Repositorio Institucional Ulima

Redes Neuronales para el reconocimiento de patrones no tradicionales en la predicción de accidentes fatales en la industria minera peruana

Redes Neuronales para el reconocimiento de patrones no tradicionales en la predicción de accidentes fatales en la industria minera peruana

Schwarz-Díaz, Max;
URI: http://repositorio.ulima.edu.pe/handle/ulima/4814
Fecha: 2017

Resumen:

La investigación propone utilizar redes neuronales para el reconocimiento de patrones no tradicionales en la predicción de accidentes fatales en la industria minera peruana para lo cual explora 6,568 reportes y 239 Informes de Investigación del Ministerio de Energía y Minas reportados entre 2010-2015. La investigación concluye con un error de precisión de 0.0761% la existencia de patrones no tradicionales como la complejidad operacional, experiencia laboral o disponibilidad de equipos que presentan alta influencia en la accidentabilidad y desarrolla un instrumento para predecirla con fines académicos e industriales.

Citación APA:

Schwarz, M. (2017). Redes Neuronales para el reconocimiento de patrones no tradicionales en la predicción de accidentes fatales en la industria minera peruana. Revista Científica de la UCSA, 4(2), 6-12. Recuperado de http://ucsa.edu.py/yeah/wp-content/uploads/2017/09/2.-AO_Schwarz-M_6-12-GV-sin-doi.pdf

Publica:

Universidad del Cono Sur de las Américas
Paraguay

Categoría / Subcategoría

Industria / Industria minera

Materias:

Minería
Seguridad industrial
Accidentes de trabajo

ISSN:

2409-8752

Nota:

Indexado en SciELO

Revista:

Revista Científica de la UCSA

Mostrar el registro completo del ítem

Ficheros en el ítem

Icon
Nombre: Schwarz_Max.pdf
Tamaño: 174.8Kb
Formato: PDF
Ver/

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

info:eu-repo/semantics/openAccess Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess

Buscar en el repositorio


Listar

Mi cuenta