Show simple item record

dc.contributor.advisorAbuín Álvarez, Iagoes-ES
dc.contributor.authorLosada Rueda, Danieles-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2024-01-31T09:13:52Z
dc.date.available2024-01-31T09:13:52Z
dc.date.issued2024es_ES
dc.identifier.urihttp://hdl.handle.net/11531/86631es_ES
dc.descriptionGrado en Ingeniería en Tecnologías de Telecomunicación y Grado en Análisis de Negocios/Business Analyticses_ES
dc.description.abstractEste proyecto se centra en la comparación de modelos de predicción de mantenimiento predictivo y análisis de datos de motores turbofán usando el conjunto de datos C-MAPSS de la NASA. El objetivo es evaluar diferentes modelos dentro del Machine Learning, como Support Vector Regression (SVR), Random Forest, Redes Neuronales Convolucionales (1D-CNN) y Redes Neuronales de Memoria a Largo Plazo (LSTM), todo para predecir la Remaining Useful Life (RUL) de los motores.es-ES
dc.description.abstractThis project focuses on the comparison of predictive maintenance models and the analysis of turbofan engine data using the NASA C-MAPSS dataset. The objective is to evaluate different models within Machine Learning, such as Support Vector Regression (SVR), Random Forest, XGBoost, Convolutional Neural Networks (1D-CNN), and Long Short-Term Memory Networks (LSTM), to predict the Remaining Useful Life (RUL) of engines.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject.otherKTT (GITT)es_ES
dc.titleComparativa de modelos de predicción de mantenimiento predictivo y exploración de datos de motores turbofán de la NASAes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/openAccesses_ES
dc.keywordsMantenimiento predictivo, Machine Learning, CMAPSS, NASA, Remaining Useful Life (RUL), Motores turbofán, SVR, Random Forest,1D-CNN, LSTMes-ES
dc.keywordsPredictive maintenance, Machine Learning, C-MAPSS, NASA, Remaining Useful Life (RUL), Turbofan engines, SVR, Random Forest, 1D-CNN, LSTM.Bluetooth, Mobile, Indooren-GB


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States