Doctorado en Ingeniería con mención en Automatización, Control y Optimización de Procesos - Tesis

Permanent URI for this collection

http://hdl.handle.net/11042/836

Browse

Now showing 1 - 11 of 11

Estudio de la espectroscopía dieléctrica para la medición del contenido de humedad en productos alimenticios
(Universidad de Piura, 2018-06-28) Rodríguez Arisméndiz, Rodolfo; Ipanaqué Alama, William
La tesis estudia los principios electromagnéticos en los que se basa la espectroscopia dieléctrica (ED) como técnica no invasiva para la medición indirecta del contenido de humedad (CH) de sustancias sólidas no conductoras. El objetivo es innovar los métodos de medición y control del CH en algunos procesos industriales de la región y del país. Por lo que, se expone el desarrollo de las técnicas indirectas de medición del CH, especialmente, aquellas basadas en los principios electromagnéticos. En tanto, se da énfasis al estudio de los principios electromagnéticos de la técnica de ED aplicada a la medición del CH de productos en polvo o granulados. Esta técnica se basa en la trasmisión y recepción de radiofrecuencia (microondas) para determinar instantáneamente la constante dieléctrica (CD) del producto como una medida indirecta de su CH. Asimismo, se describe la implementación, en la Universidad de Piura, de un prototipo de la técnica de ED para realizar pruebas de laboratorio, el mismo que fue aplicado al proceso de elaboración de harina de pescado. Finalmente, se propone extender la aplicación de esta técnica de medición al proceso de transformación de productos de la agroindustria regional como café y cacao.
Modelación de un proceso de secado de cacao utilizando una cámara rotatoria cilíndrica y flujo de aire caliente
(Universidad de Piura, 2018-06-28) Parra Rosero, Pablo; Ipanaqué Alama, William
La tesis analiza una técnica alternativa para el secado de cacao, planteándose un secador forzado o artificial. De este modo, se propone utilizar una cámara de secado rotatoria y cilíndrica, con un generador de aire caliente para producir el secado por efecto de la transferencia de calor por convección. La investigación cubre aspectos como el dimensionamiento de la planta piloto, implementación, modelado matemático, validación del modelo, identificación y aplicación de varios algoritmos de control. Luego de realizar varias pruebas de funcionamiento, y experimentar con diferentes ajustes sobre la estructura de la planta piloto, se ha logrado secar cacao de acuerdo a los objetivos planteados, esto es, disminuir la humedad del grano hasta alcanzar niveles de alrededor del 7 u 8 %. La investigación sostiene que uno de los aspectos más relevantes en el proceso de secado es la etapa previa de la fermentación del grano. La tecnificación de la fermentación del cacao es un tema pendiente para posteriores investigaciones, de tal modo que faciliten la operación posterior de secado.
Prevención y detección temprana de glaucoma a través del procesamiento digital de imágenes del fondo del ojo humano y de la variación de la presión intraocular y su correlación con el espesor central de la córnea
(Universidad de Piura, 2020-07-13) Pinos Vélez, Eduardo Guillermo; Ipanaqué Alama, William
La tesis tiene tiene por objetivo estudiar el glaucoma, analizando las posibles causas que generan esta enfermedad, pero de manera especial busca encontrar y proponer sistemas de soporte para el especialista, con el fin de que pueda emitir un diagnóstico presuntivo de detección temprana de esta enfermedad. Para lo cual, se aplican métodos de procesamiento de imágenes del fondo del ojo humano, especialmente, en la relación copa-disco y regla ISNT, desarrollando una herramienta de soporte para el especialista y así determinar la presencia o no de dicha enfermedad. Los resultados son comparados con los resultados de equipos altamente costosos y sofisticados, en donde el acceso para la población ecuatoriana se restringe, volviéndolo en muchos casos inaccesible. Asimismo, se aplicaron algoritmos para el diagnóstico presuntivo del glaucoma mediante la simulación y planteamientos de modelos matemáticos, el análisis del daño producido por el aumento de la presión intraocular en el nervio óptico, así como la afección del grosor central de la córnea. Finalmente, se determina un margen de error absoluto hasta del 4.5%, donde la sensibilidad y especificidad comprueban el correcto funcionamiento de este planteamiento, al detectar tempranamente la presencia de esta enfermedad, que es la segunda causa de ceguera y la primera causa de ceguera irreversible a nivel mundial.
