dc.contributor.advisor | Cañas Delgado, José | es |
dc.contributor.advisor | Blázquez Gámez, Antonio | es |
dc.creator | González Lozano, Francisco Jesús | es |
dc.date.accessioned | 2021-02-15T19:57:09Z | |
dc.date.available | 2021-02-15T19:57:09Z | |
dc.date.issued | 2020 | |
dc.identifier.citation | González Lozano, F.J. (2020). Aplicación de las técnicas de Machine Learning a la predicción del fallo de tuberías en las redes de abastecimiento de EMASESA. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/105001 | |
dc.description.abstract | En la actualidad, existen gran variedad de campos de la Ingeniería que cada vez más están implementando la
metodología Machine Learning, o Aprendizaje Automático.
Principalmente esta metodología se emplea en modelos que tienen como finalidad predicciones, aprendizaje
supervisado o aprendizaje no supervisado.
Tras una investigación realizada por FIUS (Fundación de Investigación de la Universidad de Sevilla) se elaboró
un procedimiento basado en Aprendizaje Automático con la finalidad de predecir el fallo de las tuberías
pertenecientes a la red de abastecimiento de EMASESA (Empresa Metropolitana de Abastecimiento y
Saneamiento de Aguas de Sevilla), mediante un modelo de regresión lineal multiparámetro, que tiene como
finalidad la asignación de una puntuación a cada tubería mediante el parámetro PF, el cual asigna un cierto riesgo
de incidencia.
En este Trabajo Fin de Grado se emplea esta metodología con el fin de presentar resultados que garanticen la
relación entre el factor PF con la Probabilidad de Fallo real de las tuberías, así como un estudio exhaustivo de
los datos usados en el modelo de regresión, para comprobar su calidad.
Se aplican, además, una serie de procedimientos estadísticos basados en normalización y en tablas de
contingencia, con el fin de optimizar la calidad de los datos para la obtención de unos mejores resultados, y
comprobar las posibles correlaciones entre los factores que definen los datos de entrada o inputs. | es |
dc.description.abstract | At present, there are a great variety of fields of Engineering that are increasingly implementing the Machine
Learning methodology.
Mainly this methodology is used in models whose purpose is Predictions, Supervised Learning or Unsupervised
Learning.
After an investigation carried out by FIUS (Research Foundation of the University of Seville), a procedure based
on Machine Learning was developed in order to predict the failure of the pipes belonging to the supply network
of EMASESA (Metropolitan Company of Supply and Sanitation of Seville´s Waters), using a multiparameter
linear regression model, whose purpose is to assign a score to each pipeline using the PF parameter,
which assigns a certain risk of incidence.
In this Final Degree Project, this methodology is used in order to present results that guarantee the relationship
between the PF factor and the Probability of real failure of the pipes, as well as an exhaustive study of the data
used in the regression model, to check its quality.
In addition, a series of statistical procedures based on normalization and contingency tables will be carried out
in order to optimize the quality of the data to obtain better results, and verify the possible existence between the
factors that define the input data. or inputs. | es |
dc.format | application/pdf | es |
dc.format.extent | 139 | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.title | Aplicación de las técnicas de Machine Learning a la predicción del fallo de tuberías en las redes de abastecimiento de EMASESA | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.contributor.affiliation | Universidad de Sevilla. Departamento de Mecánica de Medios Continuos y Teoría de Estructuras | es |
dc.description.degree | Universidad de Sevilla. Grado en Ingeniería Civil | es |
dc.publication.endPage | 117 p. | es |