2026-04-21T11:01:58Zhttps://riubu.ubu.es/oai/requestoai:riubu.ubu.es:10259/108262025-09-03T07:35:17Zcom_10259_2699col_10259_9310
2025-08-29T10:18:36Z
urn:hdl:10259/10826
Aportaciones a la toma de decisiones de gestión empresarial utilizando metodologías de aprendizaje máquina (machine learning)
García Pineda, Luis Santiago
Urda Muñoz, Daniel
Alonso de Armiño Pérez, Carlos
Universidad de Burgos. Departamento de Digitalización
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
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.
2025-08-29T10:18:36Z
2025-08-29T10:18:36Z
2023
2023-12-20
info:eu-repo/semantics/doctoralThesis
https://hdl.handle.net/10259/10826
10.36443/10259/10826
spa
http://creativecommons.org/licenses/by-nc-nd/4.0/
Este documento está sujeto a una licencia de uso Creative Commons, por la cual está permitido hacer copia, distribuir y comunicar públicamente la obra siempre que se cite al autor original y no se haga de él uso comercial ni obra derivada
info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivatives 4.0 Internacional