Search

Database with UAV-derived tree variables and field tree variables.

INTRODUCCIÓN. El incremento de los precios en la energía eléctrica, el cambio climático, ha impulsado el cambio del mercado mundial de la iluminación hacia fuentes de luz energéticamente más eficientes, mediante un estudio de iluminación para la industria en general. OBJETIVO. Se realiza la toma de muestras y se aplica el procedimiento, para establecer su incidencia en la productividad en una organización industrial. MÉTODO. La investigación se desarrolla bajo un enfoque mixto y bibliográfico. Además, se respalda con un trabajo de campo. RESULTADOS. Los niveles de iluminación encontrados fueron contrastados con la Norma Europea (UNE-EN 12 464-1, 2003) (Iluminación en puestos de trabajo), con la cual se comprobó que los mismos no cumplen con la norma citada, presentando un 40% de incumplimiento, para el área objeto de estudio. DISCUCIÓN Y CONCLUSIONES. Asimismo, se empleó el software de diseño y simulación DIALux evo 8.2, para desarrollar una propuesta del sistema de iluminación. Se comprueba, a través de Indicadores de productividad, un aumento del mismo en el orden de un 80% respecto a la producción y el costo de la energía eléctrica.

Este artículo presenta el Análisis de Descargas Parciales empleando Técnicas Neuronales. Las máquinas rotativas empleadas en la industria suelen presentar fallas en los aislamientos causadas por falta de mantenimiento y desconocimiento del estado de los mismos. Es importante la realización de pruebas periódicas y evaluaciones continuas del estado del aislamiento para garantizar el correcto funcionamiento de las máquinas. Uno de los métodos empleados para la detección de estas fallas es el de Descargas Parciales. Las cuales consisten en pequeñas descargas producidas en una porción de gas que queda disuelto en el aceite o dieléctrico que constituye el aislamiento de las máquinas eléctricas. En este trabajo de investigación se realiza un análisis de dos trabajos desarrollados en torno a las descargas parciales, donde se han implementado técnicas de inteligencia artificial. Los resultados mostraron una alta efectividad de las redes neuronales para lograr la clasificación de las descargas parciales y aportar en el mantenimiento de equipos eléctricos de alta potencia. Palabra Claves: equipos eléctricos de alta tensión, descargas parciales, redes neuronales, fallas. Referencias [1]Grimón, Y. (2012) Algoritmo de clasificación de imágenes usando redes neuronales. [2]Cadena, J. y Cadena J. (2008) Aplicación de redes neuronales probabilísticas en la detección de fallas incipientesen transformadores. Universidad Tecnológica de Pereira. [3]Carvajal, A. García y V. Asiaín, T. (2008) Diagnóstico en línea de motores de gran capacidad mediante la detección de descargas parciales utilizando técnicas de banda ultra ancha. Revista información tecnológica vol. 19 N° 1 enero 2008. Centro e información tecnológica, La Serena, Chile. [4]Krivda, A., Blackmore, P. y Birtwhistle, D. "Materials in overhead distribution networks. IEEETansactions on dielectrics and electrical insulation". Vol. 6. N°5 1999. [5]Magrashi, A. (1997) Pattern recognition of partial discharges using matlab tools. Sultan Qaboos University, Oman. [6]Suárez, F. “Proceso Neuronal para Análisis de Descargas Parciales en la empresa CORPOELEC, de Ciudad Guayana, Venezuela”. Rev. Hallazgos 21. Vol. 3, Num. 02. Pp 169-180. Junio 2018. [7]Suárez, F., Sucre, P., y Almeida, G., “Inteligencia artificial en el proceso de obtención de alumina”, Rev. Universidad,Ciencia y Tecnología. Vol. 22, Num. 88. Pp. 48-56. Julio 2019. [8]Gómez, M. (2007) “Ejemplo de aplicación de una red de retropropagación” [En línea] Disponible en www.iiia. CISC. es. [9]Nooraii, A. (2003) “Applying Multivariable Control Technology At Alcoa World Alumina” (Paper presented at the Honeywell User’s Group Annual Meeting, Brisbane, Australia. [10]Rumelhard, D., Hinton, G y Willians, R. (1986)“Learning representations by backpropagation errors”. Nature. [11]Bryson, A. HO, Y. (1969) “Applied optimal control” Blaisted. New York. [12]Mason, D. (1998) “Process Control Technology Saving Energy” Australian Energy News, 10.

Juan José Soler-Cataluña,1 Pere Almagro,2 Arturo Huerta,3 Diego González-Segura,4 Borja G Cosío5 On behalf of the CLAVE study Investigators1Department of Pneumology, Hospital Universitari Arnau de Vilanova and CIBERES, Valencia, Spain; 2Multimorbidity Patients Unit. Internal Medicine Department, H. Mutua Terrassa University Hospital, Terrassa, Barcelona, Spain; 3Emergency Department – Medicine and Pulmonary Section, H. Clínic de Barcelona, Barcelona, Spain; 4Medical Department, Chiesi SAU, Barcelona, Spain; 5Department of Pneumology, H. Universitari Son Espases Hospital-IdISBa and CIBERES, Palma de Mallorca, Balearic Islands, SpainCorrespondence: Juan José Soler-CataluñaDepartment of Pneumology, H. Universitari Arnau de Vilanova, C/San Clemente 12, Valencia 46015, SpainTel + 973 24 81 00Email jjsoler@telefonica.netBackground: Clinical control in chronic obstructive pulmonary disease (COPD) has not been completely characterized. A proposal of clinical control criteria (CCC) has been recently defined and validated as a tool for determining control, but there is scarce information on patients with severe COPD.Objective: To evaluate clinical control in severe COPD using the CCC.Patients and Methods: The study design was observational, multicenter, cross-sectional study involving 4801 patients with severe COPD in Spain. Clinical control was defined according to clinical impact (dyspnea grade, use of rescue treatment in last week, sputum color, and daily physical activity) and stability (exacerbations in last 3 months and patient’s perception about health status). Clinical control of COPD was alternatively evaluated with the COPD assessment test (CAT) and the presence of exacerbations in the last 3 months.Results: According to CCC, 61.0% of patients had low clinical impact, and 41.4% showed clinical stability. Overall, 29.9% of patients had both low clinical impact and stability (controlled), whereas 70.1% showed high clinical impact and/or no clinical stability (non-controlled). COPD control was also assessed by using only the definition of CAT≤ 16 and no exacerbations in the last 3 months. Results obtained with this definition were similar to those obtained by CCC, and the concordance between both definitions was high (Kappa index = 0.698).Conclusion: By using the CCC, approximately only one third of patients with severe COPD were considered as controlled. Physical activity, adherence to inhalers, age, post-bronchodilator FEV1, age-adjusted Charlson comorbidity index, and healthcare level were independent factors associated with COPD control.Keywords: COPD, control, clinical, exacerbations, criteria, CAT