Machine learning en matlab para mejorar la disponibilidad en los buses de la empresa Turismo Nacional Imperial Cusco SAC

Abstract

La presente investigación tuvo como objetivo desarrollar un modelo predictivo de fallas utilizando machine learning para mejorar la disponibilidad en los buses de la empresa Turismo Nacional Imperial Cusco S.A.C. ya que la constante alza en los precios para mantener disponible un bus ocasiona que las empresas de transporte realicen el cambio de los repuestos cuando el daño sea notorio, sin embargo, la falla en ocasiones paraliza el servicio que se realiza. De diseño experimental y tipo aplicada analizó como muestra 7 buses que realizan transporte de personal, asimismo utilizo la metodología CRISP-DM para el desarrollo del modelo predictivo. Mediante el procesamiento del modelo machine learning en Matlab se evidenció una precisión del 82.8% con el algoritmo de árbol de decisiones, obteniendo como resultado de aplicar el modelo predictivo una reducción de 53.65 a 10.26 en el indicador tiempo medio entre fallos (MTBF) y de 786.81 a 11.79 en el indicador tiempo medio de reparación (MTTR). En conclusión, el modelo predictivo de machine learning en Matlab R2019b incrementa la disponibilidad en los buses de la empresa Turismo Nacional Imperial Cusco S.A.C.