Analítica empresarial y social

Permanent URI for this community

http://10.64.0.55:4000/handle/123456789/4555

Browse

Browsing Analítica empresarial y social by Subject "AUTOMATIZACIÓN"

Now showing 1 - 2 of 2
  • Thumbnail Image
    proyecto final de grado.listelement.badge
    Automatización de geolocalización de direcciones para OCASA
    (2023) Collado, Camila; Lara Acosta, Agustín; Pettinato, Camila; Rodríguez Varela, Juan Pablo; Pascale, Ignacio José
    OCASA es una empresa que ofrece servicios logísticos y de distribución a empresas. Su actividad central es la entrega de paquetería y correo a domicilios de todo el país. Para realizar la logística y distribución de los paquetes, OCASA obtiene la información de las direcciones a través de sus clientes. Actualmente, para encontrar la dirección proporcionada por el cliente, los operadores de OCASA las comparan con direcciones existentes en su base de datos, es decir, direcciones donde se entregaron con éxito paquetes anteriormente. Si se encuentra coincidencia exacta, la dirección del cliente se geolocaliza con la dirección coincidente en la base de OCASA. En caso de no encontrar coincidencia, se realiza la geolocalización manualmente. Las direcciones que se encuentran en la base de datos de OCASA son lugares donde se ha hecho la entrega de un paquete en alguna ocasión. Sin embargo, esto no implica que las direcciones estén correctamente escritas. El repartidor puede haber encontrado una manera de llegar a la dirección específica mediante la consulta a personas de la zona, su propio conocimiento u otras razones. Es importante tener en cuenta que OCASA no es propietaria ni responsable del diseño ni del contenido de las páginas web de sus clientes, no puede influir en la mejora de la escritura de la dirección. La mayoría de las direcciones que OCASA recibe están compuestas de un campo libre donde el receptor puede escribir su dirección como lo considera correcto. Por lo tanto, no están estandarizadas y suelen ser inexactas. Si bien existen algunos clientes que proporcionan la geolocalización exacta donde se debe entregar un paquete, para la mayoría de los casos, la geolocalización está a cargo de OCASA. La geolocalización se puede obtener mediante comparación o por ruteo manual. Las direcciones se comparan por coincidencia exacta. Esto significa que un mínimo error puede resultar en que no se encuentre una coincidencia. Por ejemplo, si una dirección en la base de datos de OCASA contiene una tilde, como “Avenida Córdoba 3010” , y el cliente la escribe sin tilde, “Avenida Cordoba 3010”, no se encontrará coincidencia, a pesar de que ambas se refieran a la misma dirección. En este caso, la dirección del cliente se envía a revisión manual. Debido a las diferencias en la escritura de direcciones se lleva a una sobrecarga de revisión manual para los operadores de OCASA. El proyecto tiene como objetivo probar la hipótesis de que al automatizar el proceso de coincidencias, incluyendo un modelo y técnicas de Natural Language Processing (NLP), se mejora la calidad de las direcciones para luego ser efectivamente geolocalizadas. De esta manera, se reducirá la sobrecarga de revisión manual y se generará un impacto positivo en los costos asociados.
  • Thumbnail Image
    proyecto final de grado.listelement.badge
    Conteo de cultivos de maíz (Stand Count)
    (2024) Makk, Azul de los Ángeles; González del Solar, Sofía; Reiman, Nicole
    En el ámbito de la agricultura, el conteo preciso de plantas es una práctica fundamental que incide directamente en la optimización de los recursos y el éxito de los cultivos. Este proceso, cuando se realiza de manera manual, enfrenta una serie de desafíos que afectan su precisión, eficiencia y escalabilidad. Factores como la subjetividad inherente a la percepción humana, la laboriosidad del proceso y las limitaciones en la extensión del conteo manual en campos agrícolas extensos, hacen imperativo buscar soluciones alternativas que mejoren la gestión general de los cultivos. El presente proyecto surge en respuesta a estas necesidades, proponiendo el desarrollo de un algoritmo de Machine Learning capaz de contar automáticamente las plantas de maíz en campos agrícolas mediante el análisis de imágenes tomadas por drones. En colaboración con la empresa EmpresaX, especializada en el análisis de datos agropecuarios, se propone abordar este desafío con el objetivo de proporcionar una solución innovadora y eficiente que simplifique el proceso de conteo, a la vez que optimice la toma de decisiones agrícolas informadas y reduzca los costos operativos asociados al conteo manual. Mediante esta asociación, se permite trabajar directamente con clientes reales, adaptando la solución a las necesidades específicas del mercado y garantizando su relevancia y aplicabilidad en entornos agrícolas reales.