Por favor, use este identificador para citar o enlazar este ítem:
https://rinacional.tecnm.mx/jspui/handle/TecNM/12500| Título : | Comparación de estrategias de machine learning para la clasificación de fallas en un sistema de manufactura |
| Autor : | Montejano Leija, Abner Birzabith |
| metadata.dc.subject.other: | Machine Learning, Diagnóstico de Fallas, Mantenimiento Predictivo, Industria 4.0. |
| Fecha de publicación : | 2024-11 |
| Editorial : | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Aguascalientes |
| Descripción : | 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 |
| Aparece en las colecciones: | Maestría en Ciencias de la Ingeniería |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| MCI Tesis Abner Birzabith Montejano Leija.pdf | 4.22 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
