Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos

Autores
Sanseverinatti, Carlos Ignacio; Perdomo, Mariano; Clementi, Luis A.; Vega, Jorge Rubén
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En el presente trabajo se implementó un módulo para la detección de fallas en sensores de registro de variables en procesos continuos, el cual se desarrolló sobre la base de una máquina de soporte vectorial. Con el fin de obtener una arquitectura adecuada de la máquina, se estudió el desempeño del módulo para diversas implementaciones obtenidas a partir de diferentes técnicas de codificación múltiple y máquinas Kernel. En particular, se analizó el desempeño de las máquinas de soporte implementadas en términos de su capacidad para detectar y clasificar fallas típicas en sensores de procesos continuos. Para cada máquina implementada, se escogió el tamaño del conjunto de entrenamiento y los valores de los hiperparámetros correspondientes a cada una a partir de una búsqueda de tipo rejilla. Los resultados mostraron que el mejor desempeño en términos de exactitud en el testeo se obtuvo para una codificación de tipo One Vs Rest, utilizando un Kernel de tipo función de base radial, para la cual se alcanzó una exactitud superior al 98%.
Fil: Sanseverinatti, Carlos Ignacio. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Sanseverinatti, Carlos Ignacio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Perdomo, Mariano M. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Perdomo, Mariano M. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Clementi, Luis A. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Materia
Clasificación de fallas
Sensores
Máquina de soporte vectorial
Optimización
Nivel de accesibilidad
acceso abierto
Condiciones de uso
2024-08-09T23:11:55Z
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/11307
Acceder
id RIAUTN_e453e193eeaf127aa53646053c2d3ed4
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/11307
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuosSanseverinatti, Carlos IgnacioPerdomo, MarianoClementi, Luis A.Vega, Jorge RubénClasificación de fallasSensoresMáquina de soporte vectorialOptimizaciónEn el presente trabajo se implementó un módulo para la detección de fallas en sensores de registro de variables en procesos continuos, el cual se desarrolló sobre la base de una máquina de soporte vectorial. Con el fin de obtener una arquitectura adecuada de la máquina, se estudió el desempeño del módulo para diversas implementaciones obtenidas a partir de diferentes técnicas de codificación múltiple y máquinas Kernel. En particular, se analizó el desempeño de las máquinas de soporte implementadas en términos de su capacidad para detectar y clasificar fallas típicas en sensores de procesos continuos. Para cada máquina implementada, se escogió el tamaño del conjunto de entrenamiento y los valores de los hiperparámetros correspondientes a cada una a partir de una búsqueda de tipo rejilla. Los resultados mostraron que el mejor desempeño en términos de exactitud en el testeo se obtuvo para una codificación de tipo One Vs Rest, utilizando un Kernel de tipo función de base radial, para la cual se alcanzó una exactitud superior al 98%.Fil: Sanseverinatti, Carlos Ignacio. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Sanseverinatti, Carlos Ignacio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.Fil: Perdomo, Mariano M. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Perdomo, Mariano M. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.Fil: Clementi, Luis A. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.VI ARGENCON2024-08-09T23:11:55Z2024-08-09T23:11:55Z2022-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciapdfapplication/pdfSanseverinatti, C. I. (et al.). Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos. 2022 IEEE Congreso Bienal de Argentina (VI ARGENCON). San Juan, Argentina.https://ieeexplore.ieee.org/document/9940020http://hdl.handle.net/20.500.12272/1130710.1109/ARGENCON55245.2022.9940020spaASECAFE0008414 - Título Modelado y monitoreo de procesos industriales continuos y semi-continuos. Algoritmos basados en inferencia bayesiana y aprendizaje maquinal.info:eu-repo/semantics/openAccess2024-08-09T23:11:55Zhttp://creativecommons.org/licenses/by-nc/4.0/Atribución-NoComercial 4.0 InternacionalLos autoresCreativeCommonsreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:45:44Zoai:ria.utn.edu.ar:20.500.12272/11307instacron: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 12:45:45.734Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos
title Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos
spellingShingle Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos
Sanseverinatti, Carlos Ignacio
Clasificación de fallas
Sensores
Máquina de soporte vectorial
Optimización
title_short Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos
title_full Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos
title_fullStr Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos
title_full_unstemmed Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos
title_sort Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos
dc.creator.none.fl_str_mv Sanseverinatti, Carlos Ignacio
Perdomo, Mariano
Clementi, Luis A.
Vega, Jorge Rubén
author Sanseverinatti, Carlos Ignacio
author_facet Sanseverinatti, Carlos Ignacio
Perdomo, Mariano
Clementi, Luis A.
