POTENCIANDO LA CONFIABILIDAD CON INTELIGENCIA ARTIFICIAL: OPORTUNIDADES Y DESAFÍOS AL IMPLEMENTAR MANTENIMIENTO PREDICTIVO EN LÍNEA (Record no. 199859)
[ view plain ]
| 000 -CABECERA | |
|---|---|
| Cabecera | 03701naa a2200217 a 4500 |
| 001 - NÚMERO DE CONTROL | |
| Número de control | 199859 |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN | |
| Fecha y hora de la última transacción | 20260619110236.0 |
| 008 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA - INFORMACIÓN GENERAL | |
| Códigos de información de longitud fija - Información general | 260618s9999 xx 000 0 und d |
| 040 ## - FUENTE DE LA CATALOGACIÓN | |
| Centro catalogador de origen | BAAB |
| 110 ## - PUNTO DE ACCESO PRINCIPAL - NOMBRE DE ENTIDAD CORPORATIVA | |
| Nombre de entidad corporativa o nombre de jurisdicción como elemento inicial | Instituto Argentino del Petróleo y del Gas |
| 111 ## - PUNTO DE ACCESO PRINCIPAL - NOMBRE DE CONGRESO | |
| Nombre de congreso o jurisdicción como elemento de entrada | Congreso Latinoamericano y del Caribe de Refinación (7mo. : 2025 oct. 28-30 : Buenos Aires) |
| 245 #0 - MENCIÓN DE TÍTULO | |
| Título | POTENCIANDO LA CONFIABILIDAD CON INTELIGENCIA ARTIFICIAL: OPORTUNIDADES Y DESAFÍOS AL IMPLEMENTAR MANTENIMIENTO PREDICTIVO EN LÍNEA |
| 300 ## - DESCRIPCIÓN FÍSICA | |
| Extensión | 9 p. |
| 300 ## - DESCRIPCIÓN FÍSICA | |
| Características | |
| 520 ## - NOTA DE RESUMEN | |
| Resumen | El mantenimiento predictivo ha evolucionado significativamente con la incorporación de tecnologías de Internet de las Cosas (IoT) e Inteligencia Artificial (IA). Sin embargo, la implementación exitosa de estas tecnologías en entornos industriales presenta desafíos únicos que van más allá de la simple instalación de sensores, algoritmos y plataformas de monitoreo. En el contexto del mantenimiento predictivo (PdM), el análisis de vibraciones se ha consolidado como la técnica más utilizada y establecida. Esta tecnología ha demostrado su efectividad durante décadas y, en la actualidad, está experimentando un crecimiento exponencial en su adopción, impulsada por los avances en sensorización remota, análisis de datos automatizado y la integración con plataformas digitales. El panorama actual del monitoreo predictivo revela una realidad compleja donde una proporción significativa de activos críticos en una planta (entre 50% y 70%) presenta dificultades para ser monitoreados mediante técnicas estándar. Cargas de trabajo variables, bajas RPM, entornos hostiles, zonas sin conectividad, activos móviles, activos con accionamiento intermitente, son algunos ejemplos de lo encontrado en cualquier ambiente industrial. Esta situación se agrava cuando se suman también la diversidad de tecnologías disponibles para su monitoreo, sus distintas formas de comercialización, las normativas que nos regulan y distintos interlocutores más allá de confiabilidad y mantenimiento. La multiplicidad de stakeholders involucrados en la toma de decisiones técnicas incluye desde gerencias de mantenimiento hasta departamentos de IT, compras, seguridad industrial y operaciones, cada uno con criterios y prioridades diferentes. La combinación de un sinnúmero de aplicaciones tecnológicas disponibles con activos complejos de monitorear crean un escenario que suelen derivar en parálisis a la hora de decidir o tomar decisiones equivocadas que generan no solo pérdida de dinero y tiempo sino también la confianza en las tecnologías. Lo que se vuelve una barrera adicional para futuras implementaciones, creando un ciclo negativo que puede comprometer la adopción de tecnologías a largo plazo. Por tanto, resulta fundamental establecer un marco metodológico que permita navegar esta complejidad de manera estructurada, minimizando riesgos y maximizando las probabilidades de éxito en la implementación de sistemas de mantenimiento predictivo. Este enfoque debe considerar no sólo los aspectos técnicos del monitoreo de vibraciones y otras tecnologías PdM, sino también los factores organizacionales, económicos y operativos específicos del entorno industrial. |
| 700 ## - PUNTO DE ACCESO ADICIONAL - NOMBRE DE PERSONA | |
| Nombre de persona | Manzano, Marcos |
| 773 ## - EN: | |
| Asiento principal | Instituto Argentino del Petróleo y del Gas, IAPG |
| Record control number | 197824 |
| Lugar, editorial y fecha de publicación | Ciudad de Buenos Aires: Instituto Argentino del Petróleo y del Gas, IAPG, 2025 |
| Título | Congreso Latinoamericano y del Caribe de Refinación (7mo. : 2025 oct. 28-30 : Buenos Aires) |
| 856 ## - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS | |
| Identificador Uniforme del Recurso (URI) | https://biblioteca.iapg.org.ar/ArchivosAdjuntos/7moCongresoRefinacion2025/REF082.pdf |
| 942 ## - DESC. DE MATERIAL | |
| Tipo de material KOHA | Congresos (trabajos presentados) |
| 945 ## - OPERADOR | |
| Operador | Mazzitelli, María Florencia |
| Biblioteca/U. Información permanente | Biblioteca/U. Información actual | Fecha de adquisición | Total Checkouts | Fecha de carga | Tipo de material KOHA |
|---|---|---|---|---|---|
| IAPG-Colección | IAPG-Colección | 18/06/2026 | 18/06/2026 | Congresos (trabajos presentados) |
