DSpace Collection: Maestría en Ciencia de Datos
http://www.dspace.espol.edu.ec/handle/123456789/50567
Maestría en Ciencia de Datos2024-03-29T05:16:39ZSistema de recomendación inteligente para el mantenimiento a la infraestructura de la red de telecomunicaciones
http://www.dspace.espol.edu.ec/handle/123456789/60629
Title: Sistema de recomendación inteligente para el mantenimiento a la infraestructura de la red de telecomunicaciones
Authors: Cazar Ibarra, Marco Antonio
Description: Hoy tecnologías de la información y la comunicación son el día a día, impulsando por la pandemia se aceleró la transformación digital en todo planeta. Ahora bien, así como esto ha impulsado el crecimiento del sector también ha generado retos, entre ellos mantener e incrementar la base de clientes, en este sector la tasa de rotación es bastante alta dependiendo del tipo servicio, ubicación, tecnología puede estar entre el 20 al 40% según (Nhu, N.Y., Van Ly, T., Truong Son, D.V., 2022), convirtiéndolo en un factor crítico a ser tomado en cuenta. La empresa ?Xnet? tiene definidos planes enfocados en la retención del cliente, pero todos los esfuerzos siempre han estado enfocados en aspectos de mercadeo, con promociones, aumento de anchos de banda, servicios adicionales, etc., dejando por fuera temas técnicos. Actualmente se tiene un grupo de personas del área de operaciones enfocadas en el mantenimiento de la infraestructura de la red de telecomunicaciones, estos esfuerzos son reactivos a la queja del cliente o la experiencia de los expertos que planifican losmantenimientos,aquí se ha pensado porque no unir estos esfuerzos al propósito de retención del cliente, qué talsi proactivamente se realizan estos mantenimientos en lugares que se sabe que los clientestienen alta probabilidad de cancelar sus servicios, si todo funciona como debe o se nota mejorascumpliendo con lo que el usuario espera, la tentación de buscar un nuevo proveedor disminuirá. Por ello se plantea que utilizando la data que posee la empresa, se genere un algoritmo que permita predecir que clientes planean cancelar sus servicios, sobre ellos se extrae información de donde se encuentran ubicados físicamente, de que infraestructura dependen, que tecnología utilizan, etc. Con toda esta data se entrega un tablero interactivo al personal de operaciones que le sirve de recomendaciones para armarla planificación de susmantenimientos,trabajo que, si o si se debe efectuar, pero esta vez en base a datos y apoyando el esfuerzo de retención de clientes Este dashboard no solo presentará del detalle de la infraestructura que se sugiere ser parte del plan, sino que muestra detalles del porque se ha seleccionado dicha infraestructura, como, por ejemplo, cantidad de tickets, niveles de potencia, ubicación, etc.2023-01-01T00:00:00ZClasificador de eventos para transacciones de pagos entrantes utilizando modelos de machine learning en una empresa enrutadora de pagos con tarjetas
http://www.dspace.espol.edu.ec/handle/123456789/58553
Title: Clasificador de eventos para transacciones de pagos entrantes utilizando modelos de machine learning en una empresa enrutadora de pagos con tarjetas
Authors: Oñate Bravo, Carlos Francisco
Description: En la actualidad el uso tarjetas para realizar pagos ha evolucionado de manera que se ha vuelto común realizar este tipo de transacciones en el día a día. La visión de un grupo de inversionistas llevó a la creación de una empresa que se encargue de hacer el nexo entre el comercio que cobra y los autorizadores, quienes aprueban o declinan el pago. Esta tarea es posible mediante el uso de redes de comunicación para el enrutamiento de las transacciones, donde intervienen distintos factores como: tecnologías, servicios, empresas y datos. La empresa es la encargada de hacer que esta comunicación sea lo más transparente posible para el comercio que realiza el cobro de un producto o servicio. Este proyecto de tesis propone la creación de una herramienta que aplique un algoritmo de Machine Learning (ML) con aprendizaje supervisado, que clasifique los eventos o errores que se presentan en las transacciones que pasan por la empresa; se evaluaron distintos modelos de los algoritmos; el primero es Clasificador de Arboles de Decisión (DT), continuaremos con Redes Neuronales (NN) y, finalmente, Máquina de Vectores de Soporte (SVM); de la comparación entre los resultados que estos arrojaron, se seleccionó el algoritmo que obtuvo el mejor resultado en la precisión de la clasificación de eventos. Esta clasificación de eventos, que permite identificar la severidad y grupo de personas que deben atenderlos, es visualizada en tiempo casi real; ayuda en la reducción de tiempo en la identificación de errores, uso eficiente de los recursos, reducción de pérdidas económicas, reducción de posibilidad de sanciones por parte entes reguladores ante la falta de servicios, aumento de satisfacción del comercio que realiza el cobro con tarjeta, entre otros.2023-01-01T00:00:00ZAnálisis y predicción de la capacidad de irradiación solar mediante técnicas de aprendizaje automático
http://www.dspace.espol.edu.ec/handle/123456789/58550
Title: Análisis y predicción de la capacidad de irradiación solar mediante técnicas de aprendizaje automático
Authors: Chancúsig Quinatoa, Alex Bladimir
Description: La energía solar se ha convertido en la principal fuente de energía renovable como respuesta a la creciente demanda energética que se experimenta a nivel mundial y la necesidad de reducir la huella de carbono generada por el uso de combustibles fósiles, a través de la implementación de sistemas fotovoltaicos a pequeña y gran escala cuya producción dependerá de la cantidad de irradiación solar disponible en un área determinada considerando la influencia de factores externos como las estaciones del año, condiciones ambientales, ubicación geográfica, entre otros. En Ecuador no se dispone de una base de datos de irradiación solar que se encuentre actualizada y permita analizar eficientemente el potencial solar que puede ser aprovechado, en este proyecto se integraron modelos de Machine Learning para ajustar datos de irradiancia solar a partir de registros satelitales con respecto a mediciones en tierra de las diferentes estaciones meteorológicas distribuidas en la provincia de Pichincha, dando como resultado un conjunto de datos de irradiación solar que comprende todos los puntos coordenados dentro de la provincia con una resolución espacial de 4 Km. Se implementaron modelos LSTM estándar y Conv-LSTM en series de tiempo univariadas y secuencias de matrices 2D mediante el formato de imágenes respectivamente, con la finalidad de generar pronósticos de irradiancia solar a corto plazo, cuyo modelo resultante fue integrado en una aplicación web para el desarrollo de una herramienta de soporte para el cálculo y dimensionamiento de sistemas fotovoltaicos aplicable dentro de la provincia de Pichincha.2023-01-01T00:00:00ZAnálisis de redes neuronales recurrentes LSTM y modelos de vectores autorregresivos VAR en la generación de pronósticos de series de tiempo aplicado a las ventas de una empresa dedicada a la comercialización de productos de consumo masivo
http://www.dspace.espol.edu.ec/handle/123456789/58549
Title: Análisis de redes neuronales recurrentes LSTM y modelos de vectores autorregresivos VAR en la generación de pronósticos de series de tiempo aplicado a las ventas de una empresa dedicada a la comercialización de productos de consumo masivo
Authors: Obando Sandoval, Alejandro David
Description: Las ventas de productos de consumo masivo es una actividad que en años recientes ha mostrado un importante crecimiento dentro del entorno económico ecuatoriano, por tal motivo, las empresas que se dedican a esta actividad dedican especial atención a una eficiente y eficaz gestión de sus cadenas de suministros. Dentro de los macroprocesos que se incluyen en la gestión de cadenas de suministros, el primer lugar lo tiene la PLANIFICACION DE LA DEMANDA, este macroproceso consiste en poder anticipar de forma oportuna las necesidades de productos y/o servicios que el mercado requerirá a corto, mediano o largo plazo, a fin de poder desarrollar la planificación de demanda se requiere de una línea base de datos sobre la cual un equipo humano especializado pueda desarrollar tareas de análisis correspondientes y así lograr estructurar un conjunto de cifras como objetivos de ventas. Los pronósticos son la base para construir la planificación de la demanda. En el presente proyecto de tesis se han utilizado técnicas estadísticas, específicamente los modelos de vectores autorregresivos (VAR) y técnicas de aprendizaje profundo, estas son las redes neuronales recurrentes con memoria a corto y largo plazo (LSTM) para generar proyecciones de ventas a corto plazo (14 días en el futuro), para llegar a la generación de dichos pronósticos, previamente se llevó a cabo el proceso de análisis exploratorio de datos y se utilizó el modelo K-MEANS para realizar una clasificación no supervisada de los artículos vendidos correspondientes a la muestra de datos utilizada en este proyecto, el resultado de la clasificación fue la identificación de 5 clusters de productos. Los resultados obtenidos demuestran que para los 5 clústers de productos los pronósticos obtenidos con la aplicación de redes neuronales recurrentes con memoria a corto y largo plazo (LSTM) tienen un mejor desempeño frente a los pronósticos obtenidos con los modelos de vectores autorregresivos (VAR), esta afirmación se soporta en las métricas de error RMSE y MAPE calculadas para cada clúster y que serán presentadas en el capítulo #4 de presente documento.2023-01-01T00:00:00Z