Modelo Predictivo de machine learning para la Anticipación y Optimización de Contrataciones en el Departamento de Postventa de una Comercializadora de Analizadores de Laboratorio Clínico

Loading...
Thumbnail Image

Date

relationships.isAdvisorOf

Journal Title

Journal ISSN

Volume Title

Publisher

Universidad Torcuato Di Tella

Abstract

En el entorno competitivo de comercialización de analizadores de laboratorio clínico, GEMATEC SRL se enfrenta a retos significativos en su departamento de postventa, derivados del crecimiento constante de su base instalada. Esta expansión resulta en una demanda creciente de servicios de soporte técnico, un desafío exacerbado por la monopolización del conocimiento técnico necesario por los fabricantes de estos equipos. Dada la dificultad para encontrar técnicos con experiencia, un nuevo empleado en GEMATEC SRL requiere aproximadamente ocho meses de capacitación para alcanzar la autonomía en sus funciones. Esta tesis propone abordar estas dificultades mediante el desarrollo de un modelo de predicción de demanda utilizando técnicas de machine learning, que permitirá anticipar las necesidades futuras de servicio de manera precisa. Paralelamente, se implementará un modelo de programación lineal entera para optimizar los tiempos de contratación de nuevos técnicos, asegurando que el departamento de postventa pueda responder de manera eficiente y efectiva a los requerimientos de servicio. Con estos modelos, se espera no solo mejorar la planificación y gestión de recursos humanos en el departamento de postventa, sino también incrementar la satisfacción del cliente mediante respuestas más rápidas y efectivas. Esta integración de machine learning y optimización matemática proporcionará a GEMATEC SRL una herramienta estratégica para enfrentar los desafíos del mercado actual y mejorar continuamente su rendimiento operativo.

Description

Keywords

Predicción tecnológica, Technological Prediction, Satisfaccion del cliente, Customer care, Demanda de consumo

Citation

Citation

Endorsement

Review

Supplemented By

Referenced By