Teléfono: (52) Ext. 2432

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Teléfono: (52)-55-5329-7200 Ext. 2432"

Transcripción

1 Sstema de Montoreo Autónomo Basado en el Robot Móvl Khepera Jorge S. Benítez Read 1, Erck Rojas Ramírez 2 y Tonatuh Rvero Gutérrez Insttuto Naconal de Investgacones Nucleares Carretera Méxco-Toluca s/n, La Marquesa, Ocoyoacac, Edo. de Méxco, C.P Insttuto Tecnológco de Toluca, Dvsón de Estudos de Posgrado e Investgacón 1 2 Teléfono: (52) Ext Resumen Se descrben los resultados del dseño y construccón de un sstema prototpo de navegacón e dentfcacón de puntos de prueba, basado en el robot móvl Khepera, en el cual se mplantaron estructuras de algortmos basados en lógca dfusa en cascada para el control de navegacón medante una percepcón dfusa de su entorno, y el uso de una red neuronal de Kohonen de tpo no supervsada en la dentfcacón de puntos de prueba. El robot debe segur una determnada trayectora, marcada por una línea negra evadendo obstáculos localzados en la msma hasta llegar a un punto determnado e dentfcar las zonas con nterés de medcón de alguna varable (puntos de prueba). Palabras clave: Robótca móvl, navegacón. lógca dfusa, evasón de obstáculos, redes neuronales. I. INTRODUCCIÓN El montoreo de varables potencalmente pelgrosas para el ser humano como la radacón, corrosón, alta humedad o temperaturas superores a los 70 C, proveen la necesdad de contar con sstemas de montoreo de alguna de estas u otras varables, en zonas de dfícl acceso o que mplquen un resgo para el personal encargado de realzar la medcón. Actualmente, mplantar sstemas de montoreo sobre robots móvles ofrece la versatldad de navegar sobre ambentes de nterés con certa autonomía. Debdo a esto, en las últmas dos décadas muchos nvestgadores se han concentrado en la realzacón de estrategas y técncas de control para soluconar el problema de la navegacón en entornos no estructurados o parcalmente estructurados [Floreano et al., 2000], pues es el ambente real al que se enfrentan. Muchas de estas técncas se basan en el control de navegacón utlzando algortmos genétcos [Lee and Cho, 2001], lógca dfusa [Braunstngl and Sans, 1995] o el uso de redes neuronales artfcales [Sughara et al., 2001]. En este artículo se descrben los resultados del dseño y construccón de un sstema prototpo de navegacón e dentfcacón de puntos de prueba, basado en el robot móvl Khepera (ver fgura 1), en el cual se mplantaron estructuras de algortmos basados en lógca dfusa en cascada para el control de navegacón medante una percepcón dfusa de su entorno, y el uso de una red neuronal de Kohonen de tpo no supervsada en la dentfcacón de puntos de prueba. El robot debe segur una determnada trayectora, marcada por una línea negra evadendo obstáculos localzados en la msma hasta llegar a un punto determnado e dentfcar las zonas con nterés de medcón de alguna varable (puntos de prueba). Fgura 1. Robot móvl Khepera. En este trabajo se utlzó un modelo de control dfuso en cascada (ver fgura 2) para la navegacón del robot. La prmer estructura dfusa realza una fusón sensoral de 8 señales de proxmdad del robot y de dos señales provenentes de los sensores que detectan una línea negra, dando como resultado los cuatros grupos de percepcón parcal del entorno, abrevados por PDI, PDD, PDT y PL. Fgura 2. Esquema de control de navegacón utlzando percepcón dfusa del entorno.

2 Así, estos cuatro grupos consttuyen las entradas de la segunda estructura dfusa la cual se encarga de controlar la velocdad de cada motor. Una segunda etapa, denomnada deteccón e dentfcacón de puntos de prueba, es la encargada de la búsqueda de puntos de prueba a lo largo de la trayectora marcada. Dcha búsqueda se basa en la mplementacón de una red neuronal como mecansmo de deteccón de fuentes emsoras de luz nfrarroja. A su vez, un algortmo de procesamento de datos de vsón lneal es el encargado de reconocer el tpo de punto de prueba. En cada punto de prueba se hacen medcones de temperatura para su posteror transferenca a una PC medante una nterfaz gráfca de usuaro que se ejecuta desde MATLAB. II. DESARROLLO Percepcón dfusa del ambente.- El dseño de un controlador dfuso con gran número de entradas mplca un número consderable de reglas. Por ejemplo, s se tenen 8 entradas y cada entrada tene asocados dos conjuntos dfusos, entonces la memora asocatva dfusa tendrá un total de 256 reglas. Esto puede resultar napropado para un sstema que debe procesar esta nformacón en tempo real. Para resolver el problema se propone el dseño de una fusón sensoral de datos compuesta de una estructura de cuatro sstemas dfusos los cuales tenen como objetvo reducr el número de entradas en el sstema de control de velocdad y dreccón. Por lo tanto, se generan cuatro grupos sensorales que procesan la nformacón de 8 sensores nfrarrojos de proxmdad y dos señales provenentes de sensores nfrarrojos que se encargan de sensar una línea negra. Fusón sensoral.- En la prmera estructura dfusa, parte de la nformacón se obtene de la medcón de proxmdad entre el robot y los objetos que se localzan en sus alrededores con la ayuda de 8 sensores nfrarrojos. Con la recoplacón de esta nformacón se lleva a cabo el establecmento de la zona de segurdad alrededor del robot. ndca el camno a segur, para lo cual se mplantó un bloque de sensores nfrarrojos que se encargan de reconocerla. Estas tareas forman la fusón sensoral (ver fgura 3). Descrpcón de la prmera estructura dfusa.- El prmer sstema dfuso se denomna PDI (percepcón dfusa parte zquerda); para este sstema se consderaron las señales de los sensores S0, S1 y S2. El segundo sstema, PDD (percepcón dfusa parte derecha), utlza las señales de S3, S4 y S5. Para el tercer sstema dfuso, PDT (percepcón dfusa parte trasera), las señales utlzadas provenen de S6 y S7. Fnalmente, para los sensores L1 y L2 se establecó el sstema dfuso percepcón dfusa de la línea abrevado por PL. Los tres prmeros grupos de percepcón no representan una descrpcón exacta del ambente que rodea al robot, pero sí representan una descrpcón dfusa de éste. Así, los cuatro sstemas dfusos anterores forman la fusón sensoral compuesta de 10 entradas y 4 saldas. A su vez, las 4 saldas de la fusón sensoral son utlzadas como entradas del sstema dfuso de control de velocdad para cada motor del robot. Control de velocdad y dreccón.- Una segunda estructura dfusa se encarga de controlar la velocdad y dreccón del robot; esta estructura depende de los valores obtendos en la fusón sensoral: PDI, PDD, PDT y PL. Sn embargo, un algortmo resdente permte elegr entre dos posbles accones de control, que son segumento de una línea ó evasón de un obstáculo. S la actvdad en PDD, PDI, PDT genera valores que ndquen que el robot está cerca de un obstáculo, entonces se ejecutará solo la base de reglas correspondente a la evasón de obstáculos. S por el contraro, la actvdad ndca que el obstáculo está lejos y a su vez se puede sensar la línea negra, entonces se evaluará solo la base de reglas correspondente a segumento de línea. Conjuntos dfusos.- En la prmer estructura dfusa, las entradas que provenen de los sensores de proxmdad se dfusfcan en los conjuntos dfusos defndos como Bajo y Alto (la fgura 4 muestra las funcones de membresía asocadas a estos conjuntos dfusos). A su vez, las entradas L1 y L2 tenen dos conjuntos dfusos defndos por Blanco y Negro (la fgura 5 muestra las funcones de membresía correspondentes). Fgura 3. Fusón sensoral. Fgura 4. Funcones de membresía de los conjuntos asocados a la proxmdad en la prmera estructura. Por otro lado, una trayectora defnda por una línea negra

3 PDE2 y PTE2 se dfusfcan usando los conjuntos dfusos Lejos y Cerca, mentras que la entrada PLE2 es dfusfcada usando los conjuntos dfusos Izquerda, Centro y Derecha. Las funcones de membresía de estos conjuntos se muestran en las fguras 8 y 9. Fgura 5. Funcones de membresía de los conjuntos asocados al sensado de línea en la prmera estructura. Para cada una de las señales de salda PDI, PDD y PDT exsten tres conjuntos dfusos asocados para cada varable con tres atrbutos defndos por Lejos, Medo y Cerca (la fgura 6 muestra las funcones de membresía de estos conjuntos). Fgura 8. Funcones de membresía asocadas a las varables de entrada de la 2ª estructura (PIE2, PDE2 y PTE2). Fgura 6. Funcones de membresía asocadas a las varables de salda de la 1ª estructura (PDI, PDD y PDT) Fgura 9. Funcones de membresía asocadas a PLE2. Fnalmente, en el sstema dfuso PL se tenen tres conjuntos dfusos asocados a esta varable, los cuales se defnen por Izquerda, Centro y Derecha como se muestra en la fgura 7. Fgura 10. Funcones de membresía asocadas a V Fgura 7. Funcones de membresía asocadas a la varable PL En la segunda estructura dfusa, correspondente al control de velocdad, se tene un esquema compuesto de dos sstemas dfusos. Cada uno de estos sstemas tene como entradas las saldas de la prmera estructura dfusa. Estas entradas se desdfusfcan nuevamente en la segunda estructura dfusa y se denotan por Percepcón Izquerda, Percepcón Derecha, Percepcón Trasera y Percepcón de Línea de la estructura 2, abrevadas por, PIE2, PDE2, PTE2 y PLE2, respectvamente. Cada una de las entradas PIE2, Fgura 11. Funcones de membresía asocadas a V d

4 Fnalmente, las señales de salda de la segunda estructura corresponden a la velocdad en el motor zquerdo, V, y la velocdad en motor derecho, V d, a las cuales se les asocan los conjuntos dfusos Reversa, Cero y Adelante, cuyas funcones de membresía se muestran en las fguras 10 y 11. Base de reglas.- Con certa frecuenca, la base de reglas dfusas se propone con base a la experenca; es aquí donde se relacona la planeacón de las tareas a realzar, utlzando la nformacón sensoral como antecedente y las accones de control como los consecuentes. Estas tareas tenen que ver con la evasón de obstáculos y con el segumento de línea. Para los sstemas dfusos PDI (Percepcón Dfusa parte Izquerda), PDD (Percepcón Dfusa parte Derecha), y PDT (Percepcón Dfusa parte Trasera), de la prmer estructura dfusa (fusón sensoral), se plantearon las reglas dfusas mostradas en las tablas I, II y III, respectvamente. Tabla I Base de reglas para PDI #Regla Proxmdad Nvel de (lógca AND) Percepcón PS0 PS1 PS2 1 Bajo Bajo Bajo Lejos 2 Alto Alto Bajo Cerca 3 Alto Cerca 4 Alto Bajo Medo 5 Alto Bajo Bajo Lejos Tabla II Base de reglas para PDD #Regla Proxmdad Nvel de (Lógca AND) Percepcón PS3 PS4 PS5 6 Bajo Bajo Bajo Lejos 7 Alto Alto Bajo Cerca 8 Alto Cerca 9 Bajo Alto Medo 10 Bajo Bajo Alto Lejos Tabla III Base de reglas para PDT PDT Proxmdad Nvel de (Lógca AND) Percepcón PS6 PS7 11 Bajo Bajo Lejos 12 Bajo Alto Cerca 13 Alto Bajo Cerca 14 Alto Alto Cerca S algún valor de los sensores L1 y L2 se encuentra dentro del conjunto dfuso Negro, el robot entenderá que se encuentra sobre la línea negra que debe segur y por lo tanto se actvará el sstema dfuso PL (Percepcón de Línea), en el cual se evaluarán las 4 reglas dfusas mostradas en la tabla IV. Tabla IV Base de reglas para PL Sensor L1 PL Negro Blanco Sensor Negro Centro Izquerda L2 Blanco Derecha Como se menconó con anterordad, las saldas de la fusón sensoral srven de entradas para los dos sstemas dfusos que controlan la velocdad en cada motor del robot Khepera. Sn embargo, un algortmo mplantado entre estas dos estructuras determna qué accones de control se deben realzar, como se muestra en la fgura 2. S algún valor de PDI, PDD o PDT tene un valor de membresía dstnto de cero en el conjunto dfuso Cerca, se deberá ejecutar una evasón de obstáculos ya que exste un objeto dentro de la zona de segurdad que puede dañar al robot. Las reglas dfusas que ntervenen en esta tarea son las que se muestran en la tabla V. Tabla V Base de reglas para evasón de obstáculos Percepcón Dfusa (Lógca AND) PIE2 PDE2 PTE2 Izquerdo (V ) Velocdad Derecho (V d ) Lejos Lejos Lejos Adelante Adelante Lejos Cerca Lejos Reversa Adelante Cerca Lejos Lejos Adelante Reversa Cerca Cerca Cerca Cero Cero Cerca Cerca Lejos Reversa Reversa Mentras los valores de PDI, PDD y PDT se encuentran dentro del conjunto dfuso Lejos, no exsten objetos dentro de la zona de segurdad del robot y por lo tanto el robot se encuentra en una zona despejada. En este caso se analza la nformacón de los sensores L1 y L2, que provenen del bloque de percepcón dfusa de línea, PL, conforme a las reglas de la tabla VI para el segumento de línea. En caso de que no sea posble sensar la línea negra, el robot deberá ejecutar las reglas correspondentes a la evasón de obstáculos. Tabla VI Base de reglas para segumento de línea Percepcón de Línea (PLE2) Izquerdo (V ) Velocdad Derecho (V d ) Izquerda Adelante Reversa Centro Adelante Adelante Derecha Reversa Adelante

5 III. DETECCIÓN DE MARCAS USANDO REDES NEURONALES Usando el arreglo de los 6 sensores de proxmdad que se encuentran en la parte frontal del robot Khepera, fue posble mplantar un algortmo computaconal correspondente a una red neuronal de Kohonen tpo no-supervsada, cuya funcón es detectar la poscón angular de una fuente de luz nfrarroja y el eje relatvo del robot Khepera (fgura 12). El trabajo de Malmostrom and Munday (1994) se tomó como base para el desarrollo de esta etapa. 3. Se propaga el patrón de entrada hasta la capa de competcón. 4. Se seleccona la neurona ganadora utlzando el crtero de el que gana se lleva todo (wnner takes all). 5. Se actualzan las conexones entre la capa de entrada y la neurona ganadora, así como las de su vecndad. 6. S la red tene la convergenca deseada entonces se fnalza la adaptacón; en caso contraro se vuelve al paso 2. Fgura 12. Determnacón de la poscón de la fuente lumnosa respecto al robot. Característcas de la red de Kohonen.- La red neuronal consta de una arqutectura de dos capas (fgura 13). En la prmera capa se tenen las señales de entrada, las cuales se obtenen por medo de 6 foto-transstores localzados en los sensores de proxmdad que se ubcan en la parte frontal del robot Khepera. La segunda capa (capa de competcón) está formada por 90 neuronas, las cuales vrtualmente cubren un campo de vsón frontal de 180, tenéndose una resolucón de segmentos de 2 grados por neurona. Fgura 14. Datos de entrenamento de la red de Kohonen. En la fgura 15 se muestra la respuesta de la red. S0 S1 S2 S3 S4 S Fgura 13. Estructura de la red de Kohonen. Datos de entrenamento.- Un total de 1023 muestras componen los datos de entrenamento de la red neuronal, las cuales se obtuveron colocando una fuente de luz nfrarroja a una dstanca de 20 centímetros del robot y realzando movmentos crculares con el robot respecto a la fuente. Los datos correspondentes se muestran en la fgura 14. Descrpcón del algortmo neuronal y resultados obtendos con la red de Kohonen.- 1. Se ncalzan los pesos con valores pequeños y aleatoros y se propone un ancho de vecndad formado por 2 neuronas vecnas. 2. Se presenta un vector de entrada formado por las 6 señales provenentes de los foto-transstores. Fgura 15. Respuesta de la red de Kohonen. Reconocmento de puntos de prueba.- Medante la utlzacón del módulo de vsón lneal K213 fue posble la mplantacón de un algortmo para el reconocmento de marcas (puntos de prueba) utlzando códgos de barras. El barrdo (escaneo) de un códgo de barras con dcho módulo arroja una matrz de datos de 1x64 pxeles. Posterormente, estos datos son tratados pxel a pxel medante la ecuacón G = p p+1, donde es el -ésmo valor asocado a cada pxel y G es el gradente resultante del -ésmo pxel. Después se someten los datos de gradente a un umbral defndo por G 40 G = 0, con la fnaldad de <

6 suprmr el rudo presente en los datos obtendos. El resultado de este cálculo se muestra en la fgura 16, donde la línea contnua muestra el escaneo del códgo de barras y la línea punteada muestra el gradente resultante de cada pxel. Por cada dato de G dferente de cero se obtene nformacón de los cambos entre blancos y negros (códgos de barras) detectados por la cámara de vsón, con los cuales se procede a reconocer el tpo de marca. Fgura 16. Escaneo de códgo de barras con cálculo de gradente. Interfaz gráfca de usuaro.- La fgura 17 muestra la nterfaz gráfca de usuaro, por medo de la cual se realza la comuncacón entre el robot Khepera y una PC. Fgura 17. Interfaz Gráfca de Usuaro. En la nterfaz se puede confgurar la velocdad de comuncacón con el puerto sere (estándar RS-232), así como tambén realzar un montoreo de los sensores del robot, como son: temperatura, proxmdad, ntensdad de luz ambental, sensado de línea, la velocdad aplcada a cada motor y del escaneo de las mágenes resultantes de las lecturas de códgos de barras. Tambén se puede vsualzar el valor de poscón de las fuentes de luz nfrarroja respecto al robot usando para ello la red neuronal Kohonen; este valor se vsualza medante una brújula (ver fgura 17). IV. RESULTADOS Y CONCLUSIONES El uso de una estructura dfusa para obtener una fusón sensoral de datos del ambente que rodea al robot reduce el número de datos de entrada en un sstema de control dfuso, que a su vez reduce el número de reglas, con lo cual se smplfca su mplementacón y se optmzan las accones de control. Estas accones se deben actualzar con certa rapdez para evtar retardos que puedan dañar el robot. Además, la fusón sensoral reduce las perturbacones ocasonadas por el rudo, prncpalmente de fuentes de lumnacón, logrando con ello una gran robustez en los sstemas dfusos dedcados al control de velocdad ya que el robot se desplaza con suavdad. Por otro lado, la red neuronal tene una respuesta con un comportamento muy aproxmado al lneal, sendo lmtada por la dsposcón no homogénea de los sensores. Sn embargo, ofrece una resolucón de ± dos grados, con un tempo de ejecucón que ocurre en aproxmadamente 10 mlsegundos, lo cual es deal para aplcacones que requeren procesamento en tempo real. V. AGRADECIMIENTOS Este trabajo ha sdo apoyado por el CONACYT a través del programa de becas para estudos de maestría y cuenta con el apoyo del Insttuto Naconal de Investgacones Nucleares para su desarrollo. VI. REFERENCIAS Braunstngl, R. and Sans, P.; Fuzzy Logc Wall Followng of a Moble Robot Based on the Concept of General Percepton; Proceedngs of the 7 th Internatonal Conference on Advanced Robotcs, Vol. 1, pp ; Span Cuesta, Federco and Ollero, Aníbal; Intellgent Moble Robot Navgaton; Sprnger tracks n advanced robotcs; Sprnger-Verlag, Vol 16, pp , Floreano, D.; Godjevac, J.; Martnol, A.; Mondada, F.; Ncoud, D.J.; Desgn, Control, and Applcaton of Autonomous Moble Robots; Swss Federal Insttute of Technology n Lausanne, Lee, Seung-Ik and Cho, Sung-Bae; Emergent Behavors of a Fuzzy Sensory- Controller Evolved by Genetc Algorthm; IEEE Transactons on Systems, Man, and Cybernetcs, Vol. 31, Num. 6, pp , Malmostrom, Kurt and Munday Lance; A Smple Robust Robotc Vson System Usng Kohonen Feature Mappng; Proccedngs of the 2 nd IEEE Australa and New Zealand Conference on Intellgent Informaton System, pp , Sughara, Ke ; Tabuse, Masayosh; Shnch, Tatsuro; Ktazoe, Tetsuro; Control System for the Khepera Robot by a Neural Network wth Competton and Cooperaton; Artfcal Lfe and Robotcs; Sprnger Japan, Vol. 5, Num. 6. pp , 2001.

Cifrado de imágenes usando autómatas celulares con memoria

Cifrado de imágenes usando autómatas celulares con memoria Cfrado de mágenes usando autómatas celulares con memora L. Hernández Encnas 1, A. Hernández Encnas 2, S. Hoya Whte 2, A. Martín del Rey 3, G. Rodríguez Sánchez 4 1 Insttuto de Físca Aplcada, CSIC, C/Serrano

Más detalles

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández

12-16 de Noviembre de 2012. Francisco Javier Burgos Fernández MEMORIA DE LA ESTANCIA CON EL GRUPO DE VISIÓN Y COLOR DEL INSTITUTO UNIVERSITARIO DE FÍSICA APLICADA A LAS CIENCIAS TECNOLÓGICAS. UNIVERSIDAD DE ALICANTE. 1-16 de Novembre de 01 Francsco Javer Burgos Fernández

Más detalles

APENDICE A. El Robot autónomo móvil RAM-1.

