Técnicas de Machine Learning aplicadas en modelos de mantenimiento predictivo en empresas industriales

Castro Pinzon,  Stiven

Técnicas de Machine Learning aplicadas en modelos de mantenimiento predictivo en empresas industriales

dc.contributor.advisor	Calderón, Ferney Mauricio
dc.contributor.author	Castro Pinzon, Stiven
dc.contributor.evaluator	Lamos Diaz, Henry
dc.contributor.evaluator	Sanabria Ruiz, Victor Alfonso
dc.date.accessioned	2024-05-15T13:10:16Z
dc.date.available	2024-05-15T13:10:16Z
dc.date.created	2024-05-14
dc.date.issued	2024-05-14
dc.description.abstract	La presente investigación explora la aplicación de técnicas de Machine Learning (ML) en el mantenimiento predictivo dentro de empresas industriales, un área crítica para la eficiencia y seguridad operacional. La investigación se concentra en cómo las prácticas de ML pueden predecir fallos en sistemas críticos, mejorando así la planificación y ejecución del mantenimiento. A través de una revisión sistemática de literatura, se examinan las técnicas de ML más utilizadas en el mantenimiento predictivo, su efectividad y aplicabilidad en diferentes sectores industriales, incluyendo energía, manufactura y automotriz. El trabajo se enfoca en identificar las prácticas actuales y las tendencias emergentes en el uso de ML para el mantenimiento predictivo, con el objetivo de proporcionar directrices claras sobre la selección, implementación y evaluación de estos modelos. Los hallazgos revelan una serie de técnicas de ML predominantes, destacando su potencial para mejorar la confiabilidad y reducir los costos de mantenimiento. Además, se discuten las estrategias para la implementación efectiva de modelos de ML en entornos industriales, subrayando la importancia de la recopilación y análisis de datos operacionales de calidad. Los resultados de esta investigación contribuyen significativamente al campo del mantenimiento predictivo, ofreciendo una guía valiosa para la adopción y optimización de tecnologías de ML en la industria. Se subraya el potencial de estas tecnologías emergentes para transformar las prácticas de mantenimiento, impulsando así la eficiencia operativa y la competitividad en diversas industrias.
dc.description.abstractenglish	This research delves into the application of Machine Learning (ML) techniques in predictive maintenance within industrial companies, a crucial area for operational efficiency and safety. The study concentrates on how ML practices can predict failures in critical systems, thereby enhancing maintenance planning and execution. Through a systematic review of the literature, it examines the most commonly used ML techniques in predictive maintenance, their effectiveness, and applicability across various industrial sectors, including energy, manufacturing, and automotive. The work focuses on identifying current practices and emerging trends in the use of ML for predictive maintenance, aiming to provide clear guidelines for the selection, implementation, and evaluation of these models. The findings reveal a range of predominant ML techniques, highlighting their potential to improve reliability and reduce maintenance costs. In addition, strategies for effectively implementing ML models in industrial environments are discussed, underscoring the importance of quality operational data collection and analysis. The results of this investigation significantly contribute to the field of predictive maintenance, offering valuable guidance for the adoption and optimization of ML technologies in the industry. The potential of these emerging technologies to transform maintenance practices is emphasized, thereby boosting operational efficiency and competitiveness across various industries.
dc.description.degreelevel	Pregrado
dc.description.degreename	Ingeniero Industrial
dc.format.mimetype	application/pdf
dc.identifier.instname	Universidad Industrial de Santander
dc.identifier.reponame	Universidad Industrial de Santander
dc.identifier.repourl	https://noesis.uis.edu.co
dc.identifier.uri	https://noesis.uis.edu.co/handle/20.500.14071/42369
dc.language.iso	spa
dc.publisher	Universidad Industrial de Santander
dc.publisher.faculty	Facultad de Ingeníerias Fisicomecánicas
dc.publisher.program	Ingeniería Industrial
dc.publisher.school	Escuela de Estudios Industriales y Empresariales
dc.rights	info:eu-repo/semantics/openAccess
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.license	Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Mantenimiento predictivo
dc.subject	Aprendizaje automático
dc.subject	Análisis de datos
dc.subject.keyword	Predictive Maintenance
dc.subject.keyword	Machine Learning
dc.subject.keyword	Data Analysis
dc.title	Técnicas de Machine Learning aplicadas en modelos de mantenimiento predictivo en empresas industriales
dc.title.english	Machine Learning Techniques Applied in Predictive Maintenance Models in Industrial Enterprises
dc.type.coar	http://purl.org/coar/resource_type/c_7a1f
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.local	Tesis/Trabajo de grado - Monografía - Pregrado