Análisis del comportamiento de la planta piloto del Laboratorio de Automática de la Universidad Autónoma de Occidente mediante técnicas de aprendizaje automático

Abstract

En este trabajo se encuentra el desarrollo de un análisis de datos de una planta piloto basado en técnicas de inteligencia artificial. Podemos encontrar todo el proceso de realización de este proyecto iniciando por la caracterización de la planta y sistemas industriales implicados en el proceso, la realización de captura de datos mediante un PLC S71200 y software elaborado para la creación de un dataset con la información proveniente de la planta con el cual se realizó el análisis del comportamiento del sistema previamente caracterizado. También se podrá encontrar el diseño y la ejecución de distintos métodos de machine learning para cumplir con el propósito del proyecto en los cuales los entrenamientos arrojaron resultados de precisión mayores al 80%. Por último, se realiza una selección del método más apto para los experimentos de validación realizados, se podrá observar que el método final tendrá una precisión en el aprendizaje mayor al 90%, el cual se valida en tiempo real. También se realizó la conexión entre los software Spyder (Python) y TIA Portal mediante la configuración de cliente y servidor con la que se recopilaron y trataron los datos obtenidos y almacenados.

This work is based on the development of a data analysis of a pilot plant based on artificial intelligence techniques. We can find the entire process of carrying out this project starting with the characterization of the plant and industrial systems involved in the process, the realization of data capture through a PLC S71200 and software developed for the creation of a dataset with the information from the plant with which the analysis of the behavior of the previously characterized system was carried out. You can also find the design and execution of different machine learning methods to fulfill the purpose of the project in which the trainings yielded accuracy results greater than 80%. Finally, a selection of the most suitable method for the validation experiments carried out is made, it will be observed that the final method will have an accuracy in learning greater than 90%, which is validated in real time. The connection between Spyder (Python) and TIA Portal software was also made through a client-server configuration with which the data could be obtained and stored for the processing