Inteligencia Artificial en la Industria 4.0: Comparación de Redes Neuronales y Superficies de Respuesta para la Detección de Fallas.

José E. Hernández Oropeza; Joselito Medina Marín; María G. Serna Díaz; Juan C. Seck Tuoh Mora; Norberto Hernández Romero

doi:10.29057/escs.v13i25.15689

Autores/as

José E. Hernández Oropeza Universidad Autónoma del Estado de Hidalgo | Instituto de Ciencias Básicas e Ingenierías | Pachuca de Soto-Hidalgo | México https://orcid.org/0009-0008-3695-7919
Joselito Medina Marín Universidad Autónoma del Estado de Hidalgo | Instituto de Ciencias Básicas e Ingenierías | Pachuca de Soto-Hidalgo | México https://orcid.org/0000-0003-0937-8707
María G. Serna Díaz Universidad Autónoma del Estado de Hidalgo | Instituto de Ciencias Básicas e Ingenierías | Pachuca de Soto-Hidalgo | México https://orcid.org/0000-0002-2846-6908
Juan C. Seck Tuoh Mora Universidad Autónoma del Estado de Hidalgo | Instituto de Ciencias Básicas e Ingenierías | Pachuca de Soto-Hidalgo | México https://orcid.org/0000-0003-3678-1120
Norberto Hernández Romero Universidad Autónoma del Estado de Hidalgo | Instituto de Ciencias Básicas e Ingenierías | Pachuca de Soto-Hidalgo | México https://orcid.org/0000-0001-9942-306X

DOI:

https://doi.org/10.29057/escs.v13i25.15689

Palabras clave:

Industria 4.0, Sensores inteligentes, Neuronas artificiales, Deteccion de fallas, Mantenimiento predictivo

Resumen

Este estudio analiza el desempeño de las Redes Neuronales Artificiales (RNA) y la Metodología de Superficie de Respuesta (MSR) para la detección de fallas en entornos industriales. Utilizando una base de datos de sensores inteligentes, ambos modelos fueron entrenados en MATLAB® y evaluados con métricas como R² y RMSE. Los resultados muestran que la RNA posee una mayor capacidad predictiva, mientras que la MSR ofrece mejor interpretación de las variables. La combinación de ambas técnicas fortalece el mantenimiento predictivo en el contexto de la Industria 4.0.

Descargas

Los datos de descargas todavía no están disponibles.

Información de Publicación

Este artículo

Otros artículos

Revisores por pares

Revisores: 0

2.4 promedio

Perfiles de revisores N/D

Declaraciones del autor

Disponibilidad de datos

N/A

16%

Financiamiento externo

No

32% con financiadores

Intereses conflictivos

N/D

11%

Para esta revista

Otras revistas

Artículos aceptados

56%

33%

Días hasta la publicación

139

145

Indexado en

GS

Editor y comité editorial: perfiles
Sociedad académica: N/D
Editora:: Universidad Autónoma del Estado de Hidalgo

Citas

Castro, R. (2023). Aplicación de las herramientas de la industria 4.0 para mejorar los procesos de Análisis Causa Raíz (RCA) y el Mantenimiento Centrado en Confiablidad (RCM). USM, 2.

Commission, I. O. (2024). ISO/IEC 20924:2024 — Internet of Things (IoT) and digital twin — Vocabulary. Ginebra, Suiza: International Organization for Standardization. Retrieved from https://www.iso.org/standard/85106.html

Hernández, I. J. (2021). Competencias del ingeniero industrial en la Industria 4.0. REDIE, 2.

IJRASET. (2022). International Journal for Research in Applied Science & Engineering Technology (IJRASET). Retrieved from https://www.ijraset.com/research-paper/smart-sensors-and-their-applications-in-iot

Kaggle. (2021). Kaagle. Retrieved from Machine Predictive Maintenance Classification: https://www.kaggle.com/datasets/shivamb/machine-predictive-maintenance-classification

Kane et al. (2022). Predictive Maintenance Using Machine Learning. arXiv (preprint server). Retrieved from https://arxiv.org/abs/2205.09402

Kaushik, A. K. (2024). Artificial Neural Network Application in Construction and Built Environment. Buildings (MDPI).

Kirvan, P., Hashemi-Pour, C., & & Posey, B. (2025). What is a smart sensor and how does it work? TechTarget (IoT Agenda). Retrieved from https://www.techtarget.com/iotagenda/definition/smart-sensor

Martínez, M. D. (2023). La industria 4.0 y las redes neuronales artificiales en la ingeniería industrial: Una revisión sistemática de la literatura. Revista Cubana de Ingeniería, 1.

Montesinos-López, O. A. (2022). Fundamentals of Artificial Neural Networks and Deep Learning. In Advances in Computational Vision and Bio-Inspired Computing. Cham, Suiza: Springer.

Moosavi, J. (2021). The application of industry 4.0 technologies in pandemic. NCBI PMC. Retrieved from https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8529533/

Reji, M. &. (2023). Response Surface Methodology (RSM): An overview to analyze multivariate data. International Journal of Multidisciplinary Research Online. Retrieved from https://ijmronline.org/article-details/18202

Rosca, C. M. (2025). Integration of AI in Self-Powered IoT Sensor Systems. Applied Sciences. Retrieved from https://www.mdpi.com/2076-3417/15/13/7008

Samatas et al. (2021). Predictive Maintenance – Bridging Artificial Intelligence and IoT. 2021 IEEE World AI IoT Congress, (pp. 0413–0419).

Shee, H. (2024). Internet of Things. Palgrave Macmillan. Retrieved from https://doi.org/10.1007/978-3-031-19884-7_78

Villalón, R. R. (2022). Integración de tecnologías asociadas con el internet de las cosas y la industria 4.0. UTCJ, 350.

Zhang. (2021). Industry 4.0 and its Implementation: a Review.