Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano
- Autores
- Vázquez, Manuel Ezequías
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- De Paula, Mariano
- Descripción
- La investigación se inicia con el Capítulo 1, que sirve como introducción. Este capítulo destaca la importancia de herramientas modernas, como la ingeniería industrial, tableros digitales y técnicas de Machine Learning, para mejorar la eficiencia y confiabilidad de sistemas en entornos dinámicos. Además, plantea la problemática a abordar, establece objetivos generales y específicos, y destaca la contribución significativa que este trabajo representa en el campo. En el Capítulo 2, se proporciona una base conceptual sólida, explorando la Sinergia Sistémica de la Gestión de Operaciones y la Optimización de Procesos. Se abordan aspectos clave como la gestión de activos, la detección temprana de problemas mecánicos mediante Machine Learning y la concepción de tableros de mantenimiento efectivos. El Capítulo 3 realiza un análisis exhaustivo de la situación actual en operaciones y mantenimiento de flotas, identificando áreas de mejora y recopilando datos para el diseño del Tablero de Mantenimiento. En el Capítulo 4, se presenta el diseño detallado del tablero, el cual ha sido concebido como una solución para abordar una problemática específica en una empresa de saneamiento urbano ubicada en la ciudad de Olavarría, subrayando su papel en la visualización en tiempo real y la recopilación estratégica de datos. El Capítulo 5 se enfoca en la implementación del Tablero de Mantenimiento y la recopilación de datos en tiempo real. En el Capítulo 6, se detalla la integración de técnicas de Machine Learning al Tablero, evaluando modelos de predicción de fallas y seleccionando la Red Neuronal Feedforward como principal. Las conclusiones, en el Capítulo 7, destacan la contribución significativa del estudio en la gestión de activos y la adopción de tecnologías avanzadas, impactando la eficiencia operativa y la toma de decisiones.
Fil: Vázquez, Manuel Ezequías. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ingeniería; Argentina.
Fil: De Paula, Mariano. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ingeniería; Argentina. - Materia
-
Tableros digitales
Machine Learning
Gestión de activos
Predicción de fallas
Empresa de saneamiento urbano - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional del Centro de la Provincia de Buenos Aires
- OAI Identificador
- oai:ridaa.unicen.edu.ar:123456789/3890
Ver los metadatos del registro completo
id |
RIDUNICEN_2bdafb967f613ed32d3936fc9dd55ca2 |
---|---|
oai_identifier_str |
oai:ridaa.unicen.edu.ar:123456789/3890 |
network_acronym_str |
RIDUNICEN |
repository_id_str |
a |
network_name_str |
RIDAA (UNICEN) |
spelling |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbanoVázquez, Manuel EzequíasTableros digitalesMachine LearningGestión de activosPredicción de fallasEmpresa de saneamiento urbanoLa investigación se inicia con el Capítulo 1, que sirve como introducción. Este capítulo destaca la importancia de herramientas modernas, como la ingeniería industrial, tableros digitales y técnicas de Machine Learning, para mejorar la eficiencia y confiabilidad de sistemas en entornos dinámicos. Además, plantea la problemática a abordar, establece objetivos generales y específicos, y destaca la contribución significativa que este trabajo representa en el campo. En el Capítulo 2, se proporciona una base conceptual sólida, explorando la Sinergia Sistémica de la Gestión de Operaciones y la Optimización de Procesos. Se abordan aspectos clave como la gestión de activos, la detección temprana de problemas mecánicos mediante Machine Learning y la concepción de tableros de mantenimiento efectivos. El Capítulo 3 realiza un análisis exhaustivo de la situación actual en operaciones y mantenimiento de flotas, identificando áreas de mejora y recopilando datos para el diseño del Tablero de Mantenimiento. En el Capítulo 4, se presenta el diseño detallado del tablero, el cual ha sido concebido como una solución para abordar una problemática específica en una empresa de saneamiento urbano ubicada en la ciudad de Olavarría, subrayando su papel en la visualización en tiempo real y la recopilación estratégica de datos. El Capítulo 5 se enfoca en la implementación del Tablero de Mantenimiento y la recopilación de datos en tiempo real. En el Capítulo 6, se detalla la integración de técnicas de Machine Learning al Tablero, evaluando modelos de predicción de fallas y seleccionando la Red Neuronal Feedforward como principal. Las conclusiones, en el Capítulo 7, destacan la contribución significativa del estudio en la gestión de activos y la adopción de tecnologías avanzadas, impactando la eficiencia operativa y la toma de decisiones.Fil: Vázquez, Manuel Ezequías. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ingeniería; Argentina.Fil: De Paula, Mariano. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ingeniería; Argentina.Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de IngenieríaDe Paula, Mariano2024-032024-04-05T16:36:31Z2024-04-05T16:36:31Zinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfapplication/pdfVázquez, M. E. (2024) Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano [Proyecto Final de Carrera]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina.https://www.ridaa.unicen.edu.ar/handle/123456789/3890spahttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/info:eu-repo/semantics/openAccessreponame:RIDAA (UNICEN)instname:Universidad Nacional del Centro de la Provincia de Buenos Aires2025-09-29T13:41:04Zoai:ridaa.unicen.edu.ar:123456789/3890instacron:UNICENInstitucionalhttps://www.ridaa.unicen.edu.ar/Universidad públicaNo correspondehttps://www.ridaa.unicen.edu.ar/oailleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ;ArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2025-09-29 13:41:04.676RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Airesfalse |
dc.title.none.fl_str_mv |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano |
title |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano |
spellingShingle |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano Vázquez, Manuel Ezequías Tableros digitales Machine Learning Gestión de activos Predicción de fallas Empresa de saneamiento urbano |
title_short |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano |
title_full |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano |
title_fullStr |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano |
title_full_unstemmed |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano |
title_sort |
Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano |
dc.creator.none.fl_str_mv |
Vázquez, Manuel Ezequías |
author |
Vázquez, Manuel Ezequías |
author_facet |
Vázquez, Manuel Ezequías |
author_role |
author |
dc.contributor.none.fl_str_mv |
De Paula, Mariano |
dc.subject.none.fl_str_mv |
Tableros digitales Machine Learning Gestión de activos Predicción de fallas Empresa de saneamiento urbano |
topic |
Tableros digitales Machine Learning Gestión de activos Predicción de fallas Empresa de saneamiento urbano |
dc.description.none.fl_txt_mv |
La investigación se inicia con el Capítulo 1, que sirve como introducción. Este capítulo destaca la importancia de herramientas modernas, como la ingeniería industrial, tableros digitales y técnicas de Machine Learning, para mejorar la eficiencia y confiabilidad de sistemas en entornos dinámicos. Además, plantea la problemática a abordar, establece objetivos generales y específicos, y destaca la contribución significativa que este trabajo representa en el campo. En el Capítulo 2, se proporciona una base conceptual sólida, explorando la Sinergia Sistémica de la Gestión de Operaciones y la Optimización de Procesos. Se abordan aspectos clave como la gestión de activos, la detección temprana de problemas mecánicos mediante Machine Learning y la concepción de tableros de mantenimiento efectivos. El Capítulo 3 realiza un análisis exhaustivo de la situación actual en operaciones y mantenimiento de flotas, identificando áreas de mejora y recopilando datos para el diseño del Tablero de Mantenimiento. En el Capítulo 4, se presenta el diseño detallado del tablero, el cual ha sido concebido como una solución para abordar una problemática específica en una empresa de saneamiento urbano ubicada en la ciudad de