Machine learning para reducir costos de mantenimiento de maquinaria pesada de minería

• Autor: Quiroz Caballero, Segundo Luis
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/133833
• Enlace del recurso: https://hdl.handle.net/20.500.12692/133833
• Nivel de acceso: acceso abierto
• Materia: Mantenimiento; Costos; Minería; https://purl.org/pe-repo/ocde/ford#2.03.01

La presente tesis denominada “Machine Learning para reducir costos de mantenimiento en maquinaria pesada en minería”, tiene como objeto, el determinar cómo aplicando el aprendizaje automático reduce los costos de mantenimiento de la excavadora hidráulica caterpillar 374F. El diseño de la tesis es cuasi experimental de tipo aplicada. La población está conformada por excavadoras hidráulicas caterpillar 374F de compañías mineras, la muestra es la selección de una excavadora hidráulica caterpillar del mismo modelo de la población. Los datos hidráulicos fueron extraídos de la maquinaria en el registro del monitor de navegación de todo el mes de abril del 2020. La técnica que se utilizó para la recolección de datos fue la observación y los instrumentos fueron las fichas de registros con la finalidad de obtener datos para las variables. Para el análisis de datos se aplicó el software gratuito Google Colab para el procesamiento de datos, con el soporte de librerías para la aplicación de machine learning como: Pandas, Python, TensorFlow, Matplotlib. Y por ultimo se concluye con la predicción de falla del sistema hidráulico de implementos con un margen de error del 11%.