Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana

Descripción del Articulo

El presente trabajo de investigación tiene como objetivo analizar y contrastar las actuales soluciones de analítica avanzada en problemas de Supply Chain. Para esto, se empezará armando un marco teórico que consolide los conceptos fundamentales de pronósticos, machine learning y diagnóstico de proce...

Descripción completa

Detalles Bibliográficos
Autor: Linares Rosas, Sebastian
Formato: tesis de grado
Fecha de Publicación:2020
Institución:Pontificia Universidad Católica del Perú
Repositorio:PUCP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.pucp.edu.pe:20.500.14657/176796
Enlace del recurso:http://hdl.handle.net/20.500.12404/18099
Nivel de acceso:acceso abierto
Materia:Cosméticos--Industria y comercio
Control de procesos--Diagnóstico
Inteligencia artificial
http://purl.org/pe-repo/ocde/ford#2.11.04
id RPUC_b32d09fa96dd1c0d29ea8c672972c194
oai_identifier_str oai:repositorio.pucp.edu.pe:20.500.14657/176796
network_acronym_str RPUC
network_name_str PUCP-Institucional
repository_id_str 2905
spelling León Perfecto, Mery RoxanaLinares Rosas, Sebastian2021-02-02T23:17:07Z2021-02-02T23:17:07Z20202021-02-02http://hdl.handle.net/20.500.12404/18099El presente trabajo de investigación tiene como objetivo analizar y contrastar las actuales soluciones de analítica avanzada en problemas de Supply Chain. Para esto, se empezará armando un marco teórico que consolide los conceptos fundamentales de pronósticos, machine learning y diagnóstico de procesos. Con esta base, se presentarán los puntos principales de diversas publicaciones y trabajos académicos relacionados al uso de inteligencia artificial en Supply Chain, incluyendo métodos y resultados obtenidos. Entre estos, destacan las publicaciones donde se menciona el uso de redes neuronales para el pronóstico de demanda en un centro de estudio y la implementación de ensamble de modelos para robustecer la predicción de un modelo de demanda de misiles. Finalmente, se contrastará la bibliografía presentada y se elaborarán conclusiones al respecto.spaPontificia Universidad Católica del PerúPEinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/pe/Cosméticos--Industria y comercioControl de procesos--DiagnósticoInteligencia artificialhttp://purl.org/pe-repo/ocde/ford#2.11.04Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruanainfo:eu-repo/semantics/bachelorThesisTrabajo de grado de pregradoreponame:PUCP-Institucionalinstname:Pontificia Universidad Católica del Perúinstacron:PUCPBachiller en Ciencias con mención en Ingeniería IndustrialBachilleratoPontificia Universidad Católica del Perú. Facultad de Ciencias e IngenieríaCiencias con mención en Ingeniería Industrial09909590https://orcid.org/0000-0002-9615-151072530151722026https://purl.org/pe-repo/renati/level#bachillerhttps://purl.org/pe-repo/renati/type#trabajoDeInvestigacion20.500.14657/176796oai:repositorio.pucp.edu.pe:20.500.14657/1767962024-06-10T16:13:15.250Zhttp://creativecommons.org/licenses/by/2.5/pe/info:eu-repo/semantics/openAccessmetadata.onlyhttps://repositorio.pucp.edu.peRepositorio Institucional de la PUCPrepositorio@pucp.pe
dc.title.es_ES.fl_str_mv Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
title Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
spellingShingle Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
Linares Rosas, Sebastian
Cosméticos--Industria y comercio
Control de procesos--Diagnóstico
Inteligencia artificial
http://purl.org/pe-repo/ocde/ford#2.11.04
title_short Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
title_full Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
title_fullStr Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
title_full_unstemmed Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
title_sort Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
author Linares Rosas, Sebastian
author_facet Linares Rosas, Sebastian
author_role author
dc.contributor.advisor.fl_str_mv León Perfecto, Mery Roxana
dc.contributor.author.fl_str_mv Linares Rosas, Sebastian
dc.subject.es_ES.fl_str_mv Cosméticos--Industria y comercio
Control de procesos--Diagnóstico
Inteligencia artificial
topic Cosméticos--Industria y comercio
Control de procesos--Diagnóstico
Inteligencia artificial
http://purl.org/pe-repo/ocde/ford#2.11.04
dc.subject.ocde.es_ES.fl_str_mv http://purl.org/pe-repo/ocde/ford#2.11.04
description El presente trabajo de investigación tiene como objetivo analizar y contrastar las actuales soluciones de analítica avanzada en problemas de Supply Chain. Para esto, se empezará armando un marco teórico que consolide los conceptos fundamentales de pronósticos, machine learning y diagnóstico de procesos. Con esta base, se presentarán los puntos principales de diversas publicaciones y trabajos académicos relacionados al uso de inteligencia artificial en Supply Chain, incluyendo métodos y resultados obtenidos. Entre estos, destacan las publicaciones donde se menciona el uso de redes neuronales para el pronóstico de demanda en un centro de estudio y la implementación de ensamble de modelos para robustecer la predicción de un modelo de demanda de misiles. Finalmente, se contrastará la bibliografía presentada y se elaborarán conclusiones al respecto.
publishDate 2020
dc.date.created.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-02-02T23:17:07Z
dc.date.available.none.fl_str_mv 2021-02-02T23:17:07Z
dc.date.issued.fl_str_mv 2021-02-02
dc.type.es_ES.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.other.none.fl_str_mv Trabajo de grado de pregrado
format bachelorThesis
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12404/18099
url http://hdl.handle.net/20.500.12404/18099
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.rights.es_ES.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by/2.5/pe/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/2.5/pe/
dc.publisher.es_ES.fl_str_mv Pontificia Universidad Católica del Perú
dc.publisher.country.es_ES.fl_str_mv PE
dc.source.none.fl_str_mv reponame:PUCP-Institucional
instname:Pontificia Universidad Católica del Perú
instacron:PUCP
instname_str Pontificia Universidad Católica del Perú
instacron_str PUCP
institution PUCP
reponame_str PUCP-Institucional
collection PUCP-Institucional
repository.name.fl_str_mv Repositorio Institucional de la PUCP
repository.mail.fl_str_mv repositorio@pucp.pe
_version_ 1857836065640939520
score 13.916893
Marco teórico para tesis de mejora del error de pronóstico utilizando métodos de Machine Learning orientado al proceso de ventas de una empresa de cosméticos peruana
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