dc.contributor.advisor | Abuín Álvarez, Iago | es-ES |
dc.contributor.author | Losada Rueda, Daniel | es-ES |
dc.contributor.other | Universidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI) | es_ES |
dc.date.accessioned | 2024-01-31T09:13:52Z | |
dc.date.available | 2024-01-31T09:13:52Z | |
dc.date.issued | 2024 | es_ES |
dc.identifier.uri | http://hdl.handle.net/11531/86631 | es_ES |
dc.description | Grado en Ingeniería en Tecnologías de Telecomunicación y Grado en Análisis de Negocios/Business Analytics | es_ES |
dc.description.abstract | Este 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.abstract | This 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.mimetype | application/pdf | es_ES |
dc.language.iso | es-ES | es_ES |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 United States | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/us/ | es_ES |
dc.subject.other | KTT (GITT) | es_ES |
dc.title | Comparativa de modelos de predicción de mantenimiento predictivo y exploración de datos de motores turbofán de la NASA | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es_ES |
dc.keywords | Mantenimiento predictivo, Machine Learning, CMAPSS, NASA, Remaining Useful Life (RUL), Motores turbofán, SVR, Random Forest,1D-CNN, LSTM | es-ES |
dc.keywords | Predictive maintenance, Machine Learning, C-MAPSS, NASA, Remaining Useful Life (RUL), Turbofan engines, SVR, Random Forest, 1D-CNN, LSTM.Bluetooth, Mobile, Indoor | en-GB |