Repository logo
 

Implementación de modelos predictivos para incrementar las ventas de jugos en LEYDE S.A.

Simple item page
dc.campusUnitec San Pedro Sula
dc.catalogadorSofia Molina
dc.collectionTesis de Postgrado
dc.contributor.advisorMarvin Roberto Mendoza Valencia
dc.contributor.authorJesus Javier Torres Torres
dc.contributor.authorErik Manuel Sierra Sierra
dc.coverageSan Pedro Sula, Cortés, Honduras
dc.date.accessioned2025-06-20T17:44:18Z
dc.date.available2025-06-20T17:44:18Z
dc.date.issued2025-06-20
dc.description.abstractEl presente trabajo se enfocó en reducir el consumo de carbonato de calcio en calderas de lecho fluidizado, manteniendo las emisiones de dióxido de azufre (SO₂) dentro de los límites normativos. El objetivo principal fue optimizar las condiciones operativas mediante el uso de herramientas tecnológicas y técnicas de modelado predictivo. La metodología incluyó un análisis cuantitativo que evaluó variables como el exceso de oxígeno, la presión diferencial y la temperatura, combinadas con modelos de regresión polinomial y algoritmos de machine learning como Random Forest. Los resultados destacaron que el modelo polinomial explicó el 58% de la variabilidad en las emisiones, mientras que Random Forest clasificó eficazmente escenarios óptimos y no óptimos. Se concluyó que estas herramientas permitieron reducir costos operativos y cumplir con normativas ambientales, recomendando su implementación en industrias similares.
dc.description.abstractThis study focused on reducing calcium carbonate consumption in fluidized bed boilers while maintaining sulfur dioxide (SO₂) emissions within regulatory limits. The main objective was to optimize operational conditions using technological tools and predictive modeling techniques. The methodology included a quantitative analysis evaluating variables such as excess oxygen, differential pressure, and temperature, combined with polynomial regression models and machine learning algorithms like Random Forest. Results showed that the polynomial model explained 58% of the variability in emissions, while Random Forest effectively classified optimal and non-optimal scenarios. It was concluded that these tools enabled cost reductions and compliance with environmental regulations, recommending their implementation in similar industries.
dc.disciplineAdministración y Negocios / Business & Management
dc.facultyFacultad de Postgrado
dc.finalwork.creationdate01/01/2025
dc.formatPDF
dc.identifier.urihttps://repositorio.unitec.edu//handle/123456789/13591
dc.language.isoes
dc.publisherUniversidad Tecnológica Centroamericana UNITEC
dc.sourceUniversidad Tecnológica Centroamericana UNITEC
dc.subjectAprendizaje automático
dc.subjectClusterización
dc.subjectPatrones de consumo
dc.subjectRandom forest y series de tiempo
dc.subject.ddc658.812 T6361
dc.thesis.degreelevelPostgrado
dc.thesis.degreenameMaestría en Analítica de Negocios / M-40
dc.titleImplementación de modelos predictivos para incrementar las ventas de jugos en LEYDE S.A.

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Implementación de modelos predictivos para incrementar las ventas de jugos en LEYDE S.A_.pdf
Size:
3.76 MB
Format:
Adobe Portable Document Format
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