Mostrar el registro sencillo del recurso
Recocido simulado y aprendizaje automático aplicado a la optimización de factores de riesgo empresarial
| dc.rights.license | http://creativecommons.org/licenses/by-nc/4.0 - Atribución-NoComercial | es_MX |
| dc.contributor | MARCO ANTONIO CRUZ CHAVEZ | es_MX |
| dc.contributor.author | MARTA LILIA ERAÑA DIAZ | es_MX |
| dc.contributor.other | director - Director | es_MX |
| dc.coverage.spatial | MEX - México | es_MX |
| dc.date | 2020-07-27 | |
| dc.date.accessioned | 2020-07-28T04:03:22Z | |
| dc.date.available | 2020-07-28T04:03:22Z | |
| dc.identifier.uri | http://riaa.uaem.mx/handle/20.500.12055/1243 | |
| dc.description | El riesgo empresarial, es un tipo de condición y/o situación que está presente en toda actividad empresarial, y que, dependiendo de sus características, puede llegar a impedir el cumplimiento eficiente de la misión, visión y objetivos estratégicos de la empresa. Cuando el nivel de riesgo es relevante se requiere de acciones que permitan resolver eficientemente el problema (plan de acción de riesgos), resultando para cada uno, dependiendo de las características propias de cada empresa, un conjunto de posibles soluciones. En este trabajo, se presenta una metodología computacional para la optimización del tratamiento de riesgo empresarial, se identifica el nivel de riesgo y se obtienen salvaguardas o contramedidas con las cuales es posible minimizar, o en algunos casos, evitar el riesgo. La metodología se integra de una estructura de modelado matemático basado en la combinación de salvaguardas seleccionadas en función a las respuestas dadas por la empresa y su disposición para atender cada uno de los factores de riesgo detectados y limitados por un presupuesto asignado, de manera que la solución óptima deberá tener un costo mínimo y máximo beneficio. Para la determinación preliminar de soluciones óptimas locales, se utilizó la heurística Recocido Simulado, RS, la cual generó una serie de soluciones cercanas al óptimo, que optimizan el costo de las salvaguardas aplicadas a los factores de riesgo y que son analizadas y clasificadas mediante técnicas de aprendizaje automático (Machine Learning) para obtener una diversidad de soluciones que consuman el presupuesto asignado por la empresa bajo diferentes configuraciones. Finalmente, para evaluar en qué medida las soluciones están cercanas al óptimo, se desarrolló y resolvió el modelo matemático en el software R con el solver CPLEX. | es_MX |
| dc.description | Abstract Business risk is a type of condition and/or a situation that is present in all business activities, and which, depending on its characteristics, can impede the efficient fulfillment of the company's mission, vision and strategic objectives. When the level of risk is relevant, actions are required to efficiently solve the problem (risk action plan), resulting for each one, depending on the characteristics of each company, a set of possible solutions. In this work, a computational methodology for the optimization of business risk treatment is presented, the level of risk is identified and safeguards or countermeasures are obtained with which it is possible to minimize, or in some cases, avoid risk. The methodology is made up of a mathematical modeling structure based on the combination of safeguards selected based on the responses given by the company and its willingness to address each of the risk factors detected and limited by an assigned budget, so that the Optimal solution should have a minimum cost and maximum benefit. For the preliminary determination of local optimal solutions, the Simulated Annealing, SA heuristic was used, which generated a series of near-optimal solutions that are analyzed and classified using machine learning techniques. Finally, to evaluate to what extent the solutions are close to optimal, the mathematical model was developed and solved in the R software with the CPLEX solver. The results show that the SA algorithm obtains high quality solutions in a reasonable time, and that other local optimal feasible solutions are detected. | es_MX |
| dc.format | pdf - Adobe PDF | es_MX |
| dc.language | spa - Español | es_MX |
| dc.publisher | El autor | es_MX |
| dc.rights | openAccess - Acceso Abierto | es_MX |
| dc.subject | 7 - INGENIERÍA Y TECNOLOGÍA | es_MX |
| dc.subject.other | 33 - CIENCIAS TECNOLÓGICAS | es_MX |
| dc.title | Recocido simulado y aprendizaje automático aplicado a la optimización de factores de riesgo empresarial | es_MX |
| dc.type | doctoralThesis - Tesis de doctorado | es_MX |
| uaem.unidad | Instituto de Investigación en Ciencias Básicas y Aplicadas (IICBA) - Instituto de Investigación en Ciencias Básicas y Aplicadas (IICBA) | es_MX |
| uaem.programa | Doctorado en Ingeniería y Ciencias Aplicadas - Doctorado en Ingeniería y Ciencias Aplicadas | es_MX |
| dc.type.publication | acceptedVersion | es_MX |
| dc.audience | researchers - Investigadores | es_MX |
Ficheros en el recurso
Este recurso aparece en la(s) siguiente(s) colección(ones)
-
Colección Tesis Posgrado [2717]
Se trata de tesis realizadas por estudiantes egresados de programas de posgrado de nuestra institución.