Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro
Los instrumentos quirúrgicos son usados en intervenciones quirúrgicas y deben ser resistentes a la corrosión y al desgaste para evitar contaminación. Para mejorar las propiedades mecánicas de los instrumentos quirúrgicos se puede hacer una modificación superficial recubriéndolos con algún material....
- Autores:
-
Hernández Barajas, Freddy
Ocampo Naranjo, Yeison Yovany
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2022
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/5170
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/5170
https://doi.org/10.24050/reia.v19i38.1536
- Palabra clave:
- Regression model
GAMLSS
Gamma distribution
Hard chromium coating
Modelo de regresión
GAMLSS
Distribución gamma
Revestimiento con cromoduro
- Rights
- openAccess
- License
- Revista EIA - 2022
id |
REIA2_2af7f02b6a9cb4901885c35c8fa5c6d3 |
---|---|
oai_identifier_str |
oai:repository.eia.edu.co:11190/5170 |
network_acronym_str |
REIA2 |
network_name_str |
Repositorio EIA . |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro |
dc.title.translated.eng.fl_str_mv |
GAMLSS models as an alternative to improve the coating process of surgical instruments with hard chromium |
title |
Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro |
spellingShingle |
Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro Regression model GAMLSS Gamma distribution Hard chromium coating Modelo de regresión GAMLSS Distribución gamma Revestimiento con cromoduro |
title_short |
Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro |
title_full |
Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro |
title_fullStr |
Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro |
title_full_unstemmed |
Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro |
title_sort |
Modelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduro |
dc.creator.fl_str_mv |
Hernández Barajas, Freddy Ocampo Naranjo, Yeison Yovany |
dc.contributor.author.spa.fl_str_mv |
Hernández Barajas, Freddy Ocampo Naranjo, Yeison Yovany |
dc.subject.eng.fl_str_mv |
Regression model GAMLSS Gamma distribution Hard chromium coating |
topic |
Regression model GAMLSS Gamma distribution Hard chromium coating Modelo de regresión GAMLSS Distribución gamma Revestimiento con cromoduro |
dc.subject.spa.fl_str_mv |
Modelo de regresión GAMLSS Distribución gamma Revestimiento con cromoduro |
description |
Los instrumentos quirúrgicos son usados en intervenciones quirúrgicas y deben ser resistentes a la corrosión y al desgaste para evitar contaminación. Para mejorar las propiedades mecánicas de los instrumentos quirúrgicos se puede hacer una modificación superficial recubriéndolos con algún material. En el proceso de recubrimiento intervienen varios factores que afectan las características de interés y tradicionalmente se ha usado el modelo de regresión lineal clásico para explorar esas relaciones. Las variables de interés son variables aleatorias y no siempre siguen la distribución normal que es la distribución estadística asumida en el modelo de regresión lineal clásico. Usar un modelo de regresión apropiado para estudiar los procesos de recubrimiento de instrumentos quirúrgicos es importante. En este artículo se utilizan datos experimentales obtenidos del proceso de recubrimiento con cromoduro a portaagujas quirúrgicos de acero inoxidable. Los datos experimentales se analizaron utilizando modelos lineales para estudiar el efecto del tiempo de exposición, la densidad de corriente y la temperatura sobre el espesor promedio del recubrimiento de los portaagujas. El modelo final tuvo respuesta gamma y las variables significativas fueron el tiempo y la densidad. Usando este modelo se pudieron construir expresiones matemáticas para estimar la media y la varianza del espesor promedio. |
publishDate |
2022 |
dc.date.accessioned.none.fl_str_mv |
2022-06-01 00:00:00 2022-06-17T20:21:27Z |
dc.date.available.none.fl_str_mv |
2022-06-01 00:00:00 2022-06-17T20:21:27Z |
dc.date.issued.none.fl_str_mv |
2022-06-01 |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.eng.fl_str_mv |
Journal article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_6501 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ARTREF |
dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
format |
http://purl.org/coar/resource_type/c_6501 |
status_str |
publishedVersion |
dc.identifier.issn.none.fl_str_mv |
1794-1237 |
dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/5170 |
dc.identifier.doi.none.fl_str_mv |
10.24050/reia.v19i38.1536 |
dc.identifier.eissn.none.fl_str_mv |
2463-0950 |
dc.identifier.url.none.fl_str_mv |
https://doi.org/10.24050/reia.v19i38.1536 |
identifier_str_mv |
1794-1237 10.24050/reia.v19i38.1536 2463-0950 |
url |
https://repository.eia.edu.co/handle/11190/5170 https://doi.org/10.24050/reia.v19i38.1536 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.references.spa.fl_str_mv |
Akaike, H. (1983). Information measures and model selection. Int Stat Inst, 44, pp. 277–291. Arias, J.; Aller, M. Á.; Fernández-Miranda, E.; Arias, J. I.; Lorente, L. (2004). Propedéutica quirúrgica Preoperatorio, operatorio, postoperatorio. Editorial Tebar. Bayramoglu, M.; Onat, B.; Geren, N. (2008). Statistical optimization of process parameters to obtain maximum thickness and brightness in chromium plating. Journal of Materials Processing Technology, 203(1–3), pp. 277–286. https://doi.org/10.1016/j.jmatprotec.2007.09.063 Buuren, S. van,; Fredriks, M. (2001). Worm plot: a simple diagnostic device for modelling growth reference curves. Statistics in Medicine, 20(8). https://doi.org/10.1002/sim.746 Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientum. Gorokhovsky, V.; Heckerman, B.; Watson, P.; Bekesch, N. (2006). The effect of multilayer filtered arc coatings on mechanical properties, corrosion resistance and performance of periodontal dental instruments. Surface and Coatings Technology, 200(18), pp. 5614–5630. https://doi.org/https://doi.org/10.1016/j.surfcoat.2005.07.104 Lasheras, F. S.; Vilán, J. A. V.; Nieto, P. J. G.; del Coz Díaz, J. J. (2010). The use of design of experiments to improve a neural network model in order to predict the thickness of the chromium layer in a hard chromium plating process. Mathematical and Computer Modelling, 52(7–8), pp. 1169–1176. https://doi.org/10.1016/j.mcm.2010.03.007 Legendre, A. M. (1805). Nouvelles méthodes pour la détermination des orbites des cométes. Firmin Didot, Paris. Montgomery, D. C.; Peck, E.; Vining, G. (2006). Introducción al Análisis de Regresión Lineal (3rd ed.). Editorial Continental. Nascimento, M. P.; Souza, R. C.; Miguel, I. M.; Pigatin, W. L.; Voorwald, H. J. C. (2001). Effects of tungsten carbide thermal spray coating by HP/HVOF and hard chromium electroplating on AISI 4340 high strength steel. Surface and Coatings Technology, 138(2–3), pp. 113–124. https://doi.org/10.1016/S0257-8972(00)01148-8 Rigby, R. A.; Stasinopoulos, D. M. (2005). Generalized additive models for location, scale and shape. Applied Statistics, 54(3), pp. 507–554. Ruiz, J.; Parra, C. M.; Bustamente, C. M.; Vélez, E.; Rivera, L. A. (2003). Modelamiento del proceso de recubrimiento de instrumental quirúrgico con cromoduro. Revista Facultad de Ingeniería Universidad de Antioquia, 30, pp. 89–94. https://www.redalyc.org/articulo.oa?id=43003009 Sánchez-Sarrí, A, O.; González-Diez, Y.; Hernández-Dávila, C.; Dávila-Cabo-de-Villa, E. (2014). Manual de instrumental quirúrgico. MediSur, 12(5), pp. 781–818. http://medisur.sld.cu/index.php/medisur/article/view/2662 Stasinopoulos, M. D.; Rigby, R. A.; Heller, G. Z.; Voudouris, V.; De Bastiani, F. (2017). Flexible regression and smoothing: using GAMLSS in R. CRC Press. |
dc.relation.bitstream.none.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/download/1536/1490 |
dc.relation.citationedition.spa.fl_str_mv |
Núm. 38 , Año 2022 : . |
