Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa

61 páginas

Autores:
Linares Ocampo, Mariana
Madrigal Castrillón, Elizabeth
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad EIA .
Repositorio:
Repositorio EIA .
Idioma:
spa
OAI Identifier:
oai:repository.eia.edu.co:11190/6871
Acceso en línea:
https://repository.eia.edu.co/handle/11190/6871
Palabra clave:
Logística
Modelo predictivo
Árbol de decisión
Importación
Machine Learning
Logistics
Predictive model
Decision tree
Import
Rights
closedAccess
License
Derechos Reservados - Universidad EIA, 2024
id REIA2_dc648665bdd7e2a8c450917268de997a
oai_identifier_str oai:repository.eia.edu.co:11190/6871
network_acronym_str REIA2
network_name_str Repositorio EIA .
repository_id_str
dc.title.spa.fl_str_mv Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
title Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
spellingShingle Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
Logística
Modelo predictivo
Árbol de decisión
Importación
Machine Learning
Logistics
Predictive model
Decision tree
Import
title_short Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
title_full Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
title_fullStr Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
title_full_unstemmed Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
title_sort Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
dc.creator.fl_str_mv Linares Ocampo, Mariana
Madrigal Castrillón, Elizabeth
dc.contributor.advisor.none.fl_str_mv Correa Builes, Natalia Andrea
dc.contributor.author.none.fl_str_mv Linares Ocampo, Mariana
Madrigal Castrillón, Elizabeth
dc.subject.proposal.spa.fl_str_mv Logística
Modelo predictivo
Árbol de decisión
Importación
topic Logística
Modelo predictivo
Árbol de decisión
Importación
Machine Learning
Logistics
Predictive model
Decision tree
Import
dc.subject.proposal.eng.fl_str_mv Machine Learning
Logistics
Predictive model
Decision tree
Import
description 61 páginas
publishDate 2024
dc.date.issued.none.fl_str_mv 2024
dc.date.accessioned.none.fl_str_mv 2025-01-22T20:51:06Z
dc.date.available.none.fl_str_mv 2025-01-22T20:51:06Z
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.content.none.fl_str_mv Text
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.coarversion.none.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_7a1f
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://repository.eia.edu.co/handle/11190/6871
url https://repository.eia.edu.co/handle/11190/6871
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Derechos Reservados - Universidad EIA, 2024
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/closedAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_14cb
rights_invalid_str_mv Derechos Reservados - Universidad EIA, 2024
http://purl.org/coar/access_right/c_14cb
eu_rights_str_mv closedAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad EIA
dc.publisher.program.none.fl_str_mv Ingeniería Industrial
dc.publisher.faculty.none.fl_str_mv Escuela de Ingeniería y Ciencias Básicas
dc.publisher.place.none.fl_str_mv Envigado (Antioquia, Colombia)
publisher.none.fl_str_mv Universidad EIA
institution Universidad EIA .
bitstream.url.fl_str_mv https://repository.eia.edu.co/bitstreams/309bc8db-51c9-418e-8509-9e1be78bd36d/download
bitstream.checksum.fl_str_mv 2264fce645ac2952653ce3f3b8fa781e
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositorio Institucional Universidad EIA
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1828317366899965952
spelling Correa Builes, Natalia AndreaLinares Ocampo, MarianaMadrigal Castrillón, Elizabeth2025-01-22T20:51:06Z2025-01-22T20:51:06Z2024https://repository.eia.edu.co/handle/11190/687161 páginasRESUMEN: Renault SOFASA, líder en la industria automotriz, enfrenta desafíos logísticos significativos en la adquisición e importación de piezas provenientes de diversos países, un proceso clave para garantizar la continuidad operativa de la planta. Este trabajo pretende desarrollar un modelo predictivo capaz de anticipar los retrasos en los buques que transportan piezas de vehículos desde Brasil, Francia y Rumania, con el fin de reducir los sobrecostos asociados a estas demoras. Mediante el uso de técnicas de machine learning, se busca predecir la probabilidad de retraso en un buque, lo que permitirá tomar decisiones logísticas de una forma más eficiente, garantizando una mayor continuidad operativa y reduciendo riesgos y costos en la gestión logística. La metodología incluyó el análisis de datos históricos de importaciones y factores que influyen en los atrasos de buques, como el clima y el desempeño de las navieras. Con esta información, se diseñaron y evaluaron diversos modelos predictivos utilizando machine learning, que permiten prever los posibles atrasos y su impacto en el inventario. Los modelos fueron entrenados y validados utilizando los datos históricos de importación y sus tiempos de llegada a Colombia. Como resultado, se logró identificar las variables más relevantes para predecir los atrasos y se desarrolló un modelo predictivo que puede ser implementado por Renault SOFASA para optimizar sus decisiones logísticas. Este modelo tiene el potencial de ser una herramienta estratégica para la toma de decisiones, que busquen reducir los costos adicionales y mitigar los riesgos asociados a las demoras en la importación de piezas, contribuyendo así a una mayor eficiencia operativa de la empresa.ABSTRACT: Renault SOFASA, a leader in the automotive industry, faces significant logistical challenges in the acquisition and importation of vehicle parts from various countries, a key process to ensure the plant's operational continuity. This project aims to develop a predictive model capable of anticipating delays in ships transporting vehicle parts from Brazil, France, and Romania, with the goal of reducing the additional costs associated with these delays. Using machine learning techniques, the objective is to predict the likelihood of a ship delay, enabling more efficient logistical decision-making, ensuring greater operational continuity, and reducing risks and costs in logistics management. The methodology employed included an in-depth analysis of historical data related to imports and the variables that could influence ship delays, such as weather conditions and the overall performance of shipping companies. With this information, various predictive models were designed and evaluated using machine learning, allowing for the prediction of possible delays and their impact on inventory. The models were trained and validated using historical import data and arrival times in Colombia. As a result, the most relevant variables for predicting delays were identified, and a predictive model was developed that can be implemented by Renault SOFASA to optimize its logistical decisions. This model has the potential to become a strategic tool for decision-making aimed at reducing additional costs and mitigating the risks associated with delays in the importation of parts, thus contributing to greater operational efficiency for the company.PregradoIngeniero(a) Industrialapplication/pdfspaUniversidad EIAIngeniería IndustrialEscuela de Ingeniería y Ciencias BásicasEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2024info:eu-repo/semantics/closedAccesshttp://purl.org/coar/access_right/c_14cbModelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault SofasaTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttp://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85LogísticaModelo predictivoÁrbol de decisiónImportaciónMachine LearningLogisticsPredictive modelDecision treeImportPublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-82553https://repository.eia.edu.co/bitstreams/309bc8db-51c9-418e-8509-9e1be78bd36d/download2264fce645ac2952653ce3f3b8fa781eMD5711190/6871oai:repository.eia.edu.co:11190/68712025-01-22 15:53:40.165metadata.onlyhttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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