Ingeniería Industrial Comercial
URI permanente para esta colecciónhttps://hdl.handle.net/20.500.12640/3739
Examinar
9 resultados
Resultados de la búsqueda
Ítem Embargo Optimización de la Distribución de Productos Alimentarios en la Empresa Adiplus S.A.C para la Reducción de Costos Operativos(Universidad ESAN, 2024) Ramirez Huarcaya, Diana Andrea; Kameya Milla, Sachiko Elizabeth; Vasquez Cáceres, Valeria AlejandraAdiplus S.A.C. mediante la optimización de sus rutas de distribución, con la finalidad de reducir los costos operativos. Se identificaron tres problemas específicos: la falta de planificación efectiva de rutas, la baja coordinación entre departamentos y la ineficiencia en la subcontratación del transporte. Para abordar estas problemáticas, se aplicaron diversas herramientas de Lean Logistics. Primero, se implementó un sistema de planificación de rutas, utilizando un software de optimización que permitió reducir las reprogramaciones y mejorar los tiempos de entrega. En segundo lugar, para mejorar la coordinación entre departamentos, se utilizaron técnicas de trabajo estándar y Kaizen, promoviendo una mayor integración y eficiencia en las operaciones. Finalmente, para la subcontratación de transporte, se propuso una optimización de contratos y el control de costos, mejorando la gestión y reduciendo el impacto económico de los transportistas externos. Los resultados del estudio muestran una disminución significativa en los costos operativos, una mejora en los tiempos de entrega y una reducción en las reprogramaciones, lo que ha incrementado la satisfacción de los clientes.Ítem Acceso Abierto Aplicación de herramientas de Lean en el procesos paquetería ecommerce en una empresa de servicios postales para reducir el tiempo de servicio(Universidad ESAN, 2024) Espiritu Gonzalez, Hilary Elizabeth; Gamarra Bustamante, Victor Adolfo Jesus; Lopez Tay, Cesar EnriqueLa empresa Servicios Postales del Perú (SERPOST S.A.) tiene como objetivo ofrecer servicios postales en diversas modalidades, tanto a nivel nacional como internacional, además de actividades complementarias. Este trabajo de investigación se centra en optimizar el proceso de paquetería para e-commerce con el fin de reducir el tiempo de entrega en esta empresa postal, mediante la implementación de herramientas de la metodología Lean Manufacturing. La investigación es de tipo explicativa y no experimental, utilizando un enfoque cuantitativo que abarcó 381 transacciones. Se emplearon diversas técnicas de recolección y análisis de datos, como la observación directa de los procesos, el procesamiento de datos mediante Power BI y MS Excel, así como modelamiento y simulación con software como Arena y Minitab. Los resultados obtenidos indican que la aplicación de herramientas Lean logró disminuir el lead time del proceso en 0.24 días, reducir el tiempo de clasificación en un 27.27% y aumentar la cantidad de paquetes procesados por día en un 26.11%. Además, se propusieron mejoras en los procesos de capacitación para respaldar estas iniciativas.Ítem Embargo Propuesta de implementación de un sistema de gestión de riesgos en una empresa del sector metalmecánico(Universidad ESAN, 2024) Cangahuala Hinostroza, Joseph; Rodriguez Gurreonero, Melisa Graciela; Silva Vera, Miguel AlejandroLa presente investigación busca implementar un sistema de gestión de riesgos en una empresa metalmecánica, respondiendo a eventos de riesgo que afectan la eficiencia, generan sobrecostos y pérdidas significativas. La propuesta se basa en la norma ISO 31000 y sigue un enfoque sistemático. Primero, se establecerá el alcance, contexto y criterios de la situación actual de la empresa. Posteriormente, se evaluarán los riesgos mediante su identificación, análisis y valoración. Con base en estos pasos, se procederá a tratar los riesgos identificados en los procesos operativos. La investigación contempla informar a las partes interesadas mediante reportes e informes, creando así un registro e historial que permitirá monitorear los procesos y el seguimiento de los riesgos, incluyendo los planes de acción y sus efectos. Este sistema de monitoreo y seguimiento es esencial para generar una cultura de prevención y control de riesgos en la empresa. La implementación de este sistema de gestión de riesgos tiene como objetivo final reducir o mitigar los riesgos identificados, que actualmente obstaculizan el logro de los objetivos de la organización. Como resultado, se espera un incremento en la productividad y en el cumplimiento de las metas establecidas, alineando los procesos con los objetivos estratégicos de la empresa.