Show simple item record

dc.contributor.advisorGarcía Osorio, César 
dc.contributor.advisorArnaiz González, Álvar 
dc.contributor.authorJuez Gil, Mario
dc.contributor.otherUniversidad de Burgos. Departamento de Matemáticas y Computación
dc.date.accessioned2021-10-07T08:57:17Z
dc.date.available2021-10-07T08:57:17Z
dc.date.issued2021
dc.identifier.urihttp://hdl.handle.net/10259/6000
dc.description.abstractEl foco de la presente tesis se centra en el papel que tiene el big data dentro de la nueva revolución industrial que está teniendo lugar actualmente. Comúnmente nos referiremos a ella con el término Industria 4.0. La característica que más nos interesa de esta nueva industria, es el creciente uso de sensores capaces de monitorizar y registrar de forma continua el funcionamiento de su maquinaria. Gracias a ello surgen nuevas oportunidades para optimizar procesos como el mantenimiento, avanzando hacia nuevas estrategias más eficaces que contribuyan a abaratar costes y maximizar los beneficios. Es el caso del mantenimiento predictivo, el cual, a través de la detección temprana de fallos en todo tipo de maquinaria, como motores de inducción, por ejemplo, se pueden programar mantenimientos que ayuden a evitar paradas inesperadas en el proceso de producción. Fruto de ello surgen líneas de investigación sobre el desarrollo de nuevos algoritmos predictivos, o la adaptación de los existentes para hacerlos capaces de trabajar con las grandes cantidades de datos que se generan en estos problemas. Para este último caso, el tipo de adaptación escogida ha sido la paralelización algorítmica para su ejecución en plataformas de cómputo en la nube.es
dc.format.mimetypeapplication/pdf
dc.language.isoengen
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectIndustria 4.0es
dc.subjectBig dataes
dc.subjectAprendizaje máquinaes
dc.subjectParalelizaciónes
dc.subjectEnsembleses
dc.subjectIndustry 4.0en
dc.subjectMachine learningen
dc.subjectParallel computingen
dc.subjectEnsemble learningen
dc.subject.otherInformáticaes
dc.subject.otherComputer scienceen
dc.titleParalelización y adaptación a plataformas de cómputo en la nube de algoritmos de mantenimiento y detección de falloses
dc.typeinfo:eu-repo/semantics/doctoralThesises
dc.rights.holderEste documento está sujeto a una licencia de uso Creative Commons, por la cual está permitido hacer copia, distribuir y comunicar públicamente la obra siempre que se cite al autor original y no se haga de él uso comercial ni obra derivada
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses
dc.identifier.doi10.36443/10259/6000
dc.subject.unesco1203.04 Inteligencia Artificiales
dc.subject.unesco1209.03 Análisis de Datoses
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersiones


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record