Título: | Detección de anomalías en datos de inspección de vehículos |
Autores: | Salcedo Gutiérrez, David |
Tipo de documento: | texto impreso |
Fecha de publicación: | 2018 |
Dimensiones: | application/pdf |
Nota general: |
cc_by_nc info:eu-repo/semantics/openAccess |
Idiomas: | |
Palabras clave: | Estado = No publicado , Materia = Ciencias: Informática , Tipo = Trabajo Fin de Máster |
Resumen: |
El objetivo de este TFM ha sido desarrollar una aplicación que sea capaz de obtener la información necesaria para discernir si una inspección de ITV tiene anomalías en sus resultados o no a partir de una fuente de datos introducida por texto o Excel. En particular, nos interesa detectar si diferentes inspectores dentro de la misma ITV actúan de forma diferente. Para ello partiremos de un fichero de datos con los datos de las inspecciones durante un periodo relativamente largo (por ejemplo, un año). Con este propósito nos hemos servido del cálculo de reglas de asociación mediante el algoritmo Apriori. Las reglas de asociación nos permiten saber qué deficiencias de los vehículos se encuentran habitualmente de forma conjunta durante la inspección de un vehículo. Usando los resultados de las reglas de asociación junto con los test estadísticos, podremos verificar si hay alguna discrepancia entre los resultados obtenidos por cada inspector en las ITV. El resultado del trabajo es un método que permite detectar estas anomalías, mostrar los defectos que atestiguan el comportamiento anómalo y, lo que es más importante, asegurar que las anomalías detectadas son estadísticamente significativas. Este método ha sido implementado en una herramienta disponible que puede ser empleada por entidades de inspección de ITVs como ENAC. |
En línea: | https://eprints.ucm.es/id/eprint/49759/1/TFM_DETECCI%C3%93N_DE_ANOMAL%C3%8DAS_EN_DATOS_DE_INSPECCI%C3%93N_DE_VEH%C3%8DCULOS.pdf |
Ejemplares
Estado |
---|
ningún ejemplar |