Cuando un sistema multiagente presenta fallas, es necesario detectar y clasificar dichas fallas a tiempo, para lo cual este estudio propone una técnica de predicción y clasificación de fallas basada en datos. El modelo predictivo basado en redes neuronales es entrenado a partir de historial de datos del sistema, para posteriormente ser implementado al sistema en tiempo real para predecir el estado y la productividad en ausencia de falla. Los algoritmos diseñados son verificados a través de un sistema gemelo de péndulo rotacional invertido y un mecanismo líder seguidor.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Optimización de la producción de sinterizado como materia prima del proceso de alto horno
Artículo:
Optimización de sistemas JIT parametrizados
Artículo:
Optimización del corte por chorro de agua de polipropileno
Artículo:
Gestión de costes en la producción metalúrgica
Artículo:
Análisis de madurez en la gestión de proyectos en universidades colombianas