Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.

Descripción del Articulo

El objetivo principal de esta tesis contempla la aplicación de un modelo de Big Data para mejorar la toma de decisiones del área logística de la Empresa Océano Seafood S.A. Se caracterizó por presentar un enfoque cuantitativo con un nivel descriptivo correlacional, El diseño de estudio fue mediante...

Descripción completa

Detalles Bibliográficos
Autores: Mechato Silva, Rosa Mercedes, Mechato Cotos, Jery Kenyi
Formato: tesis de grado
Fecha de Publicación:2022
Institución:Universidad Nacional del Santa
Repositorio:UNS - Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.uns.edu.pe:20.500.14278/3905
Enlace del recurso:https://hdl.handle.net/20.500.14278/3905
Nivel de acceso:acceso abierto
Materia:Big data
Machine Learning
Clientes
Proveedores
Logística
id UNSR_b94cbab32c82a79addffcd5742a814f8
oai_identifier_str oai:repositorio.uns.edu.pe:20.500.14278/3905
network_acronym_str UNSR
network_name_str UNS - Institucional
repository_id_str 3819
dc.title.es_PE.fl_str_mv Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
title Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
spellingShingle Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
Mechato Silva, Rosa Mercedes
Big data
Machine Learning
Clientes
Proveedores
Logística
title_short Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
title_full Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
title_fullStr Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
title_full_unstemmed Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
title_sort Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
author Mechato Silva, Rosa Mercedes
author_facet Mechato Silva, Rosa Mercedes
Mechato Cotos, Jery Kenyi
author_role author
author2 Mechato Cotos, Jery Kenyi
author2_role author
dc.contributor.advisor.fl_str_mv Reyna Rojas, Kene
dc.contributor.author.fl_str_mv Mechato Silva, Rosa Mercedes
Mechato Cotos, Jery Kenyi
dc.subject.es_PE.fl_str_mv Big data
Machine Learning
Clientes
Proveedores
Logística
topic Big data
Machine Learning
Clientes
Proveedores
Logística
description El objetivo principal de esta tesis contempla la aplicación de un modelo de Big Data para mejorar la toma de decisiones del área logística de la Empresa Océano Seafood S.A. Se caracterizó por presentar un enfoque cuantitativo con un nivel descriptivo correlacional, El diseño de estudio fue mediante la post prueba con un grupo de control, con una población total de 300 clientes y proveedores, con una muestra aleatoria simple de 169 personas a quienes se les aplicó un instrumento de preguntas cerradas con alternativas de respuestas de escala de Likert. Su confiabilidad fue calculada, aplicando el Alpha de Cronbach, obteniéndose un resultado de 0.773666, ubicándose al instrumento en una escala de alta confiabilidad El área logística de la empresa es encargada de gestionar el transporte de la mercadería desde su punto de recojo hasta el terminal de desembarque que el cliente solicite. Actualmente el área logística está basada en el criterio humano para la toma de decisiones al momento de contratar un proveedor para el traslado de su mercadería, el cual conlleva a no presenciar el panorama completo de posibilidades para el mejor proveedor a contratar. Por esto se puede concluir que, al no tener un panorama completo de los proveedores, no se está tomando la mejor decisión al momento de la elección del proveedor con menor tiempo y costo de servicio. Por ello consideraremos aplicar Big data apoyado de un modelo de machine Learning para procesar la información de cada uno de los proveedores con los que se trabaja y poder predecir la mejor toma de decisiones en el área logística
publishDate 2022
dc.date.accessioned.none.fl_str_mv 2022-03-30T13:57:52Z
dc.date.available.none.fl_str_mv 2022-03-30T13:57:52Z
dc.date.issued.fl_str_mv 2022
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.14278/3905
url https://hdl.handle.net/20.500.14278/3905
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-nd/3.0/us/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad Nacional del Santa
dc.source.es_PE.fl_str_mv Repositorio Institucional - UNS
dc.source.none.fl_str_mv reponame:UNS - Institucional
instname:Universidad Nacional del Santa
instacron:UNS
instname_str Universidad Nacional del Santa
instacron_str UNS
institution UNS
reponame_str UNS - Institucional
collection UNS - Institucional
bitstream.url.fl_str_mv http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/10/52419.pdf.jpg
http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/1/52419.pdf
http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/2/license_rdf
http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/3/license.txt
http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/9/52419.pdf.txt
bitstream.checksum.fl_str_mv 06c2caa8534c463cacb7cfc8de18b9f3
4aad8c7e8627ae70da007b51d70b97b5
bb87e2fb4674c76d0d2e9ed07fbb9c86
c52066b9c50a8f86be96c82978636682
3684100cbbfbd74c4c0b4e0e985c78df
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv DSpace Universidad Nacional del Santa
repository.mail.fl_str_mv repositorio@uns.edu.pe
_version_ 1838823411518799872
spelling Reyna Rojas, KeneMechato Silva, Rosa MercedesMechato Cotos, Jery Kenyi2022-03-30T13:57:52Z2022-03-30T13:57:52Z2022https://hdl.handle.net/20.500.14278/3905El objetivo principal de esta tesis contempla la aplicación de un modelo de Big Data para mejorar la toma de decisiones del área logística de la Empresa Océano Seafood S.A. Se caracterizó por presentar un enfoque cuantitativo con un nivel descriptivo correlacional, El diseño de estudio fue mediante la post prueba con un grupo de control, con una población total de 300 clientes y proveedores, con una muestra aleatoria simple de 169 personas a quienes se les aplicó un instrumento de preguntas cerradas con alternativas de respuestas de escala de Likert. Su confiabilidad fue calculada, aplicando el Alpha de Cronbach, obteniéndose un resultado de 0.773666, ubicándose al instrumento en una escala de alta confiabilidad El área logística de la empresa es encargada de gestionar el transporte de la mercadería desde su punto de recojo hasta el terminal de desembarque que el cliente solicite. Actualmente el área logística está basada en el criterio humano para la toma de decisiones al momento de contratar un proveedor para el traslado de su mercadería, el cual conlleva a no presenciar el panorama completo de posibilidades para el mejor proveedor a contratar. Por esto se puede concluir que, al no tener un panorama completo de los proveedores, no se está tomando la mejor decisión al momento de la elección del proveedor con menor tiempo y costo de servicio. Por ello consideraremos aplicar Big data apoyado de un modelo de machine Learning para procesar la información de cada uno de los proveedores con los que se trabaja y poder predecir la mejor toma de decisiones en el área logísticaTesisapplication/pdfspaUniversidad Nacional del Santainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/3.0/us/Repositorio Institucional - UNSreponame:UNS - Institucionalinstname:Universidad Nacional del Santainstacron:UNS Big dataMachine LearningClientesProveedoresLogísticaAplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.info:eu-repo/semantics/bachelorThesisSUNEDUIngeniero de Sistemas e InformáticaUniversidad Nacional del Santa. Facultad de IngenieríaTitulo ProfesionalIngeniería de Sistemas e Informáticahttps://orcid.org/0000-0002-1220-681080207374https://purl.org/pe-repo/renati/type#tesishttps://purl.org/pe-repo/renati/nivel#tituloProfesional612156Manrique Ronceros, Mirko MartínManco Pulido, Pedro EliseoMendoza Corpus, Carlos Alfredo7354216647361418THUMBNAIL52419.pdf.jpg52419.pdf.jpgGenerated Thumbnailimage/jpeg4086http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/10/52419.pdf.jpg06c2caa8534c463cacb7cfc8de18b9f3MD510ORIGINAL52419.pdf52419.pdfapplication/pdf5423407http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/1/52419.pdf4aad8c7e8627ae70da007b51d70b97b5MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81232http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/2/license_rdfbb87e2fb4674c76d0d2e9ed07fbb9c86MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81327http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/3/license.txtc52066b9c50a8f86be96c82978636682MD53TEXT52419.pdf.txt52419.pdf.txtExtracted texttext/plain187722http://repositorio.uns.edu.pe/bitstream/20.500.14278/3905/9/52419.pdf.txt3684100cbbfbd74c4c0b4e0e985c78dfMD5920.500.14278/3905oai:repositorio.uns.edu.pe:20.500.14278/39052024-08-16 10:05:36.157DSpace Universidad Nacional del Santarepositorio@uns.edu.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
score 13.897231
Aplicación de BIG Data para mejorar la toma de decisiones en el área logística de la Empresa Océano SEAFOOD S.A.
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