Especializaciones de la Facultad de Ingeniería · 2022
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 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.
Texto completo 31 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- RESUMEN EJECUTIVOp. 5
- DESCRIPCIÓN DEL PROBLEMAp. 6
- Problema de negociop. 6
- Aproximación desde la analítica de datosp. 6
- Origen de los datosp. 7
- Métricas de desempeñop. 7
- DATOSp. 8
- Datos Originalesp. 8
- Datasetsp. 12
- Descriptivap. 12
- PROCESO DE ANALITICAp. 17
- Pipeline Principalp. 17
- Preprocesamientop. 18
- Modelosp. 20
- Métricasp. 20
- METODOLOGÍAp. 21
- Baselinep. 21
- Validaciónp. 21
- Iteraciones y evoluciónp. 22
- ElasticNetp. 20
- k-nearest neighbors (KNN) regressorp. 20
- Decision Tree Regressorp. 20
- Herramientasp. 24
- RESULTADOSp. 25
- Métricasp. 20
- Evaluación Cualitativap. 29
- Consideraciones de producciónp. 29
- CONCLUSIONESp. 30
- BIBLIOGRAFÍAp. 31
- Ilustración 1: Capa de datos originales resumida - Parte 1 (Elaboración propia)p. 12
- Ilustración 2: Capa de datos originales resumida - Parte 2 (Elaboración propia)p. 13
- Ilustración 3: Información por variable (Elaboración propia)p. 13
- Ilustración 4: Descripción general de cada variable (Elaboración propia)p. 14
- Ilustración 5: Descripción general de cada variable - Parte 2 (Elaboración propia)p. 14
- Ilustración 6: Matriz de correlación de variables númericas (Elaboración propia)p. 15
- Ilustración 7: Boxplot de las variables (Elaboración propia)p. 16
- Ilustración 8: Diseño metodológico propuesto (Elaboraciòn propia)p. 17
- Ilustración 9: Preparación de datos - transformación de tipo de dato de variables (Elaboración propia)p. 19
- Ilustración 10: Preparación de datos - transformación dummies (Elaboración propia)p. 19
- Ilustración 11: Preparación de datos - eliminación de variables (Elaboración propia)p. 20
- (Elaboración propia)p. 22
- Ilustración 13: Parametrización Modelo ElasticNet (Elaboraciòn propia)p. 23
- Ilustración 14: Parametrización Modelo K nearest neighbors (Elaboraciòn propia)p. 23
- Ilustración 15: Parametrización Modelo Desicion Tree Regressor (Elaboraciòn propia)p. 24
- (Elaboración propia)p. 25
- Ilustración 17: Importancia de características por el modelo ElasticNet (Elaboración propia)p. 27