MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0

En la actualidad, la Industria 4.0 busca la integración de tecnologías digitales y físicas para lograr procesos productivos más inteligentes y eficientes. En este entorno, la monitorización continua y el análisis de datos industriales permiten anticipar fallos a través del mantenimiento predictivo,...

Descripción completa

Detalles Bibliográficos
Autor: Alonso González, Miguel Ángel|||0000-0002-7482-9167
Tipo de recurso: tesis doctoral
Fecha de publicación:2025
País:España
Institución:Universidad de Oviedo (UNIOVI)
Repositorio:RUO. Repositorio Institucional de la Universidad de Oviedo
Idioma:español
OAI Identifier:oai:digibuo.uniovi.es:10651/81445
Acceso en línea:https://hdl.handle.net/10651/81445
Access Level:acceso abierto
Palabra clave:Industria 4.0
Big Data
Inteligencia Artificial
id ES_0e11f5e7df1ed6fc0de261eb7fae26a7
oai_identifier_str oai:digibuo.uniovi.es:10651/81445
network_acronym_str ES
network_name_str España
repository_id_str
spelling MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0Alonso González, Miguel Ángel|||0000-0002-7482-9167Industria 4.0Big DataInteligencia ArtificialEn la actualidad, la Industria 4.0 busca la integración de tecnologías digitales y físicas para lograr procesos productivos más inteligentes y eficientes. En este entorno, la monitorización continua y el análisis de datos industriales permiten anticipar fallos a través del mantenimiento predictivo, minimizando el tiempo de inactividad y optimizando el uso de recursos. Para cumplir con ese objetivo, destaca la adopción de soluciones basadas en Internet de las Cosas o IoT, donde distintos sensores se conectan en red y transmiten información de forma constante a plataformas de análisis. Dichos sensores recogen variables como vibración, temperatura y otros indicadores de funcionamiento, fundamentales para detectar, de manera temprana, posibles problemas en equipos o líneas de producción.García Díaz, VicenteLópez Pérez, BenjamínInformática, Departamento de20252025-10-14doctoral thesishttp://purl.org/coar/resource_type/c_db06NAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/doctoralThesishttps://hdl.handle.net/10651/81445reponame:RUO. Repositorio Institucional de la Universidad de Oviedoinstname:Universidad de Oviedo (UNIOVI)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessoai:digibuo.uniovi.es:10651/814452026-06-07T06:38:51Z
dc.title.none.fl_str_mv MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0
title MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0
spellingShingle MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0
Alonso González, Miguel Ángel|||0000-0002-7482-9167
Industria 4.0
Big Data
Inteligencia Artificial
title_short MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0
title_full MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0
title_fullStr MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0
title_full_unstemmed MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0
title_sort MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0
dc.creator.none.fl_str_mv Alonso González, Miguel Ángel|||0000-0002-7482-9167
author Alonso González, Miguel Ángel|||0000-0002-7482-9167
author_facet Alonso González, Miguel Ángel|||0000-0002-7482-9167
author_role author
dc.contributor.none.fl_str_mv García Díaz, Vicente
López Pérez, Benjamín
Informática, Departamento de
dc.subject.none.fl_str_mv Industria 4.0
Big Data
Inteligencia Artificial
topic Industria 4.0
Big Data
Inteligencia Artificial
description En la actualidad, la Industria 4.0 busca la integración de tecnologías digitales y físicas para lograr procesos productivos más inteligentes y eficientes. En este entorno, la monitorización continua y el análisis de datos industriales permiten anticipar fallos a través del mantenimiento predictivo, minimizando el tiempo de inactividad y optimizando el uso de recursos. Para cumplir con ese objetivo, destaca la adopción de soluciones basadas en Internet de las Cosas o IoT, donde distintos sensores se conectan en red y transmiten información de forma constante a plataformas de análisis. Dichos sensores recogen variables como vibración, temperatura y otros indicadores de funcionamiento, fundamentales para detectar, de manera temprana, posibles problemas en equipos o líneas de producción.
publishDate 2025
dc.date.none.fl_str_mv 2025
2025-10-14
dc.type.none.fl_str_mv doctoral thesis
http://purl.org/coar/resource_type/c_db06
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/10651/81445
url https://hdl.handle.net/10651/81445
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:RUO. Repositorio Institucional de la Universidad de Oviedo
instname:Universidad de Oviedo (UNIOVI)
instname_str Universidad de Oviedo (UNIOVI)
reponame_str RUO. Repositorio Institucional de la Universidad de Oviedo
collection RUO. Repositorio Institucional de la Universidad de Oviedo
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869403374989869056
score 15,812429

Similares en LA Referencia