Fabricación avanzada y mantenimiento predictivo
Optimización en la industria 4.0
Esta sección está dedicada a la revisión de los avances en fabricación inteligente y las diversas aplicaciones de los sistemas de mantenimiento predictivo en la industria manufacturera.
- Video:Webinar: Ética e inteligencia artificial, algoritmos más equitativos y justos
- Fuente:GMV
Privacy-Preserving Blockchain Framework for Supply Chain Management: Perceptive Craving Game Search Optimization (PCGSO)
Marco Blockchain de preservación de la privacidad para la gestión de la cadena de suministro: Optimización perceptiva de la búsqueda de juegos (PCGSO)
La red de la cadena de suministro es una de las áreas de concentración más cruciales en la mayoría de las circunstancias empresariales. La tecnología Blockchain es una opción prometedora para el intercambio seguro de información en la red de la cadena de suministro. El algoritmo de optimización PCGS (perceptive craving game search) se utiliza para generar de forma óptima la clave para el saneamiento de datos, lo que asegura la privacidad de los datos logísticos y que evita el riesgo de acceso no autorizado y el enjambre de datos que provoca el retraso del sistema. El rendimiento y los resultados del modelo de preservación de la privacidad basado en blockchain propuesto se validan utilizando diversos parámetros.
Este artículo fue realizado por Basim Aljabhan (King Abdulaziz University, Jeddah, Saudi Arabia), Muath A. Obaidat (City University of New York, New York, USA) para Sustainability (Vol. 15, núm. 8, p. 6905, 2023), una revista especializada en sostenibilidad ambiental, cultural, económica y social de los seres humanos. 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 Mapping Study on Machine Learning Techniques Applied for Condition Monitoring and Predictive Maintenance in the Manufacturing Sector
Un estudio de mapeo sistemático sobre técnicas de aprendizaje automático aplicadas al monitoreo de condiciones y el mantenimiento predictivo en el sector manufacturero
El creciente interés por la automatización de procesos y el internet de las cosas, desde que se incorporó la Industria 4.0, hizo que las plantas de producción crecieran en complejidad; cada estación debe supervisarse constantemente, lo que constituye la base del mantenimiento predictivo (PdM). Este artículo tiene como objetivo investigar la aplicación de técnicas de aprendizaje automático para un sistema predictivo en la industria por medio de estudio de mapeo sistemático (SMS), con el fin de estructurar y clasificar el estado actual de la investigación. Los autores concluyen que los resultados más prometedores están relacionados con las aplicaciones de métodos híbridos de aprendizaje automático que combinan un conjunto de métodos para construir un modelo más potente.
Este artículo fue realizado por Thuy Linh Jenny Phan, Ingolf Gehrhardt, David Heik, Fouad Bahrpeyma y Dirk Reichelt (Dresden University of Applied Sciences, Dresden, Germany) para Logistics (Vol. 6, núm 2, p. 35, 2022), 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]
