Sembrando datos, cosechando decisiones

En el sector agroindustrial, la planificación de la producción de híbridos de maíz presenta desafíos significativos debido a la variabilidad climática, la integración limitada entre áreas y la ausencia de herramientas analíticas avanzadas. Este trabajo desarrolla un modelo predictivo de demanda basa...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Corneo Lladhon, Agustina Luján, Parpaglioni, Antonieta, Romero, Manuela María
Formato: Proyecto final de grado
Lenguaje:Español
Publicado: 2025
Materias:
AGRONEGOCIOS, MODELO PRODUCTIVO, PRONÓSTICO DE DEMANDA, REDUCCIÓN DE PÉRDIDAS, MACHINE LEARNING
Acceso en línea:https://hdl.handle.net/20.500.14769/5175
Aporte de:
Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA) de Instituto Tecnológico de Buenos Aires (ITBA)
id I32-R138-20.500.14769-5175
record_format dspace
spelling I32-R138-20.500.14769-51752026-01-07T14:16:10Z Sembrando datos, cosechando decisiones Corneo Lladhon, Agustina Luján Parpaglioni, Antonieta Romero, Manuela María AGRONEGOCIOS, MODELO PRODUCTIVO, PRONÓSTICO DE DEMANDA, REDUCCIÓN DE PÉRDIDAS, MACHINE LEARNING En el sector agroindustrial, la planificación de la producción de híbridos de maíz presenta desafíos significativos debido a la variabilidad climática, la integración limitada entre áreas y la ausencia de herramientas analíticas avanzadas. Este trabajo desarrolla un modelo predictivo de demanda basado en técnicas de machine learning, que integra datos históricos de ventas, variables climáticas y factores comerciales. El objetivo es estimar con un año de anticipación la cantidad de bolsas de 80.000 semillas a producir por región y campaña, optimizando el uso de recursos productivos y financieros. 2025-11-12T19:53:52Z 2025-11-12T19:53:52Z 2025-08-08 Proyecto final de grado https://hdl.handle.net/20.500.14769/5175 es application/pdf
institution Instituto Tecnológico de Buenos Aires (ITBA)
institution_str I-32
repository_str R-138
collection Repositorio Institucional Instituto Tecnológico de Buenos Aires (ITBA)
language Español
topic AGRONEGOCIOS, MODELO PRODUCTIVO, PRONÓSTICO DE DEMANDA, REDUCCIÓN DE PÉRDIDAS, MACHINE LEARNING
spellingShingle AGRONEGOCIOS, MODELO PRODUCTIVO, PRONÓSTICO DE DEMANDA, REDUCCIÓN DE PÉRDIDAS, MACHINE LEARNING
Corneo Lladhon, Agustina Luján
Parpaglioni, Antonieta
Romero, Manuela María
Sembrando datos, cosechando decisiones
topic_facet AGRONEGOCIOS, MODELO PRODUCTIVO, PRONÓSTICO DE DEMANDA, REDUCCIÓN DE PÉRDIDAS, MACHINE LEARNING
description En el sector agroindustrial, la planificación de la producción de híbridos de maíz presenta desafíos significativos debido a la variabilidad climática, la integración limitada entre áreas y la ausencia de herramientas analíticas avanzadas. Este trabajo desarrolla un modelo predictivo de demanda basado en técnicas de machine learning, que integra datos históricos de ventas, variables climáticas y factores comerciales. El objetivo es estimar con un año de anticipación la cantidad de bolsas de 80.000 semillas a producir por región y campaña, optimizando el uso de recursos productivos y financieros.
format Proyecto final de grado
author Corneo Lladhon, Agustina Luján
Parpaglioni, Antonieta
Romero, Manuela María
author_facet Corneo Lladhon, Agustina Luján
Parpaglioni, Antonieta
Romero, Manuela María
author_sort Corneo Lladhon, Agustina Luján
title Sembrando datos, cosechando decisiones
title_short Sembrando datos, cosechando decisiones
title_full Sembrando datos, cosechando decisiones
title_fullStr Sembrando datos, cosechando decisiones
title_full_unstemmed Sembrando datos, cosechando decisiones
title_sort sembrando datos, cosechando decisiones
publishDate 2025
url https://hdl.handle.net/20.500.14769/5175
work_keys_str_mv AT corneolladhonagustinalujan sembrandodatoscosechandodecisiones
AT parpaglioniantonieta sembrandodatoscosechandodecisiones
AT romeromanuelamaria sembrandodatoscosechandodecisiones
_version_ 1854267348024819712

Ejemplares similares