Especialización en Dirección de Operaciones y Mejoramiento Continuo
Permanent URI for this collection
El especialista en Dirección de Operaciones y Mejoramiento Continuo (modalidad virtual) de la Facultad de Ingenierías de Uniremington es un profesional orientado a impactar positivamente desde la dirección de las operaciones de los procesos industriales, abordando proyectos de mejora con una base solidad desde el hacer.
Browse
Browsing Especialización en Dirección de Operaciones y Mejoramiento Continuo by Author "Briñez de León, Juan Carlos"
Now showing 1 - 8 of 8
Results Per Page
Sort Options
Publication Algoritmo computacional para el análisis y toma de decisiones en datos de ventas de almacenes de la compañía Global de Pinturas - Pintuco, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) Torres Ramírez, Sebastián; Briñez de León, Juan CarlosEn este trabajo se realiza un análisis de los dataset de ventas de diferentes tiendas oficiales de la empresa Pintuco para determinar con la ayuda de Google Colab y el código PYTON el comportamiento de los mismos, realizar un análisis estadístico y grafico para posteriormente proceder con una clasificación de los mismos. Después de esto se realiza un modelo computacional que permite realizar una clasificación de nuevos datos basado en la variabilidad anterior. Esto se realiza con el interés de tener criterios para asignación de incentivos económicos y laborales a los empleados de las tiendas basados en el desempeño obtenido, además en un futuro impulsar campañas de ventas y marketing que permitan aumentar las ventas en cada una de las tiendas.Publication Algoritmo computacional para el análisis y toma de decisiones en datos de volumen en ventas de compañía de producción industrial, empleando estrategias de machine learning(Corporación Universitaria Remington, 2025) Londoño Trejos, Jorge Hernán; Briñez de León, Juan CarlosEl proyecto titulado " algoritmo computacional para el análisis y toma de decisiones en datos de volumen en ventas de una compañía de producción industrial, empleando estrategias de machine learning", se desarrolla con el objetivo de identificar, analizar y fortalecer conocimientos adquiridos para el análisis de datos computacionales, que son procesados a través de la configuración de algoritmos, que luego nos darán una análisis detallado por medio de histogramas o tablas, para la toma de decisiones. A medida que avanza la lectura de este proyecto, se comparte un contexto general del mercado de balanceados a nivel nacional, datos aproximados del nivel de producción en el que se encuentra el sector, así mismo las oportunidades que con base en las cifras mencionados, amplía el panorama de la oportunidad de crecimiento en el que se encuentran las empresas que se dedican a la actividad elaboración y comercialización de alimento balanceado para animales. El proyecto inicia con la consolidación de un grupo de datos, basado en las ventas de una compañía de elaboración de alimento balaceado del municipio de Bello; esta data contiene registros de 6 meses de ventas de las diferentes líneas de producto que normalmente se encuentran en la industria. Estos datos son procesados por medio de la asignación de algoritmos computacionales. Para ello se realiza una limpieza de la información, descartando variables que puedan afectar el procesamiento de los datos, transformando aquellos registros que se encuentren en formato alfanumérico a datos numéricos. Se asignan los algoritmos computaciones para filtrar los datos. Luego se aplica el modelo tipo Kmeans, para segmentar los datos según las variables, en este caso, se espera realizar los agrupamientos a tan solo 6 grupos. Se procede a asignarles etiquetas (número del grupo) a la columna de línea de producto, buscando transformar el formato de datos de texto a numérico y con ello facilitar los demás pasos. Se genera el histograma para tener una visual de los agrupamientos que realizó, basado en la serie de algoritmos que se asignaron. Se identifican 3 grupos representativos, frente a otros 3 que pueden tener un a oportunidad de mejora. Partiendo del modelo de clustering aplicado, se asignan unas decisiones según los grupos previamente identificados, a los que se les otorga una serie de beneficios, y otros algunas condiciones especificas debido a las limitaciones a nivel económico y de comportamiento en la compra que pueda tener el cliente. Al final se comparte una serie de resultados obtenidos y las pautas a tener en cuenta al momento de la generación de la orden de compra, según las especificaciones técnicas y de proceso interno del cliente final.Publication Algoritmo computacional para el análisis y toma de decisiones en el resultado y proyección de adopción de mascotas del Refugio Amor y Huellas, utilizando estrategias de machine Learning(Corporación Universitaria Remington, 2024) Ortiz Marin, Tatiana; Briñez de León, Juan CarlosEn la mayoría de las ciudades y estados de todos los países, los perros y gatos callejeros se vuelven una parte importante del paisaje mostrando sus enfermedades y sufrimiento constante. Es bien sabido, que muchas de estas mascotas han tenido diferentes dueños quienes los abandonan a su suerte por diferentes motivos y muchos otros han nacido en la calle, producto de los padres abandonados. Esta investigación busca encontrar resultados en las preferencias de mascotas al momento de adoptar un nuevo integrante en las familias estadounidenses, siendo estos animales domésticos entre perros, gatos, conejos y pericos que son las opciones disponibles en el refugio estudiado. Al entender estas preferencias, se puede realizar un pronóstico de probabilidad de adopción en cada grupo de mascotas. Es importante con estos estudios poder sensibilizar a las familias sobre la importancia de adoptar animales y brindar un hogar definitivo que además de garantizar el bienestar del animal, se garantiza también el bienestar físico y emocional en la familia adoptante, ya que, a través de muchos estudios se ha demostrado como la influencia y presencia de una mascota puede controlar episodios delicados de salud, así como estrés, ansiedad y depresión que son los trastornos principales del siglo XXI, evitando también con la compañía de mascotas el desarrollo de enfermedades terminales y difíciles de tratar.Publication Algoritmo computacional para el análisis y toma de decisiones en proyecciones para la venta de productos digitales en la empresa Tecnomóvil, utilizando estrategias de machine learning(Corporación Universitaria Remington, 2024) Agudelo Moreno, Cristian; Castro Hernández, Daniela; Briñez de León, Juan CarlosEn el presente documento y en base a las Técnica profesional y programas de Machine Learning, se exploran las principales ventas de elementos digitales de la empresa Tecnomóvil y se analizan las variables más representativas que arroja el desarrollo del programa, con el fin de conocer los gustos y elecciones de preferencia de los clientes del presente año 2024 y poder así contribuir a diseñar estrategias de marketing y anticiparse al mercado, generando valor al posicionamiento de Tecnomóvil y al cliente final. El desarrollo comienza con el registro de las ventas de los cinco elementos digitales más vendidos en 2024 y en diferentes marcas de fabricantes, se realiza un análisis de comportamiento durante gráficos estadísticos, luego, se procede con la segmentación de grupos óptimos entre clientes y por último, como ejercicio especial y plus en el presente trabajo, se proyecta en el tiempo por medio del método de regresión el posible desempeño que pueda obtener la variable más significativa de las ventas para el próximo mes, teniendo como dato los registros de los siete meses anteriores y así, poder crear alternativas que ayuden a maximizar las ventas y rentabilidad de la empresa.Publication Análisis computacional de datos en un restaurante para análisis de utilidades y satisfacción de servicio al cliente, utilizando algoritmos de machine learning(Corporación Universitaria Remington, 2024) León Pulgarín, Cristian Andrés; Estrada Salgado, Mairym Mishell; Caro Román, Diana Marcela; Briñez de León, Juan CarlosEn el presente trabajo se aplica el análisis mediante Técnica profesionals de Machine Learning para estudiar la relación entre datos de utilidades y la satisfacción del cliente en el restaurante ATICO, con el objetivo de identificar patrones en el comportamiento de consumo y optimizar la experiencia a través de un sistema de recomendaciones. Para ello, se utiliza modelos predictivos que permiten predecir la relación entre variables como el valor monetario de los platos vendidos, el nivel de servicio y la percepción de los clientes en términos de satisfacción. El estudio comienza con la recopilación de datos históricos del restaurante ATICO y su análisis preliminar utilizando Técnica profesionals de limpieza, transformación y preparación de datos para asegurar la calidad de la información. Luego, se implementa algoritmos de Machine Learning, destacando el modelo KNM y Técnica profesionals de regresión para establecer patrones de consumo y su influencia en la satisfacción del cliente. Además del análisis estadístico, se realizan simulaciones predictivas utilizando estos modelos para validar las conclusiones respecto a las utilidades futuras y la percepción de los clientes, ajustando la información a partir de patrones históricos de consumo. Como resultado, el modelo permite anticipar tendencias y proyecciones relacionadas con la satisfacción y el comportamiento de los clientes en función de los datos procesados. Este análisis no solo proporciona una herramienta estratégica para la toma de decisiones informadas dentro del restaurante ATICO, sino que también propone la implementación de sistemas de recomendación para personalizar servicios y mejorar la experiencia de los clientes, generando un impacto positivo en la operación y rentabilidad del establecimiento.Publication Estrategia computacional para estimar cuál es la mejor ruta para generar el mejor rendimiento en la cocción del atún a partir de datos reales suministrados por