Implementación de un sistema de gestión de mantenimiento de equipos neonatales para un establecimiento de Essalud región Lima usando reconocimiento óptico de caracteres y modelo Weibull

Abstract

El presente trabajo de investigación propone una alternativa de solución al problema del establecimiento de Essalud región Lima debido a la falta de mecanismos de monitoreo y control de mantenimientos para los equipos neonatales de asistencia respiratoria, lo cual impacta de manera directa en la salud de los recién nacidos en este hospital y que requieren recibir asistencia de estos equipos. Para la solución propuesta se usa un algoritmo OCR basado en Mobile Visión, el cual permite identificar en campo el código numérico del equipo mediante una aplicación Android en el teléfono móvil y luego se usa el modelo Weibull, para determinar la probabilidad de falla del equipo en ese instante. El sistema utiliza el tiempo medio entre fallas obtenida de la información histórica de cada equipo para calcular la probabilidad de falla actual y el punto máximo de funcionamiento, los cuales serán recalculados cada vez que el equipo sea escaneado. Al utilizar el sistema de reconocimiento óptico de caracteres se obtuvo una exactitud de detección de 88%. Finalmente se muestran las conclusiones de la investigación y algunas sugerencias de mejora para trabajos futuros.

This research work proposes an alternative solution to the problem of the stableness of Essalud Lima region due to the lack of monitoring and maintenance control mechanisms for neonatal respiratory care equipment, which directly impacts the health of newborns in this hospital and that require assistance from this equipment. The proposed solution uses a Mobile Vision-based OCR algorithm, which allows you to identify the computer's numeric code in the field using an Android app on the mobile phone and then use the Weibull model, to determine the probability of computer failure at that time. The system uses the average time between failures obtained from the historical information of each computer to calculate the current probability of failure and the maximum operating point, which will be recalculated each time the equipment is scanned. Using the optical character recognition system resulted in a detection accuracy of 88%. Finally, the findings of the research and some suggestions for improvement for future work are shown.