Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos
RESUMEN : Este trabajo aborda la problemática de una empresa de productos lácteos relacionada con penalizaciones por la generación de energía reactiva. Para contribuir a su solución, se implementaron modelos de Machine Learning, incluyendo SARIMAX, LSTM, y Redes Neuronales Recurrentes (RNNs). Además...
- Autores:
-
Causil Martínez, Javier Andrés
Borja Góez, Yohiner Andrés
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2024
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/44563
- Acceso en línea:
- https://hdl.handle.net/10495/44563
- Palabra clave:
- Aprendizaje automático (inteligencia artificial)
Machine learning
Redes neurales (computadores)
Neural networks (Computer science)
Producto lácteo
Milk products
http://aims.fao.org/aos/agrovoc/c_4830
- Rights
- openAccess
- License
- https://creativecommons.org/licenses/by-nc-sa/4.0/
| id |
UDEA2_7103a125ba0afacecda8064f79595ab1 |
|---|---|
| oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/44563 |
| network_acronym_str |
UDEA2 |
| network_name_str |
Repositorio UdeA |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos |
| title |
Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos |
| spellingShingle |
Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos Aprendizaje automático (inteligencia artificial) Machine learning Redes neurales (computadores) Neural networks (Computer science) Producto lácteo Milk products http://aims.fao.org/aos/agrovoc/c_4830 |
| title_short |
Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos |
| title_full |
Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos |
| title_fullStr |
Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos |
| title_full_unstemmed |
Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos |
| title_sort |
Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteos |
| dc.creator.fl_str_mv |
Causil Martínez, Javier Andrés Borja Góez, Yohiner Andrés |
| dc.contributor.advisor.none.fl_str_mv |
Uribe Guerra, Gabriel Darío |
| dc.contributor.author.none.fl_str_mv |
Causil Martínez, Javier Andrés Borja Góez, Yohiner Andrés |
| dc.subject.lemb.none.fl_str_mv |
Aprendizaje automático (inteligencia artificial) Machine learning Redes neurales (computadores) Neural networks (Computer science) |
| topic |
Aprendizaje automático (inteligencia artificial) Machine learning Redes neurales (computadores) Neural networks (Computer science) Producto lácteo Milk products http://aims.fao.org/aos/agrovoc/c_4830 |
| dc.subject.agrovoc.none.fl_str_mv |
Producto lácteo Milk products |
| dc.subject.agrovocuri.none.fl_str_mv |
http://aims.fao.org/aos/agrovoc/c_4830 |
| description |
RESUMEN : Este trabajo aborda la problemática de una empresa de productos lácteos relacionada con penalizaciones por la generación de energía reactiva. Para contribuir a su solución, se implementaron modelos de Machine Learning, incluyendo SARIMAX, LSTM, y Redes Neuronales Recurrentes (RNNs). Además, se utilizó un modelo no supervisado K-Means para identificar patrones en los días y horas según la generación de energía reactiva inductiva. Los resultados de las métricas de desempeño destacaron a la LSTM como el modelo más preciso para la predicción, mientras que el análisis con K-Means permitió identificar periodos específicos de alta generación de energía reactiva, proporcionando información valiosa para la optimización del consumo energético. |
| publishDate |
2024 |
| dc.date.issued.none.fl_str_mv |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2025-01-30T15:34:28Z |
| dc.date.available.none.fl_str_mv |
2025-01-30T15:34:28Z |
| dc.type.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/COther |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/other |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/draft |
| format |
http://purl.org/coar/resource_type/c_46ec |
| status_str |
draft |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/10495/44563 |
| url |
https://hdl.handle.net/10495/44563 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
37 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad de Antioquia |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería. Especialización en Analítica y Ciencia de Datos |
| institution |
Universidad de Antioquia |
| bitstream.url.fl_str_mv |
https://bibliotecadigital.udea.edu.co/bitstreams/93898b12-866d-46e8-b00f-2b96d2062ff4/download https://bibliotecadigital.udea.edu.co/bitstreams/665063e8-7912-403b-ac88-b6f6feeeadbe/download https://bibliotecadigital.udea.edu.co/bitstreams/6ec7f791-612b-407b-a5c9-56c205092aa6/download https://bibliotecadigital.udea.edu.co/bitstreams/95799d73-c86b-4203-b5c1-1f35ab97c25f/download |
| bitstream.checksum.fl_str_mv |
75cc1be1d9902f404325b88a98c39645 8a4605be74aa9ea9d79846c1fba20a33 c904b3140c2259e12934ad4626078bd8 77187076a33c4476a2e33ab712dd4f99 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional de la Universidad de Antioquia |
| repository.mail.fl_str_mv |
aplicacionbibliotecadigitalbiblioteca@udea.edu.co |
| _version_ |
1851052347362377728 |
| spelling |
Uribe Guerra, Gabriel DaríoCausil Martínez, Javier AndrésBorja Góez, Yohiner Andrés2025-01-30T15:34:28Z2025-01-30T15:34:28Z2024https://hdl.handle.net/10495/44563RESUMEN : Este trabajo aborda la problemática de una empresa de productos lácteos relacionada con penalizaciones por la generación de energía reactiva. Para contribuir a su solución, se implementaron modelos de Machine Learning, incluyendo SARIMAX, LSTM, y Redes Neuronales Recurrentes (RNNs). Además, se utilizó un modelo no supervisado K-Means para identificar patrones en los días y horas según la generación de energía reactiva inductiva. Los resultados de las métricas de desempeño destacaron a la LSTM como el modelo más preciso para la predicción, mientras que el análisis con K-Means permitió identificar periodos específicos de alta generación de energía reactiva, proporcionando información valiosa para la optimización del consumo energético.EspecializaciónEspecialista en Analítica y Ciencia de Datos37 páginasapplication/pdfspaUniversidad de AntioquiaMedellín, ColombiaFacultad de Ingeniería. Especialización en Analítica y Ciencia de Datoshttps://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Predicción y análisis de patrones de generación de energía reactiva en una planta de productos lácteosTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/otherinfo:eu-repo/semantics/draftAprendizaje automático (inteligencia artificial)Machine learningRedes neurales (computadores)Neural networks (Computer science)Producto lácteoMilk productshttp://aims.fao.org/aos/agrovoc/c_4830PublicationORIGINALCausilJavier_BorjaYohiner_2024_PrediciónEnergíaReactiva.pdfCausilJavier_BorjaYohiner_2024_PrediciónEnergíaReactiva.pdfTrabajo de grado de especializaciónapplication/pdf2234485https://bibliotecadigital.udea.edu.co/bitstreams/93898b12-866d-46e8-b00f-2b96d2062ff4/download75cc1be1d9902f404325b88a98c39645MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstreams/665063e8-7912-403b-ac88-b6f6feeeadbe/download8a4605be74aa9ea9d79846c1fba20a33MD53falseAnonymousREADTEXTCausilJavier_BorjaYohiner_2024_PrediciónEnergíaReactiva.pdf.txtCausilJavier_BorjaYohiner_2024_PrediciónEnergíaReactiva.pdf.txtExtracted texttext/plain52028https://bibliotecadigital.udea.edu.co/bitstreams/6ec7f791-612b-407b-a5c9-56c205092aa6/downloadc904b3140c2259e12934ad4626078bd8MD54falseAnonymousREADTHUMBNAILCausilJavier_BorjaYohiner_2024_PrediciónEnergíaReactiva.pdf.jpgCausilJavier_BorjaYohiner_2024_PrediciónEnergíaReactiva.pdf.jpgGenerated Thumbnailimage/jpeg5849https://bibliotecadigital.udea.edu.co/bitstreams/95799d73-c86b-4203-b5c1-1f35ab97c25f/download77187076a33c4476a2e33ab712dd4f99MD55falseAnonymousREAD10495/44563oai:bibliotecadigital.udea.edu.co:10495/445632025-03-26 20:55:50.331https://creativecommons.org/licenses/by-nc-sa/4.0/open.accesshttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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 |