DistriBot : Sistema de apoyo a la operativa de distribuidoras con recomendaciones y predicciones basadas en aprendizaje automático [Trabajo Final de Carrera] / Andrés Canabarro Sica

Autor/es: Canabarro Sica, Andrés | Mazza Farinacci, Juan Pablo | Monetti Mosera, Alejandro | Zaiter Trinidad, Federico
Datos de publicación: Montevideo: Universidad ORT Uruguay, 2017Descripción física: 210 p. fot., il., tbls. EN LÍNEANota de tesis: Proyecto (Carrera Universitaria). Universidad ORT Uruguay. Montevideo, 2017. Calificación: 100/100 Título obtenido: Ingeniero en Sistemas
Tutor: Mangarelli Olivera, Eduardo Luis
Tribunal: Garbervetsky, Diego David | Feder Szafir, Mariel
Tema(s): PROYECTOS-ID | SOFTWARE-DESARROLLO | APLICACIONES WEB | APRENDIZAJE AUTOMÁTICO | DISTRIBUIDORAS | APLICACIONES MÓVILESRecursos en línea: Material completo | Informe del corrector (Requiere ingresar al sistema para acceder al archivo solicitado) Resumen: DistriBot es un sistema de apoyo para la operativa de distribuidoras. Consiste en una aplicación web y otra móvil, con recomendaciones y predicciones basadas en Machine Learning. Facilita tanto la preventa como el reparto de los bienes por parte de la distribuidora y la supervisión del negocio a partir de business intelligence. Para el desarrollo del trabajo se realizaron entrevistas con seis distribuidoras junto con una encuesta masiva a otras setenta, donde se observó un pobre aprovechamiento de sus datos. Más de la mitad de las distribuidoras encuestadas no tenían la preventa tecnificada y más de un tercio no lo hacían con su gestión. Se calculó que el 60% de las pequeñas y medianas empresas del Uruguay están dedicadas a la distribución de bienes, demostrando que es un mercado valioso. Se investigaron y evaluaron diversas tecnologías realizando pruebas de concepto que permitieron facilitar su integración. Se desarrolló una solución que tiene un componente en la nube, una aplicación web y una aplicación móvil para ayudar en la preventa y reparto de mercaderías. También se implementó un componente que realiza predicciones, recomendaciones y detecciones de anomalías basado en Machine Learning, aprovechando las facilidades que provee Microsoft Azure. Para la construcción del sistema, se consideraron los atributos de modificabilidad, usabilidad e interoperabilidad. Para la ejecución del proyecto se utilizaron metodologías de gestión tradicionales así como ágiles, dependiendo de la fase del proyecto. Por otra parte, los algoritmos de aprendizaje automático están completamente funcionales y fueron probados con conjuntos de datos de pruebas reales y adaptados. Como resultado se logró implementar un producto que abarca la gestión de una única distribuidora integrándose con implementaciones propias de los sistemas externos para la facturación, manejo de stock y de clientes de la empresa.
    Valoración media: 0.0 (0 votos)
Tipo de ítem Ubicación actual Signatura Estado Fecha de vencimiento Código de barras
Trabajo Final de Carrera Centro
Disponible en línea No para préstamo

Proyecto Proyecto (Carrera Universitaria). Universidad ORT Uruguay. Montevideo, 2017. Calificación: 100/100

Incluye bibliografía y anexos

Mangarelli Olivera, Eduardo Luis Garbervetsky, Diego David Feder Szafir, Mariel

DistriBot es un sistema de apoyo para la operativa de distribuidoras. Consiste en una aplicación web y otra móvil, con recomendaciones y predicciones basadas en Machine Learning. Facilita tanto la preventa como el reparto de los bienes por parte de la distribuidora y la supervisión del negocio a partir de business intelligence. Para el desarrollo del trabajo se realizaron entrevistas con seis distribuidoras junto con una encuesta masiva a otras setenta, donde se observó un pobre aprovechamiento de sus datos. Más de la mitad de las distribuidoras encuestadas no tenían la preventa tecnificada y más de un tercio no lo hacían con su gestión. Se calculó que el 60% de las pequeñas y medianas empresas del Uruguay están dedicadas a la distribución de bienes, demostrando que es un mercado valioso. Se investigaron y evaluaron diversas tecnologías realizando pruebas de concepto que permitieron facilitar su integración. Se desarrolló una solución que tiene un componente en la nube, una aplicación web y una aplicación móvil para ayudar en la preventa y reparto de mercaderías. También se implementó un componente que realiza predicciones, recomendaciones y detecciones de anomalías basado en Machine Learning, aprovechando las facilidades que provee Microsoft Azure. Para la construcción del sistema, se consideraron los atributos de modificabilidad, usabilidad e interoperabilidad. Para la ejecución del proyecto se utilizaron metodologías de gestión tradicionales así como ágiles, dependiendo de la fase del proyecto. Por otra parte, los algoritmos de aprendizaje automático están completamente funcionales y fueron probados con conjuntos de datos de pruebas reales y adaptados. Como resultado se logró implementar un producto que abarca la gestión de una única distribuidora integrándose con implementaciones propias de los sistemas externos para la facturación, manejo de stock y de clientes de la empresa.

Español.

No hay comentarios en este titulo.

para colocar un comentario.
  • Teléfono central
    (598) 2902 1505
  • Biblioteca Centro
    Mercedes 1174, Montevideo, Uruguay
  • Biblioteca Pocitos
    Carlos Berg 2566, Montevideo, Uruguay