Ingeniería de Sistemas y Telecomunicaciones · 2025
Evaluación de algoritmos de Machine Learning supervisados para un sistema de mantenimiento predictivo a través del diseño de experimentos
Solo ficha. El repositorio marca este trabajo como «Acceso metadatos»: el PDF no es público, así que aquí no hay texto para leer. Ver la ficha en el repositorio.
Resumen
En el contexto de la industria 4.0, el mantenimiento predictivo (PdM) se establece como un enfoque estratégico que permite reducir los costos asociados a fallas imprevistas, apoyándose en tecnologías avanzadas que han demostrado resultados prometedores. De igual forma, la literatura existente, evidencia que los altos costos relacionados al mantenimiento podrían reducirse significativamente implementando enfoques de mantenimiento basados en la predicción. A su vez, se plantea la necesidad de innovar en estrategias de mantenimiento predictivo que permitan su implementación en entornos con condiciones operativas variables. En respuesta a ello, se realiza el proceso de experimentación con algoritmos de Machine Learning supervisado, buscando definir cuál de ellos obtiene mejores resultados para su uso en el mantenimiento predictivo. Se pretende contribuir con la identificación de qué algoritmos son óptimos para ayudar a la industria con predicciones más precisas, que resulta en una posible reducción los tiempos de inactividad de las máquinas y con ello, la prolongación de su vida útil.