%0 Thesis
%A Bautista Acuña, Juan
%8 2026-05
%U https://hdl.handle.net/20.500.12880/16145
%X Diseño de un sistema de mantenimiento predictivo con ML, XAI y modelos generativos. Integra Random Forest y XGBoost con optimización de costes y explicabilidad mediante SHAP, generando diagnósticos interpretables para distintos perfiles. Demuestra la viabilidad de sistemas explicables para detección de fallos industriales
%T Diseño e implementación de solución para la detección de fallas en sistemas basados en sensores mediante machine learning, inteligencia artificial explicable y agentes de IA generativa.
%K Big Data
%K Inteligencia Artificial
%K Machine earning
%~ END