Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Briñez de León, Juan CarlosLópez Domínguez, Anyi Zuleima2024-08-012024-08-012024https://repositorio.uniremington.edu.co/handle/123456789/3732Este proyecto se centra en el desarrollo de un algoritmo computacional avanzado para mejorar el mantenimiento predictivo de maquinaria industrial y agrícola utilizando técnicas de machine learning. El objetivo principal es identificar condiciones de fallo potenciales en equipos antes de que ocurran, optimizando así los procesos de mantenimiento y reduciendo costos operativos. El algoritmo propuesto integra estrategias de machine learning, incluyendo modelos de regresión logística y redes neuronales, para analizar datos operativos en tiempo real. Se han utilizado conjuntos de datos detallados que incluyen variables como temperatura, velocidad de rotación, torque y desgaste de herramientas, entre otros, para entrenar y validar los modelos.46 p.application/pdfspaDerechos Reservados - Corporación Universitaria Remington, 2024Machine learningMantenimiento predictivoRegresión logísticaRedes neuronalesPreprocesamiento de datosClasificación de fallasDatasetFeature engineeringEntrenamiento del modeloEvaluación del modeloValidación cruzadaPrediccionesEstrategias de mantenimientoOptimización de recursosTiempo de inactividadRedes neuronalesAlgoritmo de clasificaciónDatos sintéticosPipeline de machine learningNormalizaciónEscalamientoOne-Hot EncodingAnálisis exploratorio de datosTrabajo de grado - Pregradoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Toma de decisionesAlgoritmos (Computadores)Análisis de datos