Business Intelligence
Tendencias en optimización de procesos
El uso adecuado de los datos que se generan durante los procesos productivos proporcionan información valiosa para la toma de decisiones. Los estudios presentados a continuación abordan algunas de las estrategias y metodologías desarrolladas desde la perspectiva de inteligencia empresarial.
- Video:Webinar Inteligencia Geoespacial: La clave para rentabilizar tu empresa
- Fuente:Software Guru
An Analytics Environment Architecture for Industrial Cyber-Physical Systems Big Data Solutions
Arquitectura de entorno analítico para soluciones de big data en sistemas industriales ciber físicos
El objetivo de este estudio consiste en respaldar el análisis de soluciones de Big Data para sistemas ciber físicos industriales (iCPS) en relación con el modelado de elementos de datos, análisis predictivo, inferencia de los indicadores claves de desempeño y analítica en tiempo real. En este sentido, la arquitectura propuesta apoya la integración del entorno IIoT, las comunicaciones y la nube en iCPS. La metodología incluye la adopción de un enfoque ADD para reunir los requerimientos funcionales (atributos) del Big Data industrial y los hitos de gestión de Big Data (atributos de calidad de datos) para los diferentes procesos como planeación, producción, mantenimiento, reparación y reformas.
Este estudio fue desarrollado por Eduardo A. Hinojosa-Palafox, Oscar M. Rodríguez-Elías, José A. Hoyo-Montaño (Tecnológico Nacional de México/I. T. de Hermosillo, Sonora, México), Jesús H. Pacheco-Ramírez (Universidad de Sonora, Sonora, Mexico) y José M. Nieto-Jalil (ITESM Sonora, Sonora, México) para Sensors (Vol. 21, núm. 13, p. 4282, 2021) una revista especializada en ciencia y tecnología de sensores. 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]
Data-Driven State Prediction and Sensor Fault Diagnosis for Multi-Agent Systems with Application to a Twin Rotational Inverted Pendulum
Predicción de estado basada en datos y diagnóstico de fallos de sensores para sistemas multiagente con aplicación a un péndulo invertido de doble rotación
Cuando un sistema multiagente presenta fallas, es necesario detectar y clasificar dichas fallas a tiempo, para lo cual este estudio propone una técnica de predicción y clasificación de fallas basada en datos. El modelo predictivo basado en redes neuronales es entrenado a partir de historial de datos del sistema, para posteriormente ser implementado al sistema en tiempo real para predecir el estado y la productividad en ausencia de falla. Los algoritmos diseñados son verificados a través de un sistema gemelo de péndulo rotacional invertido y un mecanismo líder seguidor.
Este estudio fue desarrollado por Xin Lu, Xiaoxu Liu (Shenzhen Technology University, Shenzhen, China), Bowen Li (Nanjing University of Posts and Telecommunications, Nanjing, China) y Jie Zhong (Zhejiang Normal University, Jinhua, China) para Processes (vol. 9, núm. 9, p. 1505, 2021) 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]
