Ingeniería Civil en Informática
URI permanente para esta colección
Examinar
Examinando Ingeniería Civil en Informática por browse.metadata.publisubject "ACELEROMETRO"
Mostrando 1 - 1 de 1
Resultados por página
Opciones de ordenación
- ÍtemReconocimiento de patrones de movimiento / actividad de trabajadores en obra basado en datos recolectados mediente smartphone(2019)
;Vivallo Ocampo, Haroldo Ignacio ;Campos Soto, Pedro GerónimoUniversidad del Bío-Bío. Departamento de Sistemas de Información (Chile)Este trabajo se presenta para dar conformidad a los requisitos exigidos por la Universidad del Bío-Bío en el proceso de titulación para la carrera de Ingeniería Civil Informática, en este proyecto titulado “Reconocimiento de patrones de movimiento/actividad de trabajadores en obra basados en datos recolectados mediante smartphone” se discuten y aplican diversas técnicas del Machine Learning (Aprendizaje de Máquinas), con las cuales se detectan patrones que permiten establecer los movimientos que realizan los trabajadores en una obra, con el fin de entregar lineamientos de cómo proceder a la hora de aplicar la tecnología a procesos críticos que suceden en una empresa, donde resulta relevante conocer las actividades que realizan sus trabajadores para tomar medidas que permitan generar espacios seguros y con un mayor desempeño. Primero se introduce la problemática y las oportunidades que existen en la actualidad respecto del Machine Learning en todos los ámbitos en donde puede ser aplicado, particularmente en el área de la construcción (para los fines de este trabajo), se introducen las diferentes técnicas de Machine Learning (algoritmos) encontradas en la literatura aplicadas al reconocimiento de actividades. Se realizan una serie de experimentos en terreno, en los cuales se simulan las actividades que se desean estudiar, para esto se utiliza un smartphone el cual captura los datos de aceleración asociados a estas actividades. Luego, con este set de datos, se procede a realizar el entrenamiento de los diferentes algoritmos (KNN, DT, ANN, SVM), entrenamiento el cual permitirá generar modelos que pueden aplicarse a múltiples sets de datos, para determinar el movimiento. Como resultado se obtiene 4 diferentes modelos los cuales entregan una precisión relativamente alta de todos los movimientos/actividades evaluadas, teniendo en cuenta que estos modelos seguirán siendo entrenados con set de datos más grandes para que los resultados mejoren sus predicciones. Finalmente se presenta la aplicación web desarrollada (prototipo), que funciona como una prueba de concepto, la cual permite a un usuario utilizar datos de aceleración propios para determinar distintos movimientos mediante la aplicación de los distintos modelos que fueron generados en este trabajo.









