Optimización de la clasificación del estado de postes para una empresa distribuidora de electricidad en la zona sur de Lima a través de herramientas de machine learning

Vista sencilla de ítem
dc.contributor.advisorMoarri Nohra, Richard
dc.contributor.authorCachay Guerrero, Fernando
dc.contributor.authorVeliz San Martin, Julian Alexander
dc.contributor.authorArroyo Paredes, Kelly Karol
dc.coverage.spatialPerú
dc.coverage.spatialLima
dc.date.accessioned2025-10-27T18:45:43Z
dc.date.embargoEnd2027-07-24
dc.date.issued2025
dc.description.abstractUno de los procesos más importantes en el mantenimiento de la infraestructura de distribución eléctrica en baja tensión es la correcta clasificación de los postes de energía según su nivel de corrosión. Una clasificación precisa permite intervenir únicamente los postes que realmente lo necesitan, evitando gastos innecesarios y, al mismo tiempo, previniendo fallas que puedan ocasionar accidentes. El objetivo principal de este estudio es determinar si la aplicación de un modelo de machine learning puede mejorar la precisión en la clasificación de los postes, disminuyendo los errores asociados al proceso manual y generando un beneficio directo para la empresa eléctrica.
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12640/4681
dc.languageEspañol
dc.language.isospa
dc.publisherUniversidad ESAN
dc.publisher.countryPE
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rightshttps://purl.org/coar/access_right/c_f1cf
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectTecnología de la información
dc.subjectAprendizaje automático
dc.subjectOptimización
dc.subjectMantenimiento y reparaciones
dc.subjectInfraestructura
dc.subjectDistribución de energía
dc.subjectEnergía eléctrica
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04
dc.titleOptimización de la clasificación del estado de postes para una empresa distribuidora de electricidad en la zona sur de Lima a través de herramientas de machine learning
dc.typehttps://purl.org/coar/resource_type/c_bdcc
dc.type.otherTrabajo de investigación (Maestría)
local.acceso.esanEmbargado
renati.advisor.dni08228762
renati.advisor.orcidhttps://orcid.org/0000-0001-5701-2094
renati.author.dni41370696
renati.author.dni70825667
renati.author.dni48226836
renati.discipline612009107
renati.jurorAlvarado Vargas, Carlos Freddy
renati.jurorGonzález Punzano, Raúl
renati.levelhttps://purl.org/pe-repo/renati/level#maestro
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacion
thesis.degree.disciplineDirección de Tecnologías de Información
thesis.degree.grantorUniversidad ESAN. Escuela de Administración de Negocios para Graduados
thesis.degree.nameMaestro en Dirección de Tecnologías de la Información

Archivos

Bloque original

Mostrando 1 - 4 de 4
Miniatura
Nombre:
2025_MADTI_23-1_02_R.pdf
Tamaño:
188.83 KB
Formato:
Adobe Portable Document Format
Descripción:
Resumen
Descargar
Miniatura
Nombre:
2025_MADTI_23-1_02_TI.pdf
Tamaño:
1.97 MB
Formato:
Adobe Portable Document Format
Descripción:
Texto completo (acceso restringido)
Descargar
Miniatura
Nombre:
2025_MADTI_23-1_02_F.pdf
Tamaño:
261.89 KB
Formato:
Adobe Portable Document Format
Descripción:
Autorización (acceso restringido)
Descargar
Miniatura
Nombre:
2025_MADTI_23-1_02_TU.pdf
Tamaño:
16.36 MB
Formato:
Adobe Portable Document Format
Descripción:
Informe Turnitin (acceso restringido)
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Dirección de Tecnologías de Información