Machine Learning basado en la metodología CRISP-DM para mejorar la logística en una empresa de producción de aguas minerales

• Autores: Ponce Avilez, Jonny Sebastian, Rau Rosales, John Bryan
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/170865
• Enlace del recurso: https://hdl.handle.net/20.500.12692/170865
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Innovación tecnológica; Procesamiento de datos e inventario; https://purl.org/pe-repo/ocde/ford#2.02.04

La tesis se centró en desarrollar un sistema con aprendizaje automático que mejore la logística de la empresa de producción de aguas minerales. Se identificaron problemas en entregas recibidas fallidas, entregas a tiempo, la tasa entregas completas y a tiempo y rotura de stock. Ello generaba mala gestión inventario y satisfacción baja de clientes. Esta investigación se alinea con el ODS 9, promoviendo la innovación tecnológica y la industrialización sostenible, así como con el ODS 12. La meta fue, determinar la influencia del desarrollo de machine Learning basado en la metodología CRISP_DM para mejorar la logística en una empresa de producción de aguas minerales. El estudio fue aplicada, cuantitativo y preexperimental, la población fue 110 documentos de pedidos entre el mes de enero a marzo. Se aplicó la fórmula de la muestra que redujo la población a 86 documentos. La información sobre los indicadores se recogió por la ficha de registro y al iniciar el sistema, las entregas recibidas fallidas se redujeron en - 67.02%, las entregas a tiempo incrementaron en 42.07%, la tasa de entregas completas mejoró 41.95%, y la rotación de stock disminuyó en 81.42%. Concluyendo que el sistema mejoró la logística de la empresa, según los indicadores.