Vega, Jorge Rubén
author_role author
author2 Perdomo, Mariano
Clementi, Luis A.
Vega, Jorge Rubén
author2_role author
author
author
dc.subject.none.fl_str_mv Clasificación de fallas
Sensores
Máquina de soporte vectorial
Optimización
topic Clasificación de fallas
Sensores
Máquina de soporte vectorial
Optimización
dc.description.none.fl_txt_mv En el presente trabajo se implementó un módulo para la detección de fallas en sensores de registro de variables en procesos continuos, el cual se desarrolló sobre la base de una máquina de soporte vectorial. Con el fin de obtener una arquitectura adecuada de la máquina, se estudió el desempeño del módulo para diversas implementaciones obtenidas a partir de diferentes técnicas de codificación múltiple y máquinas Kernel. En particular, se analizó el desempeño de las máquinas de soporte implementadas en términos de su capacidad para detectar y clasificar fallas típicas en sensores de procesos continuos. Para cada máquina implementada, se escogió el tamaño del conjunto de entrenamiento y los valores de los hiperparámetros correspondientes a cada una a partir de una búsqueda de tipo rejilla. Los resultados mostraron que el mejor desempeño en términos de exactitud en el testeo se obtuvo para una codificación de tipo One Vs Rest, utilizando un Kernel de tipo función de base radial, para la cual se alcanzó una exactitud superior al 98%.
Fil: Sanseverinatti, Carlos Ignacio. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Sanseverinatti, Carlos Ignacio. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Perdomo, Mariano M. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Perdomo, Mariano M. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Clementi, Luis A. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Clementi, Luis A. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
Fil: Vega, Jorge Rubén. CONICET-UNL. Instituto de Desarrollo Tecnológico para la Industria Química (INTEC); Argentina.
Fil: Vega, Jorge Rubén. Universidad Tecnológica Nacional. Facultad Regional Santa Fe. Centro de Investigación en Ingeniería Eléctrica y Sistemas Energéticos (CIESE); Argentina.
description En el presente trabajo se implementó un módulo para la detección de fallas en sensores de registro de variables en procesos continuos, el cual se desarrolló sobre la base de una máquina de soporte vectorial. Con el fin de obtener una arquitectura adecuada de la máquina, se estudió el desempeño del módulo para diversas implementaciones obtenidas a partir de diferentes técnicas de codificación múltiple y máquinas Kernel. En particular, se analizó el desempeño de las máquinas de soporte implementadas en términos de su capacidad para detectar y clasificar fallas típicas en sensores de procesos continuos. Para cada máquina implementada, se escogió el tamaño del conjunto de entrenamiento y los valores de los hiperparámetros correspondientes a cada una a partir de una búsqueda de tipo rejilla. Los resultados mostraron que el mejor desempeño en términos de exactitud en el testeo se obtuvo para una codificación de tipo One Vs Rest, utilizando un Kernel de tipo función de base radial, para la cual se alcanzó una exactitud superior al 98%.
publishDate 2022
dc.date.none.fl_str_mv 2022-09
2024-08-09T23:11:55Z
2024-08-09T23:11:55Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv Sanseverinatti, C. I. (et al.). Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos. 2022 IEEE Congreso Bienal de Argentina (VI ARGENCON). San Juan, Argentina.
https://ieeexplore.ieee.org/document/9940020
http://hdl.handle.net/20.500.12272/11307
10.1109/ARGENCON55245.2022.9940020
identifier_str_mv Sanseverinatti, C. I. (et al.). Máquina de soporte vectorial para la detección y clasificación de fallas en sensores de registro de datos en procesos continuos. 2022 IEEE Congreso Bienal de Argentina (VI ARGENCON). San Juan, Argentina.
10.1109/ARGENCON55245.2022.9940020
url https://ieeexplore.ieee.org/document/9940020
http://hdl.handle.net/20.500.12272/11307
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv ASECAFE0008414 - Título Modelado y monitoreo de procesos industriales continuos y semi-continuos. Algoritmos basados en inferencia bayesiana y aprendizaje maquinal.
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
2024-08-09T23:11:55Z
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Los autores
CreativeCommons
eu_rights_str_mv openAccess
rights_invalid_str_mv 2024-08-09T23:11:55Z
http://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional
Los autores
CreativeCommons
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv VI ARGENCON
publisher.none.fl_str_mv VI ARGENCON
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_ 1877230908772188160
score 13.24418

Publicaciones similares