i
FACULTAD DE INGENIERÍA Y ARQUITECTURA
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS
Sistema experto basado en redes neuronales para la calificación del personal de reparto en delivery Piura - 2022
TESIS PARA OBTENER EL TÍTULO PROFESIONAL DE : Ingeniero de Sistemas
AUTOR(ES):
BARRANZUELA CASTILLO, Andherson Álvaro (orcid.org/0000-0002-9171-2913) GARCIA REYNAGA, Luis Rolando (orcid.org/0000-0002-5378-5601)
ASESOR:
Mg. Agurto Marchan, Winner (orcid.org/0000-0002-0396-9349)
LINEA DE INVESTIGACIÓN:
Sistemas de Información y Comunicaciones.
PIURA-PERÚ 2022
ii Dedicatoria
El presente trabajo va dedicado a mi familia, en especial a mis padres, quien con su amor, paciencia y esfuerzo me han inculcado mucho a ser mejor persona de bien para la sociedad, también a mis amigos, en especial a mi mejor amiga quien me apoyo cuando más lo necesitaba. Y espero que el esfuerzo solo sea el comienzo de una vida de logros, en donde estaré siempre con las personas que me ayudaron y sepan que este logro no solo es mío ya que de alguna manera aportaron a que todo este trabajo sea terminado.
iii Agradecimiento
Agradecemos directamente a Dios, a nuestros familiares por todo el esfuerzo y apoyo incondicional que nos brindaron en nuestra etapa como estudiantes universitarios, a nuestros amigos quienes compartieron todos sus conocimientos y experiencia. También a nuestro asesor, el Ing. Winner Agurto Marchan, por brindarnos el acompañamiento y paciencia en el desarrollo de nuestro proyecto de investigación.
iv
ÍNDICE DE CONTENIDO
Dedicatoria ... ii
Agradecimiento ... iii
ÍNDICE DE CONTENIDO ... iv
ÍNDICE DE TABLAS ... v
ÍNDICE DE ILUSTRACIONES ... vi
Resumen ... vii
Abstract ... viii
I. INTRODUCCIÓN ... 1
II. MARCO TEÓRICO ... 4
III. METODOLOGÍA ... 16
3.1 Tipo y diseño de investigación: ... 16
3.2 Variables y operacionalización: ... 17
3.3 Población, muestra y muestreo: ... 19
3.4 Técnicas e instrumentos de recolección de datos:... 19
3.5 Procedimientos: ... 20
3.6 Método de análisis de datos: ... 21
3.7 Aspectos éticos: ... 22
IV. RESULTADOS ... 23
V. DISCUSIÓN ... 29
VI. CONCLUSIONES ... 32
VII. RECOMENDACIONES ... 33
REFERENCIAS ... 34
ANEXOS ... 39
v
ÍNDICE DE TABLAS
Tabla 1 Prueba T para la clasificación ... 23
Tabla 2 Datos del diagrama de cajas Postest ... 24
Tabla 3 Datos del diagrama de cajas Pretest ... 24
Tabla 4 Estadística descriptiva Postest ... 26
Tabla 5 Estadística descriptiva Pretest ... 26
Tabla 6 Estadística descriptiva para la calidad del sistema experto ... 27
Tabla 7 Análisis Mejora del sistema experto ... 28
Tabla 8 Operacionalización de variables... 40
Tabla 9 Población, muestra y muestreo ... 40
Tabla 10 Población, muestra y muestreo ... 40
Tabla 11 Ficha de registro para medición de la clasificación ... 41
Tabla 12 Ficha de registro para medición del desempeño ... 42
Tabla 13 Ficha de registro para medición de calidad ... 43
Tabla 14 Product Backlog ... 62
Tabla 15 Tareas por historias de usuario ... 63
Tabla 16 Sprint Backlog ... 64
Tabla 17 Historia Sprint N°1... 65
Tabla 18 Historia Sprint N°2... 65
Tabla 19 Historia Sprint N°3... 66
Tabla 20 Historia Sprint N°4... 66
Tabla 21 Matriz de consistencia ... 74
vi
ÍNDICE DE ILUSTRACIONES
Ilustración 1 Diseño de investigación ... 17
Ilustración 2 Región de aceptación ... 24
Ilustración 3 Diagrama de cajas Pretest ... 25
Ilustración 4 Diagrama de cajas Postest ... 25
Ilustración 5 Convenio con la empresa ... 47
Ilustración 6 acta validación de datos ... 50
Ilustración 7 certificado validez de instrumento para clasificación ... 53
Ilustración 8 certificado validez de instrumento para el desempeño ... 56
Ilustración 9 certificado validez de instrumento para la calidad ... 59
Ilustración 10 Conformidad del sistema ... 60
Ilustración 11 Modelado Base de datos ... 67
Ilustración 12 medición de métricas con SonarQube ... 68
Ilustración 13 Rangos por puntuación ... 72
vii Resumen
Esta investigación planteó la elaboración un sistema experto basado en redes neuronales para la calificación del personal de reparto en delivery, debido que, en los últimos años, gracias a la pandemia, el trabajo en delivery ha ido incrementándose de manera considerable y hasta la fecha no existe un sistema que evalúe de manera consistente la forma en cómo se desempeña el repartidor de este rubro. El objetivo principal de la investigación es analizar la mejora que aplica el sistema experto en el proceso de evaluación del personal que brinda servicios de delivery, con ayuda de expertos se ha obtenido información que corrobore la correcta calificación de estos. Para ello se planteó una metodología con enfoque cuantitativo, de tipo aplicada, con un nivel descriptivo y diseño preexperimental ya que este se caracteriza porque es útil como primer acercamiento al problema de investigación en la realidad y se buscó establecer una relación entre causa y efecto.
Como resultados se encontró una mejora de un 67% en el desempeño del trabajador y una similitud de un 99% en el proceso de clasificación que realiza el sistema experto. Esta investigación puede ser utilizada como base para la evaluación del personal de reparto en delivery y a la vez darles una meta en donde se vea reflejado su desempeño.
PALABRAS CLAVES: Sistema experto, Calificación de personal, Redes neuronales.
viii Abstract
This research proposed the development of an expert system based on neural networks for the qualification of delivery personnel, because in recent years, thanks to the pandemic, delivery work has been increasing considerably and to date there is no system that evaluates consistently how the dealer performs in this area. The main objective of the research is to analyze the improvement applied by the expert system in the evaluation process of the personnel that provides delivery services, with the help of experts, information has been obtained that corroborates the correct qualification of these. For this, a methodology with a quantitative approach was proposed, of an applied type, with a descriptive level and pre-experimental design, since it is characterized by being useful as a first approximation to the research problem in reality and it was sought to establish a relationship between cause and effect. As results, an improvement of 67% was found in the performance of the worker and a similarity of 99% in the classification process carried out by the expert system. This research can be used as a basis for the evaluation of the delivery personnel and at the same time give them a goal reflecting their performance.
Keywords: Expert system, Personnel qualification, Neural networks.
1 I. INTRODUCCIÓN
La productividad de los trabajadores de una organización es un aspecto crucial, es un requisito indispensable para demostrar la confiabilidad de los procesos para poder medirla y analizarla correctamente. Ignorar un factor tan crítico como este no le hará ningún bien a la empresa, independientemente del tamaño, la industria o la edad, pues descuidar este factor es igual de grave como descuidar los presupuestos, los ingresos o la imagen de la organización.
(Bach Gibert, 2019) señala que, los sistemas de calificación social del individuo han pasado de la ciencia ficción a la realidad en países como China. El uso de dicho modelo para evaluar empleados ya es posible en varias plataformas digitales y es cuestión de tiempo antes de que la evaluación a un empleado se convierta en algo tan común como un restaurante o un posible candidato en una tienda. (p.1)
En Colombia, (Pinzón Zamora, y otros, 2020)nos dicen que los repartidores que trabajan por aplicativo móvil no se sienten contentos por cómo se están manejando sus ingresos, pues, la empresa les asigna una meta para darles un incentivo, sin embargo, no toma en cuenta cuando ocurre alguna emergencia como la reparación de un caucho y otros tipos de inconvenientes que le puede pasar al vehículo del motorizado. Debido a eso la empresa les recorta el sueldo haciendo que los trabajadores se sienten perjudicados porque no hay algún tipo de función que tome en cuenta cuando pasan dichos antecedentes y piden que alguna autoridad tome medidas al respecto.
A nivel Nacional, según la directora del observatorio de Plataformas Perú, (Dinegro Martínez, 2021), manifestó que existe un aproximado de 50,000 trabajadores que laboran en la modalidad de delivery por aplicativos en Lima, y detalló que de acuerdo con una investigación el 73% de ellos tiene como único ingreso ese trabajo.
Precisó también que, en otros países de Europa, incluso China, se ha incluido a los repartidores dentro de los trabajos esenciales. En Chile se los califica como trabajadores de acuerdo con una resolución lograda en una primera instancia judicial.
2 Al ser un trabajo con alta demanda, se ha transformado en un trabajo importante, en el que simbolizan cerca del 1.1% de la PEA ocupada en Lima Metropolitana y se posiciona como los 20 empleos más populares de la capital en lo que respecta a puntos de trabajo, teniendo en cuenta que al formar parte de la economía colaborativa ‘gig economy’, en vez de recibir un salario fijo reciben un pago por cada tarea completada, así disponen de mayor flexibilidad decidiendo cuándo y cuánto trabajar.
Para la evaluación del personal de delivery, la mayoría de las veces se utiliza una evaluación por medio del cliente, calificándolo al final del proceso de reparto del trabajador que termina cuando el pedido es entregado a su domicilio. Sin embargo, esta evaluación es subjetiva, pues puede variar significativamente dependiendo de la percepción del cliente, su estado de ánimo y el tiempo de espera que considere prudente para él. En otras ocasiones le evalúa por la cantidad de pedidos entregados que tiene un repartidor sin tener en cuenta la calidad de servicio que le brinda al cliente, no se toman en cuenta las horas que estuvo trabajando, el vehículo en que se está llevando su producto y la cantidad de pedidos que tiene asignado.
El personal al tener la opción de aceptar y rechazar un pedido, el sistema tendría que evaluar cuántos pedidos acepta y rechaza para tener un mejor criterio al momento de asignar una puntuación, también el personal de delivery tiene la opción de solo salir a trabajar por comisión, sin tener un horario fijo de trabajo ‘gig economy’, debe tomarse en cuenta para la evaluación final de su trabajo.
Debido a todos los factores expuestos, se plantearon las siguientes preguntas que tienen como objetivo aclarar en esta investigación; como pregunta general tenemos
¿Cómo un sistema experto basado en redes neuronales aplica una mejora en la evaluación de personal que brindan servicios de delivery? Y las preguntas específicas son ¿Cuál es el grado de paridad que brinda el sistema experto con la evaluación de expertos para la clasificación del personal que brindan servicios de delivery? ¿Cuánto mejoró el desempeño del personal que brinda servicios de delivery por medio de un sistema experto basado en redes neuronales? Y ¿Cómo se evaluó la calidad del sistema experto que evaluará al personal de delivery?
3 Para ampliar la teoría de estudio del personal de reparto, como justificación teórica de esta investigación es que, debido al ser un trabajo que ha ido incrementándose de manera considerable los dos últimos años gracias a la pandemia, y ya se está tomando en cuenta como trabajo esencial en algunos países de Europa y Asia.
(Dinegro Martínez, 2021). Se propuso ampliar la teoría y extender el estudio en la calificación del personal delivery ya que se necesita estudiar las métricas que utilizan para su evaluación y plasmarlas en un sistema experto el cual está corroborado por un experto del tema.
Como justificación práctica esta investigación ayuda a que las empresas que se están enfocando en implementar servicios de reparto en delivery para distribuir sus productos, puedan verificar si el personal está realizando de manera efectiva sus actividades, sigue los procedimientos aprobados por la empresa, cumplen con las buenas prácticas y mantienen la calidad de sus servicios, asimismo, asignándoles rangos en los cuales posicionará cual es el mejor repartidor por semana, mes y año, así la empresa podrá ver una mejora en cuanto incremento de sueldos, necesidades de capacitación y desarrollo.
Como justificación social que tiene esta investigación permitió que los trabajadores que son evaluados a través del sistema experto que se implementó, vean reflejados una calificación justa para ellos, aumentando el clima laboral en el que trabajan ya que se verán influidos directamente a través de los rankings que tiene el sistema experto, en el que se refleja todo su valor como trabajador en el área asemejándose más a la realidad, teniendo como resultado una mejora notable en la productividad.
Como justificación metodológica, se planteó manejar fichas de registro en lo que respecta a la variable calificación de personal del repartidor delivery. Además, se utilizó la opinión de un experto en el tema para corroborar la funcionalidad del sistema, de tal manera que los resultados podrán ser observados a través de un ranking dependiendo del desempeño de los trabajadores.
Como objetivo general de esta investigación es analizar la mejora que aplica el sistema experto en el proceso de evaluación del personal que brinda servicios de delivery. Y los objetivos específicos son, analizar la paridad en la clasificación del
4 personal de delivery por medio de en un sistema experto y un evaluador experto.
Determinar el incremento de desempeño del repartidor de delivery a través de un sistema experto y evaluar la calidad de desarrollo del sistema experto basado en redes neuronales para la calificación del repartidor delivery. Como hipótesis general de esta investigación es que la implementación del sistema experto mejoró en el proceso de evaluación del personal que brinda servicios de delivery; y como hipótesis específicas son, la clasificación que aplica el sistema experto es directamente proporcional a los que aplica un evaluador experto; el desempeño del repartidor de delivery mejoró un 50% al implementar el sistema experto; y el sistema experto cuenta con métricas que cumplen con la calidad de software para su correcto funcionamiento.
II. MARCO TEÓRICO
Capuñay Sánchez, en su investigación sobre el rendimiento escolar de los alumnos de segundo grado de secundaria en Jaén, construyó un modelo basado en redes neuronales artificiales con el fin de proyectar el rendimiento de los alumnos, teniendo un enfoque cuantitativo, no experimental siendo de tipo predictiva y proyectiva. Para la arquitectura de la red neuronal implementaron un total de 45 ítems. en las variables de entrada de condición personal, institucional y social, tres capadas ocultas y una de salida, dando como resultado un promedio para el estudiante. Con ello lograron una efectividad en la predicción del promedio de 88.67% de similitud, mientras que para la predicción una diferencia de 1 punto con promedio de 98.52%, teniendo como resultado una garantía en la seguridad en cuanto a la proyección del promedio de los alumnos. (Capuñay Sanchez, 2021) Delgado Saavedra, en su estudio para evaluar el contenido de humedad en agregados de concreto mediante imágenes hiperespectrales utilizó redes neuronales con el fin de potenciarlas y que estas puedan diseñar un sistema de algoritmos genéticos para obtener mejores resultados y, de esa forma, se pueda tener un concepto metodológico general que pueda tomar y procesar datos para ser procesados en el entrenamiento y validación del sistema. Al inicio, se
5 implementaron tres canteras de arena en el departamento de Piura: Sechura, Cerro Mocho y Moyobamba en donde se le aplicaron mediciones parametrizadas, las muestras se almacenaron en un horno a 110+- 5ºC para quitar la humedad, de ello se sacaron 65 muestras de cada cantera para administrar la humedad. Seguido se aplicó el estudio de imágenes hiperespectrales por medio de una cámara especializada en ello y usando el software SpectrononPro el cual importa el espectro y proyecta la firma espectral dando como resultado una gráfica de reflectancia versus longitud de onda. Finalmente unen los datos que obtuvieron mediante los algoritmos genéticos y las redes neuronales para entrenar y validar el modelo, dando como conclusión que el sistema experto de algoritmos genéticos mejora con redes neuronales, pues elimina bandas que no aportan información y solo permanecen las que son relevantes para el sistema. Reduciendo un total de 27 bandas de las 60 que seleccionaron con anterioridad con las redes neuronales, consiguiendo una correlación de 0.93 demostrando una eficacia ideal en el sistema.
