Aprendizaje por refuerzo para predecir los parámetros de confiabilidad de las unidades de maquinaria pesada

• Autores: Burgos Huanca, Ludwing Erich, Valverde Paredes, Keimer Amado
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/162908
• Enlace del recurso: https://hdl.handle.net/20.500.12692/162908
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje por refuerzo; Confiabilidad; Disponibilidad; https://purl.org/pe-repo/ocde/ford#2.03.01

La presente investigación contribuye al ODS 7 (Energía asequible y no contaminante) y tuvo como objetivo principal evaluar el impacto de un plan de mantenimiento predictivo basado en aprendizaje por refuerzo en la disponibilidad y confiabilidad de un parque vehicular crítico de la industria minera. Para ello, se realizó un estudio cuantitativo de tipo aplicado, con diseño preexperimental y alcance explicativo. La población estuvo conformada por 23 unidades críticas, clasificadas en cinco tipos principales, de las cuales se recopilaron datos históricos de fallas y condiciones operativas durante un período de seis meses. Como resultado, se implementó un modelo de aprendizaje por refuerzo que permitió anticipar fallas y programar mantenimientos proactivos, logrando una mejora promedio en la disponibilidad de las unidades críticas de más del 10% en comparación con los valores iniciales. Se concluyó que el modelo de aprendizaje por refuerzo es una herramienta efectiva para optimizar la gestión del mantenimiento predictivo, generando una mayor disponibilidad operativa y reduciendo costos asociados a tiempos de inactividad.