Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial

En Colombia, el Departamento Nacional de Planeación junto al Banco Mundial y el Fondo Fiduciario del Crecimiento Verde de Corea presentó en 2017 el estudio "Energy Demand Situation in Colombia", destacando la importancia de la intensidad energética y tecnologías eficientes. El sector indus...

Full description

Autores:
Zúñiga Paredes, David Mauricio
Tipo de recurso:
Fecha de publicación:
2024
Institución:
Universidad Autónoma de Occidente
Repositorio:
RED: Repositorio Educativo Digital UAO
Idioma:
spa
OAI Identifier:
oai:red.uao.edu.co:10614/15470
Acceso en línea:
https://hdl.handle.net/10614/15470
https://red.uao.edu.co/
Palabra clave:
Maestría en Sistemas Energéticos
Energía
Demanda Energética
Desarrollo Económico
Inteligencia artificial
Consumo energético
Curva de demanda energetica
Energy
Energy demand
Economic development
Artificial intelligence
Energy consumption
Energy demand curve
Rights
closedAccess
License
Derechos reservados - Universidad Autónoma de Occidente, 2024
id REPOUAO2_a2b7ee300356ca28d01e89245afab946
oai_identifier_str oai:red.uao.edu.co:10614/15470
network_acronym_str REPOUAO2
network_name_str RED: Repositorio Educativo Digital UAO
repository_id_str
dc.title.spa.fl_str_mv Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial
title Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial
spellingShingle Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial
Maestría en Sistemas Energéticos
Energía
Demanda Energética
Desarrollo Económico
Inteligencia artificial
Consumo energético
Curva de demanda energetica
Energy
Energy demand
Economic development
Artificial intelligence
Energy consumption
Energy demand curve
title_short Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial
title_full Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial
title_fullStr Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial
title_full_unstemmed Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial
title_sort Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial
dc.creator.fl_str_mv Zúñiga Paredes, David Mauricio
dc.contributor.advisor.none.fl_str_mv López Sotelo, Jesús Alfonso
dc.contributor.author.none.fl_str_mv Zúñiga Paredes, David Mauricio
dc.contributor.corporatename.spa.fl_str_mv Universidad Autónoma de Occidente
dc.contributor.jury.none.fl_str_mv Gutiérrez Marroquín, William
Castrillón Mendoza, Rosaura del Pilar
dc.subject.proposal.spa.fl_str_mv Maestría en Sistemas Energéticos
Energía
Demanda Energética
Desarrollo Económico
Inteligencia artificial
Consumo energético
Curva de demanda energetica
topic Maestría en Sistemas Energéticos
Energía
Demanda Energética
Desarrollo Económico
Inteligencia artificial
Consumo energético
Curva de demanda energetica
Energy
Energy demand
Economic development
Artificial intelligence
Energy consumption
Energy demand curve
dc.subject.proposal.eng.fl_str_mv Energy
Energy demand
Economic development
Artificial intelligence
Energy consumption
Energy demand curve
description En Colombia, el Departamento Nacional de Planeación junto al Banco Mundial y el Fondo Fiduciario del Crecimiento Verde de Corea presentó en 2017 el estudio "Energy Demand Situation in Colombia", destacando la importancia de la intensidad energética y tecnologías eficientes. El sector industrial, que representa más de una cuarta parte del consumo total, se abastece principalmente de carbón, gas natural, bagazo y electricidad. Este proyecto tiene como objetivo analizar los patrones de consumo de energía eléctrica en las empresas, utilizando técnicas de inteligencia artificial para identificar oportunidades de ahorro energético a través de la eficiencia energética. En muchas empresas, la energía eléctrica a menudo se ve simplemente como un gasto mensual, ignorando el análisis detallado del comportamiento del consumo energético. Este estudio pretende llenar ese vacío y proporcionar una comprensión más profunda del consumo energético de tal forma que se pueda optimizar de recurso, logrando una mayor sostenibilidad en el uso de la energía eléctrica. Después de aplicar la metodología planteada para este proyecto, se realizó la caracterización desde el punto de vista energético del proceso productivo, posteriormente se llevó a cabo el muestreo y registro de los datos usando herramientas técnicas y dispositivos IoT para lograr un dataset representativo del comportamiento de las variables eléctricas de la máquina, finalmente se aplicaron las técnicas de inteligencia artificial, dando como resultado un dataset etiquetado, donde se resumen los diferentes estados de operación de la máquina, logrando así establecer los parámetros base que permiten realizar la detección de condiciones de operación atípicas en el proceso productivo desde la perspectiva del mantenimiento o la producción
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-03-01T19:48:32Z
dc.date.available.none.fl_str_mv 2024-03-01T19:48:32Z
dc.date.issued.none.fl_str_mv 2024-01-31
dc.type.none.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.none.fl_str_mv Text
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.citation.spa.fl_str_mv Zúñiga Paredes, D. M. (2024). Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15470
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10614/15470
dc.identifier.instname.spa.fl_str_mv Universidad Autónoma de Occidente
dc.identifier.reponame.spa.fl_str_mv Respositorio Educativo Digital UAO
dc.identifier.repourl.none.fl_str_mv https://red.uao.edu.co/
identifier_str_mv Zúñiga Paredes, D. M. (2024). Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15470
Universidad Autónoma de Occidente
Respositorio Educativo Digital UAO
url https://hdl.handle.net/10614/15470
https://red.uao.edu.co/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv [1] M. Moran, «Objetivo 7: Garantizar el acceso a una energía asequible, fiable, sostenible y moderna para todos», en Bienvenidos a las Naciones Unidas, 2018, pp. 22-23. doi: 10.18356/08ee4a04-es.
[2] Departamento Nacional de Planeación, Energy Demand Situation in Colombia DNP 2017, vol. 2ed. 2017. Accedido: 3 de febrero de 2024. [En línea]. Disponible en:
https://www.dnp.gov.co/LaEntidad_/misiones/mision-crecimientoverde/Documents/ejes-tematicos/Energia/MCV - Energy Demand Situation VF.pdf
[3] E. Ciro Quispe y L. F. Mantilla Peñalba, «Motores eléctricos de alta eficiencia: características electromecánicas, ventajas y aplicabilidad», Rev. Energía Comput., vol. 12, n.o 1, pp. 11-19, 2004.
[4] R. del Pilar Castrillón Mendoza, A. J. G. Hinestroza, E. C. Q. Oqueña, M. U. Rojas, y D. F. Gutiérrez, Metogología para la implementación del Sistema de Gestión Integral de la Energía. Programa Editorial Universidad Autónoma de Occidente, 2014. doi: 10.2307/j.ctvckq8jg.
[5] P. Ponce Cruz, Inteligencia Artificial. Con Aplicaciones a la Ingeniería. México. D. C.: Alfaomega, 2010. [En línea]. Disponible en: www.FreeLibros.me
[6] R. del pilar Castrillon, A. J. González, y E. Ciro Quispe, «Mejoramiento de la eficiencia energética en la industria del cemento por proceso húmedo a través de la implementación del sistema de gestión integral de la energía», Dyna, vol. 177, pp. 116-123, ene. 2013, Accedido: 3 de febrero de 2024. [En línea]. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0012-73532013000100014
[7] J. A. Alzáte Londoño y W. A. Hurtado Guerrero, «Análisis Energético AC De Dos ElementosConectados A La Red Eléctrica», Bogotá D.C., 2019. Accedido: 3 de febrero de 2024. [En línea]. Disponible en: http://repository.udistrital.edu.co/handle/11349/23599
[8] D. De Silva, X. Yu, D. Alahakoon, y G. Holmes, «A Data Mining Framework for Electricity Consumption Analysis From Meter Data», IEEE Trans. Ind. Informatics, vol. 7, n.o 3, pp.
399-407, ago. 2011, doi: 10.1109/TII.2011.2158844.
[9] D. Rolnick et al., «Tackling Climate Change with Machine Learning», pp. 1-111, jun. 2019, Accedido: 3 de febrero de 2024. [En línea]. Disponible en: https://doi.org/10.48550/arXiv.1906.05433
[10] M. Barrio Andrés, Internet de las cosas, 3.a ed. Madrid , España: Editorial Reus, 2022.
[11] J. Cabanelas Omil, «Inteligencia artificial ¿Dr. Jekyllo Mr. Hyde?», Mercados y Negocios, n.o 40, pp. 5-16, 2019, [En línea]. Disponible en: https://www.redalyc.org/articulo.oa?
[12] A. Burkov, The hundred-page machine learning book. 2019. Accedido: 3 de febrero de 2024. [En línea]. Disponible en: http://ema.cri-info.cm/wpcontent/uploads/2019/07/2019BurkovTheHundred-pageMachineLearning.pdf [13] MathWorks, «What Is Deep Learning?» Accedido: 3 de febrero de 2024. [En línea]. Disponible en: https://www.mathworks.com/discovery/deep-learning.html
[14] T. S. Madhulatha, «An Overview on Clustering Methods», IOSR J. Eng., vol. 2, n.o 4, pp. 719-725, abr. 2012, doi: https://doi.org/10.48550/arXiv.1205.1117.
[15] C. Piech, «K Means», Stanford CS221. [En línea]. Disponible en: https://stanford.edu/~cpiech/cs221/handouts/kmeans.html
[16] «Clustering — scikit-learn 1.4.0 documentation.», scikit-learn.org. [En línea]. Disponible en: https://scikit-learn.org/stable/modules/clustering.html
[17] «Gaussian mixture models — scikit-learn 1.4.0 documentation», scikit-learn.org. [En línea]. Disponible en: https://scikit-learn.org/stable/modules/mixture.html
[18] S. Raschka, Y. Liu, V. Mirjalili, y D. Dzhulgakov, Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python. 2022.
[19] «Agglomerative Hierarchical Clustering - Datanovia», https://www.datanovia.com/. Accedido: 9 de febrero de 2024. [En línea]. Disponible en: https://www.datanovia.com/en/lessons/agglomerative-hierarchical-clustering/
[20] Andrewngai, «Understanding DBSCAN Algorithm and Implementation from Scratch», https://towardsdatascience.com/. [En línea]. Disponible en: https://towardsdatascience.com/understanding-dbscan-algorithm-and-implementationfrom-scratch-c256289479c5
[21] B. Ashutosh, «Silhouette Coefficient», https://towardsdatascience.com/. Accedido: 9 de febrero de 2024. [En línea]. Disponible en: https://towardsdatascience.com/silhouettecoefficient-validating-clustering-techniques-e976bb81d10c
[22] D. C. G. Putri y J. S. Leu, «Towards the implementation of movie recommender system by using unsupervised machine learning schemes», Lect. Notes Inst. Comput. Sci. Soc.
Telecommun. Eng. LNICST, vol. 317 LNICST, pp. 99-113, jul. 2020, doi: 10.1007/978-3-030-52988-8_9/TABLES/4.
[23] E. Liu, «Calinski-Harabasz Index and Boostrap Evaluation with Clustering Methods», link.springer.com. [En línea]. Disponible en: link.springer.com/chapter/10.1007/978-3-
030-52988-8_9
[24] «Non Ferrous Metals - Aluminum Billets Wholesale Supplier from Delhi», First Metal Trading Private Limited. [En línea]. Disponible en: https://www.indiamart.com/firstmetalcorp/
[25] S. Z. Qamar, T. Pervez, y J. C. Chekotu, «Die Defects and Die Corrections in Metal Extrusion», Metals (Basel)., vol. 8, n.o 6, p. 380, 2018, doi: 10.3390/MET8060380.
[26] «Spaintec», https://www.roller.es/. [En línea]. Disponible en: https://www.roller.es/catalogo/marcas-propias/spaintec/
[27] «New Arrival Semi-Auto TYP 850 Aluminum Extrusion Press Machine», Alibaba.com. [En línea]. Disponible en: https://www.alibaba.com/product-detail/New-Arrival-Semi-AutoTYP850_62594928116.html?spm=a2700.pc_countrysearch.main07.29.3f7f6e0b0ueFTk
[28] «Bombas de pistón Eaton Hydrokraft TVW», Hydraulics Online. Accedido: 10 de febrero de 2024. [En línea]. Disponible en: https://hydraulicsonline.com/product/eatonhydrokraft-tvw-piston-pumps/
[29] I. Barreda, «¿Qué es un Intercambiador de Calor de Placas?», Froztec. [En línea]. Disponible en: https://blog.froztec.com/que-es-un-intercambiador-de-calor-placas
[30] «Quick Response (QR)», Sistems, Castool Tooling. [En línea]. Disponible en: https://www.castool.com/wp-content/uploads/2021/11/Containers_03_2021.pdf
[31] «Detailed information for: M4M 20», https://new.abb.com/. [En línea]. Disponible en: https://new.abb.com/products/2CSG251151R4051/m4m-20
[32] «Determining electric motor load and efficiency Load Ranges: Acceptable Short-Period Acceptable Operating Optimum», Mot. Chall., Accedido: 10 de febrero de 2024. [En
línea]. Disponible en: https://www.energy.gov/eere/amo/articles/determining-electricmotor-load-and-efficiency
[33] S. García, S. Ra-Mírez-Gallego, J. Luengo, y F. Herrera, «Big Data monografía monografía Big Data: Preprocesamiento y calidad de datos», novátia, n.o 237, p. 1, 2016, [En línea]. Disponible en: https://sci2s.ugr.es/sites/default/files/ficherosPublicaciones/2133_Nv237-Digitalsramirez.pdf
[34] «sklearn.preprocessing.MinMaxScaler», https://scikit-learn.org/. [En línea]. Disponible en: https://scikitlearn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Autónoma de Occidente, 2024
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_14cb
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.eng.fl_str_mv info:eu-repo/semantics/closedAccess
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, 2024
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_14cb
eu_rights_str_mv closedAccess
dc.format.extent.80.fl_str_mv 80 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Autonoma de Occidente
dc.publisher.program.spa.fl_str_mv Maestría en Sistemas Energéticos
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/44edc1be-5cfa-4879-9d18-65649817aa08/download
https://red.uao.edu.co/bitstreams/c5580b97-796f-4257-bfb4-a7e79f15f4c2/download
https://red.uao.edu.co/bitstreams/ce656013-d0e9-4a2f-adc5-e388b12f6bc5/download
https://red.uao.edu.co/bitstreams/8882b16c-c411-404e-8d5d-f3a428cb1022/download
https://red.uao.edu.co/bitstreams/c2db1b51-0368-427e-8e9e-c594780264af/download
https://red.uao.edu.co/bitstreams/93acf32f-4dab-4644-8926-bd5b2f2ccb97/download
https://red.uao.edu.co/bitstreams/03179024-61d4-4cc3-9b64-910bc1fa96e4/download
bitstream.checksum.fl_str_mv 8e1645db20676da46bafe5ceb613d5cc
fcbe28dd807dd1247511111d6289614a
6987b791264a2b5525252450f99b10d1
019b17e6be33303922d23a7d7a6ce7eb
ff4c8ff01d544500ea4bfea43e6108c1
2b51b1461308b22f631db1a5e7845922
c0c1ee5b22ba2c44ea0d54788d3494c1
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_ 1814260100228972544
spelling López Sotelo, Jesús Alfonsovirtual::1139-1Zúñiga Paredes, David MauricioUniversidad Autónoma de OccidenteGutiérrez Marroquín, WilliamCastrillón Mendoza, Rosaura del Pilarvirtual::1140-12024-03-01T19:48:32Z2024-03-01T19:48:32Z2024-01-31Zúñiga Paredes, D. M. (2024). Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15470https://hdl.handle.net/10614/15470Universidad Autónoma de OccidenteRespositorio Educativo Digital UAOhttps://red.uao.edu.co/En Colombia, el Departamento Nacional de Planeación junto al Banco Mundial y el Fondo Fiduciario del Crecimiento Verde de Corea presentó en 2017 el estudio "Energy Demand Situation in Colombia", destacando la importancia de la intensidad energética y tecnologías eficientes. El sector industrial, que representa más de una cuarta parte del consumo total, se abastece principalmente de carbón, gas natural, bagazo y electricidad. Este proyecto tiene como objetivo analizar los patrones de consumo de energía eléctrica en las empresas, utilizando técnicas de inteligencia artificial para identificar oportunidades de ahorro energético a través de la eficiencia energética. En muchas empresas, la energía eléctrica a menudo se ve simplemente como un gasto mensual, ignorando el análisis detallado del comportamiento del consumo energético. Este estudio pretende llenar ese vacío y proporcionar una comprensión más profunda del consumo energético de tal forma que se pueda optimizar de recurso, logrando una mayor sostenibilidad en el uso de la energía eléctrica. Después de aplicar la metodología planteada para este proyecto, se realizó la caracterización desde el punto de vista energético del proceso productivo, posteriormente se llevó a cabo el muestreo y registro de los datos usando herramientas técnicas y dispositivos IoT para lograr un dataset representativo del comportamiento de las variables eléctricas de la máquina, finalmente se aplicaron las técnicas de inteligencia artificial, dando como resultado un dataset etiquetado, donde se resumen los diferentes estados de operación de la máquina, logrando así establecer los parámetros base que permiten realizar la detección de condiciones de operación atípicas en el proceso productivo desde la perspectiva del mantenimiento o la producciónIn Colombia, the National Planning Department, along with the World Bank and the Green Growth Trust Fund of Korea, presented the study 'Energy Demand Situation in Colombia' in 2017, emphasizing the importance of energy intensity and efficient technologies. The industrial sector, which accounts for over a quarter of the total consumption, is primarily supplied with coal, natural gas, bagasse, and electricity. This project aims to analyze patterns of electricity consumption in companies, using artificial intelligence techniques to identify energy-saving opportunities through energy efficiency. In many companies, electrical energy is often seen merely as a monthly expense, ignoring detailed analysis of consumption behavior. This study aims to fill that gap and provide a deeper understanding of energy consumption to enable resource optimization and greater sustainability in the use of electrical energy." After applying the methodology proposed for this project, the energy characterization of the production process was carried out. Subsequently, data sampling and recording were performed using technical tools and IoT devices to achieve a representative dataset of the electrical variables' behavior of the machine. Finally, artificial intelligence techniques were applied, resulting in a labeled dataset summarizing the different operational states of the machine. This enables the establishment of baseline parameters for detecting atypical operating conditions in the production process from both maintenance and production perspectivesTesis (Magíster en Sistemas Energéticos)-- Universidad Autónoma de Occidente, 2024MaestríaMagíster en Sistemas Energéticos80 páginasapplication/pdfspaUniversidad Autonoma de OccidenteMaestría en Sistemas EnergéticosFacultad de IngenieríaCaliDerechos reservados - Universidad Autónoma de Occidente, 2024https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/closedAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_14cbAnálisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificialTrabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85[1] M. Moran, «Objetivo 7: Garantizar el acceso a una energía asequible, fiable, sostenible y moderna para todos», en Bienvenidos a las Naciones Unidas, 2018, pp. 22-23. doi: 10.18356/08ee4a04-es.[2] Departamento Nacional de Planeación, Energy Demand Situation in Colombia DNP 2017, vol. 2ed. 2017. Accedido: 3 de febrero de 2024. [En línea]. Disponible en:https://www.dnp.gov.co/LaEntidad_/misiones/mision-crecimientoverde/Documents/ejes-tematicos/Energia/MCV - Energy Demand Situation VF.pdf[3] E. Ciro Quispe y L. F. Mantilla Peñalba, «Motores eléctricos de alta eficiencia: características electromecánicas, ventajas y aplicabilidad», Rev. Energía Comput., vol. 12, n.o 1, pp. 11-19, 2004.[4] R. del Pilar Castrillón Mendoza, A. J. G. Hinestroza, E. C. Q. Oqueña, M. U. Rojas, y D. F. Gutiérrez, Metogología para la implementación del Sistema de Gestión Integral de la Energía. Programa Editorial Universidad Autónoma de Occidente, 2014. doi: 10.2307/j.ctvckq8jg.[5] P. Ponce Cruz, Inteligencia Artificial. Con Aplicaciones a la Ingeniería. México. D. C.: Alfaomega, 2010. [En línea]. Disponible en: www.FreeLibros.me[6] R. del pilar Castrillon, A. J. González, y E. Ciro Quispe, «Mejoramiento de la eficiencia energética en la industria del cemento por proceso húmedo a través de la implementación del sistema de gestión integral de la energía», Dyna, vol. 177, pp. 116-123, ene. 2013, Accedido: 3 de febrero de 2024. [En línea]. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0012-73532013000100014[7] J. A. Alzáte Londoño y W. A. Hurtado Guerrero, «Análisis Energético AC De Dos ElementosConectados A La Red Eléctrica», Bogotá D.C., 2019. Accedido: 3 de febrero de 2024. [En línea]. Disponible en: http://repository.udistrital.edu.co/handle/11349/23599[8] D. De Silva, X. Yu, D. Alahakoon, y G. Holmes, «A Data Mining Framework for Electricity Consumption Analysis From Meter Data», IEEE Trans. Ind. Informatics, vol. 7, n.o 3, pp.399-407, ago. 2011, doi: 10.1109/TII.2011.2158844.[9] D. Rolnick et al., «Tackling Climate Change with Machine Learning», pp. 1-111, jun. 2019, Accedido: 3 de febrero de 2024. [En línea]. Disponible en: https://doi.org/10.48550/arXiv.1906.05433[10] M. Barrio Andrés, Internet de las cosas, 3.a ed. Madrid , España: Editorial Reus, 2022.[11] J. Cabanelas Omil, «Inteligencia artificial ¿Dr. Jekyllo Mr. Hyde?», Mercados y Negocios, n.o 40, pp. 5-16, 2019, [En línea]. Disponible en: https://www.redalyc.org/articulo.oa?[12] A. Burkov, The hundred-page machine learning book. 2019. Accedido: 3 de febrero de 2024. [En línea]. Disponible en: http://ema.cri-info.cm/wpcontent/uploads/2019/07/2019BurkovTheHundred-pageMachineLearning.pdf [13] MathWorks, «What Is Deep Learning?» Accedido: 3 de febrero de 2024. [En línea]. Disponible en: https://www.mathworks.com/discovery/deep-learning.html[14] T. S. Madhulatha, «An Overview on Clustering Methods», IOSR J. Eng., vol. 2, n.o 4, pp. 719-725, abr. 2012, doi: https://doi.org/10.48550/arXiv.1205.1117.