Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0

Ramos Arévalo, Henry Segundo; Torres Rivera, Diógenes Olmedo; Suyón Tejada, John Marlo

Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0

dc.contributor.advisor	Chinguel Arrese, César Alberto	es
dc.contributor.author	Ramos Arévalo, Henry Segundo
dc.contributor.author	Torres Rivera, Diógenes Olmedo
dc.contributor.author	Suyón Tejada, John Marlo
dc.date.accessioned	2023-06-08T22:19:50Z
dc.date.available	2023-06-08T22:19:50Z
dc.date.issued	2023-06-08
dc.date.submitted	2023-03
dc.description.abstract	El trabajo describe la aplicación de la inteligencia artificial en la gestión del mantenimiento 4.0, proporcionando una descripción detallada de la aplicación de la inteligencia artificial en la gestión del mantenimiento 4.0 que abarca desde la teoría matemática hasta la metodología aplicable al caso real y los resultados obtenidos de los ensayos en la Google Platform, así como las recomendaciones para futuros trabajos en el tema. Con tal fin se presenta una visión general de la teoría matemática detrás de la inteligencia artificial y el Machine Learning. Se describen temas como la regresión lineal, el método del descenso del gradiente, el aprendizaje profundo y la red neuronal LSTM (Long Short Term Memory). Además, se discute la evolución de las generaciones del mantenimiento y su relación con los lenguajes de programación, en particular Python y se presenta una descripción de las herramientas disponibles en Google Platform. Seguidamente se describe el uso de la inteligencia artificial para el Gemelo Digital, incluyendo arquitectura y metodología. El uso de la Inteligencia artificial para la estimación del RUL (Remaining Useful Life) es un tema objetivo en este estudio, por lo que también se presenta cinco casos de estudio publicados en páginas web prestigiosas, en los que se han utilizado metodologías y arquitecturas específicas. Posteriormente, se discuten los casos de estudio presentados en el capítulo anterior y se define una metodología aplicable a nuestro caso real. Se presenta una visión general del proceso de aplicación de la inteligencia artificial a la gestión del mantenimiento 4.0, desde la identificación del problema hasta la implementación de la solución. Finalmente, se analizan los resultados obtenidos de los ensayos en la nube y se ofrecen recomendaciones para futuros trabajos en este campo. Se discuten los desafíos y las limitaciones de la aplicación de la inteligencia artificial en la gestión del mantenimiento 4.0 y se presentan recomendaciones para superarlos y mejorar la eficacia de la metodología. En suma, el presente estudio proporciona una descripción detallada de la aplicación de la inteligencia artificial en la gestión del mantenimiento 4.0, que abarca desde la teoría matemática hasta la metodología aplicable al caso real y los resultados obtenidos de los ensayos en la Google Platform, así como las recomendaciones para futuros trabajos en el tema.	es
dc.identifier.citation	Ramos, H., Torres, D. y Suyón, J. (2023). Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0 (Trabajo de investigación de Máster en Ingeniería Mecánico-Eléctrica). Universidad de Piura. Facultad de Ingeniería. Piura, Perú.	es
dc.identifier.uri	https://hdl.handle.net/11042/6092
dc.language.iso	spa	es
dc.publisher	Universidad de Piura	es
dc.publisher.country	PE	es
dc.rights	info:eu-repo/semantics/openAccess	es
dc.rights.license	Attribution-NonCommercial-NoDerivatives 4.0 Internacional	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.source	Universidad de Piura	es
dc.source	Repositorio Institucional Pirhua - UDEP	es
dc.subject	Inteligencia artificial -- Aplicación -- Mantenimiento	es
dc.subject	Redes neuronales (Computadores) -- Aplicación -- Mantenimiento	es
dc.subject	Mantenibilidad (Ingeniería) -- Automatización	es
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.02.03	es
dc.title	Metodología basada en inteligencia artificial en la gestión del mantenimiento 4.0	es
dc.type	info:eu-repo/semantics/masterThesis	es
renati.advisor.dni	02608339
renati.advisor.orcid	https://orcid.org/0000-0002-3118-6675	es
renati.author.dni	02882567
renati.author.dni	03659855
renati.author.dni	02835547
renati.discipline	713337	es
renati.discipline	713327	es
renati.juror	Castro Sánchez, Miguel	es
renati.juror	Lizana Bobadilla, Víctor	es
renati.juror	Chinguel Arrese, César Alberto	es
renati.level	https://purl.org/pe-repo/renati/level#maestro	es
renati.type	https://purl.org/pe-repo/renati/type#trabajoDeInvestigacion	es
rim.academicdepartment	Maestría en Ingeniería Mecánico-Eléctrica	es
rim.college	Facultad de Ingeniería	es
rim.department	Posgrado de Maestrías en Ingeniería	es
thesis.degree.discipline	Maestría en Ingeniería Mecánico-Eléctrica con mención en Sistemas Energéticos y Mantenimiento	es
thesis.degree.discipline	Maestría en Ingeniería Mecánico-Eléctrica con mención en Sistemas Eléctricos y Automatización Industrial	es
thesis.degree.grantor	Universidad de Piura. Facultad de Ingeniería	es
thesis.degree.name	Máster en Ingeniería Mecánico-Eléctrica con mención en Sistemas Energéticos y Mantenimiento	es
thesis.degree.name	Máster en Ingeniería Mecánico-Eléctrica con mención en Sistemas Eléctricos y Automatización Industrial	es