“Técnicas de data mining visual para el modelado y monitorización de procesos industriales complejos mediante el enfoque de reducción de la dimensión”, referencia: DPI2002-01599.

Entidad financiadora: Ministerio de Ciencia y Tecnología, Programa Nacional de I+D orientada, Programa Nacional de Diseño y Producción Industrial.

Entidades participantes: Universidad de Oviedo.

Duración: Diciembre de 2002-Diciembre de 2005.

Investigador responsable: Ignacio Díaz Blanco.

Resumen y objetivos:

Muchos procesos industriales son de naturaleza compleja: se trata de procesos con muchas variables (decenas o cientos), fuertemente acopladas entre sí y cuyas relaciones son parcial o totalmente desconocidas. El abaratamiento en los últimos años de las tecnologías de captura y almacenamiento de datos, procedentes de sensores y computadores de proceso, ha hecho viable la creación de enormes bases de datos, las cuales contienen toda o gran parte de la información del proceso considerada relevante. Por otra parte, a menudo se dispone de un conocimiento previo, emanado de la experiencia y el estado del arte, que viene dado en forma de reglas, más o menos precisas, o en forma de modelos teóricos. Nos enfrentamos, por tanto, a fuentes de conocimiento heterogéneas sobre el mismo proceso (datos y conocimiento previo) que es preciso conectar.

Recientemente ha venido surgiendo un creciente interés por el enfoque de las técnicas de visualización de datos multidimensionales. Un enfoque para la visualización de datos multidimensionales consiste en generar proyecciones (o mapas) de reducción de la dimensión, que proyectan de forma continua puntos del espacio de los datos sobre un espacio 2D ó 3D que puede ser visualizado sin perder información significativa en relación el problema a tratar. Estos mapas permiten aplicar herramientas de razonamiento que tienen validez en el espacio de los datos, tales como reglas borrosas, modelos teóricos, etc., y traducir las conclusiones directamente al espacio de visualización.

El proyecto analiza la aplicabilidad en procesos industriales, y específicamente en accionamientos de alterna, de las técnicas de visualización (especialmente las basadas en el Self-Organizing Map) mediante reducción de la dimensión en dos vertientes:

§ Análisis exploratorio visual o Visual Data Mining de procesos industriales complejos sin modelos conocidos mediante técnicas de reducción de la dimensión.

§ Monitorización del estado o condición, mediante la proyección instantánea del vector de datos del proceso sobre el mapa del proceso cartografiado mediante las técnicas anteriores, así como mediante la visualización de los residuos del modelo.

Motor de inducción con acelerómetros montado en el banco de ensayos.	Vista del accionador para el motor de inducción, sensores de tensión y corriente y tarjetas de filtrado.