Mostrar o rexistro simple do ítem

dc.contributor.authorMichelena, Álvaro
dc.contributor.authorZayas-Gato, Francisco
dc.contributor.authorJove, Esteban
dc.contributor.authorCasteleiro-Roca, José-Luis
dc.contributor.authorQuintián, Héctor
dc.contributor.authorPrieto Fernández, Natalia
dc.contributor.authorAlaiz Moretón, Héctor
dc.contributor.authorCalvo-Rolle, José Luis
dc.date.accessioned2022-09-05T10:56:39Z
dc.date.available2022-09-05T10:56:39Z
dc.date.issued2022
dc.identifier.citationMichelena, Á., Zayas-Gato, F., Jove, E., Casteleiro-Roca, J-L., Quintián, H., Prieto-Fernández, N., Alaiz-Moretón, H., Calvo-Rolle, J.L. (2022) Técnicas de clasificación supervisadas para la detección de anomalías en el control de procesos industriales. XLIII Jornadas de Automática: libro de actas, pp.224-232 https://doi.org/10.17979/spudc.9788497498418.0224es_ES
dc.identifier.isbn978-84-9749-841-8
dc.identifier.urihttp://hdl.handle.net/2183/31384
dc.description.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.es_ES
dc.description.abstract[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.es_ES
dc.description.sponsorshipXunta de Galicia; ED431G 2019/01es_ES
dc.language.isospaes_ES
dc.publisherUniversidade da Coruña. Servizo de Publicaciónses_ES
dc.relation.urihttps://doi.org/10.17979/spudc.9788497498418.0224es_ES
dc.rightsAtribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) https://creativecommons.org/licenses/by-nc-sa/4.0/deed.eses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/es/*
dc.subjectDetección de anomalíases_ES
dc.subjectClasificadores supervisadoses_ES
dc.subjectSistemas de controles_ES
dc.subjectAnomaly detectiones_ES
dc.subjectSupervised classifierses_ES
dc.subjectControl systemses_ES
dc.titleTécnicas de clasificación supervisadas para la detección de anomalías en el control de procesos industrialeses_ES
dc.typeinfo:eu-repo/semantics/conferenceObjectes_ES
dc.rights.accessinfo:eu-repo/semantics/openAccesses_ES
UDC.startPage224es_ES
UDC.endPage232es_ES
dc.identifier.doihttps://doi.org/10.17979/spudc.9788497498418.0224
UDC.conferenceTitleXLIII Jornadas de Automáticaes_ES


Ficheiros no ítem

Thumbnail
Thumbnail

Este ítem aparece na(s) seguinte(s) colección(s)

Mostrar o rexistro simple do ítem