• español
    • English
    • português
  • English 
    • español
    • English
    • português
  • Login
View Item 
  •   Home
  • Tesis y Trabajos de Grado
  • Trabajos de Grado de Pregrado
  • Ingeniería Industrial
  • View Item
  •   Home
  • Tesis y Trabajos de Grado
  • Trabajos de Grado de Pregrado
  • Ingeniería Industrial
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.
JavaScript esta deshabilitado en su navegador. Algunas características de este sitio no podrán funcionar o visualizarse correctamente sin JavaScript.
RecursosRecursos de apoyo¿Cómo publicar?

Browse

All of ExpeditioCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

My Account

LoginRegister

Statistics

View Usage StatisticsView Google Analytics Statistics
Estadísticas GTMVer Estadísticas GTM

Aplicación de machine learning en el mantenimiento predictivo industrial con herramientas de código abierto

Thumbnail

Citación

       
Export: <XML METS>
View/Open
Trabajo de grado (584.5Kb)
Fin embargo: 
Anexo 1 (921.2Kb)
Fin embargo: 
Date
2020
Author
Rincón Quintero, Brayan Stiven
Ingeniero(s) Industrial(es)
Metadata
Show full item record
Documentos PDF
Abstract
Este trabajo muestra la aplicación del problema de mantenimiento predictivo industrial usando un conjunto de datos que se utilizara para la detección de anomalías utilizando código abierto. El objetivo del modelo es detectar anomalías de picos y puntos de cambio en los datos en mantenimiento. El paso inicial es la selección de un conjunto de datos extenso con el cual se estudiar el comportamiento de la variable en el tiempo, identificando si este comportamiento se ve afectado por una tendencia o un componente estacional. Aquí el objetivo es definir el comportamiento esperado o normal. Luego se debe identificar y estudiar patrones de comportamiento raros e inusuales y validar si pueden afectar el patrón normal de alguna manera. Lograr encontrar los valores atípicos y anomalías puede significar en algún tipo de problema o consecuencia de un problema el cual se debe tratar de manera oportuna. Esto se logra al entrenar los datos para posterior generar un modelo y este debe ser evaluado para obtener la calidad del modelo. Como punto de comparación se decidió utilizar la optimización de enjambre de partículas con la cual encontramos un error cuadrático medio más bajo que el anteriormente obtenido con fb-prophet; por lo cual se concluyó que para usos futuros este algoritmo ofrece más confiabilidad.
Summary in foreign language
This work shows the application of the industrial predictive maintenance problem using a dataset that is used for anomaly detection using Open Source. The objective of the model is to detect anomalies of peaks and points of change in maintenance data. The initial step is the selection of a data set extensive with which the behavior of the variable over time is studied, identifying if this behavior is affected by a trend or a component seasonal. Here the objective is to define the expected or normal behavior. Then you should identify and study rare and unusual behavior patterns and validate if they can affect the normal pattern in any way. Manage to find the values outliers and abnormalities can mean in some kind of problem or consequence of a problem which must be dealt with in a timely manner. This is accomplished by training the data to later generate a model and this must be evaluated to obtain the quality of the model. Particle swarm optimization can be used as a point of comparison with which we find a lower mean square error than previously obtained with fb-prophet; therefore it was concluded that for future uses this algorithm offers more reliability.
URI
http://hdl.handle.net/20.500.12010/10108
Collections
  • Ingeniería Industrial [87]
Estadísticas Google Analytics
Comments

Respuesta Comentario Repositorio Expeditio

Gracias por tomarse el tiempo para darnos su opinión.


Carrera 4 # 22-61 Teléfono: (+57 1) 242 7030 - 018000111022 Fax: (+57 1) 561 2107 Bogotá D.C., Colombia

Fundación Universitaria de Bogotá Jorge Tadeo Lozano | Vigilada Mineducación

Institución de educación superior privada, de utilidad común, sin ánimo de lucro y su carácter académico es el de Universidad.

Reconocimiento personería jurídica: Resolución 2613 del 14 de agosto de 1959 Minjusticia.

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.

 

Términos y condiciones | Políticas

 

 


Carrera 4 # 22-61 Teléfono: (+57 1) 242 7030 - 018000111022 Fax: (+57 1) 561 2107 Bogotá D.C., Colombia

Fundación Universitaria de Bogotá Jorge Tadeo Lozano | Vigilada Mineducación

Institución de educación superior privada, de utilidad común, sin ánimo de lucro y su carácter académico es el de Universidad.

Reconocimiento personería jurídica: Resolución 2613 del 14 de agosto de 1959 Minjusticia.

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional.

 

Términos y condiciones | Políticas