Paralelización y adaptación a plataformas de cómputo en la nube de algoritmos de mantenimiento y detección de fallos

  1. JUEZ GIL, MARIO
Dirigée par:
  1. César García Osorio Directeur
  2. Álvar Arnaiz González Co-directeur

Université de défendre: Universidad de Burgos

Fecha de defensa: 20 juillet 2021

Jury:
  1. Nicolás García-Pedrajas President
  2. Pedro Latorre Carmona Secrétaire
  3. Diego Jesús García Gil Rapporteur
  4. Marcin Blachnik Rapporteur
  5. Aida de Haro García Rapporteur

Type: Thèses

Teseo: 675838 DIALNET lock_openRIUBU editor

Résumé

El foco de la presente tesis se centra en el papel que tiene el big data dentro de la nueva revolución industrial que está teniendo lugar actualmente. Comúnmente nos referiremos a ella con el término Industria 4.0. La característica que más nos interesa de esta nueva industria, es el creciente uso de sensores capaces de monitorizar y registrar de forma continua el funcionamiento de su maquinaria. Gracias a ello surgen nuevas oportunidades para optimizar procesos como el mantenimiento, avanzando hacia nuevas estrategias más eficaces que contribuyan a abaratar costes y maximizar los beneficios. Es el caso del mantenimiento predictivo, el cual, a través de la detección temprana de fallos en todo tipo de maquinaria, como motores de inducción, por ejemplo, se pueden programar mantenimientos que ayuden a evitar paradas inesperadas en el proceso de producción. Fruto de ello surgen líneas de investigación sobre el desarrollo de nuevos algoritmos predictivos, o la adaptación de los existentes para hacerlos capaces de trabajar con las grandes cantidades de datos que se generan en estos problemas. Para este último caso, el tipo de adaptación escogida ha sido la paralelización algorítmica para su ejecución en plataformas de cómputo en la nube