Descubriendo reglas de asociación en bases de datos del sector ganadero para la toma de decisiones informadas
Hoy en día, la producción de carne es una industria esencial a nivel mundial, desempeñando un papel crucial en la seguridad alimentaria y en la economía global. En este sentido, la toma de decisiones informadas es vital para optimizar los procesos y mejorar la eficiencia en la producción, asegurando...
Guardado en:
| Autores principales: | , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/176398 |
| Aporte de: |
| Sumario: | Hoy en día, la producción de carne es una industria esencial a nivel mundial, desempeñando un papel crucial en la seguridad alimentaria y en la economía global. En este sentido, la toma de decisiones informadas es vital para optimizar los procesos y mejorar la eficiencia en la producción, asegurando la sostenibilidad y competitividad del sector. Este trabajo de investigación tiene como objetivo principal aplicar técnicas de Minería de Datos para el descubrimiento de reglas de asociación, tomando como período de estudio datos transaccionales de la faena productiva, en un intervalo de 3 años de los principales frigoríficos a nivel país. Se describe la fase de selección y recopilación de los datos así como también la preparación de los mismos. En la fase de modelado se ha ejecutado los algoritmos Apriori y Eclat implementados en el paquete arules de la herramienta R donde se obtuvo el conocimiento principal mediante la consolidación de las asociaciones resultantes. Los resultados revelan patrones significativos en las combinaciones de origen del animal, raza y frigorífico, que afectan el peso y la calidad de la carne. Asimismo, el análisis se enfoca en describir las relaciones entre los animales con mejor y peor desempeño en la faena del país, lo cual es fundamental para apoyar la toma de decisiones informadas en el sector. |
|---|