Técnicas de clasificación supervisadas para la detección de anomalías en el control de procesos industriales

Abstract

[Resumen] En la actualidad la detección de anomalías en procesos industriales es clave para optimizarlos y generar una mayor eficiencia en el proceso productivo, reportando unos mayores beneficios a las empresas. Por ello, en el presente artículo se implementan cinco técnicas de clasificación supervisadas para la detección de anomalías en sistemas industriales. Estas técnicas han sido entrenadas y validadas empleando un conjunto de datos que incluían datos etiquetados de funcionamiento normal y anómalo de una planta de control de nivel de líquido en un depósito. Finalmente, los resultados obtenidos fueron analizados y comparados para obtener el modelo con el que se obtiene un mayor rendimiento.

[Abstract] Nowadays, detecting anomalies in industrial processes is key to optimizing them and generating greater efficiency in the production process, bringing more significant benefits to companies. Therefore, in this paper, five supervised classification techniques are implemented to detect anomalies in industrial systems. These techniques have been trained and validated using a dataset that included labeled normal and anomalous operation data from a liquid level control plant. Finally, the results obtained were analyzed and compared to obtain the model with the best performance.