Predicción de la demanda empleando técnicas de machine learning en una empresa industrial de películas plásticas

Simple item page
dc.contributor.advisorFabian Arteaga, Junior Jhon
dc.contributor.authorPacheco Prieto, Alexandra Gabriela
dc.contributor.authorPari Cruz, Milagros Margaret
dc.contributor.authorRojas Caro, Lady Leslie
dc.coverage.spatialPerú
dc.date.accessioned2023-05-08T20:37:20Z
dc.date.available2023-05-08T20:37:20Z
dc.date.issued2023
dc.description.abstractLa empresa en estudio se dedica a la producción y comercialización de láminas para empaques flexibles. Actualmente, la industria de productos plásticos ha venido mostrando un gran potencial y dinamismo con un crecimiento en los últimos años. Por ello, se ha propuesto predecir de manera exacta la demanda aplicando herramientas de Machine Learning, y así producir la cantidad correcta para atender a sus clientes y generar el stock necesario. En la investigación se aplicó una metodología cuantitativa con un diseño experimental y alcance correlacional, siendo la variable dependiente a predecir la demanda de productos. Se realizó una comparativa de cuatro algoritmos: regresión lineal, árboles de decisión, ARIMA y vectores de soporte de regresión para determinar el algoritmo adecuado a seguir. Finalmente, analizando las métricas de error de los modelos, el algoritmo de Regresión Lineal resultó con un R2 de 0.98 que indica su mayor ajuste al comportamiento de la demanda. Este dato nos permitirá tomar decisiones inmediatas con respecto al abastecimiento de materia prima, una programación correcta de producción y determinar el stock en inventarios que permitan responder rápidamente a la demanda cambiante.es_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://hdl.handle.net/20.500.12640/3383
dc.language.isospaes_ES
dc.publisherUniversidad ESANes_ES
dc.publisher.countryPEes_ES
dc.rightsinfo:eu-repo/semantics/closedAccesses_ES
dc.subjectAprendizaje automáticoes_ES
dc.subjectTécnicas de predicciónes_ES
dc.subjectDemandaes_ES
dc.subjectEmpresas industrialeses_ES
dc.subjectIndustria del plásticoes_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.titlePredicción de la demanda empleando técnicas de machine learning en una empresa industrial de películas plásticases_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.dni76742766
renati.author.dni70265165
renati.author.dni78464033
renati.discipline722056es_ES
renati.jurorBallon Alvarez, Eber Joseph
renati.jurorChávez Rojas, Mónica Patricia
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.grantorUniversidad ESAN. Facultad de Ingenieríaes_ES
thesis.degree.nameIngeniero Industrial y Comerciales_ES
Files
Original bundle
Now showing 1 - 4 of 4
Thumbnail Image
Name:
2023_IIC_23-1_02_R.pdf
Size:
637.53 KB
Format:
Adobe Portable Document Format
Description:
Download
No Thumbnail Available
Name:
2023_IIC_23-1_02_TC.pdf
Size:
4.16 MB
Format:
Adobe Portable Document Format
Description:
Texto completo (acceso restringido)
Download
No Thumbnail Available
Name:
2023_IIC_23-1_02_F.pdf
Size:
298.55 KB
Format:
Adobe Portable Document Format
Description:
Autorización (acceso restringido)
Download
No Thumbnail Available
Name:
2023_IIC_23-1_02_TU.pdf
Size:
16.41 MB
Format:
Adobe Portable Document Format
Description:
Informe Turnitin (acceso restringido)
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