Detección de errores groseros
Optimización de procesos. Segunda entrega
- Video:Lección 15. Detección y corrección de errores
- Fuente:Canal nptelhrd / YouTube
Computational tool for material balances control in natural gas distribution network
Herramienta computacional para el control de balances de masa en las redes de distribución de gas natural
En la industria del gas natural, la medición de las variables de procesos permite conocer la cantidad y calidad de gas comercializado. No obstante, todas las mediciones presentan errores que generan el incumplimiento de los balances de masa y energía, ocasionando inconvenientes en los procesos de facturación de las empresas distribuidoras de gas natural. En este documento se propone el desarrollo de una herramienta computacional que asegure el cumplimiento de la ley de conservación de la masa a través de la disminución del efecto de los errores aleatorios y de la detección de fallas o factores que generen desviaciones sistemáticas (errores gruesos o groseros) en los sistemas de medición. Esta herramienta está basada en las técnicas de la reconciliación de datos y la detección de errores groseros.
Este artículo fue preparado por Jesús David Badillo-Herrera, José Augusto Fuentes-Osorio (Corporación Centro de Desarrollo Tecnológico de GAS, Piedecuesta, Santander, Colombia) y Arlex Chaves (Universidad Industrial de Santander, Bucaramanga, Santander, Colombia) para CT&F Ciencia, Tecnología y Futuro (Vol. 5, No 2, 2013, 31-46), publicación integrada a la Red de Revistas Científicas de América Latina y el Caribe, España y Portugal Redalyc, proyecto impulsado por la Universidad Autónoma del Estado de México (Toluca, México). Redalyc es un gran repositorio de revistas de carácter científico cuyo objetivo es contribuir a la difusión de la actividad científica editorial que se produce en y sobre Iberoamérica.
On gross error detection methods for control points in image registration
Sobre los métodos de detección de errores groseros para puntos de control en el registro de imágenes
La selección de puntos de control es un paso necesario para el registro de imágenes, lo cual influye en la eficiencia global de registro. Es importante por ello asegurar la calidad de estos puntos. Mediante tres métodos de detección de errores escucha de datos, prueba de Tau y estimación robusta danesa se pretende explorar el control de calidad de los puntos de control para registro de imágenes. Debido que el error de medición de los puntos de control tiene distintos niveles de influencia sobre sus posiciones geométricas variables, se necesita un método adecuado para la remoción de errores groseros de los puntos.
Este artículo fue preparado por Chia-Sheng Hsieh y Tian-Yuan Shih (Department of Civil Engineering, National Chiao Tung University, Hsinchu, Taiwan) para el Journal of Chung Cheng Institute of Technology (Vol. 34, No 2, 2006, 1-17), publicación que cubre tópicos de la ciencia, la ingeniería y la tecnología.
