Diseño de solución analítica predictiva del índice ambiental de energía en una planta de producción de alimentos cárnicos de Bogotá

RESUMEN : El término “sostenibilidad” hoy en día, debe ser una realidad en las organizaciones, un pilar estratégico en el posicionamiento en el mercado y relacionamiento con los stakeholders cómo clientes e instituciones, entre otros. En específico, en las cadenas de suministro de la producción de a...

Full description

Autores:
Cano Ospina, Juan Esteban
Tipo de recurso:
Tesis
Fecha de publicación:
2022
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/28804
Acceso en línea:
http://hdl.handle.net/10495/28804
Palabra clave:
Consumo de energía
Energy consumption
Aprendizaje automático (inteligencia artificial)
Machine learning
Tecnología de la información
Information technology
Análisis de datos
Data analysis
Técnicas de predicción
Forecasting
Cadena de suministro alimentario
Food supply chains
Sostenibilidad
Sustainability
http://aims.fao.org/aos/agrovoc/c_15962
http://aims.fao.org/aos/agrovoc/c_3041
http://aims.fao.org/aos/agrovoc/c_2630c679
http://aims.fao.org/aos/agrovoc/c_33560
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/2.5/co/
Description
Summary:RESUMEN : El término “sostenibilidad” hoy en día, debe ser una realidad en las organizaciones, un pilar estratégico en el posicionamiento en el mercado y relacionamiento con los stakeholders cómo clientes e instituciones, entre otros. En específico, en las cadenas de suministro de la producción de alimentos, es relevante identificar, analizar y realizar seguimiento a variables de proceso que impacten los indicadores ambientales, cualquier decisión estratégica debe contemplar los efectos sobre estas variables. En el presente proyecto se desarrolló una solución analítica para la proyección del consumo de energía, utilizando información de colocación (producto en proceso) en los recursos (máquinas y equipos) de una planta de producción. De acuerdo con el diseño metodológico propuesto, se entendieron los datos, se prepararon, se modelaron utilizando diversas técnicas de aprendizaje automático de tipo regresivo y por último se evaluaron los resultados con las métricas tanto analíticas como de negocio. Es interesante entender las iteraciones, los cambios y las conclusiones que sirven como insumo para futuros proyectos en el área.