Olavarría, subrayando su papel en la visualización en tiempo real y la recopilación estratégica de datos. El Capítulo 5 se enfoca en la implementación del Tablero de Mantenimiento y la recopilación de datos en tiempo real. En el Capítulo 6, se detalla la integración de técnicas de Machine Learning al Tablero, evaluando modelos de predicción de fallas y seleccionando la Red Neuronal Feedforward como principal. Las conclusiones, en el Capítulo 7, destacan la contribución significativa del estudio en la gestión de activos y la adopción de tecnologías avanzadas, impactando la eficiencia operativa y la toma de decisiones. Fil: Vázquez, Manuel Ezequías. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ingeniería; Argentina. Fil: De Paula, Mariano. Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ingeniería; Argentina. |
description |
La investigación se inicia con el Capítulo 1, que sirve como introducción. Este capítulo destaca la importancia de herramientas modernas, como la ingeniería industrial, tableros digitales y técnicas de Machine Learning, para mejorar la eficiencia y confiabilidad de sistemas en entornos dinámicos. Además, plantea la problemática a abordar, establece objetivos generales y específicos, y destaca la contribución significativa que este trabajo representa en el campo. En el Capítulo 2, se proporciona una base conceptual sólida, explorando la Sinergia Sistémica de la Gestión de Operaciones y la Optimización de Procesos. Se abordan aspectos clave como la gestión de activos, la detección temprana de problemas mecánicos mediante Machine Learning y la concepción de tableros de mantenimiento efectivos. El Capítulo 3 realiza un análisis exhaustivo de la situación actual en operaciones y mantenimiento de flotas, identificando áreas de mejora y recopilando datos para el diseño del Tablero de Mantenimiento. En el Capítulo 4, se presenta el diseño detallado del tablero, el cual ha sido concebido como una solución para abordar una problemática específica en una empresa de saneamiento urbano ubicada en la ciudad de Olavarría, subrayando su papel en la visualización en tiempo real y la recopilación estratégica de datos. El Capítulo 5 se enfoca en la implementación del Tablero de Mantenimiento y la recopilación de datos en tiempo real. En el Capítulo 6, se detalla la integración de técnicas de Machine Learning al Tablero, evaluando modelos de predicción de fallas y seleccionando la Red Neuronal Feedforward como principal. Las conclusiones, en el Capítulo 7, destacan la contribución significativa del estudio en la gestión de activos y la adopción de tecnologías avanzadas, impactando la eficiencia operativa y la toma de decisiones. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-03 2024-04-05T16:36:31Z 2024-04-05T16:36:31Z |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
format |
bachelorThesis |
status_str |
acceptedVersion |
dc.identifier.none.fl_str_mv |
Vázquez, M. E. (2024) Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano [Proyecto Final de Carrera]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina. https://www.ridaa.unicen.edu.ar/handle/123456789/3890 |
identifier_str_mv |
Vázquez, M. E. (2024) Diseño e implementación de tablero de mantenimiento y predicción de fallas con Machine Learning en una empresa de saneamiento urbano [Proyecto Final de Carrera]. Universidad Nacional del Centro de la Provincia de Buenos Aires, Argentina. |
url |
https://www.ridaa.unicen.edu.ar/handle/123456789/3890 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ingeniería |
publisher.none.fl_str_mv |
Universidad Nacional del Centro de la Provincia de Buenos Aires. Facultad de Ingeniería |
dc.source.none.fl_str_mv |
reponame:RIDAA (UNICEN) instname:Universidad Nacional del Centro de la Provincia de Buenos Aires |
reponame_str |
RIDAA (UNICEN) |
collection |
RIDAA (UNICEN) |
instname_str |
Universidad Nacional del Centro de la Provincia de Buenos Aires |
repository.name.fl_str_mv |
RIDAA (UNICEN) - Universidad Nacional del Centro de la Provincia de Buenos Aires |
repository.mail.fl_str_mv |
lleiboff@rec.unicen.edu.ar;gimeroni@rec.unicen.edu.ar;lvarela@rec.unicen.edu.ar ; |
_version_ |
1844619011081371648 |
score |
12.559606 |