Reporte automatizado con agrupamiento y predicción para la empresa Collective Intelligence Group

El presente trabajo de grado titulado "Reporte automatizado con agrupamiento y predicción para la empresa Collective Intelligence Group" desarrollado por Diego Alejandro Torres Urrego y Jorge Luis Huergo Herrán, propone el diseño y la implementación de un sistema automatizado que mejora la...

Full description

Autores:
Torres Urrego, Diego Alejandro
Huergo Herran, Jorge Luis
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/4546
Acceso en línea:
https://hdl.handle.net/20.500.12313/4546
Palabra clave:
Collective Intelligence Group - Agrupamiento de datos
Automatización de reportes
Agrupamiento de datos
Predicción de rendimiento
Análisis de telemetría
Reports automation
Data Clustering
Performance Prediction
Telemetry Analisis
Rights
openAccess
License
http://purl.org/coar/access_right/c_abf2
Description
Summary:El presente trabajo de grado titulado "Reporte automatizado con agrupamiento y predicción para la empresa Collective Intelligence Group" desarrollado por Diego Alejandro Torres Urrego y Jorge Luis Huergo Herrán, propone el diseño y la implementación de un sistema automatizado que mejora la generación y gestión de informes en el contexto de telemetría industrial aplicada a montacargas. Utilizando técnicas avanzadas de Machine Learning, específicamente el agrupamiento mediante K-Means y la predicción mediante regresión polinómica, este proyecto logra automatizar el proceso de creación de informes, permitiendo una toma de decisiones más rápida y eficaz basada en datos precisos y actualizados. El sistema no solo optimiza los tiempos de generación de informes, sino que también mejora la calidad y la precisión de los mismos, contribuyendo significativamente a la gestión operativa y estratégica de la empresa. Los resultados del proyecto demuestran una notable mejora en la eficiencia operacional y ofrecen un modelo replicable para otras aplicaciones en la industria. Este trabajo fue dirigido por Ing. PhD. Alexandra La Cruz Puentes y presentado como requisito parcial para optar al título de Ingeniero Electrónico e Ingeniero de Sistemas en la Universidad de Ibagué.