SISTEMA DE MANTENIMIENTO PREDICTIVO INTELIGENTE
DOI:
https://doi.org/10.63136/read1720251113pp935-944Resumen
En los últimos años ha habido un incremento en la demanda de automóviles, lo que ha hecho que las empresas de la industria automotriz enfoquen recursos y esfuerzos en acortar tiempos en sus procesos y aumentar la producción sin perder calidad en sus productos. Con la llegada de la industria 4.0 se han presentado nuevas tecnologías y herramientas que se enfocan en la automatización para ayudar a las empresas a mejorar y acortar sus procesos. En este trabajo se presenta un proyecto de investigación para desarrollar un sistema de mantenimiento, capaz de predecir fallas en al ámbito industrial utilizando herramientas como recolección de datos y técnicas de inteligencia artificial, con la finalidad de anticipar desperfectos y tener un mejor control de fallas y mantenimiento.Citas
de Lucio, J. (2020). Estimación adelantada del crecimiento regional mediante redes. Investigaciones Regionales – Journal of Regional Research, 45-64. doi:https://doi.org/10.38191/iirr-jorr.21.007
Gunawan, J. (2022). Kaggle. Obtenido de https://www.kaggle.com/code/jegun19/predictive-maintenance-time-series-forecasting
Hochreitcher, S., & Schmidhuber, J. (1997). Long Short Term Memory. Neural Computation, 9(8), 1735-1780. https://doi.org/10.1162/neco.1997.9.8.1735
Ibargüengoytia, G., Reyes, A., Borunda, M., & García, U. (2018). Predicción de potencia eólica utilizando técnicas modernas de Inteligencia Artificial Wind power forecasting using Artificial Intelligence tools. IngenIería InvestIgacIón y tecnología, 1-11. http://dx.doi.org/10.22201/fi.25940732e.2018.19n4.033
INEGI. (07 de 03 de 2025). Instituto Nacional de Estadística y Geografía (INEGI). Obtenido de https://www.inegi.org.mx/app/indicadores/?ind=6207131345&tm=6#D6207131345_180#D6207131345_180
Miranda, A. (2007). La industria automotriz en México Antecedentes, situación actual y perspectivas. Contaduría y administración, 211-248.
Peralta, J., Martinéz, B., & Enriquéz, J. (2020). Industria 4.0. Inventio, 39. 10.30973/inventio/2020.16.39/4
Ramirez, U., Tello, E., & Ríos, A. (2018). Modelo basado en redes neuronales recurrentes LSTM para la predicción de la siguiente actividad en procesos de negoocio. Pistas educativas, 40, 962-974.
