Ingeniería de Sistemas e Informática

URI permanente para esta colecciónhttps://hdl.handle.net/20.500.13053/153

Navegar

Mostrando 1 - 4 de 4

Acceso abierto
Aplicación de Machine Learning para la eficiencia en la gestión de inventarios en el sector farmacéutico limeño, 2024
(Universidad Privada Norbert Wiener, 2025-10-21) Rodas Cortijo, Carmen Liliana; Villacrisis Guerrero, Jahir Jesús; Córdova Forero, Julio Alfredo Martin
La gestión de inventarios en el sector farmacéutico enfrenta desafíos importantes, como la variabilidad en la demanda y las estrictas regulaciones. Este estudio analiza cómo el uso de Machine Learning (ML) puede mejorar la eficiencia en la gestión de inventarios en Lima Metropolitana durante 2024. El objetivo principal es determinar el impacto del ML en este proceso, evaluando su capacidad para predecir la demanda, reducir desabastecimientos, mejorar la rotación y optimizar los niveles de stock. Esto es clave, considerando que alrededor del 70% de las empresas farmacéuticas en Lima sufren desabastecimientos frecuentes, afectando tanto su operatividad como la salud pública. La investigación adopta un diseño experimental, utilizando registros históricos de una empresa farmacéutica (1,000 datos, con una muestra de 278) para analizar el efecto del ML mediante herramientas estadísticas. Se espera demostrar que la implementación de ML mejora indicadores clave como el stock óptimo y la tasa de rotación, reduciendo también los costos operativos. Finalmente, este trabajo no solo propone soluciones concretas a problemáticas actuales del sector, sino que también abre la puerta a nuevas investigaciones sobre el uso de tecnologías inteligentes en la cadena de suministro farmacéutica.
Acceso abierto
Implementación de inteligencia de negocios para mejorar la toma de decisiones en una empresa de telecomunicaciones, Lima 2025
(Universidad Privada Norbert Wiener, 2025-05-06) Ramirez Palomino, Victor Noe; Córdova Forero, Julio Alfredo Martin
El presente estudio, fundamentado para sustentar la suficiencia profesional tuvo como objetivo principal la implementación de inteligencia de negocios para mejorar la toma de decisiones en una empresa de telecomunicaciones. Como parte de los procesos, el estudio tiene la variable de inteligencia de negocios, la cual se apoya en diversas teorías académicas como la teoría de data warehousing y modelado dimensional, la teoría de la arquitectura empresarial de inteligencia de negocios y la teoría de la inteligencia organizacional. Por otra parte, la variable relacionada con la toma de decisiones cuenta como soporte de la teoría de la toma de decisiones racionales, la teoría de la prospectiva y la teoría de la toma de decisiones organizacional. Así mismo, para el desarrollo de la implementación, se empleó la metodología CRIPS-DM, que permitió llevar a cabo todas las etapas necesarias para la implementación de inteligencia de negocios y optimizar así el proceso de toma de decisiones en la empresa. Se debe agregar que, toda esta implementación se basó en mi experiencia y dedicación de 1 año y medio en la empresa como responsable del área de tecnología de la información (TI) para el sector de telecomunicaciones. Como parte de los resultados, llevé cabo el proceso de manera directa en todas las etapas, obteniendo como producto final un dashboard para la gestión de tickets. Esto permitió en tener la información centralizada, automatizado, reducción de tiempos y errores humanos al generar informas para las áreas o gerencia y sobre todo en la mejora de la toma decisiones basado en datos, lo que a su vez optimizó la atención al soporte de los usuarios y contribuyó al aumento de la rentabilidad de la empresa.
Acceso abierto
Implementación de machine learning para la toma de decisiones en el área de planeamiento de un call center, Lima 2025
(Universidad Privada Norbert Wiener, 2025-07-08) Vargas Quintana, Johnny Israel; Córdova Forero, Julio Alfredo Martin
El presente informe tiene como objetivo implementar un modelo predictivo basado en Machine Learning para optimizar la asignación de recursos y mejorar la eficiencia operativa en un call center ; la metodología empleada se basa en CRISP-DM la cual es complementaria con la experiencia adquirida; durante este período se utilizaron herramientas como SQL Server y Python junto con el algoritmo Random Forest Regressor para desarrollar soluciones que permitieran una toma de decisiones más precisa y eficiente. El diagnóstico inicial identificó que la previsión manual de chats entrantes mediante Excel generaba errores humanos tales como una asignación ineficiente de recursos y decisiones operativas desalineadas; para resolver estos problemas se implementó un modelo predictivo que basado en datos históricos y técnicas de aprendizaje supervisado, permitió prever con mayor precisión el volumen de chats y el desempeño de los ejecutivos; el proceso incluyó la preparación y limpieza de datos, el entrenamiento del modelo y su evaluación. Los resultados expusieron una mejora en la precisión de las previsiones lo que optimizó la asignación de personal, redujo los tiempos de espera y mejoró la experiencia del cliente; además, el modelo facilitó la identificación de patrones de comportamiento y tendencias, permitiendo una planificación más proactiva y alineada con los objetivos estratégicos del negocio; en conclusión la implementación de este modelo predictivo no solo mejoró la eficiencia operativa y la satisfacción del cliente, sino que también consolidó a la empresa como un referente en el uso de tecnologías avanzadas para la optimización de procesos.
Acceso abierto
Modelo de reconocimiento visual para identificar enfermedades del cultivo de café en la comunidad de Tacalpo, Ayabaca, Piura 2024
(Universidad Privada Norbert Wiener, 2025-02-04) Jaramillo Castillo, Denilson; Menacho Navarrete, Karem
Este estudio tuvo como objetivo determinar como el modelo de reconocimiento visual permite identificar enfermedades del cultivo de café en la comunidad de Tacalpo, Ayabaca, Piura 2024. La metodología utilizada fue de enfoque cuantitativo, de tipo aplicada y de diseño experimental. Asimismo, la muestra de esta investigación estuvo conformada por 42 plantas de café. Los instrumentos para la recolección de datos fueron el cuestionario y la ficha de observación para los indicadores, efectividad del modelo y tiempo promedio en la identificación. Se usó estadística descriptiva para analizar los datos, dando como resultado para el primer indicador una media de 71.4% en el pre-test y un 90.48% en el post-test. Del mismo modo, para el segundo indicador una media de 90.36 segundos en el pre-test y unos 2.89 segundos en el post-test. También, se empleó la estadística inferencial con la prueba de Shapiro-Wilk porque la muestra es inferior a 50. Los resultados para ambos indicadores fueron Sig. < 0.05, indicando una distribución no paramétrica. Por lo cual se empleó la prueba de Wilcoxon y la prueba de rangos obteniendo los siguientes resultados: Para el primer indicador z=-4,512b y sig <.001, para el segundo indicador z=-5,709b y sig <.001. Finalmente, se concluyó que mediante el modelo de reconocimiento visual se optimiza la efectividad en identificar enfermedades en un 19.08% y se reduce el tiempo promedio en identificar enfermedades en un 96.8%.

Navegar

Examinando Ingeniería de Sistemas e Informática por Línea de Investigación "Gestión estratégica para el desarrollo económico y organizacional sostenible."