Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
Obtenga beneficios adicionales
Aún no tiene una suscripción a Virtual Pro?
Para acceder a este contenido se requiere una suscripción
En este artículo se presentan dos algoritmos para estimar el periodo de una señal, dado un conjunto de datos discretos, estos algoritmos superponen dos secciones de datos a varios periodos. El primer algoritmo cuenta el número de puntos que se mezclan por cada periodo, mientras el segundo, calcula la distancia entre los puntos cuando se ordenan por tiempo. De esta manera, el mejor candidato para periodo maximiza el número de puntos que se mezclan en el primer algoritmo, mientras que en el segundo, minimiza la distancia entre puntos.
La validación experimental con señales sin ruido, demuestra que el error relativo de las estimaciones cae por debajo de la mitad del periodo de muestreo, y a su vez, muestra que ese error no depende del contenido armónico de la señal, como ocurre con los algoritmos para estimar periodo. La aplicación de los algoritmos demuestra que pueden seguir la frecuencia de un sistema de potencia y además, pueden aproximar el periodo de un oscilador Van der Pol, lo cual sirve para confirmar que estos algoritmos se pueden aplicar para solucionar problemas en tiempo real.
Introducción
Baykasoglu y Kaplanoglu (2006) sostienen que una empresa que quiera seguir siendo competitiva debe ser capaz de aunar productos de alta calidad y plazos de entrega con los menores costes posibles.
Esta idea ha cobrado, si cabe, más importancia en los últimos años debido a la crisis económica mundial, que ha incrementado la necesidad de perseguir la reducción de costes, como indican Zatzick et al. (2009) y Kaplan y Porter (2011).
Según estas publicaciones, el mejor enfoque cuando se busca una reducción de costes es la optimización de los procesos. Este trabajo se interesa por este enfoque y desarrolla un nuevo software que determina los lotes óptimos de producción considerando factores productivos y logísticos.
El software desarrollado tiene su base en los famosos trabajos de Harris (1915) y Taft (1918), en los que se definieron los modelos EOQ (Economic Order Quantity) y EPQ (Economic Production Quantity). Estos modelos optimizan la cantidad a comprar (o producir) minimizando el coste obtenido de los costes fijos de comprar (o producir) y los costes variables de almacenar. Estos modelos son tan importantes que todavía se utilizan en muchas organizaciones. Una muestra se encuentra en el trabajo de James et al. (2011) relativo a un sistema logístico colombiano.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un enfoque de análisis envolvente de datos para la mejora de la seguridad basado en el AMFE
Artículo:
Sistema de operaciones automáticas de ahorro de energía por medio de automatización robótica de procesos
Artículo:
Utilización de la visión de la gestión de procesos empresariales (BPM) para la mejora de procesos en la industria naval y el sector de la construcción offshore: estudio de caso del polo naval de Río Grande (RS)
Artículo:
Optimización del tratamiento de conversión de fosfatos para generar revestimientos protectores
Artículo:
Cultura organizacional como determinante de la gestión de procesos comerciales de las oficinas comunitarias en Polonia
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Libro:
Ergonomía en los sistemas de trabajo
Artículo:
La gestión de las relaciones con los clientes como característica de la alta rentabilidad empresarial
Artículo:
Los web services como herramienta generadora de valor en las organizaciones
Virtual Pro es un portal virtual de formación, investigación y comunicación especializado en procesos industriales.
� 2021, Virtual Pro �, una marca de Grupo INGCO. Todos los derechos reservados
