En aquest projecte s'estudia l'aplicació de tècniques d'intel·ligència artificial en l'anàlisi de dades generades per circuits de tractament d'aigua per quantificar i predir les pèrdues de rendiment dels seus components provocades per l'embrutament microbiològic. En la memòria s'explica el context en el que es desenvolupa el projecte, el seu abast i tot allò relacionat amb la seva gestió, com ara la seva planificació temporal, la metodologia de treball, la gestió dels recursos, el pressupost, l'informe de sostenibilitat, etcètera. També es descriu el circuit d'aigua que s'ha agafat com a cas d'estudi i el seu funcionament i l'obtenció de les dades que genera. A continuació es documenta la fase de preprocessament d'aquestes dades i la seva transformació en un format adequat per a la seva posterior anàlisi. Després, es descriu el disseny i implementació d'un sistema capaç de processar aquestes dades i de generar un model predictiu de les pèrdues de rendiment del circuit. A posteriori s'expliquen els mecanismes de validació dissenyats, amb els quals es fa una avaluació del funcionament del sistema. Finalment, es fa una valoració global del projecte i s'expliquen possibles millores que podrien aplicar-se al sistema i al funcionament dels processos d'obtenció de dades per tal de millorar el seu rendiment.
In this project, the application of artificial intelligence techniques in the analysis of data generated by water treatment circuits is studied to quantify and predict the performance losses of their components caused by microbiological contamination. The report explains the context in which the project is developed, its scope, and everything related to its management, such as its temporal planning, work methodology, resource management, budget, sustainability report, etc. It also describes the water circuit that has been taken as a case study, its operation, and the acquisition of the generated data. Next, the preprocessing phase of this data and its transformation into a suitable format for subsequent analysis are documented. Then, the design and implementation of a system capable of processing this data and generating a predictive model of circuit performance losses are described. Subsequently, the designed validation mechanisms are explained, which are used to evaluate the system's performance. Finally, an overall assessment of the project is made, and possible improvements that could be applied to the system and the data acquisition processes to enhance its performance are explained.
