DSpace logo
Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ucsg.edu.ec/handle/3317/19887
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorCarrera Buri, Felix Miguel-
dc.contributor.authorPuga Quevedo, Juan Pablo-
dc.contributor.authorSalvatierra Marín, Diego Iván-
dc.date.accessioned2022-11-02T17:54:54Z-
dc.date.available2022-11-02T17:54:54Z-
dc.date.issued2022-09-22-
dc.identifier.urihttp://repositorio.ucsg.edu.ec/handle/3317/19887-
dc.descriptionDentro del vasto mundo del comercio exterior, es de conocimiento público que son aquellos que gestionan los procesos para la importación y exportación de productos. Tanto en Ecuador como en varios países del mundo presentan inconvenientes de alguna índole, ya sea a nivel operacional, administrativo, logístico, entre otros. Ciertos puertos son más avanzados que otros en términos antes mencionados, por ende, se puede localizar los inconvenientes de manera tardía o incluso la resolución de problemas serían eficientes. Con el uso de machine learning, en un mundo con una gran influencia en el apartado tecnológico, se puede continuar con facilidad y eficacia, los procesos de transporte de un buque desde origen hasta el puerto destino. Los seguros son un factor clave, ya que, se encarga de brindar cobertura a la carga contenerizada durante el trayecto hasta su destino final. Dentro del presente trabajo, se dará a conocer los factores clave que influyen negativamente la carga transportada desde varios puertos alrededor del mundo hasta el puerto local en Guayaquil. El conocer las incidencias e inconvenientes en la carga contenerizada, a nivel académico se podría contemplar o crear soluciones para la minimización o erradicación de estos. A su vez, dentro del ámbito empresarial, permite el implementar ideas para una ejecución pronta y eficaz. En adición, dentro de un contexto pandémico, en la cual la carga sufría retrasos, daños e incluso pérdidas a causa de la ineficiente cadena de suministro como resultado de despidos masivos concatenando una crisis sanitaria. El futuro es el producto de los procesos que se realizan en el presente, por tanto, la implementación de modelos de machine learning para empresas proveerá facilidades y automatización así como el desarrollo de ideas o ejecución de las mismas para futuras problemáticas antes creadas.en_US
dc.description.abstractWithin the vast world of foreign trade, it is common knowledge that they are those who manage the processes for the import and export of products. Both in Ecuador and in several countries of the world they present inconveniences of some kind, whether at the operational, administrative, logistical level, among others. Certain ports are more advanced than others in terms mentioned above, therefore, troubleshooting may be late or even troubleshooting would be efficient. With the use of machine learning, in a world with a great influence in the technological sector, the processes of transporting a ship from origin to destination port can be continued easily and efficiently. Insurance is a key factor, since it is responsible for providing coverage for containerized cargo during the journey to its final destination. Within the present work, the key factors that negatively influence the cargo transported from various ports around the world to the local port in Guayaquil will be revealed. Knowing the incidents and inconveniences in containerized cargo, at an academic level, solutions could be contemplated or created to minimize or eradicate them. In turn, within the business environment, it allows the implementation of ideas for prompt and effective execution. In addition, within a pandemic context, in which the cargo suffered delays, damage and even losses due to the inefficient supply chain as a result of massive layoffs concatenating a health crisis. The future is the product of the processes that are carried out in the present, therefore, the implementation of machine learning models for companies will provide facilities and automation as well as the development of ideas or their execution for future problems previously created.en_US
dc.formatapplication/pdfen_US
dc.language.isospaen_US
dc.publisherUniversidad Católica de Santiago de Guayaquilen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/en_US
dc.subjectFINANZAS Y COMERCIOen_US
dc.subjectSISTEMAS ECONÓMICOSen_US
dc.subjectPRODUCTOS Y SERVICIOSen_US
dc.subjectINTELIGENCIA ARTIFICIALen_US
dc.titleMachine learning aplicado en la medición de riesgo de seguros de embarques de una consolidadora de carga en Guayaquil en 2019.en_US
dc.typeinfo:eu-repo/semantics/bachelorThesisen_US
Aparece en las colecciones: Trabajos de Titulación - Carrera de Negocios Internacionales

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
T-UCSG-PRE-CEAE-CNI-52.pdf1,47 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons