Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte

El presente trabajo de tesis de maestría se desarrolló para el establecimiento de una metodología, que permita el diseño e implementación de sensores inferenciales basados en datos, bajo tres técnicas seleccionadas, por la creciente atención que vienen despertando en tareas de modelamiento y estimac...

Full description

Autores:
Cote Ballesteros, Jorge Eduardo
Tipo de recurso:
Fecha de publicación:
2017
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/60961
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/60961
http://bdigital.unal.edu.co/59451/
Palabra clave:
6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
Sensores inferenciales
Sof-sensors
Artificial neural network
Support vector machines
SVM
ANFIS
ANN
Selección características
Feature selection
Outliers filtering
Filtrado
Modelo autorregresivo
NARX
NARMAX
Hampel filter
Mutual information
Hill climbing
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
id UNACIONAL2_fa101fcf4d1998f7c6e1983b80b9a948
oai_identifier_str oai:repositorio.unal.edu.co:unal/60961
network_acronym_str UNACIONAL2
network_name_str Universidad Nacional de Colombia
repository_id_str
dc.title.spa.fl_str_mv Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
title Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
spellingShingle Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
Sensores inferenciales
Sof-sensors
Artificial neural network
Support vector machines
SVM
ANFIS
ANN
Selección características
Feature selection
Outliers filtering
Filtrado
Modelo autorregresivo
NARX
NARMAX
Hampel filter
Mutual information
Hill climbing
title_short Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
title_full Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
title_fullStr Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
title_full_unstemmed Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
title_sort Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte
dc.creator.fl_str_mv Cote Ballesteros, Jorge Eduardo
dc.contributor.author.spa.fl_str_mv Cote Ballesteros, Jorge Eduardo
dc.contributor.spa.fl_str_mv Grisales Palacio, Victor Hugo
Gil Chaves, Iván Darío
dc.subject.ddc.spa.fl_str_mv 6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
topic 6 Tecnología (ciencias aplicadas) / Technology
62 Ingeniería y operaciones afines / Engineering
Sensores inferenciales
Sof-sensors
Artificial neural network
Support vector machines
SVM
ANFIS
ANN
Selección características
Feature selection
Outliers filtering
Filtrado
Modelo autorregresivo
NARX
NARMAX
Hampel filter
Mutual information
Hill climbing
dc.subject.proposal.spa.fl_str_mv Sensores inferenciales
Sof-sensors
Artificial neural network
Support vector machines
SVM
ANFIS
ANN
Selección características
Feature selection
Outliers filtering
Filtrado
Modelo autorregresivo
NARX
NARMAX
Hampel filter
Mutual information
Hill climbing
description El presente trabajo de tesis de maestría se desarrolló para el establecimiento de una metodología, que permita el diseño e implementación de sensores inferenciales basados en datos, bajo tres técnicas seleccionadas, por la creciente atención que vienen despertando en tareas de modelamiento y estimación de variables industriales. Las técnicas seleccionadas son las redes neuronales artificiales, las máquinas de vectores de soporte y los sistemas de inferencia neuro-difusa, que adicionalmente utilizan bases distintas para la solución del problema de regresión. Teniendo en cuenta lo anterior, se diseñaron 3 sensores inferenciales basados en estas técnicas, explorando las etapas necesarias para establecer una predicción de buen desempeño y por consiguiente diferentes técnicas para el preprocesamiento de los datos, selección de modelo y el entrenamiento y validación de las técnicas. Para llevar a cabo estas tareas se obtuvo el modelo matemático de una columna de destilación con el fin de acercar el entorno de simulación a datos con características típicas del ambiente industrial. Con el desarrollo de los 3 sensores inferenciales se estableció una metodología que puede ser aplicada en la industria y que desemboca en un desempeño adecuado para predecir variables de difícil o impráctica medición.
publishDate 2017
dc.date.issued.spa.fl_str_mv 2017
dc.date.accessioned.spa.fl_str_mv 2019-07-02T19:33:29Z
dc.date.available.spa.fl_str_mv 2019-07-02T19:33:29Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unal.edu.co/handle/unal/60961
dc.identifier.eprints.spa.fl_str_mv http://bdigital.unal.edu.co/59451/
url https://repositorio.unal.edu.co/handle/unal/60961
http://bdigital.unal.edu.co/59451/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.ispartof.spa.fl_str_mv Universidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería Eléctrica y Electrónica
Departamento de Ingeniería Eléctrica y Electrónica
dc.relation.references.spa.fl_str_mv Cote Ballesteros, Jorge Eduardo (2017) Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Nacional de Colombia
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.license.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional
dc.rights.uri.spa.fl_str_mv http://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial 4.0 Internacional
Derechos reservados - Universidad Nacional de Colombia
http://creativecommons.org/licenses/by-nc/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
institution Universidad Nacional de Colombia
bitstream.url.fl_str_mv https://repositorio.unal.edu.co/bitstream/unal/60961/1/80829579.2017.pdf
https://repositorio.unal.edu.co/bitstream/unal/60961/2/80829579.2017.pdf.jpg
bitstream.checksum.fl_str_mv 3b6d7db876a2ad30f818b3473f39f2ce
78ca44348f8100fd3292acee6536f980
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Nacional de Colombia
repository.mail.fl_str_mv repositorio_nal@unal.edu.co
_version_ 1814090248363180032
spelling Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Grisales Palacio, Victor HugoGil Chaves, Iván DaríoCote Ballesteros, Jorge Eduardo4e41524f-6283-449f-a609-2f3997f5cdea3002019-07-02T19:33:29Z2019-07-02T19:33:29Z2017https://repositorio.unal.edu.co/handle/unal/60961http://bdigital.unal.edu.co/59451/El presente trabajo de tesis de maestría se desarrolló para el establecimiento de una metodología, que permita el diseño e implementación de sensores inferenciales basados en datos, bajo tres técnicas seleccionadas, por la creciente atención que vienen despertando en tareas de modelamiento y estimación de variables industriales. Las técnicas seleccionadas son las redes neuronales artificiales, las máquinas de vectores de soporte y los sistemas de inferencia neuro-difusa, que adicionalmente utilizan bases distintas para la solución del problema de regresión. Teniendo en cuenta lo anterior, se diseñaron 3 sensores inferenciales basados en estas técnicas, explorando las etapas necesarias para establecer una predicción de buen desempeño y por consiguiente diferentes técnicas para el preprocesamiento de los datos, selección de modelo y el entrenamiento y validación de las técnicas. Para llevar a cabo estas tareas se obtuvo el modelo matemático de una columna de destilación con el fin de acercar el entorno de simulación a datos con características típicas del ambiente industrial. Con el desarrollo de los 3 sensores inferenciales se estableció una metodología que puede ser aplicada en la industria y que desemboca en un desempeño adecuado para predecir variables de difícil o impráctica medición.Abstract: The present master's thesis work was developed for the establishment of a methodology, which allows the design and implementation of data-based inferential sensors, under three selected techniques. Due to the increasing attention they have been arousing in modeling and estimation of industrial variables. The techniques selected are artificial neural networks, support vector machines and neuro-diffuse inference systems, which additionally use different methods for the solution of the regression problem. Taking into account the above, 3 inferential sensors based on these techniques has been designed, by exploring the steps to establish a prediction of good performance and by means of different techniques for pre-processing of data, model selection and training of the techniques. To carry out these tasks, the mathematical model of a distillation column was obtained in order to bring the simulation environment closer to data with typical characteristics of the industrial environment. With the development of the 3 inferential sensors, a methodology was established that can be applied in the industry and that leads to adequate performance to predict variables of difficult or impractical measurement.Maestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Bogotá Facultad de Ingeniería Departamento de Ingeniería Eléctrica y ElectrónicaDepartamento de Ingeniería Eléctrica y ElectrónicaCote Ballesteros, Jorge Eduardo (2017) Metodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporte. Maestría thesis, Universidad Nacional de Colombia - Sede Bogotá.6 Tecnología (ciencias aplicadas) / Technology62 Ingeniería y operaciones afines / EngineeringSensores inferencialesSof-sensorsArtificial neural networkSupport vector machinesSVMANFISANNSelección característicasFeature selectionOutliers filteringFiltradoModelo autorregresivoNARXNARMAXHampel filterMutual informationHill climbingMetodología para el diseño y la implementación de sensores inferenciales basados en datos de proceso, desarrollados con redes neuronales artificiales, sistemas neuro-difusos y máquinas de vectores de soporteTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMORIGINAL80829579.2017.pdfapplication/pdf4590062https://repositorio.unal.edu.co/bitstream/unal/60961/1/80829579.2017.pdf3b6d7db876a2ad30f818b3473f39f2ceMD51THUMBNAIL80829579.2017.pdf.jpg80829579.2017.pdf.jpgGenerated Thumbnailimage/jpeg5665https://repositorio.unal.edu.co/bitstream/unal/60961/2/80829579.2017.pdf.jpg78ca44348f8100fd3292acee6536f980MD52unal/60961oai:repositorio.unal.edu.co:unal/609612024-04-15 23:09:31.39Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co

Publicaciones similares