{"id":{"repo_id":"oviedo","oai_identifier":"oai:digibuo.uniovi.es:10651/81445"},"canonical_url":"https://search.dev.ndltd.org/etd/oviedo/oai:digibuo.uniovi.es:10651/81445","repository":{"repo_id":"oviedo","name":"Universidad de Oviedo","base_url":"https://digibuo.uniovi.es/oai/request"},"display":{"title":"MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0","abstract":"En la actualidad, la Industria 4.0 busca la integración de tecnologías digitales y físicas para lograr procesos productivos más inteligentes y eficientes. En este entorno, la monitorización continua y el análisis de datos industriales permiten anticipar fallos a través del mantenimiento predictivo, minimizando el tiempo de inactividad y optimizando el uso de recursos. Para cumplir con ese objetivo, destaca la adopción de soluciones basadas en Internet de las Cosas o IoT, donde distintos sensores se conectan en red y transmiten información de forma constante a plataformas de análisis. Dichos sensores recogen variables como vibración, temperatura y otros indicadores de funcionamiento, fundamentales para detectar, de manera temprana, posibles problemas en equipos o líneas de producción.","abstract_html":"En la actualidad, la Industria 4.0 busca la integración de tecnologías digitales y físicas para lograr procesos productivos más inteligentes y eficientes. En este entorno, la monitorización continua y el análisis de datos industriales permiten anticipar fallos a través del mantenimiento predictivo, minimizando el tiempo de inactividad y optimizando el uso de recursos. Para cumplir con ese objetivo, destaca la adopción de soluciones basadas en Internet de las Cosas o IoT, donde distintos sensores se conectan en red y transmiten información de forma constante a plataformas de análisis. Dichos sensores recogen variables como vibración, temperatura y otros indicadores de funcionamiento, fundamentales para detectar, de manera temprana, posibles problemas en equipos o líneas de producción.","abstract_has_math":false,"creators":["Alonso González, Miguel Ángel"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":["García Díaz, Vicente","López Pérez, Benjamín"],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025-10-14","date_published":"2025-10-14","updated_at":"2026-07-24T03:41:14Z","subjects":["Industria 4.0","Big Data","Inteligencia Artificial"],"languages":["spa"],"rights":["Attribution-NonCommercial-NoDerivatives 4.0 Internacional"],"rights_urls":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"identifier_entries":[]},"links":{"outbound_url":"https://hdl.handle.net/10651/81445","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor.advisor","label":"Advisor","values":["García Díaz, Vicente","López Pérez, Benjamín"]},{"key":"dc:contributor.other","label":"Dc Contributor Other","values":["Informática, Departamento de"]},{"key":"dc:creator","label":"Author","values":["Alonso González, Miguel Ángel"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2025-12-03T08:10:01Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2025-12-03T08:10:01Z"]},{"key":"dc:date.issued","label":"Date","values":["2025-10-14"]},{"key":"dc:type","label":"Dc Type","values":["doctoral thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Industria 4.0","Big Data","Inteligencia Artificial"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["spa"]},{"key":"dc:rights","label":"Dc Rights","values":["Attribution-NonCommercial-NoDerivatives 4.0 Internacional"]},{"key":"dc:rights.uri","label":"Rights URI","values":["http://creativecommons.org/licenses/by-nc-nd/4.0/"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["https://hdl.handle.net/10651/81445"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["En la actualidad, la Industria 4.0 busca la integración de tecnologías digitales y físicas para lograr procesos productivos más inteligentes y eficientes. En este entorno, la monitorización continua y el análisis de datos industriales permiten anticipar fallos a través del mantenimiento predictivo, minimizando el tiempo de inactividad y optimizando el uso de recursos. Para cumplir con ese objetivo, destaca la adopción de soluciones basadas en Internet de las Cosas o IoT, donde distintos sensores se conectan en red y transmiten información de forma constante a plataformas de análisis. Dichos sensores recogen variables como vibración, temperatura y otros indicadores de funcionamiento, fundamentales para detectar, de manera temprana, posibles problemas en equipos o líneas de producción."]},{"key":"dc:title","label":"Title","values":["MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0"]}]}],"canonical_facts":{"dc:contributor.advisor":["García Díaz, Vicente","López Pérez, Benjamín"],"dc:contributor.other":["Informática, Departamento de"],"dc:creator":["Alonso González, Miguel Ángel"],"dc:date.accessioned":["2025-12-03T08:10:01Z"],"dc:date.available":["2025-12-03T08:10:01Z"],"dc:date.issued":["2025-10-14"],"dc:description.abstract":["En la actualidad, la Industria 4.0 busca la integración de tecnologías digitales y físicas para lograr procesos productivos más inteligentes y eficientes. En este entorno, la monitorización continua y el análisis de datos industriales permiten anticipar fallos a través del mantenimiento predictivo, minimizando el tiempo de inactividad y optimizando el uso de recursos. Para cumplir con ese objetivo, destaca la adopción de soluciones basadas en Internet de las Cosas o IoT, donde distintos sensores se conectan en red y transmiten información de forma constante a plataformas de análisis. Dichos sensores recogen variables como vibración, temperatura y otros indicadores de funcionamiento, fundamentales para detectar, de manera temprana, posibles problemas en equipos o líneas de producción."],"dc:identifier.uri":["https://hdl.handle.net/10651/81445"],"dc:language.iso":["spa"],"dc:rights":["Attribution-NonCommercial-NoDerivatives 4.0 Internacional"],"dc:rights.uri":["http://creativecommons.org/licenses/by-nc-nd/4.0/"],"dc:subject":["Industria 4.0","Big Data","Inteligencia Artificial"],"dc:title":["MPdM: Modelo para mejorar el mantenimiento predictivo en la industria 4.0"],"dc:type":["doctoral thesis"]},"updated_at":"2026-07-24T03:41:14Z"}