Filtros
Filtrar por:
Tipo de publicación
- Artículo (3)
- Artículo (1)
- Tesis de maestría (1)
Autores
- Atul Kulkarni (1)
- Fernando Antonio Ignacio González (1)
- Isaiah Nyagumbo (1)
- Keshab Babu Koirala (1)
- Lovemore Chipindu (1)
Años de Publicación
- 2023 (4)
Editores
Repositorios Orígen
- Repositorio Institucional de Publicaciones Multimedia del CIMMYT (2)
- CIATEQ Digital (1)
- Repositorio Institucional de la Universidad Autónoma de Ciudad Juárez (1)
Tipos de Acceso
- oa:openAccess (4)
Idiomas
Materias
- Big data (2)
- CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA (2)
- CIENCIAS SOCIALES (2)
- OTRAS (2)
- Autoregressive Integrated Moving Average (1)
Selecciona los temas de tu interés y recibe en tu correo las publicaciones más actuales
4 resultados, página 1 de 1
Luis Ricardo Uribe Dávila (2023, [Tesis de maestría])
Vivimos la industria 4.0, misma que no es nueva, ya que sus orígenes se remontan a finales de la década de los 2000, en Alemania. Un pilar de la industria 4.0 es el análisis de datos, conocido como Big Data. El conocer los datos de un proceso, de un estudio, ayuda en gran medida a predecir el comportamiento que tendrá el proceso o la máquina a estudiar en un periodo a corto o mediano plazo. En el presente proyecto se analizan los datos arrojados por un motor eléctrico de corriente alterna, del tipo inducción, jaula de ardilla. El motor está diseñado para trabajar de manera continua, sin embargo, el uso que se le da, es meramente educativo; es decir, no sobre pasa las 15 horas por semana de uso. Mediante la toma de datos de las tres fases de corriente RMS o corriente de valor eficaz que posee el motor eléctrico que se realizará con el microcontrolador Arduino UNO, se analizarán los mismos mediante el software de cómputo numérico MATLAB, ordenando los datos, descartando valores que no aporten información relevante para lograr la predicción de datos. Por último, se llevará a conocer este proyecto a la carrera mecatrónica, área sistemas de manufactura flexible y área automatización, con el fin de que puedan observar de una mejor manera la aplicación y funcionamiento de uno de los pilares de la actual industria 4.0.
We live in industry 4.0, which is not new, since its origins date back to the late 2000s, in Germany. One pillar of industry 4.0 is data analysis, known as Big Data. Knowing the data of a process, of a study, helps greatly to predict the behavior that the process or machine will have to study in a short- or medium-term period. This project analyzes the data released by an electric motor of alternating current, of the type induction, squirrel cage. The engine is designed to work continuously, however, the use given to it is merely educational, that is; only not over spends 15 hours per week of use. By taking data from the three phases of RMS current or effective value current of the electric motor that will be made with the Arduino UNO micro controller, they will be analyzed using MATLAB numerical computing software, ordering the data, discarding values that do not provide relevant information to achieve data prediction. Finally, this project will be presented to the mechatronics career, flexible manufacturing systems area and automation area, so that they can observe in a better way the application and operation of one of the pillars of the current industry 4.0.
Mantenimiento predictivo Regresión lineal Industria 4.0 Big data Corriente RMS Predictive maintenance Linear regression Industry 4.0 Big data RMS Current INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS OTRAS ESPECIALIDADES TECNOLÓGICAS OTRAS OTRAS
Natural disasters and economic growth: a synthesis of empirical evidence
Fernando Antonio Ignacio González (2023, [Artículo, Artículo])
Natural disasters pose a serious threat globally and, in the future, their frequency and severity are expected to increase due to climate change. Empirical evidence has reported conflicting results in terms of the impact of disasters on economic growth. In this context, the present work seeks to synthesize the recent empirical evidence related to this topic. More than 650 estimates, from studies published in the last five years (2015-2020), are used. Meta-analysis and meta-regression techniques are employed. The review includes three sources (Scopus, Science Direct, and Google Scholar). The results identified the existence of a negative and significant combined effect (-0.015). Developing countries are especially vulnerable to disasters. The negative impact is greater for disasters that occurred in the last decade -in relation to previous disasters-. These findings constitute a call for attention in favor of mitigation and adaptation policies.
Disasters GDP meta-analysis meta-regression desastres crecimiento PIB meta-análisis meta-regresión CIENCIAS SOCIALES CIENCIAS SOCIALES
Atul Kulkarni Keshab Babu Koirala Pervez Zaidi (2023, [Artículo])
Inverse Probability Weighted Regression Heat Tolerant Maize Hybrid Partial Budget CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA HEAT STRESS HEAT TOLERANCE MAIZE HYBRIDS BUDGETS YIELDS
Lovemore Chipindu Walter Mupangwa Isaiah Nyagumbo Mainassara Zaman-Allah (2023, [Artículo])
Autoregressive Integrated Moving Average Facebook Prophet Hidden Markov Model Regression Regression with Hidden Logistic Process CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA COASTAL AREAS SEMIARID ZONES SUBHUMID ZONES RAINFALL CLIMATE CHANGE