dc.contributor.advisor | Villafuerte Serna, Rony | |
dc.contributor.author | Huaman Lima, Ines Katia | |
dc.contributor.author | Campana Cama, Minerva | |
dc.date.accessioned | 2024-11-29T19:52:50Z | |
dc.date.available | 2024-11-29T19:52:50Z | |
dc.date.issued | 2024 | |
dc.identifier.other | 253T20241578 | |
dc.identifier.uri | http://hdl.handle.net/20.500.12918/9918 | |
dc.description.abstract | En 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 todos | es_PE |
dc.format | application/pdf | en_US |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Nacional de San Antonio Abad del Cusco | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Mantenimiento predictivo | es_PE |
dc.subject | Optimización | es_PE |
dc.subject | Análisis tribológico | es_PE |
dc.subject | Machine learning | es_PE |
dc.title | Optimización del mantenimiento preventivo de palas hidráulicas CAT 6060 FS aplicando técnicas de Machine Learning al análisis tribológico de motores | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | |
thesis.degree.name | Ingeniero Informático y de Sistemas | |
thesis.degree.grantor | Universidad Nacional de San Antonio Abad del Cusco. Facultad de Ingeniería Eléctrica, Electrónica, Informática y Mecánica | |
thesis.degree.discipline | Ingeniería Informática y de Sistemas | |
dc.subject.ocde | http://purl.org/pe-repo/ocde/ford#2.02.04 | |
renati.author.dni | 71457734 | |
renati.author.dni | 76676461 | |
renati.advisor.orcid | https://orcid.org/0000-0003-4607-522X | |
renati.advisor.dni | 23957778 | |
renati.type | http://purl.org/pe-repo/renati/type#tesis | |
renati.level | http://purl.org/pe-repo/renati/nivel#tituloProfesional | |
renati.discipline | 612296 | |
renati.juror | Medina Miranda, Karelia | |
renati.juror | Pillco Quispe, Jose Mauro | |
renati.juror | Dueñas Bustinza, Dario Francisco | |
renati.juror | Villalba Villalba, Tany | |
dc.publisher.country | PE | |