Citas bibligráficas
Esta es una referencia generada automáticamente. Modifíquela de ser necesario
Quiroz, S., (2021). Machine learning para reducir costos de mantenimiento de maquinaria pesada de minería [Universidad César Vallejo]. https://hdl.handle.net/20.500.12692/133833
Quiroz, S., Machine learning para reducir costos de mantenimiento de maquinaria pesada de minería []. PE: Universidad César Vallejo; 2021. https://hdl.handle.net/20.500.12692/133833
@misc{renati/144674,
title = "Machine learning para reducir costos de mantenimiento de maquinaria pesada de minería",
author = "Quiroz Caballero, Segundo Luis",
publisher = "Universidad César Vallejo",
year = "2021"
}
Título: Machine learning para reducir costos de mantenimiento de maquinaria pesada de minería
Autor(es): Quiroz Caballero, Segundo Luis
Asesor(es): Panta Carranza, Dante Omar
Palabras clave: Mantenimiento; Costos; Minería
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.03.01
Fecha de publicación: 2021
Institución: Universidad César Vallejo
Resumen: La presente tesis denominada “Machine Learning para reducir costos de mantenimiento
en maquinaria pesada en minería”, tiene como objeto, el determinar cómo aplicando el
aprendizaje automático reduce los costos de mantenimiento de la excavadora hidráulica
caterpillar 374F. El diseño de la tesis es cuasi experimental de tipo aplicada. La población
está conformada por excavadoras hidráulicas caterpillar 374F de compañías mineras, la
muestra es la selección de una excavadora hidráulica caterpillar del mismo modelo de la
población. Los datos hidráulicos fueron extraídos de la maquinaria en el registro del
monitor de navegación de todo el mes de abril del 2020. La técnica que se utilizó para la
recolección de datos fue la observación y los instrumentos fueron las fichas de registros
con la finalidad de obtener datos para las variables. Para el análisis de datos se aplicó el
software gratuito Google Colab para el procesamiento de datos, con el soporte de librerías
para la aplicación de machine learning como: Pandas, Python, TensorFlow, Matplotlib. Y
por ultimo se concluye con la predicción de falla del sistema hidráulico de implementos con
un margen de error del 11%.
Enlace al repositorio: https://hdl.handle.net/20.500.12692/133833
Disciplina académico-profesional: Ingeniería Mecánica Eléctrica
Institución que otorga el grado o título: Universidad César Vallejo. Facultad de Ingeniería y Arquitectura
Grado o título: Ingeniero Mecánico Electricista
Jurado: Inciso Vasquez, Jorge Antonio; Lujan Lopez, Jorge Eduardo; Panta Carranza, Dante Omar
Fecha de registro: 21-feb-2024
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons