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...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Proyecto final de grado |
| Lenguaje: | Español |
| Publicado: |
2025
|
| Materias: | |
| Acceso en línea: | https://hdl.handle.net/20.500.14769/5175 |
| Aporte de: |
| Sumario: | 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. |
|---|