Propuesta de modelo predictivo empleando la técnica de machine learning para determinar la viabilidad de las cotizaciones de los proyectos de evacuación y señalización en la empresa P & R Arquitectos Consultores S.A.C.

Ajalcriña Grimaldo, Lourdes Alexandra; Alderete Arias, Fiorella Angelica; Carrizales Valencia, Camila Graciela; Tipe Carrasco, Jhosep Fernando

Propuesta de modelo predictivo empleando la técnica de machine learning para determinar la viabilidad de las cotizaciones de los proyectos de evacuación y señalización en la empresa P & R Arquitectos Consultores S.A.C.

dc.contributor.advisor	Fabian Arteaga, Junior Jhon
dc.contributor.author	Ajalcriña Grimaldo, Lourdes Alexandra
dc.contributor.author	Alderete Arias, Fiorella Angelica
dc.contributor.author	Carrizales Valencia, Camila Graciela
dc.contributor.author	Tipe Carrasco, Jhosep Fernando
dc.date.accessioned	2023-05-08T19:36:48Z
dc.date.available	2023-05-08T19:36:48Z
dc.date.issued	2023
dc.description.abstract	Nos encontramos en la era de transformación digital en el cual las empresas buscan automatizar sus procesos, esto con el fin de mejorar la productividad, la experiencia del cliente, reducir los costos y mejorar la toma de decisiones. En el presente trabajo, analizaremos a la empresa P & R Arquitectos, la cual presenta una problemática en los proyectos de evacuación y señalización ya que el 76% de cotizaciones son rechazadas. Es por ello que se analizaron una serie de variables que se evalúan para determinar el estado final de las cotizaciones y, a partir de ellas se construyeron los modelos de Machine Learning utilizando 4 diferentes técnicas, tales como: K-NN, Support Vector Machine, Regresión Logística y Árbol de decisión con el fin de obtener el modelo que sea más preciso y, además, se compararon los resultados con normalización y sin normalización. De los resultados obtenidos, la técnica de árbol de decisiones tiene una mejor predicción de las cotizaciones (85.88% con normalización). Se espera que el modelo de predicción de cotizaciones ayude en tomar mejores decisiones al momento de brindar una respuesta final al cliente ya sea realizando ajustes en cuestión de costos o negociando con el cliente de manera directa.	es_ES
dc.format	application/pdf	es_ES
dc.identifier.uri	https://hdl.handle.net/20.500.12640/3379
dc.language.iso	spa	es_ES
dc.publisher	Universidad ESAN	es_ES
dc.publisher.country	PE	es_ES
dc.rights	info:eu-repo/semantics/openAccess	es_ES
dc.rights	Atribución 2.5 Perú	*
dc.rights.uri	http://creativecommons.org/licenses/by/2.5/pe/	*
dc.subject	Aprendizaje automático	es_ES
dc.subject	Técnicas de predicción	es_ES
dc.subject	Cotización	es_ES
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#2.11.04	es_ES
dc.subject.ocde	https://purl.org/pe-repo/ocde/ford#5.02.04	es_ES
dc.title	Propuesta de modelo predictivo empleando la técnica de machine learning para determinar la viabilidad de las cotizaciones de los proyectos de evacuación y señalización en la empresa P & R Arquitectos Consultores S.A.C.	es_ES
dc.type	info:eu-repo/semantics/bachelorThesis	es_ES
dc.type.other	Trabajo de suficiencia profesional	es_ES
renati.advisor.dni	44749148
renati.advisor.orcid	https://orcid.org/0000-0001-9804-7795	es_ES
renati.author.dni	71472289
renati.author.dni	45431322
renati.author.dni	70313548
renati.author.dni	70769380
renati.discipline	722056	es_ES
renati.juror	Ballon Alvarez, Eber Joseph
renati.juror	Chávez Rojas, Mónica Patricia
renati.level	https://purl.org/pe-repo/renati/level#tituloProfesional	es_ES
renati.type	https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional	es_ES
thesis.degree.discipline	Ingeniería Industrial y Comercial	es_ES
thesis.degree.grantor	Universidad ESAN. Facultad de Ingeniería	es_ES
thesis.degree.name	Ingeniero Industrial y Comercial	es_ES