Examinando por Autor "Madrigal Castrillón, Elizabeth"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónRestringido
    Informe 2022-2
    (2022-12-09) Méndez Mejía, Santiago; Estrada Bernal, Santiago; Vélez Vélez, Tomás; Rodríguez Díaz, César Andrés; Madrigal Castrillón, Elizabeth; Díaz López, Esteban; Gómez Ferrer, Fernando+; Aristizábal Guzmán, JAcobo; Hincapié Cardona, Juan Manuel; Moreno Giraldo, Laura; Linares Ocampo, Mariana; Mesa Hernández, Pablo; García Rojas, Paula Valentina; Mejía Torres, Santiago; Patiño Jimenez, Sara María
  • Miniatura
    PublicaciónAcceso abierto
    Informe Semillero de Investigación 2023-2
    Coca Ortegón, Germán Augusto; Madrigal Castrillón, Elizabeth; Linares Ocampo, Mariana; Hernández Correa, Valentina
    Se mantuvieron reuniones periódicas con los participantes; es así como, se definieron los temas de investigación. Igualmente, se priorizaron los temas de mayor interés. Posteriormente, se precisaron los problemas de investigación y se consultaron fuentes pertinentes. Luego, se estructuraron los proyectos y, asimismo, se ejecutaron de acuerdo con lo previsto. Específicamente, con base en la orientación de un proyecto en el renglón de ensamble de automóviles, se examinaron los conceptos de pronósticos de la demanda y de variables macroeconómicas relevantes (tasa de inflación, tasa de devaluación, tasa de desempleo y tasa de interés). Al utilizar los métodos de pronóstico Sarima y Regresión Múltiple, se establece una proyección promedio de ventas de vehículos en Colombia para el año 2024 de 345.000 unidades con un coeficiente de variación de 0,87%. Además, esta proyección se aleja en solo 2000 unidades, respecto al método de pronóstico usado por el departamento de análisis de la demanda de la compañía interesada.
  • Miniatura
    PublicaciónSólo datos
    Modelo predictivo para optimizar la gestión logística y anticipar decisiones de abastecimiento ante retrasos de buques provenientes de Brasil, Rumania Y Francia minimizando el impacto en la cadena de suministro de la empresa Renault Sofasa
    (Universidad EIA, 2024) Linares Ocampo, Mariana; Madrigal Castrillón, Elizabeth; Correa Builes, Natalia Andrea
    RESUMEN: Renault SOFASA, líder en la industria automotriz, enfrenta desafíos logísticos significativos en la adquisición e importación de piezas provenientes de diversos países, un proceso clave para garantizar la continuidad operativa de la planta. Este trabajo pretende desarrollar un modelo predictivo capaz de anticipar los retrasos en los buques que transportan piezas de vehículos desde Brasil, Francia y Rumania, con el fin de reducir los sobrecostos asociados a estas demoras. Mediante el uso de técnicas de machine learning, se busca predecir la probabilidad de retraso en un buque, lo que permitirá tomar decisiones logísticas de una forma más eficiente, garantizando una mayor continuidad operativa y reduciendo riesgos y costos en la gestión logística. La metodología incluyó el análisis de datos históricos de importaciones y factores que influyen en los atrasos de buques, como el clima y el desempeño de las navieras. Con esta información, se diseñaron y evaluaron diversos modelos predictivos utilizando machine learning, que permiten prever los posibles atrasos y su impacto en el inventario. Los modelos fueron entrenados y validados utilizando los datos históricos de importación y sus tiempos de llegada a Colombia. Como resultado, se logró identificar las variables más relevantes para predecir los atrasos y se desarrolló un modelo predictivo que puede ser implementado por Renault SOFASA para optimizar sus decisiones logísticas. Este modelo tiene el potencial de ser una herramienta estratégica para la toma de decisiones, que busquen reducir los costos adicionales y mitigar los riesgos asociados a las demoras en la importación de piezas, contribuyendo así a una mayor eficiencia operativa de la empresa.