Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.utpl.edu.ec/handle/29.500.19856/71741| Título : | Modelo predictivo para la producción de azúcar usando algoritmos de Machine learning. |
| Autor : | Valdiviezo Díaz, Priscila Marisela Masache Valdiviezo, José Luis |
| Palabras clave : | Ecuador. Tesis digital. |
| Fecha de publicación : | 2025 |
| Citación : | Masache Valdiviezo, J. L. Valdiviezo Díaz, P. M. (2025) Modelo predictivo para la producción de azúcar usando algoritmos de Machine learning. [Tesis de Posgrado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/71741 |
| Resumen : | Abstract: The current paper presents the development and implementation of a predictive model based on artificial intelligence to estimate the daily sugar production of Ingenio Azucarero Monterrey C.A. Historical daily sugar production data were used, followed by statistical techniques for data cleaning and preparation. The CRISP-DM methodology was applied where 4 models were trained and evaluated: Linear Regression, Generalized Additive Models (GAM), Random Forest and Artificial Neural Networks. For the evaluations, metrics such as: mean square error (MSE), root mean square error (RMSE) and coefficient of determination (R²) were used. Following the results, GAM gave a MSE error equal to a very low RMSE and an excellent accuracy value. An interactive web application was implemented on the Streamlit platform, which allows users to enter data and obtain sugar production predictions. The study has demonstrated the usefulness of applying artificial intelligence techniques in this industrial sector of our country. |
| Descripción : | Resumen: El actual documento presenta el desarrollo e implementación de un modelo predictivo basado en inteligencia artificial para estimar la producción diaria de azúcar del Ingenio Azucarero Monterrey C.A. Se usaron datos diarios históricos de producción de azúcar y luego técnicas estadísticas para limpieza y preparación de datos. Se aplicó la metodología CRISP-DM donde se entrenaron y se evaluaron 4 modelos: Regresión lineal, Modelos aditivos generalizados (GAM por sus siglas en inglés), Bosque Aleatorio (Random Forest) y Redes Neuronales Artificiales. Para las evaluaciones se usaron métricas como: el error cuadrático medio (MSE por sus siglas en inglés), la raíz del error cuadrático medio (RMSE por sus siglas en inglés) y el coeficiente de determinación (R²). Tras los resultados, GAM dio un error MSE a igual un RMSE muy bajo y un excelente valor de precisión. Se implementó, una aplicación web interactiva en la plataforma Streamlit, que permite a los usuarios poder ingresar datos y obtener predicciones de la producción azucarera. El estudio ha demostrado la utilidad de aplicar técnicas de inteligencia artificial en este sector industrial de nuestro país. |
| URI : | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=146074.TITN. |
| Aparece en las colecciones: | Maestría en Inteligencia Artificial Aplicada |
Ficheros en este ítem:
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.