Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
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"
}
Full metadata record
Chinguel Arrese, César Alberto (es)
Ramos Arévalo, Henry Segundo
Torres Rivera, Diógenes Olmedo
Suyón Tejada, John Marlo
2023-06-08T22:19:50Z
2023-06-08T22:19:50Z
2023-06-08
2023-03
Ramos, H., Torres, D. y Suyón, J. (2023). Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0 (Trabajo de investigación de Máster en Ingeniería Mecánico-Eléctrica). Universidad de Piura. Facultad de Ingeniería. Piura, Perú. (es)
https://hdl.handle.net/11042/6092
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. (es)
spa (es)
Universidad de Piura (es)
info:eu-repo/semantics/openAccess (es)
http://creativecommons.org/licenses/by-nc-nd/4.0/ (*)
Universidad de Piura (es)
Repositorio Institucional Pirhua - UDEP (es)
Inteligencia artificial -- Aplicación -- Mantenimiento (es)
Redes neuronales (Computadores) -- Aplicación -- Mantenimiento (es)
Mantenibilidad (Ingeniería) -- Automatización (es)
Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0 (es)
info:eu-repo/semantics/masterThesis (es)
Attribution-NonCommercial-NoDerivatives 4.0 Internacional (*)
Universidad de Piura. Facultad de Ingeniería (es)
Maestría en Ingeniería Mecánico-Eléctrica con mención en Sistemas Energéticos y Mantenimiento (es)
Maestría en Ingeniería Mecánico-Eléctrica con mención en Sistemas Eléctricos y Automatización Industrial (es)
Máster en Ingeniería Mecánico-Eléctrica con mención en Sistemas Energéticos y Mantenimiento (es)
Máster en Ingeniería Mecánico-Eléctrica con mención en Sistemas Eléctricos y Automatización Industrial (es)
PE (es)
https://purl.org/pe-repo/ocde/ford#2.02.03 (es)
https://purl.org/pe-repo/renati/level#maestro (es)
02608339
https://orcid.org/0000-0002-3118-6675 (es)
02882567
03659855
02835547
713337 (es)
713327 (es)
Castro Sánchez, Miguel (es)
Lizana Bobadilla, Víctor (es)
Chinguel Arrese, César Alberto (es)
https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion (es)
Privada asociativa
This item is licensed under a Creative Commons License