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 and Palacios de Palacios, Paloma de and García Iruela, Alberto and García Esteban, Luis and 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. In: "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.

Description

Title: Predicción de la resistencia a tracción del tablero de partículas a partir de los parámetros de producción mediante el uso de redes neuronales artificiales
Author/s:
  • García Fernández, Francisco
  • Palacios de Palacios, Paloma de
  • García Iruela, Alberto
  • García Esteban, Luis
  • González Rodrigo, Beatriz
Item Type: Presentation at Congress or Conference (Article)
Event Title: 7º Congreso Forestal Español. Gestión del monte: servicios ambientales y bioeconomía
Event Dates: 26-30 Junio 2017
Event Location: Plasencia, Cáceres
Title of Book: Actas del 7º Congreso Forestal Español. Gestión del monte: servicios ambientales y bioeconomía
Date: June 2017
ISBN: 978-84-941695-2-6
Subjects:
Freetext Keywords: Inteligencia artificial; modelización; cohesión interna; propiedades mecánicas; RNA
Faculty: E.U.I.T. Forestal (UPM)
Department: Sistemas y Recursos Naturales
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (1MB) | Preview

Abstract

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.

Funding Projects

TypeCodeAcronymLeaderTitle
Government of SpainAGL2013-43510-RUnspecifiedUnspecifiedUnspecified

More information

Item ID: 51030
DC Identifier: http://oa.upm.es/51030/
OAI Identifier: oai:oa.upm.es:51030
Deposited by: Memoria Investigacion
Deposited on: 25 May 2018 11:24
Last Modified: 25 May 2018 11:24
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM