Mòdul d'Anàlisi de Dades per a Sistemes Industrials
| Autor: | Molas Almató, Ignasi |
|---|---|
| Přispěvatelé: | Universitat Politècnica de Catalunya. Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial, Puig Cayuela, Vicenç |
| Jazyk: | Catalan; Valencian |
| Rok vydání: | 2022 |
| Předmět: |
Fabricació -- Automatització -- Disseny i construcció
Intel·ligència artificial -- Aplicacions a l'enginyeria -- Programari Enginyeria mecànica::Processos de fabricació mecànica [Àrees temàtiques de la UPC] Artificial intelligence -- Engineering applications -- Software Manufacturing processes -- Automation -- Design and construction |
| Popis: | Els mòduls d’anàlisi de dades per a sistemes industrials tenen com a objectiu introduir les fàbriques amb processos de producció al món de la indústria 4.0. A través del machine learning i dades històriques del fabricant per tal de poder obtenir la informació desitjada. El machine learning és una disciplina científica de l’àmbit de la intel·ligència artificial capaç de crear sistemes d’autoaprenentatge. Això permet generar una gran flexibilitat i versatilitat en l’anàlisi de grans quantitats de dades, ja que va, mica en mica, millorant el seu algoritme sense intervenció humana. Els tres grans tipus de models de machine learning es diferencien pel mètode d’aprenentatge: - Supervisat (Model on es modifica l’algoritme a través de l’exemple, és a dir, es dona tant l’entrada com les sortides de les dades a estudiar al sistema per tal de poder aprendre i, a posteriori, poder preveure futures sortides) - No Supervisat (Model on l’algoritme estudia les dades per tal de observar patrons en els diferents conjunts de dades. D’aquesta manera organitza les dades classificant-les de forma ordenada) - Per Reforç (Model on l’algoritme estudia un procés reglamentat. A l’oferir unes certes regles, com ara restriccions o objectius, entre d’altres, el sistema estudia l’opció òptima, a través del mètode assaig-error per a assolir el millor resultat i no tornar a cometre el mateix error en un futur). Els models d’aprenentatge supervisats són els més indicats per la situació analítica d’aquest projecte. Programació - L’entorn de Python, versió 3.10, ens permetrà modelar l’aplicatiu capaç de tractar les dades per tal d’obtenir la informació que sol·liciti l’usuari mitjançant una pull request. Alhora també s’utilitzaran llibreries que faciliten la programació dels sistemes de machine learning ara com: Pandas, Numpy, Math i TensorFlow/Keras. Objecte d’estudi - Com a objecte d’estudi pilot, es treballa amb un demostrador HAAS 96-ES8900 ubicat en la Plant Pilot del CIM UPC. Es un torn de control numèric (CNC) de la casa HAAS amb un conjunt de sensors que capten informació de la màquina i a traves d’un programa, es genera una base de dades amb la que es poden fer les anàlisis desitjades. El projecte, partirà d’una primera prova pilot on l’objectiu principal és l’obtenció de prediccions energètiques del demostrador sabent les peces que haurà de produir en el temps sol·licitat per l’usuari |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|