Gestión de operaciones
Implementing and Visualizing ISO 22400 Key Performance Indicators for Monitoring Discrete Manufacturing Systems
Visualización e implementación de los indicadores clave de desempeño de la norma ISO 22400 para el monitoreo de sistemas discretos de manufactura
Este estudio comprende el uso de Indicadores clave de desempeño (KPIs) como parámetros de evaluación del rendimiento de los sistemas, refiriéndose específicamente a la implementación y visualización de los KPI definidos en la norma técnica ISO 22400 sobre sistemas de automatización e integración para la gestión de operaciones de manufactura. La visualización de los KPI fue demostrada a través de un conjunto de gráficos que se encuentran en la interfaz de usuario del enfoque desarrollado en estudios anteriores, el cual se implementa y utiliza en una interfaz basada en web que permite el control de un sistema de fabricación discreto, en donde el rendimiento de dicho sistema se puede monitorear con gráficos visuales y descriptivos. Además, la interfaz de usuario proporcionada no sólo permite la selección de los KPI deseados, sino también la personalización de los nuevos.
Este artículo fue realizado por Borja Ramis Ferrer, Usman Muhammad, Wael M. Mohammed y José L. Martínez Lastra (Tampere University of Technology, Tampere, Finland), para Machines (Vol. 6, núm. 3, p. 39, 2018) una revista enfocada en estudios sobre maquinaria e ingeniería. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basileia, Suiza). Correo de contacto: [email protected]
A Low-Cost Add-On Sensor and Algorithm to Help Small- and Medium-Sized Enterprises Monitor Machinery and Schedule Processes
Uso de un sensor y un algoritmo como estrategia complementaria para el monitoreo de maquinaria y planeación de procesos en pequeñas y medianas empresas
Este documento presenta una recopilación de estudios similares y explica los diferentes enfoques para el monitoreo de maquinaria, incluyendo estudios sobre métodos utilizados para la planeación. Se presenta además una propuesta de sensores complementarios más baratos para monitorear maquinaria; los cuales se integran con un algoritmo que puede producir resultados con mayor rapidez, facilitando el cumplimiento de múltiples objetivos. El algoritmo propuesto está destinado a ampliar las capacidades de las pequeñas y medianas empresas en la supervisión de la maquinaria y los procesos de programación, lo que les permite enfrentarse con competidores más grandes.
Este estudio fue desarrollado por Yi-Chung Chen (National Yunlin University of Science and Technology, Yunlin, Taiwan), Kuo-Cheng Ting, Yo-Ming Chen, Don-Lin Yang, Hsi-Min Chen (Feng Chia University, Taichung, Taiwan) y Josh Jia-Ching Ying (National Chung Hsing University, Taichung, Taiwan) para Applied Sciences (Vol. 9, núm. 8, p. 1549, 2019), una revista enfocada en estudios sobre ciencias naturales aplicadas. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basileia, Suiza). Correo de contacto: [email protected]
Assessment of Handover Prediction Models in Estimation of Cycle Times for Manual Assembly Tasks in a Human–Robot Collaborative Environment
Evaluación de modelos de predicción de transferencia en la estimación de tiempos de ciclo para ensamblaje manual en un entorno colaborativo humano-robot
Este trabajo presenta una investigación bajo el contexto en que un robot debe entregar una parte a un compañero humano para completar una tarea de ensamblaje en un entorno colaborativo humano-robot. Para que el proceso de transferencia se complete sin problemas, el robot debe estimar el tiempo de finalización de la tarea del trabajador humano y ser capaz de ajustar por sí mismo el tiempo del ciclo entre los diferentes niveles de habilidad de los trabajadores de ensamblaje. Como parte de la metodología desarrollada, fueron comparados factores como el tiempo de ciclo, el tiempo de espera y la preferencia subjetiva de los operadores de una tarea de ensamblaje colaborativo humano-robot aplicando tres modelos de predicción de transferencia: método tradicional de medición de tiempo, filtro de Kalman y enfoques de sensores detonantes.
Este estudio fue desarrollado por Kuo-Hao Tang, Chia-Feng Ho, Jan Mehlich y Shih-Ting Chen (Feng Chia University, Taichung, Taiwan) para Applied Sciences (Vol. 10, núm. 2, p. 556, 2020 ), una revista enfocada en estudios sobre ciencias naturales aplicadas. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basileia, Suiza). Correo de contacto: [email protected]
- Video:Planificación estratégica de sistemas de información
- Fuente:YouTube
