Resumen

Cuando un sistema multiagente presenta fallas, es necesario detectar y clasificar dichas fallas a tiempo, para lo cual este estudio propone una técnica de predicción y clasificación de fallas basada en datos. El modelo predictivo basado en redes neuronales es entrenado a partir de historial de datos del sistema, para posteriormente ser implementado al sistema en tiempo real para predecir el estado y la productividad en ausencia de falla. Los algoritmos diseñados son verificados a través de un sistema gemelo de péndulo rotacional invertido y un mecanismo líder seguidor.

• Materias:Redes neuronales (Computadores) Metadatos Datos masivos Ciencia de datos Bases de datos web Análisis de datos de tiempo de falla Administración de bases de datos
• Subjects:Neural networks (Computer science) Metadata Big data Data science Web databases Failure time data analysis Data base management
• Palabras claves:Basado en datos, Predicción de estado, Clasificación de fallas, Sistema multiagente
• Keywords:Data-driven, State prediction, Fault classification, Multi-agent system