Tesis doctoral de Miguel ángel Prada Medrano
La extracción de conocimiento a partir de grandes volúmenes de datos se presenta como una opción eficaz en el ámbito del análisis y supervisión de los procesos industriales. El mapa auto-organizado (som) es un método útil para este propósito, pues permite proyectar, de un modo no supervisado, la información más significativa que se encuentra disponible en un conjunto de datos sobre un espacio de baja dimensión ordenado. Su capacidad para resumir los datos de entrada y preservar su estructura es útil para la creación de modelos locales o la definición de mapas interpretables de un modo consistente. Sus aplicaciones en el área de los procesos industriales se han centrado, hasta el momento, fundamentalmente en características estáticas. No obstante, en el análisis y supervisión de procesos, el conocimiento del comportamiento dinámico resulta clave. puesto que el mapa auto-organizado es útil como infraestructura para el modelado dinámico mediante agrupación de modelos locales, en esta tesis se comparan diversas modificaciones del som, originalmente propuestas para mejorar su procesamiento temporal, con el objetivo de evaluar su potencial para este propósito. Se utilizan cinco algoritmos representativos de las diferentes estrategias para introducir contexto temporal en el aprendizaje de la red. Estos algoritmos son el som con aprendizaje dinámico, el som recurrente, sardnet, merge som y somtad. También se compara el ajuste de los modelos por medio de los vectores prototipo del som con el ajuste por medio de los vectores de entrada asociados a cada región local, de acuerdo al espacio de salida de la red. La capacidad de reconstrucción de la dinámica se compara por medio del error de predicción n pasos adelante y de la preservación de los invariantes dinámicos. la evaluación de estos algoritmos permite reconocer pautas para la correcta selección de los métodos a utilizar e indicios sobre los aspectos clave a considerar para definir nuevos algoritmos. Las modificaciones que incorporan difusión de la actividad, recursividad o regulación del aprendizaje en función del error de predicción proporcionan, en general, mejores resultados que el algoritmo clásico. Por otra parte, el ajuste por medio de los vectores de las regiones de voronoi proporciona una mejor reconstrucción de la dinámica. con el objetivo, de nuevo, de extraer conocimiento acerca de la dinámica de procesos industriales, también se propone aprovechar la naturaleza eminentemente visual de la red som para definir mapas de visualización que permitan representar, en todo el rango de operación, características dinámicas relacionadas con dos tareas comúnmente realizadas por los ingenieros de control: el análisis de la respuesta temporal de sistemas monovariable y el análisis del acoplamiento entre lazos y las dificultades de control en sistemas multivariable. Por ello, en el primer caso, se definen mapas que permitan relacionar comportamientos dinámicos específicos expresados en términos habituales (ganancia, tiempo de establecimiento, coeficiente de amortiguamiento, etc.) Con regiones o conjuntos de puntos de funcionamiento, de un modo global e intuitivo. En el segundo caso, mediante mapas de ganancias relativas, valores y vectores singulares, número de condición y ceros multivariable, se busca reconocer las dificultades en el control y el acoplamiento entre variables en este tipo de sistemas. los mapas permiten descubrir, ampliar o confirmar conocimientos acerca del sistema, abarcando todo el rango de operación. Debido a su consistencia, tanto entre sí como con respecto a otros mapas previamente definidos, resultan una herramienta útil para comparar visualmente el comportamiento de características dinámicas o relacionarlas visualmente con las variables de su punto de funcionamiento.
Datos académicos de la tesis doctoral «Técnicas de extracción del conocimiento basadas en data mining visual para la supervisión de procesos industriales. análisis de la dinámica basado en mapas auto-organizados.«
- Título de la tesis: Técnicas de extracción del conocimiento basadas en data mining visual para la supervisión de procesos industriales. análisis de la dinámica basado en mapas auto-organizados.
- Autor: Miguel ángel Prada Medrano
- Universidad: León
- Fecha de lectura de la tesis: 16/06/2009
Dirección y tribunal
- Director de la tesis
- Manuel Dominguez Gonzalez
- Tribunal
- Presidente del tribunal: sebastián Dormido bencomo
- ignacio Diaz blanco (vocal)
- Manuel Ruiz arahal (vocal)
- José Luis Guzmán sánchez (vocal)