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

Autores
Pacchiotti, Mauro José; Paletto, Pablo Andrés
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Rubiolo, Mariano
Roa, Jorge
Descripción
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.
Materia
Aprendizaje profundo
Mantenimiento predictivo
Industria 4.0
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2023-06-30T20:02:54Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/8221
Acceder
id RIAUTN_74f17e0086b73a89e3af51299cbd0ad6
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/8221
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0Pacchiotti, Mauro JoséPaletto, Pablo AndrésAprendizaje profundoMantenimiento predictivoIndustria 4.0Este 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.Rubiolo, MarianoRoa, Jorge2023-06-30T20:02:54Z2023-06-30T20:02:54Z2021info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradopdfapplication/pdfhttp://hdl.handle.net/20.500.12272/8221spainfo:eu-repo/semantics/openAccess2023-06-30T20:02:54Zhttp://creativecommons.org/licenses/by-nc-sa/4.0/Atribución-NoComercial-CompartirIgual 4.0 InternacionalLos autoresCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:46:01Zoai:ria.utn.edu.ar:20.500.12272/8221instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:46:01.962Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
title Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
spellingShingle Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0
Pacchiotti, Mauro José
Aprendizaje profundo
Mantenimiento predictivo
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
dc.creator.none.fl_str_mv Pacchiotti, Mauro José
Paletto, Pablo Andrés
author Pacchiotti, Mauro José
author_facet Pacchiotti, Mauro José
Paletto, Pablo Andrés
author_role author
author2 Paletto, Pablo Andrés
author2_role author
dc.contributor.none.fl_str_mv Rubiolo, Mariano
Roa, Jorge
dc.subject.none.fl_str_mv Aprendizaje profundo
Mantenimiento predictivo
Industria 4.0
topic Aprendizaje profundo
Mantenimiento predictivo
Industria 4.0
dc.description.none.fl_txt_mv 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.
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.
publishDate 2021
dc.date.none.fl_str_mv 2021
2023-06-30T20:02:54Z
2023-06-30T20:02:54Z
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12272/8221
url http://hdl.handle.net/20.500.12272/8221
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2023-06-30T20:02:54Z
http://creativecommons.org/licenses/by-nc-sa/4.0/
Atribución-NoComercial-CompartirIgual 4.0 Internacional
Los autores
CreativeCommons
eu_rights_str_mv openAccess
rights_invalid_str_mv 2023-06-30T20:02:54Z
http://creativecommons.org/licenses/by-nc-sa/4.0/
Atribución-NoComercial-CompartirIgual 4.0 Internacional
Los autores
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230914266726400
score 13.265058

Publicaciones similares