Modelos predictivos de indicadores de rendimiento en maquinaria pesada: Una revisión de literatura
Descripción del Articulo
La investigación resalta la importancia de los modelos predictivos en la mejora de los indicadores de rendimiento en maquinaria pesada en industrias como la minería, la construcción y la agricultura. Estos modelos, apoyados por técnicas avanzadas de aprendizaje automático y análisis de big data, opt...
| Autores: | , |
|---|---|
| Formato: | tesis de grado |
| Fecha de Publicación: | 2024 |
| Institución: | Universidad Cesar Vallejo |
| Repositorio: | UCV-Institucional |
| Lenguaje: | español |
| OAI Identifier: | oai:repositorio.ucv.edu.pe:20.500.12692/162871 |
| Enlace del recurso: | https://hdl.handle.net/20.500.12692/162871 |
| Nivel de acceso: | acceso abierto |
| Materia: | Modelos predictivos Indicadores de rendimiento Maquinaria https://purl.org/pe-repo/ocde/ford#2.03.01 |
| Sumario: | La investigación resalta la importancia de los modelos predictivos en la mejora de los indicadores de rendimiento en maquinaria pesada en industrias como la minería, la construcción y la agricultura. Estos modelos, apoyados por técnicas avanzadas de aprendizaje automático y análisis de big data, optimizan el mantenimiento y mejoran la eficiencia operativa, resultando en una mayor productividad y reducción de costos. La implementación de sensores IoT y la predicción precisa de fallos son claves para el éxito de estas tecnologías. Sin embargo, desafíos como la falta de datos históricos de calidad, la resistencia al cambio y los altos costos iniciales de implementación deben ser abordados. Este estudio contribuye al Objetivo de Desarrollo Sostenible 7, promoviendo una industria más sostenible y eficiente. |
|---|
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).
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).
