Ingeniería Industrial Comercial

Permanent URI for this collection

https://hdl.handle.net/20.500.12640/3739

Browse

Now showing 1 - 20 of 34

Open Access
El impacto de la cultura organizacional en la innovación de procesos de las pymes peruanas según el entorno VUCA
(Universidad ESAN, 2020) Chirinos Mendoza, José Luis; Loza Puerta, Eloy Alejandro; Meneses Chuquillanqui, Andrea Del Carmen; Ponce Sifuentes, Thalia Mercedes; Tambini De La Peña, Maritha Alicia; Santana Ormeño, Martín
Hoy en día, la innovación juega un papel clave en el logro de ventajas competitivas de manera sostenible que permite a las empresas, principalmente a las de menor tamaño, mejorar su desempeño económico, organizativo y financiero, toda vez que este tipo de empresas tiene mayor capacidad de adaptación y de respuesta a los cambios del entorno, logrando explotar oportunidades existentes en mayor medida que el resto de la competencia. En este contexto se ha realizado la presente investigación acerca de cómo influyen estas variables entre sí, sobretodo partiendo del desempeño en la innovación. Por otro lado, se aplicarán técnicas de recolección de datos a fin de contribuir de manera eficiente a esta investigación, y también, como parte del estudio se propone analizar las MYPES del Perú. El presente estudio busca contribuir a la literatura con nuevas evidencias para entender la relación existente entre la cultura organizacional y la innovación, así como la importancia del tipo de cultura, exponiendo las necesidades de la organización y cómo orientar el desarrollo de un clima laboral que comprometa e identifique a los empleados dentro de la empresa, alineándose de forma que todo el personal tenga el mismo pensamiento innovador y busque continuamente el cambio y equilibrio organizacional.
Open Access
La cultura organizacional y su influencia en el proceso de toma de decisiones de las MYPES familiares de Lima Metropolitana
(Universidad ESAN, 2020) Castillo Gallo, Susan Alexandra; Lavado Benavides, Jesús André; Lovera Pineda, Claudia Carolina; Roncal Bazan, Carlos Fernando; Sánchez Mendoza, Emily Alessandra; Santana Ormeño, Martín
En el Perú, alrededor del 80% de las empresas existentes son de origen familiar y aportan el 40% de PBI. Dentro de la mayoría de las familias peruanas hay una cabeza o un proveedor quien tiende a ser el líder de la empresa y cuyas decisiones determinan la cultura y el desempeño (rentabilidad) de la misma. Sin embargo, no se puede deducir a priori si la cultura organizacional afecta o influye sobre las decisiones de los líderes de empresas familiares, es por eso que en este estudio se busca determinar cómo la cultura organizacional de las diferentes empresas MYPES familiares de Lima Metropolitana guarda una relación con el proceso de toma de decisiones dentro de las mismas. Para responder a este problema, se buscará determinar si la comunicación, el aprendizaje y desarrollo, la diversidad cultural, el trabajo en equipo y la confianza, obligación y cohesión tienen una influencia significativa sobre la toma de decisiones. Este estudio presenta dos tipos de metodología de investigación, la observacional y la correlacional, ambas se trabajan con una muestra de 30 MYPES familiares en Lima Metropolitana. Luego de la implementación de la metodología se espera evidenciar la influencia de la cultura organizacional sobre el proceso de tomas de decisiones, sin embargo, se podría obtener resultados negativos ya que es muy probable que las decisiones tomadas por el líder o cabeza de familia sean totalmente personales y que no exista una cultura organizacional establecida.
Open Access
Análisis del impacto de la participación externa sobre la transformación digital en las organizaciones del sector bancario en el Perú, considerando el rol moderador de la incertidumbre tecnológica y la cultura organizacional de mercado
(Universidad ESAN, 2020) Cosio Olazabal, Velia Alejandra; Mamani López, Mayra Alejandra; Pimentel Bravo, Víctor; Rojas Burga, Pierina Alexandra; Vela Mejía, Diego Alonso; Velásquez Sarmiento, Carlos Abel; Santana Ormeño, Martín
A medida que la interacción digital se ha ido volviendo parte de la vida cotidiana, también las necesidades de los servicios financieros han ido cambiando, siendo cada vez más flexibles con disponibilidades de 24 horas al día, los 7 días de la semana y que sean fáciles de utilizar como las redes sociales o los correos electrónicos. Esto ha impulsado a los bancos a ofrecer un servicio consistente a través de todos los canales de distribución y a repensar el papel de las sucursales. En este contexto, el presente estudio pretende demostrar cómo la transformación digital en el sector bancario se ve afectada por la participación externa considerando dos variables como rol moderador, la incertidumbre tecnológica y la cultura organizacional. Para llevar a cabo la elaboración del siguiente trabajo de investigación se definió las variables dependientes e independientes, considerando las dos moderadoras. Posteriormente se procedió a esbozar el modelo con las variables dependientes, independientes y moderadoras definiendo la población de estudio, la cual consta de 49 entidades financieras a nivel nacional (Perú). La metodología planteada es cuantitativa y para ello se procedió a plantear un cuestionario para hallar el Índice de Transformación Digital de Arthur D. Little. En base a los resultados se busca contribuir como base a los posteriores trabajos enfocados en el sector banca, a la vez de brindar un documento guía de cómo el impacto de la transformación digital se da en las organizaciones bancarias en el Perú.
Open Access
La educación virtual como estrategia de negocio en el sector educativo y su impacto en el desempeño financiero de las universidades de postgrado a través de los resultados en el servicio al cliente
(Universidad ESAN, 2020) Garay Rubina, Amelia Jacqueline; Meléndez Fernández, Ana Lucero; Melgarejo Jiménez, Rodrigo Alí; Palacios Olivares, Ana Laura; Surco Ninahuanca, Solange Juselina; Santana Ormeño, Martín
El 2020 fue un año de muchos cambios en el contexto de una pandemia mundial por el Covid-19. Debido a las restricciones de movilización muchas empresas se han visto obligadas a adaptarse y a cambiar sus estrategias de negocio. Dentro de estas es la educación de postgrado la que ha denotado un mayor interés en el mercado ya que se aprecia un importante crecimiento en segmentos concretos como el de mujeres, el de trabajadores independientes o personas de mayor edad en comparación al año 2019. En este escenario, este trabajo de investigación busca conocer qué tanto ha influenciado la educación virtual como nueva estrategia de las universidades postgrado en su desempeño financiero a través de su impacto en el servicio al cliente, tomando como base las teorías de estrategia de negocio y servicio al cliente. El método de investigación a aplicar medirá el impacto de la estrategia en el servicio en sus dimensiones satisfacción, fidelidad, retención y calidad, asimismo, que tanto afectó ello en su desempeño financiero.
Open Access
Las capacidades dinámicas y su influencia en la innovación de productos para mejorar el desempeño financiero en las Pymes
(Universidad ESAN, 2020) Cruz Solórzano, Dana Cristina; Oncoy Tahua, Estephanie Pamela; Pacheco Olivera, Daniela; Salazar De La Cuba, José Alonso; Urquizo Ayala, Milagros Helena; Santana Ormeño, Martín
La mayor parte de las Pymes presenta debilidades de carácter estructural lo cual disminuye su competitividad y condicionan su capacidad de supervivencia y crecimiento. En un entorno cambiante, en el que existe una rápida evolución tecnológica y una mayor competencia en los mercados es necesarios ajustes en los recursos y capacidades de la organización para lograr procesos y productos innovadores, así como crear, mantener y apropiarse de los beneficios potenciales que generan ventajas competitivas sostenibles. En este estudio de investigación se busca analizar a la PyMES y cómo mejorar su rendimiento para poder responder de una manera adecuada a las cambiantes necesidades del mercado. Es así que se propone una correlación positiva entre las capacidades dinámicas de las empresas, y cómo estas se ven influenciadas por un entorno VUCA, además, se plantea nuevos y profundos desafíos por lo cual cada organización responderá y optará por las estrategias y decisiones que considere correctas. Finalmente se propone la relación positiva entre innovación de productos en PyMES y cómo éstas ayudarían a tener ventaja competitiva para que de esta manera pueda generar un mejor desempeño financiero.
Open Access
Propuesta de implementación de una estrategia de cadena de suministro esbelta a través del uso de RFID para la mejora de la efectividad en el proceso logístico de la harina de pescado en una empresa pesquera
(Universidad ESAN, 2021) Llontop Bravo, Ana Paula; Najar Monteagudo, Sergio; Poquioma Alejo, Katia; Salomé Sayas, Gabriela; Sánchez Barriga, Olga; Estrada Morriberón, Renzo Angel
El trabajo de investigación tiene como finalidad minimizar los gastos generados por las ineficiencias durante la operación de exportación para el producto de harina de pescado, ya que es el producto que genera mayores ingresos a la empresa de estudio. Dado los cambios en el entorno causado por la pandemia, estos gastos se han incrementado por lo cual es el motivo principal para analizar y proponer las estrategias metodológicas y tecnológicas que ayuden a minimizar las causas que generan estos gastos. El proceso de exportación se inicia desde el despacho en plantas hasta el término del consolidado de la carga en los terminales extraportuarios en Callao, proceso en el cual intervienen varias áreas a las que se propone la gestión del cambio de implementar la metodología de la cadena de suministro esbelta mediante Kaizen y el uso del RFID para reducir los tiempos y entregar los pedidos sin pérdidas. El análisis presenta mejoras como ahorros operativos y disminución en los tiempos de atención con la propuesta, por eso, parte de la solución es concientizar la metodología de cadena de suministros esbelta en conjunto con la aplicación del RFID para una mayor trazabilidad de la operación.
Open Access
Propuesta de integración vertical para mejorar el desempeño medioambiental de la cadena de suministro de una empresa nacional de fabricación de artículos plásticos mediante la incorporación de la fabricación aditiva
(Universidad ESAN, 2021) Atanacio Gonzales, Oscar Renato; Mejía Suárez, Carol Janeth; Rodriguez Terán, Carlos Enrique; Salazar Lizarraga, Jose Eduardo; Villanueva Arévalo, Karla Ximena; Estrada Morriberón, Renzo Angel
La presente investigación tiene como objetivo presentar una propuesta descriptiva de implementación de una estrategia de Integración Vertical para la mejora del desempeño medioambiental de la cadena de suministro de una empresa ubicada en Lima dedicada a la fabricación de artículos plásticos por moldeo por inyección. Como herramienta se explora la Fabricación Aditiva para la producción de los Moldes que es un elemento crítico en el proceso productivo. La estructura de este trabajo tiene como objetivo revisar la literatura relacionada a este tipo de investigación, revisar los conceptos teóricos de: Desarrollo Sostenible, Cadena de Suministro verde, ISO 14031, Fabricación Aditiva, Impresión 3D y Moldeo por inyección; finalmente, se hace la aplicación de la teoría al caso de estudio. Como conclusión, se indica que adoptar un enfoque de Cadena de Suministro Verde permite a una empresa de producción desarrollar estrategias que impacten positivamente en su desempeño medioambiental y además contribuir a la sostenibilidad ambiental desde las relaciones entre los agentes involucrados en dicha cadena (desde proveedores hasta los clientes). En adición, la investigación puede ayudar y contribuir a futuras empresas del mismo rubro que deseen implementar esta metodología en sus organizaciones.
Open Access
Modelo de Machine Learning para la segmentación automática de clientes según su perfil de compra del canal de venta interna en Molitalia
(Universidad ESAN, 2021) Bernuy Murriel, Astrid Carolina; Manza Briceño, Mirella Maribel; Garay Macukachi, Jessica Diyanira; Guillen Aguilar, Yomira Alizon; Juarez Polar, Jefry Romulo; Fabian Arteaga, Junior John
Debido al COVID-19, la empresa Molitalia redujo sus ventas en los canales internos y externos, esto se debe a que los consumidores han reducido su poder de compra en las categorías de alimentos; por lo cual, Molitalia se ve obligada a mapear soluciones y estrategias que se adapten al nuevo entorno. Siendo uno de los hallazgos la poca capacidad de respuesta a las exigencias y preferencias de los clientes internos. Por ello, este proyecto se centró en el desarrollo de un modelo de segmentación automática de perfiles de compra de los clientes internos, con ello se podrá implementar estrategias que se adapten a las necesidades de los clientes, responder rápidamente a los cambios en la demanda, contar con información a tiempo real del perfil de compra del cliente, agilizar y fortalecer los procesos de venta para beneficio de la organización.Para ello, se desarrollaron diez modelos de Machine Learning usando la técnica de aprendizaje no supervisado “K-Means”. Además, se analizaron y evaluaron los modelos mediante dos validaciones: teórica, mediante el indicador “inercia”; y práctica, por medio del experto de estrategia comercial. Concluyendo que el mejor modelo es el K=4, logrando descubrir cuatro perfiles de clientes internos: Beginners, Middle, Expert, Senior.
Open Access
Propuesta de optimización de procesos operativos para incrementar la productividad y reducir el nivel de inventario en la conversión vehicular
(Universidad ESAN, 2021) Valverde Valverde, Alexandra Alicia; Vásquez Jeri, Diego Mauricio; Soto Contreras, Jorge; Tarazona Romero, Juan Jesús Eugenio; Sequeiros Tumpay, Selenia Guadalupe; Estrada Morriberón, Renzo Angel
En el presente trabajo de investigación no experimental se expondrá el análisis, diagnóstico y propuesta de solución para optimizar el proceso de preparación vehícular de una de las empresas con mayor participación de mercado en el sector automotriz en el Perú. El objetivo principal de esta investigación es diseñar una propuesta de mejora de procesos bajo el marco metodológico de Business Process Management (BPM) que busca incrementar la productividad con la cual se tendría un impacto directo en el nivel de inventario de vehículos en el Centro de Distribución. Se realizó un análisis de todos los procesos que forman parte del área de producción, el cual incluye la preparación de vehículos (inspecciones de calidad, conversiones a gas, etc) antes de ser despachados al cliente final (directo o por concesionario). Se estableció un rediseño de procesos como propuesta de solución que pretende aumentar la productividad. Para comprobar el nivel de impacto de la propuesta de solución se ha empleado el software de simulación Arena. Finalmente, se menciona la variación de los indicadores determinados del modelo actual (AS IS) y después de la simulación obtenida con el diseño de la propuesta de solución (TO BE) obteniendo un impacto teórico significativo.
Open Access
Propuesta de un modelo de machine learning para el pronóstico de la demanda de prendas de vestir en la Corporación Brusko S.A.C.
(Universidad ESAN, 2021) Ccoyccosi Choque, Ronald Alberto; Huanay Palomino, Luis Ernesto; Huayllasco Chafloque, Ethel Diana; Loayza Díaz, Vanessa; Mayorga Lopez, Katiuska Fiorela; Fabian Arteaga, Junior John
En el Perú existen muchas empresas a cargo de la compra y venta de bienes (retails), para ellas la determinación de la demanda es crucial ya que esta impacta significativamente en los costos e ingresos que pueden llegar a tener. La presente investigación plantea pronosticar la demanda de los pantalones de caballero de la Corporación Brusko bajo la metodología CRISP-DM y empleando la técnica de regresión lineal. Se trabajó con datos brindados por la empresa (2018 – 2021), con ello se realizó el modelo de pronóstico y se obtuvieron los siguientes RMSE: 23.78 para el año 2018, 13.22 para el año 2019, 47.12 para el año 2020 y 17.87 para el año 2021. Además, se realizó el mismo análisis para la totalidad de años teniendo como resultado un RMSE de 59.07. Los datos presentaron outliers debido a la pandemia; eliminando estos datos atípicos se volvió a correr el modelo para la totalidad de los años obteniendo un RMSE de 29.98, el cual fue mejor comparado al modelo con la totalidad de datos sin outliers. Realizando el análisis de los resultados nos quedamos con el modelo para el año 2019, un año que no presenta outliers y con un adecuado RMSE.
