1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Chihuahua
4. Instituto Tecnológico de Cd. Juárez
5. TESIS DE DOCTORADO TECNM CAMPUS CIUDAD JUÁREZ I
6. Doctorado en Ciencias de la Ingenieria

Titre:	PREDICCIÓN DEL ESTADO DE OPERACIÓN DE UNA IMPRESORA 3D MEDIANTE REDES DE SENSORES Y ALGORITMOS DE APRENDIZAJE PROFUNDO
Auteur(s):	Ronquillo Salas, Carlos Alberto
Date de publication:	2023-10-01
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Ciudad Juárez
Description:	La Industria 4.0 comprende la integración de diversas tecnologías con el propósito de mejorar la eficiencia de los sistemas productivos y donde un elemento clave es el desarrollo de sistemas inteligentes capaces de transformar en conocimiento la gran cantidad de datos generados por controladores de máquinas y sistemas de fabricación. Una tecnología asociada con la Industria 4.0 es la manufactura aditiva o impresión 3D, la cual tiene aplicaciones prácticamente ya en todas las ramas de la industria. No obstante, las impresoras 3D sufren de limitaciones de confiabilidad ya que actualmente la mayoría de estas máquinas no poseen sistemas de monitoreo de su estado de operación y no pueden detectarse desviaciones del proceso que afectan la calidad de las piezas impresas y causan pérdida de recursos. Para abordar este problema, la recopilación de datos mediante redes de sensores y su análisis con algoritmos de aprendizaje profundo pueden ayudar a identificar problemas durante el proceso de impresión. Sin embargo, dada la gran cantidad de datos que generan las redes de sensores y la falta de una metodología estándar para analizar los datos limita su implementación. En este trabajo se propone una metodología para identificar estados de operación anormales de una impresora 3D mediante la detección de anomalías vibratorias usando unidades de medición inercial y entrenando un autocodificador mediante aprendizaje semi-supervisado con tres diferentes enfoques. Se usa la sensibilidad como métrica para evaluar el desempeño del autocodificador en la clasificación de anomalías vibratorias.
metadata.dc.type:	info:eu-repo/semantics/doctoralThesis
Collection(s) :	Doctorado en Ciencias de la Ingenieria

Ce document est protégé par copyright Voir la licence

Ce document est autorisé sous une licence de type Licence Creative Commons