Desarrollo de modelo predictivo basado en machine learning para anticipar fallas en el probador de suspensión de la línea de livianos del Centro de Diagnóstico Automotor Certi Express Pereira S.A.S.

Vallejo Yepes, Mauricio

Publicación:
Desarrollo de modelo predictivo basado en machine learning para anticipar fallas en el probador de suspensión de la línea de livianos del Centro de Diagnóstico Automotor Certi Express Pereira S.A.S.

dc.contributor.advisor	Martínez Vargas, Juan David
dc.contributor.author	Vallejo Yepes, Mauricio
dc.coverage.spatial	Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.creator.email	mvallejoy@eafit.edu.co
dc.date.accessioned	2026-05-11T20:30:19Z
dc.date.available	2026-05-11T20:30:19Z
dc.date.issued	2026-02-17
dc.description	El mantenimiento predictivo se ha consolidado como un mecanismo fundamental con el fin de garantizar la confiabilidad, la disponibilidad y la eficiencia de los equipos industriales. En el contexto automotriz colombiano, los Centros de Diagnóstico Automotor (CDA) desempeñan un papel crucial en la seguridad vial, al asegurar que los vehículos cumplan con las condiciones técnicas exigidas por la normativa nacional. Sin embargo, los métodos de mantenimiento correctivo y preventivo empleados tradicionalmente generan tiempos de inoperables y sobrecostos que afectan la operación continua de los equipos de inspección. Esta investigación desarrolla una solución basada en aprendizaje automático (Machine Learning) con el objetivo de analizar los resultados de los ensayos de adherencia obtenidas mediante el probador de suspensión de la línea de vehículos livianos del Centro de Diagnóstico Automotor Certi Express Pereira S.A.S. Se recopilaron 2.360 registros de pruebas y, tras un proceso de limpieza, normalización y análisis de variables, se construyó un modelo predictivo capaz de detectar patrones asociados a fallas potenciales tanto en los equipos de medición como en los vehículos inspeccionados. Los resultados evidencian que la aplicación de modelos de aprendizaje automático en entornos de diagnóstico automotor mejora significativamente la detección temprana de anomalías, permite optimizar la planificación del mantenimiento y contribuye a reducir los costos operativos y los tiempos de inactividad.
dc.description.abstract	Predictive maintenance has become a fundamental mechanism for ensuring the reliability, availability, and efficiency of industrial equipment. In the Colombian automotive sector, Automotive Diagnostic Centers (CDAs) play a crucial role in road safety by ensuring that vehicles meet the technical requirements of national regulations. However, traditional corrective and preventive maintenance methods generate downtime and additional costs that affect the continuous operation of inspection equipment. This research develops a machine learning-based solution to analyze the results of adhesion tests obtained using the suspension tester of the light vehicle line at the Certi Express Pereira S.A.S. Automotive Diagnostic Center. 2,360 test records were collected and, after a cleaning, normalization, and variable analysis process, a predictive model was built capable of detecting patterns associated with potential failures in both the measuring equipment and the inspected vehicles. The results show that the application of machine learning models in automotive diagnostic environments significantly improves the early detection of anomalies, allows for optimized maintenance planning, and contributes to reducing operating costs and downtime.
dc.description.degreelevel	Maestría	spa
dc.description.degreename	Magíster en Ingeniería	spa
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Universidad EAFIT
dc.identifier.reponame	reponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourl	repourl:https://repository.eafit.edu.co
dc.identifier.uri	https://hdl.handle.net/10784/37596
dc.language.iso	spa
dc.publisher	Universidad EAFIT	spa
dc.publisher.department	Área Ciencias Fundamentales	spa
dc.publisher.faculty	Escuela de Ciencias Aplicadas e Ingeniería	spa
dc.publisher.place	Medellín
dc.publisher.program	Maestría en Ingeniería	spa
dc.rights	Todos los derechos reservados	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Acceso abierto
dc.subject	Mantenimiento predictivo
dc.subject	Inteligencia Artificial
dc.subject	Análisis de datos
dc.subject	Aprendizaje automático
dc.subject.keyword	Predictive maintenance
dc.subject.keyword	Artificial Intelligence
dc.subject.keyword	Data analysis
dc.subject.keyword	Machine learning
dc.subject.lemb	INGENIERÍA - INVESTIGACIONES
dc.subject.lemb	APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL) - APLICACIONES INDUSTRIALES
dc.subject.lemb	VEHÍCULOS - MANTENIMIENTO Y REPARACIÓN
dc.subject.lemb	LOCALIZACIÓN DE FALLAS (INGENIERÍA)
dc.title	Desarrollo de modelo predictivo basado en machine learning para anticipar fallas en el probador de suspensión de la línea de livianos del Centro de Diagnóstico Automotor Certi Express Pereira S.A.S.
dc.type	info:eu-repo/semantics/masterThesis
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis de Maestría	spa
dc.type.redcol	http://purl.org/redcol/resource_type/TM
dc.type.spa	Caso
dc.type.version	info:eu-repo/semantics/acceptedVersion
dspace.entity.type	Publication