Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales
- Autores
- Fornari, Javier; Luccini, Eduardo; Grieco, Sebastián; Parodi, Miguel Ángel; Vidali, Esteban
- Año de publicación
- 2011
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Fil: Fornari, Javier. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina
Fil: Luccini, Eduardo. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina
Fil: Luccini, Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Nacional de Rosario. Instituto de Física de Rosario. Grupo de Energía Solar; Argentina
Fil: Grieco, Sebastián. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina
Fil: Parodi, Miguel. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina
Fil: Parodi, Miguel. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Nacional de Rosario. Instituto de Física de Rosario. Grupo de Energía Solar; Argentina
Fil: Vidali, Esteban. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina
Resumen: En el marco de la integración de etapas en procesos de producción industrial en serie, se identifican, clasifican y caracterizan las variables que permiten modelizar dicho proceso, como estrategia con vistas a su optimización. El estudio se aplica en el ámbito de la industria metalúrgica, a partir de los datos de un conjunto de empresas de la región centro y sur de Santa Fe. La estructura secuencial de un proceso industrial hace que cualquier falla en una etapa cause demoras o reducción de calidad en el producto final obtenido. Como herramienta integradora de análisis, se plantea la implementación de un sistema de redes neuronales artificiales. - Materia
-
PROCESOS INDUSTRIALES
OPTIMIZACION
REDES NEURONALES
REDES ARTIFICIALES
INGENIERIA INDUSTRIAL - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Pontificia Universidad Católica Argentina
- OAI Identificador
- oai:ucacris:123456789/5350
Ver los metadatos del registro completo
id |
RIUCA_4dc91a9cd063b7a188ca4c1f6afa75aa |
---|---|
oai_identifier_str |
oai:ucacris:123456789/5350 |
network_acronym_str |
RIUCA |
repository_id_str |
2585 |
network_name_str |
Repositorio Institucional (UCA) |
spelling |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificialesFornari, JavierLuccini, EduardoGrieco, SebastiánParodi, Miguel ÁngelVidali, EstebanPROCESOS INDUSTRIALESOPTIMIZACIONREDES NEURONALESREDES ARTIFICIALESINGENIERIA INDUSTRIALFil: Fornari, Javier. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; ArgentinaFil: Luccini, Eduardo. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; ArgentinaFil: Luccini, Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Nacional de Rosario. Instituto de Física de Rosario. Grupo de Energía Solar; ArgentinaFil: Grieco, Sebastián. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; ArgentinaFil: Parodi, Miguel. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; ArgentinaFil: Parodi, Miguel. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Nacional de Rosario. Instituto de Física de Rosario. Grupo de Energía Solar; ArgentinaFil: Vidali, Esteban. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; ArgentinaResumen: En el marco de la integración de etapas en procesos de producción industrial en serie, se identifican, clasifican y caracterizan las variables que permiten modelizar dicho proceso, como estrategia con vistas a su optimización. El estudio se aplica en el ámbito de la industria metalúrgica, a partir de los datos de un conjunto de empresas de la región centro y sur de Santa Fe. La estructura secuencial de un proceso industrial hace que cualquier falla en una etapa cause demoras o reducción de calidad en el producto final obtenido. Como herramienta integradora de análisis, se plantea la implementación de un sistema de redes neuronales artificiales.Universidad Católica Argentina. Facultad de Química e Ingeniería "Fray Rogelio Bacon". Departamento de Investigación Institucional2011info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfhttps://repositorio.uca.edu.ar/handle/123456789/5350Fornari, J., Luccini, E., Grieco, S. et al. Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales [en línea]. Energeia, 9(9), 2011. Disponible en: https://repositorio.uca.edu.ar/handle/123456789/5350spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Institucional (UCA)instname:Pontificia Universidad Católica Argentina2025-07-03T10:56:05Zoai:ucacris:123456789/5350instacron:UCAInstitucionalhttps://repositorio.uca.edu.ar/Universidad privadaNo correspondehttps://repositorio.uca.edu.ar/oaiclaudia_fernandez@uca.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:25852025-07-03 10:56:05.985Repositorio Institucional (UCA) - Pontificia Universidad Católica Argentinafalse |
