Implementación de herramientas basadas en datos de operación de redes de fibra óptica en la modalidad de outsourcing para mejorar el cumplimiento de Acuerdos de Nivel de Servicio (SLA). Semestre de industria
El siguiente documento presenta diferentes alternativas para acceder y usar la información tanto de la empresa contratante como la recopilada por las diferentes actividades por parte del contratista con el fin de que ayude a aumentar la productividad y mejore el servicio prestado por el contratante...
- Autores:
-
Montoya Londoño, Santiago
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/47264
- Acceso en línea:
- https://hdl.handle.net/10495/47264
- Palabra clave:
- Python (Computer program language)
Python (Lenguaje de programación)
Análisis de datos
Data analysis
Subcontratación
Subcontracting
Aprendizaje automático (inteligencia artificial)
Machine learning
Fibras ópticas
Fiber Optics
http://id.loc.gov/authorities/subjects/sh96008834
http://vocabularies.unesco.org/thesaurus/concept2214
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/4.0/
| Summary: | El siguiente documento presenta diferentes alternativas para acceder y usar la información tanto de la empresa contratante como la recopilada por las diferentes actividades por parte del contratista con el fin de que ayude a aumentar la productividad y mejore el servicio prestado por el contratante y sus colaboradores en la modalidad de outsourcing. A su vez, se buscan estrategias para proteger la información sensible como recurso vital de la compañía y como se puede aprovechar en el mundo de la fibra óptica para mejorar diferentes procesos. Para mostrar los beneficios del uso de la información bajo la modalidad de outsourcing, se desarrollaron dos programas en Python basados en los datos obtenidos por el contratista para mejorar su respuesta y control ante posibles incidencias en la infraestructura de la red; donde uno es un mapa de calor que ofrece una ayuda visual para anticiparse a posibles daños y programar mantenimientos preventivos de manera más efectiva; y un programa de machine learning que mediante datos de instalación de fibra permite tomar decisiones y anticiparse a los tiempos que puede tomar ejecutar una instalación con el fin de mejorar los cumplimientos de los acuerdos de nivel de servicio (SLA). La presente práctica se desarrolló en una empresa que presta servicios de outsourcing de mantenimiento e instalación de redes de fibra óptica. |
|---|
