000 | 01737 a2200229 04500 | ||
---|---|---|---|
001 | 9670 | ||
007 | 54 p. | ||
008 | 050619s2022 ck a spa d | ||
041 | 0 | _aspa | |
082 | 0 |
_a610.28 _bG731d |
|
100 |
_aGracia Ramirez, David Leonardo. _91013 |
||
245 | 0 |
_aDesarrollo de un aplicativo web para el apoyo de identificación de fallas comunes en máquinas de anestesia en un hospital de alta complejidad / _h[Recurso Electrónico] / _cDavid Leonardo Gracia Ramirez. |
|
260 | 4 |
_aBogotá (Colombia) : _bEscuela Colombiana de Ingeniería Julio Garavito, _c2022 |
|
300 | 4 |
_a54 paginas. _bgráficos. |
|
500 | _aTesis (Ingeniero Biomédico) | ||
520 | _aEl 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. | ||
650 | 0 |
_aINGENIERÍA BIOMÉDICA _911877 |
|
650 | 0 |
_aINGENIERÍA CLÍNICA _918961 |
|
700 |
_edirector. _aAya Parra, Pedro Antonio _962450 |
||
856 | _uhttps://repositorio.escuelaing.edu.co/handle/001/2146 | ||
942 |
_2ddc _cTE |
||
999 |
_c23260 _d23260 |