Show simple item record

dc.contributor.advisorGarcía Rivera, Pedro Manuel
dc.contributor.authorQuijano Huacachi, Mark Stanlyn
dc.contributor.authorCrisostomo Mamani, David Jesus
dc.date.accessioned2023-05-16T19:54:29Z
dc.date.available2023-05-16T19:54:29Z
dc.date.issued2023-02-15
dc.identifier.urihttp://hdl.handle.net/10757/667740
dc.description.abstractLas empresas llegan a utilizar las computadoras y/o laptops por largos periodos de tiempo dependiendo del área laboral, pero no se tiene en cuenta que el uso constante de los equipos reduce su tiempo de vida esperado, ocasionando que llegue a fallar el sistema, ralentizarse, recalentarse el equipo, problemas en el hardware o software entre otras variables que pueden dar problemas a largo plazo como daño de los archivos de datos, retrasos con los tiempos de entrega de trabajos o entregables urgentes y perdida del tiempo diario de los usuarios por retrasos de lentitud. Para la planificación de las preguntas de investigación se definieron los puntos más importantes como las técnicas de predicción para el análisis de los datos recolectados, problemas que pueden afectar en la vida útil de los equipos, las tecnologías de predicción para la predicción o recolección de datos, los algoritmos para la predicción de los mantenimientos y la mejor opción para la validación de la eficiencia del modelo predictivo. Las técnicas de predicción y modelos utilizados para el mantenimiento de computadoras son en su mayoría de minería de datos y la detección de anomalías, se describen también los modelos tecnológicos y se propone el uso de técnicas de machine learning basadas en datos para priorizar la extensión de vida de los equipos, además de destacar algoritmos y tipos de validación utilizados en el mantenimiento de computadoras para predecir fallas y prolongar la vida útil de los equipos.es_PE
dc.description.abstractCompanies come to use computers and/or laptops for long periods of time depending on the work area, but it is not taken into account that the constant use of the equipment reduces its expected life time, causing the system to fail, slow down , overheating of the equipment, hardware or software problems among other variables that can cause long-term problems such as damage to data files, delays in the delivery times of urgent work or deliverables, and loss of daily user time due to delays slow. For the planning of the research questions, the most important points were defined, such as prediction techniques for the analysis of the collected data, problems that can affect the useful life of the equipment, prediction technologies for the prediction or collection of data. , the algorithms for the prediction of maintenance and the best option for the validation of the efficiency of the predictive model. The prediction techniques and models used for computer maintenance are mostly data mining and anomaly detection, technological models are also described and the use of data-based machine learning techniques is proposed to prioritize the extension of equipment life, in addition to highlighting algorithms and types of validation used in computer maintenance to predict failures and prolong the useful life of equipment.es_PE
dc.description.uriTrabajo de investigaciònes_PE
dc.formatapplication/pdfes_PE
dc.formatapplication/epubes_PE
dc.formatapplication/mswordes_PE
dc.language.isospaes_PE
dc.publisherUniversidad Peruana de Ciencias Aplicadas (UPC)es_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.sourceUniversidad Peruana de Ciencias Aplicadas (UPC)es_PE
dc.sourceRepositorio Académico - UPCes_PE
dc.subjectMachine learninges_PE
dc.subjectAlgoritmos supervisadoses_PE
dc.subjectNaive bayeses_PE
dc.subjectMantenimiento preventivo de computadorases_PE
dc.subjectMachine learninges_PE
dc.subjectSupervised algorithmses_PE
dc.subjectNaive bayeses_PE
dc.subjectComputer preventive maintenance.es_PE
dc.titleModelo predictivo para el mantenimiento preventivo de computadorases_PE
dc.title.alternativePrevention Models for Preventive Maintenance of Computerses_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.grantorUniversidad Peruana de Ciencias Aplicadas (UPC). División de Estudios Profesionales para Ejecutivos (EPE)es_PE
thesis.degree.levelBachilleres_PE
thesis.degree.disciplineIngeniería de Sistemases_PE
thesis.degree.nameIngeniero de sistemases_PE
thesis.degree.programDivisión de Estudios Profesionales para Ejecutivos (EPE)es_PE
refterms.dateFOA2023-05-16T20:33:59Z
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#2.00.00es_PE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04es_PE
dc.identifier.isni0000 0001 2196 144X
renati.typehttp://purl.org/pe-repo/renati/type#trabajoDeInvestigaciones_PE
renati.advisor.orcidhttps://orcid.org/0000-0003-3298-4617es_PE
renati.levelhttps://purl.org/pe-repo/renati/level#bachilleres_PE
renati.discipline612076es_PE
dc.publisher.countryPEes_PE
renati.author.dni70826483es_PE
renati.author.dni77481913es_PE
dc.type.otherTrabajo de investigaciónes_PE


Files in this item

Thumbnail
Name:
Quijano_HM.pdf
Size:
2.042Mb
Format:
PDF
Thumbnail
Name:
Quijano_HM_FichaAutorizacion.pdf
Embargo:
2093-05-16
Size:
1.619Mb
Format:
PDF
Thumbnail
Name:
Quijano_HM_Reportesimilitad.pdf
Embargo:
2093-05-16
Size:
10.03Mb
Format:
PDF
Thumbnail
Name:
Quijano_HM.docx
Size:
4.591Mb
Format:
Microsoft Word 2007
Thumbnail
Name:
Quijano_HM_Actasimilitud.pdf
Embargo:
2093-05-16
Size:
120.0Kb
Format:
PDF

This item appears in the following Collection(s)

Show simple item record