Saltar navegación e ir al contenido principal
Biblioteca digital de Bogotá
Logo BibloRed
Cargando contenido
¿Qué estás buscando?
  • Escribe palabras clave como el título de un contenido, un autor o un tema que te interese.

  • Búsqueda avanzada

Seleccionar

Contenidos y Experiencias Digitales

Filtrar

Formatos de Contenido
Tipo de colección
Género
Idioma
Derechos de uso

Selecciona contenidos según las condiciones legales para su uso y distribución.

Estás filtrando por

Cargando contenido

Se encontraron 110737 resultados en recursos

  • Exclusivo BibloRed
Imagen de apoyo de  Privacy-Preserving Blockchain Framework for Supply Chain Management, Perceptive Craving Game Search Optimization (PCGSO)

Privacy-Preserving Blockchain Framework for Supply Chain Management, Perceptive Craving Game Search Optimization (PCGSO)

Por: MDPI | Fecha: 2023

La red de la cadena de suministro es una de las áreas de concentración más cruciales en la mayoría de las circunstancias empresariales. La tecnología Blockchain es una opción prometedora para el intercambio seguro de información en la red de la cadena de suministro. El algoritmo de optimización PCGS (perceptive craving game search) se utiliza para generar de forma óptima la clave para el saneamiento de datos, lo que asegura la privacidad de los datos logísticos y que evita el riesgo de acceso no autorizado y el enjambre de datos que provoca el retraso del sistema. El rendimiento y los resultados del modelo de preservación de la privacidad basado en blockchain propuesto se validan utilizando diversos parámetros.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Privacy-Preserving Blockchain Framework for Supply Chain Management, Perceptive Craving Game Search Optimization (PCGSO)

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  A Systematic Mapping Study on Machine Learning Techniques Applied for Condition Monitoring and Predictive Maintenance in the Manufacturing Sector

A Systematic Mapping Study on Machine Learning Techniques Applied for Condition Monitoring and Predictive Maintenance in the Manufacturing Sector

Por: MDPI | Fecha: 2023

El creciente interés por la automatización de procesos y el internet de las cosas, desde que se incorporó la Industria 4.0, hizo que las plantas de producción crecieran en complejidad; cada estación debe supervisarse constantemente, lo que constituye la base del mantenimiento predictivo (PdM). Este artículo tiene como objetivo investigar la aplicación de técnicas de aprendizaje automático para un sistema predictivo en la industria por medio de estudio de mapeo sistemático (SMS), con el fin de estructurar y clasificar el estado actual de la investigación. Los autores concluyen que los resultados más prometedores están relacionados con las aplicaciones de métodos híbridos de aprendizaje automático que combinan un conjunto de métodos para construir un modelo más potente.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

A Systematic Mapping Study on Machine Learning Techniques Applied for Condition Monitoring and Predictive Maintenance in the Manufacturing Sector

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Predicting Failure Probability in Industry 4.0 Production Systems, A Workload-Based Prognostic Model for Maintenance Planning

Predicting Failure Probability in Industry 4.0 Production Systems, A Workload-Based Prognostic Model for Maintenance Planning

Por: MDPI | Fecha: 2023

El mantenimiento de los equipos es una necesidad en todos los sectores industriales, ya que repercute en la calidad, la seguridad y la productividad de cualquier sistema de fabricación. Por lo tanto, la capacidad de estimar la probabilidad de que una máquina monitoreada complete con éxito una actividad predeterminada, teniendo en cuenta los datos históricos de los sensores de la máquina y la carga de trabajo inminente, se podría determinar la programación de actividades en un sistema de producción de Industria 4.0. El enfoque propuesto utiliza un modelo de regresión logística que evalúa el estado de los equipos y un modelo de red neuronal para estimar la probabilidad de fallo. Los resultados demuestran que esta metodología mejora la predicción de la probabilidad de cumplir con la actividad programada.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Predicting Failure Probability in Industry 4.0 Production Systems, A Workload-Based Prognostic Model for Maintenance Planning

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Food Logistics 4.0, Opportunities and Challenges

Food Logistics 4.0, Opportunities and Challenges

Por: MDPI | Fecha: 2023

La logística alimentaria 4.0 es un término derivado de la Industria 4.0, que se centra en todos los aspectos de este tipo de gestión basada en sistemas ciberfísicos, el cual tiene un enorme potencial en términos de entrega de alimentos, costes y calidad. En este artículo se analizan las tecnologías vitales dentro de la logística alimentaria 4.0 y las oportunidades y retos asociados que serán cruciales para el desarrollo sostenible de esta logística. Los autores resaltan que se identificaron las oportunidades disponibles para mejorar la logística alimentaria mediante la adopción de tecnologías de la Industria 4.0 para mejorar tiempos de entrega, manteniendo la calidad de los productos alimenticios durante el transporte dentro de la cadena de suministro más sostenible en la que se minimicen los impactos ambientales y se maximicen los beneficios socioeconómicos.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Food Logistics 4.0, Opportunities and Challenges

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Big Data Analytics for Smart Manufacturing, Case Studies in Semiconductor Manufacturing

Big Data Analytics for Smart Manufacturing, Case Studies in Semiconductor Manufacturing

Por: MDPI | Fecha: 2023

La fabricación inteligente (SM) es un término que se aplica a la mejora de las operaciones de fabricación mediante la integración de sistemas, el vínculo de capacidades físicas y cibernéticas y el aprovechamiento de la información. La industria de fabricación de semiconductores se caracteriza por tener requisitos de procesamiento precisos, equipos y procesos muy complejos y dinámicos, y problemas en la calidad de los datos de fabricación. Los autores resaltan que la analítica seguirá aprovechándose a un ritmo acelerado de la gestión de las PYME, lo que corresponde a una evolución de los macrodatos. Sin embargo, estos factores seguirán siendo componentes importantes para la ruta analítica de la gestión logística estratégica. En este artículo se concluye que la mejora de la integración a lo largo de la cadena de suministro servirá para mejorar las capacidades de las fábricas, el rendimiento, la calidad y la eficiencia.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Big Data Analytics for Smart Manufacturing, Case Studies in Semiconductor Manufacturing

