Publication:
Estrategia computacional para predecir estimación de demanda en abastecimiento automático, utilizando algoritmos de machine learning

dc.contributor.advisorBriñez de León, Juan Carlos
dc.contributor.authorBautista Suárez, Deibys Rafael
dc.date.accessioned2025-07-08T20:22:02Z
dc.date.available2025-07-08T20:22:02Z
dc.date.issued2025
dc.description.abstractEste 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.
dc.description.degreelevelEspecializaciónspa
dc.description.degreenameEspecialista en Dirección de Operaciones y Mejoramiento Continuospa
dc.format.extent19 p.
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://repositorio.uniremington.edu.co/handle/123456789/7563
dc.language.isospaspa
dc.publisherCorporación Universitaria Remingtonspa
dc.publisher.facultyFacultad de Ingenieríasspa
dc.publisher.placeMedellín (Antioquia, Colombia)spa
dc.publisher.programEspecialización en Dirección de Operaciones y Mejoramiento Continuospa
dc.rightsDerechos Reservados - Corporación Universitaria Remington, 2025spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenseAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)spa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/spa
dc.subjectMachine Learningspa
dc.subjectAbastecimientospa
dc.subjectArtículospa
dc.subjectOrden de compraspa
dc.subjectAlgoritmos de predicciónspa
dc.subjectAnálisis de datosspa
dc.subjectModelos de decisiónspa
dc.subjectRegresión logísticaspa
dc.subject.lembAbastecimiento y distribución
dc.subject.lembAprendizaje automático (Inteligencia artificial)
dc.subject.lembAnálisis de datos
dc.titleEstrategia computacional para predecir estimación de demanda en abastecimiento automático, utilizando algoritmos de machine learningspa
dc.typeTrabajo de grado - Especializaciónspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.localTesis/Trabajo de grado - Monografía - Especialización
dc.type.redcolhttp://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublicationspa
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
RIU-POS-2025 Estrategia computacional estimacion.pdf
Size:
524.25 KB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
No Thumbnail Available
Name:
Cesión Derechos_TG.pdf
Size:
205.2 KB
Format:
Adobe Portable Document Format
Description: