Citas bibligráficas
Esta es una referencia generada automáticamente. Modifíquela de ser necesario
Ramos, H., Torres, D., Suyón, J. (2023). Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0 [Universidad de Piura]. https://hdl.handle.net/11042/6092
Ramos, H., Torres, D., Suyón, J. Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0 []. PE: Universidad de Piura; 2023. https://hdl.handle.net/11042/6092
@mastersthesis{renati/457371,
title = "Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0",
author = "Suyón Tejada, John Marlo",
publisher = "Universidad de Piura",
year = "2023"
}
Título: Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0
Asesor(es): Chinguel Arrese, César Alberto
Palabras clave: Inteligencia artificial -- Aplicación -- Mantenimiento; Redes neuronales (Computadores) -- Aplicación -- Mantenimiento; Mantenibilidad (Ingeniería) -- Automatización
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.03
Fecha de publicación: 8-jun-2023
Institución: Universidad de Piura
Resumen: El trabajo describe la aplicación de la inteligencia artificial en la gestión del mantenimiento 4.0, proporcionando una descripción detallada de la aplicación de la inteligencia artificial en la gestión del mantenimiento 4.0 que abarca desde la teoría matemática hasta la metodología aplicable al caso real y los resultados obtenidos de los ensayos en la Google Platform, así como las recomendaciones para futuros trabajos en el tema. Con tal fin se presenta una visión general de la teoría matemática detrás de la inteligencia artificial y el Machine Learning. Se describen temas como la regresión lineal, el método del descenso del gradiente, el aprendizaje profundo y la red neuronal LSTM (Long Short Term Memory). Además, se discute la evolución de las generaciones del mantenimiento y su relación con los lenguajes de programación, en particular Python y se presenta una descripción de las herramientas disponibles en Google Platform. Seguidamente se describe el uso de la inteligencia artificial para el Gemelo Digital, incluyendo arquitectura y metodología. El uso de la Inteligencia artificial para la estimación del RUL (Remaining Useful Life) es un tema objetivo en este estudio, por lo que también se presenta cinco casos de estudio publicados en páginas web prestigiosas, en los que se han utilizado metodologías y arquitecturas específicas. Posteriormente, se discuten los casos de estudio presentados en el capítulo anterior y se define una metodología aplicable a nuestro caso real. Se presenta una visión general del proceso de aplicación de la inteligencia artificial a la gestión del mantenimiento 4.0, desde la identificación del problema hasta la implementación de la solución. Finalmente, se analizan los resultados obtenidos de los ensayos en la nube y se ofrecen recomendaciones para futuros trabajos en este campo. Se discuten los desafíos y las limitaciones de la aplicación de la inteligencia artificial en la gestión del mantenimiento 4.0 y se presentan recomendaciones para superarlos y mejorar la eficacia de la metodología. En suma, el presente estudio proporciona una descripción detallada de la aplicación de la inteligencia artificial en la gestión del mantenimiento 4.0, que abarca desde la teoría matemática hasta la metodología aplicable al caso real y los resultados obtenidos de los ensayos en la Google Platform, así como las recomendaciones para futuros trabajos en el tema.
Enlace al repositorio: https://hdl.handle.net/11042/6092
Disciplina académico-profesional: Maestría en Ingeniería Mecánico-Eléctrica con mención en Sistemas Energéticos y Mantenimiento; Maestría en Ingeniería Mecánico-Eléctrica con mención en Sistemas Eléctricos y Automatización Industrial
Institución que otorga el grado o título: Universidad de Piura. Facultad de Ingeniería
Grado o título: Máster en Ingeniería Mecánico-Eléctrica con mención en Sistemas Energéticos y Mantenimiento; Máster en Ingeniería Mecánico-Eléctrica con mención en Sistemas Eléctricos y Automatización Industrial
Jurado: Castro Sánchez, Miguel; Lizana Bobadilla, Víctor; Chinguel Arrese, César Alberto
Fecha de registro: 8-jun-2023
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons