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
Repositorio Institucional (UCA)
Institución
Pontificia Universidad Católica Argentina
OAI Identificador
oai:ucacris:123456789/5350

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