Explorando por Autor "Hernández Juárez, Luis"

Mostrando 1 - 2 de 2

Acceso Abierto
La analítica de datos y el aprendizaje digital como herramientas para la toma de decisiones en instituciones de investigación científica y tecnológica
(Asociación Latino-Iberoamericana de Gestión Tecnológica y de la Innovación (ALTEC), 2023) Samano Castillo, José Sabino; Hernández Juárez, Luis; Asociación Latino-Iberoamericana de Gestión Tecnológica y de la Innovación (ALTEC)
Se presentan los resultados obtenidos del diseño e implementación de un Sistema de Indicadores que analiza la información de una plataforma que muestra el potencial tecnológico, de investigación y formación de recursos humanos con que cuenta la Universidad pública más importante del país, a la vez que difunde el trabajo de los laboratorios Nacionales, Universitarios y de las Unidades de Apoyo a la investigación, de los Subsistemas de la Investigación Científica, de Humanidades y de las Facultades afines. Cuenta con información de 493 laboratorios que funcionan como unidades de apoyo a la investigación, ofrecen servicios y cuentan con equipamiento de vanguardia. En el 2022 se diseñó e implementó un Sistema de Indicadores de Desempeño, que utiliza la base de datos de la plataforma para monitorear, analizar y revelar las ventajas que se han tenido en el tiempo, incorporando una herramienta de vanguardia en Business Intelligence y Analytics la cual se alimenta de los datos que se tienen registrados de forma estructurada para la exploración e investigación continua del desempeño de las entidades de análisis e impulsar la planificación futura, la extracción de información, visualización, informes de usuario y consultas con segmentación en tiempo real. El sistema utiliza la plataforma Microsoft Power BI MR (Power BI) para la visualización avanzada con elementos de segmentación, indicadores y estadísticas clave (KPI’s y métricas), gráficos interactivos con nivel de profundidad y agregación (slice and drill up/down), estadísticos clave y optimización. El sistema de consulta es responsivo para cinco categorías: capacidades, equipamiento, personal, comunicación, pronósticos y 45 KPI’s simples. Cuenta con una sección de pronósticos de necesidades (machine learning), para aprovechar la información generada en los últimos 7 años por la plataforma. A través de este sistema se han gestionado 675 solicitudes de servicios tecnológicos y de vinculación, con respuesta a diversos requerimientos de los sectores académico, industrial y social.
Acceso Abierto
The digital transformation in the upstream quality management as a technological and organizational agility mechanism in disruptive environments
(Asociación Latino-Iberoamericana de Gestión Tecnológica y de la Innovación (ALTEC), 2023) Hernández Juárez, Luis; Sámano Castillo, José Sabino; Asociación Latino-Iberoamericana de Gestión Tecnológica y de la Innovación (ALTEC)
The recent growing needs in the global food industry have been demanding an agile and resilient response to continue manufacturing products with the expected quality and food safety. A key element for this is the agility of the quality management of the supply chain, which has been achieved from using a correct quality management data digitization as well as its processing through business analytics and whose results are presented in this business case. A prerequisite to be met was the global standardization of supplier performance evaluation criteria, whose efforts were achieved through the coordination of quality management professionals from France, Italy, the United States, Mexico, Brazil and Chile. With the standardized performance evaluation criteria, the calculation mechanisms were defined, which were later developed by the IT teams through Business Analytics solutions and represented in a visualization platform (Microsoft Power BI). This platform represents: a) the status of the certified supplier management system, b) its level of performance at a global level and by manufacturing site, c) the result of evaluation of the supplier management system, d) the result of the non- conformities identified at all reception sites and, e) the performance prediction of each supplier based on historical data. As a result of this digital transformation, it was possible to obtain interconnected information in real time that facilitates showing compliance status of supplier quality management criteria, calculating the global performance level based on the contribution and weighting of each of the compliance criteria, facilitate decision-making based on the analysis of quality and food safety risks and determine the analytical prediction mechanisms (machine learning) that would warn of potential quality and food safety non-conformities. All this, in order to prevent deviations in the inputs used in the manufacture of food and to focus efforts for the improvement and innovation of the supply chain based on processed data and information.