Modelación numérica del proceso de transferencia de calor en intercambiadores de calor abiertos utilizados en la industria panelera
(Universidad de Piura, 2022-02-24) La Madrid Olivares, Raúl; Marcelo Aldana, Mario Daniel
La tesis tiene como objetivo la determinación del proceso transferencia de calor de todas las pailas involucradas en la elaboración de panela del módulo de Santa Rosa de Chonta, ubicada en el distrito de Montero, provincia de Ayabaca (Piura, Perú). Para esto, se utilizaron las herramientas y técnicas de la dinámica de los fluidos computacional, de manera de obtener con mayor nivel de sofisticación y precisión los parámetros que involucran el proceso de transferencia de energía térmica. El trabajo se valida utilizando datos experimentales de un módulo de producción de azúcar orgánica que cuenta con cinco intercambiadores (una paila semicilíndrica, dos semicilíndricas y dos aleteadas). Los resultados de las mediciones de campo se utilizarán como datos de ingreso para el modelo numérico. De este modo, se determinaron los coeficientes de transferencia de calor, tanto del lado de los gases de combustión como del jugo de caña de azúcar, para los diversos parámetros de velocidad y temperatura de los gases. En particular, se determinó que en el caso del tren de pailas, la radiación térmica juega un rol preponderante en la trasferencia de la energía térmica total, mientras que la convección no ejerce influencia significativa en el proceso de transferencia de calor total.
Metodología para la detección de contactos en imágenes de radar de superficie aplicando redes neuronales convolucionales
(Universidad de Piura, 2022-09-07) Gonzales Martínez, Rosa Peregrina; Chinguel Arrese, César Alberto
El objetivo de la tesis es el diseño de una metodología para la generación de un modelo de detección de contactos en imágenes de radar utilizando redes neuronales convolucionales que permita elevar la detección de contactos y reducir la tasa de falsas alarmas con un alto rendimiento. Con tal fin se preprocesaron y mejoraron las imágenes crudas proporcionadas por la Marina de Guerra del Perú. Seguidamente se diseñó el modelo de detección basado en redes neuronales convolucionales determinando la arquitectura y configuración. Finalmente se entrenó y obtuvo el mejor modelo de detección y evaluó el aprendizaje y rendimiento del modelo de detección. Para el estudio se han utilizado imágenes de un solo sensor bajo el mismo escenario, ubicado en la costa peruana del Callao, Lima. El trabajo se limita a la fase de detección. Las imágenes de radar contienen el reflejo de los objetos que el radar encuentra en su paso o envío de su señal electromagnética, determinando si hay un posible objetivo más que determinar el tipo de embarcación. Se limita el trabajo a la extracción de “plots” es decir a la presencia de posibles objetivos. En una fase subsiguiente denominada “Tracking” se utilizan algoritmos predictivos para ejecutar el seguimiento, minimizar el error y determinar el tipo de objetivo. Posteriormente, el sistema de comando y control se comunicará con diversas armas. Los resultados obtenidos en este trabajo son aplicables a cualquier radar de navegación comercial ubicado en la costa peruana. Se concluye que el modelo de detección con afinamiento de hiperparámetros obtuvo mejor rendimiento que el modelo por defecto. Esto se demuestra en los resultados; alcanzando los valores de 0.945 para Recall y 0.951 en Precisión. Asimismo, el recorte automático facilita la obtención de recortes de objetos que serán etiquetados por el experto. La aplicación del recorte automático está diseñada para discriminar los objetos de acuerdo a características, como la intensidad y dimensiones de pixeles. Asimismo, el recorte automático ha permitido obtener recortes más exactos y en consecuencia ha mejorado el aprendizaje del algoritmo.
Propuesta metodológica para la utilización de las herramientas de inteligencia de negocios en la gestión de operaciones de la pequeña y mediana empresa en el sistema eléctrico peruano
(Universidad de Piura, 2022-11-04) Risco Ramos, Redy; Vásquez Díaz, Edilberto
