Análisis de Datos Aplicados a lo Predictivo
DOI:
https://doi.org/10.69681/lajae.v6i1.28Palabras clave:
Gestión de la información, Mantenimiento predictivo, Minería de datos, Toma de decisionesResumen
En este artículo se describe de manera sencilla el desarrollo de una aplicación web para mantenimiento predictivo de equipos implementado en el laboratorio de electrónica de la Universidad Pedagógica y Tecnológica de Colombia Sogamoso. Esta aplicación fue desarrollada en lenguaje Python para lograr la manipulación y tratamiento de gran cantidad de datos. Desarrollamos un algoritmo de machine learning para predecir daños en los equipos del laboratorio y habilitar al usuario para programar mantenimientos preventivos a estos equipos evitando que lleguen a dañarse. Implementamos y comparamos los resultados obtenidos para dos modelos (Random Forest y Red Neuronal MLPRegressor), siendo Random Forest el modelo más acertado.
Descargas
Descargas
Publicado
Cómo citar
Licencia
Derechos de autor 2023 Andrés Leonardo Alfonso Díaz, Marien Rocio Barrera Gómez, Iván David Alfonso Díaz y Jerley Andres Mejia Gallo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en Latin American Journal of Applied Engineering aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
