1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Veracruz
4. Instituto Tecnológico Superior de Misantla
5. Tesis de Maestrias
6. Maestria en sistemas computacionales

Title:	“DISCRIMINACIÓN DE PROVEEDORES CON BASE EN SU HISTORIAL DE ABASTECIMIENTO MEDIANTE LA SELECCIÓN COMBINADA DE CLASIFICADORES E HIPERPARAMETRIZACIÓN”
Authors:	HERNÁNDEZ SÁNCHEZ, DANIELA LIZBETH
metadata.dc.subject.other:	Hiperparametración, toma de decisiones, evaluación, proveedores.
Issue Date:	2023-11-01
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico Superior de Misantla
Description:	En el presente trabajo se aborda una de las problemáticas que concierne a la cadena de suministros, específicamente dentro del eslabón de proveeduría en el proceso de selección de proveedores que se presenta en la exportadora de Lima persa “Mónica, S.A. de C.V”, de Martínez de La Torre, Veracruz, donde radica el interés que da origen a este trabajo de investigación y se refiere a la posibilidad de detectar patrones que permitan identificar al mejor proveedor o proveedores bajo un modelo que brinde un alto grado de confianza y permita abastecer un pedido que cumpla con los requerimientos solicitados. El estudio se define como un proyecto de investigación y evaluación a nivel exploratorio dado que analiza información secundaria disponible, el proyecto se aplica a datos históricos de proveeduría en la empacadora Mónica de Martínez de la Torre, Veracruz, donde el conjunto de datos incorpora la recolección de información registrada durante el periodo 2014 a 2018, se implementa por una parte, un diseño de investigación experimental pura, donde para este caso se aplican técnicas de minería de datos que permiten controlar dos grupos de datos (entrenamiento y prueba) y por otra parte, se establece la investigación aplicada la cual se orienta a demostrar la validez de la técnica de selección combinada de clasificadores mediante el método de hiperparametrización en el proceso de discriminación de proveedores para la empacadora en mención donde los resultados generados de la investigación permiten ser utilizados como apoyo a los decisores para evaluar y seleccionar la mejor de sus alternativas. El principal instrumento del presente trabajo se centra en una base de datos sobre producción citrícola derivada de estudios anteriores la cual se analiza y se separa en conjuntos de datos clasificados por temporalidad y zona de producción. La población que forma parte de este estudio se compone de los datos históricos sobre los proveedores que atiende las necesidades de requerimiento de dicha empacadora, la muestra se construye a partir de la técnica implementada al conjunto de datos (cross-validation, percentage split y muestra representativa) y el muestreo se realiza atendiendo la definición propia de cada técnica.Las técnicas de minería de datos se aplican en la plataforma de software para el aprendizaje automático WEKA donde se define el origen de cada conjunto de datos para implementar el clasificador : selección combinada de clasificadores e hiperparametrización, por último, se verifican las técnicas de clasificación mediante los indicadores de rendimiento, en el cual se analizan los datos del clasificador y la matriz de confusión obtenida para cada conjunto de datos según el modo de entrenamiento elegido. Los resultados indican, el mejor clasificador encontrado, el número de instancias correctamente e incorrectamente clasificadas y el porcentaje de exactitud del clasificador según la matriz de confusión resultante, asimismo para cada conjunto de datos se obtienen los indicadores para la técnica con mayor rendimiento, conduciendo así a la posibilidad de discriminar proveedores de lima persa con base en su historial de abastecimiento mediante la selección combinada de clasificadores e hiperparametrización para la exportadora de Lima persa “Mónica, S.A. de C.V”, de Martínez de La Torre, Veracruz, lo cual representa una herramienta útil centrada en el aprendizaje automático que proporciona soporte a la toma de decisiones bajo un alto grado de confianza para el decisor.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Maestria en sistemas computacionales

This item is protected by original copyright View License

This item is licensed under a Creative Commons License