Mostrar el registro sencillo del ítem

dc.contributor.advisorMorales, Robertospa
dc.contributor.advisorJiménez, Miguelspa
dc.contributor.authorTorres De La Espriella, Daniel Antoniospa
dc.date.accessioned2021-06-11T13:03:00Z
dc.date.available2021-06-11T13:03:00Z
dc.date.issued2021
dc.identifier.citationTorres, D. (2021) Modelo de minería de datos para la optimización de matrices de mantenimiento en revisiones de vehículos de la marca Chevrolet. Trabajo de maestría. Recuperado de https://hdl.handle.net/11323/8372spa
dc.identifier.urihttps://hdl.handle.net/11323/8372spa
dc.description.abstractThe purpose of this research is to implement a data mining model for the optimization of maintenance arrays in vehicle reviews of the Chevrolet brand. The type of research was applied, retrospective, cross-sectional, descriptive, documentary, aiming at the solution of a problem or need, where part of the information was obtained before starting the study and during the development of the investigation, complying with the procedures established in the investigation phases and the methodology related to CRISP-DM data mining , conformed by six (6) phases: Business understanding, Data understanding, Data Preparation, Modeling, Evaluation and Deployment, which allowed to fulfill the objectives of the research, improving the quality of service evaluations, quantity of vehicles in maintenance and the reduction of maintenance times.eng
dc.description.abstractLa presente investigación tiene como objeto de estudio implementar un modelo de minería de datos para la optimización de matrices de mantenimiento en revisiones de vehículos de la marca Chevrolet. El tipo de investigación fue del tipo aplicada, retrospectiva, transversal, descriptivo, documental, pretendiendo la solución de un problema o necesidad, donde parte de la información fue obtenida antes de iniciar el estudio y durante el desarrollo de la investigación, dando cumplimiento a los procedimientos establecidos en las fases de la investigación y la metodología relacionada con minería de datos CRISP-DM, conformada por seis(6) fases: Comprensión del negocio, Comprensión de los datos, Preparación de Datos, Modelamiento, Evaluación y Despliegue, las cuales permitieron dar cumplimiento a los objetivos de la investigación, logrando mejorar las evaluaciones de calidad del servicio, cantidad de vehículos en mantenimiento y la reducción de tiempos de mantenimientos.spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospa
dc.publisherCorporación Universidad de la Costaspa
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 Internationalspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/spa
dc.subjectData miningeng
dc.subjectQuality of serviceeng
dc.subjectVehicle maintenanceeng
dc.subjectMinería de datosspa
dc.subjectCalidad de serviciospa
dc.subjectMantenimiento de vehículosspa
dc.titleModelo de minería de datos para la optimización de matrices de mantenimiento en revisiones de vehículos de la marca Chevroletspa
dc.typeTrabajo de grado - Maestríaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.identifier.instnameCorporación Universidad de la Costaspa
dc.identifier.reponameREDICUC - Repositorio CUCspa
dc.identifier.repourlhttps://repositorio.cuc.edu.co/spa
dc.publisher.programMaestría en Ingenieríaspa
dc.relation.referencesEcheverri, LA. 2013). Minería de Datos Inteligente. Recuperado de: https://books.google.com.ve. Fecha de consulta: Feb/2019spa
dc.relation.referencesEl Tiempo. (2018). Carros con autodiagnóstico: nueva función Chevystar. Recuperado de: http://www.motor.com.co/actualidad/industria/carros-autodiagnostico-nueva-funcion, Fecha de consulta: Feb/2019spa
dc.relation.referencesEl Rincón de JMACOE. (2018). Cinco de los mejores softwares de minería de datos de código libre y abierto. Recuperado de: http://blog.jmacoe.com/gestion_ti/base_de_datos/5- mejores-software-mineria-datos-codigolibre-abierto/. Fecha de Consulta: Ene/2020spa
dc.relation.referencesFlorez. 2009. Detección de Patrones de Daños y Averías en la Industria Automotriz. General Motors Brasil Ltda., (2002), Manual de Procesos e Instalación Servicio Personalizado Chevroletspa
dc.relation.referencesMartíne , C. 2016). Identificación de las ventajas de aplicar Minería de Datos en el negocio automotriz. Fundación Universitaria Los Libertadores. Bogotá, Colombia. Recuperado de: https://repository.libertadores.edu.co/bitstream/handle/11371/727/CaroMart%C3%ADnezL auraConsuelo.pdf?sequence=2&isAllowed=y. Fecha de consulta: Ene/2020spa
