Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil

Descripción del Articulo

La industria textil vive un momento desafiante: cada vez hay más competencia y los clientes son más exigentes con los tiempos de entrega. En este escenario, poder anticiparse y predecir con precisión cuándo se entregará un pedido ya no es un lujo, sino una necesidad. Cuando esa capacidad falla, los...

Descripción completa

Detalles Bibliográficos
Autores: Orellana Rojas, Shessira Cinthya, Estrada Ponce, Vrid Brayan
Formato: tesis de grado
Fecha de Publicación:2025
Institución:Universidad Peruana de Ciencias Aplicadas
Repositorio:UPC-Institucional
Lenguaje:español
OAI Identifier:oai:repositorioacademico.upc.edu.pe:10757/686679
Enlace del recurso:http://hdl.handle.net/10757/686679
Nivel de acceso:acceso abierto
Materia:Industria textil
Análisis predictivo
Inteligencia artificial
Aprendizaje automático
Textile industry
Predictive analytics
Artificial intelligence
Machine learning
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/ocde/ford#2.00.00
id UUPC_dede7fa61176a89c7e914564c7a31517
oai_identifier_str oai:repositorioacademico.upc.edu.pe:10757/686679
network_acronym_str UUPC
network_name_str UPC-Institucional
repository_id_str 2670
dc.title.es_PE.fl_str_mv Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
title Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
spellingShingle Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
Orellana Rojas, Shessira Cinthya
Industria textil
Análisis predictivo
Inteligencia artificial
Aprendizaje automático
Textile industry
Predictive analytics
Artificial intelligence
Machine learning
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/ocde/ford#2.00.00
title_short Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
title_full Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
title_fullStr Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
title_full_unstemmed Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
title_sort Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
author Orellana Rojas, Shessira Cinthya
author_facet Orellana Rojas, Shessira Cinthya
Estrada Ponce, Vrid Brayan
author_role author
author2 Estrada Ponce, Vrid Brayan
author2_role author
dc.contributor.advisor.fl_str_mv Huiza Pereyra, Jaiver James
dc.contributor.author.fl_str_mv Orellana Rojas, Shessira Cinthya
Estrada Ponce, Vrid Brayan
dc.subject.none.fl_str_mv Industria textil
Análisis predictivo
Inteligencia artificial
Aprendizaje automático
Textile industry
Predictive analytics
Artificial intelligence
Machine learning
topic Industria textil
Análisis predictivo
Inteligencia artificial
Aprendizaje automático
Textile industry
Predictive analytics
Artificial intelligence
Machine learning
https://purl.org/pe-repo/ocde/ford#2.02.04
https://purl.org/pe-repo/ocde/ford#2.00.00
dc.subject.ocde.none.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.00.00
description La industria textil vive un momento desafiante: cada vez hay más competencia y los clientes son más exigentes con los tiempos de entrega. En este escenario, poder anticiparse y predecir con precisión cuándo se entregará un pedido ya no es un lujo, sino una necesidad. Cuando esa capacidad falla, los retrasos no solo generan molestias, sino que también dañan la reputación de la empresa y hacen que los clientes busquen alternativas más rápidas. Este trabajo tuvo como propósito desarrollar una herramienta que ayude a prever esos tiempos de entrega, usando técnicas de Machine Learning y regresión lineal. Para ello, se tomaron en cuenta datos reales de pedidos anteriores, tiempos de producción, logística y otras variables que influyen en el proceso. Los resultados fueron muy alentadores: el sistema logró hacer predicciones mucho más precisas, lo que permitió mejorar la organización interna y la coordinación con los clientes. En resumen, este sistema no solo reduce retrasos, sino que también ayuda a que todo funcione mejor. Por eso, se recomienda integrarlo en el día a día de las operaciones, ya que puede marcar una gran diferencia en la eficiencia del negocio y en la satisfacción de quienes reciben los productos.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-09-16T21:54:33Z
dc.date.available.none.fl_str_mv 2025-09-16T21:54:33Z
dc.date.issued.fl_str_mv 2025-05-08
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.other.es_PE.fl_str_mv Tesis
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
format bachelorThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10757/686679
dc.identifier.isni.es_PE.fl_str_mv 000000012196144X
url http://hdl.handle.net/10757/686679
identifier_str_mv 000000012196144X
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.en_US.fl_str_mv application/pdf
application/epub
application/msword
dc.publisher.es_PE.fl_str_mv Universidad Peruana de Ciencias Aplicadas (UPC)
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Universidad Peruana de Ciencias Aplicadas (UPC)
Repositorio Académico - UPC
dc.source.none.fl_str_mv reponame:UPC-Institucional
instname:Universidad Peruana de Ciencias Aplicadas
instacron:UPC
instname_str Universidad Peruana de Ciencias Aplicadas
instacron_str UPC
institution UPC
reponame_str UPC-Institucional
collection UPC-Institucional
bitstream.url.fl_str_mv https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/6/Orellana_RS.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/7/Orellana_RS_Fichaautorizacion.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/8/Orellana_RS_Reportesimilitud.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/9/Orellana_RS_Actasimilitud.pdf.txt
https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/3/Orellana_RS.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/2/Orellana_RS.docx
https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/1/Orellana_RS_Fichaautorizacion.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/4/Orellana_RS_Reportesimilitud.pdf
https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/5/Orellana_RS_Actasimilitud.pdf
bitstream.checksum.fl_str_mv 87bddc7972187694f7bed3275570bded
e1c06d85ae7b8b032bef47e42e4c08f9
befd1a2a9c03a5f297963453664863c8
fab553162f9ad7b6ed8bad0ba6b61b52
d3cba47da639426bf789675e3ccb3ef0
2e2474aaa5682ee20b45d63567c4571f
a7c11a14d38a191be320f74c10cb4702
0716109d2b2426e21f28407bfd1b08aa
57a4fe9b8481233b57f914cf4003962e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio académico upc
repository.mail.fl_str_mv upc@openrepository.com
_version_ 1846066171264106496
spelling d95988dbc280a2db5cf34efe48d54b01Huiza Pereyra, Jaiver James64c53072fb6188655d08e4d4ab9e723a500fa80134cd01b2b2d20b399624ef0d49b500Orellana Rojas, Shessira CinthyaEstrada Ponce, Vrid Brayan2025-09-16T21:54:33Z2025-09-16T21:54:33Z2025-05-08http://hdl.handle.net/10757/686679000000012196144XLa industria textil vive un momento desafiante: cada vez hay más competencia y los clientes son más exigentes con los tiempos de entrega. En este escenario, poder anticiparse y predecir con precisión cuándo se entregará un pedido ya no es un lujo, sino una necesidad. Cuando esa capacidad falla, los retrasos no solo generan molestias, sino que también dañan la reputación de la empresa y hacen que los clientes busquen alternativas más rápidas. Este trabajo tuvo como propósito desarrollar una herramienta que ayude a prever esos tiempos de entrega, usando técnicas de Machine Learning y regresión lineal. Para ello, se tomaron en cuenta datos reales de pedidos anteriores, tiempos de producción, logística y otras variables que influyen en el proceso. Los resultados fueron muy alentadores: el sistema logró hacer predicciones mucho más precisas, lo que permitió mejorar la organización interna y la coordinación con los clientes. En resumen, este sistema no solo reduce retrasos, sino que también ayuda a que todo funcione mejor. Por eso, se recomienda integrarlo en el día a día de las operaciones, ya que puede marcar una gran diferencia en la eficiencia del negocio y en la satisfacción de quienes reciben los productos.The textile industry is experiencing a challenging time: competition is growing, and customers are increasingly demanding on delivery times. In this scenario, being able to anticipate and accurately predict when an order will be delivered is no longer a luxury, but a necessity. When this capability fails, delays not