Implementación de la metodología AMFEC para la detección de fallos incipientes del sistema de inyección del motor G4GC

Para citar o enlazar este item, por favor use el siguiente identificador: http://dspace.ups.edu.ec/handle/123456789/28782
Título : Implementación de la metodología AMFEC para la detección de fallos incipientes del sistema de inyección del motor G4GC
Autor : Suqui Padilla, Jonnathan Israel
Vásquez Segarra, Carlos Sebastián
Director de Tesis: Rivera Campoverde, Néstor Diego
Resumen traducido: The technical project proposes a method to predict failures in the injection system at an early stage using machine learning, thus optimizing automotive maintenance. It is divided into three stages: literature review to understand failures and prediction techniques, data acquisition, and analysis with statistical and machine learning techniques to determine patterns and early failure signals. The results support decision-making and technological development in the automotive sector.
Resumen : El proyecto técnico plantea un método para predecir fallos en el sistema de inyección en etapa incipiente empleando aprendizaje automático, optimizando así el mantenimiento automotriz. Se divide en 3 etapas: revisión de la literatura para entender fallos y técnicas de predicción, adquisición de datos y el análisis con técnicas estadísticas y de aprendizaje automático determinando patrones y señales tempranas de fallos. Los resultados apoyan la toma de decisiones y el desarrollo tecnológico en el sector automotriz.
Palabras clave : INGENIERÍA AUTOMOTRIZ
LOCALIZACIÓN DE FALLAS (INGENIERÍA)
APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
GASES DE ESCAPE DE AUTOMÓVILES
REDES NEURONALES (COMPUTADORES)
Fecha de publicación : jul-2024
URI : http://dspace.ups.edu.ec/handle/123456789/28782
Idioma: spa
Pertenece a las colecciones: Grado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
UPS-CT011689.pdfTexto completo1,68 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons