<?xml version="1.0" encoding="utf-8"?>
<OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/">
	<ListRecords>
	    <record>
      <header>
        <identifier>big-data-aplicado-al-mantenimiento-predictivo</identifier>
        <datestamp>2026-04-11</datestamp>
      </header>
      <metadata>
        <oai_dc:dc xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
          <dc:title xml:lang="es">Big Data aplicado al mantenimiento predictivo</dc:title>
          <dc:creator>Jordi Margalef Català, Ingeniero Químico. Especialista en sistemas de control distribuido (DCS), control multivariable (APEC) y análisis de datos aplicados en la industria petroquímica</dc:creator>
          <dc:description xml:lang="es">La industria química opera con procesos continuos y activos críticos en los que la disponibilidad es diferencial. Cuando una bomba centrífuga falla sin aviso, el coste real no se limita al repuesto: incluye pérdida de producción, desviaciones de calidad, riesgos operativos y tensión organizativa.</dc:description>
          <dc:publisher xml:lang="es"></dc:publisher>
          <dc:date>2025-10-07</dc:date>
          <dc:identifier>https://www.industriaquimica.es/articulos/20251007/big-data-aplicado-al-mantenimiento-predictivo</dc:identifier>
          <dc:source xml:lang="es"></dc:source>
          <dc:language>spa</dc:language>
        </oai_dc:dc>
      </metadata>
    </record>
	  </ListRecords>
</OAI-PMH>