Ítem Embargo Optimización de procesos mediante mejoras sostenibles en la fabricación de sueros orales de una empresa en la industria Farmacéutica: Aplicando la Metodología GHG Protocol(Universidad ESAN, 2024) Galindo Alva, Paulo Cesar; Mejia Montalvo, Marisol; Salas Asencios, Bianca PatriciaEl trabajo presente de investigación tiene como principal objetivo presentar una propuesta de optimización de los recursos en base a un proceso sostenible en la producción de sueros bebibles en una empresa de industria farmacéutica. De acuerdo con lo planteado, se describe cuáles son las causas principales de los problemas que generan este aumento de costo e impacto ambiental, entre estas puede ser el alto consumo de energía la máquina Galbert, la cual se utiliza para envasar y llenar el producto; el consumo de polietileno en los frascos , lo cual se da por sin medición alguna sobre los parámetros establecidos y el consumo de cajas de cartón para las muestras que ingresan a control de calidad. Por ello la propuesta de optimización se basa en poder determinar cuáles son las alternativas y soluciones más sostenibles para poder generar un proceso sostenible disminuyendo el impacto ambiental y a su vez, reduciendo los costos operativos para generar una mejor rentabilidad a la empresa.Ítem Embargo Gestión de producción adecuada para incrementar la rentabilidad de la Compañía Minera Jerusalén S.A.C.(Universidad ESAN, 2024) Maldonado Sanchez, Paul Alexander; Peña Valenzuela, Cesar Augusto; Torres Perez, Ernesto OmarEsta investigación presenta una propuesta para mejorar la gestión de producción en la Compañía Minera Jerusalén S.A.C., con el objetivo de aumentar la rentabilidad mediante la metodología Lean Manufacturing. Para incrementar la rentabilidad, la capacidad de producción se aumentará de 150 a 350 toneladas diarias, lo cual requiere la adquisición de nuevos equipos de mayor capacidad, aumentando también los beneficios empresariales para que se transforme en una organización más competitiva en su rubro. La implementación de la solución también considera la necesidad de un mantenimiento adecuado de los activos productivos para evitar futuros paros. Además, se propone mejorar el planeamiento operativo de la empresa. Este aumento en la producción también implica la incorporación de mayor personal para los procesos productivos.Ítem Embargo Predicción del tipo de parto en el departamento de ginecología-obstetricia del Hospital Santa Rosa mediante Machine Learning(Universidad ESAN, 2023) Perez Garcia, Adams Smith; Seminario Vergaray, Raul FranciscoEn el presente trabajo, se uso Machine Learning en el ámbito de aprendizaje supervizado. para predecir los tipos de partos de las gestante atendidas en el Hospital Santa Rosa, buscando optimizar los recursos de la institución tanto material como humano. Para la creación del Modelo se recopiló toda la información existente en el hospital santa rosa y el ministerio de salud (Minsa) mediante un cruce de información, luego de la limpieza de datos, se utilizo el 80% para el aprendizaje y uN 20% para la para corroborar la predicción. El modelo predominante para nuestro trabajo fue el Árbol de decisión, donde se identifico la variable y ( tipos de partos existentes) y las variables x ( diagnosticas por lo que existe complicaciones durante el parto). con lo cual el modelo se pudo recrear.Ítem Embargo Propuesta de segmentación de clientes aplicando técnicas de Machine Learning para mejorar la estrategia de ventas de productos de bebidas en el departamento de Ica(Universidad ESAN, 2023) Alikhan Trujillo, Kledy Fiorella; Aspiazu Neyra, Luis Eduardo; Auccapiña Guillen, Juan Abner; Ayna Benegas, Irene; Cardenas Pijo, Melisa ConsueloLa investigación se centra en el mercado de bebidas en el departamento de Ica, con el objetivo de automatizar la segmentación de clientes y, por consiguiente, mejorar las estrategias comerciales de ventas. Al implementar las fases de la metodología, las primeras etapas se dedicarán al procesamiento y tratamiento riguroso de los datos, preparando así el terreno para la construcción del modelo en la fase subsiguiente. Se emplearán técnicas de aprendizaje no supervisado de Machine Learning, como K-Means, K-Medoids, Agrupación Jerárquica, DBSCAN y HDBSCAN, con parámetros óptimos. En las últimas fases, se realizarán las agrupaciones de perfiles de tipo clúster basándose en un análisis detenido de la información recopilada y las variables pertinentes. El resultado será un reporte consolidado que proporcionará una visión detallada por cada perfil de cliente. Con esta información clave el gestor comercial de ventas podrá tomar decisiones comerciales estratégicas sobre ventas. De forma complementaria, se realizará una validación con un experto del rubro para verificar el tipo de clúster adecuado como candidato óptimo de la automatización de la segmentación de clientes.Ítem Embargo Desarrollo de un modelo de Machine Learning para la clasificación de clientes siniestrosos de seguro vehicular en la compañía aseguradora MAPFRE Perú(Universidad ESAN, 2023) Mariluz Saavedra, Julio Alejandro; Torres Ricalde, Luz Edith; Velazco Guerrero, MelissaLas últimas innovaciones tecnológicas, como Big Data o Maching Learning, están transformando la forma en cómo se desempeñan las compañías en casi todos los sectores, incluyendo el rubro asegurador. Este estudio se centra en la incorporación de técnicas de Machine Learning en MAPFRE Perú para desarrollar un modelo predictivo que permita identificar a los clientes con mayor probabilidad de sufrir un siniestro vehicular. El objetivo es optimizar el control de los gastos asociados a estos incidentes en la empresa. Para determinar el modelo más optimo se utilizaron cinco diferentes algoritmos de aprendizaje supervisado: Logistic regression, Linear Support Vector Machine, k-Nearest Neighbors, Classification and Regression Tree y Random Forest. Finalmente, para comparar los resultados de cada modelo se utilizaron las métricas del "accuracy" y el "F1-score". El modelo seleccionado fue Random Forest, con el cual se obtuvo un buen rendimiento con el conjunto de datos preprocesado “dfL4”, teniendo un “accuracy” del 82.97% y un “F1-score” del 75.67%. El potencial que implica la aplicación de Machine Learning en la industria aseguradora es considerable, por lo que es esencial continuar avanzando en investigaciones que incorporen nuevas variables, técnicas y modelos para seguir aprovechando sus beneficios.Ítem Embargo Implementación de un modelo de Machine Learning para la predicción de la demanda de muebles de sala en la empresa Mallhogar.com(Universidad ESAN, 2023) Chipana De La Cruz, David Ismael; Chugnas Sebastian, Analy Sandy; Chupillón Bautista, Yarelis Nicole; Guzmán Ramos, Pedro Jesús; Huancaya Rivas, Hasdaly AnjelyLa empresa Mallhogar.com se dedica a la venta online de muebles. Actualmente, busca predecir la demanda de muebles de sala que ofrece en el mercado peruano. En este contexto, el objetivo de esta investigación fue desarrollar un modelo de predicción de la demanda que permita optimizar su producción, gestionar sus inventarios y agilizar la distribución de productos terminados. Para lograrlo se recopiló información de datos históricos de venta del periodo 2020-2023, se aplicó modelos de Machine Learning, en cinco tipos de muebles de sala. Los modelos de predicción que se emplearon fueron Regresión Lineal, CatBoost, XGBoost y LightGBM. Los resultados fueron evaluados comparando métricas como el Factor de determinación, Error Cuadrático Medio y Raíz del Error Cuadrático Medio, se analizó cómo el modelo se ajusta a los datos de entrenamiento con sus posibles limitaciones. Los experimentos realizados mostraron que los modelos LightGBM y XGBoost tuvieron mejores resultados con una ligera superioridad en comparación a los otros modelos, lo cual se vio reflejado en todos los modelos de muebles analizados, al final se obtuvo la predicción de muebles a vender para los meses de diciembre del 2023, enero del 2024 y febrero del 2024.
