (2008). Presión. https://sites.google.com/site/automatizacionycontrol2/instrumentacion/me dicion-y-control/presion
Automatización y Control. (2008). Temperatura. https://sites.google.com/site/automatizacionycontrol2/instrumentacion/me dicion-y-control/temperatura
Baştanlar Y., Ozuysal M. (2014) Introduction to Machine Learning. Methods in molecular biology (Clifton, N.J), 1107, 105-128. https://doi.org/10.1007/978-1-62703-748-8_7
Breiman, L. (2001). Random Forests. Machine Learning 45, 5–32 https://doi.org/10.1023/A:1010933404324
Cabezas Cortes, R. (1995). Implementación del programa de mantenimiento predictivo computarizado para motores. [Tesis de pregrado, Universidad Autónoma de Occidente]. https://red.uao.edu.co/bitstream/handle/10614/2699/T0000975.pdf?sequence=1&isAllowed=y
Clomega.com. (s.f.). La importancia de la instrumentación. https://cl.omega.com/prodinfo/instrumentacion.html
Correa, F.(s.f) instructivo planta piloto. Universidad autónoma de occidente.
Filippetti, F., Franceschini, G. y Tassoni, C. (Octubre 2-8, 1993). Neural networks aideid on-line diagnostics of induction motor rotor faults. [Sesión de conferencia]. IEEE industry applications conference twenty-eighth IAS annual meeting. Toronto Canada. doi: 10.1109/IAS.1993.298942.
Guzmán Luna, R. Quevedo Nolasco, A. Tijerina Chávez, L. y Castro Popoca, M. (2015). Sistema de adquisición de datos meteorológicos en tiempo real con PLC. Revista mexicana de ciencias agrícolas, 6(8), 1701-1713. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007- 09342015000801701&lng=es&tlng=es.
Hastie T., Tibshirani R. y Friedman J. (2009) Unsupervised Learning [Aprendizaje no supervisado]. En The Elements of Statistical Learning Springer. (2ª ed., pp. 485-585 ). Springer. https://doi.org/10.1007/978-0-387-84858-7_14
Ichi.pro. (s.f.). Bosque aleatorio y su implementación junto con su implementación en Python. https://ichi.pro/es/bosque-aleatorio-y-su-implementacion- 124804450305359
Mathworks.com (s.f). Machine Learning in MATLAB. https://es.mathworks.com/help/stats/machine-learning-in-matlab.html
Mathworks.com (s.f.). Análisis predictivo: Tres cosas que es necesario saber. https://la.mathworks.com/discovery/predictive-analytics.html
Matich D. J. (2001). Redes neuronales: Conceptos básicos y aplicaciones. https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf
Moujahid, A., Inza, A. y Larrañaga, P. (s.f.). Tema 5. Clasificadores K-NN. http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t9knn.pdf
Rojas Forero P. A. ( Junio, 2017). Aplicación de la lógica difusa a un método predictivo en el mantenimiento aeronáutico de imprevistos. Ingenium, 18(36). 128-141. ISSN: 0124-7492
Saez, P. (s.f.).Todo lo que tienes que saber sobre mantenimiento predictivo industrial. https://www.predictive-sigma.com/que-es-el-mantenimientopredictivo/
Sharma, A. (21 de octubre de 2019). Why Machine learning Is Important For Smarter Manufacturing. Towards data science https://towardsdatascience.com/why-machine-learning-is-important-forsmarter- manufacturing-27da545de779
Sowilam, G. M. A., Villada, F. y Orille, A. L. (Septiembre 1-3, 2001). Finite impulse response artificial neural networks based internal fault detector for synchronous generators. [Sesión de conferencia]. 3rd International symposium on diagnostics for electric machine, power electronics and drives. Trieste Italia. https://www.researchgate.net/publication/262673516_Finite_impulse_response_artificial_neural_networks_based_internal_fault_detector_for_syn chronous_generators
Tralaviña, A. y Castillo, H. (1997). Diseño, construcción y puesta en marcha de una planta piloto para experimentación en sistemas de control de procesos. [Tesis de pregrado, Universidad Autónoma de Occidente]. http://hdl.handle.net/10614/3705
Villada, F., Moreno, G. y Valencia, J. (2016). El mantenimiento predictivo y su efecto en la optimización de costos de mantenimiento. Revista Facultad De Ingeniería Universidad De Antioquia, (25), 95–105. https://revistas.udea.edu.co/index.php/ingenieria/article/view/326346
Villajulca, J. (2018). Medición de Flujo: la variable más medida de la industria - Medición y Control S.A.S. https://www.medicionycontrol.com.co/medicionde- flujo-la-variable-mas-medida-de-la-industria/
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Autónoma de Occidente, 2021
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.eng.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.eng.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Derechos reservados - Universidad Autónoma de Occidente, 2021
https://creativecommons.org/licenses/by-nc-nd/4.0/
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 135 páginas
dc.format.mimetype.eng.fl_str_mv application/pdf
dc.coverage.spatial.none.fl_str_mv Universidad Autónoma de Occidente, Cll 25 # 115-85 Km 2 Vía Cali - Jamundi
dc.publisher.spa.fl_str_mv Universidad Autónoma de Occidente
dc.publisher.program.spa.fl_str_mv Ingeniería Mecatrónica
dc.publisher.department.spa.fl_str_mv Departamento de Automática y Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv Cali
institution Universidad Autónoma de Occidente
bitstream.url.fl_str_mv https://red.uao.edu.co/bitstreams/159a2625-436c-4f7b-9460-7480077d8dee/download
https://red.uao.edu.co/bitstreams/0390f566-c1dc-4f55-ad1e-fa0961384a07/download
https://red.uao.edu.co/bitstreams/2ef02297-b2ba-460e-bb65-6cd562e282bb/download
https://red.uao.edu.co/bitstreams/043362bb-0bbb-4614-b992-7d1b20f78035/download
https://red.uao.edu.co/bitstreams/ffed56de-3bd8-4e98-830a-383dd861b2d3/download
https://red.uao.edu.co/bitstreams/8cc7a67e-73df-4928-aa31-9604f3c084c7/download
https://red.uao.edu.co/bitstreams/c2c5b2f7-5d6b-43e8-bf9b-e82db5f82565/download
bitstream.checksum.fl_str_mv 20b5ba22b1117f71589c7318baa2c560
4e6a9c56f0b2ef48c38bd5968a16b49d
1018edc0b7358ab5e3bc6f248168a11d
8a6e9ee4ccc73fad40a6fc45d7164325
55c7f632528328801392f2ed91ed337b
23e9e7b102e99a4d5e434c35b24b4317
14dda0cc0019986e5af0cf000ee7db6f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital Universidad Autonoma de Occidente
repository.mail.fl_str_mv repositorio@uao.edu.co
_version_ 1814260198787776512
spelling López Sotelo, Jesús Alfonsovirtual::2918-1Díaz Charry, Felipea809a5d1a689f170632cd0c638e952eeLópez Herrera, Jefferson45124aab15479665166db7e8a608e3c3Universidad Autónoma de Occidente, Cll 25 # 115-85 Km 2 Vía Cali - Jamundi2022-01-11T16:24:27Z2022-01-11T16:24:27Z2021-11-24https://hdl.handle.net/10614/13531Universidad Autónoma de OccidenteRepositorio Educativo Digitalhttps://red.uao.edu.co/En este trabajo se encuentra el desarrollo de un análisis de datos de una planta piloto basado en técnicas de inteligencia artificial. Podemos encontrar todo el proceso de realización de este proyecto iniciando por la caracterización de la planta y sistemas industriales implicados en el proceso, la realización de captura de datos mediante un PLC S71200 y software elaborado para la creación de un dataset con la información proveniente de la planta con el cual se realizó el análisis del comportamiento del sistema previamente caracterizado. También se podrá encontrar el diseño y la ejecución de distintos métodos de machine learning para cumplir con el propósito del proyecto en los cuales los entrenamientos arrojaron resultados de precisión mayores al 80%. Por último, se realiza una selección del método más apto para los experimentos de validación realizados, se podrá observar que el método final tendrá una precisión en el aprendizaje mayor al 90%, el cual se valida en tiempo real. También se realizó la conexión entre los software Spyder (Python) y TIA Portal mediante la configuración de cliente y servidor con la que se recopilaron y trataron los datos obtenidos y almacenados.This work is based on the development of a data analysis of a pilot plant based on artificial intelligence techniques. We can find the entire process of carrying out this project starting with the characterization of the plant and industrial systems involved in the process, the realization of data capture through a PLC S71200 and software developed for the creation of a dataset with the information from the plant with which the analysis of the behavior of the previously characterized system was carried out. You can also find the design and execution of different machine learning methods to fulfill the purpose of the project in which the trainings yielded accuracy results greater than 80%. Finally, a selection of the most suitable method for the validation experiments carried out is made, it will be observed that the final method will have an accuracy in learning greater than 90%, which is validated in real time. The connection between Spyder (Python) and TIA Portal software was also made through a client-server configuration with which the data could be obtained and stored for the processingProyecto de grado (Ingeniero Mecatrónico)-- Universidad Autónoma de Occidente, 2022PregradoIngeniero(a) Mecatrónico(a)135 páginasapplication/pdfspaUniversidad Autónoma de OccidenteIngeniería MecatrónicaDepartamento de Automática y ElectrónicaFacultad de IngenieríaCaliDerechos reservados - Universidad Autónoma de Occidente, 2021https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Ingeniería MecatrónicaLaboratorio de Automática de la Universidad Autónoma de OccidenteInteligencia artificialAprendizaje automático (Inteligencia artificial)Artificial intelligencePythonTia PortalMachine learningDatasetPLCIAAnálisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automáticoTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_71e4c1898caa6e32Díaz Charry, F. y López Herrera, J. (2021). Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático. [Tesis de Pregrado. Universidad Autónoma de Occidente]. https://hdl.handle.net/10614/13531Automatización y Control. (2008). Presión. https://sites.google.com/site/automatizacionycontrol2/instrumentacion/me dicion-y-control/presionAutomatización y Control. (2008). Temperatura. https://sites.google.com/site/automatizacionycontrol2/instrumentacion/me dicion-y-control/temperaturaBaştanlar Y., Ozuysal M. (2014) Introduction to Machine Learning. Methods in molecular biology (Clifton, N.J), 1107, 105-128. https://doi.org/10.1007/978-1-62703-748-8_7Breiman, L. (2001). Random Forests. Machine Learning 45, 5–32 https://doi.org/10.1023/A:1010933404324Cabezas Cortes, R. (1995). Implementación del programa de mantenimiento predictivo computarizado para motores. [Tesis de pregrado, Universidad Autónoma de Occidente]. https://red.uao.edu.co/bitstream/handle/10614/2699/T0000975.pdf?sequence=1&isAllowed=yClomega.com. (s.f.). La importancia de la instrumentación. https://cl.omega.com/prodinfo/instrumentacion.htmlCorrea, F.(s.f) instructivo planta piloto. Universidad autónoma de occidente.Filippetti, F., Franceschini, G. y Tassoni, C. (Octubre 2-8, 1993). Neural networks aideid on-line diagnostics of induction motor rotor faults. [Sesión de conferencia]. IEEE industry applications conference twenty-eighth IAS annual meeting. Toronto Canada. doi: 10.1109/IAS.1993.298942.Guzmán Luna, R. Quevedo Nolasco, A. Tijerina Chávez, L. y Castro Popoca, M. (2015). Sistema de adquisición de datos meteorológicos en tiempo real con PLC. Revista mexicana de ciencias agrícolas, 6(8), 1701-1713. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S2007- 09342015000801701&lng=es&tlng=es.Hastie T., Tibshirani R. y Friedman J. (2009) Unsupervised Learning [Aprendizaje no supervisado]. En The Elements of Statistical Learning Springer. (2ª ed., pp. 485-585 ). Springer. https://doi.org/10.1007/978-0-387-84858-7_14Ichi.pro. (s.f.). Bosque aleatorio y su implementación junto con su implementación en Python. https://ichi.pro/es/bosque-aleatorio-y-su-implementacion- 124804450305359Mathworks.com (s.f). Machine Learning in MATLAB. https://es.mathworks.com/help/stats/machine-learning-in-matlab.htmlMathworks.com (s.f.). Análisis predictivo: Tres cosas que es necesario saber. https://la.mathworks.com/discovery/predictive-analytics.htmlMatich D. J. (2001). Redes neuronales: Conceptos básicos y aplicaciones. https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdfMoujahid, A., Inza, A. y Larrañaga, P. (s.f.). Tema 5. Clasificadores K-NN. http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t9knn.pdfRojas Forero P. A. ( Junio, 2017). Aplicación de la lógica difusa a un método predictivo en el mantenimiento aeronáutico de imprevistos. Ingenium, 18(36). 128-141. ISSN: 0124-7492Saez, P. (s.f.).Todo lo que tienes que saber sobre mantenimiento predictivo industrial. https://www.predictive-sigma.com/que-es-el-mantenimientopredictivo/Sharma, A. (21 de octubre de 2019). Why Machine learning Is Important For Smarter Manufacturing. Towards data science https://towardsdatascience.com/why-machine-learning-is-important-forsmarter- manufacturing-27da545de779Sowilam, G. M. A., Villada, F. y Orille, A. L. (Septiembre 1-3, 2001). Finite impulse response artificial neural networks based internal fault detector for synchronous generators. [Sesión de conferencia]. 3rd International symposium on diagnostics for electric machine, power electronics and drives. Trieste Italia. https://www.researchgate.net/publication/262673516_Finite_impulse_response_artificial_neural_networks_based_internal_fault_detector_for_syn chronous_generatorsTralaviña, A. y Castillo, H. (1997). Diseño, construcción y puesta en marcha de una planta piloto para experimentación en sistemas de control de procesos. [Tesis de pregrado, Universidad Autónoma de Occidente]. http://hdl.handle.net/10614/3705Villada, F., Moreno, G. y Valencia, J. (2016). El mantenimiento predictivo y su efecto en la optimización de costos de mantenimiento. Revista Facultad De Ingeniería Universidad De Antioquia, (25), 95–105. https://revistas.udea.edu.co/index.php/ingenieria/article/view/326346Villajulca, J. (2018). Medición de Flujo: la variable más medida de la industria - Medición y Control S.A.S. https://www.medicionycontrol.com.co/medicionde- flujo-la-variable-mas-medida-de-la-industria/GeneralPublicationhttps://scholar.google.com.au/citations?user=7PIjh_MAAAAJ&hl=envirtual::2918-10000-0002-9731-8458virtual::2918-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000249106virtual::2918-1fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::2918-1fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::2918-1LICENSElicense.txtlicense.txttext/plain; charset=utf-81665https://red.uao.edu.co/bitstreams/159a2625-436c-4f7b-9460-7480077d8dee/download20b5ba22b1117f71589c7318baa2c560MD53ORIGINALT10056_Análisis del comportamiento de la planta piloto del laboratorio de automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático.pdfT10056_Análisis del comportamiento de la planta piloto del laboratorio de automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático.pdfTexto archivo completo del trabajo de grado, PDFapplication/pdf2063351https://red.uao.edu.co/bitstreams/0390f566-c1dc-4f55-ad1e-fa0961384a07/download4e6a9c56f0b2ef48c38bd5968a16b49dMD54TA10056__Autorización trabajo de grado.pdfTA10056__Autorización trabajo de grado.pdfAutorización publicación del trabajo de gradoapplication/pdf407865https://red.uao.edu.co/bitstreams/2ef02297-b2ba-460e-bb65-6cd562e282bb/download1018edc0b7358ab5e3bc6f248168a11dMD55TEXTT10056_Análisis del comportamiento de la planta piloto del laboratorio de automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático.pdf.txtT10056_Análisis del comportamiento de la planta piloto del laboratorio de automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático.pdf.txtExtracted texttext/plain109663https://red.uao.edu.co/bitstreams/043362bb-0bbb-4614-b992-7d1b20f78035/download8a6e9ee4ccc73fad40a6fc45d7164325MD56TA10056__Autorización trabajo de grado.pdf.txtTA10056__Autorización trabajo de grado.pdf.txtExtracted texttext/plain4080https://red.uao.edu.co/bitstreams/ffed56de-3bd8-4e98-830a-383dd861b2d3/download55c7f632528328801392f2ed91ed337bMD58THUMBNAILT10056_Análisis del comportamiento de la planta piloto del laboratorio de automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático.pdf.jpgT10056_Análisis del comportamiento de la planta piloto del laboratorio de automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático.pdf.jpgGenerated Thumbnailimage/jpeg7004https://red.uao.edu.co/bitstreams/8cc7a67e-73df-4928-aa31-9604f3c084c7/download23e9e7b102e99a4d5e434c35b24b4317MD57TA10056__Autorización trabajo de grado.pdf.jpgTA10056__Autorización trabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg13428https://red.uao.edu.co/bitstreams/c2c5b2f7-5d6b-43e8-bf9b-e82db5f82565/download14dda0cc0019986e5af0cf000ee7db6fMD5910614/13531oai:red.uao.edu.co:10614/135312024-03-07 16:41:41.297https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos reservados - Universidad Autónoma de Occidente, 2021open.accesshttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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