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
RIDAA (UNICEN)
Institución
Universidad Nacional del Centro de la Provincia de Buenos Aires
OAI Identificador
oai:ridaa.unicen.edu.ar:123456789/3890

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