Академический Документы
Профессиональный Документы
Культура Документы
UNIVERSIDAD ECCI
AUTOMATIZACIÓN I
TABLA DE CONTENIDOS
1. Vertical integration
Sensors, actuators and Programmable Logic Controllers
Supervisory Control and Data Acquisition (SCADA)
Manufacturing Execution System (MES)
Enterprise Resource Planning (ERP)
Machine-to-machine communication (M2M)
2. Virtualization
Virtual commissioning
Simulation of processes (e.g. digital manufacturing)
Artificial Intelligence for predictive maintenance
Artificial Intelligence for planning of production
3. Automation
Machine-to-machine communication (M2M)
Robots (e.g. Industrial Robots, Autonomous Guided Vehicles, or similar)
Automatic nonconformities identification in production
4. Traceability
Identification and traceability of raw materials
Identification and traceability of final products
5. Flexibility
Additive manufacturing
Flexible and autonomous lines
6. Energy management
Energy efficiency monitoring system
Energy efficiency improving system
7. Capabilities of Smart, connected products
Product's connectivity
Product's monitoring
Product's control
Product's optimization
Product's autonomy
8. Technologies for Smart Supply Chain
Digital platforms with suppliers
Digital platforms with customers
Digital platforms with other company units
9. Technologies for Smart Working
Remote monitoring of production
Remote operation of production
Augmented reality for maintenance
Virtual reality for workers training
Augmented and virtual reality for product development
Collaborative robots
10. Internet of Things (IoT)
11. Cloud computing
12. Big data
13. Analytics
14. Referencias bibliográficas
1. VERTICAL INTEGRATION
5. FLEXIBILITY
Additive manufacturing
(Huang and Mokasdar 2012) define a la fabricación aditiva (AM) es el “proceso de
unir materiales para hacer que los objetos de datos del modelo 3D, por lo general
una capa sobre otra”. A diferencia de las técnicas de fabricación convencionales,
tales como mecanizado y estampación que fabrican productos mediante la
eliminación de materiales de una mayor acción o de hoja de metal, la fabricación
aditiva crea la forma final mediante la adición de materiales. Sin embargo (Ortí,
Mira, and Pitarch 2015) lo relaciona un poco mas a un proceso de fabricación o
construcción de piezas en las que el material se va depositando poco a poco,
conformando así, de un modo progresivo, la geometría de la pieza por lo que
también se las conoce en estos casos como técnicas de fabricación por capas. La
casi totalidad de las técnicas de prototipado rápido son técnicas de fabricación
aditiva por capas. Es mas (Lopez 2018) que en todo caso la fabricación aditiva,
es un nuevo concepto que fusiona la producción en serie y la artesanal,
transformando la cadena de suministro y la cadena de valor. Puede definirse como
un proceso que se conoce comúnmente como «impresión 3D», se fabrican objetos
con formas geométricas personalizadas según las necesidades de los clientes.
Adicionalmente (Domingo-Espin 2016) agrega que es una de las tecnologías de
fabricación que ha despertado gran interés por parte de todo tipo de industria y la
sociedad en general. Se define como a un proceso de unión de materiales para la
fabricación de objetos a partir de un modelo en 3D, en general, capa a capa, a
diferencia de los métodos de fabricación sustractivos (ASTM F2792-12a).
Cualquiera de las tecnologías AM sigue el mismo proceso de fabricación. Y
finalmente (Afonso et al. 2017) menciona que hay un cierto acuerdo en denominar
como “fabricación aditiva” a todas aquéllas cuya forma básica de construcción de
la pieza consiste en añadir material (principalmente capa a capa) a partir de la
información digital que se obtiene desde un archivo CAD sólido 3D (normalmente
en formato STL).
6. ENERGY MANAGEMENT
Energy efficiency monitoring system
Carretero2012) Menciona que la eficiencia energética es una de las principales
áreas de oportunidad para reducir costos, proteger el medio ambiente e
incrementar la competitividad de las empresas. El desarrollo actual y perspectivo
de la región requiere de acciones encaminadas a reducir costos, proteger el medio
ambiente, y aumentar la competitividad de las empresas, ante una economía cada
vez más abierta y globalizada. La necesidad de identificar e inventariar todas las
instalaciones consumidoras, almacenadoras o generadoras de energía, los
equipos que las constituyen y todos los tipos de formas de energía consumidas
en ellas. Esta, en el fondo, es otra manera de expresar lo que en anteriores
normas europeas o de diferentes países se denominaba “identificación de
aspectos energéticos”, que ahora se desdobla en usos y consumos de energía.
(Borroto 2005) dice que, la Eficiencia Energética caracteriza la habilidad de lograr
objetivos productivos, empleando la menor cantidad de energía posible, es lograr
un nivel de producción, con los requisitos de calidad establecidos por el cliente,
con el menor consumo y gasto energético, y la menor contaminación ambiental
asociada. La gestión energética persigue lograr un uso más eficiente de la energía
sin reducir los niveles de producción, sin mermar la calidad del producto o servicio,
ni afectar la seguridad o los estándares ambientales. La gestión energética
beneficia a la empresa, contribuyendo a garantizar la calidad de los productos,
reduciendo costos de producción y elevando su competitividad; al País, aplazando
los requerimientos de financiamiento para la infraestructura energética,
promoviendo nuevas tecnologías y la modernización del sector empresarial, y
reduciendo la importación de bienes de capital para el desarrollo energético; a la
sociedad, conservando recursos para las futuras generaciones, disminuir las
emisiones contaminantes al medio ambiente y contribuyendo a la formación de
una cultura energética y ambiental. Según lo que describe (Valentini2013),
existen dos limitaciones importantes exigen más consideración para la eficiencia
energética: (a) costos operativos y (b) confiabilidad del sistema. El aumento de la
eficiencia energética en los sistemas de clúster reducirá el consumo de energía,
el exceso de calor, reducirá los costos operativos y mejorará la confiabilidad del
sistema. Con base en la relación energía-energía y el hecho de que el consumo
de energía puede reducirse con la administración estratégica de energía, dos
tecnologías principales de administración de energía: (a) sistemas de
administración de energía estática (SPM) que utilizan bajos -componentes de
energía para ahorrar energía, y (b) sistemas de administración dinámica de
energía (DPM) que utilizan software y componentes escalables para optimizar el
consumo de energía.
Según el aporte de (Marrero, González Núñez 2006), La gestión energética se
define como el análisis, la planificación y toma de decisiones con el fin de obtener
el mayor rendimiento posible de la energía, reducir el consumo de la misma sin
afectar la calidad de los sistemas de producción. De esto se deduce que el uso
eficiente de la energía requiere de métodos racionales que den solución a los
sobreconsumos, los excesos de pérdidas y la explotación de las instalaciones a
partir de un análisis integral que se corresponda con las características
específicas del consumidor.
Por último, (Sparsh Mittal 2014) menciona que los recientes avances tecnológicos
han mejorado en gran medida el rendimiento y las características de los sistemas
integrados. Con la cantidad de dispositivos móviles que ahora llega casi a la
población de la Tierra, los sistemas integrados se han vuelto omnipresentes. Sin
embargo, estas tendencias también han hecho que la tarea de administrar su
consumo de energía sea extremadamente desafiante. En los últimos años, se han
propuesto varias técnicas para abordar este problema. En este documento,
analizamos las técnicas para administrar el consumo de energía de los sistemas
integrados. Discutimos la necesidad de la administración de energía y
proporcionamos una clasificación de las técnicas en varios parámetros
importantes para resaltar sus similitudes y diferencias.
Product's connectivity
(Valderrama2018) Establece que son las relaciones entre las tecnologías y las
personas y explica de qué manera estas relaciones son materiales y semióticas.
Reconoce la presencia de actores humanos y no humanos, cuya acción
contribuye a investir de forma el proceso interactivo, sumándole características
como la contingencia y la flexibilidad interpretativa. Las plataformas, según este
enfoque, no pueden considerarse artefactos, sino un conjunto de relaciones que
deben ser sostenidas por su performance constante; distintos tipos de actores les
atribuyen sentidos a estas plataformas. Agrega (DelValRoman2012) que los
productos inteligentes se caracterizan por disponer de electrónica, software
embebido y conectividad lo que, en conjunto, le dotan de nuevas características,
capacidades y funciones. Se les denomina sistemas ciber-físicos (CPS) y son los
“habitantes” del ecosistema de la Internet de las cosas (IoT).
Según lo menciona (DelValRoman2012), la conectividad les proporciona
capacidad de comunicación máquina a máquina (M2M) e interacción con
humanos. El software les permite auto-gestionarse y tomar decisiones
descentralizadas. Equipados con sensores captan información sobre su entorno
y sobre su propio uso y estado, datos que pueden proporcionar a quien lo fabricó
o gestiona su servicio. Son máquinas con gran capacidad de comunicación M2M
que ofrecen personalización, adaptación al entorno y a tareas nuevas. Gracias a
su autogestión, productos y máquinas inteligentes se vuelven invisibles a los
operadores y sólo precisan atención cuando precisan mantenimiento. Además, la
comunicación M2M les permite auto-configurarse para adaptar su funcionalidad
en tiempo real a las necesidades del cliente a lo largo de su ciclo de vida. Con ello
se hace posible mejorar la experiencia del usuario, intensificar la interacción con
el cliente y generar nuevos servicios añadidos (clave todo ello de los nuevos
mercados a los que debe enfrentarse la industria). Las tecnologías móviles,
internet móvil, son la base de IoT. El etiquetado de objetos y la comunicación M2M
permiten un entorno de producción conectado en el que sistemas y productos se
comunican entre sí. Con ello se hace posible la captura de datos, la coordinación
de los CPPS y el despliegue de servicios remotos. Y todo ello en tiempo real y de
manera ubicua.
Product's monitoring
Según (DelValRoman2012) Los servicios inteligentes permiten ofrecer servicios
innovadores y establecer nuevos modelos de negocio, por ejemplo modelos de
pago por uso o servicio. 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. La comunicación M2M es la
tecnología básica de la "Internet de las cosas” (IoT). Hace referencia a tecnologías
que permiten el intercambio de información entre los productos y sistemas
inteligentes que constituyen el entorno Industria 4.0. Además, con esta
información es posible construir una réplica virtual de la fábrica física, lo que
permitirá simular no sólo productos sino procesos de fabricación completos. La
forma de uso más evidente de comunicación M2M estará en la conexión de
sistemas intra-empresa también será factor clave en la colaboración inter-
empresas. (DelValRoman2012)
Para (De la Peña Herrador2018) Es la debida a que las tolerancias de fabricación
respecto a los requisitos funcionales son superiores y, por lo tanto, existe un grado
de incertidumbre de poder satisfacer los requisitos.
Product's control
Para (DelValRoman2012) La conectividad permite extender la innovación a toda
la empresa apoyándose en la información que fluye desde y hacia la fábrica.
Apoyándose en soluciones informáticas como comunidades virtuales o
herramientas PLM (“Product Life Management”) colaborativas, los procesos de
innovación se abrirán a socios y clientes, potenciándosela orientación al cliente
de la industria. La colaboración con clientes y socios acelerará el flujo de
innovación y reducirá los tiempos de comercialización.
Las tecnologías móviles, internet móvil, son la base de IoT. El etiquetado de
objetos y la comunicación M2M permiten un entorno de producción conectado en
el que sistemas y productos se comunican entre sí. Con ello se hace posible la
captura de datos, la coordinación de los CPPS y el despliegue de servicios
remotos. Y todo ello en tiempo real y de manera ubicua (DelValRoman2012), para
lo que (De la Peña Herrador2018) afirma ser el rango de sistema cambian en
función del tiempo, pero los periodos definidos por una interrupción que permite
resetear de nuevo el sistema a un esta inicial sin complejidad.
Para (Valderrama2018), en un mundo en el que las necesidades de los
consumidores son satisfechas con una variedad de productos cada vez mayor y
con productos cada vez más complejos, los procesos de fabricación para
proporcionar estas características lo son también. Muchos han sido los que han
estudiado como crear modelos para reducir el nivel de complejidad eliminando
elementos en los planos físicos o de percepción. Estos modelos reduccionistas
son vistos desde dos perspectivas, la que considera que esta simplificación es
necesaria para crear sistemas más robustos, otros piensan que esta complejidad
es necesaria la creación de modelos cada vez más innovadores.
Product's optimization
Para (DelValRoman2012) Los modelos analíticos aplicados a esos datos (Big
Data) pueden automatizar la toma de decisiones. El producto inteligente. El
servicio inteligente cordiforme, predecir el momento en que un sistema requerirá
mantenimiento. Los fabricantes podrán aprovechar combinaciones innovadoras
de servicios inteligentes para incrementar su creación de valor, aguas arriba o
abajo de la cadena de valor. Agrega (De la Peña Herrador2018) que cuando los
requisitos funcionales han de ser satisfechos en un orden concreto o los requisitos
están enlazados de tal forma que la variación de uno supone un reajuste de otro,
se produce la complejidad atemporal imaginaria debido a una falta de
entendimiento de sistema de diseño, de la arquitectura del sistema y/o del
comportamiento del sistema. Cuando los requisitos funcionales son totalmente
independientes la complejidad atemporal.
Product's autonomy
(Ortega2015) se refiere a que en estos dispositivos no es su potencial casi infinito
de interacción, sino que por primera vez en la historia de la comunicación los
grupos mediáticos pueden tener acceso en tiempo real data sobre su audiencia,
sobre sus usos y consumos, y no a estimaciones estadísticas i-reales. El potencial
que esta ingente información, que su análisis y puesta en valor puede tener para
los grupos de comunicación únicamente empieza a vislumbrarse en nuestros
tiempos. Mientras que (De la Peña Herrador2018) se refiere cuando el rango del
sistema cambia en función del tiempo. Si el rango del sistema se desplaza del
rango del diseño con el tiempo, la efectividad del sistema no puede ser predicha
con certeza.
Collaborative robots
(Mohammad Safeea, 2019) Habla acerca de la prevención de colisiones entre
humanos y robots es una clave en la robótica colaborativa y en el marco de la
Industria 4.0. Desempeña un papel importante para lograr criterios de seguridad
mientras que los humanos y las máquinas trabajan codo con codo en un entorno
no estructurado y variable en el tiempo. De la misma forma (Esther Alvarez-de-
los-Mozos, 2017) dice que las operaciones manuales son financieramente
prohibitivas y la automatización total también se descarta debido a la falta de
uniformidad de los dispositivos desechados. Una solución intermedia es dejar que
un operador humano y un robot compartan el proceso. Además (Andrea Maria
Zanchettin, 2019), piensa que los robots colaborativos representan un cambio de
juego en la fabricación por su facilidad de uso, la menor necesidad de proteger el
hardware y, en consecuencia, su tiempo de recuperación extremadamente
rápido. Sin embargo, la mayoría de los robots colaborativos disponibles en el
mercado son dispositivos de limitación de potencia y fuerza. Por lo que (Alessio
Levratti, 2019) dice que permiten aliviar a los humanos de tareas tediosas y / o
cansadoras, dejando al operador actividades de alto nivel, donde se necesita su
experiencia. También (. Henning Oberc, 2019) opina que los robots colaborativos
serán una de las innovaciones cruciales para la asistencia ergonómica para los
trabajadores manuales, el proceso de integración en el proceso de producción y
la preocupación de los trabajadores contra la asistencia robótica por igual, pueden
asumirse como los mayores desafíos para las empresas
13. ANALYTICS
(Lepenioti, 2019) Dice que el análisis tiene como objetivo permitir a las organizaciones
tomar decisiones más rápidas, mejores y más inteligentes con el objetivo de crear
valor comercial. La analítica empresarial se refiere al uso extensivo de datos,
adquiridos por diversas fuentes, análisis estadístico y cuantitativo, modelos
explicativos y predictivos, y gestión basada en hechos para conducir decisiones y
acciones a los interesados adecuados. Por otro lado (Apostolou, 2019) se refiere al
análisis prescriptivo genera decisiones proactivas sobre la base de los resultados del
análisis predictivo. Entre la decisión y la implementación de la acción, hay un intervalo
de tiempo para la preparación de la acción. Así mismo (Ghasemaghaei, 2019) a pesar
de la gran inversión en análisis de datos herramientas, las condiciones necesarias
para obtener el beneficio de dicha inversión merece una investigación minuciosa. En
este estudio, utilizamos la vista basada en el conocimiento y la literatura de
competencia de análisis de datos para abordar preguntas de investigación
importantes: ¿El intercambio de conocimiento tiene un papel mediador en el impacto
del uso de análisis de datos en la calidad de las decisiones firmes?; y ¿Cuál es el
papel de la competencia de análisis de datos para mejorar la calidad de las decisiones
por lo que (Meister, 2019) habla sobre las oportunidades surgen a través de una
mayor disponibilidad de datos y el análisis de datos puede ayudar a ayudar a resolver
problemas complejos. Para evaluar las posibilidades resultantes, (Beßle, 2019) se
trata de los fundamentos de la moderna analítica de fabricación y su influencia en la
resolución efectiva y eficiente de problemas considerando estadísticas, aprendizaje
automático, minería de datos y procesos de ingeniería.
Madanhire, I., & Mbohwa, C. (2016). Enterprise Resource Planning (ERP) in Improving
Operational Efficiency: Case Study. Procedia CIRP, 40(2001), 225–229.
https://doi.org/10.1016/j.procir.2016.01.108
Frank, A. G., Dalenogare, L. S., & Ayala, N. F. (2019). Industry 4.0 technologies:
Implementation patterns in manufacturing companies. International Journal of Production
Economics, 210, 15–26. https://doi.org/10.1016/j.ijpe.2019.01.004
Osnes, K. B., Olsen, J. R., Vassilakopoulou, P., & Hustad, E. (2018). ERP systems in
multinational enterprises: A literature Review of Post-implementation Challenges.
Procedia Computer Science, 138, 541–548. https://doi.org/10.1016/j.procs.2018.10.074
Puig-Junoy, J., & Pérez-Sust, P. (2002). Integración vertical y contratación externa en los
servicios generales de los hospitales españoles. Gaceta Sanitaria, 16(2), 145–155.
https://doi.org/10.1016/s0213-9111(02)71646-4
Castrillon, R. P., González, A. J., & Quispe, E. C. (2013). Energy efficiency improvement
in the cement industry by wet process through integral energy management system
implementation [Mejoramiento de la eficiencia energética en la industria del cemento por
proceso húmedo a través de la implementación del sistema. DYNA (Colombia), 80(177),
115–123. Retrieved from http://www.scopus.com/inward/record.url?eid=2-s2.0-
84883194893&partnerID=40&md5=61682fff4d086f6fc3b95d0cc5d0354b
Valentini, G. L., Lassonde, W., Khan, S. U., Min-Allah, N., Madani, S. A., Li, J., … Bouvry,
P. (2013). An overview of energy efficiency techniques in cluster computing systems.
Cluster Computing, 16(1), 3–15. https://doi.org/10.1007/s10586-011-0171-x
Borroto Nordelo Anibal, Lapido Rodrigez Margarita, Monteagudo Yanes Jose, Armas
Teyra Marcos, Montesino Perez Milagros, Delgado Castillo Joel, Padron Arturo, Viego
Felipe Percy, G. P. F. (2005). Mejorar La Competitividad Empresarial. Energética, 65–
69.
Yanes, J., Gaitan, O., J.Bellacasa, VELÁZQUEZ, L., SÁNCHEZ, N., PÉREZ, J., … Afonso,
E. L. (2013). Estándares de calidad medioambiental en los establecimientos hoteleros: un
análisis preliminar comparativo. Ponencia, 6,7(procedimientos hotel san sebastián), 1–
15. Retrieved from
http://www.redalyc.org/articulo.oa?id=147020257002%5Cnhttp://www.scopus.com/inw
ard/record.url?eid=2-s2.0-
84897878670&partnerID=tZOtx3y1%5Cnhttp://dialnet.unirioja.es/descarga/articulo/25
24925.pdf%5Cnhttp://scielo.unam.mx/scielo.php?pid=S0036-3634200200070
Carretero, P., & García, J. M. (2012). Gestión de la eficiencia energética: cálculo del
consumo, indicadores y mejoCarretero, P., & García, J. M. (2012). Gestión de la eficiencia
energética: cálculo del consumo, indicadores y mejora. AENORediciones, 1–28.
https://doi.org/10.1126/science.aao427. AENORediciones, 1–28.
https://doi.org/10.1126/science.aao4277
Rodríguez-ponce, E., & Pedraja-rejas, L. (2009). Análisis del impacto del proceso de toma
de decisiones estratégicas sobre la eficacia de las organizaciones públicas. Innovar:
Revista de Ciencias Administrativas y Sociales, 19(35), 33–46.
Ortega, F., González Ispierto, B., & Pérez Peláez, M. E. (2015). Audiencias en revolución,
usos y consumos de las aplicaciones de los medios de comunicación en tabletas y teléfonos
inteligentes. Revista Latina de Comunicacion Social, 70, 627–651.
https://doi.org/10.4185/RLCS-2015-1063
William, P., & Mitchell, J. (2007). María Pilar Martínez Ruiz y Ana Presentación Imma
Tubella, rectora de la UOC Contrapunto Jordi Borja, director del programa de posgrado
de Gestión de la ciudad Ciudades inteligentes. 5(2007). Retrieved from
http://uocpapers.uoc.edu
Mell, P., & Grance, T. (2011). Certificate of registration - dried milk, why & whey protein.
National Institute of Standard AndTechnology. https://doi.org/10.1136/emj.2010.096966
Ing. Leyat Fernández VelázquezI, Dra. Tania Carbonell MoralesII, Ing. Luis Aballe
Infante (2013)
Secundino Marrero Ramírez, Iliana González Palau and Antonio Núñez Jiménez (2006)
La gestion energetica.
De la Peña Herrador, Blanca; Aguayo González, Francisco; Ávila, María Jesús. Sistemas
Inteligentes y Desarrollo de Productos. Escuela Politécnica Superior. Universidad de
Sevilla.
Ingeniería del ciclo de vida de productos y procesos industriales bajo la simplejidad en
industria 4.0 Doctorado-2018.
Afonso, Paulo et al. 2017. “ScienceDirect ScienceDirect Costing Models for Capacity
Optimization in Industry 4.0: Trade-off between Used Capacity and Operational
Efficiency.”
Aqueveque Torres, Claudio, and Cristóbal Fernández Robin. 2004. “El Efecto de Las
Características Culturales de Un País En La Adopción Del Comercio Electrónico B2C.”
Pensamiento y gestión: revista de la División de Ciencias Administrativas de la
Universidad del Norte (17): 39–64.
Bonnie Zhu, Anthony Joseph, and Shankar Sastry. 2003. “Universidad de California En
Berkeley.” (c).
Cuéllar, Rubén Guerrero, and Luis Arturo Rivas Tovar. 2005. “Comercio Electrónico.”
Revista Internacional de Ciencias Sociales y Humanidades, SOCIOTAM XV: 79–116.
Ortí, JG, JS Mira, and MJM Pitarch. 2015. “Aplicación de La Fabricación Aditiva En La
Obtención de Moldes Para Termoconformar Gráficos Tangibles Orientados a Personas
Con Discapacidad Visual.” Once.Es: 1–31. http://www.once.es/new/servicios-
especializados-en-discapacidad-visual/publicaciones-sobre-discapacidad-visual/nueva-
estructura-revista-integracion/ultimo-numero-publicado/6604-Estudio-Impresion
3D.doc.
Patil, Harish, and Brig. Rajiv Divekar. 2014. “Inventory Management Challenges for B2C
E-Commerce Retailers.” Procedia Economics and Finance 11: 561–71.
Senthivel, Saranyan, Irfan Ahmed, and Vassil Roussev. 2017. “SCADA Network Forensics
of the PCCC Protocol.” DFRWS 2017 USA - Proceedings of the 17th Annual DFRWS USA
22: S57–65.
Martinez, J. (26 de Julio de 2018). Idt capitulo 4 transición a Idt ( las conexiones a idt ).
Recuperado el 05 de Febrero de 2019, de Instituto Tecnologico superior "rimuñahui":
https://es.slideshare.net/JomayraMartinez/idt-capitulo-4-transicin-a-idt-las-conexiones-
a-idt
Ruano, D. (03 de Agosto de 2018). Pilares del IDT. Recuperado el 09 de Febrero de 2019,
de https://www.goconqr.com/mindmap/8471799/pilares-de-idt
Trygve Thomessen, Mihoko Niitsuma, Keita Suzuki, Takashi Hatano, Hideki Hashimoto,
Towards Virtual Presence Based on Multimodal Man-Machine Communication: A Remote
Operation Support System for Industrial Robots,IFAC-PapersOnLine,Volume 48, Issue
19,2015,Pages 172-177,ISSN 2405-8963.
Md Samsur Rahman, Faisal Khan, Arifusalam Shaikh, Salim Ahmed, Syed Imtiaz,
Development of risk model for marine logistics support to offshore oil and gas operations
in remote and harsh environments,Ocean Engineering,Volume 174,2019,Pages 125-
134,ISSN 0029-8018,
Yuqing Zou, Fengkun Zhao, Yong Huang, Bo Wang, Jian Xiong,Establishment and
application of a remote automatic control platform for CBM production,Natural Gas
Industry B,Volume 3, Issue 1,2016,Pages 59-65,ISSN 2352-8540
Paolo Innocente, Paolo Barbato, Jonathan Farthing, Gerardo Giruzzi, Shunsuke Ide,
Frédéric Imbeaux, Emmanuel Joffrin, Yutaka Kamada, Georg Kühner, Osamu Naito,
Hajime Urano, Maiko Yoshida,Requirements for tokamak remote operation: Application
to JT-60SA,
Fusion Engineering and Design,Volumes 96–97,2015,Pages 799-802,ISSN 0920-3796
Maryam Ghasemaghaei,Does data analytics use improve firm decision making quality?
The role of knowledge sharing and data analytics competency,Decision
Support,Systems,Volume 120,2019,Pages 14-24,ISSN 0167-9236
Tobias Lechler, Eva Fischer, Maximilian Metzner, Andreas Mayr, Jörg Franke,Virtual
Commissioning – Scientific review and exploratory use cases in advanced production
systems,Procedia CIRP,Volume 81,2019,Pages 1125-1130,ISSN 2212-8271,