Sistema inteligente de monitoreo para condiciones ambientales en Industria 4.0
DOI:
https://doi.org/10.46842/ipn.cien.v25n2a07Palabras clave:
Industria 4.0, internet de las cosas, control inteligente, árbol de decisiónResumen
La revolución tecnológica que implica la implementación de Industria 4.0 obliga a utilizar la tecnología a monitorear las condiciones en las que la producción se lleva a cabo. Esto repercute en los productos obtenidos, pero sobre todo en la salud del personal que labora en las industrias. Lo cual tiene como principal beneficio la reducción de los accidentes de trabajo y las enfermedades producidas por las condiciones ambientales desfavorables. Uno de los gases más peligrosos en el sector industrial es el Monóxido de Carbono, cuyo efecto en el cuerpo humano es el intoxicar los sistemas Así se presenta un sistema que permite monitorear cuatro variables ambientales (humedad relativa, monóxido de carbono, radiación térmica, luminosidad) que son variables importantes en ambientes industriales en donde se emplean motores. El sistema opera de forma inteligente mediante una herramienta de inteligencia artificial que permite clasificar (tomar decisiones) llamada árbol de decisión. Empleando WEKA, se probaron tres algoritmos para la construcción del árbol de decisión: J.48, Random Forest y Random Tree. El experimento arrojó que el algoritmo J.48 obtuvo un promedio 99.86% de aciertos en la clasificación de todas las repeticiones. El algoritmo de Random Forest obtuvo 99.31% de la clasificación correcta. Mientras que Radom Tree tuvo 95.07% de clasificación correcta. Este sistema permite modificar el estado de un sistema de ventilación, refrigeración, semáforo de variables y lámpara de emergencia. Además, el sistema envía los datos colectados mediante Internet de las Cosas (IoT) a un cliente quien puede consultar la información en tiempo real.
Referencias
D. G. Chele Sancan, “Vehículos híbridos, una solución interina para bajar los niveles de contaminación del medio ambiente causados por las emisiones provenientes de los motores de combustión interna,” INNOVA Research Journal, vol. 2, no. 12, 2017, pp. 1-10
R. Bakr, B. Ulaş, H. Kıvrak, “A mini review on health and environmental risks of oil and gas industry undesired products: hydrogen sulfide and carbon monoxide,” International Journal of Ecosystems and Ecology Science (IJEES), vol. 7, no. 4, 2017, pp. 883-894.
B. Nikolic, J. Ignjatic, N. Suzic, B. Stevanov, A. Rikalovic, “Predictive manufacturing systems in industry 4.0: trends, benefits and challenges,” Annals of DAAAM & Proceedings, 28. 2017.
G. Manogaran, C. Thota, D. Lopez, R. Sundarasekar, “Big data security intelligence for healthcare industry 4.0,” In Cybersecurity for Industry 4.0, (pp. 103-126). Springer, Cham. 2017.
S. R. Prathibha, A. Hongal, M. P. Jyothi, “ IoT based monitoring system in smart agriculture,” In 2017 international conference on recent advances in electronics and communication technology (ICRAECT), pp. 81-84. IEEE, 2017.
L. I. U. Dan, C. Xin, H. Chongwei, J. Liangliang, “Intelligent agriculture greenhouse environment monitoring system based on IOT technology,” In 2015 International Conference on Intelligent Transportation, Big Data and Smart City, (pp. 487-490). IEEE, 2015.
T. Perumal, M. N. Sulaiman, C. Y. Leong, “Internet of Things (IoT) enabled water monitoring system,” In IEEE 4th Global Conference on Consumer Electronics (GCCE), (pp. 86-87). IEEE, 2015.
P. Valsalan, T. A. B. Baomar, A. H. O. Baabood, “IoT based health monitoring system,” Journal of critical reviews, vol. 7, no. 4, pp. 739-743, 2020.
A. Srinivasan, “IoT cloud based real time automobile monitoring system,” In 3rd IEEE International Conference on Intelligent Transportation Engineering (ICITE), (pp. 231-235). IEEE, 2018.
B. C. Kavitha, R. Vallikannu, “IoT based intelligent industry monitoring system,” In 6th International Conference on Signal Processing and Integrated Networks (SPIN), (pp. 63-65). IEEE, 2019.
G. S. C. Prasad, A. S. Pillai, “Role of Industrial IoT in Critical Environmental Conditions. In 2018 Second International Conference on Intelligent Computing and Control Systems (ICICCS) (pp. 1369-1372). IEEE, 2018.
M. D. Mudaliar, N. Sivakumar, “IoT based real time energy monitoring system using Raspberry Pi,” Internet of Things, no. 12, 2020.
M. Ghobakhloo, M. “Industry 4.0, digitization, and opportunities for sustainability,” Journal of Cleaner Production, no. 252, 2020.
A. Garrell, L. Guilera, La industria 4.0 en la sociedad digital. España: Marge Books, 2019.
L. X. Falconi Tello, J. F. López Aguirre, J. C. Pomaquero Yuquilema, J. L. López Salazar, “Habilidades gerenciales para la revolución industrial 4.0 en el ámbito del capitalismo consciente,” Revista Contribuciones a la Economía, 2018.
J. P. Navarro Londoño, L. E. Vallejo Sánchez, Realidad Virtual bajo una visión modular de Industria 4.0. (online) 2020. Available: http://hdl.handle.net/11371/3374
P. Gokhale, O. Bhat, S. Bhat, “Introduction to IOT,” International Advanced Research Journal in Science, Engineering and Technology, vol. 5, no. 1, pp. 41-44. 2018.
R. R. Maaliw III, M. A. Ballera, Classification of Learning Styles in Virtual Learning Environment Using J48 Decision Tree, USA: International Association for Development of the Information Society. 2017.
R. R. Bouckaert, E. Frank, M. Hall, R. Kirkby, P. Reutemann, A., Seewald, D. Scuse, WEKA manual for version 3-9-1. University of Waikato, Hamilton, New Zealand. 2016.
W. Dai, W. Ji, “A mapreduce implementation of C4. 5 decision tree algorithm,” International journal of database theory and application, vol. 7. no. 1, pp. 49-60. 2014.
C. Nguyen, Y. Wang, H. N. Nguyen, “Random forest classifier combined with feature selection for breast cancer diagnosis and prognostic,” Journal of Biomedical Science and Engineering, vol. 6, no. 5, 2013.
C. Zhuge, J. Liu, D. Guo, Y. Cui, “Phototropism rapidly exploring random tree: An efficient rapidly exploring random tree approach based on the phototropism of plants,” International Journal of Advanced Robotic Systems, vol. 17, no. 5, 2020.
M. Alloghani, D. Al-Jumeily, A. Hussain, A. J. Aljaaf, J. Mustafina, E. Petrov, “Healthcare services innovations based on the state of the art technology trend industry 4.0,” In 2018 11th International Conference on Developments in eSystems Engineering (DeSE) (pp. 64-70). IEEE, 2018.
G. Aceto, V. Persico, A. Pescapé, “Industry 4.0 and health: Internet of things, big data, and cloud computing for healthcare 4.0,” Journal of Industrial Information Integration, 18, pp. 100-129, 2020.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2021 Instituto Politécnico Nacional
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
