Ingeniería de Sistemas e Informática

Desarrollo de un sistema de producción para mejorar la toma de decisiones en la Empresa Envases Los Pinos S.A.C

2026-08-05T16:02:03Z

Desarrollo de un sistema de producción para mejorar la toma de decisiones en la Empresa Envases Los Pinos S.A.C Ramos Ramirez, Rainer Anderson Andy; Jara lázaro, Aderson Felix La presente investigación aborda la problemática de la toma de decisiones operativas en la empresa Envases Los Pinos S.A.C., dedicada a la fabricación de envases de hojalata para los sectores pesquero, agroindustrial y cárnico. A pesar de contar con sistemas automatizados basados en controladores lógicos programables (PLC), la empresa enfrentaba limitaciones críticas derivadas del procesamiento manual de datos mediante hojas de cálculo Excel, lo cual generaba demoras significativas, errores de transcripción, falta de trazabilidad en tiempo real y dificultades para consolidar información de múltiples fuentes. Esta situación impedía una respuesta ágil ante eventos críticos y limitaba la capacidad de tomar decisiones estratégicas fundamentadas en datos actualizados. El objetivo principal de este estudio fue desarrollar e implementar un sistema informático de producción que mejorara la eficiencia en la toma de decisiones operativas mediante la automatización, centralización y visualización de datos productivos en tiempo real. La investigación adoptó un enfoque aplicado-tecnológico con diseño preexperimental de preprueba y posprueba, evaluando tres indicadores clave: el tiempo de respuesta ante eventos correctivos (TREC), el nivel de satisfacción de los responsables operativos y la tasa de toma de decisiones informadas (TDI). La metodología empleada combinó el patrón arquitectónico Modelo-Vista-Controlador (MVC) con prácticas ágiles de desarrollo, utilizando tecnologías Java, SQL Server y sistemas de visualización de datos en tiempo real. Los resultados obtenidos evidenciaron mejoras significativas en los tres indicadores evaluados. El indicador TREC mostró una reducción del 61.37% en el tiempo promedio de respuesta, pasando de 64.63 minutos a 24.97 minutos permitiendo respuestas más rápidas ante desviaciones del proceso productivo. La satisfacción de los responsables operativos aumentó de 2.58 a 4.06 puntos en escala Likert de 1 a 5, representando una mejora del 57.68%. La TDI incrementó de 50.00% a 84.09%, equivalente a 45 decisiones adicionales fundamentadas en análisis de datos de un total de 132 evaluadas. Se concluye que la implementación del sistema de producción propuesto mejoró sustancialmente la eficiencia en la toma de decisiones operativas en Envases Los Pinos S.A.C., validando la hipótesis planteada. El sistema desarrollado permitió la integración automatizada de datos desde los PLC, eliminó procesos manuales propensos a errores, facilitó el acceso simultáneo a información consolidada y habilitó capacidades de análisis en tiempo real. Estos avances posicionan a la empresa para enfrentar los desafíos de la industria 4.0 y constituyen un modelo replicable para organizaciones manufactureras con problemáticas similares. Se recomienda continuar con la optimización del sistema mediante la incorporación de técnicas de analítica predictiva e inteligencia artificial, así como expandir su alcance a otras áreas de la cadena de valor.

Implementación de una arquitectura de microservicios para mejorar el proceso de la gestión de clientes de la funeraria Descanso Eterno SAC, Chimbote

2026-06-05T21:02:04Z

Implementación de una arquitectura de microservicios para mejorar el proceso de la gestión de clientes de la funeraria Descanso Eterno SAC, Chimbote Mendoza Oviedo, Michael Nay En la funeraria Descanso Eterno S.A.C., ubicada en Chimbote, se identificó que la gestión de clientes presentaba ineficiencias debido al uso de procesos manuales, la limitada disponibilidad de información y la baja digitalización de servicios. El objetivo de la investigación fue desarrollar e implementar un sistema de gestión basado en arquitectura de microservicios para optimizar la eficiencia operativa y mejorar la atención al cliente. El estudio fue de tipo aplicado, con diseño preexperimental y enfoque cuantitativo, empleando la metodología ágil Scrum para el desarrollo. El sistema se implementó en Amazon Web Services (AWS) utilizando base de datos NoSQL DynamoDB, funciones Lambda y una interfaz en Python Flask. La recolección de datos se realizó mediante encuestas a 35 participantes antes y después de la implementación, y se aplicaron pruebas estadísticas de normalidad (Shapiro-Wilk) y T-Student para muestras relacionadas. Los resultados evidenciaron mejoras estadísticamente significativas (p < 0.001) en los tres indicadores evaluados: reducción del 49.4% en el tiempo de respuesta (de 27.47 s a 13.90 s), incremento del 72.2% en el grado de satisfacción de empleados y clientes (aumento de 3.25 puntos sobre un valor inicial de 4.50) y aumento del 89.3% en la disponibilidad de la información (de 4.01 a 7.59 puntos). Se concluye que la arquitectura de microservicios es una solución escalable, eficiente y moderna para digitalizar y optimizar la gestión de clientes en el sector funerario, logrando mejoras sustanciales en el servicio y en la percepción de los usuarios

Modelo predictivo del rendimiento académico en estudiantes de primer año de secundaria a través del aprendizaje automático

2026-05-13T16:01:46Z

Modelo predictivo del rendimiento académico en estudiantes de primer año de secundaria a través del aprendizaje automático Lozano Torres, Jeffry Jeanpool; Pasache Pasapera, Giancarlo Andree Actualmente, muchas instituciones educativas enfrentan dificultades para monitorear de forma integral el rendimiento académico de sus estudiantes, lo que limita la detección oportuna de patrones de desempeño, especialmente en aquellos con bajo rendimiento, dificultando así la implementación de acciones preventivas o correctivas eficaces. La carencia de herramientas tecnológicas para el análisis de grandes volúmenes de datos, junto al uso de registros manuales o digitales no especializados, ha generado diagnósticos tardíos o imprecisos. Esto incide negativamente en la calidad del proceso educativo. Para superar estos desafíos, se propone el proyecto “Modelo Predictivo del Rendimiento Académico en Estudiantes de Primer Año de Secundaria mediante Aprendizaje Automático”, cuyo objetivo es anticipar el desempeño académico estudiantil y generar información relevante para la toma de decisiones basadas en datos. El desarrollo del modelo empleó tecnologías como Python, y bibliotecas de ciencia de datos y machine learning como Scikit-learn, Matplotlib, Pandas, Numpy, entre otras. Los resultados obtenidos, diferenciados según asignatura y nivel de logro, evidenciaron que el algoritmo Random Forest fue el más efectivo, alcanzando un 50% de los casos (20 instancias). XGBoost mostró un rendimiento relevante con un 30% de efectividad (12 instancias), mientras que la Regresión Lineal Múltiple se posicionó con un 20% (8 instancias). En función de estos resultados, se decidió implementar el modelo predictivo en instituciones educativas del estudio, con el propósito de optimizar la gestión académica, mitigar riesgos de bajo rendimiento, y mejorar la calidad del sistema educativo, beneficiando tanto a estudiantes como a docentes y administrativos.

Implementación de un API REST de notificaciones en tiempo real con gestión de fallos usando colas en la empresa TK Business Online SAC

2026-04-20T16:01:50Z

Implementación de un API REST de notificaciones en tiempo real con gestión de fallos usando colas en la empresa TK Business Online SAC Cisneros Baca, Benny Lando El presente trabajo de suficiencia profesional fue desarrollado en la empresa TK Business Online SAC, con el objetivo de implementar un API REST de notificaciones en tiempo real con gestión de fallos usando colas. Para ello se diseñó una arquitectura capaz de garantizar el envío de notificaciones ante la ocurrencia de errores de conectividad entre cliente y servidor. Se utilizó la metodología de desarrollo ICONIX para realizar el análisis y diseño del sistema. A continuación, el desarrollo del API se realizó utilizando: el lenguaje NodeJs con el framework NestJs, la librería BullMQ para gestionar las colas y MongoDB como base de datos no relacional. Finalmente se realizaron las pruebas correspondientes de los casos de uso para verificar su correcto funcionamiento.