Inés Sittón Candanedo, Sara Rodríguez González , Lilia Esther Muñoz Arracera
El Internet de las Cosas ha venido incorporándose a nuestras vidas de forma progresiva, trayendo consigo grandes beneficios para la humanidad como lo es disponer de infraestructuras y servicios más interconectados y eficientes, generación de empleo, reducción de costos operativos e incremento de ganancias. En este sentido, 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. En este artículo se presenta un modelo predictivo para la extracción de patrones utilizando técnicas de fusión de datos que permitan el diseño de un modelo de mantenimiento predictivo, a través de un enfoque de entrenamiento supervisado, realizar la clasificación de datos y probabilísticamente valores predictivos.
The Internet of Things has been incorporated into our lives progressively, bringing with it great benefits for humanity such as having more interconnected and efficient infrastructures and services, generating employment, reducing operating costs and increasing profits. In this sense, the development and installation of advanced sensors for data collection, remote connection computing solutions and other disruptive technologies are marking a process of transformation in the industry; giving rise to what several sectors have called the fourth industrial revolution or Industry 4.0. This article presents a predictive model for the extraction of patterns using data fusion techniques that allow the design of a predictive maintenance model, which allows using a supervised training approach, perform data classification and probabilistically predictive values.
© 2008-2024 Fundación Dialnet · Todos los derechos reservados