dc.contributor.advisor | Quinteros Navarro, Dino Michael | |
dc.contributor.author | Flores Taquiri, Giusseph Anthony | |
dc.contributor.author | Montalvo Celis, James Stiven | |
dc.date.accessioned | 2024-10-15T20:18:27Z | |
dc.date.available | 2024-10-15T20:18:27Z | |
dc.date.issued | 2024 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12692/151376 | |
dc.description.abstract | El estudio ha permitido conocer resultados sobre la influencia que tiene un sistema
basado en machine learning en la predicción de gestión de inventarios, los cuales son
dirigidas a las PYMES de venta de productos tecnológicos. Asimismo, se tiene la
contribución para impulsar la innovación, mejorar métricas de eficiencia para la
gestión y apoyar el desarrollo de las pequeñas empresas. La investigación fue de tipo
aplicada y como población se tomaron los 64 productos que tenía inventariado la
empresa del caso de estudio. Para el desarrollo del sistema se realizó mediante
CRISP-DM, cuya metodología es idónea para el contexto específico de las empresas.
Adicionalmente a ello, se realizó la comparación de tres algoritmos que tuvieron
mayor precisión en el entrenamiento de modelos de predicción basados en las
investigaciones previas halladas, en este caso se compararon los algoritmos de
regresión lineal, árbol aleatorio y mejora gradual, estos fueron evaluados utilizando
los datos requeridos de duración y rotación de los inventarios. El algoritmo de mejora
gradual fue el que obtuvo mejores resultados con el coeficiente de determinación (R2)
y menores errores cuadráticos medios (MSE). Al aplicar el sistema de predicción con
el modelo de mejora gradual la empresa pudo tomar mejores decisiones en el manejo
del inventario la cual se vio reflejada con la mejora de la rotación y la disminución de
la duración del inventario. Finalmente, se precisa que machine learning influyó
positivamente en la mejora de la gestión del inventario. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Cesar Vallejo | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | es_PE |
dc.source | Repositorio Institucional - UCV | es_PE |
dc.source | Universidad César Vallejo | es_PE |
dc.subject | Inteligencia artificial | es_PE |
dc.subject | Gestión | es_PE |
dc.subject | Inventario | es_PE |
dc.subject | Algoritmo | es_PE |
dc.subject | Sistema informativo | es_PE |
dc.title | Machine learning para la predicción en la gestión de inventario dirigida a PYMES de venta de productos tecnológicos | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.discipline | Ingeniería de Sistemas | es_PE |
thesis.degree.grantor | Universidad César Vallejo. Facultad de Ingeniería y Arquitectura | es_PE |
thesis.degree.name | Ingeniero de sistemas | es_PE |
dc.description.sede | Lima Norte | es_PE |
dc.description.escuela | Escuela de Ingeniería de Sistemas | es_PE |
dc.description.lineadeinvestigacion | Sistemas de Información y Comunicaciones | es_PE |
renati.advisor.dni | 41567782 | |
renati.advisor.orcid | https://orcid.org/0000-0001-8174-8771 | es_PE |
renati.author.dni | 48039011 | |
renati.author.dni | 45509704 | |
renati.discipline | 612076 | es_PE |
renati.juror | Suarez Paucar, Carlos Enrique | |
renati.juror | Gamboa Cruzado, Javier Arturo | |
renati.juror | Quinteros Navarro, Dino Michael | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#tesis | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#2.02.04 | es_PE |
dc.publisher.country | PE | es_PE |
dc.description.lig | Desarrollo sostenible, emprendimientos y responsabilidad social. | es_PE |
dc.description.rsu | Desarrollo económico, empleo y emprendimiento | es_PE |
dc.description.ods | Trabajo decente y crecimiento económico | es_PE |
dc.description.modality | PRESENCIAL | es_PE |