2025-06-27, Borja Marulanda, Juan David, Collazos Agredo, Mitchel Esteban, Agudelo Burbano, Diego Fernando, Ospitia Medina, Yesid

Este estudio analiza las limitaciones del enfoque colaborativo en la planificación de la demanda dentro de una empresa de consumo masivo. La investigación identifica cómo la inexactitud en los pronósticos y las negociaciones inesperadas generan desajustes en la cadena de suministro, resultando en ineficiencias de producción, costos elevados por exceso de inventario (riesgo de expiración) o pérdida de ventas por desabastecimiento. El trabajo propone la necesidad de alinear las estimaciones comerciales con la capacidad operativa y logística, mitigando los impactos negativos en la logística inversa y asegurando el cumplimiento oportuno de los requisitos del mercado nacional e internacional.

2025-06-27, Ruiz Guzman, Laura Alejandra, Torres, Alberto

Este trabajo aborda la necesidad crítica de la Armada de Colombia de contar con pronósticos meteorológicos marítimos precisos y oportunos. Presenta el desarrollo de un sistema de pronóstico de alta resolución para las aguas del Pacífico y el Atlántico colombianos, basado en técnicas de aprendizaje profundo. La metodología se centró en la recopilación y el procesamiento de datos históricos del reanálisis ERA5 para una región estratégicamente importante, con el fin de capturar fenómenos climáticos clave como el ENSO. Se desarrolló un modelo predictivo para pronosticar un "panel" de variables operativas, incluyendo la altura de las olas, el viento y la temperatura. El rendimiento del modelo se evalúa con métricas estándar como la pérdida, el MAE y el RMSE. Como resultado final, se propone un modelo integrado en un contenedor Docker y expuesto mediante una API RESTful para uso operativo, lo que proporciona a la Armada una herramienta robusta y específica para sus áreas de operación.

2025-06-27, Giraldo C., Luisa Fernanda, Guzmán Giraldo, Juan Sebastián

Este proyecto desarrolla un modelo integrado que combina la predicción del peso de los pollos de engorde y la optimización del proceso de cosecha, con el objetivo de minimizar los costos de alimentación y asegurar el cumplimiento de los rangos de peso exigidos por el mercado. La iniciativa se enmarca en una empresa del sector avícola, donde una planificación eficiente es clave para mejorar la rentabilidad y satisfacer la demanda de aves clasificadas como pequeñas, medianas o grandes. En una primera fase, se construyó un modelo de regresión polinomial de tercer grado, ajustado para dos grupos de edad: aves menores o iguales a 38 días y aves de 39 días o más. El modelo alcanzó un RMSE de 0,129 kg (R²=0,3388) para el primer grupo y un RMSE de 0,1963 kg (R²=0,8119) para el segundo, lo que permitió capturar con mayor precisión la evolución del peso a lo largo del tiempo. Posteriormente, se diseñó un modelo de optimización basado en programación matemática, utilizando las predicciones de peso como entrada. El modelo logró planificar la cosecha óptima durante 12 días operativos del horizonte de planificación (2 semanas), respetando las restricciones de demanda por categoría de peso y evitando el sacrificio de aves fuera de especificación. Los resultados demuestran el potencial de la integración analítica para mejorar la toma de decisiones operativas en la industria avícola.

2025-06-25, Rodríguez Lasso, Álvaro, Ospitia Medina, Yesid, Agudelo Burbano, Diego Fernando

La tasa de interés de los créditos es crucial para las decisiones financieras personales y corporativas. Anticipar y pronosticar los movimientos de las tasas de interés es valioso tanto para los consumidores como para las entidades crediticias. Aprovechando la modernización de la Superfinanciera en la publicación de informes regulatorios relacionados con las tasas de crédito, el objetivo general de este proyecto es diseñar una herramienta basada en ciencia de datos para pronosticar el impacto en las tasas de interés de colocación de las entidades crediticias en Colombia, con base en el comportamiento de variables macroeconómicas relevantes como la tasa de intervención del Banco de la República, el IPC, el IBR y la tasa de fondos federales, entre otras. Debido al volumen de información, será necesario construir un datamart para posteriormente realizar un análisis exploratorio de datos (EDA), entrenar modelos de series de tiempo VaR y evaluar las mejores variables y el mejor modelo de predicción con sus respectivos hiperparámetros.