dc.relation.citationendpage.none.fl_str_mv |
14 |
dc.relation.citationissue.spa.fl_str_mv |
38 |
dc.relation.citationstartpage.none.fl_str_mv |
3818 pp. 1 |
dc.relation.citationvolume.spa.fl_str_mv |
19 |
dc.relation.ispartofjournal.spa.fl_str_mv |
Revista EIA |
dc.rights.spa.fl_str_mv |
Revista EIA - 2022 |
dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0 |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Revista EIA - 2022 https://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Fondo Editorial EIA - Universidad EIA |
dc.source.spa.fl_str_mv |
https://revistas.eia.edu.co/index.php/reveia/article/view/1536 |
institution |
Universidad EIA . |
bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/ec646e81-e50f-4a34-b9f9-e3cc7022d7fa/download |
bitstream.checksum.fl_str_mv |
f65f7c356d7c437ce355047883fd0f60 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
_version_ |
1814100873620488192 |
spelling |
Hernández Barajas, Freddy8f13a4bdeae69cce0e056df70ac12d77500Ocampo Naranjo, Yeison Yovanyc59669f7bc1ef7b4978b23b7525eb7cb3002022-06-01 00:00:002022-06-17T20:21:27Z2022-06-01 00:00:002022-06-17T20:21:27Z2022-06-011794-1237https://repository.eia.edu.co/handle/11190/517010.24050/reia.v19i38.15362463-0950https://doi.org/10.24050/reia.v19i38.1536Los instrumentos quirúrgicos son usados en intervenciones quirúrgicas y deben ser resistentes a la corrosión y al desgaste para evitar contaminación. Para mejorar las propiedades mecánicas de los instrumentos quirúrgicos se puede hacer una modificación superficial recubriéndolos con algún material. En el proceso de recubrimiento intervienen varios factores que afectan las características de interés y tradicionalmente se ha usado el modelo de regresión lineal clásico para explorar esas relaciones. Las variables de interés son variables aleatorias y no siempre siguen la distribución normal que es la distribución estadística asumida en el modelo de regresión lineal clásico. Usar un modelo de regresión apropiado para estudiar los procesos de recubrimiento de instrumentos quirúrgicos es importante. En este artículo se utilizan datos experimentales obtenidos del proceso de recubrimiento con cromoduro a portaagujas quirúrgicos de acero inoxidable. Los datos experimentales se analizaron utilizando modelos lineales para estudiar el efecto del tiempo de exposición, la densidad de corriente y la temperatura sobre el espesor promedio del recubrimiento de los portaagujas. El modelo final tuvo respuesta gamma y las variables significativas fueron el tiempo y la densidad. Usando este modelo se pudieron construir expresiones matemáticas para estimar la media y la varianza del espesor promedio.Surgical instruments are used in surgical interventions and must be resistant to corrosion and wear to avoid contamination. To improve the mechanical properties of surgical instruments, a surface modification can be made by coating the instruments with some material. Several factors intervene in the coating process that affects interest characteristics, and the classical linear regression model has traditionally been used to explore these relationships. The variables of interest are random variables and do not always follow the normal distribution, which is the statistical distribution assumed in the classical linear regression model. Using an appropriate regression model to study surgical instrument coating processes is essential. This article uses experimental data obtained from coating stainless steel surgical needle holders with hard chromium. The experimental data were analyzed using linear models to study the effect of exposure time, current density, and temperature on the average thickness of the coating of the needle holders. The final model had a gamma response, and the significant variables were time and density. Using this model, we obtained mathematical expressions to estimate the mean and variance of the average thickness.application/pdfspaFondo Editorial EIA - Universidad EIARevista EIA - 2022https://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistas.eia.edu.co/index.php/reveia/article/view/1536Regression modelGAMLSSGamma distributionHard chromium coatingModelo de regresiónGAMLSSDistribución gammaRevestimiento con cromoduroModelos GAMLSS como una alternativa para mejorar el proceso de recubrimiento de instrumentos quirúrgicos con cromoduroGAMLSS models as an alternative to improve the coating process of surgical instruments with hard chromiumArtículo de revistaJournal articlehttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/ARTREFhttp://purl.org/coar/version/c_970fb48d4fbd8a85Akaike, H. (1983). Information measures and model selection. Int Stat Inst, 44, pp. 277–291.Arias, J.; Aller, M. Á.; Fernández-Miranda, E.; Arias, J. I.; Lorente, L. (2004). Propedéutica quirúrgica Preoperatorio, operatorio, postoperatorio. Editorial Tebar.Bayramoglu, M.; Onat, B.; Geren, N. (2008). Statistical optimization of process parameters to obtain maximum thickness and brightness in chromium plating. Journal of Materials Processing Technology, 203(1–3), pp. 277–286. https://doi.org/10.1016/j.jmatprotec.2007.09.063Buuren, S. van,; Fredriks, M. (2001). Worm plot: a simple diagnostic device for modelling growth reference curves. Statistics in Medicine, 20(8). https://doi.org/10.1002/sim.746Gauss, C. F. (1809). Theoria Motus Corporum Coelestium in Sectionibus Conicis Solem Ambientum.Gorokhovsky, V.; Heckerman, B.; Watson, P.; Bekesch, N. (2006). The effect of multilayer filtered arc coatings on mechanical properties, corrosion resistance and performance of periodontal dental instruments. Surface and Coatings Technology, 200(18), pp. 5614–5630. https://doi.org/https://doi.org/10.1016/j.surfcoat.2005.07.104Lasheras, F. S.; Vilán, J. A. V.; Nieto, P. J. G.; del Coz Díaz, J. J. (2010). The use of design of experiments to improve a neural network model in order to predict the thickness of the chromium layer in a hard chromium plating process. Mathematical and Computer Modelling, 52(7–8), pp. 1169–1176. https://doi.org/10.1016/j.mcm.2010.03.007Legendre, A. M. (1805). Nouvelles méthodes pour la détermination des orbites des cométes. Firmin Didot, Paris.Montgomery, D. C.; Peck, E.; Vining, G. (2006). Introducción al Análisis de Regresión Lineal (3rd ed.). Editorial Continental.Nascimento, M. P.; Souza, R. C.; Miguel, I. M.; Pigatin, W. L.; Voorwald, H. J. C. (2001). Effects of tungsten carbide thermal spray coating by HP/HVOF and hard chromium electroplating on AISI 4340 high strength steel. Surface and Coatings Technology, 138(2–3), pp. 113–124. https://doi.org/10.1016/S0257-8972(00)01148-8Rigby, R. A.; Stasinopoulos, D. M. (2005). Generalized additive models for location, scale and shape. Applied Statistics, 54(3), pp. 507–554.Ruiz, J.; Parra, C. M.; Bustamente, C. M.; Vélez, E.; Rivera, L. A. (2003). Modelamiento del proceso de recubrimiento de instrumental quirúrgico con cromoduro. Revista Facultad de Ingeniería Universidad de Antioquia, 30, pp. 89–94. https://www.redalyc.org/articulo.oa?id=43003009Sánchez-Sarrí, A, O.; González-Diez, Y.; Hernández-Dávila, C.; Dávila-Cabo-de-Villa, E. (2014). Manual de instrumental quirúrgico. MediSur, 12(5), pp. 781–818. http://medisur.sld.cu/index.php/medisur/article/view/2662Stasinopoulos, M. D.; Rigby, R. A.; Heller, G. Z.; Voudouris, V.; De Bastiani, F. (2017). Flexible regression and smoothing: using GAMLSS in R. CRC Press.https://revistas.eia.edu.co/index.php/reveia/article/download/1536/1490Núm. 38 , Año 2022 : .14383818 pp. 119Revista EIAPublicationOREORE.xmltext/xml2665https://repository.eia.edu.co/bitstreams/ec646e81-e50f-4a34-b9f9-e3cc7022d7fa/downloadf65f7c356d7c437ce355047883fd0f60MD5111190/5170oai:repository.eia.edu.co:11190/51702023-07-25 16:45:38.117https://creativecommons.org/licenses/by-nc-nd/4.0Revista EIA - 2022metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.com |