La tesis tiene como objetivo proponer una metodología para la implementación de soluciones de analítica de datos para la toma de decisiones utilizando la inteligencia de negocios en pequeñas y medianas empresas dedicadas a la generación, distribución o consumo de energía eléctrica en el Perú y convertir sus datos en conocimiento con el fin específico de mejorar la gestión de su suministro eléctrico. Con tal propósito se realiza un análisis situacional de la inteligencia de negocios en las pequeñas y medianas empresas del sector, se propone una metodología factible de aplicar a la realidad nacional y se identifican las limitaciones existentes para la aplicación de la metodología en el sector eléctrico. La metodología aplicable a las empresas objetivo se probó en tres casos de estudio. Como resultado se mostró que con herramientas (hardware y software) accesibles a la pequeña y mediana empresa es posible aplicar la metodología elegida obteniéndose información y conocimiento útil para tomar decisiones operativas y/o comerciales que agreguen valor a las empresas. Se concluye que los casos de estudio desarrollados han mostrado que, con hardware y software accesible a la PYME, se puede seguir la metodología y obtener resultados útiles para la toma de decisiones y no son limitaciones para el desarrollo de estas soluciones. Asimismo, la carencia de capacitación en el mercado laboral de este tipo de conocimiento y la falta de gobernanza de éstos constituye una gran limitación en las empresas PYME del sector eléctrico.
Pronóstico de la demanda internacional del banano orgánico de Perú usando algoritmos de Machine Learning
(Universidad de Piura, 2022-11-16) Almeyda Almeyda, Estefani Marie; Ipanaqué Alama, William
La tesis tiene como objetivo el diseño, entrenamiento, validación y evaluación de diversos modelos predictivos, usando algoritmos de Machine Learning para pronosticar la demanda del banano orgánico de Perú. Para el desarrollo de la investigación, se utiliza los registros oficiales del volumen de exportación (Kg.) de banano orgánico del Perú (Aduanet-Sunat). La investigación cuenta con datos recolectados del total de exportación de banano orgánico peruano recolectadas desde el 2001 al 2020, disponibles en el portal online de Aduanet-Sunat y abarca el diseño, entrenamiento, validación y evaluación de cuatro modelos predictivos, usando algoritmos de redes neuronales recurrentes, tales como: MLP1, RNN2, LSTM3 y GRU4. Se realizaron varios experimentos testeando diferentes arquitecturas de la red neuronal y optimizando sus hiper-parámetros. Posteriormente, se seleccionó el modelo con mejor performance, evaluando la precisión de los valores pronosticados y los valores de la serie temporal original. Como resultado, el modelo entrenado con el algoritmo RNN obtuvo los menores valores de error de predicción (MSE: 0.00147, RMSE: 0.03838, MAE: 0.02885, y MAPE: 2.88516), lo cual demostró ser el modelo predictivo más preciso para realizar el pronóstico de la demanda de banano orgánico de Perú. Se concluye que un total de 60 modelos predictivos, diferentes entre sí, fueron entrenados para pronosticar la exportación de banano orgánico de Perú. El modelado usando Redes Neuronales Recurrentes demostró un mejor proceso de entrenamiento, referente al aprendizaje de la dependencia temporal, la no-linealidad y la estacionalidad de la serie de tiempo, debido a los atributos de las celdas de memoria, las cuales retienen y actualizan información de datos secuenciales. Asimismo, los cuatro modelos entrenados (MLP, RNN, LSTM, y GRU) realizaron el pronóstico de la serie de tiempo con un ligero underfitting (hig bias). Sin embargo, las redes neuronales recurrentes (RNN, LSTM, y GRU) consiguieron mayor precisión en la estimación de la estacionalidad de la serie temporal. Asimismo, la elección del número de neuronas o unidades recurrentes por capa oculta de la red neuronal influyó en el aprendizaje y en la función de perdida (loss). Considerando todos los modelos entrenados, la mejor performance del modelado y el pronóstico de la serie de tiempo fue registrado usando una arquitectura estándar de red neuronal recurrente, con una capa oculta y con sesenta y cuatro unidades recurrentes en la capa oculta.
Diseño de un clasificador para el mantenimiento predictivo de una red de distribución eléctrica utilizando Deep Learning
(Universidad de Piura, 2023-04-25) Perez Aguilar, Daniel Alexis; Chinguel Arrese, César Alberto
La tesis tiene como objetivo proponer alternativas frente a técnicas tradicionales de inteligencia artificial aplicadas al sector eléctrico, con la finalidad de contribuir con el mantenimiento predictivo de equipos eléctricos, específicamente líneas y subestaciones. La metodología plantea la clasificación binaria de imágenes térmicas mediante la comparación de 11 arquitecturas de transfer learning (VGG16, AlexNet, MobileNet v2, VGG19, ResNet, DenseNet, ShuffleNet, GoogLeNet, Wide ResNet, MNASNet y ResNeXt). Se desarrolló una estructura base en la que se fueron realizando pruebas con cada una de ellas, utilizando un set datos de 815 imágenes, además de entrenar a los modelos con dos técnicas: en primer lugar, la separación hold-out (60-20-20) y a continuación una validación cruzada con 5-folds, para posteriormente estudiar el rendimiento de cada arquitectura a través del método estadístico del test de Friedman. Los resultados mostraron que la arquitectura VGG16 obtuvo mejores prestaciones, obteniendo un valor de F1-score del 95.11%. Adicionalmente, como aporte a la investigación, se realizó la detección de objetos con el mismo set de datos, para lo cual, de las 815 imágenes del set de datos original (342 líneas y 473 subestaciones eléctricas), se obtuvieron únicamente 138 imágenes con puntos calientes (22 líneas y 116 subestaciones), por lo que se decidió trabajar exclusivamente con las subestaciones eléctricas, a las cuales se les aplicó técnicas de data augmentation y transfer learning. Se analizó y aplicó el algoritmo YOLO y sus distintas variaciones (1 experimento con YOLOv4, 16 experimentos con YOLOv5 small, 16 con YOLOv5 medium, 16 con YOLOv5 large y 16 con YOLOv5 extra-large), obteniendo porcentajes de precisión de 81.99% con YOLOv5m. Ambos resultados son un claro indicio de que el uso de técnicas no tradicionales de inteligencia artificial representa una alternativa fiable en la clasificación y detección de objetos en imágenes térmicas aplicadas al sector eléctrico.
Modelación y diseño de un sistema de control automático para tratamiento DIC en un proceso de secado
(Universidad de Piura, 2023-04-28) Casaverde Pacherrez, Luis Alberto; Vásquez Díaz, Edilberto
La tesis tiene como objetivo realizar un estudio de la tecnología de descompresión instantánea controlada (DIC) con la finalidad de desarrollar un modelo matemático que represente la realidad del proceso y posteriormente, se diseña y propone una estrategia de control adecuada a las características del proceso. En esta metodología se ha llegado a modelar el proceso DIC, considerando dos tipos de geometría; cilíndrica y cúbica, por medio de los procesos de transferencia de materia y energía, utilizando el método de diferencias finitas, para lo cual se ha utilizado el software de Matlab. Además, se ha validado el modelo y se ha logrado establecer que la mejor estrategia de control, es la de un controlador NLMPC, es decir un control predictivo no lineal, en base a una comparación con un sistema PID. Al respecto se ha simulado la planta y se controla la temperatura del producto durante el proceso DIC. El trabajo de investigación permitirá mejorar el desempeño de los procesos de deshidratado de frutas y por ende la calidad de los productos, para lo cual, considera desarrollar un modelamiento del proceso de secado; considerando los procesos de transferencia de materia y energía, y posteriormente desarrollar un sistema de control para el proceso de descompresión instantánea controlada (DIC). Se concluye que el modelo matemático formulado ayuda a entender el tratamiento DIC desde un punto de vista termodinámico, discretizando el proceso físico en pequeños tiempos y aplicando los balances de energía y masa para comprender los cambios de temperatura y contenido de humedad durante cada etapa del proceso. Asimismo, la modelación de procesos como el secado se tornan complejos al intentar reproducir la ocurrencia de mecanismos internos como son la transferencia de materia y energía en forma tridimensional.
Modelación y control de sistema de refrigeración en una planta experimental
(Universidad de Piura, 2023-05-09) Manrique Silupú, José José; Ipanaqué Alama, William
