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
Repositorio Institucional de Acceso Abierto (UNCA)
Institución
Universidad Nacional de Catamarca
OAI Identificador
oai:riaa-tecno.unca.edu.ar:123456789/1201

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