Predicción de la resistencia a tracción del tablero de partículas a partir de los parámetros de producción mediante el uso de redes neuronales artificiales

García Fernández, Francisco; Palacios de Palacios, Paloma de; García Iruela, Alberto; García Esteban, Luis y González Rodrigo, Beatriz (2017). Predicción de la resistencia a tracción del tablero de partículas a partir de los parámetros de producción mediante el uso de redes neuronales artificiales. En: "7º Congreso Forestal Español. Gestión del monte: servicios ambientales y bioeconomía", 26-30 Junio 2017, Plasencia, Cáceres. ISBN 978-84-941695-2-6. pp. 1-8.

Descripción

Título: Predicción de la resistencia a tracción del tablero de partículas a partir de los parámetros de producción mediante el uso de redes neuronales artificiales
Autor/es:
  • García Fernández, Francisco
  • Palacios de Palacios, Paloma de
  • García Iruela, Alberto
  • García Esteban, Luis
  • González Rodrigo, Beatriz
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: 7º Congreso Forestal Español. Gestión del monte: servicios ambientales y bioeconomía
Fechas del Evento: 26-30 Junio 2017
Lugar del Evento: Plasencia, Cáceres
Título del Libro: Actas del 7º Congreso Forestal Español. Gestión del monte: servicios ambientales y bioeconomía
Fecha: Junio 2017
ISBN: 978-84-941695-2-6
Materias:
Palabras Clave Informales: Inteligencia artificial; modelización; cohesión interna; propiedades mecánicas; RNA
Escuela: E.U.I.T. Forestal (UPM) [antigua denominación]
Departamento: Sistemas y Recursos Naturales
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) | Vista Previa

Resumen

Una de las propiedades más importantes dentro de control de calidad del tablero de partículas es la resistencia a tracción ya que es un indicador del nivel de cohesión interna del tablero. Sin embargo, la necesidad del acondicionamiento previo hace que este en sayo carezca de la inmediatez necesaria para su aplicación en tiempo real. Para solventar este problema se ha modelizado la resistencia a tracción del tablero de partículas P2 a partir de los parámetros de producción mediante el uso de una red neuronal artificial. Para ello se han utilizado 300 tableros de los cuáles se han tomado datos en la línea de producción de la temperatura de las partículas y de la resina, contenido de humedad de la manta, porcentajes de adhesivo, porcentaje y tipo de aditivos, velocidad de la manta y temperatura de las prensas. Estos tableros fueron despiezados en fábrica para posteriormente acondicionarlos en el laboratorio y realizar los ensayos de resistencia a tracción, humedad y densidad. La red desarrollada ha obtenido en el conjunto de comprobación un coeficiente de correlación (R) de 0,87 , que indica una suficiente fiabilidad para su aplicación en el control diario de producción.

Proyectos asociados

TipoCódigoAcrónimoResponsableTítulo
Gobierno de EspañaAGL2013-43510-RSin especificarSin especificarSin especificar

Más información

ID de Registro: 51030
Identificador DC: http://oa.upm.es/51030/
Identificador OAI: oai:oa.upm.es:51030
Depositado por: Memoria Investigacion
Depositado el: 25 May 2018 11:24
Ultima Modificación: 25 May 2018 11:24
  • InvestigaM
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM