dc.contributor.advisor | Panta Carranza, Dante Omar | |
dc.contributor.author | Blas Benites, Ruben Fredy | |
dc.contributor.author | Diaz Mayta, Enestor | |
dc.date.accessioned | 2022-01-26T18:41:38Z | |
dc.date.available | 2022-01-26T18:41:38Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/77567 | |
dc.description.abstract | La presente investigación tuvo por objetivo general, evaluar la influencia del
Machine Learning en la gestión de mantenimiento de maquinaria pesada en la
Empresa Mekatsu Equipos S.R.L. Se realizó una investigación de tipo aplicada, de
diseño pre experimental, con un enfoque cuantitativo así mismo la población y la
muestra del estudio, estuvo constituida por 4 maquinarias pesadas las cuales
fueron el cargador frontal, retroexcavadora, tractor oruga y excavadora. Se
aplicaron 5 modelos de Machine Learning entre ellas el SVM, Arboles de decisión,
vecinos más cercanos, redes bayesianas y redes neuronales. La información
recopilada, se procesó haciendo uso del programa Excel, obteniendo como
resultados un incremento en el cargador frontal de 24.95% en la disponibilidad y
36,7% en la confiabilidad, con relación a la retroexcavadora se obtuvo un
incremento del 25.48% en la disponibilidad y 35,24% en la confiabilidad, también
se pudo apreciar con respecto al tractor oruga un incremento del 22.75% en la
disponibilidad y 34.79% en la confiabilidad, con relación a la excavadora se obtuvo
un incremento de 27.42% en la disponibilidad y 42.46% en la 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, generar grandes beneficios a la empresa y así
como puede ser aplicado a otros tipos de empresas similares. | en_US |
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 | Maquinaria industrial | es_PE |
dc.subject | Maquinaria - Mantenimiento y reparación | es_PE |
dc.subject | Tractores - Mantenimiento y reparación | es_PE |
dc.title | Machine learning en la gestión de mantenimiento de maquinaria pesada en la empresa MEKATSU EQUIPOS S.R.L. | 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 | 17435779 | |
renati.advisor.orcid | https://orcid.org/0000-0002-4731-263X | es_PE |
renati.author.dni | 44266766 | |
renati.author.dni | 43959016 | |
renati.discipline | 713076 | es_PE |
renati.juror | Inciso Vásquez, Jorge Antonio | |
renati.juror | Luján López, Jorge Eduardo | |
renati.juror | Panta Carranza, Dante Omar | |
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 | Biodiversidad, cambio climático y calidad ambiental | es_PE |
dc.description.rsu | Innovación tecnológica y desarrollo sostenible | es_PE |
dc.description.ods | Producción y consumo responsable | es_PE |