Mostrar el registro sencillo del ítem
Machine learning para mejorar la gestión de mantenimiento de maquinas industriales
dc.contributor.advisor | Panta Carranza, Dante Omar | |
dc.contributor.author | Rojas Bances, Dagner Paul | |
dc.date.accessioned | 2022-04-05T16:26:34Z | |
dc.date.available | 2022-04-05T16:26:34Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/85837 | |
dc.description.abstract | La presente investigación se trazó como objetivo, evaluar la factibilidad de la implementación del machine learning para mejorar la eficiencia de la gestión de mantenimiento de máquinas industriales, empleando una metodología de tipo aplicada de nivel descriptivo con diseño no experimental, considerando una muestra de 125 máquinas industriales de la fábrica de sacos de polipropileno Atlántica S.R.L. Entre sus resultados, demostró que con la implementación de la propuesta de machine learning se logrará incrementar la disponibilidad de la maquina principal extrusora de 56% a 90%, mantenibilidad de 0,51 a 0,10, confiabilidad de 1,96 a 9,89, mientras que la embobinadora de 62% a 85%, mantenibilidad 0,22 a 0,04 y confiabilidad 4,65 a 23,72. Llegando a la conclusión, que con la propuesta de machine learning, se tiene un VAN de S/. 320.266,991 soles, demostrándose que genera beneficios después de haber logrado cubrir todos los costos, asimismo con un TIR de 56% siendo mayor que el costo del capital del 15%, finalmente un b/c de 2,34 afirmando que por cada sol invertido, se obtiene un beneficio de 2,34. | 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 | Mantenimiento preventivo | es_PE |
dc.title | Machine learning para mejorar la gestión de mantenimiento de maquinas industriales | 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 | Chiclayo | 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 | 46909269 | |
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 | Desarrollo económico, empleo y emprendimiento | 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)
-
Chiclayo [657]