Fabian Arteaga, Junior JohnOre Vargas, Jorge HumbertoPinedo Chávez, Luis AlonsoRamírez Núñez, Karen AndreaSullón Cabello, Claudia NoeliaVillanueva Méndez, Martín Jesús2022-11-102022-11-102022https://hdl.handle.net/20.500.12640/3230La industria de empaques rígidos es un sector altamente competitivo en temas de calidad y precio en el Perú y el mundo. Es por ello, que se requiere que las empresas optimicen el uso de sus recursos para poder ofrecer lo que el mercado demanda. El presente trabajo plantea mejorar el proceso de disposición de productos observados en el área de Aseguramiento de Calidad a través de un modelo predictivo, resultante de la aplicación de técnicas de machine learning y así disminuir los tiempos que actualmente se emplean en este proceso. Estas técnicas son K-NN (k-Nearest Neighbors), Máquinas de soporte vectorial (SVM), Naive Bayes y Árbol de decisiones. Para su entrenamiento se usó data histórica de los años 2021 y 2022 la cual fue tratada y definida en conjunto con los especialistas. Como resultado de la evaluación del Accuracy de cada modelo, se pudo concluir que el más preciso es el Árbol de decisiones, la cual podrá ser aplicada a futuro en la empresa para contribuir con la mejora del proceso.application/pdfspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0Calidad del productoControl de calidadOptimizaciónProcesos industrialesAprendizaje automáticoIndustria del plásticoRecipientesinfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.11.04https://purl.org/pe-repo/ocde/ford#5.02.04https://purl.org/pe-repo/ocde/ford#2.07.00