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  State of the art in tundish with induction heating (IH) for clean steel casting

State of the art in tundish with induction heating (IH) for clean steel casting

Por: Croatian Metallurgical Society (CMS) | Fecha: 2023

El campo electromagnético desempeña un papel esencial en el control del flujo de acero fundido, la transferencia de calor y la migración de inclusiones. La tecnología de calentamiento por inducción electromagnética utiliza la fuerza o el efecto térmico del campo electromagnético o utiliza simultáneamente la fuerza y el efecto térmico para controlar el flujo de metal fundido, la transferencia de calor y el movimiento de la inclusión no metálica en el proceso metalúrgico, para optimizar el proceso metalúrgico, mejorar la eficiencia de la producción, la calidad y el rendimiento. En este trabajo, se esbozó el desarrollo de IH en artesa de colada continua. Se introdujeron las investigaciones teóricas y experimentales actuales sobre el calentamiento por inducción electromagnética para el flujo de acero fundido y la transferencia de calor. Mientras tanto, se analizó el mecanismo de purificación electromagnética y el progreso de la investigación de las inclusiones no metálicas en el acero fundido. Por último, se proponen las perspectivas de aplicación de la IH electromagnética.INTRODUCCIÓNLa artesa de colada continua es uno de los recipientes esenciales en la producción de acero, conectado a la cuchara y al molde de colada continua. La artesa de calentamiento por inducción (IH) de tipo canal es una tecnología de reciente desarrollo que aplica el campo magnético eléctrico al acero fundido en la artesa. En comparación con la artesa de colada tradicional, el acero fundido en la artesa de colada de inducción electromagnética de tipo canal tiene un campo de flujo y un campo de temperatura especializados. La tecnología IH electromagnética de tipo canal no sólo puede calentar el acero fundido, sino también purificar el acero fundido y otros metales y aleaciones, que tienen un buen valor de aplicación y perspectiva. Por lo tanto, la tecnología y el diseño adecuados de una artesa de colada son vitales para aumentar la calidad de la productividad del acero.Se han simulado el flujo y la distribución de la temperatura del acero fundido durante el IH electromagnético y el comportamiento del movimiento de las inclusiones [1-5]. Las pruebas e investigaciones industriales son más caras y peligrosas para el acero fundido a alta temperatura que la simulación numérica. Por lo tanto, los datos industriales son menos reportados [6, 7].Basándose en la investigación previa sobre la artesa de colada continua con IH electromagnético, este artículo resume sistemáticamente los últimos avances en la investigación de la tecnología de IH de artesa de colada, analiza y discute los problemas existentes en el estudio del campo de flujo de líquido de acero de artesa y el campo de temperatura, y propone la dirección de investigación de futuras investigaciones.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

State of the art in tundish with induction heating (IH) for clean steel casting

Copia el enlace o compártelo en redes sociales

Compartir este contenido

La ciencia del grafeno. Parte 1

Copia el enlace o compártelo en redes sociales

  • Exclusivo BibloRed
Imagen de apoyo de  Applications of nanotechnology in the polymer and textile fields

Applications of nanotechnology in the polymer and textile fields

Por: Universität Stuttgart | Fecha: 2013

En esta investigación se sometió a modificación intercalada arcilla de montmorillonita (MMT) con tres aminoácidos distintos alanina, leucina y fenilalanina en presencia de ácido clorhídrico y seguida de modificación de superficie utilizando feniltrietoxisilano como agente de acoplamiento para producir arcilla de montmorillonita doblemente modificada.Se sintetizaron nanocompositos de poliolefinas empleando Na-MMT, leucina-MMT y DM-MMT por medio del método de polimerización en solución usando como solventes xileno anhidro (para polipropileno) y xileno/benzonitrilo 80:20% en peso (para polietileno). La estructura y las propiedades de los nanocompositos preparados se examinaron con XRD, TGA y SEM.Por otra parte, se llevó a cabo una polimerización por injerto (grafting polymerization) en emulsión de monómeros de vinilo sobre algodón en presencia de la arcilla de montmorillonita doblemente modificada. Los resultados obtenidos mostraron que el injerto glicidil metacrilato/montmorillonita arrojó una tasa alta de grafting en comparación con metil metacrilato/montmorillonita para todos los porcentajes de arcilla. Asimismo, el límite de grafting monómero de glicidil metacrilato sobre algodón en presencia de arcilla de montmorillonita produjo un valor más alto que aquel en ausencia de arcilla para todos los factores estudiados.
Fuente: Revista Virtual Pro Formatos de contenido: Otros

Compartir este contenido

Applications of nanotechnology in the polymer and textile fields

Copia el enlace o compártelo en redes sociales

Compartir este contenido

La ciencia del grafeno. Parte 1

Copia el enlace o compártelo en redes sociales

Compartir este contenido

SFCM 11/12 9, El grafeno y sus propiedades únicas.

Copia el enlace o compártelo en redes sociales

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones

¿Deseas limpiar los términos de la búsqueda avanzada?

Vas a limpiar los términos que has aplicado hasta el momento para poder rehacer tu búsqueda.

Selecciona las Colecciones en las que vas a añadir el contenido

Para consultar los contenidos añadidos busca la opción Tus colecciones en el menú principal o en Mi perfil.

Mis colecciones

Cargando colecciones