[15] C. Piech, «K Means», Stanford CS221. [En línea]. Disponible en: https://stanford.edu/~cpiech/cs221/handouts/kmeans.html[16] «Clustering — scikit-learn 1.4.0 documentation.», scikit-learn.org. [En línea]. Disponible en: https://scikit-learn.org/stable/modules/clustering.html[17] «Gaussian mixture models — scikit-learn 1.4.0 documentation», scikit-learn.org. [En línea]. Disponible en: https://scikit-learn.org/stable/modules/mixture.html[18] S. Raschka, Y. Liu, V. Mirjalili, y D. Dzhulgakov, Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python. 2022.[19] «Agglomerative Hierarchical Clustering - Datanovia», https://www.datanovia.com/. Accedido: 9 de febrero de 2024. [En línea]. Disponible en: https://www.datanovia.com/en/lessons/agglomerative-hierarchical-clustering/[20] Andrewngai, «Understanding DBSCAN Algorithm and Implementation from Scratch», https://towardsdatascience.com/. [En línea]. Disponible en: https://towardsdatascience.com/understanding-dbscan-algorithm-and-implementationfrom-scratch-c256289479c5[21] B. Ashutosh, «Silhouette Coefficient», https://towardsdatascience.com/. Accedido: 9 de febrero de 2024. [En línea]. Disponible en: https://towardsdatascience.com/silhouettecoefficient-validating-clustering-techniques-e976bb81d10c[22] D. C. G. Putri y J. S. Leu, «Towards the implementation of movie recommender system by using unsupervised machine learning schemes», Lect. Notes Inst. Comput. Sci. Soc.Telecommun. Eng. LNICST, vol. 317 LNICST, pp. 99-113, jul. 2020, doi: 10.1007/978-3-030-52988-8_9/TABLES/4.[23] E. Liu, «Calinski-Harabasz Index and Boostrap Evaluation with Clustering Methods», link.springer.com. [En línea]. Disponible en: link.springer.com/chapter/10.1007/978-3-030-52988-8_9[24] «Non Ferrous Metals - Aluminum Billets Wholesale Supplier from Delhi», First Metal Trading Private Limited. [En línea]. Disponible en: https://www.indiamart.com/firstmetalcorp/[25] S. Z. Qamar, T. Pervez, y J. C. Chekotu, «Die Defects and Die Corrections in Metal Extrusion», Metals (Basel)., vol. 8, n.o 6, p. 380, 2018, doi: 10.3390/MET8060380.[26] «Spaintec», https://www.roller.es/. [En línea]. Disponible en: https://www.roller.es/catalogo/marcas-propias/spaintec/[27] «New Arrival Semi-Auto TYP 850 Aluminum Extrusion Press Machine», Alibaba.com. [En línea]. Disponible en: https://www.alibaba.com/product-detail/New-Arrival-Semi-AutoTYP850_62594928116.html?spm=a2700.pc_countrysearch.main07.29.3f7f6e0b0ueFTk[28] «Bombas de pistón Eaton Hydrokraft TVW», Hydraulics Online. Accedido: 10 de febrero de 2024. [En línea]. Disponible en: https://hydraulicsonline.com/product/eatonhydrokraft-tvw-piston-pumps/[29] I. Barreda, «¿Qué es un Intercambiador de Calor de Placas?», Froztec. [En línea]. Disponible en: https://blog.froztec.com/que-es-un-intercambiador-de-calor-placas[30] «Quick Response (QR)», Sistems, Castool Tooling. [En línea]. Disponible en: https://www.castool.com/wp-content/uploads/2021/11/Containers_03_2021.pdf[31] «Detailed information for: M4M 20», https://new.abb.com/. [En línea]. Disponible en: https://new.abb.com/products/2CSG251151R4051/m4m-20[32] «Determining electric motor load and efficiency Load Ranges: Acceptable Short-Period Acceptable Operating Optimum», Mot. Chall., Accedido: 10 de febrero de 2024. [Enlínea]. Disponible en: https://www.energy.gov/eere/amo/articles/determining-electricmotor-load-and-efficiency[33] S. García, S. Ra-Mírez-Gallego, J. Luengo, y F. Herrera, «Big Data monografía monografía Big Data: Preprocesamiento y calidad de datos», novátia, n.o 237, p. 1, 2016, [En línea]. Disponible en: https://sci2s.ugr.es/sites/default/files/ficherosPublicaciones/2133_Nv237-Digitalsramirez.pdf[34] «sklearn.preprocessing.MinMaxScaler», https://scikit-learn.org/. [En línea]. Disponible en: https://scikitlearn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.htmlMaestría en Sistemas EnergéticosEnergíaDemanda EnergéticaDesarrollo EconómicoInteligencia artificialConsumo energéticoCurva de demanda energeticaEnergyEnergy demandEconomic developmentArtificial intelligenceEnergy consumptionEnergy demand curveComunidad generalPublicationhttps://scholar.google.com.au/citations?user=7PIjh_MAAAAJ&hl=envirtual::1139-1https://scholar.google.es/citations?user=6O9VfcAAAAAJ&hl=esvirtual::1140-1https://scholar.google.es/citations?user=6O9VfcAAAAAJ&hl=es0000-0002-9731-8458virtual::1139-10000-0002-0421-7739virtual::1140-10000-0002-0421-7739https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000249106virtual::1139-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000144886virtual::1140-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000144886fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::1139-1fe76be56-3153-45da-89c5-fc9953b918d9fc227fb1-22ec-47f0-afe7-521c61fddd32virtual::1139-1fe76be56-3153-45da-89c5-fc9953b918d9virtual::1140-1fe76be56-3153-45da-89c5-fc9953b918d9virtual::1140-1ORIGINALT10978_Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial.pdfT10978_Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial.pdfArchivo texto completo del trabajo de grado, PDFapplication/pdf3967029https://red.uao.edu.co/bitstreams/44edc1be-5cfa-4879-9d18-65649817aa08/download8e1645db20676da46bafe5ceb613d5ccMD54TA10978_Autorización trabajo de grado.pdfTA10978_Autorización trabajo de grado.pdfAutorización publicación del trabajo de gradoapplication/pdf477387https://red.uao.edu.co/bitstreams/c5580b97-796f-4257-bfb4-a7e79f15f4c2/downloadfcbe28dd807dd1247511111d6289614aMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81672https://red.uao.edu.co/bitstreams/ce656013-d0e9-4a2f-adc5-e388b12f6bc5/download6987b791264a2b5525252450f99b10d1MD53TEXTT10978_Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial.pdf.txtT10978_Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial.pdf.txtExtracted texttext/plain101987https://red.uao.edu.co/bitstreams/8882b16c-c411-404e-8d5d-f3a428cb1022/download019b17e6be33303922d23a7d7a6ce7ebMD55TA10978_Autorización trabajo de grado.pdf.txtTA10978_Autorización trabajo de grado.pdf.txtExtracted texttext/plain4https://red.uao.edu.co/bitstreams/c2db1b51-0368-427e-8e9e-c594780264af/downloadff4c8ff01d544500ea4bfea43e6108c1MD57THUMBNAILT10978_Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial.pdf.jpgT10978_Análisis de perfiles de consumo de energía eléctrica en un proceso de extrusión de metales no ferrosos aplicando técnicas de inteligencia artificial.pdf.jpgGenerated Thumbnailimage/jpeg7221https://red.uao.edu.co/bitstreams/93acf32f-4dab-4644-8926-bd5b2f2ccb97/download2b51b1461308b22f631db1a5e7845922MD56TA10978_Autorización trabajo de grado.pdf.jpgTA10978_Autorización trabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg12581https://red.uao.edu.co/bitstreams/03179024-61d4-4cc3-9b64-910bc1fa96e4/downloadc0c1ee5b22ba2c44ea0d54788d3494c1MD5810614/15470oai:red.uao.edu.co:10614/154702024-03-04 03:02:04.273https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos reservados - Universidad Autónoma de Occidente, 2024restrictedhttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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

Publicaciones similares