dc.contributor.advisor | Tello Bedriñana, Herminia Bertha | |
dc.contributor.author | Chavez Arzapalo, Jose Luis | |
dc.date.accessioned | 2024-01-08T20:29:01Z | |
dc.date.available | 2024-01-08T20:29:01Z | |
dc.date.issued | 2023 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12952/8413 | |
dc.description.abstract | En el mundo empresarial actual, es imprescindible que las compañías logren ser más rentables, responder con mayor rapidez y ofrecer productos y servicios de alta calidad, todo ello mientras reduce el número de empleados y disminuyen los costos. Un aspecto clave en este proceso es la adecuada generación y gestión del conocimiento. Aunque existe una gran cantidad de información disponible, lo que escasea es el conocimiento en sí (Hair et al., 2014). La logística es un factor crítico en la gestión empresarial moderna, ya que permite una mejor planificación y control de los procesos relacionados con la cadena de suministro.
El objetivo general de este informe es evaluar la optimización de la distribución de carga en la empresa RPB SCM LOGISTICS en Lima, Perú, utilizando Machine Learning mediante un análisis de costos y tiempos de entrega. Para ello, se llevará a cabo un análisis exhaustivo de los datos disponibles del 2022, mediante el uso de herramientas y técnicas estadísticas avanzadas. Se evaluarán los tiempos de entrega y costos operativos, y se compararán con los resultados obtenidos antes de la implementación la técnica de Machine Learning. El trabajo se enfoca en la aplicación de la ciencia de datos, específicamente con la aplicación de la técnica de regresión líneas para la optimización de los procesos de distribución en la empresa. Los resultados obtenidos en este trabajo contribuyen al mejoramiento de la eficiencia en la distribución, permitiendo a la empresa mejorar su calidad de servicio y, por ende, su competitividad en el mercado. | es_PE |
dc.format | application/pdf | es_PE |
dc.language.iso | spa | es_PE |
dc.publisher | Universidad Nacional del Callao | es_PE |
dc.rights | info:eu-repo/semantics/openAccess | es_PE |
dc.rights.uri | https://creativecommons.org/licenses/by/4.0/ | * |
dc.subject | Machine Learning | es_PE |
dc.subject | Optimización | es_PE |
dc.subject | Datos | es_PE |
dc.subject | Costos | es_PE |
dc.subject | Tiempos de entrega | es_PE |
dc.subject | Regresión Lineal | es_PE |
dc.title | Optimización de la distribución de carga en la empresa RPB SCM Logistics en Lima, Perú, utilizando Machine Learning: Un análisis de costos y tiempos de entrega 2022 | es_PE |
dc.type | info:eu-repo/semantics/bachelorThesis | es_PE |
thesis.degree.name | Licenciado en física | es_PE |
thesis.degree.grantor | Universidad Nacional del Callao. Facultad de Ciencias Naturales y Matemáticas | es_PE |
thesis.degree.discipline | Física | es_PE |
renati.advisor.dni | 08594896 | |
renati.advisor.orcid | https://orcid.org/0000-0003-3511-1678 | es_PE |
renati.author.dni | 4085055 | |
renati.discipline | 533018 | es_PE |
renati.juror | Lozano Bartra, Whualkuer Enrique | |
renati.juror | Vidal Guzmán, Roel Mario | |
renati.juror | Alva Zavaleta, Rolando Juan | |
renati.juror | Arellano Ubilluz, Pablo Godofredo | |
renati.level | https://purl.org/pe-repo/renati/level#tituloProfesional | es_PE |
renati.type | https://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional | es_PE |
dc.publisher.country | PE | es_PE |
dc.subject.ocde | https://purl.org/pe-repo/ocde/ford#1.03.00 | es_PE |