Abstract
El uso de aire comprimido es esencial en numerosos procesos industriales debido a su producción segura y manejo sencillo. Sin embargo, su generación es altamente costosa en términos energéticos, representando una fracción significativa de los costos operativos de las instalaciones industriales. Además, las fugas de aire comprimido pueden incrementar considerablemente estos costos, haciendo imperativo el desarrollo de técnicas precisas para su estimación y control. Este estudio se centra en la detección y cuantificación de fugas de aire en un sistema de aire comprimido mediante el análisis de muestras de audio, proponiendo y evaluando distintos modelos de clasificación y regresión para optimizar la eficiencia energética y operativa de la planta.
Reference9 articles.
1. Dunn, J. C., 1973. A fuzzy relative of the isodata process and its use in detecting compact well-separated clusters. Journal of Cybernetics 3 (3), 32–57. DOI: 10.1080/01969727308546046.
2. Initiative, B. B., 2023. Compressed air. URL: https://betterbuildingssolutioncenter.energy.gov/compressed-air
3. Rousseeuw, P. J., 1987. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics 20, 53–65. DOI: 10.1016/0377-0427(87)90125-7
4. Ullah, N., Ahmed, Z., Kim, J.-M., 2023. Pipeline leakage detection using acoustic emission and machine learning algorithms. Sensors 23 (6). DOI: 10.3390/s23063226.
5. U.S. Department of Energy, 2003. Improving Compressed Air System Performance: A Sourcebook for Industry. Office of Energy Efficiency and Renewable Energy. URL: https://www1.eere.energy.gov/manufacturing/tech_assistance/pdfs/compressed_air_sourcebook.pdf