Predecir los fallos de los sistemas es fundamental para mejorar la productividad, reducir los costes y reforzar la seguridad en los procesos industriales. Sin embargo, las metodologías tradicionales suelen fallar debido a la compleja naturaleza de la tarea. Esta investigación presenta un uso novedoso de las redes neuronales con picos (SNN) para anticipar fallos en series temporales sintácticas utilizando el modelo de red de Petri estocástica generalizada (GSPN). Una evaluación comparativa con las redes de memoria a corto plazo (LSTM) sugiere que las SNN ofrecen una robustez y un rendimiento comparables.
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.
Artículos:
Diseño e implementación del sistema de gestión ERP para compañías de manufactura
Videos:
Webinar: Ejemplos del impacto de la robótica en el sector energético
Artículos:
Marco de distribución de componentes múltiples para el modelado y la simulación de sistemas de producción inteligentes
Artículos:
Desarrollo de un prototipo a escala de dinamómetro isocinético
Tesis y Trabajos de grado:
Topología y optimización de formas para CFD-dinámica de fluidos computaciona