Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/55585
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorLópez López, Álvaro Jesúses-ES
dc.contributor.advisorGaitán Poyatos, Carloses-ES
dc.contributor.authorGarcía Domínguez, Andréses-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2021-05-04T10:59:47Z-
dc.date.available2021-05-04T10:59:47Z-
dc.date.issued2021es_ES
dc.identifier.urihttp://hdl.handle.net/11531/55585-
dc.descriptionMáster Universitario en Ingeniería Industrial + Máster en Industria Conectada / in Smart Industryes_ES
dc.description.abstractEn colaboración con la Cátedra de Industria Conectada (CIC), este trabajo ha llevado a cabo un trabajo extensivo de visualización descriptiva y analítica profunda a partir de las variables operativas de los Centros de Transformación de la ciudad de Málaga, desplegando una aplicación interactiva, ágil, multiplataforma y en como servicio web que extrae información de valor añadido sobre la agregación de datos y descomposición desgranada de ellos a partir de los requerimientos del usuario. El resultado principal ha sido la creación, desarrollo, expansión y puesta a prueba de la aplicación de cuadro de mando online basada en el framework Plotly, que permite la visualización temporal de datos bajo mapa de calor, histograma y diagrama de línea, así como ejecución en tiempo real del análisis profundo mediante técnicas de reducción de dimensionalidad sobre un espacio latente reducido tridimensional, seguido de una posterior detección de valores anómalos con la ayuda de los algoritmos PCA y DBSCAN, escogidos según una comparativa de validación cruzada y prueba frente a otros modelos rivales, exponiéndose para cada uno sus beneficios y riesgos. Los resultados son concluyentes: la herramienta es soportada en dispositivos de escritorio o móviles, es holística frente al tipo de dato, contexto o sistema operativo y goza de prestaciones a la altura de las circunstancias, en particular una latencia inferior al segundo, interfaz intuitiva según la experiencia de usuario y ofrece respuesta a retos especialmente presentes en compañías tecnológicas de nuestro tiempo. De cara al ente colaborador, el CIC, el proyecto se halla en un punto dulce a partir del cual es posible explotar diversos y múltiples proyectos de alcance similar.es-ES
dc.description.abstractIn collaboration with the Chair for Connected Industry (CIC), this work has carried out an extensive project consisting of a descriptive visualization tool and deep analytical study over the operational variables of the Transformer Stations of the city of Malaga during 2019 – 2020 period, deploying an interactive, agile, multiplatform and web-based application that extracts value-added knowledge on the aggregation of data or deep-diving decomposition of these following user's requirements. The main result has been the creation, development, scale-up and testing of the online dashboard application based on the Plotly framework, which allows the temporal visualization of data under heat map, histogram and line diagram, as well as the real-time execution of deep analysis using dimensionality reduction techniques on a three-dimensional reduced latent space, followed by subsequent outlier detection with the help of PCA and DBSCAN algorithms, selected according to the comparative results on cross-validation and testing dataset, competing with other rival models, with their benefits and risks exposed for each one. The results are conclusive: the tool is supported on desktop and mobile devices, is holistic with respect to data type, context or used operating system, and offers features that are up to the task, in particular sub-second latency, an intuitive interface according to the user experience, and provides an answer to challenges that are particularly present in today's technology companies. With regard to the collaborating partner, CIC, the project is in a sweet spot from which it is possible to exploit various and multiple projects of similar scope.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoen-GBes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject33 Ciencias tecnológicaes_ES
dc.subject3307 Tecnología electrónicaes_ES
dc.subject3322 Tecnología energéticaes_ES
dc.subject.otherH62-electronica (MII-N)es_ES
dc.titleMonitorización inteligente y análisis de aprendizaje no supervisado aplicados sobre variables de la red eléctricaes_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/closedAccesses_ES
dc.keywordsAplicación Dash; Reducción dimensional; Detección de Valores Anómalos; Cuadro de Mandoes-ES
dc.keywordsDash Application; Dimensionality Reduction; Outlier Detection; Dashboarden-GB
Aparece en las colecciones: H62-Trabajos Fin de Máster

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TFM-GarciaDominguezAndres.pdfTrabajo Fin de Máster6,09 MBAdobe PDFVista previa
Visualizar/Abrir
Anexo_I_TFM_GarciaDominguezAndres.pdfAutorización96,81 kBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.