Técnicas de Machine Learning para determinar la producción de cultivos y personal requerido en las campañas de cosecha de la empresa Fundos Rejas SAC

Simple item page
dc.contributor.advisorFabian Arteaga, Junior Jhon
dc.contributor.authorBriceño Rodríguez, Rafael Isaac
dc.contributor.authorCeledonio Rojas, Marco Antonio
dc.contributor.authorCrisóstomo Fernández, Walter Javier
dc.contributor.authorMedrano Pelaez, Jose Luis
dc.contributor.authorSalas Castillo, Patricia Elizabeth
dc.coverage.spatialPerú
dc.date.accessioned2022-11-11T15:17:21Z
dc.date.available2022-11-11T15:17:21Z
dc.date.issued2022
dc.description.abstractDiferentes 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.es_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://hdl.handle.net/20.500.12640/3237
dc.language.isospaes_ES
dc.publisherUniversidad ESANes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rightsAtribución-NoComercial 2.5 Perú*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/2.5/pe/*
dc.subjectAprendizaje automáticoes_ES
dc.subjectAnálisis regresivoes_ES
dc.subjectTecnología de la informaciónes_ES
dc.subjectAgroindustriaes_ES
dc.subjectPlanificación de la empresaes_ES
dc.subjectProducción agropecuariaes_ES
dc.subjectTrabajadores agrícolases_ES
dc.subjectCultivos alimenticioses_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.04es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04es_ES
dc.titleTécnicas de Machine Learning para determinar la producción de cultivos y personal requerido en las campañas de cosecha de la empresa Fundos Rejas SACes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.type.otherTrabajo de suficiencia profesionales_ES
renati.advisor.dni44749148
renati.advisor.orcidhttps://orcid.org/0000-0001-9804-7795es_ES
renati.author.dni74698574
renati.author.dni47848506
renati.author.dni73253884
renati.author.dni44792076
renati.author.dni70915575
renati.discipline722056es_ES
renati.discipline613066es_ES
renati.jurorLizarzaburu Bolaños, Edmundo Raul Antonio
renati.jurorGonzales Lopez, Rolando Alberto
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_ES
thesis.degree.disciplineIngeniería Industrial y Comerciales_ES
thesis.degree.disciplineIngeniería de Tecnologías de Información y Sistemases_ES
thesis.degree.grantorUniversidad ESAN. Facultad de Ingenieríaes_ES
thesis.degree.nameIngeniero Industrial y Comerciales_ES
thesis.degree.nameIngeniero de Tecnologías de Información y Sistemases_ES
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
2022_IIC_22-2_05_TC.pdf
Size:
3.81 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Ingeniería Industrial Comercial
Ingeniería de Tecnologías de Información y Sistemas