Sistema basado en agentes inteligentes para la estimación cooperativa de variables en redes IoT de recursos limitados

Taratiel Revuelta, Irene (2022). Sistema basado en agentes inteligentes para la estimación cooperativa de variables en redes IoT de recursos limitados. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Description

Title: Sistema basado en agentes inteligentes para la estimación cooperativa de variables en redes IoT de recursos limitados
Author/s:
  • Taratiel Revuelta, Irene
Contributor/s:
  • Gutiérrez Gil, Raúl
Item Type: Final Project
Degree: Grado en Ingeniería Informática
Date: April 2022
Subjects:
Freetext Keywords: Data Science, Machine Learning, ARIMA, Modelos estadísticos
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Lenguajes y Sistemas Informáticos e Ingeniería del Software
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

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

Abstract

En la sociedad actual los temas medioambientales han tomado un gran protagonismo y tanto los ciudadanos como las empresas están concienciándose de la importancia que tienen la sostenibilidad ambiental, económica y social para el futuro de nuestro planeta. Las empresas están destinando cada día más recursos e inversiones para analizar, investigar y optimizar sus procesos productivos, con el objetivo de reducir sus emisiones contaminantes y mejorar la calidad de sus sistemas. La Refinería La Teja, perteneciente a la empresa petrolífera ANCAP, se planteó optimizar algunos de sus procesos para generar soluciones con Machine Learning [1] . Este TFG surge para ofrecer soluciones que mejoren esos procesos con dos objetivos fundamentales: el control de calidad para mejorar los componentes de la gasolina y la producción de contenidos de butano C4. Para ello se han realizado una estimación y análisis de diversas variables, utilizando estadística y herramientas de predicción que ofrecen un perfeccionamiento de los sistemas productivos. En este TFG se proponen 4 tipos diferentes de modelos predictivos que permitan calcular los valores de C4 que se emitan durante el proceso de refinado. Estos modelos se basan en la familia de modelos predictivos para series temporales ARIMA, y se han elegido tras un estudio exhaustivo de los datos obtenidos por diferentes sensores situados en puntos estratégicos del proceso. Al final del trabajo se valoran las precisiones de cada uno de los modelos frente a otros, y se concluye cuál es el más indicado de utilizar dados los datos.---ABSTRACT---Nowadays, environmental topics have taken more spotlight, and both citizens and companies have been taking conscience over the importance of sustainability for the sake of our planet. Companies are investing in more resources to analyse, investigate and optimize their productive procedures, with the goal of reducing their polluting emissions and improving their systems qualities. La Teja Refinery, who works under gas company ANCAP, proposed the optimization of some of the procedures using Machine Learning solutions. This Final Project was created to offer solutions for improving these procedures with two main objectives: quality control to improve gas components and the production of C4 butane components . For this reason, we estimated and analysed different variables, using statistics and prediction tools that provide an improvement in the productive procedures. In this Final Project it is proposed 4 different types of predictive models that allow to calculate C4 values emitted during refinement process. This models are based in predictive models designed for timeseries ARIMA, and they have been choose after an exhaustive study of the data obtained by different sensors placed in strategic points of the process. At the end of the project, the accuracy of each the models is tested, and finally the most precise and efficient is chose.

More information

Item ID: 71329
DC Identifier: https://oa.upm.es/71329/
OAI Identifier: oai:oa.upm.es:71329
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 24 Jul 2022 09:47
Last Modified: 24 Jul 2022 09:47
  • 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