DistriBot : Sistema de apoyo a la operativa de distribuidoras con recomendaciones y predicciones basadas en aprendizaje automático

Simple item page
dc.contributor.advisorMangarelli Olivera, Eduardo Luises
dc.contributor.tribunalGarbervetsky, Diego Davides
dc.contributor.tribunalFeder Szafir, Marieles
dc.creatorCanabarro Sica, Andrés
dc.creatorMazza Farinacci, Juan Pablo
dc.creatorMonetti Mosera, Alejandro
dc.creatorZaiter Trinidad, Federico
dc.date.accessioned2017-07-07T16:18:20Z
dc.date.available2017-07-07T16:18:20Z
dc.date.issued2017es
dc.descriptionIncluye bibliografía y anexoses
dc.description.abstractDistriBot es un sistema de apoyo para la operativa de distribuidoras. Consiste en una aplicación web y otra móvil, con recomendaciones y predicciones basadas en Machine Learning. Facilita tanto la preventa como el reparto de los bienes por parte de la distribuidora y la supervisión del negocio a partir de business intelligence. Para el desarrollo del trabajo se realizaron entrevistas con seis distribuidoras junto con una encuesta masiva a otras setenta, donde se observó un pobre aprovechamiento de sus datos. Más de la mitad de las distribuidoras encuestadas no tenían la preventa tecnificada y más de un tercio no lo hacían con su gestión. Se calculó que el 60% de las pequeñas y medianas empresas del Uruguay están dedicadas a la distribución de bienes, demostrando que es un mercado valioso. Se investigaron y evaluaron diversas tecnologías realizando pruebas de concepto que permitieron facilitar su integración. Se desarrolló una solución que tiene un componente en la nube, una aplicación web y una aplicación móvil para ayudar en la preventa y reparto de mercaderías. También se implementó un componente que realiza predicciones, recomendaciones y detecciones de anomalías basado en Machine Learning, aprovechando las facilidades que provee Microsoft Azure. Para la construcción del sistema, se consideraron los atributos de modificabilidad, usabilidad e interoperabilidad. Para la ejecución del proyecto se utilizaron metodologías de gestión tradicionales así como ágiles, dependiendo de la fase del proyecto. Por otra parte, los algoritmos de aprendizaje automático están completamente funcionales y fueron probados con conjuntos de datos de pruebas reales y adaptados. Como resultado se logró implementar un producto que abarca la gestión de una única distribuidora integrándose con implementaciones propias de los sistemas externos para la facturación, manejo de stock y de clientes de la empresa.es
dc.format.extent210 p. fot., il., tbls.es
dc.identifier.citationZaiter Trinidad, F. (2017). DistriBot: Sistema de apoyo a la operativa de distribuidoras con recomendaciones y predicciones basadas en aprendizaje automático (Proyecto). Universidad ORT Uruguay, Facultad de Ingeniería. Recuperado de https://rad.ort.edu.uy/handle/20.500.11968/3405es
dc.identifier.urihttp://hdl.handle.net/20.500.11968/3405
dc.languageEspañol.es
dc.publisherUniversidad ORT Uruguayes
dc.relation.otherhttps://bibliotecas.ort.edu.uy/bibid/85515es
dc.subjectPROYECTOS-IDes
dc.subjectSOFTWARE-DESARROLLOes
dc.subjectAPLICACIONES WEBes
dc.subjectAPRENDIZAJE AUTOMÁTICOes
dc.subjectDISTRIBUIDORASes
dc.subjectAPLICACIONES MÓVILESes
dc.titleDistriBotes
dc.title.subtitleSistema de apoyo a la operativa de distribuidoras con recomendaciones y predicciones basadas en aprendizaje automáticoes
dc.typeTrabajo final de carreraes
ort.thesis.careerFI - Ingeniería en Sistemas - IDes
ort.thesis.degreegrantorFacultad de Ingenieríaes
ort.thesis.degreelevelCarrera Universitariaes
ort.thesis.degreenameIngeniero en Sistemases
ort.thesis.degreetypeProyectoes
ort.thesis.noteProyecto (Carrera Universitaria). Universidad ORT Uruguay, Facultad de Ingenieríaes
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Material completo.pdf
Size:
9.16 MB
Format:
Adobe Portable Document Format
Description:
description
Download
Collections
Trabajos finales de carrera de grado