(Delgado Saavedra, y otros, 2021)
En el análisis de Aquiño Medina, obtiene que las empresas pequeñas que trabajan en el rubro de cobros tienden a rotar el personal continuamente, esto se debe a la insuficiencia que tienen los delegados para atribuir acciones afirmativas ante uno de sus procesos más importantes el cual es la selección del personal .sin que estos puedan hacer una buena gestión de calidad a su proceso, en otros términos, su servicio es deficiente, trae consigo gastos innecesarios en lo que es selección y las capacitaciones constantes. tras una búsqueda para darle solución al problema, decidió unir lo mejor de los factores más relevantes de la selección del personal para su gestión de calidad, tras esta investigación la cual fue de tipo cuantitativa, con un diseño no experimenta – transversal y de nivel descriptivo, conformada por una población de 31 encargados de las empresas del rubro nombrado. El método utilizado fue la encuesta y para la recolección de datos se utilizó el cuestionario con un total de 25 preguntas en escala nominal, además se empleó el programa SPSS v25, el cual demostró que un 51.6% tienen únicamente solo metas en su calendario para el desarrollo en el plan operativo; el 64.5% emplea la hoja de vida como una herramienta de preselección y el 64,5% emplea como una prueba la experiencia en
6 el campo laboral. Con esto se concluyó que existe una deficiencia al momento de seleccionar a un personal para dicha empresa y esto trae consigo costos elevados innecesarios, trayendo consigo constantes adaptaciones a cambios, ocasionados al añadir a un nuevo colaborador y a su vez trae consigo inestabilidad al ambiente laboral al emplear empíricamente mecanismos de gestión.(Aquiño Medina, 2019) En el trabajo de investigación de Iglesias Morales, trae consigo el uso de ontologías como un algoritmo dentro de una solución de software, el cual permite calificar y clasificar los currículums vitae enviados por postulantes de la entidad Everis Trujillo.
La perspectiva del problema trae consigo el cómo se implementó un software el cual permite realizar la selección de manera automática de los postulantes al área de tecnologías de información Everis Trujillo. Para solucionar este problema se realizó un software el cual permitió analizar de manera masiva los curriculum de los postulantes, los cuales serán enviados de forma virtual. El tipo de investigación usada es preexperimental, ya que se está realizando sobre el análisis actual del problema el cual se pretende resolver con la implementación del software, en el cual consiste en la calificación y clasificación de los curriculum para la selección automática de postulantes en el área de TI de la entidad Everis Trujillo. El objetivo de estudio para esta investigación será el software que se va a implementar. Por otro lado, está la población representada por el sistema a implementar. La muestra llega a ser el software a implementar utilizando el algoritmo de calificación de curriculums. esta investigación tuvo como resultados demostrar la selección de personal automática y con esto comprobar las métricas de idoneidad calculadas y demostradas en los resultados con un valor de 86% en acierto.(Iglesias Morales, y otros, 2019)
Julca Reyes, en su investigación, su objetivo fue analizar la logística de los negocios de comida en la ciudad de Huánuco, en la repartición de comida preparada en tiempos de pandemia por COVID-19 y el nivel de servicio de los clientes con los delivery. El COVID-19 trajo consigo cambios en la logística con respecto a las compras, inventarios y distribución y a su vez trajo cambios en los rubros de negocio de comida las cuales solo realizaba delivery por medidas sanitarias; dada a la
7 investigación la población y muestra estuvo integrada por instalaciones las cuales se dedicaban a la venta de comida por delivery, contando con la elección de un muestreo preconcebido, mejor dicho, a juicio del investigador. Sobre el proceso de investigación o metodología se registra que esta se está realizando identificación a los establecimientos dedicados al negocio de comida. esta investigación está sustentada con dos medios aplicados para levantar información: cuentas y entrevistas; la primera para detallar las nuevas logísticas de los establecimientos y la segunda para calificar el servicio de los delivery. La sistematización de la discusión de resultados sigue la secuencia: de la entrevista, la primera parte hace referencia a las entidades dedicadas el negocio de comida y lo que sigue de la entrevistas es para analizar al repartidor de pedidos para determinar el rendimiento esperado de las entidades y la siguiente parte que es la entrevista de utilizo para calificar el servicio de delivery de las entidades dedicadas a la ventas de comida, clasificadas en una escala de “0.5 a 5.0: “0.5” esta corresponde a una calificación negativas y “5.0” a una calificación positiva, además la suma de todos los pedidos delivery que el personal había entregado diario ;y para concluir se presentan los resultados de las entrevistas y encuestas. Los cuales están estructurados según sus objetivos; a partir de esto se resalta las conclusiones determinando que se mejoró un 71% en lo que respecta a calificación del personal delivery.(Julca Reyes, 2020)
Torres Tocto, en su investigación con el título de: Calificación del talento humano y el desempeño laboral de la pollería Gordo'sChicken Los Olivos, 2018, El cual su objetivo de esta investigación fue el de determinar si hay una relación entre calificación del talento humano y el desempeño laboral en la pollería GORDO´S CHICKEN. Los instrumentos de evaluación utilizados fue un cuestionario de la escala de Likert para sus dos variables calificación del talento humano y el desempeño laboral. El procedimiento empleado fue hipotético deductivo, el tipo de investigación fue básica, de nivel correlacional, de enfoque cuantitativo; de diseño no experimental transversal. La población estuvo formada por 60 trabajadores la muestra por 60 y el muestreo fue de tipo probabilístico. La técnica utilizada para recoger información fue una encuesta y los instrumentos de recolección de datos
8 fueron cuestionarios los cuales fueron examinados a través de análisis de expertos para determinar su fiabilidad a través del estadístico Alfa de Cronbach. La evidencia de los resultados tiene una relación muy alta estadísticamente (rs= 0, 931, p< 0.05) y directamente proporcional, entre calificación del talento humano y el desempeño laboral de la pollería Gordo'sChicken Los Olivos, 2018.(Torres Tocto, 2018)
James, y otros, en su investigación sobre el uso de las redes neuronales con la finalidad de predecir los salarios basados en las habilidades del trabajador.
Recopilaron un total de 35 habilidades laborales generales con los datos de salarios anuales para más de 900 ocupaciones estándar, para la construcción de redes neuronales utilizaron la librería TensorFlow y sistemas computacionales como Core i9-12900k, GPU Nvidia geforce gtx 1070 Ti y 20 GB de RAM. Una vez recolectadas las habilidades laborales, se utilizaron como entradas para entrenar el modelo de las redes neuronales, Gracias a ellos su investigación describe los resultados con modelos de redes neuronales en función de la combinación ya que los asalariados poseen 35 habilidades diferentes. Esos modelos pueden estimar el valor de las habilidades para sistemas de compensación basados en estas. Los empleadores pueden utilizarlos para determinar cuánto compensar en base a las combinaciones de habilidades y para los empleados en cuanto estimar lo que se les debe pagar.
También se pueden utilizar para apoyar el desarrollo y análisis de políticas laborables. Las neuronas resultantes se entrenaron con una precisión superior al 70% en predicción de niveles salariales anuales. La necesidad de este tipo de herramientas analíticas es aún más importante ya que los cambios en el mercado laboral se han visto gravemente afectados por la pandemia de COVID 19 y corren cada vez más el riesgo de ser reemplazados por la automatización. (JAMES, y otros, 2021)
Na Pattalung, en su investigación sobre predecir el riesgo de mortalidad en pacientes de cuidados intensivos explicados en redes neuronales, propuso un marco basado en datos para predecir el riesgo de mortalidad que combina redes neuronales recurrentes de alta precisión con explicaciones interpretables con la finalidad de mejorar los resultados del tratamiento y permitir un mejor uso de los
9 recursos sanitarios. El modelo procesa series de tiempo de signos vitales y observaciones de laboratorio para predecir la probabilidad de mortalidad de un paciente en la unidad de cuidados intensivos. Se investigó un enfoque, en tres bases de datos públicas de cuidados intensivos: Monitoreo inteligente multiparamétrico en Cuidados Intensivos III (MIMIC-III), MIMIC-IV y eICU. Dicho modelo logro un área bajo la curva característica de funcionamiento del receptor (AUC) de 0,87 a 0,91. Siendo capaz de proporcionar el riesgo de mortalidad previsto y de reconocer y explicar las contribuciones históricas de los factores asociados a la predicción. Gracias a ello los pacientes pueden beneficiarse de una intervención temprana si sus observaciones clínicas en la UCI se controlan continuamente en tiempo real. (Na Pattalung, y otros, 2021)
Cordell, y otros, Nos dicen que existe una escasez de pruebas, de que estas herramientas puedan funcionar bien como medidas de resultados. En su estudio propone un enfoque híbrido no supervisado para identificar evaluaciones no auténticas a través de patrones de respuesta anómalos. El estudio utilizó una evaluación del comportamiento de 60 preguntas de una población clínica atendida por un servicio público de salud del comportamiento infantil administrado por el condado (n = 42,945). Se desarrolló un nuevo enfoque híbrido no supervisado para identificar registros de evaluación no auténticos a partir de datos de evaluación altamente dimensionales sin la necesidad de etiquetas de registro, que de otro modo requerirían innumerables horas de revisión de registros por parte de personal clínico altamente capacitado. Una red neuronal entrenada con el 75% de los datos etiquetados reconoció patrones de respuesta anómalos en los datos de la prueba con una sensibilidad del 84,5% y una especificidad del 97,3%. El modelo identificó el 26% de los registros como potencialmente no auténticos en función de patrones de respuesta anómalos. Para la salud mental y la salud del comportamiento, este método novedoso podría marcar una proporción relativamente pequeña de los registros para la revisión clínica y permitir que los registros con probable autenticidad eludan los procesos de revisión, lo que ahorra tiempo y genera eficiencia en la atención. Este método también es una herramienta potencial para mejorar la calidad del servicio mediante la identificación de circunstancias que se
10 han pasado por alto pero que de otro modo podrían abordarse durante la atención.
Durante décadas, los datos de evaluación han sido recopilados por políticas y han sido ignorados por la práctica debido a limitaciones de utilidad. Con los enfoques adecuados, podríamos descubrir los patrones de cómo funciona, para quién. y que actualmente están ocultos en nuestras evaluaciones existentes. (Cordell, y otros, 2021)
Shijie, en su estudio, el sistema de monitoreo en tiempo real del flujo de trabajo de fabricación para Smart Connected Worker (SCW). Desarrollada para los pequeños y medianos fabricantes (SMM), que integra técnicas de aprendizaje automático de última generación con el lugar de trabajo. escenarios de sistemas de fabricación avanzados. Específicamente, los modelos de detección de objetos y reconocimiento de texto se investigan y adoptan para mejorar el proceso de monitoreo del estado de la máquina, que requiere mucha mano de obra, mientras que se introducen redes neuronales artificiales para permitir la desagregación de energía en tiempo real para una mayor optimización. El sistema desarrollado logró una supervisión eficiente y un análisis de información preciso en tiempo real para condiciones de trabajo prolongadas, lo que podría reducir efectivamente el costo relacionado con la mano de obra humana, así como proporcionar una solución asequible para las PYMES.
Los resultados del experimento competente también demostraron la viabilidad y eficacia de integrar tecnologías de aprendizaje automático en el ámbito de los sistemas de fabricación avanzados. (Shijie, y otros, 2021)
Wenjin, y otros, plantearon un método para el reconocimiento de actividad utilizando señales de Unidad de Medición Inercial (IMU) y electromiografía de superficie (sEMG) obtenidas de un brazalete. Las señales IMU de 10 canales sin procesar se apilan para formar una imagen de señal. Esta imagen se transforma en una imagen de actividad aplicando Transformación de Fourier discreta (DFT) y luego se alimenta a una Red neuronal convolucional (CNN) para la extracción de características, lo que da como resultado un vector de características de alto nivel. Otro vector de características que representa el nivel de activación muscular se evalúa con las señales sEMG de 8 canales sin procesar. Luego, estos dos vectores se concatenan
11 y se utilizan para la clasificación de la actividad laboral. Se establece un conjunto de datos de actividad de los trabajadores, que en la actualidad contiene 6 actividades comunes en las tareas de ensamblaje, es decir, agarrar herramienta / pieza, clavo de martillo, uso de destornillador eléctrico, brazo de apoyo, destornillador giratorio y llave de uso. El modelo de CNN desarrollado se evalúa en este conjunto de datos y logra una precisión de reconocimiento del 98% y 87% en los experimentos de la mitad, respectivamente. Reconociendo así la actividad que está realizando el trabajador. (Wenjin, y otros, 2018)
Gonzales, en su investigación titulada extracción de datos de la herramienta SonarQube, nos dice que tiene como objetivo reducir el tiempo que tarda en la revisión y retroalimentación de un sistema en lo que respecta a la calidad del código, es por ello que, para la valoración de este, utilizó la herramienta SonarQube gracias a la cantidad de métricas que esta proporciona y que limita el valor de cada métrica calificándolo como válido o erróneo. Para ello utilizo un sistema con datos JSON y JavaFX para el desarrollo de interfaces. Como resultados determina que la utilidad de SonarQube mejora la calidad de un sistema y gracias a que este puede sacar estadísticas de datos concretos de manera sencilla, además de que puede desarrollarse en un ámbito profesional y académico, puesto que logra reducir el tiempo en corrección de la entrega de un producto y brinda las pautas para la mejora de la funcionalidad de un sistema. (Gonzáles Martín, 2019)
En el estudio de Bagah, busca como examinar la gestión del tiempo y si esta puede mejorar en la prestación de los servicios en el personal de trabajo. con un diseño de estudio descriptivo, utilizaron revistas en profundidad, cuestionarios y discusiones en grupos focales para la recopilación de sus datos. En su estudio encontró que el 75% de los encuestados indicaron que la priorización del trabajo, la aplicación efectiva de las reglas y políticas laborales, la puntualidad y los hábitos de trabajo duro eran habilidades de administración del tiempo capaces de mejorar la prestación efectiva de servicios y el desempeño laboral. Sin embargo, el veinticinco por ciento de los encuestados señaló que el incumplimiento de las normas y reglamentos, el ausentismo, los retrasos y los hábitos de falta de compromiso
12 afectan negativamente una mejor prestación de servicios y desempeño laboral. El estudio concluye que el método de gestión del tiempo debe estar respaldado por tecnología de calidad para mejorar la prestación de servicios y el desempeño laboral. El estudio también recomienda la integración de la tecnología para aumentar las habilidades de gestión del tiempo y la aplicación de la política laboral sobre la gestión del tiempo para mejorar la prestación de servicios y el desempeño laboral. (Bagah, y otros, 2019)
(Lewthwaite, 2004) Calificación del personal. La calificación se puede utilizar para varios propósitos y con varias consecuencias previstas: Evaluación: está diseñado para dar una idea del desempeño y para repartir el salario y los beneficios de acuerdo con las diferencias en el desempeño. En la práctica, por supuesto, esto rara vez ocurre. debido a otros problemas como el estado o la duración del servicio.
Auditoría: está diseñado para descubrir el potencial laboral de las personas. y grupos que trabajan en la organización. Análisis de las necesidades de formación:
está diseñado para determinar necesidades de formación en grupo. Motivación: la valoración se puede utilizar para dar información y elogios. motivar y recompensar al personal por su buen desempeño. Desarrollo: esta es una consecuencia intencionada de una "buena" valoración en esa recompensa se puede utilizar de varias formas diferentes. Uno de esto es para permitirles desarrollar su propia autonomía Planificación: una evaluación eficaz proporcionará una imagen precisa del personal capacidad y una idea de si necesitará contratar más personal o puede gestionar tareas con el personal existente. Control: esta es, por supuesto, la razón subyacente de todos los sistemas de trabajo. Sin control, es poco probable que se obtengan resultados satisfactorios.
Avella Romero, nos dice que los indicadores del servicio al cliente, están entrelazados de manera directa con los costos añadidos a la operaciones afectan la satisfacción del cliente, y a su vez esto se asocia con gestión de la cadena de suministro en su efectividad, los cuales resaltan los factores de plazo de entrega y la disponibilidad del producto, a nivel de cumplimento de entregas, estado de las entregas, condiciones de pago, servicio de postventa, despachados a tiempo,
13 Trazabilidad en los envíos y Daños en el transporte. Los KPI´s del desempeño al servicio al cliente no deben estar centrados solamente en la perspectiva que tiene el cliente, el objetivo de los sistemas expertos es el obtener una amplia información sobre el comportamiento humano, para que así poder interpretarla de la mejor manera posible.(Avella Romero, 2019)
Pachamora, señala que, tras el aumento el desarrollo de las sociedades , se han incrementado los problemas, para darle soluciones a múltiples problemas del ser humano de manera fácil , sencilla y de bajo costo se han estado implementado los sistemas expertos , estos sistemas están basado en inteligencia artificial lo que hacen estos sistemas es tratar de imitar el comportamiento humano y dando soluciones rápidas y precisas , se concluye que estos sistemas son factibles por su adaptabilidad y optimización , que tiene para resolver ciertos problemas.
(Pachamora Pinedo, 2019)
Los sistemas expertos continúan siendo un método popular de proporcionar sistemas de información basados en computadora capaces de resolver problemas específicos del dominio en ausencia de expertos humanos. La gama de áreas de aplicación es amplia y en constante expansión. a investigación de sistemas expertos ha investigado la tarea de combinar sistemas expertos de diversas formas. Por ejemplo: Fraser et al. desarrolló métodos de resolución de conflictos para sistemas expertos en competencia; Zhang desarrolló métodos para gestionar sistemas expertos heterogéneos en cooperación del mismo dominio o dominios superpuestos; Izumi y col. propuso sistemas expertos que podrían mejorar su desempeño aprendiendo de otros; y Santo y Conti desarrolló sistemas expertos complejos compuestos por sistemas expertos más pequeños, cada uno dedicado a un subdominio separado. se clasifican las diversas formas en que se pueden utilizar múltiples sistemas expertos. Se describe una categoría especializada en la que múltiples sistemas expertos tienen bases de conocimiento separadas dentro del mismo dominio. En esta categoría, los sistemas expertos que pertenecen al mismo dominio tienen entidades y semánticas compartidas. (Segura, y otros, 2012)
14 Python Machine Learning. Python es uno de los lenguajes de programación más populares para la ciencia de datos y, por lo tanto, disfruta de una gran cantidad de bibliotecas complementarias útiles desarrollados por su gran comunidad. Aunque el rendimiento de los lenguajes interpretados, como Python, para tareas de cálculo intensivo es inferior a inferior, lenguajes de programación de nivel, Se han desarrollado bibliotecas de extensión como NumPy y SciPy que se basan en implementaciones de Fortran y C de capa inferior para operaciones rápidas y vectorizadas en matrices multidimensionales. Para tareas de programación de aprendizaje automático, nos referiremos principalmente a scikit-learnlibrary, que es una de las bibliotecas de aprendizaje automático de código abierto más populares y accesibles a día de hoy. (Raschka, 2015)
Firebase te ayuda a crear y ejecutar aplicaciones exitosas. Respaldado por Google, amado por los desarrolladores. Acelera el desarrollo de aplicaciones con una infraestructura de backend completamente administrada. Se puede crear aplicaciones potentes sin la necesidad de administrar servidores, mejora la calidad de las aplicaciones en menos tiempo, simplifica pruebas, la clasificación y la resolución de problemas, aumenta la participación de los usuarios con campañas de mensajería. Puede brindar mejor soporte y retenerlos a diferentes segmentos de usuarios. (Firestore, 2021)
Las redes neuronales con el nombre de perceptrón multicapa, son de mucha utilidad para los problemas de calificación. se ha comprobado que los Perceptrones Multicapa con una sola capa encubierto pueden dividir satisfactoriamente las clases implicadas en un problema que se da, por otro lado, los números de nodos son desconocidos ya que no hay un método para definirlos y esto depende bastante del problema a resolver. A su vez se presenta que a través de un programa evolutivo con cromosomas de longitud variable se puede ubicar el número de nodos ocultos adecuados, así como los pesos de todas las conexiones para definir por completo la arquitectura de un PM empleado en la solución de problemas de clasificación.
(Martínez LAE, 2001)
15 Una red neuronal es una seria de algoritmos que trata de reconocer las relaciones de un conjunto de datos subyacentes a través de un proceso que imita la forma en que trabaja un cerebro humano. las redes neuronales artificiales de propagación de retroalimentación y retroalimentación, están funcionando mejor en su aplicación a problemas humanos. en ese sentido, pueden utilizarse para operaciones financieras, planificación empresarial, comercio, análisis empresarial y mantenimiento de productos. Las redes neuronales también han obtenido una adopción generalizada en aplicaciones comerciales, como soluciones de pronóstico e investigación de mercados, detección de fraudes y evaluación de riesgos.
(Basogain Olabe, 2008).
Conceptos básicos del aprendizaje profundo: su guía práctica sobre los fundamentos del aprendizaje profundo y el modelado de redes neuronales. Modelos de aprendizaje profundo En esta sección, nos sumergiremos en el modelo Máquinas de Boltzmann restringidas (RBM) o también llamado “Restricted Boltzmann Machines” Una RBM es una red neuronal con solo dos capas: la capa visible y la capa oculta. Cada nodo / neurona visible está conectado a cada nodo oculto.
Restricción significa que no hay comunicación entre capas, es decir, no hay conexiones entre los nodos visible-visible o los nodos ocultos-ocultos. Fue uno de los primeros modelos que se introdujeron en el área de la inteligencia artificial y se ha aplicado con éxito en muchas áreas, como la reducción de la dimensionalidad, la clasificación, el aprendizaje de características y la detección de anomalías. Es relativamente fácil expresar la RBM en un formato matemático, ya que solo hay unos pocos parámetros: La matriz de peso ω〖 (n〗_ (x) x n_ (h)) describe la fuerza de la conexión entre los nodos visibles y ocultos. Cada entrada w_ij es el peso de la conexión entre el nodo visible i y el nodo oculto j. Dos vectores de sesgo para la capa visible y la capa oculta respectivamente a (1x n_v). (Bhardwaj, y otros, 2018) Schwaber, nos dice que la metodología Scrum se basa en entregas parciales que permiten que los proyectos desarrollados sean flexibles y dinámicos mejorando el trabajo cooperativo entre los miembros de desarrollo. esta metodología ayuda a que los equipos se organicen con mayor agilidad, para lograrlo se dividen en partes que
16 se les denomina Sprints que se caracterizan por trabajar en orden por importancia, se desarrollan de manera ordenada, y tienen un periodo de duración no mayor a cuatro semanas. Para su correcto funcionamiento, se proyectan en etapas, comenzando con la planificación que se crea con todo el equipo de trabajo, El scrum diario que se trata de una reunión no mayor a 15 min al final del día, con la finalidad de evaluar el progreso obtenido hacia el resultado del Backlog, El resultado del sprint, que define los ítems de mayor valor, ajustándolo para poder realizar una retrospectiva hacia el sprint. Y la creación de plan de mejoras para la ejecución e implementación respecto al software diseñado y desarrollado por el equipo.
(Schwaber, 1997) III. METODOLOGÍA
3.1 Tipo y diseño de investigación:
Tipo: El tipo de investigación que se implementó es Aplicada, puesto que permite ser ejecutada hacia las empresas pararesolver situaciones que se presentan en la realidad. Por ello, se pudo tener un enfoque claro analizando y estudiando dichos problemas para encontrar soluciones mediante el desarrollo de un sistema experto para la evaluación del personal en delivery.
Paradigma: se basa en un paradigma positivista ya que se le califica cuantitativo, empírico-analítico, racionalista, sistemático y científico tecnológico. (Ramos, 2015) Lo cual sirvió para la investigación porque determina los parámetros de las variables mediante expresiones numéricas.
Enfoque: Tiene un enfoque cuantitativo, las investigaciones con Enfoque Cuantitativo, a través del método científico tradicional, buscan medir o realizar conteos con variables, que permitan comprobar o impugnar una hipótesis.
frecuentemente implica que el investigador debe contar con los instrumentos y la población necesaria a disposición para poder aislar las variables dependientes e independientes, logrando establecer relaciones causales o incluso correlaciones.
(Zeledón, 2020)
17 El nivel: Se utilizó el nivel descriptivo puesto que se buscó realizar un estudio con el conocimiento necesario de la línea de investigación que se ha elegido, sin obviar que los niveles investigativos son momentos en el proceso de descubrimiento de los conocimientos científicos (Ochoa, y otros, 2021)
Diseño: El Diseño de investigación que se utilizó es preexperimental, ya que es de tipo cuantitativa, se caracteriza porque generalmente es útil como primer acercamiento al problema de investigación en la realidad y se buscó crear una dependencia entre causa y efecto, en este diseño se buscará el efecto producido por las variables ya que se manejarán deliberadamente para la medición de su impacto sobre variable dependiente.
Ilustración 1 Diseño de investigación
X: Calificación del personal O1: Evaluador experto.
O2: Observación del experto evaluador y la del sistema.
3.2 Variables y operacionalización:
Calificación del personal:
Definición conceptual: (Mora García, 2008) nos dice que es una herramienta de dirección, vital en la actividad administrativa, para ayudar a determinar políticas de
18 recursos humanos idónea para las necesidades de la organización es el proceso para estimular o juzgar el valor, la excelencia y las cualidades del rendimiento de un trabajador.
Definición operacional: Tiene como dimensiones a la clasificación y el desempeño, que sirvió para asemejar la similitud de ciertos factores tales como la complejidad de las tareas y las responsabilidades sobre diferentes aspectos. (Mora garcía, 2007)
Dimensiones: nivel de clasificación en donde se evaluó por medio de rangos y la puntuación del trabajador, el tipo de medición fue Razón/continua ya que buscamos datos medibles. Y desempeño, que afecta directamente la productividad de la empresa, permitiéndole detectar errores y fortalezas. Para lograr esto se propuso como indicador el incremento en el desempeño del trabajador donde se le evaluó mediante una fórmula, determinando que, mientras mayor sea el resultado, mayor será su puntuación. De acuerdo con eso la escala de medición de esa dimensión será Razón/continua porque los datos obtenidos serán medibles.
Sistema Experto:
Definición conceptual: (Badaró, y otros, 2013) señala que Consta de dos elementos básicos: heurísticas especiales y reglas que dirigen el uso del conocimiento para resolver problemas específicos en un área determinada. Así mismo, Contiene los conocimientos necesarios para comprender, formular y resolver problemas.
Definición operacional: Evaluó la información que se ingresó. Métricas como vulnerabilidad, duplicado de código y posibles bugs en el sistema para que se realicen correctamente los factores necesarios del sistema como la medición del tiempo en el laboró, números de pedidos completados y rechazados determinando una puntuación para calificar el personal.
Dimensiones: Como dimensión se tiene la calidad que tiene como indicador evaluar el nivel de calidad del sistema experto que corresponde a las vulnerabilidades, duplicidad de código y posibles bugs que afecten al sistema.
19 3.3 Población, muestra y muestreo:
En cuanto a la presente investigación, la población elegida está conformada por los trabajadores que se especializan en el área de reparto en delivery de la empresa
“Rangers” en Piura. La población es un conjunto de elementos que poseen características similares en donde los utilizan para conclusiones de una investigación. Esta se puede delimitar según el problema y los objetivos que tengan los estudios que las utilizan. (Baena Paz, 2014)
Criterios de Inclusión:
Se incluyen en este estudio todos los trabajadores que tengan por lo menos 6 meses de antigüedad, Trabajadores que vivan en el distrito de Piura y que tengan un sueldo fijo por producto entregado.
Criterios de Exclusión:
Para esta investigación se excluyen trabajadores que brinden servicios de delivery con bicicleta o a pie y personas que trabajen en delivery de manera independiente.
Muestra:
Se realizó una muestra de estudio censal, pues al ser 25 trabajadores se pueden evaluar a todos. Un censo es una encuesta que se realiza sobre un conjunto de objetos de observación que pertenecen a una población (Economic Commission for Europe of the United Nations (UNECE), 2001)
3.4 Técnicas e instrumentos de recolección de datos:
La técnica que se utilizó fue la observación ya que gracias a esta podremos recolectar información cuantificable. Las técnicas de observación implican observar comportamientos reales que posteriormente se puntúan. (Syed Muhammad, 2016) Las variables de estudio de calificación de personal y sistema experto requieren de instrumentos para la recolección de datos, para ello se utilizaron fichas de registro.
Las fichas son instrumentos en donde se puede identificar de donde proviene la
20 información, permitiendo el registro de datos o evidencias, tiene muchas funcionalidades en las que destacan que facilita tanto el registro, la organización y clasificación de la información. Es adecuado para registrar las fuentes de información de manera técnica y también para componer el informe final de la investigación. (Robledo Merida, 2010)
Validez:
El presente estudio se aplicó el criterio de expertos para la confirmación de las fichas de registro, las cuales determinarán la comprobación de la presentación del contenido de acuerdo con el contraste de los indicadores que miden las variables referentes.
