La tesis que estaré presentando es sobre una propuesta de mejora de la cadena de suministros de la palta mediante el uso de herramientas de análisis de series de tiempo, analytics y optimización matemática. Se divide en marco teórico, donde se muestra un panorama claro sobre la investigación operativa, cadena de suministro, analítica y series de tiempo; para comprender lo que se abarcará. El segundo capítulo sería sobre casos de estudio similares al enfoque del estudio. El siguiente capítulo sería un análisis del Perú enfocado en la exportación de la palta, su capacidad hídrica, superficie agrícola disponible, informalidad y pobreza. En el cuarto capítulo se propondrá una propuesta de mejora utilizando información climática, potenciales mercados a exportar, información socioeconómica, rendimientos de los terrenos y limitantes hídricas como de terreno; usando las herramientas de series de tiempo, analytics y un modelo matemático. Para el quinto capítulo se realizará el análisis financiero para ver si es rentable para los agricultores implementar la cosecha de la palta. En el siguiente capítulo se analizarán los datos otorgados por el modelo, el análisis descriptivo y el análisis financiero. Para finalizar, el último capítulo abarcará las conclusiones a partir de lo evaluado durante el documento.

El propósito del presente informe es exponer los proyectos más significativos en los que Carla Natalia Cachis Gonzales ha participado y liderado desde su graduación como Bachiller en Ingeniería Informática en diciembre de 2019. Durante las prácticas preprofesionales, tuvo la oportunidad de participar en la implementación de un sistema informático y desarrollar un dashboard en Power BI. Esta experiencia permitió descubrir la pasión por el mundo de los datos, especialmente en el ámbito de la Inteligencia Empresarial y Análisis de Datos. En su trayectoria laboral, ha tenido la oportunidad de trabajar en dos destacadas empresas. En primer lugar, desde noviembre de 2019 hasta abril de 2021, formó parte del equipo de talento de Intercorp Management como Analista de People Analytics. Posteriormente, desde abril de 2021 hasta la actualidad, se desempeña como Especialista de People Analytics en Clínica Internacional, compañía del Grupo empresarial BRECA. En ambas organizaciones, ha sido parte del área de People Analytics, teniendo la responsabilidad de liderar y participar en proyectos relacionados con la gestión y el análisis de los datos de los empleados, tales como: headcount, headcost, desempeño, compensaciones, capacidad instalada, rotación, entre otros. El objetivo como miembro del equipo de People Analytics es mejorar la eficiencia en la toma de decisiones de la empresa con respecto a los recursos humanos. En el informe se presentarán los objetivos, actividades y logros de cuatro proyectos que ha liderado o desarrollado en los primeros tres años de experiencia laboral. El primero es la propuesta y desarrollo de un programa para realizar Web Scrapping a perfiles de LinkedIn para la búsqueda de talento proactivo en Intercorp Management, este algoritmo optimizó significativamente la búsqueda de información de los procesos de reclutamiento. El segundo es la creación de un sitio web para el programa InGenia Intercorp, para lo cual se utilizó una herramienta No Code y se conectó a Google Analytics para realizar Web Analytics sobre la data del tráfico de la web. Adicionalmente, se presentan dos proyectos que se desarrollaron en Clínica Internacional. En primer lugar, lugar, la propuesta y desarrollo a completitud de un proyecto de Network Analytics, el cual permitió identificar patrones de comunicación y colaboración entre los empleados de la organización. En segundo lugar, se tuvo el liderazgo de un proyecto de implementación de SAP Success Factors, que involucró la identificación de requerimientos, la migración de datos y la capacitación de los empleados para el uso de la nueva plataforma de gestión de recursos humanos. Como resultado de las contribuciones en Clínica internacional, se galardonó en el programa de reconocimiento “Latidos de Oro 2022” que premió a 12 trabajadores que dieron la milla extra, quedando premiada entre más de 3700 trabajadores de la compañía. Finalmente, los proyectos mencionados serán detallados en las siguientes páginas, siendo cada uno de ellos un desafío emocionante y que permitió aprender y crecer profesionalmente en el campo de People Analytics.

