Aprendizaje Automático aplicado a procesos industriales

Autores/as

DOI:

https://doi.org/10.47189/rcct.v25i46.768

Palabras clave:

procesamiento de datos, aprendizaje automático, algoritmos

Resumen

En una perspectiva práctica, recolectar una muestra pequeña de datos tiene dos argumentos relevantes: su almacenamiento no es costoso o inconveniente y el procesamiento estadístico es asequible. Sin embargo, actualmente se recolectan datos masivos los cuales requieren del procesamiento de datos mediante algoritmos para su adecuada interpretación. El Aprendizaje Automático (conocido como Machine Learning) relacionado al campo estadístico, consiste en extraer, procesar, reconocer patrones y tendencias a partir de los datos. En este sentido, los algoritmos permiten procesar información útil cuando se generan y obtienen datos masivos. En el presente estudio, se realizó una investigación documental con alcance descriptivo. Es importante reconocer que, además del campo estadístico, el Machine Learning cada vez está siendo más aplicado en campos del conocimiento heterogéneos tales como Negocios, Ingenierías Biomédica, Química y Agricultura. La necesidad de resolver problemas del entorno requiere la incorporación de las metodologías y técnicas de la Inteligencia Artificial para que puedan ser usadas en el campo emergente de la ciencia de los datos en diferentes industrias.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Rosa Jazmín Trasviña-Osorio, Tecnológico Nacional de México / ITS de Purísima del Rincón

     Maestría en Ciencias y Tecnología en Ingeniería Industrial y Manufactura, Tecnológico Nacional de México / ITS de Purísima del Rincón, México 

  • José Ruiz-Tamayo, Tecnológico Nacional de México / ITS de Purísima del Rincón

     Doctorado en Ciencias de la Ingeniería, Tecnológico Nacional de México / ITS de Purísima del Rincón, México 

  • Erick Rojas-Mancera, Tecnológico Nacional de México / ITS de Purísima del Rincón

     Doctorado en Ciencias en Robótica y Manufactura Avanzada, Tecnológico Nacional de México / ITS de Purísima del Rincón, México 

Referencias

Blasco, R. F., Ferrándiz, Á. B., Barbero, A., & Barbero, B. (2023). La profesión farmacéutica frente al reto de la inteligencia artificial.

Chango, D. A. C., Anchatipán, A. D. P., & Bedón, F. R. R. (2024). Análisis del Uso de Machine Learning para Sistema de control predictivo a nivel industrial. Polo del Conocimiento, 9(7), 1023-1040.

De La Hoz, E. J., De La Hoz, E. J., & Fontalvo, T. J. (2019). Metodología de aprendizaje automático para la clasificación y predicción de usuarios en ambientes virtuales de educación. Información tecnológica, 30(1), 247-254.

González-Marcos, A., & Alba-Elías, F. (2017). Machine learning en la industria: el caso de la siderurgia. Economía industrial, 55.

Osorio, A., & Enerieth, N. (2020). El derecho de autor en la Inteligencia Artificial de machine learning (Copyright Law in the Artificial Intelligence of Machine Learning). La propiedad inmaterial, (30).

Rojas, E. M. (2020). Machine Learning: análisis de lenguajes de programación y herramientas para desarrollo. Revista Ibérica de Sistemas e Tecnologias de Informação, (E28), 586-599.

Maisueche Cuadrado, A. (2019). Utilización del Machine Learning en la industria 4.0.

Naranjo, Á. I. B., Játiva, D. S. V., & Chávez, D. O. N. (2021). Aplicaciones de la industria 4.0 en la estandarización del proceso productivo de las mermeladas. Ingeniería Investigación y Desarrollo: I2+ D, 21(1), 39-46.

Ruiz-Tamayo, J., Antonio-Godínez, Z., Becerra-Mendoza, F. P., Rojas-Mancera, E., Trasviña-Osorio, R. J., Villanueva-Jiménez, L. F., y Almanza-Rangel, S. (2024). Evaluación Comparativa de Redes Neuronales Convolucionales ResNet-50 y MobileNet-v2 para el Diagnóstico de Enfermedades Foliares en Cultivos de Maíz. Revista Multidisciplinaria de Ciencia Básica, Humanidades, Arte y Educación, 2(8), 47-54.

Descargas

Publicado

2025-04-30

Número

Sección

Artículos

Cómo citar

Aprendizaje Automático aplicado a procesos industriales. (2025). Revista Científica Ciencia Y Tecnología, 25(46), 21-28. https://doi.org/10.47189/rcct.v25i46.768