Mostrar el registro sencillo del ítem

dc.contributor.advisorSerrepe Ranno, Miriam Marcela
dc.contributor.authorAngulo Gutierrez, Vicente Manuel
dc.contributor.authorJara Flores, Jose Andres
dc.date.accessioned2024-03-19T14:29:37Z
dc.date.available2024-03-19T14:29:37Z
dc.date.issued2023
dc.identifier.urihttps://hdl.handle.net/20.500.12692/135856
dc.description.abstractEn el presente trabajo de tesis, se desarrolla y propone un modelo innovador de estimación de la confiabilidad para equipos industriales aplicado a un caso de estudio dentro de un sistema de equipos de molienda de cemento. Este modelo incorpora de aprendizaje automático situándose en la vanguardia de los estudios contemporáneos en el ámbito de la ingeniería de confiabilidad. A través de este enfoque, se busca mejorar la precisión en la estimación de la confiabilidad empleando una metodología que realiza la comparación entre métodos estadísticos convencionales, como los modelos de distribución normal, exponencial, lognormal y Weibull, y la integración del modelo innovador híbrido Crow-AMSAA incluyendo métodos de machine learning al ofrecer herramientas analíticas más robustas para la gestión de mantenimiento y prolongación de vida útil de sistemas productivos en la industria del cemento. La métrica de evaluación, precisión y eficacia de cada modelo de estimación de confiabilidad fue realizada por medio de las medidas de Error medio cuadrado (MSE), Error promedio absoluto (MAE), y coeficiente de determinación (R^2). Los resultados de la comparación obtenida mostraron que el modelo hibrido propuesto ofrece estimar la confiabilidad de equipos de forma más precisa. Esta mejora en la precisión asegura que las proyecciones de tiempos entre fallas para la toma de decisiones sean más exactas y estén estrechamente alineados con las condiciones operativas reales del sistema de manufactura industrial.es_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad César Vallejoes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/es_PE
dc.sourceRepositorio Institucional - UCVes_PE
dc.sourceUniversidad César Vallejoes_PE
dc.subjectConfiabilidades_PE
dc.subjectMachine learninges_PE
dc.subjectTiempo entre fallases_PE
dc.subjectTransformación logarítmicaes_PE
dc.titleModelo Machine Learning con transformación logarítmica y validación cruzada para estimar la confiabilidad en un sistema de molienda de Cementoes_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineIngeniería Mecánica Eléctricaes_PE
thesis.degree.grantorUniversidad César Vallejo. Facultad de Ingeniería y Arquitecturaes_PE
thesis.degree.nameIngeniero Mecánico Electricistaes_PE
dc.description.sedeTrujilloes_PE
dc.description.escuelaEscuela de Ingeniería Mecánica Eléctricaes_PE
dc.description.lineadeinvestigacionSistemas y Planes de Mantenimientoes_PE
renati.advisor.dni06437594
renati.advisor.orcidhttps://orcid.org/0000-0001-9342-1717es_PE
renati.author.dni76560080
renati.author.dni71104402
renati.discipline713076es_PE
renati.jurorLujan Lopez, Jorge
renati.jurorPelaez Chavez, Victor
renati.jurorSerrepe Ranno, Miriam Marcela
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_PE
renati.typehttps://purl.org/pe-repo/renati/type#tesises_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.03.01es_PE
dc.publisher.countryPEes_PE
dc.description.ligBiodiversidad, cambio climático y calidad ambientales_PE
dc.description.rsuDesarrollo económico, empleo y emprendimientoes_PE
dc.description.odsAcción por el climaes_PE
dc.description.modalitySEMIPRESENCIALes_PE


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(es)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess