Examinando por Materia "Eficiencia operativa"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónAcceso abierto
    Informe de Semillero de Investigación 2023-1
    (Universidad EIA, 2023) Vélez Gómez, Ana María
    RESUMEN: Este estudio aborda el impacto de las tecnologías emergentes en el éxito y la competitividad de las start-ups. El objetivo fue explorar cómo estas tecnologías, incluyendo inteligencia artificial, blockchain, Internet de las Cosas y realidad virtual, están siendo utilizadas para impulsar la innovación y mejorar la eficiencia en diversas industrias. La metodología empleada para abordar esta investigación se basó en un enfoque mixto, combinando una revisión sistemática de la literatura con análisis detallados de estudios de caso de start-ups exitosas de diferentes sectores. El procedimiento para la recopilación de datos consistió en examinar artículos de investigación publicados, informes de la industria, documentos de las empresas y otra literatura relevante. Los datos recopilados fueron luego analizados mediante un enfoque de análisis temático para identificar patrones y tendencias. Los hallazgos revelaron que las tecnologías emergentes han tenido un impacto significativo en las start-ups, permitiéndoles desarrollar nuevos productos y servicios, mejorar la eficiencia operativa y transformar la interacción con los clientes. Sin embargo, también se identificaron desafíos, entre los que se incluyen la necesidad de habilidades técnicas especializadas, la gestión de la seguridad y la privacidad, y las variaciones en el impacto de estas tecnologías según el sector y el contexto específico de la empresa. En conclusión, aunque las tecnologías emergentes ofrecen oportunidades significativas para las start-ups, también plantean desafíos que requieren más investigación y estrategias de gestión adecuadas. Este estudio ofrece una base para investigaciones futuras y puede informar las estrategias de adopción de tecnología para start-ups, inversores y responsables políticos.
  • Miniatura
    PublicaciónAcceso abierto
    Modelo de pronóstico de la demanda para caso de estudio de PROSOLAR S.A.S
    (Universidad EIA, 2025) Bejarano De La Pava, Samuel; Valencia Villa, Juan Sebastián
    RESUMEN: PROSOLAR S.A.S., una empresa ubicada en Envigado, Antioquia, especializada en la instalación arquitectónica de películas de seguridad, control solar y decoración, enfrenta serios desafíos en la programación de compras de inventario debido a la ausencia de un historial de consumos detallado. Esto ha resultado en inventarios insuficientes y la necesidad de realizar pedidos de emergencia a proveedores en Estados Unidos o adquirir productos en el mercado local, generando demoras, insatisfacción de los clientes y pérdidas de mercado. El proyecto propuesto busca desarrollar un modelo de pronóstico de demanda utilizando machine leaarning, con el fin de optimizar la gestión de inventarios y mejorar la eficiencia operativa de PROSOLAR S.A.S. La implementación de este modelo permitirá a la empresa realizar compras más precisas de materia prima, asegurando la disponibilidad constante de productos y mejorando la experiencia del cliente. La metodología incluye analizar los procesos actuales de programación de compras, evaluar la efectividad de los sistemas CRM y contable "Word Office", y revisar la literatura existente sobre modelos de pronóstico de demanda. Posteriormente, se diseñará y entrenará un modelo de red neuronal que incorporará variables clave como la temporada y tendencias del mercado. Finalmente, se evaluarán herramientas de despliegue aconsejables para el proyecto. Se espera que el proyecto resulte en un modelo de pronóstico de demanda con un MAPE menor al 15%, optimizando la gestión de inventarios y mejorando la toma de decisiones en PROSOLAR S.A.S. Además, la optimización de inventarios contribuirá a la reducción de desperdicios, beneficiando al medio ambiente y promoviendo la sostenibilidad de la organización.