dc.creatorLópez-Ferreiro, Manuel Ángel
dc.date.accessioned2022-10-24T08:15:35Z
dc.date.accessioned2023-03-07T19:39:11Z
dc.date.available2022-10-24T08:15:35Z
dc.date.available2023-03-07T19:39:11Z
dc.date.created2022-10-24T08:15:35Z
dc.identifierhttps://reunir.unir.net/handle/123456789/13705
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/5907961
dc.description.abstractLa generación fotovoltaica es una de las tecnologías clave para alcanzar los retos de transición energética. Así, en los últimos años se ha observado un incremento en la ejecución de proyectos de grandes plantas fotovoltaicas. La principal dificultad para cumplir con el plazo de construcción es la elaboración de una planificación adecuada. Una herramienta que genere cronogramas de forma automática puede resultar de gran ayuda a la hora de establecer planificaciones iniciales de referencia. A tal fin, este trabajo compara cinco técnicas de inteligencia artificial, sobre un conjunto de datos formado por 25 planificaciones. La evaluación de los resultados obtenidos sobre datos de test demuestra que ANFIS es la técnica que obtiene mejor rendimiento en todas las métricas de error, si bien conlleva un alto coste computacional. El modelo así obtenido consigue generar un cronograma completo de construcción con un error de un 8% sobre la duración total.
dc.languagespa
dc.rightsopenAccess
dc.subjectinteligencia artificial
dc.subjectplanificación de proyectos
dc.subjectcronograma de construcción
dc.subjectANFIS
dc.subjectneuroevolución
dc.subjectartificial intelligence
dc.subjectproject planning
dc.subjectconstruction schedule
dc.subjectANFIS
dc.subjectneuroevolution
dc.subjectMáster Universitario en Inteligencia Artificial
dc.titleTécnicas de inteligencia artificial aplicadas a la planificación de construcción de plantas fotovoltaicas
dc.typemasterThesis


Este ítem pertenece a la siguiente institución