dc.title.none.fl_str_mv |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales |
title |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales |
spellingShingle |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales Fornari, Javier PROCESOS INDUSTRIALES OPTIMIZACION REDES NEURONALES REDES ARTIFICIALES INGENIERIA INDUSTRIAL |
title_short |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales |
title_full |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales |
title_fullStr |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales |
title_full_unstemmed |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales |
title_sort |
Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales |
dc.creator.none.fl_str_mv |
Fornari, Javier Luccini, Eduardo Grieco, Sebastián Parodi, Miguel Ángel Vidali, Esteban |
author |
Fornari, Javier |
author_facet |
Fornari, Javier Luccini, Eduardo Grieco, Sebastián Parodi, Miguel Ángel Vidali, Esteban |
author_role |
author |
author2 |
Luccini, Eduardo Grieco, Sebastián Parodi, Miguel Ángel Vidali, Esteban |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
PROCESOS INDUSTRIALES OPTIMIZACION REDES NEURONALES REDES ARTIFICIALES INGENIERIA INDUSTRIAL |
topic |
PROCESOS INDUSTRIALES OPTIMIZACION REDES NEURONALES REDES ARTIFICIALES INGENIERIA INDUSTRIAL |
dc.description.none.fl_txt_mv |
Fil: Fornari, Javier. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina Fil: Luccini, Eduardo. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina Fil: Luccini, Eduardo. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Nacional de Rosario. Instituto de Física de Rosario. Grupo de Energía Solar; Argentina Fil: Grieco, Sebastián. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina Fil: Parodi, Miguel. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina Fil: Parodi, Miguel. Consejo Nacional de Investigaciones Científicas y Técnicas. Universidad Nacional de Rosario. Instituto de Física de Rosario. Grupo de Energía Solar; Argentina Fil: Vidali, Esteban. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina Resumen: En el marco de la integración de etapas en procesos de producción industrial en serie, se identifican, clasifican y caracterizan las variables que permiten modelizar dicho proceso, como estrategia con vistas a su optimización. El estudio se aplica en el ámbito de la industria metalúrgica, a partir de los datos de un conjunto de empresas de la región centro y sur de Santa Fe. La estructura secuencial de un proceso industrial hace que cualquier falla en una etapa cause demoras o reducción de calidad en el producto final obtenido. Como herramienta integradora de análisis, se plantea la implementación de un sistema de redes neuronales artificiales. |
description |
Fil: Fornari, Javier. Pontificia Universidad Católica Argentina. Facultad de Química e Ingeniería; Argentina |
publishDate |
2011 |
dc.date.none.fl_str_mv |
2011 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
https://repositorio.uca.edu.ar/handle/123456789/5350 Fornari, J., Luccini, E., Grieco, S. et al. Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales [en línea]. Energeia, 9(9), 2011. Disponible en: https://repositorio.uca.edu.ar/handle/123456789/5350 |
url |
https://repositorio.uca.edu.ar/handle/123456789/5350 |
identifier_str_mv |
Fornari, J., Luccini, E., Grieco, S. et al. Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales [en línea]. Energeia, 9(9), 2011. Disponible en: https://repositorio.uca.edu.ar/handle/123456789/5350 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Católica Argentina. Facultad de Química e Ingeniería "Fray Rogelio Bacon". Departamento de Investigación Institucional |
publisher.none.fl_str_mv |
Universidad Católica Argentina. Facultad de Química e Ingeniería "Fray Rogelio Bacon". Departamento de Investigación Institucional |
dc.source.none.fl_str_mv |
reponame:Repositorio Institucional (UCA) instname:Pontificia Universidad Católica Argentina |
reponame_str |
Repositorio Institucional (UCA) |
collection |
Repositorio Institucional (UCA) |
instname_str |
Pontificia Universidad Católica Argentina |
repository.name.fl_str_mv |
Repositorio Institucional (UCA) - Pontificia Universidad Católica Argentina |
repository.mail.fl_str_mv |
claudia_fernandez@uca.edu.ar |
_version_ |
1836638339047882752 |
score |
13.070432 |