Open Access
Técnicas de Machine Learning para la clasificación automática de clientes en una empresa de seguros
(Universidad ESAN, 2021) Asencio Diaz, Luz de los Angeles Manuela; Chiang Cornejo, Ricardo Hernan; Crisóstomo Fernández, Fernanda Lucía; Hernández Quiroz, Gisela Vanesa; Lajo Aurazo, Almendra Sofia; Fabian Arteaga, Junior John
Machine Learning y los modelos matemáticos en los que se basa para poder identificar patrones y dar una estimación basada en data histórica son usados cada vez más en diferentes industrias para procesar información que antes se consideraba masiva y por ende difícil de relacionar de manera certera por métodos tradicionales. Con la inclusión de las técnicas de como regresión logística y K-NN, hoy en día es posible formular y proponer un modelo de predicción de aprendizaje supervisado que se ajuste a los requerimientos de clasificación de una empresa. Esta investigación propone la aplicación de las mencionadas técnicas para la elaboración de modelos predictivos de clasificación de tipos de asegurados para una determinada empresa en la industria aseguradora de vehículos automóviles; usando como base de datos los registros históricos recopilados del año 2019.
Open Access
Técnica de Machine Learning para el cálculo de la probabilidad de fuga de los clientes de la empresa Bitel
(Universidad ESAN, 2021) Bernachea Collazos, Carla Benedicta; Chilet Paisig, Edward; Guzmán Fernández, Paola; Inche Contreras, Victor Hugo; Leon Munive, Johana Mayra; Fabian Arteaga, Junior Jhon
Según datos del Banco Mundial, la industria de las telecomunicaciones enfrenta cada año a una fuga de clientes que bordea el 30%. Estudios recientes han mostrado que tanto atributos cuantitativos: cantidad de minutos, mensajes, etc.; así como los cualitativos: edad, sexo, tipo de dispositivo tienen influencia en la fuga de clientes. En base a la literatura encontrada se definieron dos tipos de variables: demográficas y del comportamiento del consumidor las cuales son útiles para realizar la predicción de permanencia del cliente. Es por eso que haciendo uso de la técnica de regresión logística, se busca predecir la probabilidad de fuga de los clientes (Churn) de la empresa Bitel. Se realizó un exhaustivo trabajo de preprocesamiento y se llegó a entrenar un modelo de regresión logística con un accuracy score de 88%
Open Access
Propuesta de segmentación de clientes aplicando técnicas de Machine Learning para mejorar la experiencia de compra mediante un sistema de recomendación de productos de Tottus
(Universidad ESAN, 2022) Atencio Manyari, Stefany Anyela; De la Rosa Flores, Harold; Hilario Maravi, Sayuri; Navarro Huarcaya, Margareth; Rosas Vivanco, Dianaluz Milagros; Fabián Arteaga, Junior John
Actualmente, el constante cambio en los factores externos como la tecnología, el mercado, y ahora la pandemia global están obligando a las empresas del sector retail a buscar diferentes estrategias de venta para mejorar la experiencia de compra de sus clientes y así obtener mejores beneficios. Por ello, este trabajo busca segmentar a los clientes a través de la aplicación de técnicas de Machine Learning para crear un sistema de recomendación de productos personalizados de acuerdo con las características a la cual pertenece cada cliente y así mejorar la experiencia de compra agilizando y facilitando el proceso desde el aplicativo móvil de la empresa. La propuesta de segmentación se realizó aplicando para el preprocesamiento de los datos el método estadístico de PCA y se modeló mediante tres técnicas de aprendizaje no supervisado: K-means, K-medoids y Clustering Jerárquico. Estas técnicas se evaluaron de forma teórica considerando el método del codo y el dendograma los cuales resultaron en K grupos óptimos. Finalmente, para validarlo de forma práctica, se solicitó la evaluación de un experto de la empresa quien mediante una entrevista comparó los resultados de las técnicas y escogió a K-medoids como la segmentación más adecuada para el negocio.
Open Access
Mejora del proceso de disposición de productos observados en el área de Aseguramiento de Calidad de una empresa PET usando técnicas de machine learning
(Universidad ESAN, 2022) Ore Vargas, Jorge Humberto; Pinedo Chávez, Luis Alonso; Ramírez Núñez, Karen Andrea; Sullón Cabello, Claudia Noelia; Villanueva Méndez, Martín Jesús; Fabian Arteaga, Junior Jhon
La industria de empaques rígidos es un sector altamente competitivo en temas de calidad y precio en el Perú y el mundo. Es por ello, que se requiere que las empresas optimicen el uso de sus recursos para poder ofrecer lo que el mercado demanda. El presente trabajo plantea mejorar el proceso de disposición de productos observados en el área de Aseguramiento de Calidad a través de un modelo predictivo, resultante de la aplicación de técnicas de machine learning y así disminuir los tiempos que actualmente se emplean en este proceso. Estas técnicas son K-NN (k-Nearest Neighbors), Máquinas de soporte vectorial (SVM), Naive Bayes y Árbol de decisiones. Para su entrenamiento se usó data histórica de los años 2021 y 2022 la cual fue tratada y definida en conjunto con los especialistas. Como resultado de la evaluación del Accuracy de cada modelo, se pudo concluir que el más preciso es el Árbol de decisiones, la cual podrá ser aplicada a futuro en la empresa para contribuir con la mejora del proceso.
Open Access
Predicción de los valores de la demanda máxima de energía eléctrica empleando técnicas de machine learning para la empresa Nexa Resources – Cajamarquilla
(Universidad ESAN, 2022) Bustinza Barrial, Alexis Alfredo; Bautista Abanto, Anghy Mabel; Alva Alfaro, Diego Alexis; Villena Sotomayor, Giovanni Mauricio; Trujillo Sabrera, Jeanpiere Manuel; Fabian Arteaga, Junior Jhon
Nexa Resources Cajamarquilla es una empresa dedicada a la extracción, tratamiento y transformación de metales. Actualmente, el precio de metales eco amigables viene en aumento debido a las restricciones en el transporte marítimo de combustibles desde Rusia, por lo que se han incrementado los costos de petróleo, gasolina y otros. Las operaciones de las empresas que dependen de energía eléctrica generada por estos combustibles ha aumentado, es en este sentido que se ha propuesto disminuir su consumo de energía eléctrica aplicando herramientas de Machine Learning para pronosticar sus puntos máximos de demanda de energía y poder dosificar su producción. En el presente estudio se aplicó una metodología basada en una estructura cuantitativa relacionando de dos a más variables con un diseño experimental, la variable dependiente y a predecir es el consumo de energía la cual dependerá de periodos de tiempo y tipo de días de la semana (festivo, laborables). Finalmente, los resultados nos ayudaron a elaborar un modelo matemático que nos ayuda a conocer el comportamiento de la demanda de energía; por lo tanto, se pueden anticipar los consumos máximos y de esta manera dosificar su uso para reducir costos y efectos secundarios en los procesos de producción.
