Aplicación de técnicas de minería de datos para el análisis y clasificación de información producida durante inspecciones de líneas de transporte de hidrocarburos
Cite
Share this
Date
2013Other contributors
Advisor
Metadata
Show full item recordDocuments PDF
Abstract
Este trabajo presenta un modelo que implementa técnicas de aprendizaje de máquina para reconocer juntas de soldaduras y válvulas en tuberías que transportan hidrocarburos a partir de señales obtenidas por medio de una herramienta de inspección inteligente. El modelo utiliza en principio una fase de reducción de ruido de la señal por medio algoritmos de pre-procesamiento, técnicas de selección de atributos y análisis por componentes principales. Las técnicas de reducción de ruido fueron seleccionadas después de realizar una revisión bibliográfica y de algunas pruebas con los datos de estudio. Posteriormente, el modelo fue entrenado con datos de una inspección inteligente perteneciente a un gasoducto colombiano, usando algoritmos de reconocimiento y clasificación específicamente redes neuronales artificiales y máquinas de soporte vectorial. Luego, el modelo entrenado fue validado con conjuntos diferentes de datos y se determinó su rendimiento por medio de validación cruzada y curvas ROC. Los resultados obtenidos demuestran que es posible identificar de manera automática las soldaduras con una eficiencia entre el 90 al 95 por ciento y válvulas con una eficiencia entre el 82 y 93 porciento
Lemb keywords
Minería de datos; Hidrocarburos; Ingeniería de sistemas; Gestión de software; Aplicación de software; Desarrollo de software; Nuevas tecnologías; Investigaciones; EnseñanzaKeywords
Analysis of data; Smart inspection; Transport line; Pattern recognition; Data mining; Hydrocarbons; Systems engineer; Software management; Software application; Software development; New technologies; Research; Teaching
Comments