Look-up in Google Scholar
Title: Nivel de predicción de la productividad laboral en el sector construcción utilizando un modelo de red neuronal artificial, Cajamarca 2022
Advisor(s): Alva Sarmiento, Anita Elizabet
OCDE field: https://purl.org/pe-repo/ocde/ford#2.01.01
Issue Date: 15-Apr-2023
Institution: Universidad Privada del Norte
Abstract: La productividad laboral en la industria de la construcción es uno de los parámetros más importantes para estimar, presupuestar y programar un proyecto. La presente investigación tuvo como objetivo principal conocer el nivel de predicción de la productividad laboral en proyectos viales utilizando la metodología de redes neuronales artificiales. El desarrollo de la investigación inicia con la revisión documental para identificar y seleccionar los factores más importantes que influyen en la productividad laboral. Una vez seleccionados, se recopilaron expedientes técnicos de proyectos viales ejecutados en la ciudad de Cajamarca con la finalidad de crear una base de datos históricos de estos factores de productividad en las partidas “Corte manual a nivel de subrasante”, “Nivelación y compactación de subrasante con equipo liviano o manual”, “Conformación de base granular” y “Concreto en veredas”. Luego se desarrollaron 4 modelos basado en redes neuronales artificiales que nos permitieron predecir la productividad de las partidas seleccionadas, que después se pondrían a prueba mediante una etapa de validación con datos obtenidos en campo de 5 proyectos en ejecución. Los resultados mostraron una notable capacidad de predecir la productividad laboral más exactas que con la metodología tradicional, demostrando que las redes neuronales artificiales son técnicas confiables en la predicción de la productividad facilitando el desarrollo de cronogramas de proyectos más eficientes y reduciendo los costos del proyecto. Validando así la hipótesis ya que el nivel de predicción de la productividad laboral por medio de redes neuronales artificiales es elevado presentando coeficientes de correlación que se encuentran en un rango de 96% a 99%
Discipline: Ingeniería Civil
Grade or title grantor: Universidad Privada del Norte. Facultad de Ingeniería
Grade or title: Ingeniero Civil
Juror: Salazar Huamán, Erlyn Giordany; Carrión Rabanal, Katia; Nuñez Vásquez, Kely
Register date: 2-Nov-2023



This item is licensed under a Creative Commons License Creative Commons