Modelo de Machine Learning para la normalización y geocodificación de direcciones en Imbocar S.A.S. Semestre de industria

RESUMEN : Este proyecto se enfocó en optimizar los procesos de normalización y geocodificación de direcciones en la empresa Imbocar S.A.S., desarrollando una solución automatizada que reduce la carga de trabajo manual y mejora la eficiencia operativa. Mediante el uso de técnicas de Procesamiento de Lenguaje Natural (NLP), incluyendo el Reconocimiento de Entidades Nombradas (NER) para identificar y estructurar los componentes clave de las direcciones, y la integración con la API de Google Maps, se logró diseñar un modelo que disminuye el tiempo de normalización y reduce los costos por dirección en un 209%. La solución también eliminó la dependencia de proveedores externos, otorgando mayor control interno sobre los procesos logísticos y aumentando la confiabilidad de los datos procesados. Este trabajo demuestra el impacto positivo del desarrollo de soluciones automatizadas, reduciendo costos, optimizando tiempos y fortaleciendo la capacidad operativa de Imbocar, mientras sienta las bases para posibles mejoras a futuro.

• Autores: Herrera Giraldo, Laura
• 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:10495/45013
• Acceso en línea: https://hdl.handle.net/10495/45013
• Palabra clave: Aprendizaje automático (inteligencia artificial); Machine learning; Automatización; Automation; Normalización; Standardization; Mejoramiento de procesos; Process improvement; Geocodificación
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/