La tesis tiene como objetivo desarrollar una estrategia de control avanzado que permita realizar un adecuado enfriamiento y, a la vez, optimizar el consumo de energía eléctrico en comparación a los controles clásicos. Para ello, se propone el desarrollo de un modelo matemático del proceso de refrigeración por compresión de vapor, basado en ecuaciones de primeros principios y, además utilizando data experimental, que represente de forma aceptable la dinámica del proceso de enfriamiento. Por otro lado, a partir de los modelos obtenidos se han diseñado diferentes estrategias de control, como el control clásico PID y estrategias de control avanzado como el Generalized Predictive Control (GPC) y Model Predictive Control (MPC) con variables de estados. Las técnicas de control han sido implementadas en una planta experimental del Laboratorio de Sistemas Automático de Control (campus Piura de la Universidad de Piura) en tiempo real, con lo cual, se observa que las metodologías de control avanzado ofrecen mejor performance en el seguimiento de temperatura y del comportamiento de las variables manipulables que favorecen un menor desgaste del compresor. De esta forma, el algoritmo de control desarrollado busca favorecer a las pequeñas y medianas empresas, así como también a asociaciones de productores que cuentan con cámaras de refrigeración en sus instalaciones. Cabe mencionar que el sistema de refrigeración es una de las principales fuentes de consumo energético en una industria que cuenta con cadena de frío para la conservación de sus productos.
Propuesta de una plataforma de agricultura inteligente basada en IoT para el monitoreo de las condiciones climáticas del cultivo de banano
(Universidad de Piura, 2023-07-25) Belupú Amaya, César Iván; Ipanaqué Alama, William
La tesis tiene como objetivo investigar las nuevas tecnologías de IoT, usar sensores remotos para tomar datos climáticos importantes en el monitoreo de una plantación de banano, transmitirlos a través de redes inalámbricas de largo alcance diseñadas para grandes áreas de cultivo y complementarlos con modelos matemáticos y algoritmos de inteligencia artificial para evaluar su comportamiento, se plantea que el estudio contribuya a una solución integrada de Internet de las cosas para mejorar la gestión y supervisión de este cultivo. En esta investigación, se propone una arquitectura para recolectar y transmitir datos referentes a las variables de clima y suelo de mayor impacto en el crecimiento, mantenimiento, cosecha del cultivo. Esta arquitectura fue planeada tomando en cuenta los principales obstáculos energéticos y de comunicación que existen en las zonas rurales de la región de Piura en el norte del Perú. Los datos climáticos se recolectaron de diferentes fuentes locales para lograr proyecciones de crecimiento como el cálculo de los grados día de desarrollo para estimar los períodos de floración y cosecha, la tasa potencial de emisión de hojas y la tasa potencial de crecimiento del racimo. Estos datos se almacenan en diferentes bases de datos optimizadas para trabajar con grandes volúmenes de información. Con esto se logró un sistema de soporte de decisiones (Decision Support Systems, DSS) desarrollado con herramientas de código abierto. El DSS incluye adquisición remota de datos de diferentes estaciones meteorológicas a través de APIS o conexión inalámbrica con nuevos protocolos para IoT como LoRaWAN. La información climática también se relacionó con el comportamiento de plagas que afectan al cultivo de banano. Este trabajo presenta una propuesta de modelo basado Machine Learning para relacionar la información climática con el crecimiento de la población de trips en una parcela de banano. Para esto se desarrolló un sistema de adquisición de datos meteorológicos y una aplicación web para el registro y control de la plaga. Con estos datos se construyó un conjunto de datos de entrada para el modelo, al que se aplicaron técnicas de preprocesamiento como el PCA (Análisis de Componentes Principales) para reducir la dimensionalidad de la matriz y preservar la mayor información posible. Finalmente, se probaron diferentes algoritmos de aprendizaje automático tomando los componentes PCA resultantes como entrada para predecir la evolución poblacional de los trips en la parcela. Una red neuronal multicapa fue el modelo que obtuvo los mejores resultados con una puntuación F1 del 82,3%.

Browse

Browsing Doctorado en Ingeniería con mención en Automatización, Control y Optimización de Procesos - Tesis by Issue Date

Results Per Page

Sort Options