only cause inconvenience but also damage the company's reputation and force customers to seek faster alternatives. This project aimed to develop a tool to help predict these delivery times, using machine learning and linear regression techniques. To do so, real data from previous orders, production times, logistics, and other variables that influence the process were taken into account. The results were very encouraging: the system was able to make much more accurate predictions, which allowed for improved internal organization and coordination with customers. In short, this system not only reduces delays but also helps everything run more smoothly. Therefore, it is recommended to integrate it into daily operations, as it can make a significant difference in business efficiency and the satisfaction of those who receive the products.Tesisapplication/pdfapplication/epubapplication/mswordspaUniversidad Peruana de Ciencias Aplicadas (UPC)PEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2Universidad Peruana de Ciencias Aplicadas (UPC)Repositorio Académico - UPCreponame:UPC-Institucionalinstname:Universidad Peruana de Ciencias Aplicadasinstacron:UPCIndustria textilAnálisis predictivoInteligencia artificialAprendizaje automáticoTextile industryPredictive analyticsArtificial intelligenceMachine learninghttps://purl.org/pe-repo/ocde/ford#2.02.04https://purl.org/pe-repo/ocde/ford#2.00.00Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textilinfo:eu-repo/semantics/bachelorThesisTesishttp://purl.org/coar/resource_type/c_7a1fSUNEDUUniversidad Peruana de Ciencias Aplicadas (UPC). División de Estudios Profesionales para Ejecutivos (EPE)LicenciaturaIngeniería de SistemasIngeniero de sistemas2025-09-19T02:54:09Zhttps://purl.org/pe-repo/renati/type#tesishttps://orcid.org/0009-0006-2477-847640762722https://purl.org/pe-repo/renati/level#tituloProfesional612076Coronado Gutiérrez, Jaime JuniorsVargas Santa Cruz, Yeny AlejandraRivas Galloso, Paul Harry7009861946240130CONVERTED2_3994565TEXTOrellana_RS.pdf.txtOrellana_RS.pdf.txtExtracted texttext/plain348889https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/6/Orellana_RS.pdf.txt87bddc7972187694f7bed3275570bdedMD56falseOrellana_RS_Fichaautorizacion.pdf.txtOrellana_RS_Fichaautorizacion.pdf.txtExtracted texttext/plain2https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/7/Orellana_RS_Fichaautorizacion.pdf.txte1c06d85ae7b8b032bef47e42e4c08f9MD57falseOrellana_RS_Reportesimilitud.pdf.txtOrellana_RS_Reportesimilitud.pdf.txtExtracted texttext/plain9190https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/8/Orellana_RS_Reportesimilitud.pdf.txtbefd1a2a9c03a5f297963453664863c8MD58falseOrellana_RS_Actasimilitud.pdf.txtOrellana_RS_Actasimilitud.pdf.txtExtracted texttext/plain1212https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/9/Orellana_RS_Actasimilitud.pdf.txtfab553162f9ad7b6ed8bad0ba6b61b52MD59falseORIGINALOrellana_RS.pdfOrellana_RS.pdfapplication/pdf5391225https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/3/Orellana_RS.pdfd3cba47da639426bf789675e3ccb3ef0MD53trueOrellana_RS.docxOrellana_RS.docxapplication/vnd.openxmlformats-officedocument.wordprocessingml.document25803736https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/2/Orellana_RS.docx2e2474aaa5682ee20b45d63567c4571fMD52falseOrellana_RS_Fichaautorizacion.pdfOrellana_RS_Fichaautorizacion.pdfapplication/pdf624703https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/1/Orellana_RS_Fichaautorizacion.pdfa7c11a14d38a191be320f74c10cb4702MD51falseOrellana_RS_Reportesimilitud.pdfOrellana_RS_Reportesimilitud.pdfapplication/pdf66277174https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/4/Orellana_RS_Reportesimilitud.pdf0716109d2b2426e21f28407bfd1b08aaMD54falseOrellana_RS_Actasimilitud.pdfOrellana_RS_Actasimilitud.pdfapplication/pdf123783https://repositorioacademico.upc.edu.pe/bitstream/10757/686679/5/Orellana_RS_Actasimilitud.pdf57a4fe9b8481233b57f914cf4003962eMD55false10757/686679oai:repositorioacademico.upc.edu.pe:10757/6866792025-09-22 02:20:22.07Repositorio académico upcupc@openrepository.com
score 13.955691
Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares