Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales.
Saved in:
| Main Author: | |
|---|---|
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
2021
|
| Subjects: | |
| Online Access: | http://repositorio.ug.edu.ec/handle/redug/52468 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Add Tag | _version_ | 1839964588657868800 |
|---|---|
| author | Ronquillo Castro, Rudy Raul |
| author_facet | Ronquillo Castro, Rudy Raul |
| author_role | author |
| collection | Repositorio Universidad de Guayaquil |
| dc.contributor.none.fl_str_mv | Patiño Pérez, Darwin Guillermo |
| dc.creator.none.fl_str_mv | Ronquillo Castro, Rudy Raul |
| dc.date.none.fl_str_mv | 2021-05-11T19:10:36Z 2021-05-11T19:10:36Z 2021-03 |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | http://repositorio.ug.edu.ec/handle/redug/52468 |
| dc.language.none.fl_str_mv | spa |
| dc.publisher.none.fl_str_mv | Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales. |
| dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
| dc.source.none.fl_str_mv | reponame:Repositorio Universidad de Guayaquil instname:Universidad de Guayaquil instacron:UG |
| dc.subject.none.fl_str_mv | Toroide Redes Neuronales Aritificiales Aprendizaje Automatico Recipiente Toroidal Elementos Finitos Toroid Arithificial Neural Networks Machine Learning Tororidal Container Finite Elements |
| dc.title.none.fl_str_mv | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales. |
| dc.type.none.fl_str_mv | info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/bachelorThesis |
| description | PDF |
| eu_rights_str_mv | openAccess |
| format | bachelorThesis |
| id | UG_363e6f6a812c357e0d8e8610071d54b7 |
| instacron_str | UG |
| institution | UG |
| instname_str | Universidad de Guayaquil |
| language | spa |
| network_acronym_str | UG |
| network_name_str | Repositorio Universidad de Guayaquil |
| oai_identifier_str | oai:repositorio.ug.edu.ec:redug/52468 |
| publishDate | 2021 |
| publisher.none.fl_str_mv | Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales. |
| reponame_str | Repositorio Universidad de Guayaquil |
| repository.mail.fl_str_mv | . |
| repository.name.fl_str_mv | Repositorio Universidad de Guayaquil - Universidad de Guayaquil |
| repository_id_str | 0 |
| spelling | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales.Ronquillo Castro, Rudy RaulToroideRedes Neuronales AritificialesAprendizaje AutomaticoRecipiente ToroidalElementos FinitosToroidArithificial Neural NetworksMachine LearningTororidal ContainerFinite ElementsPDFEn el presente trabajo se realiza una predicción de fallo de areas axiales en recipientes a presion de forma toroidal de sección recta circular mediante redes neuronales artificiales(RNA), en el cual su propósito es desarrollar en python un modelo de RNA con el cual se predice el fallo que se pueda dar en las áreas axiales de los recipientes toroidales que almacenan GNC cuya sección recta es circular y de espesor fijo. En el análisis se determina que, mediante el uso de la inteligencia artificial y del aprendizaje automático, en el cual se optimiza el uso de materia prima AS4D/9310(fibra de carbono y matriz epoxi), de una manera equitativa al momento de su respectiva fabricación, es decir predecir qué cantidad va a necesitar el producto en nuestro caso el recipiente toroidal para su elaboración y que dicha materia prima, sea usada de manera equitativa. Generar la data con la herramienta ANSYS por medio del script con código en APDL, ANSYS pasa a funcionar como un motor de cálculos matemáticos y utiliza el método de elementos finitos (MEF), para ingresar los datos necesarios a el aprendizaje supervisado de la red neuronal artificial.In the present work a prediction of failure of axial areas in pressure vessels of toroidal shape of circular straight section is carried out using artificial neural networks (ANN), in which its purpose is to develop in python an ANN codification with which it is predicted the failure that can occur in the axial areas of toroidal containers that store CNG whose straight section is circular and of fixed thickness. In the analysis it determines that, through the use of artificial intelligence, of machine learning, in which it optimizes the use of raw material AS4D / 9310 (carbon fiber and epoxy matrix), in a fair way at the time of its respective manufacture, in other words, to predict how much the product will need in our case the toroidal container for its elaboration and that said raw material is used in an equitable way. Generate the data with the ANSYS tool through the script with code in APDL, ANSYS starts to function as a mathematical calculation engine and uses the finite element method (FEM), to enter the necessary data to the supervised model.Universidad de Guayaquil. Facultad de Ciencias Matemáticas y Físicas. Carrera de Ingeniería en Sistemas Computacionales.Patiño Pérez, Darwin Guillermo2021-05-11T19:10:36Z2021-05-11T19:10:36Z2021-03info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://repositorio.ug.edu.ec/handle/redug/52468spainfo:eu-repo/semantics/openAccessreponame:Repositorio Universidad de Guayaquilinstname:Universidad de Guayaquilinstacron:UG2021-05-12T08:04:25Zoai:repositorio.ug.edu.ec:redug/52468Institucionalhttp://repositorio.ug.edu.ec/Universidad públicahttps://www.ug.edu.ec/..Ecuador...opendoar:02025-08-09T07:18:26.722157Repositorio Universidad de Guayaquil - Universidad de Guayaquiltrue |
| spellingShingle | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales. Ronquillo Castro, Rudy Raul Toroide Redes Neuronales Aritificiales Aprendizaje Automatico Recipiente Toroidal Elementos Finitos Toroid Arithificial Neural Networks Machine Learning Tororidal Container Finite Elements |
| status_str | publishedVersion |
| title | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales. |
| title_full | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales. |
| title_fullStr | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales. |
| title_full_unstemmed | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales. |
| title_short | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales. |
| title_sort | Predicción de fallo de áreas axiales en recipientes toroidales de sección recta circular mediante redes neuronales artificiales. |
| topic | Toroide Redes Neuronales Aritificiales Aprendizaje Automatico Recipiente Toroidal Elementos Finitos Toroid Arithificial Neural Networks Machine Learning Tororidal Container Finite Elements |
| url | http://repositorio.ug.edu.ec/handle/redug/52468 |