Browsing by Subject "Demand"
Now showing 1 - 8 of 8
Results Per Page
Sort Options
Item Detección de Tejido Canceroso en Glándulas Mamarias Basado en Aprendizaje Automático Supervisado con Múltiples Expertos(Pontificia Universidad Javeriana Cali, 2024) Muñoz Hoyos, Adrián Sebastián; Martínez Reyes, Jean Cristopher; Gil González, JuliánLa creciente demanda de especialistas médicos y la alta carga laboral de los patólogos dificultan el diagnóstico rápido del cáncer, lo cual es crucial para la vida del paciente. En particular, el cáncer de glándula mamaria afecta a las mujeres sin importar su origen. Este proyecto desarrolló un modelo de inteligencia artificial para detectar tejido canceroso en imágenes histológicas de glándulas mamarias. Utilizando imágenes de bases de datos públicas anotadas por expertos, el modelo de aprendizaje automático mejora la precisión y velocidad del diagnóstico, reduciendo costos operacionales y apoyando al personal médico al priorizar casos sospechosos de cáncer.Item “Identificación de criterios esenciales para la evaluación integral del diseño de servicios de salud en el proceso de ampliación de la Clínica Rey David”(Pontificia Universidad Javeriana de Cali, 2024) Alandete Meza, Emilio José; Barahona Rivera, Lilian Janeth; Bonilla Sánchez, MauricioEl trabajo de grado titulado "Identificación de criterios esenciales para la evaluación integral del diseño de servicios de salud en el proceso de ampliación de la Clínica Rey David" tiene como objetivo principal definir los criterios fundamentales para la planificación estratégica de nuevos servicios en la clínica, asegurando su sostenibilidad, accesibilidad y alineación con las necesidades de la población. El contexto de la investigación aplicada se sitúa en el proceso de expansión de la Clínica Rey David, ubicada en Cali, Colombia, la cual busca optimizar su infraestructura y ampliar su oferta de servicios de salud en respuesta a las necesidades de la comunidad y a las tendencias del sector. Para ello, se requiere un análisis que garantice la viabilidad de los nuevos servicios y su alineación con la normatividad vigente en el país. La metodología utilizada en el estudio sigue un enfoque mixto, combinando técnicas cualitativas y cuantitativas. Entre las estrategias implementadas se incluyen una revisión sistemática de literatura, análisis de normativas y políticas de salud, encuestas a usuarios, estudios demográficos y epidemiológicos, evaluación de la competencia y revisión de bases de datos oficiales, como el Registro Especial de Prestadores de Servicios de Salud (REPS) y los Registros Individuales de Prestación de Servicios (RIPS). Uno de los principales aportes del trabajo es el desarrollo de un modelo de evaluación basado en criterios como calidad, accesibilidad, demanda insatisfecha, demanda vs oportunidad, tendencia del mercado y sostenibilidad financiera. Estos criterios fueron integrados en un instrumento de análisis (aplicación web) que servirá como guía para la toma de decisiones estratégicas dentro de la clínica.Item Modelo de pronósticos de demanda para la optimización de la cadena de suministros en supermercados MEGATIENDAS(Pontificia Universidad Javariana Cali, 2024) Blanco Segura, Aldair de Jesús; Cantillo Martínez, Angie Alexandra; Valencia Marín, Cristhian KaoriMegatiendas, la cadena de supermercados, se enfrentó a desafíos logísticos significativos en la gestión del suministro para las 25 tiendas que tiene abiertas a la fecha. Debido a la inexactitud en los pronósticos, la cadena enfrentaba compras excesivas, desperdicio de productos perecederos y un aumento en los costos operativos. El objetivo central de este proyecto fue desarrollar e implementar un modelo de aprendizaje automático que permitiera prever la demanda diaria de manera precisa, optimizando la gestión de inventarios. El proceso comenzó con la extracción, transformación y limpieza de datos de ventas históricos, lo cual se logró mediante la creación de un módulo en R para automatizar la gestión de datos. Se extrajeron variables clave, como ventas por tienda, producto y promociones, para garantizar la calidad de los datos empleados en los modelos predictivos. El modelo se construyó utilizando una combinación de métodos estadísticos y de aprendizaje automático, centrándose en tres enfoques principales: ARMA, SARIMAX y Gradient Boosting. Tras la implementación y evaluación de estos modelos, se comprobó que Gradient Boosting superó significativamente a los modelos ARMA y SARIMAX en términos de precisión, mostrando los mejores resultados en todas las métricas clave, como el MAE, RMSE y R². Esto permitió a Megatiendas mejorar sus pronósticos, alcanzando un nivel de precisión superior al 85%. Los resultados de Gradient Boosting no solo ayudaron a reducir el exceso de inventario y el desperdicio de productos, sino que también mejoraron la toma de decisiones estratégicas en la cadena de suministro. El análisis de resultados confirmó que la correcta implementación de un modelo de aprendizaje automático optimiza la cadena de suministro, permitiendo a Megatiendas gestionar de manera más eficiente sus productos frescos, reducir costos y mejorar la disponibilidad de los mismos. El proyecto no solo ofrece una solución inmediata a los problemas de Megatiendas, sino que también establece un marco de trabajo para futuras mejoras, con recomendaciones para incorporar más variables y datos en el modelo para aumentar su precisión y adaptabilidad. En resumen, el desarrollo de este modelo de pronósticos de demanda representa un paso clave para optimizar la gestión de inventarios en la cadena de supermercados Megatiendas, mejorando su eficiencia operativa y su competitividad en el mercado.Item Modelo espacio temporal para la predicción de la demanda de emergencias médicas en Bogotá(Pontificia Universidad Javariana Cali, 2024) Mendoza Bautista, Wendy Dayanna; Amaya Garzón, Andrea Estefanía; Riaño Sepúlveda, Milena Andrea; Paz Roa, Juan CamiloBogotá, con más de siete millones de habitantes, enfrenta importantes desafíos en la eficiencia de su sistema de servicios de emergencia. A pesar de contar con 873 ambulancias, la congestión vehicular y la alta demanda provocan tiempos de respuesta superiores a los estándares internacionales. Este trabajo aborda preguntas clave como la identificación de datos relevantes, la selección y evaluación de modelos predictivos, y la representación efectiva de los resultados con el fin de mejorar la asignación de recursos y optimizar la calidad del servicio. El proyecto propone el diseño de un modelo predictivo espaciotemporal para prever la demanda diaria de servicios de emergencias en Bogotá. Se exploran diversos algoritmos de aprendizaje automático y modelos estadísticos, incluidos XGBoost, Random Forest, Redes Neuronales, y modelos de distribución Binomial Negativa, para capturar las dinámicas espaciotemporales. Los resultados esperados incluyen una base de datos completa y validada, una evaluación comparativa de modelos, el desarrollo de un modelo de pronóstico que contribuya a la reducción significativa de los tiempos de respuesta, y un tablero de control interactivo que presente pronósticos detallados.Item Modelo predictivo de la demanda de servicios de ACTSIS LTDA.(Pontificia Universidad Javeriana Cali, 2025) Aguirre León, Diana Marcela; Martínez Arias, Juan Carlos; Sarria Montemiranda, Gerardo MauricioEn la industria del software, la capacidad instalada de una empresa ha demostrado ser una pieza fundamental para su competitividad y sostenibilidad a largo plazo. Sin embargo, esta capacidad se ha visto afectada por una serie de variables del entorno de negocio, que van desde la disponibilidad de talento especializado hasta las fluctuaciones económicas y las políticas regulatorias. Estos factores dinámicos impactaron significativamente en la capacidad de las empresas de software para desarrollar, implementar y mantener productos y servicios de alta calidad de manera eficiente y rentable. En respuesta a estos desafíos, surgió la necesidad de desarrollar un modelo predictivo que permitiera a las empresas de software proyectar cómo estas variables del entorno de negocio podrían afectar su capacidad instalada. Este modelo, al proporcionar una comprensión más profunda de los factores que influyen en la capacidad operativa de una empresa de software, sirvió como una herramienta valiosa para la toma de decisiones estratégicas y operativas. Este proyecto se centró en la construcción de dicho modelo predictivo, basándose en una investigación sobre el impacto de las variables del entorno de negocio en la demanda de servicios de software de los clientes de la empresa ACTSIS LTDA, en su contexto específico. A través de un enfoque multidisciplinario que combinó conocimientos en análisis de datos, gestión empresarial y tecnología de la información, el proyecto ofreció a ACTSIS LTDA una herramienta efectiva para anticipar los cambios en la demanda de servicios software para el Sistema Comercial – SAC, el cual representaba el pareto de los ingresos de la compañía. La implementación de este modelo predictivo transformó la gestión interna de ACTSIS LTDA al mejorar la capacidad de anticipar y adaptarse a los cambios en la demanda, contribuyendo a su eficiencia operativa, reducción de costos y planificación informada en la asignación de recursos. En definitiva, este proyecto representó un paso hacia la innovación en la gestión de la capacidad instalada, permitiendo a ACTSIS no solo adaptarse al cambio, sino también liderarlo.Item Pronóstico del mercado aéreo en las principales rutas comerciales domésticas de pasajeros en Colombia mediante algoritmos de machine learning(Pontificia Universidad Javeriana Cali, 2024) Lozano Caballero, Luis Carlos; Restrepo Blanco, Juan Carlos; Mayorga Ballesteros, Natalia; Pabón Burbano, María ConstanzaEl mercado doméstico aéreo en Colombia juega un papel fundamental en la economía y el turismo nacional. Sin embargo, la partida de algunas aerolíneas como Viva Air en el año 2023 ha generado una disminución en la capacidad de vuelos en rutas de alta demanda, impactando tanto a las compañías aéreas restantes como a los pasajeros. En este proyecto, se han desarrollado modelos de Machine Learning que utilizan datos históricos para pronosticar la evolución del tráfico de pasajeros en el mercado aéreo. Estos pronósticos están destinados a ayudar a las compañías aéreas a tomar decisiones estratégicas informadas y mejorar la calidad del servicio ofrecido a los pasajeros.Item Propuesta de un modelo de predicción de inventario de una empresa dedicada a la venta de dispositivos de almacenamiento de energía, basado en modelos de Machine Learning(Pontificia Universidad Javeriana Cali, 2025) Norato Díaz, Luz Angélica; Monsalve Rodríguez, Andrés; Gil González, JuliánEn este trabajo se desarrolló un modelo predictivo para estimar las ventas semanales de productos en las bodegas de una empresa dedicada a la distribución de almacenamiento de energía con operaciones en México, Colombia y Costa Rica, mediante el uso de técnicas de Machine Learning. Se prepararon datos históricos semanales comprendidos entre enero de 2021 y mayo de 2025, a través de procesos de limpieza, transformación y generación de variables temporales. Se entrenaron y evaluaron diversos enfoques predictivos, incluyendo modelos de series de tiempo y algoritmos de Machine Learning como Random Forest y XGBoost. Tras la fase experimental, el modelo Random Forest obtuvo el mejor desempeño en la predicción de ventas agregadas, con un RMSE de 1048,25, un MAPE ajustado de 24,84 % y un SMAPE de 22,36 %.Item Turismo médico en la ciudad de Cali: Caracterización de los turistas y aproximación a su dimensión económica(Pontificia Universidad Javeriana Cali, 2023) Posso Mulato, Paula Camila; Aguado Quintero, Luis FernandoSe plantea analizar y describir el perfil de los turistas médicos no residentes en Santiago de Cali, Colombia, así como sus principales gastos en servicios no clínicos. Se busca caracterizar el perfil demográfico de los turistas médicos, identificar los principales motivos de viaje y analizar los patrones de gasto en servicios como alojamiento, transporte, comidas y bebidas, tours, spa y compras. A través de este estudio, se espera obtener información relevante que contribuya al conocimiento y la comprensión del fenómeno del turismo médico en Santiago de Cali, proporcionando una base sólida para la toma de decisiones y la implementación de estrategias adecuadas en el ámbito turístico y económico.