1,720,977 research outputs found
Benchmark de grafos para el problema del máximo clique (2020-2023)
No full textThis dataset contains the testbed of 501 structured clique instances employed to evaluate the performance of CliSAT, a very efficient state-of-the-art exact algorithm for the Maximum Clique Problem (MCP).
3. Descripción del proyecto
El proyecto ACOGES tiene como objetivo principal general el diseño, el desarrollo y la validación de robots de asistencia personal. Con este fin, uno de los objetivos específicos consiste en el Modelado del entorno y del usuario capaz de identificar los elementos diferenciadores.
4. Descripción del dataset
Dataset de grafos empleados para la evaluación del problema del máximo clique. El dataset contiene 501 instancias sintéticas difíciles para el problema elegidas cuidadosamente de diferentes fuentes. La estructura de los datos es la siguiente:
Directorio raíz: instances
- Subdirectorio csplib: instancias del problema satisfacción de restricciones (CSP) reducidas al problema del máximo clique.
- Subdirectorio misclib: instancias de diferentes problemas reducidas al máximo clique
fichero: bhoshlib.zip - recopilación de la base de grafos BHOSHLIB (acceso abierto)
fichero: dimacs.zip - recopilación de la base de grafos DIMACS (acceso abierto)
La información disponible se compone de:
archivos de texto ASCII, extensión .txt en formato DIMAC
Graph search and its application to image matching
No full textLa principal innovación presentada en esta tesis es una innovadora técnica de filtrado para la asociación de puntos característicos entre pares de imágenes. Esta técnica tiene en cuenta múltiples hipótesis en la asociación de puntos. Este algoritmo, al que hemos llamado CCMM usa técnicas de grafos para evaluar de forma eficiente la compatibilidad entre un conjunto de posibles parejas. En concreto el problema se reduce a la búsqueda de un máximo clique en un grafo donde se utilizan la últimas y más eficientes técnicas para su resolución. Otra innovación que se presenta en este trabajo es un algoritmo hecho a medida para la búsqueda exacta de cliques en los grafos generados por el algoritmo CCMM. Este algoritmo recibe el nombre de BBMCW y utiliza una formulación del problema basada en cadenas de bits a las que se les asigna unos centinelas que marcan el comienzo y el fin del bloque de bits. Estos bloques tienen una estructura semi-dispersa que surge de la forma en que se generan los grafos en el algoritmo CCMM. Se aplica el algoritmo CCMM a la reconstrucción tridimensional de escenas a partir de imágenes monoculares obteniendo una mejora en los resultados y mejorando la estabilidad del algoritmo. En el marco de la reconstrucción tridimensional esta tesis presenta otra innovación en un paso concreto de la reconstrucción. Este paso es la inicialización del algoritmo de optimización que está demostrado ser un paso crítico en la reconstrucción. Este trabajo presenta varias estrategias compararemos con el algoritmo actualmente usado en el estado del arte. La estrategia de ordenado basada en la mínima distancia calculada a lo largo de un grafo creado a partir de los errores ha demostrados mejorar el rendimiento de la estrategia utilizada actualmente por el estado del arte. ABSTRACT The main innovation presented in this thesis is a novel filtering technique for visual feature matching that takes into account multiple hypothesis. This algorithm, named CCMM, uses graph techniques to efficiently evaluate feasibility and joint compatibility of a set of possible matches. Specifically, the problem is reduced to a maximum clique search over an association graph and state-of-the-art algorithms are applied to solve it. Another contribution of this work is the tailoring of an exact clique solver for this application; the new algorithm is denoted BBMCW. BBMCW uses a bitstring formulation with sentinel bits to limit the boundaries of the semi-sparse bit-blocks that arise from the specific structure of the CCMM graphs. The CCMM algorithm is then applied to the Structure from Motion problem. There, it improves the reconstruction results and helps to maintain overall stability. In the context of the Structure from Motion problem, this thesis presents a further contribution concerning the initialization of the bundle adjustment optimization step. In the first place, it shows that initialization is critical for a successful reconstruction of the scene. Moreover, this work also describes several novel strategies for initialization and compares the scene reconstructions with those obtained by known strategies. The reported results show that ordering frames according to the minimum distance to a central point in an error graph improves state-of-the-art bundle adjustment
Estudio y análisis de las arquitecturas de redes neuronales aplicadas a agentes conversacionales
No full textLa comunicación entre personas es uno de los aspectos más importantes para la sociedad y, más concretamente, el lenguaje es uno de los principales medios para el entendimiento. En este proyecto, vamos a ahondar sobre el Procesamiento del Lenguaje Natural (NLP), encargado de la
conversación hombre-máquina. Este concepto ha crecido ampliamente durante los últimos 10 años debido a sus diversas aplicaciones, tales como los agentes conversacionales, los cuales se encargan de analizar y contextualizar una frase de entrada y poder ofrecer la respuesta más acertada posible. Los agentes conversacionales
más avanzados están siendo estudiados para conseguir poder desenvolverse en cualquier circunstancia, ambiente o idioma en una conversación con personas de todo el mundo. Los estudios más punteros están estudiando las emociones como posible incorporación en el mundo de los agentes conversacionales, haciendo más natural la conversación y también ayudando en campos como el de la salud, por ejemplo, como apoyo psicológico.
Más brevemente, un agente conversacional puede ser entendido fácilmente como un programa que simula las conversaciones humanas, aportando respuestas previamente aprendidas ante una entrada realizada por un humano. Los agentes conversacionales están en auge actualmente, siendo muy habitual poder interaccionar con uno en ambientes controlados.
A fin de implementar apropiadamente los agentes conversacionales, diferentes técnicas de aprendizaje profundo han de ser usadas. De este modo, los agentes
conversacionales usan redes y modelos de aprendizaje profundo para generar sus salidas, con resultados muy prometedores. En este proyecto vamos a estudiar uno
de ellos, el modelo de agente conversacional Retrieval-Based, compuesto de una Red Neuronal Recurrente, a su vez formada por neuronas de tipo LSTM (Long Short Term Memory Network). Durante el estudio se llevará a cabo por una parte, un análisis teórico, en el que se estudiarán tanto la arquitectura como los parámetros que definen este tipo de redes; y por otra parte, un análisis práctico, evaluando su
funcionamiento y el impacto de los parámetros en el mismo.
Aunque los agentes conversacionales se ha estudiado en profundidad y abordado sus principales debilidades, todavía no están completamente maduros. Hemos identificado que los principales problemas provienen de la limitación y rigidez en las respuestas, así como de los errores en las respuestas y su apariencia automática, que es intrínsecamente antinatural. Por lo tanto, una parte importante de la comunidad investigadora está trabajando en cómo hacer que las conversaciones sean más naturales y resulten más atractivas para los interlocutores humanos.
El objetivo de este proyecto es el estudio de todos los parámetros que influyen en los agentes conversacionales, comúnmente llamados chatbots. El proyecto está
cimentado en un agente conversacional basado en un encoder dual de LSTM para la generación de respuestas automáticas de diálogo. El dataset escogido es el Ubuntu Dialog Corpus Ubuntu Dialog Corpus (UDC) debido a su extensión y a su carácter de dominio público. La razón por la que se usa el modelo Dual Encoder es porque su viabilidad como agente conversacional ha sido demostrada y los resultados a replicar son superiores a otros modelos de redes neuronales recurrentes. Las herramientas empleadas para el desarrollo y análisis han sido, TensorFlow para implementación y el entrenamiento del código, y TensorBoard para una fácil visualización de los datos obtenidos. Todo el proyecto está escrito en el lenguaje de programación Python.
La herramienta TensorFlow es, hoy por hoy, la más utilizada en el campo del aprendizaje profundo por la enorme cantidad de posibilidades que ofrece como la facilidad de uso, una extensa documentación y una gran comunidad de programadores.
Algunos ejemplos directos de vanguardia de esta herramienta, en relación a este proyecto son Google’s Smart Reply o Google Translate.
El modelo Retrieval-Based aporta la ventaja de poder relacionar y comparar un contexto de entrada con una respuesta de salida, y asignarle un vector a estas
relaciones, el cual en función de su tamaño nos dirá la calidad de la respuesta en relación a la entrada. En cuanto a las neuronas de tipo LSTM usadas en el modelo son muy adecuadas por la memoria de contexto que presentan durante la conversación, dándonos una mejora significativa en los resultados a la hora de conversar con el
agente conversacional.
Un poco más detalladamente, un agente conversacional se divide en dos fases: la primera se convierte el dataset en un vocabulario, donde cada palabra está representada por un vector numérico; la segunda, se divide el dataset y se entrena una red con frases de entrada y de respuesta, donde las frases en lugar de estar formadas por palabras (strings), están formadas por vectores que representan palabras (word embedding) para optimizar el coste computacional. Después de entrenar el modelo se estima la calidad del mismo mediante métricas de evaluación.
Algunos de los parámetros generales más destacables de un agente conversacional son el número de capas y neuronas por capa (siendo esta una matriz) que se usa en red neuronal, estos determina la capacidad de aprendizaje de la misma, la tasa de aprendizaje nos indica la velocidad con que convergerá la red hacia el ratio de solución, el tamaño del batch (lote) nos dice la cantidad de frases de entrada que
compara en cada step (iteración) en su aprendizaje y, por último, la función de coste (pérdidas) calculada a lo largo del entrenamiento para ver lo que se asemeja la solución predicha a la real.
(ENG)Communication between people is one of the most important aspects for society and more specifically the language is one of the main means for understanding. In
this project we are going to delve into the concept of Natural Language Processing (NLP), which is in charge of the human-machine conversation. This concept has widely grown during the last 10 years due to its diverse applications, such as conversational agents, which are the responsible of analyzing and contextualizing an input phrase and are able to offer the most accurate answer. The most advanced conversational agents are being studied in order to enable its usage in any circumstance, in environment or language in a conversation with people from all over the world. Most novel works in the literature are studying emotions as a possible incorporation in the world of conversational agents, making conversation more natural and also
helping in fields such as health, for example, as psychological support.
Summarizing, a conversational agent can be understood easily as a software that simulates human conversations, providing previously learned answers to an input made by a human. Conversational agents are currently very popular, nowadays it is greatly common to interact with one in controlled environments.
In order to properly implement a conversational agent, several deep learning techniques are required. In this way, conversational agents rely on networks and models to generate their outputs, with very promising results. In this project we are going to use specific type of conversational agent model, the Retrieval-Based conversational agent model, composed of a Recurrent Neural Network, in turn consists
of LSTM (Long Short Term Memory network) neurons. In this project, a theoretical analysis is carried out, on the one hand, which will study both the architecture and the parameters that define this type of networks; and on the other hand, a practical analysis is performed by evaluating its functionality and the impact of the parameters in it.
Although conversational agents have been studied in depth, and their main weaknesses have been addressed, they are still not completely mature. We have identified that the main problems come from the limitation and rigidity in the answers, as well as the answering errors and their automatic appearance, which is inherently unnatural. Thus, an important part of the research community is working on how
to make conversations more natural and more attractive to human interlocutors.
The objective of this project is the study of all the parameters that influence the conversational agents, commonly called chatbots. The project is founded on a conversational agent based on a dual LSTM encoder has been used to generate automatic dialogue responses. We have chosen the Ubuntu Dialog Corpus (UDC) dataset for our dialogue responses, as it is one of the largest public dialog datasets available. The reason why the Dual Encoder model is used is because its viability as a conversational agent has been reported and the results to be replicated are
higher to other models of recurrent neural networks. The tools used for programming and analysis were TensorFlow for the implementation and training of the code and TensorBoard for an easy visualization of the obtained data. The whole project is written in the programming language Python.
Currently, the most used tool in the field of deep learning is TensorFlow, because of the large number of possibilities offered, the ease of use and has extensive documentation and a large community of programmers. Some cutting-edge direct
examples of this tool, in relation to this project are Google’s Smart Reply or Google Translate.
The Retrieval-Based model provides the advantage of being able to relate and compare an input comment with an output response, and assign this relationship to a vector, which according to its size will tell us the quality of the response in relation to the input. As for the LSTM neurons used in the model, they are very suitable for the context memory they present during the conversation, giving us a
significant improvement in the results when talking with the conversational agent.
A little more in detail, a conversational agent is divided into two phases: the first one turns the dataset into a vocabulary, where each word is represented by a numerical vector; the second, divide the dataset and train a network with input and response phrases, where the sentences instead of being composed of words (strings), are composed of vectors that represent words (word embedding) to optimize the computational cost. After training the model the quality of the model is estimated through evaluation metrics.
Some of the most remarkable general parameters of a conversational agent are the number of layers and neurons per layer (this being a matrix) that is used in the neural network, these determine their learning capacity, the learning rate tells us the speed with which the network will converge towards the solution ratio, the size of the batch tells us the number of input phrases that it compares in each iteration or step in its learning and finally the cost or loss function that is calculated along the training to know how much the predicted solution resembles the real one
Diseño e implementación de un planificador para un agente autónomo
No full textLa planificación automática es un área dentro de la inteligencia artificial que está en pleno desarrollo. En esta tesis se muestra el trabajo realizado relacionado con la planificación automática, planteando un entorno de desarrollo para problemas de planificación que facilite su uso, integrando, en un sistema, herramientas de planificación, simulación y de visualización 3D, además de una utilidad para la edición de PDDL (lenguaje empleado en planificación). El sistema planteado incluye además la posibilidad de análisis de resultados de planificación, que pueden usarse en un nivel más alto de razonamiento junto con bases de conocimiento. Asimismo se expone un planificador basado en lógica booleana, incluyendo un traductor de problemas de planificación a problemas de lógica, que pueden ser resueltos por un demostrador lógico. Este traductor incluye aportaciones en la técnica de conversión y codificación de esos problemas. Se aportan además un conjunto de problemas de planificación, de distinta complejidad, aplicados a la robótica, sirviendo como ejemplos para posteriores desarrollos. ABSTRACT Automated planning is a part of Artificial Intelligence on current development. This thesis exhibits the work done in relation with automated planning, defining a framework for automated planning that makes developping planning problems easier by integrating tools for planning, simulation, and 3D viewing. The framework also includes a PDDL (planning domain definition language) editor that facilitates writing planning problems. Moreover, the system is also capable of analyzing planning results, which can be used on a higher reasoning level together with an adequate knowledge base. In addition, a planning solver based on Boolean logic is described and implemented. The solver contains a compiler from PDDL to a logic problem, solvable by a logic demonstrator program. This compiler has a number of improvements with respect to state-of-the-art compilers. Finally, a set of original planning problems concerning robotics and of varying degrees of difficulty are presented. We hope these benchmarks can serve as useful examples for the IA planning community
Sensores IoT para aplicaciones de conducción autónomo: simulación y evaluación
No full textLa industria automovilística está enfrentándose en la actualidad a grandes retos relacionados con el uso y la fiabilidad de sensores IoT, en donde los vehículos deberán estar comunicados entre sí para compartir la información proporcionada por la red de sensores IoT, lo cual permite perfeccionar la conducción autónoma en términos de seguridad, así como reducir sustancialmente los accidentes de tráfico mejorando la movilidad, evitando las congestiones viales y el flujo de tráfico.
Hoy en día, la información proporcionada por la red de sensores IoT tiene una serie de inconvenientes relacionados, entre otras cosas, con el fallo de los sensores o por las perturbaciones producidas en las señales de comunicación emitidas por el Sistema Global de Navegación por Satélite (“Global Navigation Satellite System”, GNSS). Por lo tanto, surge la necesidad de incorporar información sensorial externa para asegurar la fiabilidad en la detección de objetos. En el presente Trabajo Fin de Máster se propone incorporar sensores IoT en varios vehículos para obtener información detallada de los diferentes tipos de obstáculos que se pueden encontrar a lo largo de la trayectoria. El tipo de sensor IoT utilizado en este trabajo se corresponde con una cámara Bumbleebe 2 que permite el reconocimiento de patrones (ej. forma, tipo, posición y tamaño) para posteriormente enviar la información detallada a una estación central. Esta estación es la encargada de recibir, gestionar y enviar la evaluación de los datos a la red de sensores IoT. De esta manera, incluso vehículos que no tengan disponibilidad de sensores IoT, pueden hacer uso de la información proporcionada por la estación central para optimizar la precisión en la detección de los objetos dentro del escenario y así, poder asegurar la fiabilidad de estos sensores. La estación central está desarrollada en un software de programación externo Qt y cuyo lenguaje de programación es C++. En este nodo principal se genera un mapa dinámico local que está compuesto por el total de objetos detectados por cada sensor IoT. El fin de este mapa es mejorar la precisión en la detección de objetos debido a la cooperación de todos los sensores que componen la red.
Finalmente, se ha realizado una serie de ensayos para la validación de la red de sensores IoT, mediante la utilización de la herramienta de simulación 3D Webots 2018r. Esta herramienta es la misma que permite simular la configuración real existente de la pista de pruebas para la conducción autónoma situada en el Centro de Automática y Robótica (CAR), ubicado en la Ctra. Campo Real Km. 0.2, Arganda del Rey (Madrid, España). Además, se ha trazado como líneas futuras la validación de este sistema en un entorno real mediante la utilización de la pista de conducción y los autos disponibles en el CAR.
----ABSTRACT----
The automotive industry is currently facing major challenges related to the use and reliability of IoT sensors, where vehicles must be communicated with each other to share the information provided by the IoT sensor network, which allows to improve autonomous driving in terms of safety, as well as substantially reducing traffic accidents by improving mobility, avoiding road congestion and traffic flow.
Nowadays, the information provided by the IoT sensor network has a series of drawbacks related, among other things, to the failure of the sensors or to the disturbances produced in the communication signals issued by the Global Navigation Satellite System (“Global Navigation Satellite System", GNSS). Therefore, the need arises to incorporate external sensory information to ensure reliability in the detection of objects. In this Final Master's Project, it is proposed to incorporate IoT sensors in several vehicles to obtain detailed information on the different types of obstacles that may be encountered along the trajectory.
The type of IoT sensor used in this work corresponds to a Bumbleebe 2 camera that allows the recognition of patterns (eg shape, type, position and size) to later send the detailed information to a central station. This station is in charge of receiving, managing and sending the evaluation of the data to the IoT sensor network. In this way, even vehicles that do not have the availability of IoT sensors, can make use of the information provided by the central station to optimize the accuracy in the detection of objects within the scenario and thus, be able to ensure the reliability of these sensors. The central station is developed in an external programming software Qt and whose programming language is C ++. In this main node, a local dynamic map is generated, which is composed of the total number of objects detected by each IoT sensor. The purpose of this map is to improve the accuracy in the detection of objects due to the cooperation of all the sensors that make up the network. Finally, a series of tests has been carried out for the validation of the IoT sensor network, using the Webots 2018r 3D simulation tool. This tool is the same one that allows to simulate the real existing configuration of the test track for autonomous driving located in the Center for Automation and Robotics (CAR), located in the Ctra. Campo Real Km. 0.2, Arganda del Rey (Madrid, Spain). In addition, it has been outlined as future lines the validation of this system in a real environment using the driving track and cars available in the CAR
Algoritmos de matching entre huellas dactilares
No full textEste proyecto parte de la idea de evaluar el algoritmo CCMM para asociación de imágenes y desarrollado por los tutores de este proyecto, en una aplicación práctica. Se selecciona la identificación biométrica a través de huellas dactilares debido a que este tipo de identificación está en pleno auge comercial y a que los puntos característicos que definen las huellas dactilares, patrones, minutas y poros, están reconocidos y regulados con normas ANSI e ISO. Una vez localizada la aplicación práctica, es necesario obtener una base de huellas con la que ir comparándolas y establecer una similitud, grado de concordancia, entre ellas. Existen cien huellas diferentes en la biblioteca y hay ocho imágenes (versiones) obtenidas en diferentes posiciones de cada una de ellas. La similitud es obtenida a través del número de cliqué del grafo de asociación formado por la comparativa de dos versiones. En este proyecto se desarrollan tres algoritmos: 1. Algoritmo 1-1: Establece una similitud entre dos versiones contenidas en la biblioteca. 2. Algoritmo 1-X: Establece la similitud de una versión comparándola con toda la biblioteca de huellas. 3. Algoritmo FVC: Establece la similitud de dos huellas introducidas en el algoritmo en archivos .ist en base a la norma ISO/IEC 19794-2:2005. Gracias a la página "FVC OnGoing" es posible evaluar los algoritmos desarrollados en el proyecto dentro de un marco regulado. FVC evalúa los algoritmos mediante la prueba de más de 100.000 comparativas de huellas
Ontología para planificación lineal
Get PDFComo consecuencia de la ineficiencia potencial de la planificación lineal manifestada en el excesivo retroceso durante la búsqueda en algunos de los primeros sistemas planificadores lineales, este tipo de planificación había quedado relegado a un segundo plano como herramienta de propósito general. Recientemente, sin embargo, se ha reabierto el debate al incluirse un nuevo elemento de juicio: la mayor capacidad de expresión en la codificación de los dominios, lo que facilita la implementación de conocimiento específico para guiar la búsqueda, al desarrollarse ésta en un espacio de estados. En esta tesis se ha continuado esta línea de investigación, aportando un marco formalizador para la representación de conocimiento específico en dominios de planificación clásica. Se propone una metodología innovadora de propósito general que se ha denominado ESPLAN (EStrategias para PLANificación), para capturar el conocimiento específico en los términos del experto en el dominio. A tal fin, el planificador ESPLAN debe poder representar intuiciones, posiblemente incompletas, aprovechar nuevas oportunidades que se presenten y recuperarse de errores en su propia base de conocimiento, durante la planificación. Esta metodología aportada ESPLAN se fundamenta en una nueva ontología que utiliza la noción estrategia para construir jerarquías, de forma similar a lo que ocurre en la planificación HTN. A diferencia de las tareas HTN, se ha previsto para las estrategias que puedan ser incompletas y que puedan transmitir información durante los retrocesos. Las estrategias conforman la base de conocimiento del planificador ESPLAN que se encuentra en un plano superior a las acciones concretas, lo que permite diseñar la Teoría de Estrategias para el dominio, de forma totalmente independiente de la posterior representación de las acciones. La ontología se complementa con un nuevo algoritmo de planificación que introduce una búsqueda de oportunidades y de contingencia innovadora, que se solapa con la búsqueda convencional. Se definen además los elementos necesarios para controlar la complejidad añadida, así como condiciones operativas para su uso. En esta tesis el modelado ESPLAN se ha aplicado al ajedrez, dominio éste en el que normalmente no se ha utilizado la perspectiva de la planificación. En este dominio complejo se ha definido aquí una Teoría de Estrategias lo suficientemente representativa para realizar búsquedas totalmente guiadas por estrategias en algunas posiciones prototipo, en el que el conocimiento existente permite dirigir la búsqueda completamente. Se han construido varios demostradores. Uno de ellos, además de validar la metodología propuesta en el dominio del ajedrez, tiene la suficiente entidad como para ser un verdadero banco de pruebas que permita, en un futuro próximo, incorporar cada vez más conocimiento heurístico a este dominio, en términos similares a los que emplean los Grandes Maestros
