Detección de fallas en una unidad de proceso industrial: aplicación de las redes neuronales artificiales

Simple item page
dc.contributor.advisorMorales Medina, Giovanni
dc.contributor.authorCastillo Amezquita, Yasmith Adriana
dc.contributor.authorOrtíz Paredes, Kevin Yesidt
dc.contributor.evaluatorMartínez Rey, Ramiro
dc.contributor.evaluatorChaves Guerrero, Arlex
dc.date.accessioned2023-11-14T17:24:22Z
dc.date.available2023-11-14T17:24:22Z
dc.date.created2023-11-12
dc.date.embargoEnd2028-11-12
dc.date.issued2023-11-12
dc.description.abstractEste trabajo implementó un modelo de redes neuronales artificiales (RNA) de tipo feedforward en la predicción de fallas de un proceso industrial; para esto, inicialmente se realizó una revisión de los respectivos datos históricos de proceso, teniendo en cuenta las variables relacionadas y las diferentes fallas reportadas. Posteriormente, con estos datos se entrenaron y validaron diferentes estructuras de RNA, cambiando parámetros de arquitectura. Los cálculos con las RNA fueron ejecutados con el programa de uso libre Python, utilizando la función Keras, programada en Google Colab. Según los resultados, las fallas detectadas en la unidad industrial se localizaron en un ventilador, un intercambiador y una válvula, en una ventana de operación de 3 años. Asimismo, los cálculos con las RNA mostraron que al aumentar el número de neuronas en la capa interna el MSE aumento para un determinado parámetro de arquitectura. También, la función de activación de mejor desempeño correspondió a la Tanh. Finalmente, la red de mejor desempeño correspondió a la arquitectura 30:30:1 – Tanh.
dc.description.abstractenglishThis work implemented an artificial neural network (ANN) model of feedforward type in the prediction of failures of an industrial process; for this, initially a review of the respective historical process data was carried out, considering the related variables and the different failures reported. Subsequently, with this data, different ANN structures were trained and validated, changing architecture parameters. The calculations with the ANN were executed with the free-to-use Python program, using the Keras function, programmed in Google Colab. According to the results, the faults detected in the industrial unit were in a fan, an exchanger, and a valve, in an operating window of 3 years. Also, ANN calculations showed that by increasing the number of neurons in the inner layer the MSE increased for a given architecture parameter. Also, the best performing activation function corresponded to the Tanh. Finally, the best performing network corresponded to the 30:30:1 - Tanh architecture.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Químico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameFacultad de Ingeníerias Fisicoquímicas
dc.identifier.reponameEscuela de Ingeniería Química
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/15323
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicoquímicas
dc.publisher.programIngeniería Química
dc.publisher.schoolEscuela de Ingeniería Química
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_f1cf
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAtribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.titleDetección de fallas en una unidad de proceso industrial: aplicación de las redes neuronales artificiales
dc.title.englishFault detection in an industrial process unit: application of artificial neural networks
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 4 of 4
No Thumbnail Available
Name:
Documento.pdf
Size:
1.38 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
140.01 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
305.03 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de confidencialidad.pdf
Size:
82.7 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Ingeniería Química