Durante el funcionamiento de maquinaria y equipos industriales pesados, ciertas caraacterísticas físicas internas, como la temperatura del aceite, la presión del aceite, etc., cambian significativamente al igual que ciertas variables ambientales, como la temperatura externa y la humedad. El análisis de los datos del sensor que captura estas variables puede revelar varias cosas, como la salud del equipo y posibles fallas. El monitoreo continuo de diversas variables, la predicción de fallas o degradación y la toma de acciones para prevenir este tipo de eventos se conoce como mantenimiento predictivo (MP), siendo uno de los componentes más importantes de la manufactura inteligente y de la Industria 4.0. Por lo tanto, el objetivo de este estudio se centra en la investigación de métodos relevantes y efectivos de Deep Learning (DP) aplicados en sensores de datos para mantenimiento predictivo en diversas industrias, incluyendo la industria petroquímica.
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.
Artículo:
Residuos de refinerías y de instalaciones de productos petrolíferos : guía para su reducción y disposición
Página web:
[Glosario de gas natural]
Artículo:
Análisis de riesgo aplicado a la planeación de la producción de petróleo en la región marina
Documento Editorial:
Económicamente natural
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala