Resumen

Predecir los fallos de los sistemas es fundamental para mejorar la productividad, reducir los costes y reforzar la seguridad en los procesos industriales. Sin embargo, las metodologías tradicionales suelen fallar debido a la compleja naturaleza de la tarea. Esta investigación presenta un uso novedoso de las redes neuronales con picos (SNN) para anticipar fallos en series temporales sintácticas utilizando el modelo de red de Petri estocástica generalizada (GSPN). Una evaluación comparativa con las redes de memoria a corto plazo (LSTM) sugiere que las SNN ofrecen una robustez y un rendimiento comparables.

• Materias:Procesos industriales Mejoramiento de procesos Investigación operacional Seguridad industrial
• Subjects:Industrial processes Process improvement Operations research Industrial safety
• Palabras claves:Redes neuronales de picos (SNN); Predicción de fallos del sistema; Red de Petri estocástica generalizada (GSPN); Procesos industriales; Redes LSTM
• Keywords:Spiking neural networks (SNNs); System fault prediction; Generalized stochastic Petri net (GSPN); Industrial processes; LSTM networks