manufactura de atún, utilizando algoritmos de machine learning(Corporación Universitaria Remington, 2025) Realpe González, Giovanni; Briñez de León, Juan CarlosEn este proyecto al cual se llamo “estrategia computacional para estimar cual es la mejor ruta para generar el mejor rendimiento en la cocción del atún a partir de datos reales suministrados por manufactura de atún, utilizando algoritmos de Machine Learning” sustenta el desarrollo e implementación de un modelo de clasificación sirve para mejorar los procesos de cocción del atún en una de las plantas más grande de procesamiento de atún del Ecuador, ubicada en Posorja. La mayoría de las plantas que procesan atún funcionan con estructuras familiares y con sistemas de información poco robustos, lo que dificulta la toma de decisiones eficientes en los procesos críticos como lo es la cocción del atún, y sus decisiones se basan bajo su experiencia empírica. El proceso de cocción de atún tiene un impacto directo en el rendimiento del pescado y en la rentabilidad de esta categoría, esto debió a que la materia prima representa en el costo total de fabricación del atún, en las latas en un 52%, en pouch 62% y en los lomos congelados un 80%. Esta investigación se enfoca en analizar las principales variables y las mas criticas en el proceso de cocción del atún, como son; la especie, talla, peso de la pieza de atún, tempera de corte de las cocinas y el tiempo de cocción, así mismo el destino final del producto (latas, pouch o lomos congelados). Se utilizo la información histórica de este proceso de enero a mayo del 2025, con más de 4.100 registros. Con estos datos recopilados se entrenaron 10 modelos de clasificación con Python, siendo el modelo Decisión Tree y Random Forest con mayor nivel de accuracy del 98% de precisión. Los resultados de los modelos demostraron una alta correlación entre variables como la talla del atún y tiempo de cocción del atún, así como la temperatura a la cual se corta la cocina o se para el calentamiento y el rendimiento total final. El tener un adecuado dominio de estas variables nos permitirá disminuir la merma y maximizar el rendimiento final del atún después de la cocción, contribuyendo beneficios hasta por 1 millón de dólares mensuales para la categoría de atún.Publication Estrategia computacional para predecir estimación de demanda en abastecimiento automático, utilizando algoritmos de machine learning(Corporación Universitaria Remington, 2025) Bautista Suárez, Deibys Rafael; Briñez de León, Juan CarlosEste trabajo de grado tiene como objetivo aplicar técnicas de análisis de compras de fábricas con la inminente necesidad de solucionar los recurrentes problemas de abastecimiento que afectan la producción con el objetivo de predecir la cantidad y los tiempos de abastecimiento la materia prima necesarios para un año de producción. Bajo esto, se utilizó un conjunto de datos con información de año de compra de artículos, incluyendo variables como fecha de compra, proveedor descripción artículo, número de orden, entre otros. A lo largo del proyecto, se realizó un análisis completo que incluyó la limpieza de los datos, transformación de variables y selección de características relevantes. Posteriormente, se entrenaron distintos algoritmos de clasificación supervisada como regresión logística, árboles de decisión, Random Forest, SVM, entre otros, con el fin de predecir si un préstamo debía ser aprobado o rechazado. Este conjunto de datos es una instantánea de un panorama minorista ficticio, que captura los atributos esenciales que impulsan las operaciones minoristas y las interacciones con los clientes. Incluye detalles clave como el ID de la transacción, la fecha, el ID del cliente, el género, la edad, la categoría del producto, la cantidad, el precio unitario y el importe total. Estos atributos permiten una exploración multifacética de las tendencias de ventas, las influencias demográficas y los comportamientos de compra.Publication Predicción del comportamiento del índice de precios al consumidor en Colombia mediante algoritmos machine learning(Corporación Universitaria Remington, 2025) Heredia Castillo, Linda María; Briñez de León, Juan CarlosEste trabajo de investigación se centra en la predicción del comportamiento del Índice de Precios al Consumidor (IPC) en Colombia utilizando algoritmos de machine learning. Se analizan datos históricos de variación mensual del IPC desde 2014 hasta 2024, proporcionados por el DANE. Se exploran diferentes modelos predictivos, incluyendo regresión lineal, regresión polinómica, y varios algoritmos de machine learning como Random Forest, XGBoost y SVR. Los resultados indican que los modelos basados en Random Forest y XGBoost ofrecen el mejor rendimiento predictivo. Además, se observa que ni la ciudad ni la categoría tienen una relación lineal fuerte con el IPC mensual, sugiriendo la necesidad de explorar modelos no lineales. Este estudio destaca la importancia de utilizar datos limpios y modelos adecuados para mejorar la precisión de las predicciones económicas.