Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en...
- Autores
- Isasmendi, Carlos Alejandro; Lorenzo, Juan Martin
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Ahumada, Hernán
Acosta Parra, Carlos Alberto - Descripción
- Fil: Isasmendi, Carlos Alejandro. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.
Fil: Lorenzo, Juan Martin. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.
El presente trabajo final (TF) se centró en el desarrollo del prototipo basado en técnicas de machine learning y datos geoespaciales para optimizar la distribución de recursos de la Dirección de Acción Social Directa (DASD) de la Municipalidad de San Fernando del Valle de Catamarca (MSFVC). Se plantea el uso de un sistema existente llamado tuBienestar, el cual registra solicitudes de ayuda, principalmente de módulos alimentarios, y busca mejorar la logística de distribución de estos recursos. Debido a la alta demanda de solicitudes registradas en el sistema tuBienestar, esto generó dificultades en el proceso de logística y distribución. Para abordar este problema, se propuso el desarrollo de un prototipo que utilice los datos geoespaciales generados por el sistema tuBienestar y en conjunto a técnicas de machine learning lograr la optimización en la distribución de los recursos. Como antecedentes al proyecto cabe mencionar trabajos previos realizados en la Universidad Nacional de Catamarca, los cuales aplicaron técnicas de minería de datos y machine learning en diferentes contextos. Sin embargo, el enfoque del proyecto realizado difiere, ya que trata en aplicar modelos entrenados de machine learning para automatizar procesos logísticos y de distribución. En cuanto a las herramientas y tecnologías a utilizar, se mencionan Node.js como entorno de ejecución de servicios en el backend, los frameworks Svelte y Strapi, y las instancias de GitLab y Visual Studio Code para el desarrollo y versionado del proyecto. Además, se evaluarán los lenguajes de programación Python, R y Julia para el desarrollo del modelo de machine learning, mientras que JavaScript será utilizado para unificar el proyecto en el frontend y backend. Consideramos que el desarrollo propuesto contribuirá significativamente a mejorar la logística de distribución de estos recursos, lo que redundará en importantes beneficios para el municipio. La implementación de este sistema no solo optimizará los tiempos de entrega y reducirá los costos operativos, sino que también permitirá una distribución más equitativa y eficiente de los recursos disponibles. Además, la incorporación de técnicas avanzadas de machine learning aplicadas sobre datos geoespaciales, con el fin de generar modelos predictivos y sugerencias inteligentes que guiarán una asignación más eficiente de los recursos disponibles sentará un precedente importante para la modernización de los procesos administrativos municipales, pudiendo servir como modelo para futuras implementaciones en otras áreas de la gestión pública local. - Fuente
- Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipal de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales
- Materia
-
machine learning
datos geoespaciales
minería de datos - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
- Repositorio
- Institución
- Universidad Nacional de Catamarca
- OAI Identificador
- oai:riaa-tecno.unca.edu.ar:123456789/1201
Ver los metadatos del registro completo
id |
RIAAUNCA_212b48461e5c045ad03c05bbae438b4f |
---|---|
oai_identifier_str |
oai:riaa-tecno.unca.edu.ar:123456789/1201 |
network_acronym_str |
RIAAUNCA |
repository_id_str |
|
network_name_str |
Repositorio Institucional de Acceso Abierto (UNCA) |
spelling |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos GeoespacialesIsasmendi, Carlos AlejandroLorenzo, Juan Martinmachine learningdatos geoespacialesminería de datosFil: Isasmendi, Carlos Alejandro. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.Fil: Lorenzo, Juan Martin. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.El presente trabajo final (TF) se centró en el desarrollo del prototipo basado en técnicas de machine learning y datos geoespaciales para optimizar la distribución de recursos de la Dirección de Acción Social Directa (DASD) de la Municipalidad de San Fernando del Valle de Catamarca (MSFVC). Se plantea el uso de un sistema existente llamado tuBienestar, el cual registra solicitudes de ayuda, principalmente de módulos alimentarios, y busca mejorar la logística de distribución de estos recursos. Debido a la alta demanda de solicitudes registradas en el sistema tuBienestar, esto generó dificultades en el proceso de logística y distribución. Para abordar este problema, se propuso el desarrollo de un prototipo que utilice los datos geoespaciales generados por el sistema tuBienestar y en conjunto a técnicas de machine learning lograr la optimización en la distribución de los recursos. Como antecedentes al proyecto cabe mencionar trabajos previos realizados en la Universidad Nacional de Catamarca, los cuales aplicaron técnicas de minería de datos y machine learning en diferentes contextos. Sin embargo, el enfoque del proyecto realizado difiere, ya que trata en aplicar modelos entrenados de machine learning para automatizar procesos logísticos y de distribución. En cuanto a las herramientas y tecnologías a utilizar, se mencionan Node.js como entorno de ejecución de servicios en el backend, los frameworks Svelte y Strapi, y las instancias de GitLab y Visual Studio Code para el desarrollo y versionado del proyecto. Además, se evaluarán los lenguajes de programación Python, R y Julia para el desarrollo del modelo de machine learning, mientras que JavaScript será utilizado para unificar el proyecto en el frontend y backend. Consideramos que el desarrollo propuesto contribuirá significativamente a mejorar la logística de distribución de estos recursos, lo que redundará en importantes beneficios para el municipio. La implementación de este sistema no solo optimizará los tiempos de entrega y reducirá los costos operativos, sino que también permitirá una distribución más equitativa y eficiente de los recursos disponibles. Además, la incorporación de técnicas avanzadas de machine learning aplicadas sobre datos geoespaciales, con el fin de generar modelos predictivos y sugerencias inteligentes que guiarán una asignación más eficiente de los recursos disponibles sentará un precedente importante para la modernización de los procesos administrativos municipales, pudiendo servir como modelo para futuras implementaciones en otras áreas de la gestión pública local.Ahumada, HernánAcosta Parra, Carlos Alberto2024info:eu-repo/semantics/acceptedVersioninfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/trabajoFinalDeGradoapplication/pdfhttps://riaa-tecno.unca.edu.ar/handle/123456789/1201Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipal de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespacialesreponame:Repositorio Institucional de Acceso Abierto (UNCA)instname:Universidad Nacional de CatamarcaspaARGinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.es2025-09-30T09:26:27Zoai:riaa-tecno.unca.edu.ar:123456789/1201instacron:UNCAInstitucionalhttps://riaa-tecno.unca.edu.arUniversidad públicahttps://www.unca.edu.ar/https://riaa-tecno.unca.edu.ar/oai/snrdvanesadoria@tecno.unca.edu.arArgentinaopendoar:2025-09-30 09:26:27.546Repositorio Institucional de Acceso Abierto (UNCA) - Universidad Nacional de Catamarcafalse |
dc.title.none.fl_str_mv |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales |
title |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales |
spellingShingle |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales Isasmendi, Carlos Alejandro machine learning datos geoespaciales minería de datos |
title_short |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales |
title_full |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales |
title_fullStr |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales |
title_full_unstemmed |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales |
title_sort |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales |
dc.creator.none.fl_str_mv |
Isasmendi, Carlos Alejandro Lorenzo, Juan Martin |
author |
Isasmendi, Carlos Alejandro |
author_facet |
Isasmendi, Carlos Alejandro Lorenzo, Juan Martin |
author_role |
author |
author2 |
Lorenzo, Juan Martin |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Ahumada, Hernán Acosta Parra, Carlos Alberto |
dc.subject.none.fl_str_mv |
machine learning datos geoespaciales minería de datos |
topic |
machine learning datos geoespaciales minería de datos |
dc.description.none.fl_txt_mv |
Fil: Isasmendi, Carlos Alejandro. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina. Fil: Lorenzo, Juan Martin. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina. El presente trabajo final (TF) se centró en el desarrollo del prototipo basado en técnicas de machine learning y datos geoespaciales para optimizar la distribución de recursos de la Dirección de Acción Social Directa (DASD) de la Municipalidad de San Fernando del Valle de Catamarca (MSFVC). Se plantea el uso de un sistema existente llamado tuBienestar, el cual registra solicitudes de ayuda, principalmente de módulos alimentarios, y busca mejorar la logística de distribución de estos recursos. Debido a la alta demanda de solicitudes registradas en el sistema tuBienestar, esto generó dificultades en el proceso de logística y distribución. Para abordar este problema, se propuso el desarrollo de un prototipo que utilice los datos geoespaciales generados por el sistema tuBienestar y en conjunto a técnicas de machine learning lograr la optimización en la distribución de los recursos. Como antecedentes al proyecto cabe mencionar trabajos previos realizados en la Universidad Nacional de Catamarca, los cuales aplicaron técnicas de minería de datos y machine learning en diferentes contextos. Sin embargo, el enfoque del proyecto realizado difiere, ya que trata en aplicar modelos entrenados de machine learning para automatizar procesos logísticos y de distribución. En cuanto a las herramientas y tecnologías a utilizar, se mencionan Node.js como entorno de ejecución de servicios en el backend, los frameworks Svelte y Strapi, y las instancias de GitLab y Visual Studio Code para el desarrollo y versionado del proyecto. Además, se evaluarán los lenguajes de programación Python, R y Julia para el desarrollo del modelo de machine learning, mientras que JavaScript será utilizado para unificar el proyecto en el frontend y backend. Consideramos que el desarrollo propuesto contribuirá significativamente a mejorar la logística de distribución de estos recursos, lo que redundará en importantes beneficios para el municipio. La implementación de este sistema no solo optimizará los tiempos de entrega y reducirá los costos operativos, sino que también permitirá una distribución más equitativa y eficiente de los recursos disponibles. Además, la incorporación de técnicas avanzadas de machine learning aplicadas sobre datos geoespaciales, con el fin de generar modelos predictivos y sugerencias inteligentes que guiarán una asignación más eficiente de los recursos disponibles sentará un precedente importante para la modernización de los procesos administrativos municipales, pudiendo servir como modelo para futuras implementaciones en otras áreas de la gestión pública local. |
description |
Fil: Isasmendi, Carlos Alejandro. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion info:eu-repo/semantics/bachelorThesis http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/trabajoFinalDeGrado |
status_str |
acceptedVersion |
format |
bachelorThesis |
dc.identifier.none.fl_str_mv |
https://riaa-tecno.unca.edu.ar/handle/123456789/1201 |
url |
https://riaa-tecno.unca.edu.ar/handle/123456789/1201 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
ARG |
dc.source.none.fl_str_mv |
Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipal de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales reponame:Repositorio Institucional de Acceso Abierto (UNCA) instname:Universidad Nacional de Catamarca |
reponame_str |
Repositorio Institucional de Acceso Abierto (UNCA) |
collection |
Repositorio Institucional de Acceso Abierto (UNCA) |
instname_str |
Universidad Nacional de Catamarca |
repository.name.fl_str_mv |
Repositorio Institucional de Acceso Abierto (UNCA) - Universidad Nacional de Catamarca |
repository.mail.fl_str_mv |
vanesadoria@tecno.unca.edu.ar |
_version_ |
1844693345188708352 |
score |
12.559606 |