RT info:eu-repo/semantics/doctoralThesis
T1 Paralelización y adaptación a plataformas de cómputo en la nube de algoritmos de mantenimiento y detección de fallos
A1 Juez Gil, Mario
A2 Universidad de Burgos. Departamento de Ingeniería Informática
K1 Industria 4.0
K1 Big data
K1 Aprendizaje máquina
K1 Paralelización
K1 Ensembles
K1 Industry 4.0
K1 Machine learning
K1 Parallel computing
K1 Ensemble learning
K1 Informática
K1 Computer science
K1 1203.04 Inteligencia Artificial
K1 1209.03 Análisis de Datos
AB El 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.
YR 2021
FD 2021
LK http://hdl.handle.net/10259/6000
UL http://hdl.handle.net/10259/6000
LA eng
DS Repositorio Institucional de la Universidad de Burgos
RD 25-abr-2024