Predicción de la estructura de puentes para la gestión de mantenimiento, usando un modelo de aprendizaje automático, San Martín 2025

• Autores: Pashanasi Vela, Juan Rodrigo, Pinedo Rengifo, Kactriel
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/176860
• Enlace del recurso: https://hdl.handle.net/20.500.12692/176860
• Nivel de acceso: acceso abierto
• Materia: Deep learning; Predicción; Puente; Mantenimiento; https://purl.org/pe-repo/ocde/ford#2.01.01

La investigación se le alinea ODS N.°9: Industria, Innovación e Infraestructura y se titula “Predicción de la estructura de puentes para la gestión de mantenimiento, usando un modelo de aprendizaje automático, San Martín 2025”. El objetivo general es automatizar y mejorar la toma de decisiones para el mantenimiento de puentes mediante la inteligencia artificial, preservando así su seguridad y funcionalidad. Predecir la estructura de puentes para optimizar la gestión de mantenimiento. La metodología empleada fue de tipo aplicada, con un enfoque cuantitativo y un diseño no experimental. El trabajo se centra en un enfoque basado en redes neuronales artificiales como modelo de aprendizaje automático. Este modelo tiene como meta predecir el estado estructural de los puentes para lograr una gestión de mantenimiento más eficiente. Se utilizo datos estructurales y operacionales como entrada para el modelo, incluyendo variables criticas como el material, edad, diseño y carga del puente. El modelo fue entrenado para realizar una clasificación binaria: (colapsa / no colapsa). Los resultados fueron sobresalientes, logrando un índice de correlación de 1.0 y una precisión del 100% en la predicción.