Optimización del proceso de devolución en productos terminados a traves de IA y minería de datos para una empresa manufacturarera

Holguín Sabando, Lady Johanna; Campoverde Cruz, Ana Belén; Olmedo Navarro, Cesar Alejandro, Director; Armijos de la Cruz, Benigno Alfredo, Evaluador 1; Vásquez Castro, Caterine Narcisa, Presidenta

Por favor, use este identificador para citar o enlazar este ítem: http://www.dspace.espol.edu.ec/handle/123456789/67589

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.contributor.author	Holguín Sabando, Lady Johanna	-
dc.contributor.author	Campoverde Cruz, Ana Belén	-
dc.contributor.author	Olmedo Navarro, Cesar Alejandro, Director	-
dc.contributor.author	Armijos de la Cruz, Benigno Alfredo, Evaluador 1	-
dc.contributor.author	Vásquez Castro, Caterine Narcisa, Presidenta	-
dc.date.accessioned	2026-02-05T18:56:07Z	-
dc.date.available	2026-02-05T18:56:07Z	-
dc.date.issued	2025	-
dc.identifier.citation	Holguín Sabando L.J; Campoverde Cruz A.B.(2025) Optimización del proceso de devolución en productos terminados a traves de IA y minería de datos para una empresa manufacturarera [ Proyecto de Titulación] Escuela Superior Politécnica del Litoral	es_EC
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/67589	-
dc.description	CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. La presente investigación tiene como finalidad optimizar el proceso de devolución de productos terminados en una empresa manufacturera, mediante el uso de inteligencia artificial (IA) y técnicas de minería de datos. Las devoluciones representan un desafío crítico para el sector industrial, ya que impactan directamente en la eficiencia operativa, la rentabilidad y la satisfacción del cliente. El estudio aborda este problema mediante el análisis de 24.848 registros de devoluciones correspondientes a los años 2021 a 2024, aplicando un enfoque sistemático de análisis exploratorio de datos, visualización gráfica y modelado con el algoritmo K-Means. Inicialmente, se realizó la depuración de la base de datos, eliminando columnas con valores nulos, constantes o sin relevancia analítica. Luego, se aplicaron técnicas de visualización para identificar patrones ocultos en variables categóricas y numéricas, permitiendo detectar actores, materiales y centros con alta incidencia de devoluciones. Finalmente, se implementó el modelo de agrupamiento K-Means, logrando clasificar las devoluciones en tres clústeres según su impacto económico y operativo. Los hallazgos obtenidos evidencian una concentración significativa de devoluciones en ciertos motivos, usuarios y sectores, lo cual permite priorizar áreas de control. La investigación demuestra que el uso de IA y minería de datos representa una herramienta efectiva para mejorar la toma de decisiones, reducir ineficiencias y fortalecer los procesos logísticos en la industria manufacturera.	es_EC
dc.description.abstract	CONDITION FOR PUBLICATION OF PROJECT.	es_EC
dc.publisher	ESPOL.FCSH	es_EC
dc.subject	Optimización	es_EC
dc.subject	Proceso de devolución	es_EC
dc.subject	IA	es_EC
dc.subject	Minería	es_EC
dc.subject	Empresa Manufacturarera	es_EC
dc.subject	Productos	es_EC
dc.title	Optimización del proceso de devolución en productos terminados a traves de IA y minería de datos para una empresa manufacturarera	es_EC
dc.type	Thesis	es_EC
dc.identifier.codigoespol	T-115626	-
dc.identifier.codigoproyectointegrador	POSTG089	-
Aparece en las colecciones:	Tesis de Maestría en Contabilidad Y Auditoria Mención Analítica De Datos

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
T-115626 POSTG089 HOLGUIN-CAMPOVERDE.pdf		6.44 MB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem