Publicación: Control inteligente mediante Deep Learning para el cruce peatonal y vehicular de montacargas en la empresa Papelsa - Barbosa
Portada
PDF 
FLIP Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
RESUMEN: En este trabajo se buscaba solucionar la falta de seguridad en el cruce de peatones y vehículos en la empresa Papelsa. Este problema es especialmente llamativo porque afectaba tanto la seguridad de las personas como la eficiencia de la operación de montacargas en la empresa. La solución propuesta, mediante el uso de tecnologías innovadoras como el Deep Learning integrado en un sistema de control, es una muestra de cómo la tecnología podía ser aplicada en el sector industrial enfocado en el comportamiento de las personas. Para lograrlo, se llevó a cabo una recolección de datos, entrenamiento de modelos basado en redes neuronales y visión artificial, para finalmente integrarlas en un control inteligente que permitiría el paso o no de las personas y montacargas a través del control de talanqueras de rápida acción, así como alertas tempranas e inmediatas cuando se detectara la coexistencia de los implicados en la zona de estudio. Finalmente se diseña un protocolo de prueba y después de entrenado el modelo predice con exactitud de 99% los 3 escenarios posibles el modelo no puede generalizarse ya que está enfocado en ser eficiente en la prueba, pero resalta la efectividad de la implementación de estos sistemas.
Resumen en inglés
ABSTRACT: In this project, the aim was to address the lack of safety at the intersection between pedestrians and vehicles at the Papelsa company. This issue was particularly striking because it impacted both the safety of individuals and the efficiency of forklift operations within the company. The proposed solution, utilizing innovative technologies such as Deep Learning integrated into a control system, serves as an example of how technology could be applied in the industrial sector, focusing on human behavior. To achieve this, data collection was conducted, models were trained based on neural networks and artificial vision, ultimately integrating them into an intelligent control system that would allow or restrict the passage of pedestrians and forklifts through the rapid-action barrier control. This system also provided early and immediate alerts upon detecting the coexistence of those involved in the study area. Eventually, a testing protocol was designed, and after model training, it accurately predicted the three possible scenarios with a 99% accuracy rate. However, the model cannot be generalized as it is tailored to be efficient within the test, yet it highlights the effectiveness of implementing such systems.