Machine learning en la gestión de mantenimiento de maquinaria pesada en la empresa MEKATSU EQUIPOS S.R.L.

• Autores: Blas Benites, Ruben Fredy, Diaz Mayta, Enestor
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/77567
• Enlace del recurso: https://hdl.handle.net/20.500.12692/77567
• Nivel de acceso: acceso abierto
• Materia: Maquinaria industrial; Maquinaria - Mantenimiento y reparación; Tractores - Mantenimiento y reparación; https://purl.org/pe-repo/ocde/ford#2.03.01

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.