Examinando por Autor "Canevaro Guevara, Joaquin Sebastian"

Mostrando 1 - 1 de 1
  • Miniatura
    Acceso Abierto
    Propuesta para la optimización del proceso de mantenimiento industrial mediante el análisis de datos con herramientas de inteligencia artificial
    (Universidad Católica de Santa María, 2026-08-28) Canevaro Guevara, Joaquin Sebastian
    La presente investigación tuvo como objetivo presentar una propuesta para la optimización del proceso de mantenimiento industrial mediante el análisis de datos con herramientas de Inteligencia Artificial, orientada a fortalecer la toma de decisiones y mejorar la asignación de recursos en las actividades de mantenimiento. La investigación se desarrolló bajo un enfoque cuantitativo, de tipo aplicada y con un diseño no experimental basado en una validación retrospectiva, utilizando una base de datos histórica recopilada a partir de registros de mantenimiento predictivo obtenidos de diversas fuentes disponibles en Internet. La propuesta se estructuró en tres niveles. En el primero, se desarrolló un modelo predictivo basado en técnicas de Machine Learning para estimar la condición de los equipos. En el segundo, se implementó un modelo de optimización mediante programación dinámica, formulado como un problema de mochila 0-1, con el propósito de priorizar las intervenciones de mantenimiento bajo restricciones de tiempo. Finalmente, se realizó una evaluación comparativa entre un procedimiento tradicional de priorización y la propuesta desarrollada mediante una validación retrospectiva. Los resultados evidenciaron que el algoritmo Random Forest presentó el mejor desempeño entre los modelos evaluados, permitiendo generar probabilidades confiables para la clasificación de la condición de los equipos. Asimismo, el modelo de optimización permitió identificar las intervenciones con mayor beneficio esperado bajo las restricciones establecidas, mientras que la comparación retrospectiva mostró una mejora respecto al procedimiento tradicional de priorización. En conclusión, la investigación evidencia la factibilidad técnica de integrar herramientas de análisis de datos, Machine Learning y programación dinámica para apoyar la gestión del mantenimiento industrial. La propuesta constituye una alternativa para priorizar intervenciones y optimizar la utilización de los recursos disponibles, contribuyendo a la incorporación de tecnologías asociadas con la Industria 4.0.