Rodríguez-Vázquez, Alma N.Vázquez-Flores, Roberto C.2024-04-082024-04-082024-02Vázquez-Flores, R. C. (2024). Estimación del tiempo de vida de una turbina a través de redes neuronales y árboles de decisión. Trabajo de obtención de grado, Maestría en Ciencia de Datos. Tlaquepaque, Jalisco: ITESO.https://hdl.handle.net/11117/10859Al año 2024, gran parte de las industrias siguen basando sus programas de mantenimiento en un esquema preventivo y correctivo. Sin embargo, este tipo de mantenimiento ha demostrado no ser el más idóneo. Una alternativa que ha demostrado ser más eficiente es la implementación del mantenimiento predictivo. Este tipo se mantenimiento se caracteriza por el análisis de la información generada en el monitoreo de los equipos para crear modelos que ayuden a predecir su comportamiento. Una de las industrias que ha considerado introducir estos nuevos métodos predictivos para la prevención de fallos en las turbinas aéreas es la industria aeroespacial. Con el objetivo de implementar un mantenimiento predictivo en las turbinas aéreas, en este proyecto se propone la utilización de modelos basados en árboles de decisión y redes neuronales para modelar la propagación del daño dentro de los módulos de las turbinas de aviones y predecir el tiempo de vida restante de las turbinas utilizando los datos provenientes del C-MAPSS. Con esta información, un operador podrá tomar decisiones basadas en información para diseñar un mantenimiento predictivo que ayude a evitar fallos inesperados. Para probar el desempeño de ambos modelos se realizan varios experimentos y se calculan métricas que permiten evaluar la precisión y confiabilidad de las predicciones generadas.spaC-MAPSSRemaining Useful LifeSensorRedes NeuronalesCiencia de DatosEstimación del tiempo de vida de una turbina a través de redes neuronales y árboles de decisióninfo:eu-repo/semantics/masterThesis