Prototipo de sistema de monitoreo de salud de activos basado en machine learning aplicado en maquinaria pesada para empresas mineras

• Autores: Blanco Ramos, Christopher Ruben, Aguilar Vargas, Sandro Paul
• Formato: tesis de grado
• Fecha de Publicación: 2023
• Institución: Universidad de Lima
• Repositorio: ULIMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ulima.edu.pe:20.500.12724/20760
• Enlace del recurso: https://hdl.handle.net/20.500.12724/20760
• Nivel de acceso: acceso abierto
• Materia: Maquinaria para minería; Empresas mineras; Aprendizaje automático; https://purl.org/pe-repo/ocde/ford#2.02.04

El sistema de monitoreo de salud de activos basado en machine learning aplicado en maquinaria pesada está dirigido principalmente a compañías mineras de tajo abierto. Los datos de validación para el sistema serán tomados del registro de la base de datos histórica en los turnos ocurridos en el último año. Recoger información asociada a un conjunto de parámetros primarios que se analizará, con base en el criterio, definido por el usuario. El estudio del aprendizaje automático se enfocará en el análisis de datos previos para realizar predicciones precisas, basándose en la información de los parámetros. Este enfoque se conoce como data-driven o gobernado por los datos. Utilizando la información de los parámetros primarios recogidos, la solución puede indicar las condiciones del equipo y proponer realizar un mantenimiento proactivo.