Examinando por Autor "Tenazoa Shupingahua, Segundo Pedro"

Mostrando 1 - 1 de 1

Sistema web basado en algoritmo predictivo de machine learning para apoyar el proceso de mantenimiento de vehículos de transporte pesado
(Universidad Católica Santo Toribio de Mogrovejo, 2025) Tenazoa Shupingahua, Segundo Pedro; Tenazoa Shupingahua, Segundo Pedro; Zelada Valdivieso, Hector Miguel
El estudio tuvo como objetivo principal implementar un sistema web basado en algoritmos predictivos de machine learning para optimizar el mantenimiento de vehículos de transporte pesado. También, se establecieron objetivos específicos, como seleccionar los algoritmos capaces de predecir datos numéricos sobre problemas de mantenimiento en la empresa; luego, se identificaron las herramientas tecnológicas que soportan las técnicas de machine learning necesarias para desarrollar la arquitectura del sistema web predictivo. A continuación, se evaluó la exactitud y validez del algoritmo predictivo para confirmar la fiabilidad de la información obtenida. Finalmente, se examinó la calidad del software en función de su usabilidad y funcionalidad. En el desarrollo del sistema, se adoptaron las metodologías CRISP-DM y marco de trabajo Scrum; la primera optimizó la minería de datos enfocada en mantenimiento vehicular y proporcionó una estructura adecuada desde la comprensión del negocio hasta la evaluación del modelo, mientras que Scrum organizó el trabajo en sprints para cada actividad, asegurando una implementación ágil durante el proceso, se integraron herramientas tecnológicas como Django, PostgreSQL y Python, utilizando módulos JSON y la biblioteca Scikit-learn para calcular la precisión del modelo. Al finalizar el desarrollo, la calidad del software fue evaluada mediante pruebas de caja negra y caja blanca. Los resultados algoritmo árbol de decisión alcanzó una exactitud de 99.5%, mientras que redes neuronales alcanzó una exactitud de 73.3%. En conclusión, el sistema web demostró ser un recurso significativo para el mantenimiento de vehículos de transporte pesado, proporcionando datos precisos y útiles para la toma de decisiones.