Previsión del proveedor adecuado para el proyecto de construcción utilizando técnicas de aprendizaje automático
DOI:
https://doi.org/10.5377/nexo.v35i04.15549Palabras clave:
Proveedor, tasa de congelación, proyecto de construcción, técnicas de aprendizaje automáticoResumen
El objetivo de la investigación es pronosticar los proveedores adecuados para el proyecto de construcción utilizando técnicas de aprendizaje automático. En primer lugar se realizaron los estudios bibliotecarios y se extrajo el vacío de investigación. Entonces se determinó la innovación. Basado en la innovación, se proporcionó un modelo para la previsión de proveedores adecuados para proyectos de construcción utilizando técnicas de aprendizaje automático. El modelo incluye 12 variables de entrada y 1 variable de salida que incluyen el desempeño del proveedor. Se realizó el modelo utilizando 2 algoritmos de red de neuronas artificiales y máquina de vectores de soporte y los factores más influyentes se determinaron utilizando el algoritmo de árbol de decisión. La comparación general entre la red de neuronas artificiales y la máquina de vectores de soporte indica el mejor rendimiento de la red de neuronas artificiales basada en el árbol de decisión. Según los resultados del árbol de decisión, podemos decir que los ingresos de la empresa proveedora se consideran la variable más importante. La variable de costo de cambio de orden juega el papel de separador en el nivel inferior. Las variables de vida de la empresa y garantías después de los ingresos de la empresa y el costo de cambio de la orden juegan el papel principal.
Descargas
337
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Universidad Nacional de Ingeniería
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publican en Nexo Revista Científica están de acuerdo con los siguientes términos:
- Los autores conservan los derechos de autor y conceden a la revista el derecho de la primera publicación bajo la licencia Creative Commons Attribution License, que permite a otros compartir el trabajo con un reconocimiento a la autoría de la obra y a la publicación inicial en Nexo Revista Científica.
- Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, en un repositorio institucional o en un libro) con el reconocimiento de su publicación inicial en Nexo Revista Científica.
- Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados.