The goal of this paper is to obtain an automated system for the control of the quality of the combustion gases of a boiler. The concentration of oxygen present in the combustion gases is detected by means of a lambda sensor, and a proportional PID controller automatically regulates, through an actuator, the air inlet to the boiler, thus ensuring the emission of CO2 and other polluting gases into the atmosphere within the parameters established by the current environmental regulations. The control system has an HMI display and a modular PLC. The results achieved also ensure the reduction of fuel consumption of the boiler.
(Recibido: 2014/05/14 - Aceptado: 2014/06/27)En este trabajo se realiza una revisión y análisis de las principales teorías y modelos que abordan la predicción de la insolvencia y quiebra empresarial. Las redes neuronales son un instrumento de más reciente aparición, si bien en los últimos años han recibido considerable atención por parte del mundo académico y profesional, y ya empiezan a implantarse en diversas organizaciones modelos de análisis de la insolvencia basados en la computación neuronal. El objetivo del presente trabajo es arrojar evidencias de la utilidad de las Redes Neuronales Artificiales, en la problemática de predicción de insolencia o quiebra por lo cual comparamos su capacidad predictiva con la de los métodos utilizados habitualmente en dicho contexto. Las conclusiones del estudio apuntan a que se pueden lograr altas capacidades predictivas empleando las redes neuronales artificiales que cuenten con variables cualitativas y cuantitativas.
El flujo de carga tiene gran relevancia en la asistencia del proceso de toma de decisiones y planificación de la generación, distribución y trasmisión de energía eléctrica. El desconocimiento de los valores de este indicador, así como su inadecuada predicción, dificulta la toma de decisiones y eficiencia del servicio eléctrico, además puede ocasionar situaciones indeseadas tales como; la sobre demanda, el sobre calentamiento de los componentes que integran una subestación, y la no correcta planificación de los procesos de generación y distribución eléctrica. Dada la necesidad de predicción de flujo de carga eléctrica de las subestaciones en el Ecuador la presente investigación propone la concepción para el desarrollo de un sistema automatizado de predicción empleando el uso de Redes Neuronales Artificiales.
(Recibido: 2015/01/20 - Aceptado: 2015/03/25)La mejora continua de los procesos de fabricación es fundamental para alcanzar niveles óptimos de productividad, calidad y corte en la producción de componentes y productos. Esta investigación tiene como objetivo determinar la progresión del desgaste del flanco de la herramienta de corte durante el torneado en seco de alta velocidad para piezas de acero AISI 316L. Los datos experimentales fueron adquiridos utilizando dos niveles de avance de corte, dos niveles de material, tres de velocidad de corte y cuatro de tiempos principales de corte. Un microscópio electrónico de barrido (SEM) fue utilizado para medir y analizar el desgaste de las herramientas de corte. Los resultados fueron comparados utilizando el análisis de varianza y el análisis de regresión múltiple para describir la relación entre las variables utilizadas en el estudio. En el análisis se demostró que el inserto de tres capas no sobrepasó el criterio de fin de vida del desgaste, mientras que el inserto de una capa sufrió un desgaste elevado para la mayor velocidad de corte. Se encontró que existe una relación entre los datos experimentales y los valores predichos para el desgaste del flanco con un error promedio general de 4,1182 %.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.