Sistemas de control de despachos e identificación de productos a granel ensacados mediante inteligencia Artificial

Hernández Sanes, Fernelis

Sistemas de control de despachos e identificación de productos a granel ensacados mediante inteligencia Artificial

datacite.rights	http://purl.org/coar/access_right/c_f1cf
dc.contributor.advisor	Pérez Coronell, Leidy
dc.contributor.advisor	Martínez Sierra, David Enrique
dc.contributor.author	Hernández Sanes, Fernelis
dc.date.accessioned	2025-10-06T22:07:46Z
dc.date.available	2025-10-06T22:07:46Z
dc.date.issued	2025
dc.description.abstract	El control de productos a granel ensacados constituye un reto permanente para sectores como el agroindustrial, minero y alimenticio. Este artículo presenta un estudio de caso en una empresa de fertilizantes donde se analiza cómo la inteligencia artificial (IA) puede incidir en la supervisión e identificación de dichos productos con el fin de optimizar las operaciones de despacho. A través de una revisión conceptual y la aplicación de herramientas tecnológicas actuales, se destacan los beneficios de incorporar IA en la logística: incremento en la trazabilidad, disminución de errores humanos, capacidad de anticipar la demanda y mayor automatización de tareas. Los resultados obtenidos permiten concluir que la adopción de soluciones inteligentes no solo eleva la eficiencia operativa, sino que también impulsa una transformación profunda en la gestión de las cadenas de suministro de fertilizantes ensacados a granel.	spa
dc.description.abstract	The control of bagged bulk products is an ongoing challenge for sectors such as agro-industry, mining, and food. This article presents a case study in a fertilizer company that analyzes how artificial intelligence (AI) can influence the supervision and identification of these products in order to optimize dispatch operations. Through a conceptual review and the application of current technological tools, the benefits of incorporating AI into logistics are highlighted: increased traceability, reduced human error, the ability to anticipate demand, and greater task automation. The results obtained allow us to conclude that the adoption of intelligent solutions not only increases operational efficiency but also drives a profound transformation in the management of bulk bagged fertilizer supply chains.	eng
dc.format.mimetype	pdf
dc.identifier.uri	https://hdl.handle.net/20.500.12442/17013
dc.language.iso	spa
dc.publisher	Ediciones Universidad Simón Bolívar	spa
dc.publisher	Facultad de Ingenierías	spa
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 International	eng
dc.rights.accessrights	info:eu-repo/semantics/embargoedAccess
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject	Inteligencia artificial	spa
dc.subject	Logística	spa
dc.subject	Visión computacional	spa
dc.subject	Trazabilidad	spa
dc.subject	Agroindustria	spa
dc.subject.keywords	Artificial intelligence	eng
dc.subject.keywords	Logistics	eng
dc.subject.keywords	Computer vision	eng
dc.subject.keywords	Traceability	eng
dc.subject.keywords	Agribusiness	eng
dc.title	Sistemas de control de despachos e identificación de productos a granel ensacados mediante inteligencia Artificial	spa
dc.type.driver	info:eu-repo/semantics/other
dc.type.spa	Otros
dcterms.references	Christopher, M. (2016). Logistics & supply chain management. Pearson UK.	eng
dcterms.references	Loaiza Jaramillo, L. D., & Ibáñez Vacacela, E. X. (2024). Desarrollo de un prototipo de sistema de detección. https://dspace.ups.edu.ec/handle/123456789/27420	spa
dcterms.references	Martínez, J. (2023). Aplicación de visión computacional en la clasificación de empaques industriales. Revista Latinoamericana de Logística, 14(2), 45-59.	spa
dcterms.references	Rueda Martínez, J. S. (2021). Identificación de los beneficios de la inteligencia artificial. https://dspace.tdea.edu.co/entities/publication/86141b18-2bc1-4f55- 85bb-11eec59927b	spa
dcterms.references	Salguero Sumba, V. H. (2025). Automatización del proceso de ensacado... https://repositorio.upse.edu.ec/items/f625ed33-9ee5-4ca5-b6df- a9da604a65b3	spa
dcterms.references	Soto, L., & Rodríguez, A. (2022). Inteligencia artificial y trazabilidad en cadenas de suministro agroindustriales. Revista Ingeniería y Desarrollo, 40(1), 23-38.	spa
dcterms.references	Torres, P., Ramírez, J., & Gómez, F. (2021). Modelos predictivos en la gestión de la demanda agrícola. Journal of Agribusiness and Technology, 18(3), 67- 82.	spa
dcterms.references	Zhang, Y., Li, H., & Chen, Z. (2020). Machine learning applications in supply chain management: A review. International Journal of Production Research.	eng
dcterms.references	Baryannis, G., Dani, S., & Antoniou, G. (2019). Predictive analytics and artificial intelligence in supply chain management: Review and implications for the future. Computers & Industrial Engineering, 137, 106024. https://doi.org/10.1016/j.cie.2019.106024	eng
dcterms.references	Ghobakhloo, M. (2020). Industry 4.0, digitization, and opportunities for sustainability. Journal of Cleaner Production, 252, 119869. https://doi.org/10.1016/j.jclepro.2019.119869.	eng
dcterms.references	Ivanov, D., Dolgui, A., & Sokolov, B. (2022). Artificial intelligence in supply chain management: A state of the art. International Journal of Production Research, 60(5), 1584–1607. https://doi.org/10.1080/00207543.2021.1956678.	eng
dcterms.references	Li, Z., Wang, Y., & Li, X. (2023). Computer vision and deep learning in industrial logistics: Applications, challenges, and future trends. Robotics and Computer- Integrated Manufacturing, 80, 102500. https://doi.org/10.1016/j.rcim.2022.102500.	eng
dcterms.references	Queiroz, M., Pereira, S., & Telles, R. (2022). Big data analytics and artificial intelligence in supply chain management: A systematic review and future research directions. Journal of Business Research, 145, 517–534. https://doi.org/10.1016/j.jbusres.2022.03.016.	eng
oaire.version	info:eu-repo/semantics/acceptedVersion
sb.programa	Especialización en Logística de Operaciones	spa
sb.sede	Sede Barranquilla	spa