Browsing by Author "Bruno, Javier"

Filter results by typing the first few letters
Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Monitoreo de carga por método no invasivos en el hogar argentino utilizando redes neuronales
    (UTN Facultad Regional San Francisco, 2018-11) Beinotti, Raúl Alberto; Cocconi, Diego Alejandro; Yuan, Rebeca; Mulassano, Micaela; Ferreyra, Diego M.; Bruno, Javier; Beltramone, Matías; Ferrero, Nicolás Gabriel; Biasco, Andrea Celeste; Beltramone, Matías
    En la actualidad, mucha gente podría verse interesada en el monitoreo energético de sus viviendas, con el fin de optimizar sus consumos. De esta manera, se conocerían los artefactos eléctricos que más energía consumen, su incidencia en el tiempo, cuán representativo resulta el consumo del resto de los artefactos y aquellos artefactos que podrían estar fallando. Utilizando Non-Intrusive Load Monitoring (NILM) y redes neuronales (del inglés Artificial Neural Networks, ANN), nuestro proyecto propone ofrecer esta posibilidad. Dos enfoques fueron planteados para realizar tal monitoreo la utilización de medidores independientes para cada artefacto eléctrico; la aplicación de Non-Intrusive Load Monitoring (NILM) o Non-Intrusive (Appliance) Load Monitoring (NIALM o NALM). NILM es una técnica computacional que a partir de una medida total de consumo de energía logra identificar los artefactos eléctricos individuales que se encuentran consumiendo la misma; aunque midiendo cada artefacto puede resultar un método más exacto que NILM, las desventajas prácticas como elevados costos, múltiples configuraciones de sensores y complejidad en la instalación, favorecen el uso de esta técnica. Un enfoque comúnmente utilizado para implementar NILM involucra las siguientes etapas: adquisición de datos; extracción de features; e inferencia o aprendizaje. Durante esta última etapa, las diversas features de los artefactos eléctricos extraídas a partir de los datos de consumo son procesadas según diferentes algoritmos en orden de identificar los artefactos. Se suelen emplear técnicas supervisadas de machine learning en esta etapa, las cuales requieren datos etiquetados; estas técnicas generalmente implican un proceso de aprendizaje lento y son vulnerables a cambios en el inventario de artefactos. Por lo detallado anteriormente, se requieren abordajes que permitan obtener resultados más exactos, sin insumir tiempos prolongados de entrenamiento ni muchos recursos, e independientes de grandes inventarios de features de artefactos eléctricos.
  • Thumbnail Image
    Item
    Satisfacción laboral y productividad en la industria metalúrgica de San Francisco
    (Secyt UTN Facultad Regional San Francisco, 2019-10) Yennerich, Germán; Cerutti, Gabriel Rubén; Ponce, Valeria; Toloza, Alberto Ramón; Bruno, Javier; Rete, Oscar Miguel; Fusero, Ezequiel Alejandro; Piris, Yamila
    El presente es un avance de un proyecto de investigación homologado por la Universidad Tecnológica Nacional (PID 4965), que surge de un proyecto anterior sobre el efecto de los puestos de trabajo en la situación laboral de los empleados. La correcta distribución de las cargas laborales y la correcta organización del trabajo, debiera ser una prioridad para las industrias, ya que de ello depende la salud de los empleados y la eficacia en la producción. En este caso se ha decidido censar diez empresas metalúrgicas para analizarlas desde el punto de vista de la relación entre satisfacción laboral y productividad. Se presentan los resultados del estudio de cinco de dichas empresas.
  • Thumbnail Image
    Item
    Situación laboral y satisfacción en las empresas de San Francisco y zona
    (2017-09) Yennerich, Germán; Cerutti, Gabriel Rubén; Ponce, Valeria; Bruno, Javier; Toloza, Alberto Ramón; Fusero, Ezequiel Alejandro; Piris, Yamila
    En este Proyecto se entrevistarán los miembros de diez industrias, para establecer cómo influyen en la satisfacción de los trabajadores, los siguientes factores: • Edad. • Nivel de estudios. • Puesto de trabajo y su tecnología. • Sugerencias de cambios. La satisfacción laboral es un estado de bienestar a partir de la percepción subjetiva que se tienen de las experiencias laborales. Con las respuestas de los empleados se ha diseñado un índice de satisfacción, para comparar las empresas. Hasta ahora se entrevistaron 59 empleados de cinco industrias, con estos resultados: • Correlación positiva entre la satisfacción laboral, con la edad de los empleados y su antigüedad en la empresa. • La relación entre el nivel de estudios y la satisfacción no se ha podido establecer. • El puesto informatizado genera satisfacción cuando es un desafío para el operario, no así entre el personal con estudios superiores. Informatizar el puesto para automatizar el trabajo, es una de las propuestas más nombradas. • Las propuestas de mejoras las hacen tanto los empleados satisfechos como los que no, los primeros nombran más cantidad de actividades placenteras. La empresa se debe considerar como un sistema socio-técnico, donde las características de la tecnología utilizadas tienen que ser coordinadas con las características de los empleados, a través de la gestión, para lograr eficacia en la producción y satisfacción en el trabajo.