Planificación en tiempo real de tráfico ferroviario
No full textEn el estado del arte, se aprecia, que la planificación y optimización de sistemas de transporte ferroviarios tales como: metro, trenes de cercanías, mercancías y trenes urbanos de alta velocidad, hace énfasis en la aplicación de técnicas basadas en la programación lineal con restricciones, métodos heurísticos, técnicas evolutivas, técnicas basadas en control automático, entre otros. Sin embargo, en muchos de estos algoritmos propuestos anteriores, no se tenían en cuenta los efectos de saturación propios de las líneas ferroviarias urbanas limitando la aplicación de los mismos. Esta tesis se enmarca en el campo de la gestión de tráfico para líneas ferroviarias. En este trabajo se propone un nuevo modelo en el espacio de estado que incorpora los efectos de saturación propios de las líneas ferroviarias urbanas. En este desarrollo no solo se considera las limitaciones de velocidad propias de los circuitos de vía, si no también las restricciones inherentes al intervalo de tiempo mínimo entre trenes y los tiempos de parada. Además, se analizan y se proponen algoritmos que utilizan técnicas procedentes de los campos de planificación y control automático basándose en modelos de variables de estado. Una de las aportaciones fundamentales de esta tesis es la aplicación de técnicas de estabilidad, entre la que se destaca, el método directo de Lyapunov, con la finalidad de obtener una serie de índices primarios para una mejor gestión de las líneas de metro
Sistema de monitorización para la industria 4.0. Un enfoque basado en sistemas ciberfísicos
No full textLa fábrica del futuro desafía grandes retos relacionados con la eficiencia y la competitividad, donde se busca aumentar la productividad y aportar al mercado productos más personalizados, de mayor calidad y con menores tiempos de entrega. Para lograr este objetivo la industria debe someterse a un proceso de evolución, en el cual, la gestión de la información proveniente desde las diferentes áreas debe ser gestionada de forma eficiente y en tiempo real, para así ser flexibles y atender de manera eficaz las demandas, cada vez más particulares y cambiantes de los clientes. La evolución industrial apuesta por un elevado grado de automatización y de digitalización de las fábricas, recurriendo al uso de Internet y redes virtuales, con el objetivo de que se conviertan en fábricas inteligentes (“Smart-Factories”) caracterizadas por la intercomunicación en tiempo real entre los diferentes equipos de producción que componen el proceso de fabricación.
Hoy en día, muchas de las arquitecturas utilizadas para monitorización de procesos físicos están comprometidas de cierta manera por los altos costes y por la no disponibilidad de los equipos necesarios para su implementación. El presente trabajo propone una alternativa a los inconvenientes de las arquitecturas de elevado coste, mediante el diseño e implementación de una arquitectura un ordenador de bajo coste (Raspberry Pi 2 modelo B) para la monitorización y visualización de variables características de máquina-herramientas en procesos de fabricación. Dicha arquitectura combina los principios de los Sistemas Ciberfísicos industriales permitiendo la interacción con cada uno de los dispositivos mediante un sistema multi-clientes-servidor desarrollado en lenguaje Python capaz de procesar, almacenar y visualizar extraída directamente de cada dispositivo físico de la red. Además, durante el proceso de monitorización cada usuario tendrá acceso en tiempo real a una serie de estados, alarmas y reportes de eventos ocurridos en el proceso durante su ejecución.
El nodo central (implementado en Raspberry Pi) de la propuesta actúa como servidor global de múltiples clientes, en el cual se tendrá disponible la información proveniente de los ordenadores industriales pertenecientes a cada máquina-herramienta. El servidor es el encargados de establecer conexión con el PLC/CNC de cada una de las máquina-herramientas disponibles, y mediante una aplicación desarrollada se logra la extracción de las variables de estado disponibles en los procesos de mecanizado industrial.