Los modelos de supervivencia, aquellos que tratan de describir el tiempo a la ocurrencia de uno o más eventos, han demostrado tener gran versatilidad para poder modelar distintos tipos de eventos y un alcance mayor al que inicialmente se propuso. Su aplicación varía desde el área de la medicina hasta usos en actividades financieras como análisis de riesgos de activos, entre otros. Este trabajo tiene como motivación el análisis del tiempo de permanencia de un cliente con contrato de póliza de seguros. En esta aplicación, solo una fracción de los clientes son susceptibles a la terminación del contrato y, en este sentido, se requiere que el modelo cuente con la flexibilidad de asumir que no todos los clientes son susceptibles al evento de interés. En este trabajo, se propone un modelo de larga duración asumiendo un modelo de riesgos proporcionales para los clientes susceptibles de abandono y donde la función de riesgo basal de este último se modela vía funciones de splines monótonas. Este trabajo empieza con la definición del modelo, el proceso de estimación de parámetros, escenarios de simulación donde se evalúa el desempeño del proceso de estimación e inferencia y finalmente una aplicación para estudiar los factores asociados con el abandono de clientes en una compañía de seguros en el Perú. / Survival models, those that are focused on trying to describe the time before the ocurrence of one or more events, have demonstrated great versatility in their capacity to model various types of events and a further reach than initially proposed. Its application encompasses from medical trials to uses in financial activities like assets risk management, among others. This work focuses in the analysis of the time of a customer until their decision of termination of an insurance policy. In this application, only a fraction of the population are prone to terminate their contract and, in this sense, it is needed that the model have a certain degree of flexibility of assuming that not all the clients are susceptible to this event. A long-term proportional hazard model is proposed in this work with base risk function modeled via monotone splines. This work starts with the model definition, the parameters estimation process, simulation scenarios where the estimation and inference process performance is evaluated and finally an application to study the associated factors with the churn process for an insurance company in Perú.

Viele S augetiere nutzen Vibrissen als taktile Sinnesorgane, um sich in ihrer Umwelt zurechtzu nden. Besonders Nagetiere, die ihre Vordergliedma en neben dem Laufen auch zum Greifen nutzen, weisen h au g nahe des Handgelenks carpale Vibrissen auf. Uber diese ist bisher wenig bekannt. Damit technische Systeme mit taktilen Sensoren nach dem Vorbild carpaler Vibrissen ausgestattet werden k onnen, m ussen die Eigenschaften letzterer bekannt sein. Im Rahmen dieser Arbeit wird ein Beitrag zur dynamischen Charakterisierung der Vibrissen geleistet. Es werden zun achst ein analytisches Modell und ein Finite-Elemente-Modell zur Beschreibung der Vibrissenschwingung entwickelt. Sie dienen der Uberpr ufung der Messwerte und der Parameteridenti kation. Eine Modalanalyse konnte erfolgreich durchgef uhrt und die Ergebnisse mit den Messdaten verglichen werden. Anschlie end werden verschiedene Verfahren getestet und hinsichtlich ihrer Eignung bewertet, die dynamischen Eigenschaften carpaler und mystacialer Vibrissen zu bestimmen. Die Vibrissenauslenkung wird optisch mit einer Hochgeschwindigkeitskamera bzw. mittels Makrofotogra e dokumentiert. Die Auswertung der Daten erfolgt in Matlab. Ergebnisse lassen sich zum einen mittels einer einmaligen Auslenkung der Vibrisse mit einem Festk orper erzielen: Aus der freien, ged ampften Schwingung des Haars werden die Eigenfrequenz und der D ampfungsgrad ermittelt. Zum anderen kann mit der Anregung durch einen Schwingerreger der Amplitudengang bestimmt werden. / Many mammals use whiskers to acquire information about their environment. Especially those rodents that use their forelimps not only for walking but also for climbing and handling food possess tactile hair near their wrists. Little is knwon about these so-called carpal vibrissae. In order to successfully implement vibrissa-like sensors in engineering applications, it is necessary to characterize the biological model. Within this thesis, an analytical and a nite element model are being developed in order to describe the oscillation of the vibrissa. Furtheron, they are to be used as reference for experimental data. A modal analysis is successfully implemented and the results were then compared to experimental data. In order to derive the ideal experimental setup for the characterization of carpal vibrissae, several approaches to the excitation of a single vibrissa are tested and evaluated. All experiments are documented optically, using either a high-speed camera or macro photography. Analysis of the data is conducted in Matlab. Two setups show promising performance: A one-time de ection of the vibrissa resulting in a free damped oscillation yields good results for both eigenfrequency and damping ratio while an excitation of the vibrissa via a vibration system leads to the amplitude response of the hair. / Tesis

Actualmente, las organizaciones están adaptando nuevas herramientas y metodologías para poder optimizar sus procesos. Las entidades bancarias no son ajenas a la implementación de diversas herramientas debido a la naturaleza cambiante del negocio. Entre dichas herramientas, se encuentran la Optimización Matemática y Data Analytics. El objetivo de la presente investigación es presentar los beneficios obtenidos para una entidad bancaria a partir de la aplicación de las metodologías propuestas. Por un lado, se tiene como finalidad que valide la hipótesis que indica que la aplicación de Optimización Matemática permite a las entidades bancarias reducir sus costos y optimizar el uso de recursos con el propósito de incrementar la productividad de sus procesos. Por otro lado, se busca evidenciar que, mediante la implementación de modelos de Data Analytics, se puede incrementar la capacidad de explicar el comportamiento de varios aspectos que están relacionados con el negocio. En el presente trabajo, además del marco teórico, se están abarcado casos de aplicación de Optimización Matemática para determinar la asignación optima de trabajadores, de límite de crédito y de ventas cruzadas, donde se evidencia que esta herramienta permite distribuir eficientemente los recursos de una entidad bancaria con la finalidad de maximizar o minimizar una función de interés dentro del negocio. Asimismo, se presenta un conjunto de casos de estudio de Data Analytics con los cuales se tiene como objetivo validar los beneficios de dichas herramientas mediante diversas aplicaciones de modelos predictivos e identificación de clústeres. En síntesis, se puede evidenciar, en el presente trabajo, que la inclusión de metodologías como Optimización Matemática y Data Analytics dentro de los procesos de una entidad bancaria permite que se logre registrar mayores beneficios, tanto a nivel operativo como económico.

El presente trabajo de investigación desarrolla la aplicación de las técnicas clustering (clúster) y regresión lineal múltiple, para la segmentación de la oferta y proyección de ciclos inmobiliarios en el mercado de oficinas prime. Estas herramientas corresponden al ámbito de data analytics (análisis de datos), el cual consiste en el procesamiento y ejecución de análisis estadísticos en conjuntos de datos de entrada, los cuales para el caso de esta investigación, corresponden a información de indicadores del mercado inmobiliario de oficinas en los últimos 10 años. En primer lugar, la aplicación de la técnica descriptiva de clúster, permitirá segmentar el mercado inmobiliario de oficinas, agrupando las diferentes edificaciones según sus características afines, generando una segmentación que permita profundizar un mejor entendimiento de la oferta existente y de esta manera optimizar las estrategias de comercialización utilizadas por los agentes del mercado. En segundo lugar, utilizando la información histórica de los principales indicadores inmobiliarios, se plantea la construcción de un modelo predictivo de regresión múltiple que permitirá proyectar el comportamiento de la oferta y demanda del mercado, estimando de esta manera la fase del ciclo inmobiliario que atraviesa el mercado: expansión, sobreoferta, re1cesión o recuperación. Para desarrollar el presente trabajo, se realizó la revisión bibliográfica de las principales investigaciones que aplican modelos de clúster y regresión lineal múltiple, considerando también que el contenido puede resultar útil para la toma de decisiones de inversionistas, empresas desarrolladoras y analistas comerciales del sector inmobiliario, puesto que les permitirá deslumbrar tendencias en el mercado y les servirá como ayuda para determinar cuáles son los momentos adecuados para invertir en un nuevo proyecto inmobiliario y/o comercializar un contrato de arrendamiento de oficinas.

La importancia de las competencias en el ámbito universitario se ha incrementado de forma muy significativa en los últimos años. Este cambio de enfoque en los estudios universitarios implica la necesidad de una transformación metodológica, no sólo en cuanto a la definición y planificación de las materias sino en lo que se refiere a la selección de nuevas metodologías docentes. La responsabilidad de la ejecución en la práctica de dichos planes recae en última instancia sobre el profesorado universitario quienes requieren el desarrollo de investigaciones orientadas al estudio de los procesos de enseñanza - aprendizaje de competencias. ..El objetivo de este trabajo es modelizar estos procesos de enseñanza - aprendizaje de competencias en Educación Superior, considerando los distintos factores del entorno académico y personal de los estudiantes que potencialmente pueden influir en los resultados del aprendizaje obtenidos. Para ello se realiza en primer lugar una revisión sobre los antecedentes relacionados con dicha cuestión.Seguidamente se evalúan las relaciones entre factores relativos al contexto de los estudiantes y las competencias que adquirieron en la Universidad. Del mismo modo se estudia cómo la presencia de determinadas variables modificadoras del efecto, como el área de estudio, influyen en las relaciones entre variables mediante la introducción de relaciones de interacción y confusión. Una vez examinadas las relaciones entre los factores del contexto de los estudiantes, se validan los instrumentos de medida empleados para cuantificar los Métodos de enseñanza - aprendizaje y las Competencias adquiridas en la Universidad, cuyo ajuste se considera excelente o muy bueno en todos los casos. A partir de ambos modelos de medida se propone en base a la teoría y análisis exploratorios previos, un modelo causal de relaciones estructurales. / Conchado Peiró, A. (2011). Modelización multivariante de los Procesos de Enseñanza - Aprendizaje basados en Competencias en Educación Superior [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/12099 / Palancia

La tesis aborda el análisis estadístico de series simples y múltiples de experimentos de "Time Course Microarray" (TCM). El trabajo se centra en el desarrollo, aplicación y evaluación de métodos estadísticos específicos que consideran la problemática de este tipo de datos, tanto desde el punto de vista de selección de genes como del análisis funcional. Las técnicas desarrolladas se comparan con otros métodos del estado del arte actual evaluando las diferentes metodologías en términos de eficiencia y significado biológico de los resultados. En la tesis se incluye la descripción del funcionamiento de la tecnología de "microarrays" así como una revisión crítica de los métodos estadísticos aplicados a este tipo de datos mostrando los inconvenientes que surgen al aplicar métodos generales a series temporales de "microarrays" y justificando la necesidad de desarrollar nuevas técnicas para el análisis de TCM. La primera técnica desarrollada es maSigPro ("microarray Significant Profile") que usa análisis de regresión lineal para modelar la expresión génica y lleva a cabo una estrategia en dos pasos para seleccionar los genes diferencialmente expresados. La aplicación de la técnica multivariantes ASCA (ANOVA "Simultaneous Component Analysis") a datos de TCM da como resultado el método ASCA-genes que combina la exploración multivariante de datos con un procedimiento de selección para identificación de genes con cambios relevantes. El método ASCA es también usado para crear una estrategia de filtrado de datos de gran utilidad para eliminar el alto nivel de ruido estructural de los datos de microarrays. Por último, se desarrollan métodos estadísticos para una evaluación directa e integrada de las alteraciones que pueden sufrir las funciones génicas en TCM. Para este propósito, se ha adaptado las técnicas maSigPro, ASCA y PCA incorporándoles información funcional obteniendo las metodologías maSigFun, PCA-maSigFun y ASCA-functional. / Nueda Roldán, MJ. (2009). Statistical methods for time course microarray data [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/6061 / Palancia

[ES] El Internet de las cosas (IoT, del inglés, \textit{Internet of Things}) está revolucionando la manera en que percibimos todo lo que nos rodea. La gran cantidad de objetos conectados a Internet diariamente revela el grado de aceptación de las tecnologías habilitadoras de IoT en los diferentes entornos de aplicación. De la misma manera, el gran volumen de datos generado por estos objetos, conocidos como dispositivos IoT, está llegando a valores inimaginables. Como resultado, las metodologías y técnicas tradicionales presentan limitaciones para la gestión de los datos recolectados por los dispositivos IoT. Este problema es conocido como Big Data y ha sido analizado en las dos últimas décadas en otro tipo de ámbitos (buscadores de páginas web, redes sociales, entre otros.). Sin embargo, la falta de conocimientos y estrategias claras para integrar las metodologías, técnicas y soluciones de Big Data con entornos de IoT está afectando directamente a los potenciales beneficios de IoT. La gestión del Big Data es uno de los desafíos que afrontan actualmente los entornos de IoT. La presente tesis doctoral especifica una arquitectura para la gestión del Big Data generado por entornos IoT. La arquitectura fue diseñada utilizando los requerimientos planteados en las recomendaciones de la Unión Internacional de Telecomunicaciones (ITU-T) y el Instituto Nacional de Estándares y Tecnologías (NIST) para la implementación de ecosistemas IoT y la interoperabilidad de \textit{frameworks} de Big Data, respectivamente. De esta manera, la arquitectura es lo suficientemente genérica para adaptarse a cualquier entorno IoT. La arquitectura Big Data es capaz de recopilar datos de dispositivos IoT, \textit{gateways} IoT, plataformas IoT y espacios de datos virtuales en entornos industriales. Además, la arquitectura brinda el soporte para la generación de servicios innovadores basados en las tendencias actuales en el área de la Inteligencia Artificial. Finalmente, la arquitectura aprovecha los recientes avances en la tecnología de \textit{fog computing} y los modelos de servicios de \textit{cloud computing} para implementar sus funcionalidades. La arquitectura presentada ha sido aplicada en tres casos de uso derivados de los proyectos Europeos ACTIVAGE y PixelPort financiados por la Unión Europea. El primero de ellos tiene el objetivo de monitorizar, controlar y guiar durante el tratamiento de la apnea del sueño en adultos mayores. El segundo persigue la detección temprana de caídas en adultos mayores basado en algoritmos de Inteligencia Artificial. Y el último tiene el objetivo de explotar el Big Data compartido en el espacio de datos industriales para entornos marítimos con el fin de proporcionar información relevante para la planificación de las operaciones de los buques de contenedores. / [EN] The Internet of Things (IoT) is revolutionizing the way we perceive everything around us. The large number of objects connected to the Internet reveals the degree of acceptance of IoT-enabling technologies in several domain applications. In the same way, the large volume of data generated by these objects, also known as IoT devices, is reaching unimaginable values. As a result, traditional methodologies and techniques are not capable of managing the large amount of data collected by IoT devices. This problem is known as Big Data, and it has been analyzed in the last two decades in other applications contexts (i.e., web page search engines, social networks, among others). However, the lack of clear knowledge and strategies to integrate Big Data methodologies, techniques and solutions with IoT environments is directly affecting the potential benefits of IoT. Nowadays, Big Data management is one of the challenges that IoT environments are facing. For this reason, this doctoral thesis specifies an architecture for the management of Big Data generated by IoT environments. The Big Data architecture proposed was designed using the requirements outlined in the recommendations of the International Telecommunication Union (ITU-T) and the National Institute of Standards and Technologies (NIST) for the implementation of IoT ecosystems and the interoperability of Big Data frameworks. In this way, the architecture is generic enough for adapting to any IoT environment. Big Data architecture is capable of collecting data from IoT devices, IoT gateways, IoT platforms, and the industrial virtual data spaces. Also, the architecture provides support for the generation of innovative services based on current trends in Artificial Intelligence. Finally, the architecture takes advantage of the recent advances in fog computing technology and the cloud computing model services for implementing its functionalities. The architecture presented has been applied in three use cases derived from the European ACTIVAGE and PixelPort projects funded by the European Union. The first of these uses cases aims to monitor, control, and guide during the treatment of sleep apnea in elderly. The second one pursues the early detection of the elderly's fall based on Artificial Intelligence algorithms. The last one has the objective of exploiting shared Big Data in industrial data space for maritime environments to provide relevant information for the planning of shipping container operations. / [CA] La Internet de les coses (IoT, del anglès, Internet of Things) està revolucionant la manera en que percebem tot el que ens rodeja. La gran quantitat d\textquotesingle objectes connectats diàriament a Internet revela el grau de acceptació de les tecnologies facilitadores de IoT en els diferents entorns de la aplicació. De la mateixa manera, el gran volum de dades generades per aquests objectes, coneguts com dispositius IoT, està arribant a valors inimaginables. Com a resultat, les metodologies i tècniques tradicionals presenten limitacions per a la gestió de les dades recol·lectades pels dispositius IoT. Aquest problema es conegut com a Big Data i ha sigut analitzat durant les dos últimes dècades en tot tipus d\textquotesingle àmbits (buscadors de pàgines web i xarxes socials entre altres). No obstant, la falta de coneixements i estratègies clares per a integrar les metodologies, tècniques i solucions de Big Data en entorns de IoT està afectant directament als potencials beneficis de IoT. La gestió del Big Data es un dels desafius que afronten actualment els entorns de IoT. Aquesta tesis doctoral especifica una arquitectura per a la gestió del Big Data generat pels entorns IoT. L\textquotesingle arquitectura ha sigut dissenyada utilitzant els requeriments plantejats en les recomanacions de la Unió Internacional de Telecomunicacions (ITU-T) i el Institut Nacional d\textquotesingle Estàndards i Tecnologies (NIST) per a la implementació d\textquotesingle ecosistemes IoT i la interoperabilitat de frameworks de Big Data. D\textquotesingle aquesta manera, l\textquotesingle arquitectura es lo suficientment genèrica per a adaptar-se a qualsevol entorn IoT. L\textquotesingle arquitectura Big Data es capaç de recopilar dades de dispositius IoT, gateways IoT, plataformes IoT i espais de dades virtuals en entorns industrials. Així mateix, l\textquotesingle arquitectura brinda el suport per a la generació de serveis innovadors basats en les tendències actuals en l\textquotesingle àrea de la Intel·ligència Artificial. Finalment, l\textquotesingle arquitectura aprofita els recents avanços en la tecnologia de \textit{fog computing} i els models de serveis de \textit{cloud computing} per a implementar les seues funcionalitats. L\textquotesingle arquitectura presentada ha sigut aplicada a tres casos d\textquotesingle usos derivats dels projectes europeus ACTIVAGE i PixelPort finançats per la Unió Europea. El primer d\textquotesingle ells té l\textquotesingle objectiu de monitoritzar, controlar i guiar durant el tractament de la apnea del somni en adults majors. El segon persegueix la detecció primerenca de caigudes en adults majors basat en algoritmes de Intel·ligència Artificial. I l\textquotesingle Últim té l\textquotesingle objectiu de explotar el Big Data compartint en l\textquotesingle espai de dades industrials per a entorns marítims amb el fi de proporcionar informació rellevant per a la planificació de les operacions dels vaixells de contenidors. / Al Estado Ecuatoriano y a la Secretaría de Educación Superior, Ciencia, Tecnología e Innovación (SENESCYT) por haber apoyado la realización de esta tesis doctoral a través de su programa de Becas. / Sarabia Jácome, DF. (2020). Arquitectura de análisis de datos generados por el internet de las cosas IoT en tiempo real [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/149398 / TESIS

La globalización y la aparición de diferentes tecnologías como las redes sociales han ocasionado que la información relacionada a noticias y eventos se propague de una manera más rápida. Ahora las empresas deben estar siempre pendientes a los datos generados para así ser más eficaces en su relación con ellos. Sin embargo, esta es una tarea difícil debido a la gran cantidad de datos y a la falta de procesos automáticos para analizar estos, sobre todo en el idioma español. Como objetivo de este proyecto, se busca brindar una aplicación la cual de manera automática pueda realizar análisis de datos de eventos en español y permitan visualizar los aspectos más importantes relacionados a estos datos. Para esto se implementarán algoritmos de Análisis de Formal de Conceptos y Análisis de Patrones Léxico-Sintácticos. Además, se usarán ontologías para poder estructurar la información recolectada a partir de los algoritmos. Se concluye que los algoritmos desarrollados permiten obtener las entidades y relaciones más relevantes encontradas en los datos con porcentajes relativamente altos de precisión y exhaustividad sobre todo usando datos limpios. Además, es posible mostrar la información recolectada de manera adecuada debido a la flexibilidad de las ontologías.