Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura

Descripción del Articulo

La investigación resalta la importancia de los modelos predictivos en la mejora de los indicadores de rendimiento en maquinaria pesada en industrias como la minería, la construcción y la agricultura. Estos modelos, apoyados por técnicas avanzadas de aprendizaje automático y análisis de big data, opt...

Descripción completa

Detalles Bibliográficos
Autores: Burgos Huanca, Ludwing Erich, Valverde Paredes, Keimer Amado
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad Cesar Vallejo
Repositorio:UCV-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ucv.edu.pe:20.500.12692/162871
Enlace del recurso:https://hdl.handle.net/20.500.12692/162871
Nivel de acceso:acceso abierto
Materia:Modelos predictivos
Indicadores de rendimiento
Maquinaria
https://purl.org/pe-repo/ocde/ford#2.03.01
id UCVV_230b87b865d8d45cc590b61251d34eca
oai_identifier_str oai:repositorio.ucv.edu.pe:20.500.12692/162871
network_acronym_str UCVV
network_name_str UCV-Institucional
repository_id_str 3741
dc.title.es_PE.fl_str_mv Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
title Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
spellingShingle Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
Burgos Huanca, Ludwing Erich
Modelos predictivos
Indicadores de rendimiento
Maquinaria
https://purl.org/pe-repo/ocde/ford#2.03.01
title_short Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
title_full Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
title_fullStr Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
title_full_unstemmed Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
title_sort Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
author Burgos Huanca, Ludwing Erich
author_facet Burgos Huanca, Ludwing Erich
Valverde Paredes, Keimer Amado
author_role author
author2 Valverde Paredes, Keimer Amado
author2_role author
dc.contributor.advisor.fl_str_mv Lujan López, Jorge Eduardo
dc.contributor.author.fl_str_mv Burgos Huanca, Ludwing Erich
Valverde Paredes, Keimer Amado
dc.subject.es_PE.fl_str_mv Modelos predictivos
Indicadores de rendimiento
Maquinaria
topic Modelos predictivos
Indicadores de rendimiento
Maquinaria
https://purl.org/pe-repo/ocde/ford#2.03.01
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.03.01
description La investigación resalta la importancia de los modelos predictivos en la mejora de los indicadores de rendimiento en maquinaria pesada en industrias como la minería, la construcción y la agricultura. Estos modelos, apoyados por técnicas avanzadas de aprendizaje automático y análisis de big data, optimizan el mantenimiento y mejoran la eficiencia operativa, resultando en una mayor productividad y reducción de costos. La implementación de sensores IoT y la predicción precisa de fallos son claves para el éxito de estas tecnologías. Sin embargo, desafíos como la falta de datos históricos de calidad, la resistencia al cambio y los altos costos iniciales de implementación deben ser abordados. Este estudio contribuye al Objetivo de Desarrollo Sostenible 7, promoviendo una industria más sostenible y eficiente.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2025-03-14T15:14:17Z
dc.date.available.none.fl_str_mv 2025-03-14T15:14:17Z
dc.date.issued.fl_str_mv 2024
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12692/162871
url https://hdl.handle.net/20.500.12692/162871
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad César Vallejo
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - UCV
Universidad César Vallejo
dc.source.none.fl_str_mv reponame:UCV-Institucional
instname:Universidad Cesar Vallejo
instacron:UCV
instname_str Universidad Cesar Vallejo
instacron_str UCV
institution UCV
reponame_str UCV-Institucional
collection UCV-Institucional
bitstream.url.fl_str_mv https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/1/B_Burgos_HLE-Valverde_PKA-SD.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/2/B_Burgos_HLE-Valverde_PKA.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/3/license.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/4/B_Burgos_HLE-Valverde_PKA-SD.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/6/B_Burgos_HLE-Valverde_PKA.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/5/B_Burgos_HLE-Valverde_PKA-SD.pdf.jpg
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/7/B_Burgos_HLE-Valverde_PKA.pdf.jpg
bitstream.checksum.fl_str_mv bb8061de50683c5e31c81a4561581ea6
465798d8347b908b3c7d783b539f509d
8a4605be74aa9ea9d79846c1fba20a33
f6daa3eff3283341041fe86764d38304
ec5748b50deb97b8f647890dfc446cdb
25722d66bbbaca5a250a9a63876f8713
25722d66bbbaca5a250a9a63876f8713
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad César Vallejo
repository.mail.fl_str_mv repositorio@ucv.edu.pe
_version_ 1827580799290966016
spelling Lujan López, Jorge EduardoBurgos Huanca, Ludwing ErichValverde Paredes, Keimer Amado2025-03-14T15:14:17Z2025-03-14T15:14:17Z2024https://hdl.handle.net/20.500.12692/162871La investigación resalta la importancia de los modelos predictivos en la mejora de los indicadores de rendimiento en maquinaria pesada en industrias como la minería, la construcción y la agricultura. Estos modelos, apoyados por técnicas avanzadas de aprendizaje automático y análisis de big data, optimizan el mantenimiento y mejoran la eficiencia operativa, resultando en una mayor productividad y reducción de costos. La implementación de sensores IoT y la predicción precisa de fallos son claves para el éxito de estas tecnologías. Sin embargo, desafíos como la falta de datos históricos de calidad, la resistencia al cambio y los altos costos iniciales de implementación deben ser abordados. Este estudio contribuye al Objetivo de Desarrollo Sostenible 7, promoviendo una industria más sostenible y eficiente.TrujilloEscuela de Ingeniería Mecánica EléctricaSistema y Planes de MantenimientoBiodiversidad, cambio climático y calidad ambientalDesarrollo sostenible y adaptación al cambio climáticoEnergía asequible y no contaminantePRESENCIALapplication/pdfspaUniversidad César VallejoPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Repositorio Institucional - UCVUniversidad César Vallejoreponame:UCV-Institucionalinstname:Universidad Cesar Vallejoinstacron:UCVModelos predictivosIndicadores de rendimientoMaquinariahttps://purl.org/pe-repo/ocde/ford#2.03.01Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literaturainfo:eu-repo/semantics/bachelorThesisSUNEDUIngeniería Mecánica EléctricaUniversidad César Vallejo. Facultad de Ingeniería y ArquitecturaBachiller en Ingeniería Mecánica Eléctrica17897692https://orcid.org/0000-0003-1208-12424441528973735311713076Lujan López, Jorge Eduardohttps://purl.org/pe-repo/renati/level#bachillerhttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacionORIGINALB_Burgos_HLE-Valverde_PKA-SD.pdfB_Burgos_HLE-Valverde_PKA-SD.pdfapplication/pdf904960https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/1/B_Burgos_HLE-Valverde_PKA-SD.pdfbb8061de50683c5e31c81a4561581ea6MD51B_Burgos_HLE-Valverde_PKA.pdfB_Burgos_HLE-Valverde_PKA.pdfapplication/pdf904960https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/2/B_Burgos_HLE-Valverde_PKA.pdf465798d8347b908b3c7d783b539f509dMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53TEXTB_Burgos_HLE-Valverde_PKA-SD.pdf.txtB_Burgos_HLE-Valverde_PKA-SD.pdf.txtExtracted texttext/plain38963https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/4/B_Burgos_HLE-Valverde_PKA-SD.pdf.txtf6daa3eff3283341041fe86764d38304MD54B_Burgos_HLE-Valverde_PKA.pdf.txtB_Burgos_HLE-Valverde_PKA.pdf.txtExtracted texttext/plain41323https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/6/B_Burgos_HLE-Valverde_PKA.pdf.txtec5748b50deb97b8f647890dfc446cdbMD56THUMBNAILB_Burgos_HLE-Valverde_PKA-SD.pdf.jpgB_Burgos_HLE-Valverde_PKA-SD.pdf.jpgGenerated Thumbnailimage/jpeg5413https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/5/B_Burgos_HLE-Valverde_PKA-SD.pdf.jpg25722d66bbbaca5a250a9a63876f8713MD55B_Burgos_HLE-Valverde_PKA.pdf.jpgB_Burgos_HLE-Valverde_PKA.pdf.jpgGenerated Thumbnailimage/jpeg5413https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162871/7/B_Burgos_HLE-Valverde_PKA.pdf.jpg25722d66bbbaca5a250a9a63876f8713MD5720.500.12692/162871oai:repositorio.ucv.edu.pe:20.500.12692/1628712025-03-14 22:32:30.099Repositorio de la Universidad César Vallejorepositorio@ucv.edu.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
score 13.936249
Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares