Implementación de herramientas Python en el proceso de producción de cultivos agrícolas del fundo “San Juan de Buenavista”

• Autor: Mendoza Vásquez, Eduardo Arturo
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/59522
• Enlace del recurso: https://hdl.handle.net/20.500.12692/59522
• Nivel de acceso: acceso abierto
• Materia: Sistemas de información y comunicaciones; Comercio de productos agrícolas; Sistemas informáticos; https://purl.org/pe-repo/ocde/ford#2.02.04

En el presente desarrollo de tesis detalla el estudio del proceso de producción agrícola en el fundo San Juan de Buenavista, así mismo se presenta el desarrollo y la implementación de la herramienta Python para la realización de modelos predictivos. El proceso de producción se controla por fichas de monitoreo de forma manual que se ingresa por el jefe de operaciones a un archivo Excel. Este proceso ocasiona lentitud en la toma de decisiones debido a que el jefe de operaciones puede ocupar mas de 2 días en preparar y realizar proyecciones, las cuales tienen menos del 80% de precisión. El objetivo del estudio es diseñar e implementar la herramienta Python, para generar alertas y brindar soporte en la toma de decisiones del área de planta, el cual se toma en cuenta los objetivos específicos para construcción de la herramienta. La herramienta es de software libre y se realizó con la metodología CRISP-DM, la cual ayudara a diseñar e implementar los modelos predictivos. La investigación es de tipo aplicada, y como diseño de estudio es experimental. Los indicadores a tomar en cuenta son la precisión en predecir la producción, el uso de materiales, la producción de descarte y la perdida de materiales. Se utilizan dos segmentos de datos, datos de entrenamiento (train) que utilizan datos hasta el 2019 y para el segundo segmento denominado datos de prueba (test) se utilizara datos del 2020. Se utilizaron las pruebas Shapiro-Wilk test y D'Agostino's K-squared. El resultado de los modelos predictivos fue superior al 80% con el cual se considera un modelo óptimo. Gracias a la implantación de la herramienta se logró aumentar todos los indicadores de producción y gestión de materiales. Con esto se demostró que la herramienta mejoró la forma de hacer proyecciones en la producción agrícola de la campaña 2020 en el fundo San Juan de Buenavista.