Universidad de Burgos RIUBU Principal Default Universidad de Burgos RIUBU Principal Default
  • español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
Universidad de Burgos RIUBU Principal Default
  • Ayuda
  • Contactez-nous
  • Faire parvenir un commentaire
  • Acceso abierto
    • Archivar en RIUBU
    • Acuerdos editoriales para la publicación en acceso abierto
    • Controla tus derechos, facilita el acceso abierto
    • Sobre el acceso abierto y la UBU
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Parcourir

    Tout RIUBUCommunautés & CollectionsPar date de publicationAuteursTitresSujetsCette collectionPar date de publicationAuteursTitresSujets

    Mon compte

    Ouvrir une sessionS'inscrire

    Statistiques

    Statistiques d'usage de visualisation

    Compartir

    Voir le document 
    •   Accueil de RIUBU
    • Thèses de doctorat
    • Untitled
    • Voir le document
    •   Accueil de RIUBU
    • Thèses de doctorat
    • Untitled
    • Voir le document

    Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10259/10826

    Título
    Aportaciones a la toma de decisiones de gestión empresarial utilizando metodologías de aprendizaje máquina (machine learning)
    Autor
    García Pineda, Luis SantiagoAutoridad UBU Orcid
    Director
    Urda Muñoz, DanielAutoridad UBU Orcid
    Alonso de Armiño Pérez, CarlosAutoridad UBU Orcid
    Entidad
    Universidad de Burgos. Departamento de Digitalización
    Fecha de publicación
    2023
    Fecha de lectura/defensa
    2023-12-20
    DOI
    10.36443/10259/10826
    Résumé
    En la tesis se aportan 3 publicaciones elaboradas por el grupo de investigación al que pertenece el autor de la tesis (D. Luis Santiago García Pineda) En el primer trabajo se analiza la sostenibilidad de la actividad del transporte por carretera en España a través del uso de Parcelas Exploratorias Híbridas No Supervisadas (HUEP,s) utilizando una metodología novedosa que combina EPP (Persecución de Proyecciones Exploratorias) con métodos de clusterización o agrupamiento de datos (K-means y Aglomerativo). En el segundo se analiza la sostenibilidad económica de las cadenas de suministro de distintos sectores mediante la aplicación del predictor Altman Z-Score. Se obtiene un ranking de probabilidad de quiebra de las cadenas de suministro de las empresas, según el sector al que pertenecen. Y en el tercero se lleva a cabo un análisis de series temporales mediante redes neuronales para predecir el precio del acero laminado en caliente (HRC) en España.
    Palabras clave
    Inteligencia artificial;
    Sostenibilidad en el transporte
    Redes neuronales
    Predicción de riesgo
    Predictor Altman Z
    Artificial intelligence
    Transport sustainability
    Artificial Neural Networks
    Risk prediction
    Altman´s Z-score
    Materia
    Producción eficiente
    Lean manufacturing
    URI
    https://hdl.handle.net/10259/10826
    Aparece en las colecciones
    • Untitled
    Attribution-NonCommercial-NoDerivatives 4.0 Internacional
    Documento(s) sujeto(s) a una licencia Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 Internacional
    Fichier(s) constituant ce document
    Nombre:
    Garcia_Pineda_Luis_Santiago-Tesis.pdf
    Tamaño:
    9.633Mo
    Formato:
    Adobe PDF
    Thumbnail
    Voir/Ouvrir

    Métricas

    Citas

    Ver estadísticas de uso

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis
    Afficher la notice complète

    Universidad de Burgos

    Powered by MIT's. DSpace software, Version 5.10