#DataDayMX 19 | Mantenimiento predictivo sin sensores
Las aplicaciones de mantenimiento predictivo (PdM) anticipan cuándo se presentarán las fallas en un equipo para tratar de prevenirlas. La mayoría de las aplicaciones de PdM se implementan a través del monitoreo de distintos tipos de señales físicas de un equipo, sus procesos o productos.
En esta charla presentaremos un caso de estudio de Mantenimiento Predictivo, donde utilizando exclusivamente variables temporales asociadas al comportamiento histórico de fallas de múltiples equipos es posible construir un modelo de machine learning o bien de estadística clásica con poder predictivo suficiente para fines prácticos.
Видео #DataDayMX 19 | Mantenimiento predictivo sin sensores канала Software Guru
En esta charla presentaremos un caso de estudio de Mantenimiento Predictivo, donde utilizando exclusivamente variables temporales asociadas al comportamiento histórico de fallas de múltiples equipos es posible construir un modelo de machine learning o bien de estadística clásica con poder predictivo suficiente para fines prácticos.
Видео #DataDayMX 19 | Mantenimiento predictivo sin sensores канала Software Guru
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
#Mcoder.ai 08.21 - Programación genética: introducción y aplicaciones#SG4W 03.22 - Las tendencias del mercado laboral tecnológico en Latinoamérica, Insights 2021GDG Cloud MX + Women Techmakers MX | Cloud Edition: Road To IWD 2023#DD4W 21.04 - Ignite - No importa si no lo sabes... todavíaSG Virtual 2023 | Jira como herramienta de gestión en el desarrollo de software#VueVixensMX 🦊 abr 20 | How to mentor: Guia Subjetiva para Developers#SGVirtual 20.12 - Por qué amamos nuestro monolitoMexicanas Tech | Mujeres en Carreras STEMCómo construir una plataforma poderosa de datos en un ambiente con recursos restringidosSG Virtual Enterprise 21.06 -Mejores prácticas para migrar aplicaciones a arquitecturas de serviciosRust MX | Reescribir o no reescribir aplicaciones en Rust#DD4W 04.22 - Python EleganteMLOPS: Cómo adoptar mejores prácticas de DevOps en el desarrollo de algoritmos de ML| Data Live 2022#SGVirtual 20.04 Blameless culture during Incidents and RCAsAnalizando solicitudes de información al INAI con Python y presentando resultados con StreamLit#DataDayMX 19 | H2O Driverless AI#Eventloop 20.08 - Mi oferta de trabajo viene con stock options ¿Qué quiere decir?#talks2code 20.06 - Pruebas de integracion con Docker en Azure DevOps#RustMX 21.03 - Extender lenguajes con RustDe la Ciencia de Datos al MLOps | Data Live Episodio 4