Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0

Este Proyecto Final de Carrera se propone estudiar la aplicación de distintos modelos de aprendizaje profundo para mantenimiento predictivo en la industria. En el marco del trabajo industrial con distintos tipos de equipamientos de diversas complejidades insertos en diferentes procesos industriales,...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Pacchiotti, Mauro José, Paletto, Pablo Andrés
Otros Autores: Rubiolo, Mariano
Formato: Tesis de grado acceptedVersion
Lenguaje:Español
Publicado: Universidad Tecnológica Nacional. Facultad Regional Santa Fe 2023
Materias:
Aprendizaje profundo
Mantenimiento predictivo
Industria 4.0
Acceso en línea:http://hdl.handle.net/20.500.12272/8221
Aporte de:
RIA - Repositorio Institucional Abierto (UTN) de Universidad Tecnológica Nacional
id I68-R174-20.500.12272-8221
record_format dspace
spelling I68-R174-20.500.12272-82212023-06-30T20:04:41Z Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0 Pacchiotti, Mauro José Paletto, Pablo Andrés Rubiolo, Mariano Roa, Jorge Aprendizaje profundo Mantenimiento predictivo Industria 4.0 Este Proyecto Final de Carrera se propone estudiar la aplicación de distintos modelos de aprendizaje profundo para mantenimiento predictivo en la industria. En el marco del trabajo industrial con distintos tipos de equipamientos de diversas complejidades insertos en diferentes procesos industriales, el mantenimiento eficiente de estos equipos es una actividad fundamental para un desarrollo industrial sustentable. En primera instancia se analizan distintos trabajos que estudian el tema del proyecto para conocer las distintas líneas de investigación y los avances logrados por estos trabajos. También se buscan y analizan distintos conjuntos de datos que puedan ser aplicados al proyecto y se estudian los tipos de modelos de aprendizaje profundo utilizados en el dominio así como sus características y posibilidades frente a los diferentes tipos de estructuras de datos que se utilizan. Con los resultados de las primeras etapas se avanza en la selección de un conjunto de datos y un modelo, y la adecuación de estos. Con un modelo entrenado podemos comenzar el diseño y desarrollo del prototipo herramienta de software y realizar las pruebas de funcionamiento en tiempo real, simulando con series sintéticas la entrega de datos desde un equipo en la industria. Finalmente, luego de haber obtenido de la industria un conjunto de datos real, se selecciona y entrena un modelo para este, se adecua el prototipo para la estructura de datos y por último se realizan las pruebas simulando en tiempo real la entrega de datos y obteniendo del predictor el estado futuro del equipamiento. Fil: Pacchiotti, Mauro José. Universidad Tecnológica. Nacional. Facultad Regional Santa Fe; Argentina. Fil: Paletto, Pablo Andrés. Universidad Tecnológica. Nacional. Facultad Regional Santa Fe; Argentina. 2023-06-30T20:02:54Z 2023-06-30T20:02:54Z 2021 info:eu-repo/semantics/bachelorThesis acceptedVersion http://hdl.handle.net/20.500.12272/8221 spa openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Atribución-NoComercial-CompartirIgual 4.0 Internacional Los autores CreativeCommons pdf Universidad Tecnológica Nacional. Facultad Regional Santa Fe
institution Universidad Tecnológica Nacional
institution_str I-68
repository_str R-174
collection RIA - Repositorio Institucional Abierto (UTN)
language Español
topic Aprendizaje profundo
Mantenimiento predictivo
Industria 4.0
spellingShingle Aprendizaje profundo
Mantenimiento predictivo
Industria 4.0
Pacchiotti, Mauro José
Paletto, Pablo Andrés
Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
topic_facet Aprendizaje profundo
Mantenimiento predictivo
Industria 4.0
description Este Proyecto Final de Carrera se propone estudiar la aplicación de distintos modelos de aprendizaje profundo para mantenimiento predictivo en la industria. En el marco del trabajo industrial con distintos tipos de equipamientos de diversas complejidades insertos en diferentes procesos industriales, el mantenimiento eficiente de estos equipos es una actividad fundamental para un desarrollo industrial sustentable. En primera instancia se analizan distintos trabajos que estudian el tema del proyecto para conocer las distintas líneas de investigación y los avances logrados por estos trabajos. También se buscan y analizan distintos conjuntos de datos que puedan ser aplicados al proyecto y se estudian los tipos de modelos de aprendizaje profundo utilizados en el dominio así como sus características y posibilidades frente a los diferentes tipos de estructuras de datos que se utilizan. Con los resultados de las primeras etapas se avanza en la selección de un conjunto de datos y un modelo, y la adecuación de estos. Con un modelo entrenado podemos comenzar el diseño y desarrollo del prototipo herramienta de software y realizar las pruebas de funcionamiento en tiempo real, simulando con series sintéticas la entrega de datos desde un equipo en la industria. Finalmente, luego de haber obtenido de la industria un conjunto de datos real, se selecciona y entrena un modelo para este, se adecua el prototipo para la estructura de datos y por último se realizan las pruebas simulando en tiempo real la entrega de datos y obteniendo del predictor el estado futuro del equipamiento.
author2 Rubiolo, Mariano
author_facet Rubiolo, Mariano
Pacchiotti, Mauro José
Paletto, Pablo Andrés
format Tesis de grado
acceptedVersion
author Pacchiotti, Mauro José
Paletto, Pablo Andrés
author_sort Pacchiotti, Mauro José
title Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
title_short Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
title_full Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
title_fullStr Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
title_full_unstemmed Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
title_sort prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la industria 4.0
publisher Universidad Tecnológica Nacional. Facultad Regional Santa Fe
publishDate 2023
url http://hdl.handle.net/20.500.12272/8221
work_keys_str_mv AT pacchiottimaurojose prototipodesoftwarebasadoenaprendizajeprofundoparamantenimientopredictivoenlaindustria40
AT palettopabloandres prototipodesoftwarebasadoenaprendizajeprofundoparamantenimientopredictivoenlaindustria40
_version_ 1770623479144513536

Ejemplares similares