Identificador persistente para citar o vincular este elemento: http://hdl.handle.net/10553/103596
Campo DC Valoridioma
dc.contributor.advisorQuesada Arencibia, Francisco Alexises
dc.contributor.advisorSánchez Medina, Agustín Jesúses
dc.contributor.advisorAlonso Cabezas, Carloses
dc.contributor.authorJiménez Arocha, Andréses
dc.date.accessioned2021-03-11T01:00:22Z-
dc.date.available2021-03-11T01:00:22Z-
dc.date.issued2020-
dc.identifier.otherGestión académica-
dc.identifier.urihttp://hdl.handle.net/10553/103596-
dc.description.abstractLa problemática que busca resolver este TFT radica en la necesidad que tiene una empresa de transportes en identificar qué zonas geográficas de sus distintas áreas de actuación son más problemáticas, considerando como tal, aquellas que reciben más incidencias o que el coste de estas es mayor. Para esto se hace uso de herramientas y metodologías tanto de segmentación (RFM) como de clusterización mediante inteligencia artificial (K-means y SOM). De este modo, poder aplicar soluciones y reducir así sus costes en reparto, al aplicar determinadas soluciones a las zonas geográficas más problemáticas, así como lograr mejorar su servicio al cliente.en_US
dc.description.abstractThe problem that this thesis seeks to solve lies in the need for a transport company to identify which geographical locations o f its different areas of operation are more problematic whether because they receive more incidents or because the cost of these is higher. For this purpose, both tools and methodologies of segmentation (RFM) and cl u ster ing by means o f artificial intelligence ( K means and SOM) are used. In this way, solutions could be provided and thus reduce their costs in distribution, by applying certain solutions to the most problematic ge ographical areas, as well as achieve an improvement in their customer service.en_US
dc.languagespaen_US
dc.subject120317 Informáticaen_US
dc.subject5311 Organización y dirección de empresasen_US
dc.subject.otherTransporteses
dc.subject.otherRepartoes
dc.subject.otherIncidenciases
dc.subject.otherClusterizaciónes
dc.subject.otherSegmentaciónes
dc.subject.otherTransportes
dc.subject.otherDistributiones
dc.subject.otherIncidentses
dc.subject.otherClusteringes
dc.subject.otherSegmentationes
dc.titleEstudio comparativo de clusterización y seguimiento de incidencias en códigos postales mediante algoritmos de K Means y SOMes
dc.title.alternativeComparative study of clustering and tracking of incidents in zip codes using K-Means and SOM algorithmsen_US
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
dc.typeBachelorThesisen_US
dc.contributor.departamentoDepartamento de Informática y Sistemases
dc.investigacionIngeniería y Arquitecturaen_US
dc.type2Trabajo final de gradoen_US
dc.utils.revisionen_US
dc.identifier.matriculaTFT-58633es
dc.identifier.ulpgcen_US
dc.contributor.buulpgcBU-ECOes
dc.contributor.titulacionPrograma de doble titulación: Grado en Ingeniería Informática y Grado en Administración y Dirección de Empresases
item.grantfulltextnone-
item.fulltextSin texto completo-
crisitem.advisor.deptGIR IUCES: Computación inteligente, percepción y big data-
crisitem.advisor.deptIU de Cibernética, Empresa y Sociedad (IUCES)-
crisitem.advisor.deptDepartamento de Informática y Sistemas-
crisitem.advisor.deptGIR IUCES: Centro de Innovación para la Empresa, el Turismo, la Internacionalización y la Sostenibilidad-
crisitem.advisor.deptIU de Cibernética, Empresa y Sociedad (IUCES)-
crisitem.advisor.deptDepartamento de Economía y Dirección de Empresas-
Colección:Trabajo final de grado
Vista resumida

Google ScholarTM

Verifica


Comparte



Exporta metadatos



Los elementos en ULPGC accedaCRIS están protegidos por derechos de autor con todos los derechos reservados, a menos que se indique lo contrario.