Machine learning en la disponibilidad y confiabilidad de la flota vehicular de una calera

• Autor: Rondon Chavez, Ronald Edwin
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/129812
• Enlace del recurso: https://hdl.handle.net/20.500.12692/129812
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Disponibilidad; Confiabilidad; https://purl.org/pe-repo/ocde/ford#2.03.01

La investigación tuvo por objetivo general, analizar el impacto al implementar machine learning para lograr una disponibilidad y confiabilidad de una flota vehicular. Se realizó investigación de tipo aplicada, diseño pre experimental, con enfoque cuantitativo; así mismo, la población y muestra del estudio, estuvo constituida por 4 maquinarias pesadas las cuales fueron el cargador frontal, mini cargador, retroexcavadora y excavadora. Se aplicaron diferentes modelos de Machine Learning entre ellas el SVM, Arboles de decisión, y redes neuronales. La información recopilada, se procesó haciendo uso del programa Excel, obteniendo como resultado incremento en el cargador frontal de 24.95% en disponibilidad y 36,7% en confiabilidad, con relación a la retroexcavadora se obtuvo un incremento del 25.48% en disponibilidad y 35,24% en confiabilidad, también se pudo apreciar con respecto al minicargador un incremento del 22.75% en disponibilidad y 34.79%en confiabilidad, con relación a la excavadora se obtuvo un incremento de 27.42% en disponibilidad y 42.46% en confiabilidad. Finalmente se concluyó que el Machine Learning mejora la gestión de mantenimiento de la maquinaria pesada, ya que contar con una herramienta tecnológica que predice las fallas, genera grandes beneficios a la empresa y así como puede ser aplicado a otros tipos de empresas similares.