dc.relation.referencesMarulanda, C., López, M. & Mejía, M. (2017). El acompañamiento educativo como estrategia de cercanía impulsadora del aprendizaje del estudiante. Revista Virtual Universidad Católica del Norte, 50, 224-237. Recuperado de http://revistavirtual.ucn.edu.co/index.php/RevistaUCN/article/view/821/1339. Fecha de consulta: Mar/2020spa
dc.relation.referencesMarcano Aular, Y. J., & Talavera Pereira, R. (2007). Minería de Datos como soporte a la toma de decisiones empresariales.spa
dc.relation.referencesMoine, JM. 2011). Estudio comparativo de metodologías para minería de datos. Recuperado de: https://digital.cic.gba.gob.ar. Fecha de consulta: Mar/2020spa
dc.relation.referencesPérez, M. (2015). Minería de Datos A través de Ejemplos, Madrid España, Alfaomegaspa
dc.relation.referencesPérez, C. (2004). Técnicas de Análisis Multivariante de Datos Aplicaciones con SPSS, Madrid España, Pearson Educación S.Aspa
dc.relation.referencesPérez, C,. Santín D. (2007). Minería de Datos Técnica y Herramientas, Madrid España, Thomson Ediciones Paraninfo, S.Aspa
dc.relation.referencesRodriguez C., García M., (2016). Adecuación de Minerías de Datos para aplicar a problemas no supervisado tipo atributo - valor. Revista Universidad y Sociedad versión On-line ISSN 2218-3620. Santa Clara. Cuba.spa
dc.relation.referencesSuenaga. 2015. Análisis de deserción-permanencia de estudiantes universitarios utilizando técnica de clasificación en minería de datos Chevystar/27119spa
dc.relation.referencesCaridad y Ocerin, J. (2001). La minería de datos. Análisis de bases de datos en la empresa. Real Academia de Córdoba: http://hdl.handle.net/10396/6657spa
dc.relation.referencesCastellanos Domínguez, O. 2007. Gestión Tecnológica: De un enfoque tradicional a la inteligencia. Universidad Nacional de Colombia. https://www.researchgate.net/publication/322552316_Gestion_Tecnologica_de_un_enfoqu e_tradicional_a_la_inteligenciaspa
dc.relation.referencesJiawey, Jat et al. 2012.Data Mining Concepts and Techniques. Third edition. http://myweb.sabanciuniv.edu/rdehkharghani/files/2016/02/The-Morgan-Kaufmann-Series-in-Data-Management-Systems-Jiawei-Han-Micheline-Kamber-Jian-Pei-DataMining.-Concepts-and-Techniques-3rd-Edition-Morgan-Kaufmnn-2011.pdfspa
dc.relation.referencesJiawey, Jat et al. 2012.Data Mining Concepts and Techniques. Third edition. http://myweb.sabanciuniv.edu/rdehkharghani/files/2016/02/The-Morgan-KaufmannSeries-in-Data-Management-Systems-Jiawei-Han-Micheline-Kamber-Jian-Pei-DataMining.-Concepts-and-Techniques-3rd-Edition-Morgan-Kaufmnn-2011.pdfspa
dc.relation.referencesGutiérrez O., J., & Molina, B. (2016). Identificación de técnicas de minería de datos para apoyar la toma de decisiones en la solución de problemas empresariales. Revista Ontare, 3(2), 33-51. https://doi.org/10.21158/23823399.v3.n2.2015.1440spa
dc.relation.referencesCortes Bonilla, L y Gantiva Gomez, L.2019.Análisis del proceso de internacionalización de empresas del sector automotriz. Caso: General Motors Colmotores. http://repository.unipiloto.edu.co/handle/20.500.12277/4820spa
dc.relation.referencesSantamaria Castellanos, O. 2017.Análisis de la calidad del servicio postventa y la satisfacción del cliente de los concesionarios de la industria automotriz en Colombia. https://repositorio.unal.edu.co/handle/unal/59799spa
dc.relation.referencesCeballos, J. 2008. Redes neuronales artificiales aplicadas a la mejora de calidad. Universidad San Ignacio de Loyola. https://www.researchgate.net/publication/282566401_Redes_Neuronales_Artificiales_apli cadas_a_la_mejora_de_la_calidadspa
dc.relation.referencesPerez Lopez, C, y Santin Gonzalez, Daniel. 2007, Minería de datos: Técnicas y Herramientas. p1. Madrid: Ediciones Paraninfospa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdccspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/masterThesisspa
dc.type.redcolhttp://purl.org/redcol/resource_type/TMspa
dc.type.versioninfo:eu-repo/semantics/acceptedVersionspa
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa


Ficheros en el ítem

Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Attribution-NonCommercial-ShareAlike 4.0 International
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-ShareAlike 4.0 International