Cientifica, ISSN 2594-2921, vol. 25, no. 2, July-December 2021.
DOI: https://doi.org/10.46842/ipn.cien.v25n2a07
Sistema inteligente de monitoreo para condiciones ambientales en Industria 4.0
Intelligent monitoring system for environmental conditions in Industry 4.0
Recibido 14-05-2021, aceptado 30-08-2021.
Resumen
La revolución tecnológica que implica la implementación de Industria 4.0 obliga a utilizar la tecnología a monitorear las condiciones en las que la producción se lleva a cabo. Esto repercute en los productos obtenidos, pero sobre todo en la salud del personal que labora en las industrias. Lo cual tiene como principal beneficio la reducción de los accidentes de trabajo y las enfermedades producidas por las condiciones ambientales desfavorables. Uno de los gases más peligrosos en el sector industrial es el Monóxido de Carbono, cuyo efecto en el cuerpo humano es el intoxicar los sistemas Así se presenta un sistema que permite monitorear cuatro variables ambientales (humedad relativa, monóxido de carbono, radiación térmica, luminosidad) que son variables importantes en ambientes industriales en donde se emplean motores. El sistema opera de forma inteligente mediante una herramienta de inteligencia artificial que permite clasificar (tomar decisiones) llamada árbol de decisión. Empleando WEKA, se probaron tres algoritmos para la construcción del árbol de decisión: J.48, Random Forest y Random Tree. El experimento arrojó que el algoritmo J.48 obtuvo un promedio 99.86% de aciertos en la clasificación de todas las repeticiones. El algoritmo de Random Forest obtuvo 99.31% de la clasificación correcta. Mientras que Radom Tree tuvo 95.07% de clasificación correcta. Este sistema permite modificar el estado de un sistema de ventilación, refrigeración, semáforo de variables y lámpara de emergencia. Además, el sistema envía los datos colectados mediante Internet de las Cosas (IoT) a un cliente quien puede consultar la información en tiempo real.
Abstract
The technological revolution that implies the implementation of Industry 4.0 forces the use of technology to monitor the conditions in which production takes place. This has repercussions on the products obtained, but above all on the health of the personnel working in the industries. Which has as its main benefit the reduction of work accidents and diseases caused by unfavorable environmental conditions. One of the most dangerous gases in the industrial sector is Carbon Monoxide, whose effect on the human body is to poison the systems. This is how a system is presented that allows monitoring four environmental variables (relative humidity, Carbon monoxide, Thermal radiation, luminosity) which are important variables in industrial environments where motors are used. The system operates intelligently through an artificial intelligence tool that allows classifying (making decisions) called the decision tree. Using WEKA, three algorithms were tested for the construction of the decision tree: J.48, Random Forest, and Random Tree. The experiment showed that the algorithm J.48 obtained an average 99.86% of correctness in the classification of all the reviews. The Random Forest algorithm obtained 99.31% of the correct classification. While Radom Tree had a 95.07% correct rating. This system allows modifying the status of a ventilation, cooling, variable traffic light and emergency lamp system. In addition, the system sends the data collected through the Internet of Things (IoT) to a client who can consult the information in real time.
Palabras clave: Industria 4.0, internet de las cosas, control inteligente, árbol de decisión.
Index terms: Industry 4.0, internet of things, intelligent control, decision tree.
ISO 690 reference:
Luna-López, Manuel;
Hernández-Lozano, Minerva;
Aldana-Franco, Rosario;
Álvarez-Sánchez, Ervin;
Leyva-Retureta, José Gustavo;
Ricaño-Herrera, Francisco;
Aldana-Franco, Fernando,
2021,
Optimización del mecanismo de elevación de una cama robótica hospitalaria,
Científica, Revista Mexicana de Ingeniería Electromecánica y de Sistemas, vol. 25, no. 2,
ISSN 2594-2921, e250207,
DOI: https://doi.org/10.46842/ipn.cien.v25n2a07