“MODELO PREDICTIVO A TRAVÉS DE TÉCNICAS DE MINERÍA DE DATOS PARA MEJORAR LA PLANIFICACIÓN DE SUMINISTROS EN LA PROCESADORA INDUSTRIAL RIO SECO”

Show simple item record

dc.contributor.advisor Rodríguez Peña, Victor Raúl
dc.contributor.author Huaman Esplana, Manuel Melecio
dc.contributor.author Lucas Escobar, Erwin Gorky
dc.date.accessioned 2021-12-03T16:34:36Z
dc.date.available 2021-12-03T16:34:36Z
dc.date.issued 2021-04-23
dc.identifier.uri http://repositorio.unh.edu.pe/handle/UNH/3947
dc.description.abstract En la presente tesis titulada “Modelo predictivo a través de técnicas de minería de datos para mejorar la planificación de suministros en procesadora industrial rio seco”, presenta muchas deficiencias en la Gestión de Inventarios, básicamente en la planificación y control de suministros críticos, se evidencia una mala identificación de los tipos de suministros ya sea por su nivel de importancia dentro de la operación o por la rotación de los mismos, suministros críticos, regulares y estratégico. Con la aplicación de un modelo predictivo a través de técnicas de Minería de Datos mejora la planificación de suministros críticos en Procesadora Industrial Río Seco. El tipo de estudio de la presente investigación es Gestión de TI, se estudió la problemática con la metodología CRISP-DM utilizando la técnica de series de tiempo. La metodología de CRISP-DM es un modelo de proceso de minería de datos que incluye una guía estructurada en seis fases, alguna de las cuales algunas son bidireccionales. El tipo de investigación es aplicada-Tecnológica, Nivel de investigación Explicativo, El diseño de investigación es Pre-experimental. El modelo predictivo de Microsoft de series temporales y la importancia dentro de los modelos de aprendizajes supervisados inicia desde la fase de definición, diseño hasta la fase de explotación de la información. La creación de un modelo de series temporales a permitido mejorar la planificación de suministros críticos ya que se basan en un enfoque netamente predictivo y en ellos los pronósticos se elaboran solo con base al comportamiento pasado. La utilización del algoritmo ARIMA que utiliza SQL Server 2014, son para las predicciones a largo plazo. Analizar los datos, es así como el modelo de series temporales nos ayuda en la planificación de inventarios, los niveles de ruptura de stock reducen considerablemente, los índices de rotación de los suministros mejoran y la exactitud de inventarios es más exacto ya que se tiene una visión más exacta gracias a las estimaciones de valores de consumo, encontrar patrones que describan el comportamiento de cada producto. PALABRAS CLAVES: Modelo Predictivo, Series de tiempo, CRISP-DM, Minería de datos, planificación y suministros. es_PE
dc.description.uri Tesis es_PE
dc.format application/pdf es_PE
dc.language.iso spa es_PE
dc.publisher Universidad Nacional de Huancavelica es_PE
dc.rights info:eu-repo/semantics/openAccess es_PE
dc.rights CC0 1.0 Universal *
dc.rights.uri http://creativecommons.org/publicdomain/zero/1.0/ *
dc.source Repositorio Institucional - UNH es_PE
dc.source Universidad Nacional de Huancavelica es_PE
dc.subject Modelo Predictivo, Series de tiempo, CRISP-DM, Minería de datos, planificación y suministros. es_PE
dc.title “MODELO PREDICTIVO A TRAVÉS DE TÉCNICAS DE MINERÍA DE DATOS PARA MEJORAR LA PLANIFICACIÓN DE SUMINISTROS EN LA PROCESADORA INDUSTRIAL RIO SECO” es_PE
dc.type info:eu-repo/semantics/bachelorThesis es_PE
thesis.degree.level Titulo Profesional es_PE
thesis.degree.grantor Universidad Nacional de Huancavelica. Facultad de Ingeniería Electrónica - Sistemas es_PE
thesis.degree.discipline Ingeniería de Sistemas es_PE
thesis.degree.name Titulo Profesional : Ingeniero de Sistemas es_PE
dc.subject.ocde Gestión de TI es_PE
thesis.degree.program Ingeniería de Sistemas es_PE


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess

Search DSpace


Browse

My Account