Desarrollo de un aplicativo web para el apoyo de identificación de fallas comunes en máquinas de anestesia en un hospital de alta complejidad / [Recurso Electrónico] / David Leonardo Gracia Ramirez.
Idioma: Español Editor: Bogotá (Colombia) : Escuela Colombiana de Ingeniería Julio Garavito, 2022Descripción: 54 paginas. gráficosTema(s): INGENIERÍA BIOMÉDICA | INGENIERÍA CLÍNICAClasificación CDD: 610.28 Recursos en línea: Haga clic para acceso en línea Resumen: El presente documento es el resultado de la investigación de fallas comunes en máquina de anestesia realizada en un hospital de cuarto nivel en la ciudad de Bogotá. Además, se encuentra la metodología que se realizó para el desarrollo del aplicativo web de identificación de fallas a partir de los datos de los mantenimientos correctivos recolectados en el hospital de los fabricantes Dräger y Datex Ohmeda por medio de dos métodos de Machine Learning. Obteniendo como resultado un aplicativo web de soporte para el personal de ingeniería biomédica para la identificación de fallas en máquinas de anestesia de marca Dräger mediante el método de Decision Tree Classifier con un 64% de certeza. Mientras que para Datex Ohmeda el método con mayor precisión fue Random Forest Classifier con el 74% de efectividad.Tipo de ítem | Ubicación actual | Colección | Signatura | Info Vol | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems |
---|---|---|---|---|---|---|---|---|---|
TRABAJOS DE GRADO | Biblioteca Jorge Álvarez Lleras Fondo general | Digital | 610.28 G731d (Navegar estantería) | Ej.1 | 1 | Disponible | D002230 |
Tesis (Ingeniero Biomédico)
El presente documento es el resultado de la investigación de fallas comunes en máquina de anestesia realizada en un hospital de cuarto nivel en la ciudad de Bogotá. Además, se encuentra la metodología que se realizó para el desarrollo del aplicativo web de identificación de fallas a partir de los datos de los mantenimientos correctivos recolectados en el hospital de los fabricantes Dräger y Datex Ohmeda por medio de dos métodos de Machine Learning. Obteniendo como resultado un aplicativo web de soporte para el personal de ingeniería biomédica para la identificación de fallas en máquinas de anestesia de marca Dräger mediante el método de Decision Tree Classifier con un 64% de certeza. Mientras que para Datex Ohmeda el método con mayor precisión fue Random Forest Classifier con el 74% de efectividad.
No hay comentarios en este titulo.