Algoritmo computacional para proyectar el consumo de galones de combustible necesarios para los meses siguientes, utilizando estrategias de machine learning

Este trabajo aborda el análisis de datos registrado por una empresa de transporte de carga seca, basados en el consumo semestral de combustible por tractocamiones tipo cama alta. Cuando se considera proyectar algoritmos computacionales para pronosticar datos futuros basados en machine learning se tiene una importancia significativa en el análisis de datos para la toma de decisiones. La empresa dedicada al transporte de carga por carretera, basa sus presupuestos semestrales para la compra de galones de combustible, de acuerdo a las rutas de los vehículos y a una estadística establecida de consumo, con un promedio de 10 galones por cada 100 km de recorrido. Para trabajar en este tipo de algoritmos con modelo de regresión, debemos validar su ejecución en condiciones similares y aspectos que no influyan de forma negativa en el proceso, porque podrían suponer una proyección alejada de la realidad. En los últimos años, se han desarrollado estudios para la gestión eficiente del consumo de combustible, mediante la creación de un modelo de optimización en la trayectoria de los vehículos, mientras se presta el servicio de transporte de carga seca. Daza, P. F. M., Gómez, J. A. B., Medina, S. V. G., Tafur, C. L., & Rodriguez, S. E. F. (2024).

• Autores: López Linares, Monica Yadira
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Corporación Universitaria Remington
• Repositorio: Repositorio institucional Uniremington
• Idioma: spa
• OAI Identifier: oai:repositorio.uniremington.edu.co:123456789/3802
• Acceso en línea: https://repositorio.uniremington.edu.co/handle/123456789/3802
• Palabra clave: Análisis de datos; Clasificación; Consumo de combustible; Datasets; Machine learning; Métodos; Modelos de predicción; Proyección; Pronóstico; Python; Regresión; Variables; Toma de decisiones; Aprendizaje automático (Inteligencia artificial); Análisis de datos
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)