Ingeniería de Tecnologías de Información y Sistemas
URI permanente para esta colecciónhttps://hdl.handle.net/20.500.12640/3737
Examinar
26 resultados
Resultados de la búsqueda
Ítem Acceso Abierto Sistema de Gestión de Calidad y la influencia en la productividad para la ejecución de proyectos en la empresa H&O S.A.,2024(Universidad ESAN, 2024) Asian Ramirez, Silvia Laritza; Medina Tejeda, Geily Mireski; Vicente Canales, Luis NoeEste estudio analiza la influencia de un Sistema de Gestión de Calidad (SGC), basado en la norma ISO 9001:2015, en la productividad de la empresa H&O S.A para agosto y diciembre de 2024. Se realizó una investigación cuantitativa, descriptiva-correlacional, con un diseño no experimental y transversal. Se aplicó una encuesta a 20 trabajadores para evaluar las dimensiones de Planificación, Enfoque al cliente y Gestión de procesos del SGC, y su relación con la eficacia como dimensión de productividad. El análisis de regresión jerárquica reveló que el enfoque al cliente es el componente del SGC con mayor impacto en la eficacia para la ejecución de proyectos. Aunque la planificación y la gestión de procesos no mostraron una influencia significativa en la productividad dentro del contexto de este estudio, sigue siendo un componente clave del SGC. Los resultados demuestran que la implementación del SGC, considerando estas dimensiones como un constructo general, si influye de manera significativa en la productividad de H & O S.A. Por lo que, se recomienda a la empresa fortalecer aún más el enfoque al cliente, y revisar las estrategias de planificación y gestión de procesos para optimizar su SGC y, en consecuencia, su productividad.Ítem Acceso Abierto Desarrollo de un modelo predictivo con técnicas de Machine Learning para la detección temprana de anulación de pedidos en una empresa de distribución y comercialización(Universidad ESAN, 2024) Rivera Tuesta, Shirley Paola; Vargas Saldaña, Jhossy Jhossep; Vilcacure Camasca, Eder RoyerEn una empresa peruana dedicada a la distribución y comercialización de productos de primera necesidad, especialista en el rubro de consumo masivo, se identificó la anulación de pedidos como la principal causa de las pérdidas económicas reportadas durante el segundo semestre del 2023. La investigación detalla el desarrollo de un modelo predictivo basado en técnicas de Machine Learning para anticipar las anulaciones de pedidos. A través de la metodología CRISP-DM, se recopiló información de las órdenes de entrega de dicho periodo, se entrenaron y evaluaron siete algoritmos. CatBoost obtuvo el mejor desempeño, con una precisión del 85.4%, un accuracy de 88.5%, y un AUC de 84%. Posteriormente, el modelo fue desplegado en un entorno controlado a través de un prototipo web, para simular su uso real. Se concluye que la implementación del modelo podría ayudar a la empresa a actuar proactivamente a posibles cancelaciones y fortalecer su toma de decisiones en base al modelo obtenido. Entre las recomendaciones se destacan la necesidad de supervisión continua del modelo, su integración en procesos automáticos, y la posibilidad de ampliar su aplicación a otras áreas operativas de la empresa.Ítem Acceso Abierto Propuesta de mejora en la gestión de la calidad educativa utilizando herramientas de Total Quality Management para incrementar la satisfacción de los estudiantes y padres de familia de una Institución Educativa Privada(Universidad ESAN, 2024) Centeno Hurtado, Diana; Insil Guevara, Robert Christian Andrei; Valer Torres, Lizbeth Katy; Zavala Medrano, Dayeli YesseniaLa investigación se centra en la optimización de la gestión de la calidad educativa en la Institución Educativa Privada Daniel Goleman, abordando los importantes desafíos que enfrentan numerosas instituciones dentro del sector educativo. Los principales problemas específicos son la falta de control del contenido educativo y la ineficiente comunicación con las partes interesadas internas y externas. Estos elementos han afectado negativamente a los niveles de satisfacción de los estudiantes y los padres, así como en la retención de alumnos. Para abordar esta problemática se emplearon estrategias como la gestión de calidad total (TQM)1 mediante la herramienta PHVA2; se empleó la matriz VESTER, el diagrama de Pareto y diagrama de Ishikawa como herramientas de diagnóstico. La importancia de este trabajo radica en su capacidad para mejorar la gestión de la calidad educativa. La ejecución de estas soluciones podría influir significativamente en la satisfacción en los estudiantes y los padres de familia, mejorar las tasas de retención y, en general, contribuir a reforzar el servicio educativo, especialmente en un entorno en el que la calidad es un factor crucial para el éxito y la sostenibilidad de las instituciones educativas.Ítem Acceso Abierto Desarrollo de un modelo predictivo basado en técnicas de Machine Learning para la priorización de vulnerabilidades y la optimización en la etapa de mitigación de riesgos operativos de ciberseguridad(Universidad ESAN, 2024) Camasca Huaman, Jhonatan Cristobal; Gave Cardenas, Kevin Paredes; Paredes Castro, Patricia JackelineEl presente estudio tiene como objetivo desarrollar un modelo predictivo utilizando técnicas de Machine Learning para priorizar eficazmente las vulnerabilidades en el proceso de remediación, dada la creciente cantidad de ciberataques y la limitada capacidad de recursos en las empresas. Actualmente, las organizaciones enfrentan dificultades para asignar adecuadamente sus recursos de manera eficiente, debido al volumen de vulnerabilidades detectadas que sobrepasan su capacidad de respuesta. Se construyó un conjunto de datos a partir de los escaneos de vulnerabilidades proporcionados por la empresa ABC S.A.C., complementado con reportes descriptivos y puntuaciones de explotabilidad. Luego, se aplicaron los algoritmos K-Means y BIRCH, métodos de aprendizaje no supervisado, para generar una variable objetivo que defina los niveles de priorización de vulnerabilidades. Con esta variable, se implementaron modelos de Machine Learning, como XGBoost, Random Forest y LightGBM, evaluados mediante métricas como Precisión, Recall, F1-Score y Accuracy. Los resultados muestran que Random Forest, en combinación con BIRCH, alcanzó una precisión del 98%, mejorando significativamente la optimización del proceso de Gestión de Vulnerabilidades y fortaleciendo la ciberseguridad en entornos empresariales digitalizados. Esta metodología proporciona un enfoque eficiente para la mitigación de riesgos, permitiendo una respuesta más rápida ante amenazas cibernéticas.Ítem Acceso Abierto Estudio de factibilidad de comercialización e implementación de sistemas fotovoltaicos autónomos en las zonas rurales de Junín(Universidad ESAN, 2024) Caicedo Cabrera, Andres Jose; Chacon Aliaga, Favio Hector; Rebaza Anchante, Israel GersonActualmente. el mundo está viviendo una transición energética, lo cual genera que la composición de la matriz energética global cambie sus fuentes de generación de energía con la finalidad de disminuir el impacto ambiental y mitigar los gases de efecto invernadero que afectan al planeta. En ese sentido, la generación de energía eléctrica a través de sistema fotovoltaicos se ha convertido en una opción viable, puesto que, con los avances tecnológicos y el desarrollo de equipos más eficientes, es posible aprovechar de manera eficiente la energía solar. En este proyecto se propone la implementación de un negocio dedicado a la comercialización e implementación de sistemas fotovoltaicos autónomos que abastecerá de energía a las viviendas en zonas rurales en la región de Junín, Perú. Por ello, se abordarán temas como, la presentación del modelo convencional actual y la propuesta de valor que ofrecemos como una solución a la falta de energía eléctrica en esas zonas. Este proyecto brindara los conocimientos básicos acerca de que es la energía solar, como funcionan los sistemas fotovoltaicos autónomos, también brindara un análisis económico, técnico, ambiental y social que evaluará si el proyecto planteado en el trabajo de investigación es factible y sostenible a través del tiempo, dentro de las zonas rurales del país.Ítem Acceso Abierto Implementación de un Modelo de Eficiencia Energética en un Centro de Datos bajo un Enfoque Integrado de Gestión de Proyectos(Universidad ESAN, 2024) Angulo Mogollon, Leonardo Martin; Azabache Liñan, Ninibeth Alisson Carolina; Melendez Llana, Juan Carlos; Zamudio Mendoza, Abraham SalomonEste proyecto de investigación tiene como propósito impulsar la máxima eficiencia, el ahorro energético y la disminución de huella de carbono en la infraestructura perteneciente al centro de datos de la empresa peruana Servimec. Esta solución propone el ahorro de consumo energético del centro de datos, partiendo de la idea que el 60% del consumo energético de un Centro de Procesamiento de Datos (CPD) corresponde al sistema de climatización de equipos. Se pretende realizar un estudio de ingeniería en donde se implemente la solución que permita el ahorro de energía por medio de un nuevo equipamiento de climatización. La gestión del proyecto se realizará siguiendo buenas prácticas PMBOK, un estándar reconocido en la gestión de proyectos. Además, se considerarán los requisitos establecidos en la norma ISO 50001, que tiene como objetivo mejorar el procedimiento de la eficiencia de la energía en una organización. De esta manera, se garantizará que el proyecto se ejecute de manera efectiva y que los resultados sean medibles y sostenibles en el tiempo.Ítem Restringido Desarrollo de un modelo de RFM y técnicas de clustering para la segmentación de clientes en una empresa de bienes de consumo masivo(Universidad ESAN, 2024) Toledo Rios, Julynho Merlin; Delgado Lorino, Alonso; Bazan Arzapalo, Jean Pablo; Garcia Quispe, Guerel Orlando; Canorio Ochoa, Diego AntonioLa implementación de modelos de clustering para la segmentación de clientes en empresas de bienes de consumo masivo es una estrategia fundamental en la comprensión del comportamiento del consumidor y en la mejora de las relaciones con estos. Esta investigación aborda la aplicación de un modelo de RFM y técnicas de clustering, en una empresa peruana líder en el sector de bienes de consumo masivo. El objetivo principal es reconocer los patrones de compra y la clasificación de clientes en grupos homogéneos basándose en variables clave como recencia, frecuencia y valor monetario de las compras. Utilizando métodos de aprendizaje automático no supervisado, como k-means, BIRCH y Gaussian Mixture Model, se procesan y analizan grandes volúmenes de datos para lograr una segmentación efectiva. Esta segmentación permitiría a la empresa dirigir sus esfuerzos de marketing de manera más precisa y desarrollar estrategias personalizadas para cada grupo de clientes. Los resultados obtenidos revelan patrones de compra significativos y sugieren que una segmentación cuidadosa puede proporcionar información valiosa para la formulación de decisiones estratégicas, contribuyendo al crecimiento y competitividad de la empresa en el mercado de bienes de consumo masivo.Ítem Acceso Abierto Desarrollo de algoritmo de recomendación de SKU para los clientes de Alicorp que cuentan con un canal de atención digital usando técnicas de machine learning(Universidad ESAN, 2024) Espinoza Sutta, Milton; Limachi Pampamallco, Ana Isabel; Melo Locumber, Noe; Rodriguez Otiniano, Junior Ricardo; Valencia Cañote, SebastianSaber qué es lo que quiere el cliente es uno de los retos más grandes que afrontan las empresas en la actualidad. En cuanto al uso de tecnología, las nuevas tendencias que aplican soluciones cuyo objetivo es mejorar, de manera incremental, la capacidad de poder recomendar productos o servicios de manera más exacta. No obstante, para identificar lo que desean los clientes, se necesita una base histórica que nos permita comprender sus necesidades y preferencias. Por ello, este trabajo de investigación se enfoca en el desarrollo de un algoritmo de recomendación que, a través del procesamiento de datos, pueda recomendar productos según el perfil del cliente. La investigación utiliza datos de Alicorp, una empresa peruana líder en consumo masivo, con dos millones de transacciones de ventas de clientes como panaderías, restaurantes y bodegas. Se aplicaron técnicas basadas en reglas como RFM y algoritmos de machine learning como Kmeans, LGBM Classifier y LGBM Ranker en la etapa de modelamiento. Para definir el mejor algoritmo se utilizó una medida de recall promedio de clientes de los productos recomendados. La familia de algoritmos LGBM demostró una precisión superior, destacando el LGBM Ranker que logró un impresionante recall de 0.8950.Ítem Acceso Abierto Propuesta de mejora en el área de producción para aumentar la productividad en Intraplast E.I.R.L. aplicando manufactura esbelta(Universidad ESAN, 2024) Campos Gutarra, Vania Brigitte; Ore Ichpas, Nayely Mayli; Quezada Castellanos, Alexis Alfredo; Rios Blanco, Felix Andres; Rodriguez Yumpo, Brigitte TamikoLa empresa Intraplast E.I.R.L. busca mejorar su posicionamiento en el mercado local a través del incremento en la calidad de sus productos y cumplimiento en el tiempo de entrega a sus clientes. La investigación desarrollada posee como objetivo diagnosticar la situación actual de la empresa; y a través de herramientas de manufactura esbelta, que fueron evaluadas por medio de criterios como factibilidad, costo/ beneficio, impacto y tiempo de implementación, se propone la estandarización de procesos a través del estudio de tiempos, Value Stream Map, mejora del espacio de trabajo a aplicando 5S’s y aplicación de método de mejora continua a través del Ciclo de Deming. Para la simulación, se empleará el software Arena Simulation a fin de visualizar el flujo de proceso, ingresando cantidades y tiempos de producción. Los datos recopilados para desarrollar las propuestas corresponden desde el año 2020 al 2023. Como resultados de la simulación, se obtiene una mejora en indicadores como productividad, tasa de productos defectuosos, tiempo de ciclo, cumplimiento de plazos, tasa de producción y de devoluciones.Ítem Acceso Abierto Predicción del caudal del río Torata utilizando algoritmos de Machine Learning para el aprovisionamiento de agua a la población del distrito(Universidad ESAN, 2024) Aguirre Vasquez, Mayra Araceli; Churampi Coronado, Heidy Denis Ana; Garcia Garcia, Jeff Steven; Mamani Ventura, Danny Alvis; Montes Manrique, Diego AlfredoDiferentes estudios utilizan el aprendizaje automático para el análisis de datos y por ende construir modelos predictivos y encontrar comportamientos que representen diversas variables de salida. Basado en ello, el presente trabajo de suficiencia profesional tiene como misión principal desarrollar un modelo para predecir el caudal del río Torata utilizando algoritmos de Machine Learning y con ello estimar la oferta hídrica, además se busca brindar un marco amplio a las autoridades en la toma de medidas proactivas para garantizar un adecuado aprovisionamiento de agua a la población, incluyendo la administración de infraestructuras de almacenamiento, división y tratamiento. Utilizando datos históricos de las estaciones hidrométricas y meteorológicas del río Torata monitoreados y proporcionadas por la Mina Cuajone y técnicas de Machine Learning, se desarrollaron modelos predictivos para brindar un aporte eficaz al proyecto de aprovisionamiento de agua (Presa Altarani). La investigación se estructura en seis capítulos que abarcan desde el planteamiento del problema y metodología, dando como resultado el mejor modelo de predicción SVR lineal con un 𝑅2de 0.946 y un MSE de 0.041, hasta la presentación de conclusiones y una proyección de 5 años del caudal y oferta hídrica del río Torata con R𝟐 de 0.877 y MSE de 0.123.
- «
- 1 (current)
- 2
- 3
- »
