Modelo predictor de fallas de monitores de signos vitales de una unidad de cuidados intensivos

RESUMEN : se realiza el desarrollo de un modelo predictor para determinar la cantidad de fallos que tendrá un monitor de signos vitales (MSV) en el año subsiguiente con el fin de ajustar la periodicidad del mantenimiento preventivo de dichos equipos. Para ello, se creó una base de datos con la que se entrena el modelo predictor, utilizando como técnica de entrenamiento las máquinas de soporte vectorial. Así mismo, se realiza variación del kernel con el fin de encontrar el mejor predictor; para esto se hace uso de un kernel gaussiano, lineal y polinomial. Por último, se implementan dos métodos de reducción de dimensionalidad los cuales son: la selección de características por análisis de componentes de vecindad para regresión (FSRNCA) y el análisis de componentes principales (PCA).

• Autores: Vargas Silva, Juan Pablo
• Tipo de recurso: Tesis
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/39940
• Acceso en línea: https://hdl.handle.net/10495/39940
• Palabra clave: Máquina de vectores de soporte; Support Vector Machine; Monitores de presión sanguínea; Blood Pressure Monitors; Predicción; Forecasting; Predicción de fallos; https://id.nlm.nih.gov/mesh/D060388; https://id.nlm.nih.gov/mesh/D015924; https://id.nlm.nih.gov/mesh/D005544
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/