La confiabilidad:
Para que la aplicación de los instrumentos sea confiable, una vez que sea aplicado se efectuó la prueba test-retest. La confiabilidad de prueba-reprueba es una medida de confiabilidad obtenida al administrar la misma prueba dos veces durante un período de tiempo a un grupo de personas. Las puntuaciones del tiempo 1 y el tiempo 2 pueden correlacionarse para evaluar la estabilidad de la prueba a lo largo del tiempo. (Vilagut., 2014)
3.5 Procedimientos:
Para el entrenamiento según el incremento del Desempeño, se usaron las fichas de registro, por medio del tipo de vehículo que maneja el motorizado, medirá la cantidad de pedidos aceptados, la cantidad de pedidos rechazados al día y el estimado de tiempo en horas de trabajo realizados al día, mediante el uso del sistema experto se evaluará el desempeño por medio de iteraciones las cuales irán obteniendo un puntaje hasta tener una calificación de manera exitosa.
Para el entrenamiento según la dimensión de por nivel de clasificación, se utilizaron las fichas de registro en donde se usó la evaluación de un experto para poder entrenar el sistema, las calificaciones tendrán un número limitado de iteraciones, a razón de las iteraciones que se van a realizar se podrá obtener el número exacto de
21 intentos coincidentes, es decir, cuando el sistema pudo precisar la calificación de manera exitosa. El cuál se procederá a dividir sobre el número total de iteraciones que se le asignó una cantidad de pedidos. Esto nos ayudará a conocer la precisión que tuvo el sistema.
Las fichas de registro para el entrenamiento de la dimensión de calidad, después de ingresar los datos que se le asignaron al sistema, arrojó un resultado, de acuerdo con el resultado obtenido por el sistema se analizó si es correcta esa calificación, también si el sistema sufre alguna vulnerabilidad, duplicado o algunos bugs que se puedan presentar, ayudándonos a obtener un porcentaje de calidad alto para el sistema.
3.6 Método de análisis de datos:
Para el método de análisis de datos se utilizó la prueba T que son pruebas estadísticas para comparar medias de poblaciones ya que esta es correlacionada y es usada para comparar promedios o medias de dos grupos a estudiar que estén relacionados para corroborar si existe una diferencia significativa entre los dos grupos. Se utilizará para probar la calificación del evaluador experto y la calificación del sistema experto ya que este tipo de prueba evalúa el efecto antes y después al mismo grupo de personas, se evaluará al 95% y al 98% para saber que tan buena es la precisión del modelo. Según el JMP, la prueba t, es una herramienta que evalúa la media de uno o dos grupos mediante pruebas de hipótesis. Puede utilizarse para determinar si un solo grupo discrepa de un valor conocido, si dos grupos discrepan entre sí, o si hay una diferencia significativa en medidas pareadas.
(STATISTICAL DISCOVERY FROM SAS, 1989)
También se utilizaron diagramas de cajas, se basa en cuartiles que son una forma de dividir los valores números en grupos de cuatro de forma equivalente basados en valores clave. Se fragmenta en cinco partes los cuales son mínimo, primer cuartil, mediada, tercer cuartil y máximo. Este diagrama nos ayudará a visualizar y comparar la distribución de los valores números que nos dará la dimensión de clasificación y se medirá mediante cuartiles. También puede usarse para comparar
22 distribuciones de otros tipos o categorías. Según Ucán, Gómez, Castillo y Aguilar nos dicen que un diagrama de caja es un gráfico donde se escenifica los cuartiles de un conjunto ordenado de datos. Se produce por una caja y dos brazos. La caja representa el 50% de los datos, la división de la caja que este trazado por una línea representa la mediana, mientras que cada brazo representa el 25% de los datos.
Este diagrama será útil para identificar valores atípicos, así como evaluar la simetría de la distribución de los datos. (Ucán Pech, 2015)
Asimismo, se manejó la estadística descriptiva, medias, varianzas y promedios, proporción, tablas de frecuencias relativas y absolutas que servirán para la clasificación de datos en la calificación del personal delivery. Según Ruiz, Los métodos estadísticos generalmente son utilizados para resumir datos números, organizar datos y propósitos descriptivos. La estadística descriptiva, por ejemplo, trata de su definición en forma explicativa o gráfica, la tabulación de datos y el cálculo de medidas descriptivas. (Ruiz Muñoz, 2004)
3.7 Aspectos éticos:
La investigación se realizó con los principios éticos de ACM Ethics Software Engineering Code las cuales proporcionan ejemplos y detalles acerca de cómo estas aspiraciones varían nuestra forma de actuar como profesionales de ingeniería de software, está diseñado para que el proyecto designado conforme un código cohesivo, obligando a los ingenieros de software hacer un análisis, especificación, diseño, desarrollo, pruebas y mantenimiento del software a desarrollar para que sea respetada y beneficiosa. Teniendo como principios la sociedad, para actuar de manera coherente con el interés social. Cliente empresario en los que se debe actuar de manera que produzca el mejor resultado para estos. Producto, en donde garanticen que estos cumplan con los mayores estándares profesionales correspondientes. Valoración, donde se tiene que mantener la independencia e integridad en su valoración profesional. Gestión, en este punto se debe promover el enfoque ético en la gestión del desarrollo de software y mantenimiento de este y Personal, en donde se tendrá que promover un enfoque ético en la práctica de la profesión. (Don Gotterbarn, 1997)
23 IV. RESULTADOS
OE01:analizar la paridad en la clasificación del personal de delivery por medio de en un sistema experto y un evaluador experto.
Para la variable calificación del personal siendo una dimensión de estudio, que tiene como indicador mejorar el nivel de clasificación de los trabajadores, como hipótesis específica fue si la clasificación que aplica el sistema experto es directamente proporcional a los que aplica un evaluador experto, para ello, como métricas usadas fueron rangos de asignación a través de un evaluador experto y del sistema.
Después de entrenar las redes neuronales para que determinaran la evaluación del personal de trabajo se procedió a utilizar la prueba t student para valorar las medias de los grupos estudiados, siendo una por el evaluador experto y otro por el sistema.
Se utilizaron 44 datos observables en donde se consiguió un valor crítico de dos colas en un 95% a 1.9879. teniendo como p-valor 0.999 y un estadístico t de - 0.001124, queriendo decir que no mostró una diferencia. Se acepto la hipótesis nula demostrando que el sistema experto clasifica dentro del rango de aceptación los rangos obtenidos por el experto evaluador.
Evaluador Sistema
Media 5179.977273 5181.045455
Varianza 19880547.05 19885441.77
Observaciones 44 44
Varianza agrupada 19882994.41
Diferencia hipotética de las medias 0
Grados de libertad 86
Estadístico t -0.00112361
P(T<=t) una cola 0.499553046
Valor crítico de t (una cola) 1.662765449
P(T<=t) dos colas 0.999106091
Valor crítico de t (dos colas) 1.987934206
Tabla 1 Prueba T para la clasificación
24 OE02:Determinar el incremento de desempeño del repartidor de delivery a través de un sistema experto.
En el indicador de incremento de desempeño del trabajador que como hipótesis fue:
el desempeño del repartidor de delivery mejoró un 50% al implementar el sistema experto, como métricas utilizadas fueron los pedidos realizados, pedidos rechazados y las horas de trabajo dando como resultado el promedio del trabajador.
Se utilizaron 200 registros para implementarlos en un diagrama de cajas, con un pre y post test de cada resultado obtenido. Para los resultados evaluados en pretest como valor mínimo en el resultado del desempeño del trabajador es 1.40 y el valor máximo es 3.33, teniendo como primer cuartil 2.20, segundo cuartil o media de 2.5 y el tercer cuartil con 2.71. Para las pruebas postest los resultados evaluados mediante el diagrama de cajas el valor mínimo es 2.0 y el valor máximo es de 3.67, teniendo como primer cuartil 2.33, en el segundo cuartil 2.57 y 2.86 en el tercer cuartil.
-1.99 1.99
Región de aceptación H0
-0.0011
Ilustración 2 Región de aceptación
Postest Valores Anchos
MIN 2.00 2.00
Q1 2.33 0.33
Q2=MEDIANA 2.57 0.24
Q3 2.86 0.29
MAX 3.67 0.81
Pretest Valores Anchos
MIN 1.40 1.40
Q1 2.20 0.80
Q2=MEDIANA 2.50 0.30
Q3 2.71 0.21
MAX 3.33 0.62
Tabla 3 Datos del diagrama de cajas Pretest Tabla 2 Datos del diagrama de cajas Postest
25 Ilustración del diagrama de cajas Pretest: Como se presenta en la ilustración, los valores empezando desde el primer cuartil representando el 25% de los datos, se observa un mayor ancho de datos con 0.30, el 50% que representa el segundo cuartil o mediana es de 2.50, y el 75% que vendría a ser el tercer cuartil, los resultados obtenidos son de 2.71 con un ancho de 0.21.
Ilustración 3 Diagrama de cajas Pretest
Ilustración del diagrama de cajas Postest: Como se presenta en la ilustración, los valores empezando desde el primer cuartil representando el 25% de los datos, se observa un ancho de datos con 0.24 disminuyendo a comparación del diagrama anterior, el 50% que representa el segundo cuartil o mediana es de 2.57, y el 75%
que vendría a ser el tercer cuartil, los resultados obtenidos son de 2.86 con un ancho de 0.29 aumentando considerablemente.
Ilustración 4 Diagrama de cajas Postest
26 También se realizó lo que es estadística descriptiva en donde se encontró que la mediana es 2.5, con un rango de 1.93, el mínimo de 1.4 y 3.33 máximo, coincidiendo así con el diagrama de cajas. De igual forma para el promedio postest en donde se encontró que la mediana es 2.57, el rango es de 1.66. el mínimo 2.0 y máximo de 3.66, coincidiendo con el diagrama de cajas.
OE03: Evaluar la calidad de desarrollo del sistema experto basado en redes neuronales para la calificación del repartidor delivery.
La dimensión de sistema experto en donde se encuentra el indicador nivel de calidad como hipótesis fue: el sistema experto cuenta con métricas que cumplen con la calidad de software para su correcto funcionamiento. Para ello se evaluó el código del software y las métricas para su evaluación fueron por vulnerabilidad, duplicado de código y posibles bugs de este, para ello se utilizó el programa sonarQube que es una herramienta que se utiliza para la evaluación neta de cogido y que nos ayuda a mejorar la calidad de este. Una vez realizado la evaluación se
Resultado
Media 2.45262554
Error típico 0.02511453
Mediana 2.5
Moda 2
Desviación estándar 0.35517313 Varianza de la muestra 0.12614795
Curtosis -0.34615402
Coeficiente de asimetría -0.00875668
Rango 1.93333333
Mínimo 1.4
Máximo 3.33333333
Suma 490.525108
Cuenta 200
Tabla 5 Estadística descriptiva Pretest
Resultado
Media 2.61912067
Error típico 0.02721897
Mediana 2.57142857
Moda 2.5
Desviación estándar 0.38493441 Varianza de la muestra 0.1481745
Curtosis -0.51554252
Coeficiente de asimetría 0.29291603
Rango 1.66666667
Mínimo 2
Máximo 3.66666667
Suma 523.824134
Cuenta 200
Tabla 4 Estadística descriptiva Postest
27 hizo un total de 10 pruebas en donde se utilizó el análisis descriptivo para las vulnerabilidades, duplicado de código y bugs que nos arrojó la aplicación, teniendo como máximo un total de 120 vulnerabilidades al inicio de las pruebas y un mínimo de 0 al final. Para el duplicado de código se encontró con un máximo de 4.5% de duplicado de código y un mínimo de 0.1% al final de las pruebas y para los bugs se encontró un máximo de 20.5 al inicio de las pruebas y un mínimo de 2 al final de estas. Teniendo una media de 9.5 en vulnerabilidades, 1.5 en cuanto a duplicado de código y 18.5 en bugs. Siento este el promedio de cuanto se iba mejorando cada vez que se realizaba un testeo de código por cada iteración realizada.
Sistema Experto Vulnerabilidad Duplicado de código Bugs
Media 32.7 1.81 20.5
Error típico 13.65694776 0.514554824 4.614590388
Mediana 9.5 1.5 18.5
Moda 0 0 0
Desviación estándar 43.18706082 1.627165224 14.59261609
Varianza de la muestra 1865.122222 2.647666667 212.9444444
Curtosis 0.221502341 -1.388328877 -0.974846578
Coeficiente de asimetría 1.161676488 0.455918337 0.408565547
Rango 120 4.4 43
Mínimo 0 0.1 2
Máximo 120 4.5 45
Suma 327 18.1 205
Cuenta 10 10 10
Tabla 6 Estadística descriptiva para la calidad del sistema experto
OBG: Analizar la mejora que aplica el sistema experto en el proceso de evaluación del personal que brinda servicios de delivery.
Los resultados obtenidos en esta investigación demuestran que la clasificación de los trabajadores mediante rangos obtiene una paridad en los resultados entre el sistema experto y los evaluadores expertos en donde se ve reflejado el desempeño
28 del trabajador por medio de un sistema de puntuación, para la medición de este, se realizaron los diagramas de cajas en donde se reflejan los promedios conseguidos antes y después de la realización del sistema experto, tiendo como resultados una mejora de un 67% en su desempeño. Exponiendo que, antes de la implementación del sistema un trabajador para llegar a la media estimada según los diagramas de cajas el valor mínimo en los trabajadores era de 1.40 y el valor máximo era de 3.33 como se observa en la tabla 2. Con la implementación del sistema experto prueba que, a pesar de tener una media estimada de 2.57 siendo similar a la anterior, se da una mejor significativa en lo que respecta el logro de esta, pues el valor mínimo de un trabajador es de 2.00 y el máximo de 3.67 como se observa en la tabla 3.
Realizándose también evaluaciones en la calidad del sistema con métricas como vulnerabilidad, duplicado de código y bugs para la funcionalidad adecuada de esta.
Asimismo, se realizó la prueba T para constatar si la mejora que aplica el sistema experto en la calificación del personal delivery influye y obtiene una mejora en los resultados, con un estadístico T de -4.490 y un valor critico de 1.96 determinando que esta fuera del rango de aceptación, se comprueba que con la implementación del sistema experto mejora considerablemente en la evaluación de los trabajadores reflejando en este una mejora en su productividad.
Mejora con implementación del sistema Pretest Postest
Media 2.453 2.61915
Varianza 0.126 0.148034952
Observaciones 200.000 200
Varianza agrupada 0.137
Diferencia hipotética de las medias 0.000
Grados de libertad 398.000
Estadístico t -4.490
P(T<=t) una cola 0.000
Valor crítico de t (una cola) 1.649
P(T<=t) dos colas 0.000009
Valor crítico de t (dos colas) 1.966
Tabla 7 Análisis Mejora del sistema experto
