dc.contributor.author | Muñoz, Lilia | |
dc.contributor.author | Rodríguez González, Sara | |
dc.contributor.author | Sittón Candanedo, Inés | |
dc.date.accessioned | 2018-06-14T15:43:07Z | |
dc.date.accessioned | 2018-06-14T15:43:07Z | |
dc.date.available | 2018-06-14T15:43:07Z | |
dc.date.available | 2018-06-14T15:43:07Z | |
dc.date.issued | 02/11/2018 | |
dc.date.issued | 02/11/2018 | |
dc.identifier | https://knepublishing.com/index.php/KnE-Engineering/article/view/1458/3520 | |
dc.identifier.issn | 2518-6841 | |
dc.identifier.uri | http://ridda2.utp.ac.pa/handle/123456789/4923 | |
dc.identifier.uri | http://ridda2.utp.ac.pa/handle/123456789/4923 | |
dc.description | El 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.abstract | El 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.format | application/pdf | |
dc.language | spa | |
dc.language.iso | spa | en_US |
dc.rights | https://creativecommons.org/licenses/by-nc-sa/4.0/ | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.subject | Industria 4.0 | en_US |
dc.subject | Sensores | en_US |
dc.subject | Internet de las Cosas | en_US |
dc.subject | Extracción de Patrones | en_US |
dc.subject | Modelo Omnibus | en_US |
dc.subject | Industria 4.0 | |
dc.subject | Sensores | |
dc.subject | Internet de las Cosas | |
dc.subject | Extracción de Patrones | |
dc.subject | Modelo Omnibus | |
dc.title | Diseño de un modelo predictivo en el contexto Industria 4.0 | en_US |
dc.type | info:eu-repo/semantics/article | |
dc.type | info:eu-repo/semantics/publishedVersion | |