| dc.contributor.advisor | Giró, Germán | |
| dc.contributor.author | Villarruel, Lucas Andrés | |
| dc.date.accessioned | 2026-10-13T18:33:59Z | |
| dc.date.available | 2026-10-13T18:33:59Z | |
| dc.date.issued | 2026 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.14125/2251 | |
| dc.description.abstract | La gestión óptima del mantenimiento en redes eléctricas de media tensión requiere métodos
analíticos capaces de clasificar y priorizar las fallas basándose en su frecuencia temporal y su
tipología eléctrica. El presente trabajo desarrolla una metodología de diagnóstico causal y
priorización de activos sobre líneas de distribución de 13.2 kV y 33 kV en una red de la región
patagónica argentina, utilizando registros históricos de actuación de reconectadores
automáticos | es |
| dc.format | application/pdf | es |
| dc.format.extent | 53 p- | es |
| dc.language.iso | spa | es |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.subject | Ciencia de Datos | es |
| dc.subject | Redes Eléctricas | es |
| dc.subject.other | K-Means | es |
| dc.subject.other | Aprendizaje no Supervisado | es |
| dc.title | Diagnóstico causal y priorización de activos en sistemas de distribución eléctrica de media tensión : un enfoque basado en caracterización de firmas eléctricas y aprendizaje no supervisado | es |
| dc.type | bachelorThesis | es |
| thesis.degree.name | Licenciado/a en Ciencia de Datos | es |
| thesis.degree.grantor | Universidad del Gran Rosario | es |
| dc.type.version | acceptedVersion | es |
| dc.rights.accessLevel | openAccess | es |
| dc.description.fil | Fil: Villarruel, Lucas Andrés. Universidad del Gran Rosario; Argentina. | es |