Título: Aplicación en Machine learning para optimizar la atención de clientes en la empresa automotriz A&S Palermo SAC
Asesor(es): Zambrano Loli, Gener Victor
Campo OCDE: https://purl.org/pe-repo/ocde/ford#1.02.01
Fecha de publicación: 2022
Institución: Universidad de San Martín de Porres
Resumen: El presente trabajo de investigación lleva como objetivo optimizar la atención de clientes
en el taller automotriz A&S Palermo SAC. a través del desarrollo de una aplicación en
Machine Learning. Para lograr el objetivo se ha desarrollado una plataforma web que
permita recomendar servicios mecánicos como cambio de aceite, cambio de filtro de aire,
mantenimiento general y cambio de pastillas de freno, además, los clientes pueden
agendar una cita con el taller una vez que hayan recibido esta recomendación y el
tratamiento que sus vehículos necesitasen. De esta manera, se optimiza la atención de
los clientes, obteniendo como resultado la reducción de una hora y media al tiempo de
atención, a diferencia del proceso inicial que era de manera presencial. Como parte de
la metodología se utilizó agilidad bajo el marco de trabajo Scrum, a fin de realizar
entregas parciales que generen valor, además, para la elaboración del modelo de
Machine Learning se utilizó el algoritmo de Random Forest obteniendo un 98% de
precisión, permitiendo integrarse con la aplicación web para recomendar los servicios
mecánicos. La aplicación web también permite enviar confirmación y recordatorio de la
cita programada vía WhatsApp y enviar correo de fidelización a los clientes, así mismo,
cuenta con un perfil administrador que permite visualizar gráficos dinámicos, administrar
las citas y asignar mecánicos. Como resultado final, se obtuvo que nuestra aplicación
reduce el tiempo de atención de clientes, ya que, anteriormente tomaba 1 hora y 43
minutos mientras que ahora, solo 13 minutos.
Disciplina académico-profesional: Ingeniería de Computación y Sistemas
Institución que otorga el grado o título: Universidad de San Martín de Porres. Facultad de Ingeniería y Arquitectura
Grado o título: Ingeniero de Computación y Sistemas
Jurado: Porra Quinto, Cesar Augusto; Quispe Rodriguez, Ana Milagros Janet; Yamao, Eiriku; Palomino Guerrero, Carla Rocío
Fecha de registro: 11-jun-2022