Esta tesis presenta el diseño e implementación de un sistema SCADA integrado con un modelo de Machine Learning, específicamente Random Forest, para el mantenimiento predictivo de una máquina inyectora TR utilizada en la producción de suelas de calzado. El objetivo principal es anticipar fallos en las resistencias eléctricas, un componente crítico en el proceso de inyección, mediante el análisis de variables como voltaje, corriente y temperatura. Se aplicó la metodología CRISP-DM para estructurar el desarrollo del modelo, desde la recopilación de datos hasta la validación. Se recolectaron más de 3500 registros durante 9 meses, y se calculó la resistencia eléctrica (ohmiaje) como variable objetivo. El modelo Random Forest fue seleccionado por su capacidad para manejar relaciones no lineales, su resistencia a valores atípicos y su alta precisión. Los resultados demostraron...

The promotion of organic and ecological production seeks the sustainable and competitive growth of organic crops in countries like Peru. In this context, agro-exportation is characterized by-products such as fruit and vegetables where they need to comply with organic certification regulations to enter products into countries like the US, where it is necessary to certify that weed control is carried out using biodegradable materials, flames, heat, media electric or manual weeding, this being a problem for some productive organizations. The problem is related to the need to differentiate between the crop and the weed as described above, by having image recognition technology tools with Deep Learning. Therefore, the objective of this article is to demonstrate how an artificial intelligence model based on computer vision can contribute to the identification of weeds in basil plots. An iterat...