Últimas publicaciones
Ítem
Acceso Abierto
Nueva línea de negocios - FINART - CAPSTONE
(2026-09-23) Manrique Monroy, Juliana; Fernández Moreno, Samuel Felipe; Beltrán Contreras, Juan Manuel; Pardo Martínez, Clara Inés; Moreno, Diana Rocío
Este proyecto de CAPSTONE, se centra en crear nuevas líneas de negocio para la empresa FINART, quienes son una empresa líder Colombiana, FINART lleva más de 25 años trabajando en el sector de la bisutería. Para proponer nuevos negocios, partimos de lo que la empresa ya sabe hacer y de los recursos con los que ya cuenta. Para la creación de nuestras ideas, nos basamos en el aprovechamiento de los recursos que la empresa ya tiene y empezamos con la investigación mediante un análisis cuantitativo de los mercados a los que hace parte, usamos recursos como lo son Euromonitor, Passport y algunas bases de datos especializadas en el sector, donde encontramos que 8 de nuestras ideas principales eran viables frente a la empresa, sin embargo, decidimos darle prioridad a 3, las cuales eran las más fuertes estratégicamente: empaques y componentes metálicos para perfumería premium, componentes decorativos para licores de alta gama y difusores decorativos para el segmento de wellness. Basado en los resultados de la búsqueda, la línea más fuerte fue la perfumería, pues este mercado en Colombia y en México tienen unas ventas de USD 5.31 mil millones actualmente y con una proyección de USD 22.36 mil millones para el año 2031, por otro lado, los difusores tienen el mayor potencial de crecimiento pues las tendencias mueven los mercados actualmente (Mordor Intelligence, 2026c, 2026b). En conclusión, este estudio tiene como fin encontrar nuevas formas de negocio para aprovechar los recursos que FINART ya tiene, donde poco a poco se van integrando estas ideas con el objetivo de crecer a nivel LATAM.
Ítem
Acceso Abierto
Diseño e implementación de un modelo de predicción de ventas con inteligencia artificial y computación cuántica
(2026-10-08) Castrillón Calderón, Wilmer Emiro; Avilán Vargas, Nicolás Guillermo
Este trabajo presenta el diseño e implementación de modelos híbridos clásico-cuánticos para la predicción de ventas mediante la integración de redes neuronales LSTM y circuitos cuánticos, con el propósito de evaluar el impacto de la incorporación de procesamiento cuántico en tareas de predicción de series temporales, se utilizaron datos reales de ventas obtenidos de la plataforma Kaggle, planteando el problema como una tarea de predicción de ventas diarias a partir del comportamiento histórico de la serie. El proyecto se desarrolló en varias etapas que incluyeron el preprocesamiento de los datos, el diseño e implementación de un modelo LSTM clásico, la incorporación de tres arquitecturas híbridas basadas en Variational Quantum Circuits (VQC), Residual Hybrid y Quantum Long Short-Term Memory (QLSTM), y la comparación de su desempeño. Los modelos fueron implementados utilizando PyTorch y PennyLane, entrenados sobre los mismos conjuntos de datos y evaluados mediante las métricas de R cuadrado y el coeficiente de correlación de Pearson. Adicionalmente, las arquitecturas VQC y Residual Hybrid fueron ejecutadas en hardware cuántico de IBM, mientras que el modelo QLSTM fue evaluado mediante simulaciones con ruido utilizando Qiskit Aer. Los resultados obtenidos muestran que los modelos híbridos clásico-cuánticos constituyen una alternativa para explorar la integración de computación cuántica en tareas de predicción de series temporales, en los experimentos realizados, la arquitectura QLSTM obtuvo el mejor desempeño en la mayoría de los productos evaluados, obteniendo mejores resultados que las arquitecturas VQC y Residual Hybrid.
