2026-08-28T15:35:00Zhttps://riubu.ubu.es/oai/requestoai:riubu.ubu.es:10259/108262025-09-03T07:35:17Zcom_10259_2699col_10259_9310
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
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.
2023
info:eu-repo/semantics/doctoralThesis
spa
https://hdl.handle.net/10259/10826
https://riubu.ubu.es/bitstream/10259/10826/3/license.txt
5d013bfa6e473ff0db22cd82a4d71a70
https://riubu.ubu.es/bitstream/10259/10826/5/Garcia_Pineda_Luis_Santiago-Tesis.pdf
a93f856cbdf3fb73135d4ddb57c611ba
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
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
Producción eficiente
Lean manufacturing
10.36443/10259/10826