Técnicas de clasificación supervisadas para la detección de anomalías en el control de procesos industriales
- Michelena, Álvaro 1
- Zayas-Gato, Francisco 1
- Jove, Esteban 1
- Casteleiro-Roca, José-Luis 1
- Quintián, Héctor 1
- Prieto Fernández, Natalia 1
- Alaiz Moretón, Héctor 2
- Calvo-Rolle, José Luis 1
-
1
Universidade da Coruña
info
-
2
Universidad de León
info
- Carlos Balaguer Bernaldo de Quirós (coord.)
- José Manuel Andújar Márquez (coord.)
- Ramon Costa Castelló (coord.)
- Carlos Ocampo Martínez (coord.)
- Jesús Fernández Lozano (coord.)
- Matilde Santos Peñas (coord.)
- José Enrique Simó Ten (coord.)
- Montserrat Gil Martínez (coord.)
- Jose Luis Calvo Rolle (coord.)
- Raúl Marín Prades (coord.)
- Eduardo Rocón de Lima (coord.)
- Elisabet Estévez Estévez (coord.)
- Pedro Jesús Cabrera Santana (coord.)
- David Muñoz de la Peña Sequedo (coord.)
- José Luis Guzmán Sánchez (coord.)
- José Luis Pitarch Pérez (coord.)
- Oscar Reinoso García (coord.)
- Oscar Déniz Suárez (coord.)
- Emilio Jiménez Macías (coord.)
- Vanesa Loureiro Vázquez (coord.)
Publisher: Servizo de Publicacións ; Universidade da Coruña
ISBN: 978-84-9749-841-8
Year of publication: 2022
Pages: 224-232
Congress: Jornadas de Automática (43. 2022. Logroño)
Type: Conference paper
Abstract
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.