Buscar en Google Scholar
Título: Nivel de predicción de la productividad laboral en el sector construcción utilizando un modelo de red neuronal artificial, Cajamarca 2022
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.01.01
Fecha de publicación: 15-abr-2023
Institución: Universidad Privada del Norte
Resumen: 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%
Enlace al repositorio: https://hdl.handle.net/11537/34840
Disciplina académico-profesional: Ingeniería Civil
Institución que otorga el grado o título: Universidad Privada del Norte. Facultad de Ingeniería
Grado o título: Ingeniero Civil
Jurado: Salazar Huamán, Erlyn Giordany; Carrión Rabanal, Katia; Nuñez Vásquez, Kely
Fecha de registro: 2-nov-2023



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