Estrategias para reconciliación de datos robusta

Autores
Llanos, Claudia; Sánchez, Mabel; Maronna, Ricardo Antonio
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La optimización de las industrias químicas requiere de técnicas efectivas para reconciliación de datos y estimación de parámetros. Los estimadores clásicos se ven altamente influenciados por la presencia de valores atípicos en las mediciones, en cambio los estimadores robustos son insensibles a pequeñas cantidades de éstos. En este trabajo se presentan nuevas metodologías robustas para la reconciliación de datos que combinan las fortalezas de los estimadores monótonos y redescendientes. Se proponen dos estrategias de distinto grado de complejidad, las cuales se aplican para tres modelos de mediciones diferentes. Las medidas de desempeño consideradas son el error cuadrático medio, la cantidad promedio de Errores Tipo I y la potencia global. Se compara el desempeño de las estrategias propuestas para procesos cuya operación se representa mediante modelos lineales y no lineales.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
Materia
Ciencias Informáticas
reconciliación de datos
Statistical methods
estadística robusta
optimización en línea
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/41994
Acceder
id SEDICI_cb4ece3f630f4c25e7461a60e00df1c5
oai_identifier_str oai:sedici.unlp.edu.ar:10915/41994
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Estrategias para reconciliación de datos robustaLlanos, ClaudiaSánchez, MabelMaronna, Ricardo AntonioCiencias Informáticasreconciliación de datosStatistical methodsestadística robustaoptimización en líneaLa optimización de las industrias químicas requiere de técnicas efectivas para reconciliación de datos y estimación de parámetros. Los estimadores clásicos se ven altamente influenciados por la presencia de valores atípicos en las mediciones, en cambio los estimadores robustos son insensibles a pequeñas cantidades de éstos. En este trabajo se presentan nuevas metodologías robustas para la reconciliación de datos que combinan las fortalezas de los estimadores monótonos y redescendientes. Se proponen dos estrategias de distinto grado de complejidad, las cuales se aplican para tres modelos de mediciones diferentes. Las medidas de desempeño consideradas son el error cuadrático medio, la cantidad promedio de Errores Tipo I y la potencia global. Se compara el desempeño de las estrategias propuestas para procesos cuya operación se representa mediante modelos lineales y no lineales.Sociedad Argentina de Informática e Investigación Operativa (SADIO)2014-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf150-161http://sedici.unlp.edu.ar/handle/10915/41994spainfo:eu-repo/semantics/altIdentifier/url/http://43jaiio.sadio.org.ar/proceedings/SII/13_Llanos%20et%20al..pdfinfo:eu-repo/semantics/altIdentifier/issn/2313-9102info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-11-05T12:41:09Zoai:sedici.unlp.edu.ar:10915/41994Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-11-05 12:41:10.246SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Estrategias para reconciliación de datos robusta
title Estrategias para reconciliación de datos robusta
spellingShingle Estrategias para reconciliación de datos robusta
Llanos, Claudia
Ciencias Informáticas
reconciliación de datos
Statistical methods
estadística robusta
optimización en línea
title_short Estrategias para reconciliación de datos robusta
title_full Estrategias para reconciliación de datos robusta
title_fullStr Estrategias para reconciliación de datos robusta
title_full_unstemmed Estrategias para reconciliación de datos robusta
title_sort Estrategias para reconciliación de datos robusta
dc.creator.none.fl_str_mv Llanos, Claudia
Sánchez, Mabel
Maronna, Ricardo Antonio
author Llanos, Claudia
author_facet Llanos, Claudia
Sánchez, Mabel
Maronna, Ricardo Antonio
author_role author
author2 Sánchez, Mabel
Maronna, Ricardo Antonio
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
reconciliación de datos
Statistical methods
estadística robusta
optimización en línea
topic Ciencias Informáticas
reconciliación de datos
Statistical methods
estadística robusta
optimización en línea
dc.description.none.fl_txt_mv La optimización de las industrias químicas requiere de técnicas efectivas para reconciliación de datos y estimación de parámetros. Los estimadores clásicos se ven altamente influenciados por la presencia de valores atípicos en las mediciones, en cambio los estimadores robustos son insensibles a pequeñas cantidades de éstos. En este trabajo se presentan nuevas metodologías robustas para la reconciliación de datos que combinan las fortalezas de los estimadores monótonos y redescendientes. Se proponen dos estrategias de distinto grado de complejidad, las cuales se aplican para tres modelos de mediciones diferentes. Las medidas de desempeño consideradas son el error cuadrático medio, la cantidad promedio de Errores Tipo I y la potencia global. Se compara el desempeño de las estrategias propuestas para procesos cuya operación se representa mediante modelos lineales y no lineales.
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
description La optimización de las industrias químicas requiere de técnicas efectivas para reconciliación de datos y estimación de parámetros. Los estimadores clásicos se ven altamente influenciados por la presencia de valores atípicos en las mediciones, en cambio los estimadores robustos son insensibles a pequeñas cantidades de éstos. En este trabajo se presentan nuevas metodologías robustas para la reconciliación de datos que combinan las fortalezas de los estimadores monótonos y redescendientes. Se proponen dos estrategias de distinto grado de complejidad, las cuales se aplican para tres modelos de mediciones diferentes. Las medidas de desempeño consideradas son el error cuadrático medio, la cantidad promedio de Errores Tipo I y la potencia global. Se compara el desempeño de las estrategias propuestas para procesos cuya operación se representa mediante modelos lineales y no lineales.
publishDate 2014
dc.date.none.fl_str_mv 2014-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/41994
url http://sedici.unlp.edu.ar/handle/10915/41994
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://43jaiio.sadio.org.ar/proceedings/SII/13_Llanos%20et%20al..pdf
info:eu-repo/semantics/altIdentifier/issn/2313-9102
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
dc.format.none.fl_str_mv application/pdf
150-161
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1847978435480125440
score 13.087074

Publicaciones similares