1. Trabajos conducentes a grados y títulos
URI permanente para esta comunidadhttps://hdl.handle.net/20.500.12640/4150
Examinar
2 resultados
Resultados de la búsqueda
Ítem Embargo Investigación aplicada para la implementación de una plataforma que permita monitorear y optimizar la gestión de ventas en una empresa del sector de agroquímicos(Universidad ESAN, 2024) Espinoza Torres, Yunior Jean Franco; Monge Robles, Luis Miguel; Ramos Zapana, Kervy JuniorEste trabajo de investigación tiene como objetivo desarrollar una solución tecnológica para una empresa del sector agroquímico, enfocada en optimizar los procesos de ventas y el desempeño de los líderes comerciales y representantes técnicos mediante el monitoreo en tiempo real. La solución integrará análisis de datos para generar reportes y dashboards que faciliten la toma de decisiones estratégicas y mejoren la gestión de recursos. Se abordan dos problemáticas principales: los representantes técnicos de ventas enfrentan dificultades para acceder a información clave en el campo debido a la falta de conectividad, mientras que los líderes comerciales carecen de herramientas precisas para monitorear y controlar sus actividades, lo que genera ineficiencias. Mediante la metodología del Doble Diamante, se identificarán los problemas, desarrollarán prototipos y se propondrán mejoras. La solución incluirá una aplicación móvil para los RTV y una plataforma en línea para los LC, soportadas por AWS para el análisis de datos. Este proyecto servirá como un primer paso hacia una cultura de innovación basada en datos, facilitando en el futuro el uso de herramientas avanzadas como machine learning para optimizar aún más las ventas, mejorar la rentabilidad y aumentar la satisfacción del cliente.Ítem Embargo Propuesta de optimización de los procesos operativos en una compañía de generación eléctrica a través de un enfoque analítico basado en business intelligence y machine learning(Universidad ESAN, 2024) Quispe Cruz, HectorLa investigación se centró en proponer la optimización de los procesos operativos de los grupos del Complejo Hidroeléctrico del Mantaro, utilizando un enfoque analítico innovador para el análisis de datos mediante herramientas de administración inteligente de negocios. Se propuso mejoras en la eficiencia operativa a través del análisis descriptivo y predictivo del Big Data de su sistema SCADA utilizando tecnologías de BI y ML. Se implementaron modelos analíticos en Power BI para analizar las mediciones de los equipos de los 10 grupos de generación, detectando una alarma crítica en el grupo G1 SAM y pronosticando una falla en la temperatura de aceite del cojinete guía turbina. Para lo cual se entrenaron 41 modelos predictivos con Azure ML, luego se realizó un análisis comparativo de sus métricas de desempeño, identificando al mejor modelo con el cual se pronosticó la falla. La detección temprana permitió tomar acciones correctivas, evitando la falla del grupo y pérdidas económicas. Se demostró que el uso de plataformas BI y ML pueden optimizar significativamente los procesos operativos en la generación de electricidad en complemento a las herramientas de automatización industrial existente. Siendo una oportunidad de mejora para la empresa y la industria de producción de energía.
