Repository logo
 

Aplicación de modelos de aprendizaje automático para el análisis de series temporales y pronóstico de anomalías en la nómina diaria en una planta de manufactura

Simple item page
dc.campusUNITEC SPSes_ES
dc.catalogadorDennis Cálixes_ES
dc.codigocarreraM-40es_ES
dc.collectionTesis de Postgradoes_ES
dc.contributor.advisorAlba Gabriela Garay Romeroes_ES
dc.contributor.advisorKevin Eduardo Funezes_ES
dc.contributor.authorGustavo Ernesto Ávila Griffines_ES
dc.contributor.authorSebastián Núñez Floreses_ES
dc.coverageSan Pedro Sula, Cortés, Hondurases_ES
dc.date.accessioned2023-12-09T17:09:49Z
dc.date.available2023-12-09T17:09:49Z
dc.date.issued2023-12-04
dc.date.terna2023-11-02
dc.ddc005.1 A958es_ES
dc.description.abstractEn el competitivo ámbito de la industria manufacturera, alcanzar la excelencia operativa es esencial para garantizar eficiencia y rentabilidad. La optimización de procesos y recursos juega un papel clave en el éxito de una planta de manufactura, lo que hace que la detección y gestión de valores atípicos cobren relevancia como desafío estratégico. Dentro de este contexto, la revisión de nóminas adquiere un rol crucial al asegurar la precisión en los pagos y evaluar la eficiencia operativa de la planta. Este proyecto investigativo busca implementar un sistema de detección que identifique errores involuntarios e irregularidades fraudulentas en los datos de eficiencia de la revisión. Al corregir estos valores atípicos, se resguarda la integridad de los pagos y se generan ahorros con efectos tangibles. Dado que la compensación de los operarios depende de su eficiencia, identificar desviaciones tempranamente optimiza costos y recursos. La investigación explora en detalle las metodologías de detección de valores atípicos aplicables a los datos de eficiencia en la revisión de nóminas y sus procesos correctivos. Además, analiza los beneficios económicos y operativos, reafirmando la importancia de la precisión en la gestión de nóminas en un entorno industrial en constante evolución. En síntesis, esta tesis yace en la confluencia de la ingeniería industrial, la analítica de datos y la gestión de recursos humanos. Su propósito es asegurar la calidad de los datos de eficiencia en la revisión de nóminas y promover la eficacia operativa en la planta de manufactura, garantizando tanto la precisión financiera como la eficiencia operativa en las plantas de manufactura.es_ES
dc.description.abstractenglishIn the competitive realm of the manufacturing industry, achieving operational excellence is essential to ensure efficiency and profitability. Process and resource optimization play a key role in a manufacturing plant's success, highlighting the significance of detecting and managing outliers as a strategic challenge. Within this context, payroll review takes on a crucial role in ensuring payment accuracy and assessing the operational efficiency of the plant. This research project aims to implement a detection system that identifies unintentional errors and fraudulent irregularities in the efficiency data of the review process. By correcting these outliers, the integrity of payments is safeguarded, and tangible savings are generated. Since operators' compensation depends on their efficiency, early identification of deviations optimizes costs and resources. This research explores in detail the outlier detection methodologies applicable to efficiency data in payroll review and their corrective processes. Additionally, it analyzes the economic and operational benefits, reaffirming the importance of accuracy in payroll management in an ever-evolving industrial environment. In summary, this thesis lies at the intersection of industrial engineering, data analytics, and human resource management. Its purpose is to ensure the quality of efficiency data in payroll review and promote operational efficiency in the manufacturing plant, ensuring both financial accuracy and operational efficiency in manufacturing plants.es_ES
dc.disciplineAdministración y Negocios / Business and Managementes_ES
dc.facultyFacultad de Postgradoes_ES
dc.formatPDFes_ES
dc.identifier.urihttps://repositorio.unitec.edu/xmlui/handle/123456789/12905
dc.languageEspañoles_ES
dc.publisherUniversidad Tecnológica Centroamericana UNITECes_ES
dc.sourceUniversidad Tecnológica Centroamericana UNITECes_ES
dc.subjectAnalítica de datoses_ES
dc.subjectManufacturaes_ES
dc.subjectValores Atípicoses_ES
dc.thesis.degreelevelPostgradoes_ES
dc.thesis.degreenameMaestría en Analítica de Negocioses_ES
dc.titleAplicación de modelos de aprendizaje automático para el análisis de series temporales y pronóstico de anomalías en la nómina diaria en una planta de manufacturaes_ES
dc.typeThesises_ES

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Aplicación de modelos de aprendizaje automático para el análisis de series temporales y pronóstico de anomalías en la nómina diaria en una planta de manufactura.pdf
Size:
1.66 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Tesis de Postgrado