Mostrar el registro sencillo del ítem
Machine learning en la disponibilidad y confiabilidad de la flota vehicular de una calera
dc.contributor.advisor | Sialer Diaz, Cesar Dany | |
dc.contributor.author | Rondon Chavez, Ronald Edwin | |
dc.date.accessioned | 2023-12-01T22:00:51Z | |
dc.date.available | 2023-12-01T22:00:51Z | |
dc.date.issued | 2022 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/129812 | |
dc.description.abstract | La investigación tuvo por objetivo general, analizar el impacto al implementar machine learning para lograr una disponibilidad y confiabilidad de una flota vehicular. Se realizó investigación de tipo aplicada, diseño pre experimental, con enfoque cuantitativo; así mismo, la población y muestra del estudio, estuvo constituida por 4 maquinarias pesadas las cuales fueron el cargador frontal, mini cargador, retroexcavadora y excavadora. Se aplicaron diferentes modelos de Machine Learning entre ellas el SVM, Arboles de decisión, y redes neuronales. La información recopilada, se procesó haciendo uso del programa Excel, obteniendo como resultado incremento en el cargador frontal de 24.95% en disponibilidad y 36,7% en confiabilidad, con relación a la retroexcavadora se obtuvo un incremento del 25.48% en disponibilidad y 35,24% en confiabilidad, también se pudo apreciar con respecto al minicargador un incremento del 22.75% en disponibilidad y 34.79%en confiabilidad, con relación a la excavadora se obtuvo un incremento de 27.42% en disponibilidad y 42.46% en confiabilidad. Finalmente se concluyó que el Machine Learning mejora la gestión de mantenimiento de la maquinaria pesada, ya que contar con una herramienta tecnológica que predice las fallas, genera grandes beneficios a la empresa y así como puede ser aplicado a otros tipos de empresas similares. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad César Vallejo | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_PE |
dc.source | Repositorio Institucional - UCV | es_PE |
dc.source | Universidad César Vallejo | es_PE |
dc.subject | Machine Learning | es_PE |
dc.subject | Disponibilidad | es_PE |
dc.subject | Confiabilidad | es_PE |
dc.title | Machine learning en la disponibilidad y confiabilidad de la flota vehicular de una calera | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.discipline | Ingeniería Mecánica Eléctrica | es_PE |
thesis.degree.grantor | Universidad César Vallejo. Facultad de Ingeniería y Arquitectura | es_PE |
thesis.degree.name | Ingeniero Mecánico Electricista | es_PE |
dc.description.sede | Trujillo | es_PE |
dc.description.escuela | Escuela de Ingeniería Mecánica Eléctrica | es_PE |
dc.description.lineadeinvestigacion | Sistemas y Planes de Mantenimiento | es_PE |
renati.advisor.dni | 16731363 | |
renati.advisor.orcid | https://orcid.org/0000-0002-7430-9524 | es_PE |
renati.author.dni | 44188042 | |
renati.discipline | 713076 | es_PE |
renati.juror | Luján López, Jorge Eduardo | |
renati.juror | Castro Anticona, Walter Miguel | |
renati.juror | Sialer Diaz, Cesar Dany | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.03.01 | es_PE |
dc.publisher.country | PE | es_PE |
dc.description.lig | Desarrollo sostenible, emprendimientos y responsabilidad social. | es_PE |
dc.description.rsu | Adaptación al cambio climático y fomento de ciudades sostenibles y resilientes | es_PE |
dc.description.ods | Industria, innovación e infraestructura | es_PE |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(es)
-
Trujillo [515]