Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.udla.edu.ec/handle/33000/16607
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Morocho Cayamcela, Manuel Eugenio | - |
dc.creator | Cuzco Peñafiel, Alejandro Andrés | - |
dc.date.accessioned | 2024-09-09T19:15:09Z | - |
dc.date.available | 2024-09-09T19:15:09Z | - |
dc.date.issued | 2024 | - |
dc.identifier.citation | Zapata, R. (2024). Modelos predictivos para la gestión de riesgo de crédito: aplicación de Random Forest y árboles de decisión (Tesis de maestría). Universidad de las Américas, Quito. | es_ES |
dc.identifier.other | UDLA-EC-TMINCD-2024-17 | - |
dc.identifier.uri | http://dspace.udla.edu.ec/handle/33000/16607 | - |
dc.description | Both in the aeronautical industry and in other industries, the development of strategic solutions is a priority. In the field of aviation, being an important pillar in both global and national transportation, the engines used by aircraft must operate in perfect condition, since a failure of the same would lead to the lives of hundreds and even thousands of people. In this context, it is proposed to create a prediction or diagnosis model in Python for turbofan type engines. For this reason, the use of Linear Regression algorithms, Random Forest for the prediction of the RUL of turbofan engines is proposed. The simulation of the engine degradation was carried out using C MAPSS, a data package published by NASA. This model is the closest to reality, because the data used is a simulation created by NASA. After applying this model, the two algorithms have been trained, using Python language, and the metrics have been compared with those obtained previously, where we can observe that Random Forest provides the best results. | es_ES |
dc.description.abstract | Tanto en la industria aeronáutica como en otras industrias, es prioritario el desarrollo de soluciones estratégicas. En el ámbito de la aviación, siendo un pilar importante en la transportación tanto mundial como nacional, los motores que usan las aeronaves deben operar en perfecto estado, ya que un fallo de los mismos conllevaría la vida de cientos y hasta miles de personas. Bajo ese contexto, se propone realizar un modelo de predicción o diagnóstico en Python para motores del tipo turbofans. Por esta razón, se propone la utilización de algoritmos de Regresión Lineal, Random Forest para la predicción del RUL de motores turbofan. La simulación de la degradación del motor se llevó a cabo utilizando C MAPSS, un paquete de datos publicado por la NASA. Este modelo es lo más cercano a la realidad, debido a que los datos usados son una simulación creada por la NASA. Tras aplicar este modelo se han entrenado los dos algoritmos, mediante el uso de lenguaje Python, y se han comparado las métricas con las obtenidas anteriormente, donde podemos observar que Random Forest proporciona los mejores resultados. | es_ES |
dc.format.extent | 70 p. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Quito: Universidad de las Américas, 2024 | es_ES |
dc.rights | openAccess | es_ES |
dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
dc.subject | MODELO PREDICTIVO | es_ES |
dc.subject | DIAGNÓSTICO EN LENGUAJE PYTHON | es_ES |
dc.subject | MACHINE LEARNING | es_ES |
dc.subject | CIENCIA DE DATOS | es_ES |
dc.title | Modelo de predicción o diagnóstico en lenguaje Python, usando técnicas de machine learning de un motor tipo turbofan | es_ES |
dc.type | masterThesis | es_ES |
Aparece en las colecciones: | Maestría en Inteligencia de Negocios y Ciencia de Datos |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
UDLA-EC-TMINCD-2024-17.pdf | 2,3 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons