Modelo predictivo del consumo eléctrico: una aplicación para molinos horizontales en plantas de cemento

Simple item page
dc.contributor.advisorDávila Sacoto, Miguel Alberto
dc.contributor.authorFalconí Borja, Xavier Reinaldo
dc.date.accessioned04/06/2025 15:05
dc.date.available04/06/2025 15:05
dc.date.issued2025
dc.description.abstractLa presente investigación presenta un modelo de predicción del consumo eléctrico en el molino horizontal de la planta de cemento de UCEM Planta Chimborazo. En una primera etapa, se realizaron estimaciones para identificar variables comunes claves relacionadas con el consumo de energía. Posteriormente, se diseñaron modelos de regresión lineal para estimar con precisión el consumo energético futuro, conforme a datos de producción del cemento. En la tercera etapa, se simularon distintos algoritmos de aprendizaje automático utilizando la herramienta MATLAB, a partir de mediciones en señales de entrada y salida. Los métodos de modelado incluyeron enfoques estadísticos, redes neuronales artificiales (RNA) y sistemas adaptativos de inferencia neurodifusa (ANFIS). Finalmente, el modelo de predicción alcanzó un RMSE de 0.1966 kWh/t en el consumo eléctrico del molino de cemento, lo que demuestra su viabilidad para aplicarse en periodos de tiempo más amplios, contribuyendo a mejorar el proceso productivo en la línea de molienda con prácticas más eficientes y responsables con el medio ambiente
dc.id.advisor104947692
dc.id.author1717790388
dc.identifier.otherPOS.1126
dc.identifier.urihttps://repositorio.puce.edu.ec/handle/123456789/46004
dc.language.isoes
dc.publisherPUCE - Esmeraldas
dc.subjectEnergía eléctrica – Ecuador
dc.subjectConsumo de energía eléctrica
dc.titleModelo predictivo del consumo eléctrico: una aplicación para molinos horizontales en plantas de cemento
dc.typeArticle
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Trabajo de Titulación - Maestría / Falconí Xavier Reinaldo.pdf
Size:
1.22 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Tesis de Maestría en Electricidad Mención Energías Renovables y Eficiencia Energética