ALGORITMO COMPUTACIONAL PARA EL ANÁLISIS Y TOMA DE DECISIONES EN EL MANTENIMIENTO PREDICTIVO DE MAQUINARIA INDUSTRIAL Y AGRÍCOLA - Diseño y aplicación de estrategias de Machine Learning

Aug 4, 2026

Subir por Aria

Describe el diseño de un algoritmo computacional orientado al análisis y la toma de decisiones en el mantenimiento predictivo de maquinaria industrial y agrícola. El enfoque integra la preparación de datos, análisis exploratorio (EDA), normalización y la selección/evaluación de modelos de machine learning. Se plantea el uso de análisis de probabilidad de falla mediante regresión logística y redes neuronales, con construcción, validación y aplicación del modelo para incorporar nuevos datos. Además, se abordan variables, división del conjunto, desafíos de implementación y proyección futura del mantenimiento predictivo en agricultura e industria.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas46

Tiempo de lectura1 h 11 min

AccesoGratis para descargar

Tabla de contenidos

Resumen

Marco conceptual y contextual

Mantenimiento Predictivo: Definición y Relevancia

Necesidad en la agricultura e industria

Importancia del Análisis Exploratorio de Datos (EDA)

Preparación de los Datos

Selección y Evaluación de Modelos de Machine Learning

Aplicaciones del Mantenimiento Predictivo en Industria y agricultura

Desafíos en la Implementación del Mantenimiento Predictivo

Futuro del Mantenimiento Predictivo en la Agricultura

Metodología y desarrollo del modelo

Pregunta problema

Acercamiento a los datos

Aproximación a los datos con gráficos-analítica

Objetivos

Análisis de probabilidad de falla (Regresión logística)

Modelo de toma de decisiones

Validación y uso con nuevos datos

Análisis con redes neuronales

Análisis de probabilidad de falla (Redes Neuronales)

ALGORITMO COMPUTACIONAL PARA EL ANÁLISIS Y TOMA DE DECISIONES EN EL MANTENIMIENTO PREDICTIVO DE MAQUINARIA INDUSTRIAL Y AGRICOLA, UTILIZANDO ESTRATEGIAS DE MACHINE LEARNING CORPORACIÓN UNIVERSITARIA REMINGTON. FACULTAD DE INGENIERÍA INGENIERÍA INDUSTRIAL ESTUDIANTES: ANYI ZULEIMA LÓPEZ DOMÍNGUEZ TUTOR: JUAN CARLOS BRIÑEZ DE LEÓN OPCIÓN DE TRABAJO DE GRADO SEMINARIO-DIPLOMADO. 2024. Dedicatoria A mi querida familia, por su incondicional cariño y apoyo constante. Su paciencia, comprensión y sacrificio han sido mi mayor fuente de motivación y de gran fortaleza. A mis abuelos , por creer en mí y por enseñarme el valor del esfuerzo y la perseverancia. A mi esposo por ser mi compañero de vida y un aliento para seguir este camino académico. A todos quienes que me han apoyado durante mi pregrado en Ingeniería Industrial, incluyendo amigos, profesores y compañeros. Su ayuda, consejos y palabras de aliento han sido fundamentales en mi formación académica y personal. Este logro es tanto mío como de ustedes. ¡Gracias! Agradecimientos A mis profesores, por compartir su conocimiento, su tiempo y su pasión por la enseñanza. Gracias por guiarme y por inspirarme a ser la mejor versión de mí mismo. A mis amigos y compañeros de clase, por su camaradería, su apoyo y por hacer de esta experiencia una etapa memorable y enriquecedora. A todos aquellos que de alguna manera contribuyeron a mi formación durante mi investigación y desarrollo Académico", mis más sinceros agradecimientos. Su ayuda, consejos y palabras de aliento han sido fundamentales en mi camino. Finalmente, agradezco a mi institución educativa por brindarme las herramientas y elentorno necesario para desarrollarme académica y profesionalmente. Contenido Dedicatoria .................................................................................................................................... 2 Agradecimientos........................................................................................................................... 3 Tabla de Figuras........................................................................................................................... 5 Resumen ....................................................................................................................................... 6 Abstract .......................................................................................................................................... 6 Palabras clave .............................................................................................................................. 7 Marco conceptual y contextual .................................................................................................. 8 Introducción ............................................................................................................................... 8 Mantenimiento Predictivo: Definición y Relevancia ............................................................ 8 Necesidad en la agricultura e industria ................................................................................ 9 Importancia del Análisis Exploratorio de Datos (EDA) ..................................................... 10 Preparación de los Datos...................................................................................................... 10 Selección y Evaluación de Modelos de Machine Learning ............................................. 11 Aplicaciones del Mantenimiento Predictivo en Industria y agricultura........................... 12 Desafíos en la Implementación del Mantenimiento Predictivo ....................................... 13 Futuro del Mantenimiento Predictivo en la Agricultura .................................................... 14 Pregunta problema: ................................................................................................................... 15 Acercamiento a los datos..........

Preguntas frecuentes

Cuál es el propósito del algoritmo propuesto para el mantenimiento predictivo?

El algoritmo está orientado a analizar la maquinaria y soportar la toma de decisiones sobre probabilidad de falla para mantenimiento predictivo en contextos industrial y agrícola.

Qué etapas de tratamiento de datos se consideran antes de modelar?

Se incluyen análisis exploratorio de datos (EDA), preparación de los datos, definición de variables, división del conjunto y normalización para habilitar el entrenamiento y evaluación.

Qué modelos de machine learning se emplean para estimar la probabilidad de falla?

Se utiliza regresión logística y también redes neuronales, incluyendo construcción del modelo, validación y preparación específica para cada enfoque.

Cómo se utiliza el modelo una vez construido con nuevos datos?

El contenido contempla el uso del modelo con acceso por usuario para introducir nuevos datos, permitiendo aplicar la toma de decisiones a partir de la información actualizada.

Aug 4, 2026

Subir por Aria