Desarrollo de un sistema inteligente para predecir los consumos de medicamentos genéricos de mayor demanda en el distrito de salud 06d05 guano-penipe, aplicando técnicas de regresión de machine learning.
En el presente trabajo de integración curricular se desarrolló un sistema inteligente para predecir consumos de medicamentos genéricos de mayor demanda en el Distrito de Salud 06D05 Guano – Penipe utilizando técnicas de regresión de machine learning. En el proceso de proyecciones se identificaron 5...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Médium: | bachelorThesis |
| Jazyk: | spa |
| Vydáno: |
2021
|
| Témata: | |
| On-line přístup: | https://dspace.espoch.edu.ec/handle/123456789/19266 |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Přidat tag | Shrnutí: | En el presente trabajo de integración curricular se desarrolló un sistema inteligente para predecir consumos de medicamentos genéricos de mayor demanda en el Distrito de Salud 06D05 Guano – Penipe utilizando técnicas de regresión de machine learning. En el proceso de proyecciones se identificaron 5 subprocesos los cuales son: petición de proyecciones, compilación de información por bodega, comparación de la información, elaboración de la proyección de medicamentos genéricos de mayor demanda y elaboración del informe; el proceso de proyecciones tiene una duración de 25 días. Para el desarrollo del producto se definieron 3 fases, mismas que se indican a continuación: análisis de la solución, diseño de la solución y desarrollo de la solución. En el análisis de la solución se analizaron los datos con la finalidad de obtener el modelo mediante la metodología CRISP-ML, donde se eligió la técnica de regresión lineal múltiple con un coeficiente de determinación del 0.78 que superó el criterio de éxito establecido. Después se realizó el diseño de la solución mediante un diagrama que indica el flujo de la información hasta la predicción. En el desarrollo de la solución se gestionó el proyecto con la metodología SCRUM donde se desarrollaron 8 sprints con una duración de 1120 horas mediante el lenguaje de programación Python con el framework Django. Para evaluar el tiempo se aplicó la norma ISO/IEC 25010, se midió el tiempo en el proceso actual y el proceso automatizado. El análisis determinó que en términos de eficiencia de desempeño el sistema califica como muy bueno al obtener una calificación ponderada de 87.5% que se obtuvo evaluando el comportamiento temporal y el uso de recursos del sistema. El sistema inteligente mejora el tiempo del proceso de proyecciones en un 35.48% del tiempo actual al existir un ahorro de 433.92 segundos. |
|---|