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
• Colaborador/a o director/a de tesis: Ahumada, Hernán; Acosta Parra, Carlos Alberto
• 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
• Institución: Universidad Nacional de Catamarca

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.