Facultad de Ingeniería
URI permanente para esta comunidadhttps://hdl.handle.net/20.500.12640/3729
Examinar
13 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 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 Gestión de riesgos y mejora continua en los procesos logísticos de un casino del distrito de Miraflores con enfoque ISO 31000(Universidad ESAN, 2024) Contreras Ore, Erika Patricia; Humareda Padilla, Deyvis Issey; Ticllacuri Pecho, Julio CesarEste trabajo se centra en la gestión de control de riesgos en los procesos logísticos de un casino ubicado en Miraflores, Lima, Perú. Reconociendo la importancia crítica de un enfoque sistemático, se propone la creación de un sistema de control de riesgos que este alineado a la norma ISO 31000. Este enfoque tiene como objetivo identificar y mitigar las vulnerabilidades que afectan la eficiencia operativa y la sostenibilidad del casino. Actualmente, el casino enfrenta diversas deficiencias debido a que no cuenta con una gestión de riesgos. La falta de normativas claras y de un sistema formal ha generado un entorno propenso a prácticas ineficientes, inapropiadas y a incumplimientos normativos. La investigación busca abordar estas deficiencias mediante el desarrollo de soluciones prácticas que fortalezcan la gobernanza corporativa y mejoren el proceso para tomar decisiones. Se espera que el análisis de la actual situación identifique mejoras posibles que no solo impacten positivamente en los procesos logísticos, sino que también contribuyan a crear un entorno más seguro y eficiente para los clientes y colaboradores del casino.Ítem Acceso Abierto Gestión de almacenes para reducir los costos operativos de la empresa Pro Bags Perú S.A.C. de acuerdo a la metodología PMI(Universidad ESAN, 2024) Bejarano Ordoñez, Prisbell Betsy; Jimenez Martell, Hashiel Sofia; Reyes Payano, Johan MichelLa empresa Pro Bags Perú S.A.C. se encuentra en la búsqueda de encontrar nuevas formas para mejorar la gestión operativa a través de la optimización en la gestión de almacenes, con el objetivo de reducir los costos operativos y mejorar el cumplimiento de plazos en las entregas. La investigación se enfoca en diagnosticar la situación actual de la empresa en las áreas de almacenamiento, inventario y planificación operativa. A través de la metodología PMI, se realiza un seguimiento del trabajo realizado, para una mejor gestión, de esta manera se propone la estandarización de procesos logísticos, la optimización del uso del espacio y la capacitación del personal. Para simular las mejoras, se emplearán herramientas como Lean, SOP y la evaluación 360. Los datos que analizar corresponden al periodo de 2020 a 2023. Se espera obtener mejoras en la productividad, reducción de inventario obsoleto, optimización del espacio de almacenamiento y disminución de los tiempos de respuesta.Ítem Acceso Abierto Optimización del proceso de atención de consultas ambulatorias en la especialidad de ginecología de la clínica Uroginec mediante la filosofía Lean Healthcare(Universidad ESAN, 2024) Guzman Arroyo, Alvaro Braulio; Quiroz Uchalin, Nicole Andrea; Saenz Carrillo, Jorge AlvaroEl Instituto Médico Especializado Uroginec EIRL, conocida como Clínica Uroginec, es una clínica privada en Chimbote que ofrece servicios médicos especializados en urología y ginecología. Se realizó un diagnóstico al proceso de consultas ambulatorias en ginecología dado que es la especialidad más visitada en la clínica. Se identificó que existen demoras en el tiempo de atención, una inadecuada gestión de documentos internos, alto costo operativo y deficiencias en el proceso. Por este motivo, el presente trabajo busca optimizar el tiempo de atención ambulatoria mediante la metodología de Lean Healthcare, el ciclo de Deming e ISO 9001:2015. Para evaluar la solución planteada, se desarrolló una simulación del flujo del proceso de estudio para comprobar si existe una mejora de los indicadores establecidos. Como mejora, se obtuvo que el tiempo promedio de atención para las solicitudes de consultas ambulatorias de 5.7 semanas redujo a 4.7 semanas, la utilización de los recursos mejoraba y que los costos del proceso se reducían en s/3,458, incrementando de esta forma la eficiencia del proceso.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 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.Ítem Acceso Abierto Diseño de un modelo de predicción de demanda online de paquete de huevos (15 unidades) para una empresa proveedora de productos avícolas en Lima mediante Machine Learning(Universidad ESAN, 2023) Cabrera Reyes, Jairo; Camero Veneros, Mario; Castillón Medina, Densel Giomar; Garcia Condori, Guadalupe; García Guzmán, Rony YeltsinEste estudio se enfoca en abordar los desafíos que enfrenta una empresa avícola en Lima (Perú), específicamente en su canal de ventas en línea, destacando la falta de herramientas de inteligencia artificial para prever la demanda de su producto estrella: paquetes de huevos de 15 unidades. La investigación adopta un enfoque experimental con base cuantitativa, entrenando 12 modelos que abarcan desde estadísticos tradicionales hasta avanzados de Machine Learning. La metodología se divide en cuatro pasos clave: extracción de datos, preprocesamiento, modelado y análisis de resultados. El Random Forest, con optimización de hiperparámetros y validación cruzada, se revela como el más eficaz, logrando un RMSE de 38.62 y un MAE de 28.94 que significan una reducción sustancial del 52.16% en MSE y 26.15% en MAE en comparación con un modelo estadístico base (SARIMAX). Además, se propone una optimización en el equipo de planificación, con reducciones significativas en personal (50%) y costos (62.5%). A pesar de los resultados positivos, se recomienda la exploración de modelos más complejos como redes neuronales artificiales y la consideración de la implementación en la nube de Google (GCP) para mejorar continuamente la eficiencia del modelo y adaptarse a las dinámicas cambiantes del mercado.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 Acceso Abierto Técnicas de Machine Learning para la clasificación automática de clientes en una empresa de seguros(Universidad ESAN, 2021) Asencio Diaz, Luz de los Angeles Manuela; Chiang Cornejo, Ricardo Hernan; Crisóstomo Fernández, Fernanda Lucía; Hernández Quiroz, Gisela Vanesa; Lajo Aurazo, Almendra SofiaMachine Learning y los modelos matemáticos en los que se basa para poder identificar patrones y dar una estimación basada en data histórica son usados cada vez más en diferentes industrias para procesar información que antes se consideraba masiva y por ende difícil de relacionar de manera certera por métodos tradicionales. Con la inclusión de las técnicas de como regresión logística y K-NN, hoy en día es posible formular y proponer un modelo de predicción de aprendizaje supervisado que se ajuste a los requerimientos de clasificación de una empresa. Esta investigación propone la aplicación de las mencionadas técnicas para la elaboración de modelos predictivos de clasificación de tipos de asegurados para una determinada empresa en la industria aseguradora de vehículos automóviles; usando como base de datos los registros históricos recopilados del año 2019.
