Buscar en Google Scholar
Título: Machine Learning para la gestión del mantenimiento en el área de producción en una planta embotelladora, Lima 2024
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 2024
Institución: Universidad César Vallejo
Resumen: El estudio titulado "Machine Learning para la gestión del mantenimiento en el área de producción en una planta embotelladora, Lima 2024" se enmarca en el Objetivo de Desarrollo Sostenible (ODS) 9: Industria, Innovación e Infraestructura. El objetivo principal de la investigación es evaluar cómo la implementación de técnicas de machine learning mejora la gestión del mantenimiento en una planta embotelladora, específicamente en la reducción del tiempo de parada de máquina, el aumento de la Eficiencia de mantenimiento y la reducción de costos de mantenimiento. La investigación es de tipo cuantitativa y se basa en un diseño cuasiexperimental con mediciones antes y después de la intervención. La población en estudio incluyó los datos operativos de la planta embotelladora en Lima durante los años 2023 (pre-implementación) y 2024 (post-implementación). Los resultados muestran una reducción significativa en el tiempo de parada de máquina (de 44.02 a 9.36 horas), un aumento en la Eficiencia de mantenimiento (de 82.19% a 96.31%) y una disminución en los Costos de mantenimiento (de $37,238.04 a $3,880.48). Estos cambios son estadísticamente significativos y demuestran que el machine learning puede optimizar significativamente la gestión del mantenimiento. Se pudo concluir que la implementación de técnicas de machine learning ha demostrado ser altamente efectiva, proporcionando mejoras sustanciales en la eficiencia y reducción de costos en la gestión del mantenimiento.
Disciplina académico-profesional: Maestría en Ingeniería de Sistemas con mención en Tecnología de la Información
Institución que otorga el grado o título: Universidad César Vallejo. Facultad de Ingeniería y Arquitectura
Grado o título: Maestro en Ingeniería de Sistemas con mención en Tecnología de la Información
Jurado: Nagamine Miyashiro, Mercedes Maria; Puente Zamora, Jonathan Alexis; Acuña Benites, Marlon Frank
Fecha de registro: 18-nov-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons