Universidad UTE

Celi Daniel, Ponce Alexander, Sinchiguano Said, Vivanco Jimmy

Ing. Mecatrónica
Gestión de la Innovación 8 – TD

GRUPO # 6

Metodología

1. Recopilar la mayor información necesaria para la investigación de la mayor cantidad de

fuentes de contenido científico.
2. Filtrar la información ambigua y tratar de correlacionar la información obtenida con
anterioridad.
3. Identificar el alcance y los límites que nuestra investigación pueda recopilar.
4. Filtrar la información innecesaria según nuestro alcance y límites.
5. Parafrasear, citar e iniciar con un borrador partiendo del estado del arte para seguir con la
investigación.
6. Eliminar la información que no esté correlacionada con el resto de la información.
7. Ajustar y dar formato APA a nuestro estado del arte.

El Big Data de la industria 4.0

“Hace referencia a los procedimientos usados para encontrar patrones dentro de grandes cantidades de datos
para la toma de decisiones en tiempo real.” (Ramón y Cajal & Escudero Ceball, 2016).

“La comunicación con el fabricante, la recogida de grandes cantidades de datos y su análisis es la base para
generar nuevas ofertas de servicios y optimizar los modelos existentes. Los modelos analíticos aplicados a esos
datos (Big Data) pueden automatizar la toma de decisiones.” (Val Román, 2016).

“La industria de manufactura está experimentando grandes cambios derivados del uso masivo de las
tecnologías de la información y las comunicaciones. Estas tecnologías se agrupan en términos como Big Data,
Internet of Things, etc.” (Félix Serna & Blesa, 2015).

“Interconnected heterogeneous objects generate a huge amount of data of different types at

high pace. These enormous datasets are defined Big Data.” (Bortolini, Ferrari, Gamberi, Pilati, & Faccio,
2017).

“Big data y análisis: En el proceso de revisión de artículos científicos, el uso y aplicación de big data representa
un porcentaje importante del 12,2%, lo que se debe a establecer las conexiones entre sistemas (máquinas,
sistemas de información, vinculación con sensores, entre otros), debe contar con el apoyo de internet de las
cosas, desarrollo de robots y generación de información en la nube, para obtener la información necesaria y
que pueda ser manipulada. Esta situación de dependencia explica que el crecimiento de big data va de la mano
con otros bloques industriales 4.0.” (Pérez, Saucedo, Salais, & Marmolejo, 2016).

“Big Data a través de una mayor sensorización de los procesos, monitorización y control remoto de los
dispositivos, máquinas y procesos y la aplicación de la inteligencia artificial para el análisis de datos registrados
en tiempo real.” (Sánchez Egea & López de Lacalle, 2018).
Bibliografía
Bortolini, M., Ferrari, E., Gamberi, M., Pilati, F., & Faccio, M. (2017). Assembly system design in the Industry
4.0 era: a general framework. Italy: ScienceDirect.

Félix Serna, C. C., & Blesa, A. (9 de Julio de 2015). Industria 4.0 en el Grado de Ingeniería Electrónica y
Automática. AndorrA, Francia.

Pérez, M., Saucedo, J., Salais, T., & Marmolejo, J. (2016). Caracterización de modelo de negocio en el marco
de industria 4.0. Congreso Internacional de Logística y Cadena de Suministro (CiLOG2016), (págs. 1-
10). Mexíco.
Ramón y Cajal, J., & Escudero Ceball, V. (2016). Industria 4.0, la gran oportunidad. Economía Aragonesa, 109-
123.

Sánchez Egea, A., & López de Lacalle, L. (2018). Máquinas, procesos, personas y datos, las claves para la
revolución 4.0. Industrias de la información y del conocimiento, 576-577.

Val Román, J. L. (2016). Industria 4.0: la transformación digital de la industria. Conferencia de directores y
decanos de Ingeniería Informática (págs. 1-10). Bilbao: coddiinforme.