Mostrar el registro sencillo del ítem
dc.contributor.advisor | García Osorio, César | |
dc.contributor.advisor | Arnaiz González, Álvar | |
dc.contributor.author | Juez Gil, Mario | |
dc.contributor.other | Universidad de Burgos. Departamento de Ingeniería Informática | |
dc.date.accessioned | 2021-10-07T08:57:17Z | |
dc.date.available | 2021-10-07T08:57:17Z | |
dc.date.issued | 2021 | |
dc.date.submitted | 2021 | |
dc.identifier.uri | http://hdl.handle.net/10259/6000 | |
dc.description.abstract | 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. | es |
dc.format.mimetype | application/pdf | |
dc.language.iso | eng | en |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Industria 4.0 | es |
dc.subject | Big data | es |
dc.subject | Aprendizaje máquina | es |
dc.subject | Paralelización | es |
dc.subject | Ensembles | es |
dc.subject | Industry 4.0 | en |
dc.subject | Machine learning | en |
dc.subject | Parallel computing | en |
dc.subject | Ensemble learning | en |
dc.subject.other | Informática | es |
dc.subject.other | Computer science | en |
dc.title | Paralelización y adaptación a plataformas de cómputo en la nube de algoritmos de mantenimiento y detección de fallos | es |
dc.type | info:eu-repo/semantics/doctoralThesis | es |
dc.rights.holder | Este 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.accessRights | info:eu-repo/semantics/openAccess | es |
dc.identifier.doi | 10.36443/10259/6000 | |
dc.subject.unesco | 1203.04 Inteligencia Artificial | es |
dc.subject.unesco | 1209.03 Análisis de Datos | es |
dc.type.hasVersion | info:eu-repo/semantics/acceptedVersion | es |