Open Access
Técnicas de Machine Learning para determinar la producción de cultivos y personal requerido en las campañas de cosecha de la empresa Fundos Rejas SAC
(Universidad ESAN, 2022) Briceño Rodríguez, Rafael Isaac; Celedonio Rojas, Marco Antonio; Crisóstomo Fernández, Walter Javier; Medrano Pelaez, Jose Luis; Salas Castillo, Patricia Elizabeth; Fabian Arteaga, Junior Jhon
Diferentes empresas están utilizando técnicas de Machine Learning para analizar sus conjuntos de datos con la finalidad de encontrar comportamientos y patrones que les permitan crear modelos matemáticos predictivos, que a su vez pueden predecir diferentes variables de salida para determinar la producción y la cantidad de personal requerido para los cultivos de palta, arándano y mandarina. En el presente estudio, se utilizó una base de datos que comprende los años de campañas de cosecha (2019 a 2022). Para ello, la metodología CRISP-DM para obtener un mejor alineamiento en la etapa de desarrollo. Se utilizaron técnicas de aprendizaje supervisado entre ellas Regresión lineal Múltiple, Árbol de Regresión y Vectores de Soporte de Regresión, para medir el modelo que tiene mejor desempeño se utilizaron las métricas como el R2 y RMSE. Dentro de los resultados obtenidos, se obtuvo que, para determinar la producción del cultivo de palta, la mejor técnica fue la de Regresión Lineal Múltiple y para los cultivos de arándano y mandarina fue el Árbol de Regresión, por otro lado, para determinar la cantidad de trabajadores para el cultivo de palta el mejor modelo fue Árbol de Regresión y para los cultivos de mandarina y arándano fue el SVR.
Open Access
Aplicación de técnicas de Machine Learning para identificar factores de predicción del estado de las cotizaciones en el sector de maquinaria ligera
(Universidad ESAN, 2022) Aliaga Urbina, Leslie Alexandra; Calle Burga, Frank Junior; Pacori Choquejahua, Carla Isabel; Palma Bendezú, Noelia Yackelina; Salinas Cevallos, Hector Jhon; Fabian Arteaga, Junior Jhon
En el presente estudio haremos uso de Machine learning, usando 4 técnicas en la categoría de aprendizaje supervisado, para la predicción del estado de las cotizaciones, buscando agilizar la toma de decisiones con respecto al tiempo y costos de importación, y evitar la pérdida de ventas. Para la construcción del modelo predictivo se inició con la recopilación y limpieza de datos. Posteriormente, se utilizó el 80 % de datos recopilados para el entrenamiento de los modelos y 20% para la evaluación de las predicciones. Con la técnica k-NN se obtuvo un accuracy del 67.9% con un parámetro de k = 5; con la técnica Regresión logística, se obtuvo un 70.69% de accuracy; con la técnica SVM se obtuvo un 63.79% de accuracy y con la técnica Árbol de decisión se obtuvo un accuracy de 87.93%. Se aplicó codificación y normalización como mejora a la base de datos y con ello, la técnica de Árbol de decisión obtuvo el valor más alto de accuracy - 88.79%. Se recomienda el empleo de técnicas adicionales de Aprendizaje Supervisado a fin de seleccionar la que mejor resultado obtenga en la predicción.
Open Access
Propuesta de optimización del flujo de información en la cadena de suministros de una empresa minera para la mejora de la efectividad en el proceso de movilización de personal mediante el uso de Lean Information Management
(Universidad ESAN, 2022) Curi Reyes, Alexander; Becerra Bisso, Jose Salvador; Ramos Moscoso, Angelica Maria; Valladolid Paredes, Oscar Enrique; Vilchez Roman, Alexandra Estefania; Estrada Morriberón, Renzo Angel
El presente trabajo está enfocado en proponer optimización del flujo de información por medio de la identificación de desperdicios usando Lean Information Management. El Lean Information Management describe tanto una metodología enfocada en la identificación de desperdicios dentro de los flujos de información de los procesos de la organización como la posibilidad de reducir los tiempos de entrega y mejorar el procesamiento de la información. De esta manera, en el trabajo se evidencia cómo esta filosofía es pertinente tanto para contingencias que demanden procesamiento y tratado de información en contextos como los recientes de pandemia o en cualquiera en el que se halle una empresa en un ambiente de crecientes cambios y exigencias burocráticas. En ese sentido, la presente investigación tiene como objetivo corregir las deficiencias del flujo de información que generan sobre costos y tiempos de entrega no óptimos en el proceso de movilización de personal de una empresa minera. Y así, proporcionar una solución que ayude a mejorar la disponibilidad de información en el momento, estandarizar la elaboración y/o tratamiento de información y entregables con la finalidad de reducir los tiempos de espera y minimizar sobre procesos, duplicidad documentaria y asegurar la disponibilidad de información.
Open Access
Pronóstico de tiempos de tránsito marítimos y probabilidad de entrega a tiempo usando algoritmos de Machine Learning en el operador logístico Expeditors Perú S.A.C
(Universidad ESAN, 2022) Trujillo Grados, Alexandra Cecil; Meza Arismendis, Carmen Rosa; Calero Lazaro, Darwin Rubens; Huaman Avellaneda, Grecia Patricia; Palma Abanto, Katherine Violeta; Fabian Arteaga, Junior Jhon
Un suceso fortuito como la pandemia genera retrasos importantes y costos logísticos adicionales, este evento termina evidenciando la mala planificación en la logística de las empresas. El presente trabajo busca complementar los escasos estudios enfocados en las variables que puedan afectar al tiempo de tránsito para el desarrollo de una mejor planificación organizacional. El objetivo de esta investigación es la predicción de tiempos de tránsito y determinación de entrega a tiempo en los embarques marítimos, a través del uso de 4 algoritmos del aprendizaje supervisado de Machine Learning. Para la predicción de tiempos de tránsito, se obtuvo un error absoluto medio (MAE) de 8.58 con un coeficiente de determinación (R²) de 0.3190 en el algoritmo de regresión lineal, obteniendo como variable más influyente “puerto de destino”, y en la determinación de entrega a tiempo se halló que el algoritmo KNN vecinos más cercanos genera el mejor pronóstico en comparación de la regresión logística, SVC y Naive Bayes, con un 67,38% de precisión. El uso de estas técnicas sienta una base para futuros estudios comparativos de los algoritmos de Machine Learning en el pronóstico de tiempos de tránsito en la logística internacional.
Open Access
Técnicas de machine learning para la mejora del método de proyección de ventas de los análisis de multirresiduos de plaguicidas en alimentos de Mérieux Nutrisciences
(Universidad ESAN, 2023) Huisacayna Cutipa, Abigail Nelly; Jacinto Martell, Samuel Humberto; La Rosa Gadea, Marghore Susana; Machuca Abanto, Axl Boris; Torres Yupanqui, Rocio del Pilar Lesly; Fabian Arteaga, Junior Jhon
En la actualidad es importante que toda empresa realice pronósticos de todo tipo, que ayuden a mitigar el impacto negativo y/o aprovechar los impactos positivos que los cambios generan. El propósito del presente trabajo es identificar la técnica del aprendizaje automático que mejore el método de proyección de ventas generadas por el análisis de multirresiduos de plaguicidas en alimentos de la empresa Mérieux Nutrisciences. Se emplea la metodología Cross-Industry Standard Process for Data Mining (CRISP-DM) para determinar el modelo predictivo óptimo para la empresa. Después de adquirir y adecuar la data, se aplica y analiza en las técnicas de regresión lineal, light gradient boosting machine (LightGBM), seasonal auto regressive integrated moving average (SARIMA) y long short-term memory (LSTM). Con la ejecución de los modelos establecidos, se concluyó que el uso de modelos predictivos permite a las empresas, tomar decisiones más acertadas y mejorar su gestión, además, se visualizó que el modelo LightGBM tiene una mayor precisión que los otros modelos con un 0.0152 de mean squared error (MSE). Se recomienda realizar el modelado con un mayor número de data para generar un pronóstico más preciso, contrastar con el laboratorio y realizar estudios adicionales para ajustar hiperparámetros propios del modelo.