Deep Learning en el control de activos fijos en una empresa de consultoría, Lima 2024

• Autor: Sulca Talavera, Johuan
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/159952
• Enlace del recurso: https://hdl.handle.net/20.500.12692/159952
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje profundo; Activo fijo; Inventario; https://purl.org/pe-repo/ocde/ford#2.02.04

Como objetivo principal del estudio se buscó determinar la mejora del Deep Learning en el control de activos fijos en una empresa de consultoría, Lima 2024. Asimismo, está alineado con los fines del ODS 9 fomentando la innovación, a través de la utilización de nuevas herramientas como la inteligencia artificial, con el fin de mejorar el control de activos en sus diferentes etapas. El estudio realizado fue con un enfoque cuantitativo, tipo aplicada y alcance preexperimental. La población utilizada fue de 3218 registros y con una muestra de 344 registros. Para la obtención de datos se empleó ficha de registro. El estudio se centró en las dimensiones de registro, seguimiento y adecuación del control de activos. Con la aplicación del modelo del Deep Learning, se logró determinar una reducción significativa del índice de tiempo de conciliación de 111.71% a 0.086%. Asimismo, se manifiesta una disminución del índice de error de registro de 26.41% a 0.25%. De forma similar se redujo el costo de conciliación de activo de 0.37 a 0.00029 sol por activo. Como conclusión, la aplicación del modelo Deep Learning mejora el control de activos en una empresa de consultoría debido a que reduce el tiempo de conciliación, los errores de registro y el costo de conciliación.