El objetivo de la tesis es diseñar una solución basada en el Internet de las cosas (IoT) para la adquisición y monitoreo de datos eléctricos de un tablero de distribución eléctrica, en el rango de Baja Tensión, instalado en la Universidad de Piura. Esta propuesta surge debido a la importancia de asegurar la gestión y calidad de la energía eléctrica suministrada a diversos equipos, con este propósito, se plantea la integración de los parámetros eléctricos como un primer paso, permitiendo, en futuros proyectos, realizar análisis detallados de los datos que se observen en la red eléctrica. En primer lugar, se introducen los conceptos básicos necesarios para que el lector adquiera una idea general de lo que abarca el diseño e implementación de un sistema de adquisición y monitoreo de datos. Posterior a eso, se brinda información detallada acerca de los dispositivos de me...

El objetivo del trabajo es resaltar la importancia de la aplicación de los sistemas expertos en el mantenimiento industrial para que alguien interesado en el tema tenga un conocimiento básico sobre su diseño y desarrollo. Asimismo, se ofrecen casos reales de sistemas expertos con el fin de reforzar la metodología brindada previamente. Respecto a los casos de aplicación, se han considerado cuatro artículos en los cuales se diseña un sistema experto para dar mantenimiento a determinadas áreas de la industria. Por lo demás, se cuenta con un capítulo acerca de las implicancias que tiene orientar un sistema experto al área de mantenimiento industrial, qué conceptos reforzar o adquirir para su desarrollo, qué es lo que se necesita y, con la ayuda de las distintas metodologías que pueden presentarse hoy en día, brindar una metodología concisa y detallada para el desarrollo de es...

El presente trabajo tiene por objetivo diseñar un Model Predictive Control (MPC), usando técnicas Data-driven aplicando la identificación de una planta de neutralización de pH basados en la estructura de un modelo Wiener con el fin de poder controlar la concentración de pH. El modelo Wiener consiste en desacoplar al proceso en un bloque lineal seguido de uno no lineal, ambos bloques se identificaron mediante técnicas de espacio de estados y Extreme Learning Machine (ELM) respectivamente, con la ayuda del software MatLab, consiguiendo FITs de 76.33% y 94.82%, luego se invierte el bloque no lineal para poder obtener al modelo linealizado. El FIT para el bloque no lineal inverso fue de 95.18%. Al implementar el MPC se obtiene un seguimiento óptimo de la variable de salida tanto para grandes variaciones de pH como para disturbios del caudal ácido usado, además, debe resaltarse que e...