Finalmente, se ha desarrollado una serie de experimentos para la validación y refinamiento de la arquitectura implementada en las instalaciones del Centro del Automática y Robótica, sede de Arganda del Rey, Madrid. En particular, el grupo GAMHE cuenta con dos centros de mecanizados industriales en los cuales se ha ejecuta el proceso de monitorización, extrayendo variables reales de proceso durante la explotación de las mismas. Basándose en los resultados obtenidos se puede concluir que el sistema diseñado e implementado cumple con los estándares de los sistemas de monitorización actuales. Además, se ha trazado como líneas futuras la integración de los resultados parciales introducidos por el presente Trabajo de Fin de Máster dentro de la arquitectura en la nube (Cloud as a Platform) para la monitorización, modelado, optimización, aprendizaje y reparametrización de procesos industriales complejos para la creación de un demostrador industrial para la Fábrica del Futuro o Industria 4.0 en el marco de estrategia GAMHE 4.0. ----ABSTRACT---- The factory of the future affronts major challenges related to efficiency and competitiveness. It seeks to increase productivity and provide the market with more personalized products, of higher quality and with shorter delivery times. To achieve this objective, the industry must undergo a process of evolution, in which the management of information from different areas must be managed efficiently and in real time, in order to be flexible and effectively meet the demands, more and more individual and changing customers. Industrial evolution is committed to a high degree of automation and digitization of factories, using the Internet and virtual networks, with the aim of becoming smart factories characterized by real-time communication between the different production lines during the manufacturing process. Nowadays, many architectures used for monitoring physical processes are compromised in a certain way by the high costs and by the unavailability of the necessary equipment for their implementation. The present work proposes an alternative to the disadvantages of high cost architectures, focused on the design, implementation and validation of a low cost computer architecture (Raspberry Pi 2 model B) able to motorize and visualize characteristic variables of machine tools in manufacturing processes. This architecture combines the principles of Industrial Cyber-Physical Systems, allowing interaction with each of the devices through a multi-clients-server system developed in Python language with the capability of manage, storage and visualize the extracted information directly from each physical device present in the industrial ecosystem. In addition, during the monitoring process each user will have access in real-time to a series of states, alarms and reports of events that occurred during the manufacturing process.
The central node (implemented in Raspberry Pi) acts as a global server for multiple clients (machine-tools), in which the information coming from the industrial PCs allowed in the PLC/CNC system. The industrial server is responsible for establishing a connection with the PLC/CNC of each of the available machine tools, and by means of a developed application the extraction of the state variables available in the industrial machining processes is achieved.
Finally, a series of experiments has been executed during the architecture validation and refinement process in the facilities of the Automation and Robotics Center (CAR-UPM), Arganda del Rey, Madrid. In particular, the GAMHE group has two industrial machine centers in which the monitoring process has been executed, extracting real process variables during the operation tasks. Based on the results obtained, it can be concluded that the system designed and implemented meets the standards of the current monitoring systems. In addition, the integration of the partial results introduced by the present approach into the cloud architecture (Cloud as a Platform) for the monitoring, modeling, optimization, learning and reparametrization of industrial processes has been outlined as future lines. Complexes for the creation of an industrial demonstrator for the Factory of the Future or Industry 4.0 within the framework of the roadmap GAMHE 4.0
A novel clique formulation for the visual feature matching problem
No full text© 2015, Springer Science+Business Media New York. This paper presents CCMM (acronym for image Clique Matching), a new deterministic algorithm for the visual feature matching problem when images have low distortion. CCMM is multi-hypothesis, i.e. for each feature to be matched in the original image it builds an association graph which captures pairwise compatibility with a subset of candidate features in the target image. It then solves optimum joint compatibility by searching for a maximum clique. CCMM is shown to be more robust than traditional RANSAC-based single-hypothesis approaches. Moreover, the order of the graph grows linearly with the number of hypothesis, which keeps computational requirements bounded for real life applications such as UAV image mosaicing or digital terrain model extraction. The paper also includes extensive empirical validation.This work is funded by the Spanish Ministry of Economy and Competitiveness (ARABOT: DPI 2010-21247-C02-01) and supervised by CACSA whose kindness we gratefully acknowledge.Peer Reviewe
- …
