Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/99386
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorMartínez Raya, José Manuel-
dc.date.accessioned2019-07-17T20:27:42Z-
dc.date.available2019-07-17T20:27:42Z-
dc.date.issued2019-06-12-
dc.identifier.urihttp://hdl.handle.net/10609/99386-
dc.description.abstractEn el momento actual desde el sector industrial y tecnológico se habla de la cuarta revolución industrial. Un nuevo paradigma en donde las fábricas del futuro serán automatizadas, digitales, inteligentes, flexibles, sostenibles y más humanas. Un punto importante será el de predecir los posibles errores y fallas que se puedan encontrar a lo largo de todo el proceso de producción, desde la recepción de las materias primas hasta el producto acabado. La tendencia es que el proceso se llegue automatizar en su totalidad, en donde ni el componente humano tenga un papel supervisor. Serán los propios dispositivos, autómatas, controlados por una IA capaz de predecir los errores y mantener la producción en niveles de excelencia. Pero antes, para llegar hasta ese punto, se debe comprender e identificar el porqué de algunos errores en el proceso de fabricación, con tal de evitarlos y mejorar la calidad del producto final. La creación de un modelo de clasificación nos ayudará a optimizar el rendimiento de las máquinas y es el primer paso para un mantenimiento predictivo que evite futuros fallos.es
dc.description.abstractActualment, en el sector industrial i tecnològic es parla de la quarta revolució industrial. Un nou paradigma on les fàbriques del futur seran automatitzades, digitals, intel·ligents, flexibles, sostenibles i més humanes. Un punt important serà el de predir els possibles errors i falles que es puguin trobar al llarg de tot el procés de producció, des de la recepció de les matèries primeres fins al producte acabat. La tendència és que el procés s'arribi automatitzar totalment, on ni el component humà tingui un paper supervisor. Seran els mateixos dispositius, autòmats, controlats per una IA els capaços de predir els errors i mantenir la producció a nivells d'excel·lència. Però abans, per arribar fins a aquest punt, s'ha de comprendre i identificar el perquè d'alguns errors en el procés de fabricació, per tal d'evitar-los i millorar la qualitat del producte final. La creació d'un model de classificació ens ajudarà a optimitzar el rendiment de les màquines i serà el primer pas per a un manteniment predictiu que eviti futurs errors.ca
dc.description.abstractAt the moment, in the industrial and technological sector it is spoken of the fourth industrial revolution. A new paradigm where the factories of the future will be automated, digital, intelligent, flexible, sustainable and more human. An important point will be to predict possible errors and faults that can be found throughout the entire production process, from the reception of raw materials to the finished product. The tendency is that the process can be fully automated, where neither the human component has a supervisory role. They will be the same devices, automata, controlled by an IA capable of predicting errors and maintaining production at levels of excellence. But first, to reach this point, one must understand and identify the reason for some errors in the manufacturing process, in order to avoid them and improve the quality of the final product. Creating a classification model will help us optimize the performance of the machines and will be the first step for predictive maintenance to avoid future failures.en
dc.format.mimetypeapplication/pdf-
dc.language.isospa-
dc.publisherUniversitat Oberta de Catalunya (UOC)-
dc.rightsCC BY-NC-ND-
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/-
dc.subjectdata miningen
dc.subjectminería de datoses
dc.subjectmineria de dadesca
dc.subjectmachine learningen
dc.subjectaprenentatge automàticca
dc.subjectaprendizaje automáticoes
dc.subjectanomaly detectionen
dc.subjectdetecció d'anomaliesca
dc.subjectdetección de anomalíases
dc.subjectautomatizaciónes
dc.subjectautomatitzacióca
dc.subjectautomationen
dc.subject.lcshMachine learning -- TFMen
dc.titleModelos de clasificación para incidencias en entornos industriales con datos no balanceados-
dc.typeinfo:eu-repo/semantics/masterThesis-
dc.audience.educationlevelEstudis de Màsterca
dc.audience.educationlevelEstudios de Másteres
dc.audience.educationlevelMaster's degreesen
dc.subject.lemacAprenentatge automàtic -- TFMca
dc.subject.lcshesAprendizaje automático -- TFMes
dc.contributor.directorCasas-Roma, Jordi-
dc.contributor.tutorParada Medina, Raúl-
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess-
Aparece en las colecciones: Bachelor thesis, research projects, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
jmartinezrayTFM0619memoria.pdfMemoria del TFM3,06 MBAdobe PDFVista previa
Visualizar/Abrir