La inteligencia empresarial (business intelligence, BI) se enfoca en esencia en transformar datos en bruto en información utilizable, valiosa y viable para la toma de decisiones. Se puede clasificar como un tipo de sistema de apoyo a la toma de decisiones basado en datos. Aunque investigaciones sobre datos masivos han crecido en los últimos quince años, no existen los suficientes que analicen el impacto de los datos masivos en la BI. En este documento se revisa el estado actual de ambos paradigmas y el impacto antes mencionado.

La fabricación inteligente se asocia de manera usual con cobots sofisticados y líneas automatizadas de producción. No obstante, el ecosistema de datos masivos es una forma más rápida y económica para empezar. La revolución numérica se ha acelerado de modo dramático durante los últimos años, con muchas implicaciones en distintas industrias. En este documento se presentan estas herramientas y se discuten algunos casos reales de uso.

100 Mujeres poderosas, Forbes destaca a un centenar de mujeres colombianas que están redefiniendo el éxito y el liderazgo de diferentes industrias y espacios. Ellas han escalado si acenso al éxito incluso en lugares donde las mujeres no habían llegado antes, sus historias inspiran a miles de personas y hoy su trabajo y talento es reconocido. El imperio del beauty colombiano.

En este artículo se brinda un panorama crítico de la evolución del monitoreo de procesos industriales (industrial process monitoring, IPM) desde su introducción hace casi 100 años. Se abordan de manera breve varias tendencias de evolución que han estado estructurando desarrollos IPM durante este periodo de tiempo, haciendo énfasis en enfoques basados en datos. Se sostiene que, además de tales tendencias, el enfoque investigativo ha evolucionado a su vez.

Los datos masivos pueden introducir nuevas oportunidades y, por esta razón, se ha convertido en una suerte de mantra para la mayoría de las industrias. Este artículo se enfoca en estudiar cómo desarrollar reportes de costos y sostenibilidad empleando datos masivos que cubren valores económicos, volúmenes de producción e información sobre emisiones. Se asume enfáticamente que este uso contribuye con la producción más limpia y, a su vez, ofrece más información respecto a ingresos y desarrollo de rentabilidad.

La analítica de datos (data analytics, DA) puede ayudar a entender y conocer mejor sobre datos masivos y, a su vez, contribuir al avance en la visión de la fabricación inteligente. Los fabricantes han utilizado el modelado y la simulación para analizar sus operaciones y apoyar la toma de decisiones. En este documento se proponen métodos múltiples en los cuales la simulación puede servir como una aplicación de DA.

En esta investigación se propone una metodología analítica industrial formal que se puede utilizar para informar el desarrollo de capacidades analíticas industriales. Dicha metodología clasifica los equipos operativos que comprende el ecosistema analítico industrial y presenta una arquitectura de referencia de tecnología agnóstica para facilitar el ciclo de vida analítica industrial.

Los datos masivos facilitan la visibilidad y la automatización de procesos en diseño e ingeniería de fabricación. También ayudan a analizar tendencias mediante analítica, inventarios predictivos, producción industrial, vida útil de maquinaria, entre otros. En este artículo se muestran las principales características de los datos masivos y varias cuestiones relacionadas con diseño e ingeniería de fabricación, entre ellas beneficios, impactos, aplicaciones y oportunidades.

La complejidad de sistemas de fabricación inteligente genera nuevos retos para actividades de investigación, innovación y desarrollo. Se necesitan nuevos enfoques ⸺incluso de manera parcial para aplicaciones tradicionales y para control, monitoreo, observación u optimización⸺ para manejar estos sistemas de forma efectiva y eficiente. En este documento se muestra una revisión del análisis de datos masivos en sistemas de fabricación inteligente. Esto incluye el status quo en investigación, innovación y desarrollo, retos futuros y una lista completa de casos de uso potencial.

Se midieron densidades e índices de refracción de mezclas binarias de sulfolano con tolueno a (303,15, 308,15, 313,15 y 318,15) K en todo el rango de composición. Con los datos experimentales, se calcularon los volúmenes de exceso molar y la desviación del índice de refracción que se ajustan a una ecuación polinomial de Redlich-Kister de orden cuatro. La predicción del volumen de exceso molar a 303,15 K, se realizó con datos experimentales de índice de refracción, usando tres ecuaciones acopladas a seis reglas de mezcla para el cálculo del índice de refracción: Lorentz-lorenz, Dale-Gladstone, Eykman, Arago-Biot, Newton y Oster. Los resultados muestran que este procedimiento, desde índices de refracción, es útil para predecir el volumen de exceso molar negativo de las mezclas de sulfolano con tolueno.IntroducciónEl sulfolano (C4H8O2S, punto de fusión 27,5 ºC), es un solvente industrial utilizado para extraer hidrocarburos aromáticos monocíclicos, desde hidrocarburos alifáticos. Contiene en su estructura un grupo sulfonilo (átomo de azufre enlazado a dos átomos de oxígeno), que permite su solubilidad en agua y un anillo con cuatro átomos de carbono con características no polares. Estas propiedades permiten que sea miscible con agua e hidrocarburos, dando lugar a su uso generalizado como solvente para la purificación de mezclas de hidrocarburos [1-2]. El estudio de propiedades volumétricas de mezclas binarias de sulfolano con tolueno, son de particular interés para la industria petroquímica [3]. También proporciona datos de densidad de mezcla, necesarios en cálculos de transferencia de masa [4] y permite comprender las interacciones soluto- solventes [5], que son estudiadas en términos de propiedades de mezcla como la desviación del índice de refracción y el volumen de exceso molar, que para una mezcla binaria se definen con las siguientes ecuaciones. Donde, nD es el índice de refracción de la mezcla; es el índice de refracción de los componentes puros y xi es la fracción molar de los componentes 1 y 2 del sistema binario [5].donde, es la densidad de la mezcla; Mi y xi es la densidad, peso molecular y fracción molar de los componentes 1 y 2 del sistema binario [6].La ec. 2 indica que para calcular el volumen de exceso molar de una mezcla binaria, se requiere determinar experimentalmente la densidad de la mezcla en todo el rango de fracción molar; las técnicas experimentales para determinar el índice de refracción de sistemas líquidos son relativamente más simples [7]; aplicando la regla de mezclas es posible predecir el volumen de exceso molar, desde índices de refracción de sistemas multicomponentes [8].En el presente trabajo se reportan medidas de densidad () e índices de refracción de la línea D del sodio (nD) para las mezclas binarias de sulfolano con tolueno a (303,15, 308,15, 313,15 y 318,15) K, en todo el rango de fracción molar. Los valores experimentales son usados para calcular el volumen de exceso molar y la desviación del índice de refracción que se ajustan con una ecuación polinomial de Redlich-Kister, de orden cuatro [9].Para la predicción del volumen de exceso molar desde índices de refracción de mezcla, son considerados tres métodos.