Impacto de la Inteligencia Artificial en la gestión de mantenimiento predictivo en la industria
DOI:
https://doi.org/10.56183/iberotecs.v4i2.644Palavras-chave:
Inteligencia Artificial (IA), Mantenimiento Predictivo, Industria 4.0 Análisis de Datos y Optimización de RecursosResumo
La evolución del mantenimiento predictivo en la industria ha estado marcado por importantes desarrollos tecnológicos y metodológicos, inicialmente el mantenimiento era de carácter reactivo, implicando reparaciones únicamente después de que se produjera una falla, el objetivo de la presente investigación es analizar como la Inteligencia Artificial (IA) ha transformado el mantenimiento predictivo, proporcionando una visión comprensiva de cómo esta tecnología está transformando las prácticas industriales, el objetivo planteado unido la metodología diseñada, permite presentar como principales resultados que los sistemas de IA son capaces de monitorear continuamente los datos de rendimiento de las máquinas y llevar a cabo análisis en tiempo real, que los algoritmos de aprendizaje automático y las técnicas de aprendizaje no supervisado son capaces de detectar patrones inusuales en los datos, que la Inteligencia Artificial tiene la capacidad de desarrollar modelos predictivos más precisos al analizar tanto datos históricos como datos en tiempo real. Como conclusiones se plantea que el futuro de la IA en el mantenimiento predictivo parece prometedor, con la integración de tecnologías emergentes como él internet de las cosas (IoT) y la analítica avanzada, el IoT permite una monitorización en tiempo real, mientras que la analítica avanzada mejora la capacidad de los algoritmos de IA para prever fallos con mayor precisión.
Referências
Armas, C.E y Anicama, J.E (2022) ¿Inteligencia artificial un fenómeno socioeconómico? Despido del trabajador por automatización empresarial. Revista Investigación y Negocios, vol.15 no.25. Lima, Perú. Disponible en: http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2521-27372022000100013
Bazovsky, I. (1961) Fiabilidad: teoría y práctica. Igor. Prentice-Hall International, Londres. Publicado en línea por Cambridge University Press.
César, JC. (2024) Análisis de la presencia económica y comercial de Japón en América Latina. Revista Ibero-American Journal of Economics & Business Research 4 (1) Sao Paulo, pp: 13-21 Disponible en: https://publish.iberojournals.com/index.php/ECB/article/view/24/23
Dante, A. (2023) La industria de la inteligencia artificial: una carrera por su liderazgo. Revista Problemas del Desarrollo. vol.54 no.212 Ciudad de México ene/mar. 2023.https://doi.org/10.22201/iiec.20078951e.2023.212.69959. Disponible en: https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0301-70362023000100105
Granados, J. (2022) Análisis de la inteligencia artificial en las relaciones laborales. Revista CES Derecho, vol.13 no.1 Medellín, Colombia. https://doi.org/10.21615/cesder.6395 Disponible en: http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S2145-77192022000100111
Jardine, A. K. S., Lin, D., & Banjevic, D. (2006). A Review on Machinery Diagnostics and Prognostics Implementing Condition-Based Maintenance. Mechanical Systems and Signal Processing, 20(7), 1483-1510. https://doi.org/10.1016/j.ymssp.2005.09.012
Kumar, A., Smith, J., & Davis, R. (2020). Challenges in Implementing Artificial Intelligence for Predictive Maintenance. Proceedings of the International Conference on Industrial Engineering, 45(2), 211-225. https://doi.org/10.1007/978-3-030-57080-8_15
Mobley, R. K. (2022). An Introduction to Predictive Maintenance (2nd ed.). Butterworth-Heinemann.
Moubray, J. (1997). Reliability-Centered Maintenance. Industrial Press Inc.
Nakajima, S. (1972) Introducción al TPM: Mantenimiento productivo total, 3ra edición, Cambridge, Mass, Productivity Press
Nowlan, F. S., & Heap, H. F. (1978). Reliability-Centered Maintenance. United Airlines
Peñalver, M & Isea, J. (2024) Transformación hacia fábricas inteligentes: El papel de la IA en la industria 4.0. Revista Electrónica Multidisciplinaria de Ciencias Básicas, Ingeniería y Arquitectura. Año VI. Vol VI. N°10. Enero – Junio. Fundación Koinonia (F.K). Santa Ana de Coro. Venezuela. https://doi.org/10.35381/i.p.v6i10.3742 Disponible en: https://ve.scielo.org/pdf/ipremcbia/v6n10/2665-0304-ipremcbia-6-10-38.pdf
Rodríguez, L, et.al (2024) Inteligencia artificial en la gestión organizacional: Impacto y realidad latinoamericana. Revista Koinonía vol.8 supl.1 Santa Ana de Coro, ago. 2023. https://doi.org/10.35381/r.k.v8i1.2782. Disponible en: https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2542-30882023000300226
Stamatis, D.H. (1995). Failure Mode and Effect Analysis, FMEA from Theory to Execution. ASQ – American Society of Quality. Milwaukee, Wisconsin, EEUU.
Venkatesh, V., Thong, J. Y. L., & Xu, X. (2018). User Acceptance of Predictive Maintenance Systems: A Review. International Journal of Production Economics, 204, 174-182. https://doi.org/10.1016/j.ijpe.2018.07.003
Wireman, T. (1998). Developing Performance Indicators for Managing Maintenance. Industrial Press Inc.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2024 José Adolfo Arizaga Mondragón, Josué Ismael Arizaga Ricaurte
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.