Detalles de la obra

Título:
DistriBot
Subtítulo:
Sistema de apoyo a la operativa de distribuidoras con recomendaciones y predicciones basadas en aprendizaje automático
Autor(es):
Canabarro Sica, Andrés; Mazza Farinacci, Juan Pablo; Monetti Mosera, Alejandro; Zaiter Trinidad, Federico
Pie de imprenta:
Montevideo: Universidad ORT Uruguay, 2017
Descripción física:
210 p. fot., il., tbls.. En línea
Nota de tesis:
Proyecto (Carrera Universitaria). Universidad ORT Uruguay, Facultad de Ingeniería. Montevideo, 2017. Calificación: 100/100
Título obtenido:
Entregado como requisito para la obtención del título de Ingeniero en Sistemas
Tutor:
Eduardo Luis Mangarelli Olivera
Tribunal:
Diego David Garbervetsky; Mariel Feder Szafir
Resumen:
DistriBot es un sistema de apoyo para la operativa de distribuidoras. Consiste en una aplicación web y otra móvil, con recomendaciones y predicciones basadas en Machine Learning. Facilita tanto la preventa como el reparto de los bienes por parte de la distribuidora y la supervisión del negocio a partir de business intelligence. Para el desarrollo del trabajo se realizaron entrevistas con seis distribuidoras junto con una encuesta masiva a otras setenta, donde se observó un pobre aprovechamiento de sus datos. Más de la mitad de las distribuidoras encuestadas no tenían la preventa tecnificada y más de un tercio no lo hacían con su gestión. Se calculó que el 60% de las pequeñas y medianas empresas del Uruguay están dedicadas a la distribución de bienes, demostrando que es un mercado valioso. Se investigaron y evaluaron diversas tecnologías realizando pruebas de concepto que permitieron facilitar su integración. Se desarrolló una solución que tiene un componente en la nube, una aplicación web y una aplicación móvil para ayudar en la preventa y reparto de mercaderías. También se implementó un componente que realiza predicciones, recomendaciones y detecciones de anomalías basado en Machine Learning, aprovechando las facilidades que provee Microsoft Azure. Para la construcción del sistema, se consideraron los atributos de modificabilidad, usabilidad e interoperabilidad. Para la ejecución del proyecto se utilizaron metodologías de gestión tradicionales así como ágiles, dependiendo de la fase del proyecto. Por otra parte, los algoritmos de aprendizaje automático están completamente funcionales y fueron probados con conjuntos de datos de pruebas reales y adaptados. Como resultado se logró implementar un producto que abarca la gestión de una única distribuidora integrándose con implementaciones propias de los sistemas externos para la facturación, manejo de stock y de clientes de la empresa.
Referencias bibliográficas:
Incluye bibliografía y anexos
Idioma:
Español
Tipo de material:
[Trabajo Final de Carrera]
Ubicación física:
Disponible en línea

Archivos asociados:

Archivo Tamaño Formato
Proyecto 9.61MB application/pdf
Informe del corrector 56kB application/pdf