Procesamiento de imágenes para la clasificación de granos de café por forma y color

En la actualidad las nuevas tendencias e innovaciones tecnológicas como la aplicación de aprendizaje automático son de gran importancia para las empresas e industrias para impulsar una eficiencia en la toma de decisiones. En ese sentido la Empresa Pública de Agua, Alcantarillado y Aseo. EPAAA. del cantón Pasaje, busca apoyar sus decisiones basándose en el análisis de cartera para la gestión de recaudaciones de la empresa, ante esta problemática se desarrolló un Sistema de Soporte de Decisiones (DSS) aplicando inteligencia de negocios, minería de datos y aprendizaje automático, utilizando la metodología CRISP-DM la cual consta de 6 fases: comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. Con la implementación del DSS es posible determinar qué está sucediendo en cuanto a la cartera y la gestión de recaudaciones; además, se puede realizar la caracterización de los clientes, clasificar los clientes por sector y ciclo, clasificación de clientes pagadores, clasificación de clientes deudores y apoyó para la gestión de cartera. El DSS está compuesto de una interfaz dashboard que consta de gráficos estadísticos, clasificaciones y predicciones de los abonados. Los resultados obtenidos con la implementación del DSS en la EPAAA permitió un 94.44% de eficiencia en la toma de decisiones, resultado que se obtuvo mediante una encuesta a los colaboradores que toman decisiones en la EPAAA. En conclusión, este trabajo nos permite mejorar los tiempos de respuesta de los colaboradores generando una eficiente gestión de recaudaciones, el DSS logró repotenciar los conocimientos sobre la cartera permitiendo caracterizar a los clientes, un logro importante es que se pudo clasificar a los clientes en función a la deuda donde producto de esto, se pudo tomar mejores decisiones.

• Auteur principal: Gonzabay Jiménez, Esteban Fabricio (author)
• Format: masterThesis
• Publié: 2023
• Sujets: INTELIGENCIA ARTIFICIAL; RED NEURONAL CONVULCIONAL; CLASIFICACION DE IMAGEN; CAFE EN GRANO
• Accès en ligne: http://repositorio.utmachala.edu.ec/handle/48000/21622