Mostrar el registro sencillo del ítem

dc.contributor.authorMuñoz, Lilia
dc.contributor.authorRodríguez González, Sara
dc.contributor.authorSittón Candanedo, Inés
dc.date.accessioned2018-06-14T15:43:07Z
dc.date.accessioned2018-06-14T15:43:07Z
dc.date.available2018-06-14T15:43:07Z
dc.date.available2018-06-14T15:43:07Z
dc.date.issued02/11/2018
dc.date.issued02/11/2018
dc.identifierhttps://knepublishing.com/index.php/KnE-Engineering/article/view/1458/3520
dc.identifier.issn2518-6841
dc.identifier.urihttp://ridda2.utp.ac.pa/handle/123456789/4923
dc.identifier.urihttp://ridda2.utp.ac.pa/handle/123456789/4923
dc.descriptionEl Internet de las Cosas (IoT), el desarrollo e instalación de sensores avanzados para recolección de datos, las soluciones informáticas de conexión remota y otras tecnologías disruptivas están marcando un proceso de transformación en la industria; dando inicio a lo que diversos sectores han denominado cuarta revolución industrial o Industria 4.0. Con este proceso de cambios, las organizaciones se enfrentan tanto a nuevas oportunidades como a desafíos. Este artículo se centra en el modelado e integración de los datos industriales, generados por sensores instalados en máquinas. Se plantea la extracción de patrones, utilizando tecnicas de fusión de datos que permitan el dise no de un modelo de mantenimiento predictivo, para finalizar se presenta un caso de estudio con un banco de datos al que se le aplica el Algoritmo Naive Bayes para obtener predicciones.en_US
dc.description.abstractEl Internet de las Cosas (IoT), el desarrollo e instalación de sensores avanzados para recolección de datos, las soluciones informáticas de conexión remota y otras tecnologías disruptivas están marcando un proceso de transformación en la industria; dando inicio a lo que diversos sectores han denominado cuarta revolución industrial o Industria 4.0. Con este proceso de cambios, las organizaciones se enfrentan tanto a nuevas oportunidades como a desafíos. Este artículo se centra en el modelado e integración de los datos industriales, generados por sensores instalados en máquinas. Se plantea la extracción de patrones, utilizando tecnicas de fusión de datos que permitan el dise no de un modelo de mantenimiento predictivo, para finalizar se presenta un caso de estudio con un banco de datos al que se le aplica el Algoritmo Naive Bayes para obtener predicciones.en_US
dc.formatapplication/pdf
dc.languagespa
dc.language.isospaen_US
dc.rightshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectIndustria 4.0en_US
dc.subjectSensoresen_US
dc.subjectInternet de las Cosasen_US
dc.subjectExtracción de Patronesen_US
dc.subjectModelo Omnibusen_US
dc.subjectIndustria 4.0
dc.subjectSensores
dc.subjectInternet de las Cosas
dc.subjectExtracción de Patrones
dc.subjectModelo Omnibus
dc.titleDiseño de un modelo predictivo en el contexto Industria 4.0en_US
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem