Mandibular fractures are common facial lesions typically treated with titanium plate and screw systems; nevertheless, this material is associated with secondary effects. Absorbable material for implants is an alternative to titanium, but there are also problems such as incomplete screw insertion and screw breakage due to high pretension in the screw caused by the insertion torque. The purpose of this paper is to find the optimal screw pretension (SP) in absorbable plate and screw systems by means of artificial neural network (ANN) and its inverse (ANNi). This optimal SP must satisfy a desired maximum von Mises strain (MVMS). For training the ANN, a database was generated by means of a design of experiments (DOE). Each DOE configuration was solved by means of finite element method (FEM) calculations. To obtain the optimal value for (SP) in the mini absorbable screw for fracture fixation, a strategy to invert the ANN is developed. Using the ANN coefficients, a sensitive study was performed to identify the influence of the design parameters in the MVMS. The optimal SP obtained was 14.9742 N. The MVMS condition was satisfied with an error less than 1.1% in comparison with FEM and ANN results. The screw shaft length is the most influencing MVMS parameter.

The optimization is essential in the engineering area and, in conjunction with use of meta-heuristics, has had a great impact in recent years; this is because of its great precision in search of optimal parameters for the solution of problems. In this work, the use of the Artificial Bee Colony Algorithm (ABC) is presented to optimize the values for the variables of a proportional integral controller (PI) to observe the behavior of the controller with the optimized T_i and K_p values. It is proposed using a robot built using the MINDSTORMS version EV3 kit. The objective of this work is to demonstrate the improvement and efficiency of the controllers in conjunction with optimization meta-heuristics. In the results section, we observe that the results improve considerably compared to traditional methods. In this work, the main contribution is the implementation of an optimization algorithm (ABC) applied to a controller (PI), and the results are tested to control the movement of a robot. There are many papers where the kit is used in various domains such as education as well as research for science and technology tasks and some real-world problems by engineering scholars, showing the acceptable result.

En los últimos años los materiales compuestos se han desarrollado para diferentes aplicaciones del área ingenieril. En este trabajo se expone primeramente un análisis de una matriz polimérica, en este caso resina epóxica para su aplicación en un material compuesto reforzado con fibras. Se presenta un estudio de las propiedades mecánicas, el cual se llevó a cabo mediante pruebas de tensión realizadas bajo el régimen de la norma ASTM D638; se manufacturaron cinco especímenes de resina los cuales llevaron un proceso de preparación de moldeo adecuado para la optimización de probetas tipo I. El objetivo fue conocer las propiedades de la matriz termoestable para así reforzarla con fibras de carbono y mejorar las propiedades del material compuesto. Posteriormente se analizaron las propiedades mecánicas del material compuesto en el cual se utilizó el refuerzo de fibra de carbono 3k. Para el análisis se fabricaron especímenes con una orientación [0/+45/-45]s; las pruebas realizadas en los especímenes de material compuesto fueron cinco ensayos de tracción basados en la norma ASTM D3039. El proceso de manufactura empleado para la realización de los especímenes de material compuesto fue el método VACCUM BAG WET LAY-UP. Se comprobó que las probetas de matriz polimérica de resina epóxica generan burbujas por el mezclado y por el curado al ambiente; así mismo estas burbujas trabajan como concentradores de tensiones que debilitan el material en pruebas de tracción. En comparación con las propiedades mecánicas del material compuesto, estos muestran un mejor comportamiento por el refuerzo de fibra de carbono y por el proceso de manufactura al vacío.

At present, the manufacturing industries require the implementation of more efficient and flexible fabrication processes to offer high-quality products. The changeover methodologies can be used to reduce the setup times, allowing the industries to be more competitive. The application of changeover methodologies is mainly influenced by the 4Ps model, which is composed of organizational and design factors, such as people, practices, product, and processes. However, this model is not useful in determining the relationship between each one of the Ps and the changeover activities. In this chapter, the authors have developed an exhaustive review of the references to establish the indicators to design an instrument composed of 79 items and divided into the five constructs of the 4P model, which was statistically validated using the Kendall W indicator and the Cronbach´s alpha indicator.

En este trabajo se plantea la importancia de la estrategia en la organización como factor detonante para los procesos de innovación y competitividad empresarial. ¿Cuáles son las estrategias de las empresas para lograr innovación organizacional?. “La pregunta fundamental en el campo de la dirección estratégica es cómo las firmas consiguen y sostienen la ventaja competitiva”. La investigación se orienta hacia factores de innovación organización como son la productividad y la flexibilidad laboral, explorando en las organizaciones la relación entre la capacidad tecnológica y los sistemas de información como variables de la productividad. Así mismo se propone un modelo matemático para estimar la productividad en base a las variables de capacidad tecnológica y los sistemas de información.

El avance de las tecnologías en la industria de la manufactura, así como la necesidad de contar con procesos más rápidos y eficientes que brinden un mejor desempeño en la calidad, mejores tiempos de respuesta, flexibilidad y rentabilidad, es un tema importante en la manufactura de clase mundial. Estos indicadores son claves para que una empresa pueda mantenerse en la competitividad de los mercados, que exige una alta diversidad en productos y de volúmenes de producción. En este sentido, uno de los factores claves que contribuye a que un proceso sea más rápido y eficiente, son los tiempos de preparación o de cambio que se dan entre un producto y otro en el proceso de fabricación; aunque existen herramientas de Lean Manufacturing enfocadas a acortar estos tiempos, se ha demostrado que, con el uso de la metodología “Design for Changeover” (DFC), la cual considera estos cambios desde el diseño del equipo, se pueden abatir en gran medida los tiempos de cambio e impactar de manera positiva la flexibilidad y fabricación de lotes pequeños. En este trabajo, se analiza la literatura existente del DFC y el impacto que ha tenido, así como los factores que han intervenido, al fin de aportar un marco de referencia a las industrias interesadas en acortar los tiempos de cambio en sus procesos productivos.