APENDICE A. El Robot autónomo móvil RAM-1. Planfcacón de Trayectoras para Robots Móvles APENDICE A. El Robot autónomo móvl RAM-1. A.1. Introduccón. El robot autónomo móvl RAM-1 fue dseñado y desarrollado en el Departamento de Ingenería de Sstemas

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

Explicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS

Explicación de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS Explcacón de las tecnologías - PowerShot SX500 IS y PowerShot SX160 IS EMBARGO: 21 de agosto de 2012, 15:00 (CEST) Objetvo angular de 24 mm, con zoom óptco 30x (PowerShot SX500 IS) Desarrollado usando

Más detalles

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II

UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II UNIVERSIDAD DE GUADALAJARA, CUCEI DEPARTAMENTO DE ELECTRÓNICA LABORATORIO DE ELECTRÓNICA II PRACTICA 11: Crcutos no lneales elementales con el amplfcador operaconal OBJETIVO: El alumno se famlarzará con

Más detalles

Disipación de energía mecánica

Disipación de energía mecánica Laboratoro de Mecáa. Expermento 13 Versón para el alumno Dspacón de energía mecáa Objetvo general El estudante medrá la energía que se perde por la accón de la uerza de rozamento. Objetvos partculares

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL:

ANÁLISIS DE ACCESIBILIDAD E INTERACCIÓN ESPECIAL: Geografía y Sstemas de Informacón Geográfca (GEOSIG). Revsta dgtal del Grupo de Estudos sobre Geografía y Análss Espacal con Sstemas de Informacón Geográfca (GESIG). Programa de Estudos Geográfcos (PROEG).

Más detalles

TEMA 4 Amplificadores realimentados

TEMA 4 Amplificadores realimentados TEM 4 mplfcadores realmentados 4.1.- Introduccón La realmentacón (feedback en nglés) negata es amplamente utlzada en el dseño de amplfcadores ya que presenta múltples e mportantes benefcos. Uno de estos

Más detalles

Cuantificación Vectorial con base en Memorias Asociativas

Cuantificación Vectorial con base en Memorias Asociativas Cuantfcacón Vectoral con base en Memoras Asocatvas Enrque Guzmán Ramírez Insttuto de Electrónca y Computacón (953) 53 2 03 99 Ext. 200 eguzman@mxteco.utm.mx Resumen El presente trabao descrbe un nuevo

Más detalles

Gráficos de flujo de señal

Gráficos de flujo de señal UNIVRSIDAD AUTÓNOMA D NUVO ÓN FACUTAD D INGNIRÍA MCANICA Y ÉCTRICA Gráfcos de flujo de señal l dagrama de bloques es útl para la representacón gráfca de sstemas de control dnámco y se utlza extensamente

Más detalles

Segmentación de Imágenes mediante Reconocimiento de Patrones

Segmentación de Imágenes mediante Reconocimiento de Patrones Equaton Chapter 1 Secton 1 Materal del Curso Segmentacón de Imágenes medante Reconocmento de Patrones Ing. Dego Sebastán Comas Dr. Gustavo Javer Meschno Curso: Segmentacón de Imágenes medante Reconocmento

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado

De factores fijos. Mixto. Con interacción Sin interacción. No equilibrado. Jerarquizado Análss de la varanza con dos factores. Introduccón Hasta ahora se ha vsto el modelo de análss de la varanza con un factor que es una varable cualtatva cuyas categorías srven para clasfcar las meddas de

Más detalles

Segmentación robots móviles en espacios inteligentes utilizando técnicas GPCA y minimización de funciones de energía

Segmentación robots móviles en espacios inteligentes utilizando técnicas GPCA y minimización de funciones de energía Segmentacón robots móvles en espacos ntelgentes utlzando técncas GPCA mnmzacón de funcones de energía Crstna Losada, Manuel Mazo, Sra Palazuelos, Francsco edondo Departamento de Electrónca. Unversdad de

Más detalles

Capitalización y descuento simple

Capitalización y descuento simple Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los

Más detalles

NUEVA APROXIMACIÓN AL MÉTODO TÓPSIS DIFUSO CON ETIQUETAS LINGÜÍSTICAS

NUEVA APROXIMACIÓN AL MÉTODO TÓPSIS DIFUSO CON ETIQUETAS LINGÜÍSTICAS NUEVA APROXIMACIÓN AL MÉTODO TÓPSIS DIFUSO CON ETIQUETAS LINGÜÍSTICAS M. Socorro Garca-Cascales 1, M. Teresa Lamata 2 1 Dpto de Electrónca, Tecnología de Computadoras y Proyectos. Unversdad de Poltécnca

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

Determinación de Puntos de Rocío y de Burbuja Parte 1

Determinación de Puntos de Rocío y de Burbuja Parte 1 Determnacón de Puntos de Rocío y de Burbuja Parte 1 Ing. Federco G. Salazar ( 1 ) RESUMEN El cálculo de las condcones de equlbro de fases líqudo vapor en mezclas multcomponentes es un tema de nterés general

Más detalles

Instituto Guatemalteco de Seguridad Social. ACUERDO No. 24/2007 EL GERENTE DEL INSTITUTO GUATEMALTECO DE SEGURIDAD SOCIAL CONSIDERANDO:

Instituto Guatemalteco de Seguridad Social. ACUERDO No. 24/2007 EL GERENTE DEL INSTITUTO GUATEMALTECO DE SEGURIDAD SOCIAL CONSIDERANDO: ' nsttuto Guatemalteco de Segurdad Socal ACUERDO No. 24/2007,! j :.::;, ; EL GERENTE DEL NSTTUTO GUATEMALTECO DE SEGURDAD SOCAL CONSDERANDO: Que la efcente gestón del nsttuto depende del desempeño de cada

Más detalles

COMPARADOR CON AMPLIFICADOR OPERACIONAL

COMPARADOR CON AMPLIFICADOR OPERACIONAL COMAADO CON AMLIFICADO OEACIONAL COMAADO INESO, COMAADO NO INESO Tenen como msón comparar una tensón arable con otra, normalmente constante, denomnada tensón de referenca, dándonos a la salda una tensón

Más detalles

TEMA 6 AMPLIFICADORES OPERACIONALES

TEMA 6 AMPLIFICADORES OPERACIONALES Tema 6 Amplfcadores peraconales ev 4 TEMA 6 AMPLIFICADES PEACINALES Profesores: Germán llalba Madrd Mguel A. Zamora Izquerdo Tema 6 Amplfcadores peraconales ev 4 CNTENID Introduccón El amplfcador dferencal

Más detalles

Sistemas Informáticos Curso 04-05

Sistemas Informáticos Curso 04-05 Sstemas Informátcos Curso 04-05 FORT: Una herramenta de regresón borrosa Raquel Ballester Lorenzo Jose Ignaco del Campo Montejo Gonzalo Flórez Puga Drgdo por: Prof. F.Javer Crespo Yañez Dpto. Sstemas Informátcos

Más detalles

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A.

CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. CONTROVERSIAS A LAS BASES TÉCNICO ECONOMICAS PRELIMINARES PROCESO TARIFARIO CONCESIONARIA COMPAÑÍA DE TELÉFONOS DE COYHAIQUE S.A. PERÍODO 201-2020 Introduccón Las Bases Técnco Económcas Prelmnares, en

Más detalles

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP)

MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Primer Semestre - Otoño 2014. Omar De la Peña-Seaman. Instituto de Física (IFUAP) MECÁNICA CLÁSICA MAESTRÍA EN CIENCIAS (FÍSICA) Curso de Prmer Semestre - Otoño 2014 Omar De la Peña-Seaman Insttuto de Físca (IFUAP) Benemérta Unversdad Autónoma de Puebla (BUAP) 1 / Omar De la Peña-Seaman

Más detalles

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22

GUIAS DE ACTIVIDADES Y TRABAJO PRACTICO Nº 22 DOCENTE: LIC.GUSTO DOLFO JUEZ GUI DE TJO PCTICO Nº 22 CES: POFESODO Y LICENCITU EN IOLOGI PGIN Nº 132 GUIS DE CTIIDDES Y TJO PCTICO Nº 22 OJETIOS: Lograr que el lumno: Interprete la nformacón de un vector.

Más detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

Relaciones entre variables

Relaciones entre variables Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.

Más detalles

Incertidumbre de la Medición: Teoría y Práctica

Incertidumbre de la Medición: Teoría y Práctica CAPACIDAD, GESTION Y MEJORA Incertdumbre de la Medcón: Teoría y Práctca (1 ra Edcón) Autores: Sfredo J. Sáez Ruz Lus Font Avla Maracay - Estado Aragua - Febrero 001 Copyrght 001 L&S CONSULTORES C.A. Calle

Más detalles

Obtención de mapas de similitud sísmica 2D mediante redes neuronales Oscar Rondón*, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep

Obtención de mapas de similitud sísmica 2D mediante redes neuronales Oscar Rondón*, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep Obtencón de mapas de smltud sísmca 2D medante redes neuronales Oscar Rondón, PDVSA-Intevep, y Rafael Banchs, PDVSA -Intevep Resumen El desarrollo de metodologías para obtener e ntegrar nformacón de múltples

Más detalles

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo

2.2 TASA INTERNA DE RETORNO (TIR). Flujo de Caja Netos en el Tiempo Evaluacón Económca de Proyectos de Inversón 1 ANTECEDENTES GENERALES. La evaluacón se podría defnr, smplemente, como el proceso en el cual se determna el mérto, valor o sgnfcanca de un proyecto. Este proceso

Más detalles

TÉCNICAS AVANZADAS DE FUSIÓN DE IMÁGENES. Consuelo Gonzalo Martín (UPM) María González-Audicana

TÉCNICAS AVANZADAS DE FUSIÓN DE IMÁGENES. Consuelo Gonzalo Martín (UPM) María González-Audicana Consuelo Gonzalo Martín (UPM) María González-Audcana Madrd, 23 Abrl 2007 1.- Introduccón 2.- en la ponderacón de la nformacón 3.- en bancos de fltros 3.- en la respuesta espectral del sensor 4.- Conclusones

Más detalles

Equilibrio termodinámico entre fases fluidas

Equilibrio termodinámico entre fases fluidas CAPÍTULO I Equlbro termodnámco entre fases fludas El conocmento frme de los conceptos de la termodnámca se consdera esencal para el dseño, operacón y optmzacón de proyectos en la ngenería químca, debdo

Más detalles

GUIA DE ALCANCE FINANCIERO CAE OPERACIONES DE CRÉDITO HIPOTECARIO

GUIA DE ALCANCE FINANCIERO CAE OPERACIONES DE CRÉDITO HIPOTECARIO INTRODUCCIÓN La ley 2.555 publcada el día 5 de dcembre de 211 y que entró en vgenca el día 4 de marzo de 212, que modca la ley 19.496 Sobre Proteccón de los Derechos de los Consumdores (LPC, regula desde

Más detalles

TEMA 8: PRÉSTAMOS ÍNDICE

TEMA 8: PRÉSTAMOS ÍNDICE TEM 8: PRÉSTMOS ÍNDICE 1. CONCEPTO DE PRÉSTMO: SISTEMS DE MORTIZCIÓN DE PRÉSTMOS... 1 2. NOMENCLTUR PR PRÉSTMOS DE MORTIZCIÓN FRCCIOND... 3 3. CUDRO DE MORTIZCIÓN GENERL... 3 4. MORTIZCIÓN DE PRÉSTMO MEDINTE

Más detalles

9. Mantenimiento de sistemas de dirección y suspensión

9. Mantenimiento de sistemas de dirección y suspensión 9. Mantenmento de sstemas de dreccón y suspensón INTRODUCCIÓN Este módulo de 190 horas pedagógcas tene como propósto que los y las estudantes de cuarto medo desarrollen competencas relatvas a los sstemas

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

Trabajo Especial 2: Cadenas de Markov y modelo PageRank

Trabajo Especial 2: Cadenas de Markov y modelo PageRank Trabajo Especal 2: Cadenas de Markov y modelo PageRank FaMAF, UNC Mayo 2015 1. Conceptos prelmnares Sea G = (V, E, A) un grafo drgdo, con V = {1, 2,..., n} un conjunto (contable) de vértces o nodos y E

Más detalles

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA ELECTRICA INCORPORACION DE LOS CONJUNTOS DIFUSOS PARA MODELAR INCERTIDUMBRES EN LOS SISTEMAS ELECTRICOS DE POTENCIA

Más detalles

EQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL

EQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL EQUILIBRIO LÍQUIDO VAPOR EN UN SISTEMA NO IDEAL OBJETIVO El alumno obtendrá el punto azeotrópco para el sstema acetona-cloroformo, calculará los coefcentes de actvdad de cada componente a las composcones

Más detalles

Control visual para la formación de robots móviles tipo uniciclo bajo el esquema líder-seguidor

Control visual para la formación de robots móviles tipo uniciclo bajo el esquema líder-seguidor Ingenería Investgacón y Tecnología, volumen XV (número 4), octubre-dcembre 214: 593-62 ISSN 145-7743 FI-UNAM (artículo arbtrado) Control vsual para la formacón de robots móvles tpo uncclo bajo el esquema

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

SISTEMA DE RECONOCIMIENTO DE ROSTROS

SISTEMA DE RECONOCIMIENTO DE ROSTROS SISTEMA DE RECONOCIMIENTO DE ROSTROS Categoría: Pre-grado - Alumno Área Temátca: Ingenería de Sstemas Procesamento Dgtal de Imágenes Autor Sandra María Vlla Palacos Unversdad Peruana de Cencas Aplcadas

Más detalles

APLICACIÓN DEL MODELO ANFIS PARA PREDICCIÓN DE SERIES DE TIEMPO

APLICACIÓN DEL MODELO ANFIS PARA PREDICCIÓN DE SERIES DE TIEMPO Lámpsakos N o. 9 pp. 2-25 enero-juno 203 ISSN: 245-4086 Medellín - Colomba APLICACIÓN DEL MODELO ANFIS PARA PREDICCIÓN DE SERIES DE TIEMPO APPLICATION OF THE ANFIS FOR TIME SERIES PREDICTION (Recbdo el

Más detalles

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17

Procesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 17 Procesamento Dgtal de mágenes Pablo Roncaglolo B. Nº 7 Orden de las clases... CAPTURA, DGTALZACON Y ADQUSCON DE MAGENES TRATAMENTO ESPACAL DE MAGENES TRATAMENTO EN FRECUENCA DE MAGENES RESTAURACON DE MAGENES

Más detalles

Respuesta A.C. del FET 1/14

Respuesta A.C. del FET 1/14 espuesta A.C. del FET 1/14 1. Introduccón Una ez que se ubca al transstor dentro de la zona saturada o de corrente de salda constante, se puede utlzar como amplfcador de señales. En base a un FET canal

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

MATERIAL Y MÉTODOS. Se utilizó el listado de códigos que Caminal estableció para España, a los cuales se

MATERIAL Y MÉTODOS. Se utilizó el listado de códigos que Caminal estableció para España, a los cuales se MATERIAL Y MÉTODOS Fuentes de nformacón Los datos de hosptalzacón se obtenen del Conjunto Mínmo de Datos de Egresos Hosptalaros del Seguro Públco de Salud Costarrcense (SPSC) y las proyeccones de poblacón

Más detalles

Guía de ejercicios #1

Guía de ejercicios #1 Unversdad Técnca Federco Santa María Departamento de Electrónca Fundamentos de Electrónca Guía de ejerccos # Ejercco Ω v (t) V 3V Ω v0 v 6 3 t[mseg] 6 Suponendo el modelo deal para los dodos, a) Dbuje

Más detalles

Leyes de tensión y de corriente

Leyes de tensión y de corriente hay6611x_ch03.qxd 1/4/07 5:07 PM Page 35 CAPÍTULO 3 Leyes de tensón y de corrente CONCEPTOS CLAVE INTRODUCCIÓN En el capítulo 2 se presentaron la resstenca así como varos tpos de fuentes. Después de defnr

Más detalles

III. <> <>

III. <<Insertar Cita>> <<Autor>> Capítulo III Vsón III 3.1 Procesamento de Imágenes Se entende por procesamento de mágenes a la alteracón y análss de la normacón gráca. 3.1.1 Sstema de vsón humano El sstema

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

MODELACIÓN, SIMULACIÓN Y ANÁLISIS DE FLUJO DE CARGA DE LA RED ELÉCTRICA DE TRANSPORTE DE GUATEMALA, UTILIZANDO SOFTWARE DE LIBRE ACCESO

MODELACIÓN, SIMULACIÓN Y ANÁLISIS DE FLUJO DE CARGA DE LA RED ELÉCTRICA DE TRANSPORTE DE GUATEMALA, UTILIZANDO SOFTWARE DE LIBRE ACCESO Unversdad de San Carlos de Guatemala Facultad de Ingenería Escuela de Ingenería Mecánca Eléctrca MODELACIÓN, SIMULACIÓN Y ANÁLISIS DE FLUJO DE CARGA DE LA RED ELÉCTRICA DE TRANSPORTE DE GUATEMALA, UTILIZANDO

Más detalles

Desigualdad de oportunidades y el rol del sistema educativo en los logros de los jóvenes uruguayos

Desigualdad de oportunidades y el rol del sistema educativo en los logros de los jóvenes uruguayos Desgualdad de oportundades y el rol del sstema educatvo en los logros de los jóvenes uruguayos Cecla Llambí Marcelo Perera Pablo Messna Febrero de 2009 Esta nvestgacón fue fnancada por el Fondo Carlos

Más detalles

Valoración de Instrumentos del Vector de Precios

Valoración de Instrumentos del Vector de Precios Valoracón de Instrumentos del Vector de Precos VERSIÓN DICIEMBRE VERSIÓN DICIEMBRE CONTENIDO INTRODUCCIÓN.... INSTRUMENTOS FINANCIEROS.... Títulos de Deuda de Emsores Públcos... A) Bonos de Establzacón

Más detalles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles

Unidad I. 1. 1. Definición de reacción de combustión. 1. 2. Clasificación de combustibles 2 Undad I.. Defncón de reaccón de combustón La reaccón de combustón se basa en la reaccón químca exotérmca de una sustanca (o una mezcla de ellas) denomnada combustble, con el oxígeno. Como consecuenca

Más detalles

CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE

CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE Resolucón de 3 de juno de 2016, por la que se establece el proyecto educatvo nsttuconal denomnado JOSCAN, joven orquesta snfónca para Cantabra. Ley de Cantabra

Más detalles

Tema 3: Adaptadores de Señal

Tema 3: Adaptadores de Señal Tema 3: Adaptadores de Señal Sstema GENERAL de nstrumentacón (bloques( funconales): Señal sensor Fltrado, A/D Amplfcacón Rado, nternet bus de datos Medo Sensor prmaro Transductor de entrada Adaptacón de

Más detalles

@wildfire @integra wildfire. Tecnología NeoLIDAR

@wildfire @integra wildfire. Tecnología NeoLIDAR Grupo ntegra wldfre ntegra wldfre Tecnología NeoLIDAR SISTEMA AUTOMÁTICO DE DETECCIÓN PRECOZ DE INCENDIOS FORESTALES Integracones Técncas de Segurdad, S.A. Integra Telecomuncacón, Segurdad y Control, S.A.

Más detalles

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL

Más detalles

Keywords: Critical systems, Indicators, Software Agents, Enterprise Resource Planning Systems.

Keywords: Critical systems, Indicators, Software Agents, Enterprise Resource Planning Systems. Sstema mult-agente para medr la confabldad en las dmensones de dsponbldad y fabldad de un sstema crítco envolvendo al sstema ERP, base de datos y sstema operatvo Angel Hermoza 1, Lus Rvera 2, Davd Maurco

Más detalles

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES

APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES APLICACIÓN DEL ANALISIS INDUSTRIAL EN CARTERAS COLECTIVAS DE VALORES Documento Preparado para la Cámara de Fondos de Inversón Versón 203 Por Rodrgo Matarrta Venegas 23 de Setembre del 204 2 Análss Industral

Más detalles

Análisis de error y tratamiento de datos obtenidos en el laboratorio

Análisis de error y tratamiento de datos obtenidos en el laboratorio Análss de error tratamento de datos obtendos en el laboratoro ITRODUCCIÓ Todas las meddas epermentales venen afectadas de una certa mprecsón nevtable debda a las mperfeccones del aparato de medda, o a

Más detalles

Capacidad de Procesos según ISO 9000 Ing o. Angel Francisco Arvelo

Capacidad de Procesos según ISO 9000 Ing o. Angel Francisco Arvelo EVALUACION DE LA CAPACIDAD DE CALIDAD DE UN PROCESO INDUSTRIAL METODOS ESTADISTICOS SUGERIDOS POR LA NORMA ISO 9000 ANGEL FRANCISCO ARVELO L. Ingenero Industral Master en Estadístca Matemátca CARACAS,

Más detalles

CAPACIDAD DE LAS HOJAS DE CÁLCULO EN EL ANÁLISIS Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS

CAPACIDAD DE LAS HOJAS DE CÁLCULO EN EL ANÁLISIS Y OPTIMIZACIÓN DE PROCESOS Y SISTEMAS CAPACIDAD DE LAS OJAS DE CÁLCULO EN EL ANÁLISIS Y OPIMIZACIÓN DE PROCESOS Y SISEMAS A. Rvas y. Gómez-Acebo Departamento de Ingenería Mecánca-Área de Ingenería érmca y de Fludos ECNUN - Escuela Superor

Más detalles

Reconocimiento automático de objetos basado en la relación dimensional

Reconocimiento automático de objetos basado en la relación dimensional Reconocmento automátco de objetos basado en la relacón dmensonal Alejandro Israel Barranco Gutérrez 1 y José de Jesús Medel Juárez 2 1 Centro de Investgacón en Cenca Aplcada y Tecnología Avanzada, Calzada

Más detalles

PROYECTO INTEGRADOR DE LA CARRERA DE INGENIERÍA MECÁNICA

PROYECTO INTEGRADOR DE LA CARRERA DE INGENIERÍA MECÁNICA PROYECTO INTEGRADOR DE LA CARRERA DE INGENIERÍA MECÁNICA SISTEMA DEL CONTROL DEL CIRCUITO DE ALTA PRESIÓN PARA ENSAYO DE MECANISMOS (CAPEM) DEL REACTOR CAREM Alejandro Jorge D Benedetto Dr. Andrés Etchepareborda

Más detalles

GANTT, PERT y CPM INDICE

GANTT, PERT y CPM INDICE GANTT, PERT y CPM INDICE 1 Antecedentes hstórcos...2 2 Conceptos báscos: actvdad y suceso...2 3 Prelacones entre actvdades...3 4 Cuadro de prelacones y matrz de encadenamento...3 5 Construccón del grafo...4

Más detalles

CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE

CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE CONSEJERÍA DE EDUCACIÓN, CULTURA Y DEPORTE Orden ECD/3/2011, 25 de agosto, por la que se establece el currículo del cclo formatvo de Grado Medo correspondente al título de Técnco en Instalacones Frgorífcas

Más detalles

Índice de Precios de las Materias Primas

Índice de Precios de las Materias Primas May-15 Resumen Ejecutvo El objetvo del (IPMP) es sntetzar la dnámca de los precos de las exportacones de Argentna, consderando la relatva establdad en el corto plazo de los precos de las ventas externas

Más detalles

Laser Distancer LD 420. Instrucciones

Laser Distancer LD 420. Instrucciones Laser Dstancer LD 40 es Instruccones Índce Confguracón del nstrumento- - - - - - - - - - Introduccón - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Informacón general- - - - - - - - - - -

Más detalles

Robótica Tema 4. Modelo Cinemático Directo

Robótica Tema 4. Modelo Cinemático Directo UNIVERSIDAD POLITÉCNICA DE MADRID E.U.I.T. Industral ASIGNATURA: Robótca TEMA: Modelo Cnemátco Ttulacón: Grado en Ingenería Electrónca y Automátca Área: Ingenería de Sstemas y Automátca Departamento de

Más detalles

Programación entera, el método del árbol de cubos, su algoritmo paralelo y sus aplicaciones

Programación entera, el método del árbol de cubos, su algoritmo paralelo y sus aplicaciones Programacón entera, el método del árbol de cubos, su algortmo paralelo y sus aplcacones Dr. José Crspín Zavala Díaz, Dr. Vladmr Khachaturov 2 Facultad de Contabldad, Admnstracón e Informátca, jc_zavala2002@yahoo.com

Más detalles

2 Criterios generales aplicados a las estructuras de hormigón

2 Criterios generales aplicados a las estructuras de hormigón ANEJO 7 ÍNDICE DE CONTRIBUCIÓN DE LA ESTRUCTURA A LA SOSTENIBILIDAD Consderacones generales El proyecto, la ejecucón y el mantenmento de las estructuras de hormgón consttuyen actvdades, enmarcadas en el

Más detalles

ACCESIBILIDAD EN LOS SISTEMAS DE COMUNICACIÓN E INFORMACIÓN

ACCESIBILIDAD EN LOS SISTEMAS DE COMUNICACIÓN E INFORMACIÓN Capítulo 6 ACCESIBILIDAD EN LOS SISTEMAS DE COMUNICACIÓN E INFORMACIÓN 6.1 DOCUMENTACIÓN IMPRESA ACCESIBLE La documentacón mpresa y la dgtalzada representan los soportes más empleados para la comuncacón

Más detalles

Un Modelo de Asignación de Recursos a Rutas en el Sistema de Transporte Masivo Transmilenio

Un Modelo de Asignación de Recursos a Rutas en el Sistema de Transporte Masivo Transmilenio Un Modelo de Asgnacón de Recursos a Rutas en el Sstema de Transporte Masvo Transmleno A Model for Resource Assgnment to Transt Routes n Bogota Transportaton System Transmleno Sergo Duarte, Ing., Davd Becerra,

Más detalles

CONCEPTOS GENERALES DEL CAMPO MAGNÉTICO

CONCEPTOS GENERALES DEL CAMPO MAGNÉTICO CONCEPTOS GENERALES DEL CAMPO MAGNÉTICO 1 ÍNDICE 1. INTRODUCCIÓN 2. EL CAMPO MAGNÉTICO 3. PRODUCCIÓN DE UN CAMPO MAGNÉTICO 4. LEY DE FARADAY 5. PRODUCCIÓN DE UNA FUERZA EN UN CONDUCTOR 6. MOVIMIENTO DE

Más detalles

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.

Simulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización. Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón

Más detalles

REVISTA INVESTIGACIÓN OPERACIONAL VOL., 32, NO. 1, 38-52, 2011

REVISTA INVESTIGACIÓN OPERACIONAL VOL., 32, NO. 1, 38-52, 2011 REVISTA INVESTIGACIÓN OPERACIONAL VOL., 32, NO. 1, 38-52, 2011 LOCALIZACIÓN EN UNA RED CON PATRÓN DE ELECCIÓN DEFINIDO POR UNA DISTANCIA UMBRAL Blas Pelegrín Pelegrín 1, Saúl Cano Hernández 2 Departamento

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

DIAGNÓSTICO DE VARIANTES DE PROCESOS DE NEGOCIO

DIAGNÓSTICO DE VARIANTES DE PROCESOS DE NEGOCIO DIAGNÓSTICO DE VARIANTES DE PROCESOS DE NEGOCIO Damán Pérez-Alfonso, MSc 1, Eudel Pupo-Hernández, Ing 1, and Juan Pedro Febles-Rodríguez, PhD 1 1 Unversdad de las Cencas Informátcas, Cuba, dalfonso@uc.cu,epupoh@uc.cu,febles@uc.cu

Más detalles

EL AMPLIFICADOR OPERACIONAL.

EL AMPLIFICADOR OPERACIONAL. Tema 6. El mplfcador peraconal. Tema 6 EL MPLIFICD PECINL.. Introduccón... Símbolos y termnales del amplfcador operaconal... El amplfcador operaconal como amplfcador de tensón..3. Conceptos báscos de realmentacón..4.

Más detalles

Incentivos económicos de las empresas a participar en acuerdos ambientales voluntarios: análisis del Programa de Industria Limpia

Incentivos económicos de las empresas a participar en acuerdos ambientales voluntarios: análisis del Programa de Industria Limpia Gaceta de Economía Año 16, Número Especal, Tomo I Incentvos económcos de las empresas a partcpar en acuerdos ambentales voluntaros: análss del Programa de Industra Lmpa Vcente Ruíz 1, Marsol Rvera-Planter

Más detalles

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa

Aplicación de la termodinámica a las reacciones químicas Andrés Cedillo Departamento de Química Universidad Autónoma Metropolitana-Iztapalapa Aplcacón de la termodnámca a las reaccones químcas Andrés Cedllo Departamento de Químca Unversdad Autónoma Metropoltana-Iztapalapa Introduccón Las leyes de la termodnámca, así como todas las ecuacones

Más detalles

8 MECANICA Y FLUIDOS: Calorimetría

8 MECANICA Y FLUIDOS: Calorimetría 8 MECANICA Y FLUIDOS: Calormetría CONTENIDOS Dencones. Capacdad caloríca. Calor especíco. Equlbro térmco. Calormetría. Calorímetro de las mezclas. Marcha del calorímetro. Propagacón de Errores. OBJETIVOS

Más detalles

Maestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto

Maestría en Economía Facultad de Ciencias Económicas Universidad Nacional de La Plata TESIS DE MAESTRIA. ALUMNO Laura Carella. DIRECTOR Alberto Porto Maestría en Economía Facultad de Cencas Económcas Unversdad Naconal de La Plata TESIS DE MAESTRIA ALUMNO Laura Carella TITULO Educacón unverstara: medcón del rendmento académco a través de fronteras de

Más detalles

CÁLCULO TEÓRICO AB-INITIO DE ENERGÍAS DE IONIZACIÓN Y ELECTRONEGATIVIDADES

CÁLCULO TEÓRICO AB-INITIO DE ENERGÍAS DE IONIZACIÓN Y ELECTRONEGATIVIDADES DEPARTAMENTO DE QUÍMICA FÍSICA FACULTAD DE CIENCIAS CÁLCULO TEÓRICO AB-INITIO DE ENERGÍAS DE IONIZACIÓN Y ELECTRONEGATIVIDADES JOSÉ ALEJO PÉREZ RASCO Trabajo para optar al título de Doctor en Cencas Químcas

Más detalles

Multiobjetivo para Optimizar un Ambiente Job Shop

Multiobjetivo para Optimizar un Ambiente Job Shop Informacón Tecnológca Una Vol. 23(1), Metodología 35-46 (2012) Multobetvo para Optmzar un Ambente Job Shop do: 10.4067/S0718-07642012000100005 Ruz Una Metodología Multobetvo para Optmzar un Ambente Job

Más detalles

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA

CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,

Más detalles

Índice de contribución de la estructura a la sostenibilidad

Índice de contribución de la estructura a la sostenibilidad ANEJO 13º Índce de contrbucón de la estructura a la sostenbldad 1. Consderacones generales El proyecto, la ejecucón y el mantenmento de las estructuras de hormgón consttuyen actvdades, enmarcadas en el

Más detalles

ESTUDIO DEL COMPORTAMIENTO DE UN ROBOT PARALELO TREPADOR PARA LABORES DE SUPERVISION

ESTUDIO DEL COMPORTAMIENTO DE UN ROBOT PARALELO TREPADOR PARA LABORES DE SUPERVISION XXV Jornadas de Automátca Cudad Real, del 8 al 10 de septembre de 2004 ESUDIO DEL COMPORAMIENO DE UN ROBO PARALELO REPADOR PARA LABORES DE SUPERVISION Rafael Aracl S. Roue Saltaren Mara A. Scarano R. Raúl

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization)

Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multiobjective Optimization) Módulo 3. OPTIMIZACION MULTIOBJETIVO DIFUSA (Fuzzy Multobjectve Optmzaton) Patrca Jaramllo A. y Rcardo Smth Q. Insttuto de Sstemas y Cencas de la Decsón Facultad de Mnas Unversdad Naconal de Colomba, Medellín,

Más detalles

Entorno Eficiente de Simulación Dinámica para la Operación de Plantas de Procesamiento de Alimentos

Entorno Eficiente de Simulación Dinámica para la Operación de Plantas de Procesamiento de Alimentos Entorno Efcente de Smulacón Dnámca para la Operacón de Plantas de Procesamento de Almentos Carlos Vlas, Míram R. García, Marcos Vllafín, Julo R. Banga, Antono A. Alonso Grupo de Ingenería de Procesos (IIM-CSIC).

Más detalles

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1

Econometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1 Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale

Más detalles

Rentas financieras. Unidad 5

Rentas financieras. Unidad 5 Undad 5 Rentas fnanceras 5.. Concepto de renta 5.2. Clasfcacón de las rentas 5.3. Valor captal o fnancero de una renta 5.4. Renta constante, nmedata, pospagable y temporal 5.4.. Valor actual 5.4.2. Valor

Más detalles

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1

CÁLCULO VECTORIAL 1.- MAGNITUDES ESCALARES Y VECTORIALES. 2.- VECTORES. pág. 1 CÁLCL ECTRIAL 1. Magntudes escalares y vectorales.. ectores. Componentes vectorales. ectores untaros. Componentes escalares. Módulo de un vector. Cosenos drectores. 3. peracones con vectores. 3.1. Suma.

Más detalles

Actas de las Jornadas de Ingeniería Telemática (JITEL 97), Bilbao, pp. 179-188, Setiembre, 1997 MODELADO DE VÍDEO VBR ORIENTADO A ESCENA

Actas de las Jornadas de Ingeniería Telemática (JITEL 97), Bilbao, pp. 179-188, Setiembre, 1997 MODELADO DE VÍDEO VBR ORIENTADO A ESCENA Actas de las Jornadas de ngenería Telemátca (JTEL 97), lbao, pp. 79-88, Setembre, 997 MODELADO DE VÍDEO VR ORENTADO A ESCENA E. Caslar, M. Lorente, A. Reyes, A. Díaz Estrella, F. Sandoval Dpto. Tecnología

Más detalles

ROBÓTICA PARALELA: APLICACIONES INDUSTRIALES, MODELADO Y CONTROL. Andrés Vivas

ROBÓTICA PARALELA: APLICACIONES INDUSTRIALES, MODELADO Y CONTROL. Andrés Vivas ROBÓICA PARALELA: APLICACIONES INDUSRIALES, MODELADO Y CONROL Andrés Vvas Unversdad del Cauca, Departamento de Electrónca, Instrumentacón y Control, Popayán, Colomba Resumen: Este artículo ntroduce los

Más detalles