FRSF - PRODUCCIÓN ACADÉMICA DE GRADO
Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/541
Browse
3 results
Search Results
Item Diseño e implementación de un tablero de control para la optimización de procesos de gestión del área de calidad del Laboratorio de Mediciones y Ensayos(2023) Galiano, María Milagros; Faba, Emilce; Bangert, VanesaLa gestión organizacional requiere un seguimiento constante para asegurar que las estrategias estén alineadas con los objetivos institucionales. Para ello, es esencial contar con información confiable y oportuna, obtenida mediante indicadores que faciliten la toma de decisiones frente a los desafíos del entorno. Este Proyecto Final de Carrera se centra en diseñar los requerimientos de un tablero de control para optimizar los procesos de gestión del área de calidad del Laboratorio de Mediciones y Ensayos (LAMYEN) y su posterior implementación utilizando tecnologías de la industria 4.0. El LAMYEN es un laboratorio universitario perteneciente al Centro CIESE del Departamento de Ingeniería Eléctrica de la Universidad Tecnológica Nacional, Facultad Regional Santa Fe (UTN FRSF). Acreditado por el Organismo Argentino de Acreditación (OAA), realiza ensayos de seguridad eléctrica, compatibilidad electromagnética, eficiencia energética y alta tensión en productos de uso masivo, como electrodomésticos y luminarias. También ofrece servicios de calibración y metrología. El laboratorio opera bajo la norma IRAM ISO/IEC 17025:2017, asegurando la competencia técnica y la calidad de los resultados. El proyecto se organiza en siete secciones principales: 1) Marco teórico: brinda definiciones, antecedentes y teorías clave. 2) Descripción de la organización: detalla la estructura y funciones del LAMYEN. 3) Diagnóstico de la organización: analiza su estado actual mediante entrevistas, planillas de datos y matrices de ponderación. 4) Desarrollo de propuestas de solución: presenta acciones para mejorar los procesos detectados. 5) Implementación: aplica las soluciones propuestas. 6) Evaluación técnica y económica: analiza la viabilidad de las propuestas. 7) Conclusión: sintetiza los resultados y aprendizajes obtenidos. El objetivo es fortalecer la gestión del laboratorio mediante herramientas tecnológicas que optimicen su desempeño y la toma de decisiones.Item Hidroponía 4.0 : automatización y digitalización de un sistema hidropónico autocontenido(2024-09) Aicardi, Agustín Andrés; Orué, Matías Waldino; Caliusco, María LauraEl presente trabajo titulado "Hidroponía 4.0: Automatización y digitalización de un sistema hidropónico autocontenido" se centra en el diseño y la implementación de un sistema hidropónico que automatiza y digitaliza el cultivo de plantas medicinales, específicamente menta, dentro de un entorno controlado. En el contexto de la Industria 4.0, el objetivo principal fue crear un sistema que pudiera regular de manera automática los principales parámetros ambientales que afectan el crecimiento de las plantas, garantizando un control preciso y un registro constante de dichos parámetros. Para abordar este objetivo, se utilizó el método cascada, que permitió dividir el proyecto en etapas manejables, asegurando que cada fase se completara antes de avanzar a la siguiente. Esta metodología facilitó un desarrollo secuencial, desde la selección y prueba de componentes individuales hasta la integración completa del sistema automatizado y digitalizado. Los resultados obtenidos fueron satisfactorios, logrando la construcción de un sistema hidropónico autocontenido que no sólo controla automáticamente los parámetros clave para el cultivo de las plantas, sino que también incorpora herramientas de digitalización que permiten un seguimiento detallado y en tiempo real de las condiciones de cultivo. Esto representa un avance significativo en la aplicación de tecnologías modernas al cultivo de plantas medicinales, tradicionalmente realizado de manera manual y en condiciones menos controladas. La importancia de este proyecto radica en su innovación dentro del campo de la hidroponía y su potencial para ser adaptado a diferentes condiciones climáticas y tipos de cultivos. Además, se alinea con los principios de la Industria 4.0, ofreciendo un modelo que puede ser replicado o mejorado en futuros desarrollos tecnológicos.Item Prototipo de software basado en aprendizaje profundo para mantenimiento predictivo en la Industria 4.0(2021) Pacchiotti, Mauro José; Paletto, Pablo Andrés; Rubiolo, Mariano; Roa, JorgeEste Proyecto Final de Carrera se propone estudiar la aplicación de distintos modelos de aprendizaje profundo para mantenimiento predictivo en la industria. En el marco del trabajo industrial con distintos tipos de equipamientos de diversas complejidades insertos en diferentes procesos industriales, el mantenimiento eficiente de estos equipos es una actividad fundamental para un desarrollo industrial sustentable. En primera instancia se analizan distintos trabajos que estudian el tema del proyecto para conocer las distintas líneas de investigación y los avances logrados por estos trabajos. También se buscan y analizan distintos conjuntos de datos que puedan ser aplicados al proyecto y se estudian los tipos de modelos de aprendizaje profundo utilizados en el dominio así como sus características y posibilidades frente a los diferentes tipos de estructuras de datos que se utilizan. Con los resultados de las primeras etapas se avanza en la selección de un conjunto de datos y un modelo, y la adecuación de estos. Con un modelo entrenado podemos comenzar el diseño y desarrollo del prototipo herramienta de software y realizar las pruebas de funcionamiento en tiempo real, simulando con series sintéticas la entrega de datos desde un equipo en la industria. Finalmente, luego de haber obtenido de la industria un conjunto de datos real, se selecciona y entrena un modelo para este, se adecua el prototipo para la estructura de datos y por último se realizan las pruebas simulando en tiempo real la entrega de datos y obteniendo del predictor el estado futuro del equipamiento.