Análisis en Tiempo Real de Datos Industriales Utilizando el Método de Agrupamiento Espacial Basado en Densidad Jerárquico No Supervisado de Aplicaciones con Ruido en el Monitoreo del Proceso de Soldadura en una Celda Robótica
Autores: Blachowicz, Tomasz; Wylezek, Jacek; Sokol, Zbigniew; Bondel, Marcin
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Análisis en Tiempo Real de Datos Industriales Utilizando el Método de Agrupamiento Espacial Basado en Densidad Jerárquico No Supervisado de Aplicaciones con Ruido en el Monitoreo del Proceso de Soldadura en una Celda Robótica
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Aprendizaje automático
Entornos industriales
Potencia computacional
Proceso de soldadura
Algoritmo HDBSCAN
Datos en tiempo real.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La aplicación de métodos modernos de aprendizaje automático en entornos industriales es un desafío relativamente nuevo y se encuentra en las primeras etapas de desarrollo. La potencia computacional actual permite el procesamiento de una gran cantidad de parámetros de producción en tiempo real. Este artículo presenta un análisis práctico del proceso de soldadura en una celda robótica utilizando el algoritmo de aprendizaje automático HDBSCAN no supervisado, destacando sus ventajas sobre el algoritmo clásico k-means. Este trabajo también aborda el problema de predecir y monitorear situaciones indeseables y propone el uso de la representación gráfica en tiempo real de datos ruidosos como una solución particularmente efectiva para gestionar tales problemas.
Descripción
La aplicación de métodos modernos de aprendizaje automático en entornos industriales es un desafío relativamente nuevo y se encuentra en las primeras etapas de desarrollo. La potencia computacional actual permite el procesamiento de una gran cantidad de parámetros de producción en tiempo real. Este artículo presenta un análisis práctico del proceso de soldadura en una celda robótica utilizando el algoritmo de aprendizaje automático HDBSCAN no supervisado, destacando sus ventajas sobre el algoritmo clásico k-means. Este trabajo también aborda el problema de predecir y monitorear situaciones indeseables y propone el uso de la representación gráfica en tiempo real de datos ruidosos como una solución particularmente efectiva para gestionar tales problemas.