Control inteligente de incidentes industriales en empresa de Gas Licuado de Petróleo (GLP) mediante estadísticas multivariantes y aprendizaje automático

León del Valle, Wilson William; Borbor Mieles, John Jairo

DSpace Principal
→
Unidades Académicas
→
Facultad de Ciencias Naturales y Matemáticas
→
Tesis de Estadística
→
Ver ítem

dc.contributor.advisor	Bauz Olvera, Sergio Alex, Director
dc.contributor.author	León del Valle, Wilson William
dc.contributor.author	Borbor Mieles, John Jairo
dc.creator	ESPOL.FCNM
dc.date.accessioned	2025-03-20T16:36:08Z
dc.date.available	2025-03-20T16:36:08Z
dc.date.issued	2024
dc.identifier.citation	León del Valle, W. W. y Borbor Mieles, J. J. (2024). Control inteligente de incidentes industriales en empresa de Gas Licuado de Petróleo (GLP) mediante estadísticas multivariantes y aprendizaje automático. [Proyecto Integrador]. ESPOL.FCNM .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/65678
dc.description	El proyecto propone un sistema de control inteligente de incidentes industriales en una empresa de Gas Licuado de Petróleo (GLP), con el objetivo de identificar y prevenir incidentes antes de que se conviertan en amenazas reales. Se justifica por la alta peligrosidad del GLP y la necesidad de mejorar la seguridad en su manejo y transporte. En el desarrollo del proyecto, se utilizaron técnicas estadísticas multivariantes y algoritmos de aprendizaje automático. Los datos se recopilaron mediante plataformas de geolocalización y se analizaron con herramientas como RStudio. Se realizó un análisis exploratorio y se construyeron modelos predictivos mediante árboles de decisión. Los resultados muestran que los incidentes más frecuentes en las unidades de transporte fueron exceso de velocidad y paradas en lugares no seguros, destacando diferencias entre los colectivos de distribución y abastecimiento. El modelo predictivo permitió anticipar situaciones de riesgo, mejorando la seguridad vial. Se concluye que el uso de modelos predictivos y técnicas de control inteligente ha mejorado significativamente la gestión de riesgos en la empresa. Se recomienda mantener el monitoreo constante de los indicadores y capacitar a los trabajadores para asegurar la efectividad de las medidas implementadas. Palabras clave: seguridad vial, Gas Licuado de Petróleo, control inteligente, aprendizaje automático
dc.format	application/pdf
dc.format.extent	54 página
dc.language.iso	spa
dc.publisher	ESPOL.FCNM
dc.rights	openAccess
dc.subject	Seguridad vial
dc.subject	Gas Licuado de Petróleo
dc.subject	Control inteligente
dc.subject	Aprendizaje automático
dc.title	Control inteligente de incidentes industriales en empresa de Gas Licuado de Petróleo (GLP) mediante estadísticas multivariantes y aprendizaje automático
dc.type	Ingeniero Estadístico
dc.identifier.codigoespol	T-115001
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	MATE-206
dc.description.abstractenglish	The project proposes an intelligent control system for industrial incidents in a Liquefied Petroleum Gas (LPG) company, with the aim of identifying and preventing incidents before they become real threats. It is justified by the high danger of LPG and the need to improve safety in its handling and transportation. In the development of the project, multivariate statistical techniques and machine learning algorithms were used. Data was collected using geolocation platforms and analyzed with tools such as RStudio. An exploratory analysis was carried out and predictive models were built using decision trees. The results show that the most frequent incidents in the transport units were excessive speed and stops in unsafe places, highlighting differences between the distribution and supply groups. The predictive model made it possible to anticipate risk situations, improving road safety. It is concluded that the use of predictive models and intelligent control techniques has significantly improved risk management in the company. It is recommended to maintain constant monitoring of the indicators and train workers to ensure the effectiveness of the implemented measures. Keywords: road safety, Liquefied Petroleum Gas, intelligent control, machine learning.