Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.

Autores
Monte, Gustavo Eduardo; Liscovsky, Pablo; Marasco, Damian; Agnello, Ariel Edgardo; Gargia, Pablo Emiliano Bruna,
Año de publicación
2023
Idioma
español castellano
Tipo de recurso
informe técnico
Estado
versión aceptada
Descripción
Los sistemas digitales controlados por sensores convierten la percepción en información sobre la que los operadores y los sistemas actúan. Todas las acciones y decisiones realizadas por estos sistemas se basan en señales de sensores. Una percepción errónea puede generar accidentes graves, impacto ambiental y pérdidas económicas. El proceso de extraer información y conocimiento de los datos de los sensores en un entorno industrial es una tarea desafiante. El simple hecho de detectar la normalidad o anormalidad de una señal requiere haber aprendido su comportamiento ante diversas condiciones de operación, incluyendo condiciones previstas de fallas. En este proyecto, basado en investigaciones y desarrollos anteriores de investigadores de la regional Del Neuquén, se desarrollarán e implementarán algoritmos en sistemas embebidos para el aprendizaje del comportamiento de las señales sensoriales. Como resultado de este conocimiento mas profundo de las señales, se lograrán sistemas mas seguros y más eficientes en sintonía con los conceptos fundamentales del paradigma Industria 4.0, alcanzando una mejora considerable en el proceso de toma de decisiones.
Fil: Monte, Gustavo Eduardo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.
Fil: Liscovsky, Pablo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina
Fil: Marasco, Damian. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.
Fil: Agnello, Ariel Edgardo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.
Fil: Gargia, Pablo Emiliano Bruna, Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.
Peer Reviewed
Materia
Sensores inteligentes, aprendizaje, sistemas embebidos, industria 4.0
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2024-01-22T17:25:19Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/9402
Acceder
id RIAUTN_bfc5307c9728658067f92564ecd1f423
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/9402
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.Monte, Gustavo EduardoLiscovsky, PabloMarasco, DamianAgnello, Ariel EdgardoGargia, Pablo Emiliano Bruna,Sensores inteligentes, aprendizaje, sistemas embebidos, industria 4.0Los sistemas digitales controlados por sensores convierten la percepción en información sobre la que los operadores y los sistemas actúan. Todas las acciones y decisiones realizadas por estos sistemas se basan en señales de sensores. Una percepción errónea puede generar accidentes graves, impacto ambiental y pérdidas económicas. El proceso de extraer información y conocimiento de los datos de los sensores en un entorno industrial es una tarea desafiante. El simple hecho de detectar la normalidad o anormalidad de una señal requiere haber aprendido su comportamiento ante diversas condiciones de operación, incluyendo condiciones previstas de fallas. En este proyecto, basado en investigaciones y desarrollos anteriores de investigadores de la regional Del Neuquén, se desarrollarán e implementarán algoritmos en sistemas embebidos para el aprendizaje del comportamiento de las señales sensoriales. Como resultado de este conocimiento mas profundo de las señales, se lograrán sistemas mas seguros y más eficientes en sintonía con los conceptos fundamentales del paradigma Industria 4.0, alcanzando una mejora considerable en el proceso de toma de decisiones.Fil: Monte, Gustavo Eduardo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.Fil: Liscovsky, Pablo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; ArgentinaFil: Marasco, Damian. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.Fil: Agnello, Ariel Edgardo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.Fil: Gargia, Pablo Emiliano Bruna, Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.Peer Reviewed2024-01-22T17:25:19Z2024-01-22T17:25:19Z2023-04-01info:eu-repo/semantics/reportinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_18ghinfo:ar-repo/semantics/informeTecnicopdfapplication/pdf-http://hdl.handle.net/20.500.12272/9402spainfo:eu-repo/semantics/openAccess2024-01-22T17:25:19Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 InternacionalCreative Commosreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:45:05Zoai:ria.utn.edu.ar:20.500.12272/9402instacron: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 12:45:06.108Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.
title Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.
spellingShingle Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.
Monte, Gustavo Eduardo
Sensores inteligentes, aprendizaje, sistemas embebidos, industria 4.0
title_short Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.
title_full Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.
title_fullStr Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.
title_full_unstemmed Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.
title_sort Implementaciòn de modelos de señales sensoriales en sistemas embebidos enfocada a aprendizaje automático.
dc.creator.none.fl_str_mv Monte, Gustavo Eduardo
Liscovsky, Pablo
Marasco, Damian
Agnello, Ariel Edgardo
Gargia, Pablo Emiliano Bruna,
author Monte, Gustavo Eduardo
author_facet Monte, Gustavo Eduardo
Liscovsky, Pablo
Marasco, Damian
Agnello, Ariel Edgardo
Gargia, Pablo Emiliano Bruna,
author_role author
author2 Liscovsky, Pablo
Marasco, Damian
Agnello, Ariel Edgardo
Gargia, Pablo Emiliano Bruna,
author2_role author
author
author
author
dc.subject.none.fl_str_mv Sensores inteligentes, aprendizaje, sistemas embebidos, industria 4.0
topic Sensores inteligentes, aprendizaje, sistemas embebidos, industria 4.0
dc.description.none.fl_txt_mv Los sistemas digitales controlados por sensores convierten la percepción en información sobre la que los operadores y los sistemas actúan. Todas las acciones y decisiones realizadas por estos sistemas se basan en señales de sensores. Una percepción errónea puede generar accidentes graves, impacto ambiental y pérdidas económicas. El proceso de extraer información y conocimiento de los datos de los sensores en un entorno industrial es una tarea desafiante. El simple hecho de detectar la normalidad o anormalidad de una señal requiere haber aprendido su comportamiento ante diversas condiciones de operación, incluyendo condiciones previstas de fallas. En este proyecto, basado en investigaciones y desarrollos anteriores de investigadores de la regional Del Neuquén, se desarrollarán e implementarán algoritmos en sistemas embebidos para el aprendizaje del comportamiento de las señales sensoriales. Como resultado de este conocimiento mas profundo de las señales, se lograrán sistemas mas seguros y más eficientes en sintonía con los conceptos fundamentales del paradigma Industria 4.0, alcanzando una mejora considerable en el proceso de toma de decisiones.
Fil: Monte, Gustavo Eduardo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.
Fil: Liscovsky, Pablo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina
Fil: Marasco, Damian. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.
Fil: Agnello, Ariel Edgardo. Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.
Fil: Gargia, Pablo Emiliano Bruna, Universidad Tecnológica Nacional. Facultad Regional del Neuquèn; Argentina.
Peer Reviewed
description Los sistemas digitales controlados por sensores convierten la percepción en información sobre la que los operadores y los sistemas actúan. Todas las acciones y decisiones realizadas por estos sistemas se basan en señales de sensores. Una percepción errónea puede generar accidentes graves, impacto ambiental y pérdidas económicas. El proceso de extraer información y conocimiento de los datos de los sensores en un entorno industrial es una tarea desafiante. El simple hecho de detectar la normalidad o anormalidad de una señal requiere haber aprendido su comportamiento ante diversas condiciones de operación, incluyendo condiciones previstas de fallas. En este proyecto, basado en investigaciones y desarrollos anteriores de investigadores de la regional Del Neuquén, se desarrollarán e implementarán algoritmos en sistemas embebidos para el aprendizaje del comportamiento de las señales sensoriales. Como resultado de este conocimiento mas profundo de las señales, se lograrán sistemas mas seguros y más eficientes en sintonía con los conceptos fundamentales del paradigma Industria 4.0, alcanzando una mejora considerable en el proceso de toma de decisiones.
publishDate 2023
dc.date.none.fl_str_mv 2023-04-01
2024-01-22T17:25:19Z
2024-01-22T17:25:19Z
dc.type.none.fl_str_mv info:eu-repo/semantics/report
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_18gh
info:ar-repo/semantics/informeTecnico
format report
status_str acceptedVersion
dc.identifier.none.fl_str_mv -
http://hdl.handle.net/20.500.12272/9402
identifier_str_mv -
url http://hdl.handle.net/20.500.12272/9402
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2024-01-22T17:25:19Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Creative Commos
eu_rights_str_mv openAccess
rights_invalid_str_mv 2024-01-22T17:25:19Z
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Creative Commos
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_ 1877230893492338688
score 13.265058

Publicaciones similares