Análisis de producción avícola mediante técnicas de inteligencia de negocios y minería de datos

• Mazon-Olivo, Bertha ^[1] ; Rivas-Asanza, Wilmer ^[1] ; Novillo-Vicuña, Johnny ^[1] ; Flores-Cabrera, Cinthia ^[1]
  1. [1] Universidad Tecnica de Machala

     Universidad Tecnica de Machala

     Machala, Ecuador

     
• Localización: Alternativas, ISSN 1390-1915, Vol. 19, Nº. 2, 2018, págs. 80-88
• Idioma: español
• DOI: 10.23878/alternativas.v19i2.203
• Enlaces
  • Texto completo (pdf)
• Resumen

  • Las organizaciones siempre están buscando el mejoramiento u optimización de sus procesos para ofertar productos o servicios de calidad que satisfagan a sus clientes; y en consecuencia, lograr mayor rentabilidad y beneficio. En la actualidad, la Ciencia de Datos (DS), la Inteligencia de Negocios (BI) y la Minería de Datos (DM) son disciplinas que se centran en el análisis de datos para la toma de decisiones. El propósito de este trabajo es la implementación de una solución de BI y DM en ambiente web, enfocada en el análisis de los indicadores claves de desempeño (KPI's) de los procesos de producción y ventas de una empresa avícola ubicada en el cantón Pasaje - El Oro - Ecuador. La aplicación web denominada IncuAnalytic fue implementada según la metodología Cross Industry Standard Process for Data Mining  (CRISP-DM) y mediante la utilización de las herramientas como Postgres SQL para el data warehouse (DW), Pentaho BI Server para el Procesamiento Analítico en Línea (OLAP) y el diseño de un tablero de control (dashboard), el lenguaje R y el framework Shiny para la implementación de los modelos predictivos con técnicas de regresión y series temporales. Los resultados se evidencian en IncuAnalytic, una herramienta que utiliza una data dinámica e histórica, y que transparenta la complejidad de las técnicas de análisis de datos al administrador o dueño de la empresa; permitiéndole obtener de manera oportuna información actualizada de sus KPI's o simplemente hacer predicciones que orienten la toma de decisiones.

• Referencias bibliográficas
  • Astriani, W., & Trisminingsih, R. (2016). Extraction, Transformation, and Loading (ETL) Module for Hotspot Spatial Data Warehouse Using...
  • Boulekrouche, B., Jabeur, N., & Alimazighi, Z. (2015). An intelligent ETL grid-based solution to enable spatial data warehouse deployment...
  • Chalaris, M., Gritzalis, S., Maragoudakis, M., Sgouropoulou, C., & Tsolakidis, A. (2014). ScienceDirect ICININFO Improving Quality of...
  • Coelho, D., Miranda, J., Portela, F., Machado, J., Santos, M. F., & Abelha, A. (2016). Towards of a Business Intelligence Platform to...
  • Erkollar, A., & Oberer, B. (2016). Multidimensional Dashboards for Evaluating Strategic brand Management Processes for Multi-brand Companies....
  • Femina, B. T., & Sudheep, E. M. (2015). An efficient CRM-data mining framework for the prediction of customer behaviour. Procedia Computer...
  • Gourbesville, P., Du, M., Zavattero, E., & Ma, Q. (2016). DSS Architecture for Water Uses Management. Procedia Engineering, 154, 928–935....
  • Gröger, C., Hillmann, M., Hahn, F., Mitschang, B., & Westkämper, E. (2013). The operational process dashboard for manufacturing. Procedia...
  • Hamrouni, T., Slimani, S., & Ben Charrada, F. (2015). A critical survey of data grid Replication strategies based on data mining techniques....
  • Hermawati, R., & Sitanggang, I. S. (2016). Web-Based Clustering Application Using Shiny Framework and DBSCAN Algorithm for Hotspots Data...
  • Jothi, N., Rashid, N. A., & Husain, W. (2015). Data Mining in Healthcare - A Review. Procedia Computer Science, 72, 306–313. https://doi.org/10.1016/j.procs.2015.12.145
  • Kavakiotis, I., Tsave, O., Salifoglou, A., Maglaveras, N., Vlahavas, I., & Chouvarda, I. (2017). Machine Learning and Data Mining Methods...
  • Khan, A., Ehsan, N., Mirza, E., & Zahoor, S. (2012). Integration between Customer Relationship Management ( CRM ) and Data Warehousing,...
  • Lindberg, C. F., Tan, S., Yan, J., & Starfelt, F. (2015). Key Performance Indicators Improve Industrial Performance. Energy Procedia,...
  • Longo, A., Giacovelli, S., & Bochicchio, M. A. (2014). Fact - Centered ETL: A Proposal for Speeding Business Analytics up. Procedia Technology,...
  • Mazon-Olivo, B., Rivas, W., Pinta, M., Mosquera, A., Astudillo, L., & Gallegos, H. (2017). Dashboard para el soporte de decisiones en...
  • Meier, H., Lagemann, H., Morlock, F., & Rathmann, C. (2013). Key performance indicators for assessing the planning and delivery of industrial...
  • Ng, A. H. C., Bandaru, S., & Frantzén, M. (2016). Innovative Design and Analysis of Production Systems by Multi-objective Optimization...
  • Reuter, C., & Brambring, F. (2016). Improving Data Consistency in Production Control. Procedia CIRP, 41, 51–56. https://doi.org/10.1016/j.procir.2015.12.116
  • Siknun, G. P., & Sitanggang, I. S. (2016). Web-based Classification Application for Forest Fire Data Using the Shiny Framework and the...
  • Tokola, H., Gröger, C., Järvenpää, E., & Niemi, E. (2016). ScienceDirect Designing manufacturing dashboards on the basis of a Key Performance...
  • Tutunea, M. F. (2015). Business Intelligence Solutions for Mobile Devices – An Overview. Procedia Economics and Finance, 27(15), 160–169....
  • van Os, H. W. A., Herber, R., & Scholtens, B. (2014). Designing a Decision Support System for Subsurface Activities. Procedia Environmental...
  • Wessiani, N. A., & Sarwoko, S. O. (2015). Risk Analysis of Poultry Feed Production Using Fuzzy FMEA. Procedia Manufacturing, 4(IESS),...