Browsing by Author "Herrera Soto, Pedro Isaac"
Now showing 1 - 1 of 1
- Results Per Page
- Sort Options
Thesis Diseño e implementación de algoritmo de machine learning capaz de predecir y detectar patrones anómalos en las series de tiempo asociadas a la generación e ingesta de eventos de telemetría cercano a tiempo real para Gauss Control(Universidad Técnica Federico Santa María, 2024) Herrera Soto, Pedro Isaac; Muñoz, Darío; Departamento de Informática; Ñanculef Alegria, Juan RicardoEsta memoria aborda el problema que enfrenta la empresa Gauss Control al detectar anomalías en las series de tiempo de ingesta de eventos de telemetría en tiempo real. Se propone una solución basada en dos modelos de Variational Autoencoder (VAE), uno especializado en patrones de días laborales y otro en patrones de fines de semana/días festivos. En el Capítulo 1 se define el problema, los procesos actuales de detección de anomalías y sus limitaciones. El Capítulo 2 presenta el marco conceptual con conceptos de inteligencia artificial aplicados a series de tiempo. En el Capítulo 3 se detalla la propuesta de solución, incluyendo la arquitectura del sistema con los dos modelos VAE, su entrenamiento, detección de anomalías y evaluación de rendimiento. El Capítulo 4 valida la solución usando casos reales de anomalías proporcionados por clientes, comparándola con otros métodos. Finalmente, el Capítulo 5 presenta las conclusiones, discutiendo alcances, limitaciones, contribuciones, aplicaciones y recomendaciones futuras. Los resultados muestran que el enfoque propuesto basado en VAE es prometedor y supera a otros métodos en la detección de anomalías en series de tiempo. Permite a Gauss Control anticiparse y responder rápida mente a eventos anómalos, mejorando la calidad del servicio y satisfacción del cliente.
Política de Privacidad 
