Comparación de metodologías de procesos automatizados para el rendimiento de excavadoras en una edificación

Descripción del Articulo

En las edificaciones, el movimiento de tierras es una de las partidas más importantes dentro de los procesos constructivos, es primordial comprobar que el tiempo de ejecución de esta partida esté acorde al cronograma de actividades, y esto se relaciona directamente con el rendimiento de las maquinar...

Descripción completa

Detalles Bibliográficos
Autores: Delgado Nalvarte, Adriana Camila, Gomez Garcia, Alejandro Martin
Formato: tesis de grado
Fecha de Publicación:2023
Institución:Universidad de Lima
Repositorio:ULIMA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ulima.edu.pe:20.500.12724/19280
Enlace del recurso:https://hdl.handle.net/20.500.12724/19280
Nivel de acceso:acceso abierto
Materia:Excavadoras
Movimiento de tierras
Productividad
Maquinaria
Automatización
Inteligencia artificial
Excavating machinery
Earthwork
Industrial productivity
Machinery
Automation
Artificial intelligence
https://purl.org/pe-repo/ocde/ford#2.01.01
Descripción
Sumario:En las edificaciones, el movimiento de tierras es una de las partidas más importantes dentro de los procesos constructivos, es primordial comprobar que el tiempo de ejecución de esta partida esté acorde al cronograma de actividades, y esto se relaciona directamente con el rendimiento de las maquinarias para el movimiento de tierras. Por ello, la presente investigación de tipo cuantitativa se centra en estudiar diferentes metodologías para determinar los rendimientos de las maquinarias para el movimiento de tierras, las metodologías estudiadas son: Inteligencia artificial, automatización de conceptos convencionales mediante hojas de cálculo, y automatización usando un programa denominado RENDEXCA. A través de esta investigación se estudiaron conceptos asociados a la inteligencia artificial, potente herramienta para la computación evolutiva, investigaciones han demostrado que hay varias maneras para automatizar procesos manuales; siendo un subcampo de esta, las redes neuronales convolucionales. Las mencionadas CNN (Convolutional Neural Networks) utilizan fotogramas como entradas y algoritmos para su procesamiento. Sin embargo, dada la naturaleza de los datos se trabajó usando hojas de cálculo para el rendimiento de excavadoras, luego se organizó la información mediante la creación de hojas en Excel y software RENDEXCA. Posteriormente, se procedió a realizar un análisis comparativo entre las distintas metodologías y se adoptó como mejor opción el uso del programa RENDEXCA en el cálculo del rendimiento de excavadoras.
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).