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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Impresión 3D de piezas de EOAT (End of Arm Tooling) para automatización robótica.
Artículo:
Optimización de los parámetros de proceso en el mecanizado por descarga eléctrica de acero D2 utilizando una herramienta compuesta de Cu-SiC basada en un modelo sustitutivo dirigido por datos para la rugosidad de la superficie mecanizada y el desgaste de la herramienta
Artículo:
Modelo de interacciones de riesgo que obstaculizan la implantación de la producción ajustada
Artículo:
Metodología para incrementar el número de puntos experimentales en un diseño D-Óptimo
Artículo:
Optimización estocástica del flujo de trabajo de las pruebas de laboratorio en los centros de pruebas metalúrgicas
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060
Software:
Simulación del proceso de extracción sólido-líquido EXTSL