Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12500| Title: | Comparación de estrategias de machine learning para la clasificación de fallas en un sistema de manufactura |
| Authors: | Montejano Leija, Abner Birzabith |
| metadata.dc.subject.other: | Machine Learning, Diagnóstico de Fallas, Mantenimiento Predictivo, Industria 4.0. |
| Issue Date: | 2024-11 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Aguascalientes |
| Description: | Uno de los principales desafíos en la industria son las fallas inesperadas en los equipos, las cuales generan pérdidas significativas para las empresas debido a los tiempos de inactividad. Para minimizar el tiempo de inactividad causado por estas fallas, es fundamental anticiparse a ellas y actuar rápidamente. Esto se puede lograr mediante el análisis de datos recolectados del monitoreo del equipo y la implementación de un plan de mantenimiento predictivo efectivo. En este trabajo se compara el rendimiento de varios algoritmos de Machine Learning utilizando los datos obtenidos al inducir ciertas fallas en un motor, una electroválvula y un cilindro neumáticos, componentes muy presentes en la industria. Para que con base en ciertas métricas de evaluación, se determine el algoritmo que mejor resultado obtenga y se considere esta opción como parte del mantenimiento predictivo dentro de la industria. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | Maestría en Ciencias de la Ingeniería |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MCI Tesis Abner Birzabith Montejano Leija.pdf | 4.22 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
