Artificial Intelligence Applications for Increasing Resource Efficiency in Manufacturing Companies—A Comprehensive Review
Revisión sobre aplicaciones de inteligencia artificial para incrementar la eficiencia de recursos en compañías de manufactura
La eficiencia de recursos contribuye al avance de las empresas manufactureras desde la perspectiva de desempeño ecológico en donde la inteligencia artificial puede ser de gran relevancia. Sin embargo, hace falta información sobre la influencia potencial de las aplicaciones de AI en la eficiencia de recursos. Este estudio investiga el contexto actual de las aplicaciones AI y cómo estas afectan la eficiencia de recursos, haciendo una identificación, categorización y análisis de 70 artículos, de los cuales solo una pequeña cantidad aborda la eficiencia de recursos. Con base en la información encontrada, los autores confirman la necesidad de ampliar y desarrollar estudios enfocados en sostenibilidad en la fase de desarrollo y uso de las soluciones de IA, incluida la IA verde.
Este documento fue desarrollado por Lara Waltersmann, Steffen Kiemel, Julian Stuhlsatz, Alexander Sauer y Robert Miehe (Fraunhofer Institute for Manufacturing Engineering and Automation IPA, Stuttgart, Germany) para Sustainability (Vol. 13, núm. 12, p. 6689, 2021), una revista enfocada en el desarrollo sostenible abordado desde diversas áreas. 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]
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:4797 kb
Contemporary Business Analytics: An Overview
Analítica empresarial contemporánea: una descripción general
La analítica empresarial es una disciplina que se ha destacado como un método clave para obtener información relevante en la toma de decisiones. Este artículo pretende dar claridad sobre los desarrollos recientes en lo relacionado con la disciplina de la analítica empresarial. a través del desarrollo de una investigación basada en el campo de análisis empresarial a partir de la identificación y descripción de cuatro tipos de análisis y tres pilares de modelado, generando un marco de interacción entre ellos. El estudio describe la arquitectura del marco de interacción y delimita un análisis de ciclo de vida para la metodología.
Este estudio fue desarrollado por Wullianallur Raghupathi (Fordham University, New York, USA) y Viju Raghupathi (Brooklyn College of the City University of New York, Brooklyn, USA) para Data (Vol. 6, núm. 8, p. 86, 2021), una revista especializada en estudios sobre ciencia de datos. 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]
Recursos
-
Formatopdf
-
Idioma:inglés
-
Tamaño:700 kb