Fabricación avanzada y mantenimiento predictivo
Optimización en la industria 4.0
Prospects of Wireless Energy-Aware Sensors for Smart Factories in the Industry 4.0 Era
Perspectivas de los sensores inalámbricos con conciencia energética para fábricas inteligentes en la era de la Industria 4.0
Los sensores avanzados son esenciales para las fábricas modernas, debido a que contribuyen mediante la recopilación de datos sobre las máquinas, los procesos y determinan la interacción hombre-máquina. Los sensores inalámbricos ofrecen ventajas significativas como su flexibilidad, despliegue y reducción de costes de instalación. Este artículo tiene como objetivo revisar el potencial de las redes de sensores inalámbricos (WSN) en aplicaciones industriales para realizar un suministro de energía sostenible basado en la recolección y transferencia de energía. Los autores hacen énfasis en las soluciones de convertidores de alto rendimiento y la mejora de la frecuencia y la optimización de la operación de la red. Basándose en las tecnologías existentes, hoy en día se pueden realizar WSN conscientes de la energía para muchas aplicaciones en fábricas inteligentes.
Este artículo fue realizado por Olfa Kanoun, Sabrine Khriji, Slim Naifar, Sonia Bradai, Ghada Bouattour, Ayda Bouhamed, Dhouha El Houssaini y Christian Viehweger (Technische Universität Chemnitz, Chemnitz, Germany) para Electronics (Vol. 10, núm 23, p. 2929, 2021), una revista que divulga investigaciones relacionadas con la ciencia de la electrónica y sus aplicaciones. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
A Systematic Investigation of the Integration of Machine Learning into Supply Chain Risk Management
Una investigación sistemática de la integración del aprendizaje automático en la gestión de riesgos de la cadena de suministro
Este artículo tiene como objetivo analizar la literatura científica disponible relacionada con las áreas de la cadena de suministro, en las cuales se ha aplicado el aprendizaje automático (ML) dentro del campo de la gestión de riesgo. Los resultados mostraron que los ejemplos aplicados hacen referencia principalmente a identificar de manera temprana los riesgos de producción, transporte y suministro con el fin de neutralizar rápidamente los posibles problemas de la cadena de suministro que podrían afectar los resultados de la logística interna. Además, se identificó el valor añadido que la integración del ML puede aportar a la gestión de riesgos en la cadena de suministro (SCRM).
Este artículo fue realizado por Meike Schroeder y Sebastian Lodemann (Hamburg University of Technology, Hamburg, Germany) para Logistics (Vol. 5, núm 3, p. 62, 2021), una revista que divulga trabajos de investigación sobre el campo de la logística y la gestión de la cadena de suministro. Esta es una publicación de MDPI, una plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected]
- Video:#SG4W 01.21 - Matenimiento predictivo
- Fuente:Software Guru
