Show simple item record

dc.contributor.advisorVillafuerte Serna, Rony
dc.contributor.authorHuaman Lima, Ines Katia
dc.contributor.authorCampana Cama, Minerva
dc.date.accessioned2024-11-29T19:52:50Z
dc.date.available2024-11-29T19:52:50Z
dc.date.issued2024
dc.identifier.other253T20241578
dc.identifier.urihttp://hdl.handle.net/20.500.12918/9918
dc.description.abstractEn el presente estudio, la minería es un sector que busca constantemente implementar nuevas tecnologías para enfrentar diversos desafíos como: el impacto ambiental, escasez de agua, aumento de los costos de operación, seguridad laboral, etc. Para abordar estos problemas se debe poner especial énfasis en la modernización del área de mantenimiento que a pesar del auge de la Inteligencia Artificial en diferentes industrias este campo es relativamente nuevo en esta área. La presente investigación se centra en aplicar Machine Learning a la técnica de Análisis Tribológico para optimizar el Mantenimiento Preventivo Basado en Condición de los motores de palas hidráulicas de una operación minera. El Análisis Tribológico es una de las técnicas más comunes y utilizadas en mantenimiento pues el aceite es un componente clave en el funcionamiento de muchos equipos. El aceite lubrica las partes móviles, reduce la fricción, el desgaste, y ayuda a disipar el calor generado durante el funcionamiento. Con el tiempo, el aceite se degrada y se contamina con partículas de desgaste, agua y otros contaminantes, lo que puede afectar el rendimiento y la vida útil del equipo. El análisis de aceite permite detectar estos problemas antes de que se produzcan fallas costosas y tomar medidas preventivas para mantener el equipo en buen estado. Además, el análisis de aceite puede proporcionar información valiosa sobre la salud general del equipo, lo que puede ayudar al personal de mantenimiento a tomar decisiones informadas sobre la planificación y programación de tareas de mantenimiento preventivo. El problema se da cuando todoses_PE
dc.formatapplication/pdfen_US
dc.language.isospaes_PE
dc.publisherUniversidad Nacional de San Antonio Abad del Cuscoes_PE
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectMantenimiento predictivoes_PE
dc.subjectOptimizaciónes_PE
dc.subjectAnálisis tribológicoes_PE
dc.subjectMachine learninges_PE
dc.titleOptimización del mantenimiento preventivo de palas hidráulicas CAT 6060 FS aplicando técnicas de Machine Learning al análisis tribológico de motoreses_PE
dc.typeinfo:eu-repo/semantics/bachelorThesis
thesis.degree.nameIngeniero Informático y de Sistemas
thesis.degree.grantorUniversidad Nacional de San Antonio Abad del Cusco. Facultad de Ingeniería Eléctrica, Electrónica, Informática y Mecánica
thesis.degree.disciplineIngeniería Informática y de Sistemas
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.02.04
renati.author.dni71457734
renati.author.dni76676461
renati.advisor.orcidhttps://orcid.org/0000-0003-4607-522X
renati.advisor.dni23957778
renati.typehttp://purl.org/pe-repo/renati/type#tesis
renati.levelhttp://purl.org/pe-repo/renati/nivel#tituloProfesional
renati.discipline612296
renati.jurorMedina Miranda, Karelia
renati.jurorPillco Quispe, Jose Mauro
renati.jurorDueñas Bustinza, Dario Francisco
renati.jurorVillalba Villalba, Tany
dc.publisher.countryPE


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess