Look-up in Google Scholar
Full metadata record
Quispe Romero, Robert Isaías
Contreras Alvarez, Jose Luis
2021-07-08T16:47:14Z
2021-07-08T16:47:14Z
2021-07-08T16:47:14Z
2021-07-08T16:47:14Z
2020
https://hdl.handle.net/20.500.12867/4275
Campus Lima Centro (sede)
The industry in the world is going through constant technological change. Perú is no stranger to such changes, currently the development of new technologies is being promoted slowly, but steadily, such as artificial intelligence, collaborative work, Big data, the internet of things (loT), which we They are ushering in the fourth industrial revolution or Industry 4.0. The industry in general has the induction motor as one of its main assets, and in that sense, it is necessary to implement a predictive maintenance method based on artificial intelligence, which will monitor the condition of the motor, in order to predict the right moment of operation. change of its elements, and thus avoid unexpected stops that generate high costs, making the local industry more competitive. Thus, the present work will use supervised Machine Learning to predict the state of the induction motor bearings. We will work with experimental data from the Case Western Reserve University public access database (Case Western & University Reserve (CWRU), n.d.), which were obtained through various controlled laboratory tests. (es_PE)
La industria en el mundo está pasando por un constante cambio tecnológico. El Perú no es ajeno a tales cambios, actualmente se está fomentando lentamente, pero a pasos firmes el desarrollo de nuevas tecnologías, tales como la Inteligencia artificial, el trabajo colaborativo, el Big data, el internet de las cosas (loT), que nos están introduciendo a la cuarta revolución industrial o industria 4.0. La industria en general tiene como uno de sus activos principales al motor de inducción, y en ese sentido es necesario implementar un método de mantenimiento predictivo basado en la inteligencia artificial, el cual monitorizara el estado del motor, con el finde predecir el momento adecuado de cambio de sus elementos, y así evitar las paradas inesperadas que generan altos costes, haciendo a la industria local más competitiva. Es así que, el presente trabajo utilizara el aprendizaje supervisado de Machine Learning para predecir el estado de los rodamientos del motor de inducción. Se trabajará con datos experimentales de la base de datos de acceso público de la Case Western Reserve University (Case Western & University Reserve (CWRU), n.d.), los cuales obtuvieron mediante diversos ensayos controlados en laboratorio. (es_PE)
application/pdf (es_PE)
spa (es_PE)
Universidad Tecnológica del Perú (es_PE)
info:eu-repo/semantics/openAccess (es_PE)
http://creativecommons.org/licenses/by-nc-sa/4.0/ (es_PE)
Repositorio Institucional - UTP (es_PE)
Universidad Tecnológica del Perú (es_PE)
Motores eléctricos (es_PE)
Mantenimiento predictivo (es_PE)
Mantenimiento industrial (es_PE)
Diseño de un modelo para mantenimiento predictivo en motores de inducción utilizando técnicas de la Industria 4.0 (es_PE)
info:eu-repo/semantics/bachelorThesis (es_PE)
Universidad Tecnológica del Perú. Facultad de Ingeniería (es_PE)
Ingeniería Mecatrónica (es_PE)
Ingeniero Mecatrónico (es_PE)
PE (es_PE)
https://purl.org/pe-repo/ocde/ford#2.11.03 (es_PE)
Pregrado (degree)
http://purl.org/pe-repo/renati/level#tituloProfesional (es_PE)
40536318
https://orcid.org/0000-0002-6002-0754 (es_PE)
42921506
713096 (es_PE)
Zárate Peña, Frank William
Lozano Miranda, Jorge Eliseo
Sánchez Penadillo, Edward Russel
http://purl.org/pe-repo/renati/type#tesis (es_PE)
Privada societaria
info:eu-repo/semantics/publishedVersion (es_PE)



This item is licensed under a Creative Commons License Creative Commons