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 Plan de negocios para la producción de uva de mesa var. Sugar Crips con doble cosecha al año, utilizando tecnología de cobertores plásticos(Universidad ESAN, 2024) Bendezu Felices, Francisco Javier; Espinoza Rodriguez, Karla Yanina; Ramos Mendives, Maritza MercedesEl presente Trabajo de Investigación tiene como objetivo general evaluar la viabilidad económica de la implementación de la tecnología de cobertores plásticos en la producción de uva de mesa de la variedad Sugar Crips en 200 hectáreas con doble cosecha al año en la Empresa Pura Fruit, ubicada en el departamento de Piura. Esta investigación busca analizar en profundidad cómo la adopción de esta tecnología puede impactar en la productividad, calidad, ingresos y rentabilidad del cultivo de uva en la empresa antes mencionada. El estudio se centró en examinar los beneficios económicos derivados de la aplicación de coberturas plásticas en el cultivo de uvas, considerando factores como la reducción de pérdidas por condiciones climáticas adversas, el incremento en la eficiencia y la excelencia del cultivo de uvas, junto con la optimización de los recursos empleados. Se realizó un análisis exhaustivo de los costos relacionados con la implementación de esta tecnología, así como los ingresos esperados por la venta de la uva producida. Además, se desarrolló un plan de negocios que incluirá la planificación de la implementación de cubiertas plásticas y el proceso de comercialización de la uva producida.Ítem Acceso Abierto 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 ElizabethDiferentes 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.
