Ingeniería Industrial Comercial
URI permanente para esta colecciónhttps://hdl.handle.net/20.500.12640/3739
Examinar
13 resultados
Resultados de la búsqueda
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 Restringido Evaluación de la implementación de Customer Relationship Management (CRM) y su impacto en la optimización de la gestión comercial del área de Educación Continua de la Instituto Carrión(Universidad ESAN, 2024) Arana Torpoco, Jean Fred; Cosio Chavez, Karen Valeria; Gonzalez Riva, Christian Isaias; Paredes Solano, Angela Karin; Polar Velasquez, Diego AlonsoEn un entorno educativo cada vez más dinámico, es crucial que las instituciones educativas tengan herramientas tecnológicas que les permitan mantener una gestión ágil y personalizada de las relaciones con los clientes para desarrollar una ventaja competitiva en el mercado. El presente trabajo de investigación busca evaluar la efectividad del sistema de gestión de relación con los clientes (CRM) que fue implementado en el Instituto Carrión en julio del 2022 y su impacto en la gestión comercial del Área de Educación Continua. Para ello se evaluó el impacto del CRM en la optimización de los tiempos de procesos, los niveles de ventas y la influencia en las estrategias comerciales, comparando los valores obtenidos antes y después de la implementación. Se identificó que el CRM generó en el Instituto Carrión un impacto positivo en los niveles de ventas (13.4% más), mejora en los tiempos de los procesos comerciales (8.20% menos) y la efectividad de las estrategias comerciales (16.13% más). Este trabajo aporta como un antecedente importante en el campo del sector educativo al proporcionar un caso práctico de tecnología aplicada para mejorar la gestión comercial en instituciones de educación superior.Ítem Restringido Propuesta de mejora en la gestión de inventarios para incrementar la rentabilidad de Multimedical Supplies SAC mediante innovación tecnológica incremental(Universidad ESAN, 2024) Aucca Zuñiga, Dayana Nashly; Cabezas Chavez, Paulo Cesar; Cozar Yaranga, Anthony Jhimy; Diaz Silva, Yazuly Meyleen; Valdivia Solis, Diego WilderEl presente trabajo tiene como finalidad brindar una propuesta de mejora en la gestión de inventarios que permita incrementar la rentabilidad de Multimedical Supplies S.A.C.; donde se aplicará innovación incremental. La investigación posee un enfoque cuantitativo, de alcance explicativo y diseño no experimental de tipo transversal, debido a que se analizaron datos numéricos correspondientes al periodo 2017-2023 que permitieron identificar los problemas y sus causas. La metodología propuesta para estructurar la solución es DMAIC. Esta consiste en la innovación del proceso de reposición mediante su automatización con el uso de business intelligence que permitirá un correcto análisis de la información del inventario total aplicando formulación correspondiente al sistema P y clasificación ABC en Excel, y la visualización de indicadores de gestión relevantes mediante un dashboard en Power BI para realizar un monitoreo y control de los inventarios en tiempo real que a su vez proporcionará información confiable para la toma de decisiones. Finalmente, se obtiene como resultado de la propuesta que se tuvo un incremento de 17.21% en el nivel de servicio, 1.29 en el índice de rotación y 11% en el margen bruto, que denota la efectividad de la propuesta para cumplir el objetivo plasmado.Ítem Restringido 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 LeslyEn 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.Ítem Restringido Predicción de la demanda empleando técnicas de machine learning en una empresa industrial de películas plásticas(Universidad ESAN, 2023) Pacheco Prieto, Alexandra Gabriela; Pari Cruz, Milagros Margaret; Rojas Caro, Lady LeslieLa empresa en estudio se dedica a la producción y comercialización de láminas para empaques flexibles. Actualmente, la industria de productos plásticos ha venido mostrando un gran potencial y dinamismo con un crecimiento en los últimos años. Por ello, se ha propuesto predecir de manera exacta la demanda aplicando herramientas de Machine Learning, y así producir la cantidad correcta para atender a sus clientes y generar el stock necesario. En la investigación se aplicó una metodología cuantitativa con un diseño experimental y alcance correlacional, siendo la variable dependiente a predecir la demanda de productos. Se realizó una comparativa de cuatro algoritmos: regresión lineal, árboles de decisión, ARIMA y vectores de soporte de regresión para determinar el algoritmo adecuado a seguir. Finalmente, analizando las métricas de error de los modelos, el algoritmo de Regresión Lineal resultó con un R2 de 0.98 que indica su mayor ajuste al comportamiento de la demanda. Este dato nos permitirá tomar decisiones inmediatas con respecto al abastecimiento de materia prima, una programación correcta de producción y determinar el stock en inventarios que permitan responder rápidamente a la demanda cambiante.Ítem Restringido Mejora en el proceso de planificación de la demanda en la empresa de consumo masivo ALICORP utilizando técnicas de Machine Learning(Universidad ESAN, 2023) Gutierrez Macedo, Allison Giomara; Prada Quintana, Christian; Quispe Melgarejo, Ursi Nicole; Quispe Rodriguez, Carmen MelizaEn el mundo globalizado en el que vivimos, es importante que las empresas utilicen herramientas avanzadas como el Machine Learning para mantenerse a la vanguardia y satisfacer las exigencias de sus clientes. La presente investigación se centra en la aplicación de técnicas de Machine Learning en la empresa ALICORP. La naturaleza cambiante y exigente del rubro, obliga a las organizaciones a buscar cómo satisfacer la demanda. Las técnicas de machine learning son utilizadas para proyectar la demanda y controlar los inventarios de manera eficiente. Para determinar la técnica más adecuada para proyección de datos se compararon tres técnicas: Regresión Lineal Múltiple, Árbol de Decisión de Regresión y Vectores de Soporte de Regresión. Luego se compararon métricas como RMSE y R2, se concluyó que la técnica de Árbol de Decisión de Regresión es la mejor opción ya que nos brindó RMSE de 12 y R2 de 0.95. La aplicación de esta técnica es crucial porque permite proyectar la demanda con mayor precisión, teniendo mejor control sobre sus inventarios, lo que se traduce en mayor rentabilidad. Usar Machine Learning en la proyección es una herramienta poderosa y, en particular, la técnica de Árbol de Decisión de Regresión ha demostrado ser altamente efectiva.Ítem Restringido 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 VioletaUn 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.Ítem Restringido 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 RomuloDebido 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.Ítem Restringido 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 HelenaLa 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.Ítem Restringido 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 JuselinaEl 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.
