El Repositorio Institucional de la Universidad ESAN tiene como objetivos preservar y difundir el conocimiento académico y científico producido en la universidad bajo los parámetros de acceso abierto
Envíos recientes
Mejora del flujo del proceso de auditoría para disminuir el tiempo de actualización de informes aplicando la metodología BPM
(Universidad ESAN, 2025) Pardo Posso, Erick Tala; Saenz Ponce, Karina Viviana; Huachaca Cereceda, Reyna; Calderón Niquín, Marks
La investigación aborda la optimización del proceso de auditoría en el holding Nexus Group Restaurant (NGR), una empresa gastronómica con seis unidades de negocio (Bembos, Chinawok, Don Belisario, Popeyes, Dunkin Donuts y Papa Johns). El objetivo principal es reducir el tiempo de actualización de informes mediante la metodología Business Process Management (BPM). Debido a que, se identificó que la gestión ineficiente del proceso genera demoras afectando la operatividad. Utilizando la herramienta BPM, se propone la automatización del proceso de carga de datos al Power BI y la capacitación del personal. De esta manera se busca mejorar la planificación, ejecución y control del proceso de auditoría; obteniendo los siguientes resultados: reducir el tiempo del proceso, aumentar el porcentaje de informes correctos, disminuir los reprocesos y elevar la satisfacción del cliente. La implementación de estas herramientas y estrategias no solo agiliza el proceso de auditoría, también fortalece la eficiencia operativa de NGR. Este enfoque demuestra cómo la tecnología y la formación pueden transformar procesos clave en el sector gastronómico.
Propuesta de implementación de los módulos de ventas, compras e inventarios del ERP Odoo en la empresa Ich Corp.
(Universidad ESAN, 2025) De la Cruz Chavez, Ricardo Gabriel; Garces Rodriguez-Herrera, Julio Alberto; Toro Iparraguirre, Yessica Milagros; Chávez Rojas, Mónica Patricia
En un entorno empresarial altamente dinámico, la transformación digital es crucial para mejorar la competitividad y eficiencia operativa. Ich Corp S.A., empresa peruana con más de 40 años de experiencia en el sector agroindustrial, enfrenta desafíos en sus procesos internos debido al uso predominante de información analógica y la ausencia de un área de mejora continua. Esto genera demoras, discrepancias en el stock y resistencia al cambio del personal, afectando su capacidad de adaptación. Este estudio propone la implementación de un sistema ERP para integrar las áreas clave de la empresa, optimizando la gestión de información y reduciendo errores operativos. Además, se plantean estrategias para gestionar el cambio organizacional, asegurando una transición eficiente hacia la digitalización. La adopción del ERP permitirá mejorar la competitividad en mercados nacionales e internacionales, optimizar la eficiencia operativa y fortalecer la satisfacción del cliente en toda la cadena de valor.
Optimización del control de consumo de combustible mediante visualización de datos usando módulos basados en inteligencia artificial
(Universidad ESAN, 2025) Chuquival Alvarado, Alexander; Goñas Mas, Gloria Josefina; Cisneros Abregu, Luis Enrique; Calderón Niquín, Marks
Según el Ministerio de Energía y Minas el sector económico de hidrocarburos es importante en el país, se observa que en la gran mayoría de proyectos en ejecución deben llevar un control de combustible, debido a los costos para el proyecto. Para poder abordar problemáticas de monitoreo y control tenemos una empresa para la investigación, esta empresa es extranjera a cargo de un proyecto, durante el cual los datos obtenidos fueron durante su ejecución y para el presente caso notamos que dichos procesos de obtención de datos no están estandarizados ni hay un encargado para un posterior análisis. De lo antes mencionado, se analizará si es posible aplicar un Optical Character Recognition (OCR) que nos permita registrar cada transacción de abastecimiento de combustible de manera digital, el RPA a utilizar es Make (Integromat), haciendo el procesos automático buscamos superando el problema de registro de datos, posterior a ello vemos conveniente estandarizar los datos y crear dashboard que permita observar de forma integral la problemática, y que nos permita desarrollar soluciones de optimización de consumo de combustible.
Desarrollo de un modelo predictivo para la propensión de la renovación de equipos móviles en clientes corporativos mediante técnicas de Machine Learning
(Universidad ESAN, 2025) Ale Ale, Neisser Alonzo; Chuquiyauri Haro, Carlos Adolfo; Quecaño Turpo, Jholiza Rebeca; Ballón Álvarez, Joseph
La renovación de equipos móviles en clientes corporativos es un factor clave en la planificación estratégica de las empresas de telecomunicaciones. Sin embargo, identificar qué clientes tienen mayor propensión a renovar sus dispositivos sigue siendo un desafío. En este estudio, se compararon diferentes modelos de Machine Learning para estimar la probabilidad de renovación de equipos móviles en clientes corporativos. Por ello, se recopilaron diversas fuentes de datos para analizar el comportamiento de los clientes incluyendo el historial de líneas móviles, patrones de consumo, penalizaciones y otros factores determinantes en la decisión de renovación. Luego, se entrenaron distintos algoritmos de aprendizaje supervisado como Logistic Regression, Decision Trees, Random Forest, XGBoost, LightGBM y CatBoost. Dado el desbalance de la data, se seleccionó la métrica AUC como criterio principal de evaluación. Además, se implementó un proceso de optimización de hiperparámetros para mejorar el rendimiento de cada modelo. Los resultados muestran que el modelo optimizado LightGBM tuvo el mejor desempeño en el conjunto de validación con un AUC de 0.8191. Esto evidencia el potencial de los modelos de Machine Learning para predecir la propensión de renovación de equipos móviles y mejorar la toma de decisiones estratégicas en el sector de telecomunicaciones.
Desarrollo de un modelo predictivo usando técnicas de Machine Learning y Deep Learning para el proceso de clasificación de criticidad de casos reportados en Service Request de una empresa de telecomunicaciones
(Universidad ESAN, 2025) Betancourt Cardenas, Stefano Jordan; Mendoza Perez, Wendy Jazmin; Perez Sueldo, Ivan Percy; Ballón Álvarez, Joseph
La presente investigación tiene como propósito desarrollar un modelo predictivo utilizando técnicas de Machine Learning y Deep Learning para la clasificación del nivel de criticidad asignado a los casos reportados en su sistema de tiquetera llamada Service Request para la empresa de telecomunicaciones “ABC”. La metodología empleada para esta investigación consiste en seis estadios: recolección de datos, exploración de datos, preprocesamiento, modelado, análisis de resultados e implementación. En relación a ello, se mencionan los modelos utilizados: Random Forest, Gradient Boosting, Support Vector Machine, Logistic Regression, Ensemble, MLP Neural Network y Deep Neural Network. Referente al preprocesamiento se utilizó métodos de ingeniería de características para mejorar el entendimiento de cada una de las variables al momento de entrenar cada modelo. Para la comparación de la eficiencia de los modelos y encontrar el mejor se utilizaron las siguientes métricas: Accuracy, Precision, Recall y F1 Score. Finalmente, el mejor modelo fue Deep Neural Network, con una precisión (accuracy) del 99.86%. A raíz de estos resultados, el mejor modelo fue estresado para validar su eficiencia con datos de prueba, concluyendo que al momento de discernir el nivel de criticidad de los casos lo realizó de manera satisfactoria, generando una mejora significativa en el proceso de gestión de requerimientos en la empresa ABC S.A.C.
