EN ZEKE NOS HEMOS ESPECIALIZADO EN LA CONSTRUCCIÓN DE MODELOS PREDICTIVOS. ¿CÓMO LO HACEMOS?

Construimos modelos mediante la utilización de técnicas de aprendizaje profundo (deep learning), que nos permite utilizar grandes volúmenes de datos y múltiples fuentes de información, con la correcta utilización de esta herramienta mejoramos las predicciones que hace la empresa, en todo tipo de situaciones: tiempos de respuesta, tiempos de reparación, estimaciones de productividad, entre otras.

Con resultados muy superiores a los logrados con técnicas clásicas, como estadística descriptiva y análisis multivariable.

CASOS PRÁCTICOS

COMPAÑÍA DE ENERGÍA ELÉCTRICA

Con el objetivo de dar la mejor calidad de servicio al cliente y cumplir con los tiempos que exige la ley para la reposición del servicio eléctrico, Chilquinta cuenta con dos áreas que deben trabajar coordinadamente con este propósito: Atención a Cliente y Operaciones.

VER MÁS

Para ambas áreas la información del Tiempo Estimado de Reposición (ETR) es relevante ya que permite, por una parte, realizar una planificación apropiada de los recursos que están en terreno y por otra entregar información precisa a los clientes de cuándo se realizará la reposición del servicio eléctrico.

Originalmente los ETR se calculaban en base a una tabla con información fija. Esto debido a la complejidad de generar un modelo matemático explícito para generar un pronóstico en base a información tanto interna (Cantidad de vehículos disponibles, zona donde ocurre en incidente, líneas o transformador afectado, entre muchos otros factores) y externa (Clima, época del año, feriado, festividad importante, congestión del tránsito, entre muchos otros factores).

ZEKE se encuentra trabajando en el desarrollo de un modelo predictivo, en base al desarrollo de una técnica de aprendizaje profundo (Deep Learning). Usando este método, es posible desarrollar un modelo que se alimente tanto de la información interna, datos históricos y fuentes de datos externas, con el fin de predecir el tiempo estimado de reposición (ETR).

PRODUCTORA AGRÍCOLA

Actualmente los errores asociados a la estimación de volúmenes de producción y distribución de los calibres de cereza varía entre un 20% a un 30%, provocando pérdidas económicas al tener costos operativos y logísticos más elevados de lo presupuestado.

VER MÁS

ZEKE está aplicando la tecnología de aprendizaje profundo (deep learning), para generar un modelo predictivo que permita a los productores contar con un pronóstico temprano y con mayor grado de confianza, del volumen y la distribución de calibres de cerezas para planificar la temporada y reducir sus costos operativos y logísticos. 
Con la aplicación de esta tecnología estamos ayudando a reducir los riesgos que tiene la cadena productiva de la cerezas, ya que es un producto altamente perecible y con un período de cosecha muy corto e intenso, donde es clave tener un buen pronóstico que permita planificar y ordenar las labores de la temporada.

COTIZA ACÁ TU PROYECTO

COTIZA ACÁ

TRABAJA CON
NOSOTROS

CONTACTAR