http://hdl.handle.net/20.500.12918/1445 Tue, 28 Apr 2026 15:18:35 GMT 2026-04-28T15:18:35Z http://hdl.handle.net/20.500.12918/12503 Metodología de optimización en CI/CD para la compilación y despliegue de aplicaciones modulares en entornos empresariales Cassa Lipa, Edwar Yuri Actualmente, muchas empresas están migrando de arquitecturas monolíticas a modelos modulares para mejorar la escalabilidad y el mantenimiento de sus sistemas. Sin embargo, esta transición plantea nuevos retos en los procesos de compilación y despliegue continuo (CI/CD), los cuales pueden volverse ineficientes si no se aplican estrategias adecuadas. Esta tesis propone un modelo optimizado de CI/CD para aplicaciones empresariales modulares sin depender completamente del enfoque de micro-frontends, utilizando subaplicaciones independientes y librerías compartidas como parte de una arquitectura modular basada en Angular, compilación selectiva basada en cambios, y despliegues independientes orquestados con Docker, Helm y Kubernetes. El objetivo principal es reducir tiempos de compilación, evitar tareas redundantes y mejorar la eficiencia general del pipeline. El caso de estudio fue un sistema ERP real de la empresa "Smart Cities Perú", donde se logró reducir el tiempo de compilación de más de un 60%, con beneficios adicionales en productividad de desarrollo y costos operativos simulados en entornos de nube. Más allá del resultado aplicado, el aporte académico de esta investigación radica en la formulación de un enfoque replicable y adaptable a otros sistemas empresariales con características similares. De este modo, la propuesta no solo evidencia beneficios prácticos en productividad y costos operativos, sino que también contribuye a la literatura académica en torno a la optimización de procesos CI/CD en arquitecturas modulares. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/20.500.12918/12503 2025-01-01T00:00:00Z http://hdl.handle.net/20.500.12918/12339 Sistema de gestion e integracion de informacion contable y financiera basado en RPA, ETL y AWS para la empresa Topitop Olazabal Caller, Leticia Giuliana; Salazar Ore, Diego Martin La empresa Topitop enfrenta dificultades en la gestión contable y financiera debido a la descentralización de la información en diversos sistemas internos y externos. Esta dispersión complica el proceso de conciliación o matching de documentos contables entre sus distintas plataformas. Para resolver este problema, se ha implementado un sistema automático de integración y procesamiento de información, utilizando Robotic Process Automation (RPA), procesos de ETL (Extract, Transform, Load) y servicios en la nube de Amazon Web Services (AWS). La solución contempla la automatización de tareas rutinarias relacionadas con la generación de reportes de documentos contables mediante RPA, así como la extracción y transformación de datos provenientes del sistema RMS (Retail Management System), el portal web de ACEPTA y el sistema SAP. Todos estos datos se integran en una estructura común para su análisis. El sistema se despliega sobre AWS, permitiendo alta disponibilidad, escalabilidad y seguridad en el procesamiento de datos. Esta propuesta elimina errores operativos y permite a los usuarios de las áreas involucradas identificar de inmediato el documento con error, conocer en qué sistema falta y tomar acción de forma oportuna. Así, la empresa no solo mejora la eficiencia y la toma de decisiones, sino que también logra que toda la información esté alineada y disponible. Thu, 01 Jan 2026 00:00:00 GMT http://hdl.handle.net/20.500.12918/12339 2026-01-01T00:00:00Z http://hdl.handle.net/20.500.12918/12310 Modelo predictivo del uso y cobertura del suelo en la provincia del Cusco, integrando aprendizaje automatico y simulacion espacial Choque Navarro, Marcelo Fabian Las transformaciones en el Uso y Cobertura del Suelo (LULC) son un desafío ambiental de escala global; por lo que su análisis y predicción son necesarios para una planificación territorial sostenible y la mitigación de impactos ecológicos. La provincia del Cusco, ha experimentado un proceso de urbanización que ha transformado la cobertura natural del suelo. Este estudio tiene como objetivo analizar los cambios históricos en el LULC durante los periodos 2004- 2014 y 2014-2024 mediante aprendizaje automático, utilizando plataformas de procesamiento en la nube. Se utilizaron imágenes satelitales de acceso abierto, adecuadas para el análisis multitemporal propuesto. La precisión de la clasificación se optimizó mediante el uso de variables derivadas, incluyendo índices espectrales y capas topográficas. Para la proyección de escenarios futuros, se aplicó un modelo híbrido de simulación que integra enfoques de dinámica espacial con técnicas de aprendizaje automático. Se validó el modelo mediante la proyección del año 2024 y comparándolo con datos reales. Para 2034, se prevé un incremento de las zonas urbanas en 16.67 km2, pasando de representar el 9.48 % al 12.63 % del área total. La arquitectura híbrida propuesta presenta un desempeño predictivo consistente, respaldado por una Exactitud Global de 0.889, Khisto ≈ 0.98 y Análisis Multiescala (960 m) > 78 %. Estos resultados indican la capacidad del modelo para capturar patrones no lineales complejos y evidencian su potencial para generar información para la gestión sostenible de los recursos naturales y el ordenamiento territorial en la provincia de Cusco. Thu, 01 Jan 2026 00:00:00 GMT http://hdl.handle.net/20.500.12918/12310 2026-01-01T00:00:00Z http://hdl.handle.net/20.500.12918/12307 Influencia meteorológica en las estrategias de predicción de partidos de fútbol mediante redes neuronales recurrentes Lopez Oquendo, Anthony Mayron; Alegria Valencia, Erik Omar La predicción de resultados futbolísticos, inherentemente estocástica, encuentra su máxima complejidad en el contexto sudamericano por su variabilidad altitudinal extrema y térmica. Esta investigación aborda la subestimación de los factores ambientales, determinando la influencia predictiva de variables meteorológicas mediante el uso de Redes Neuronales Recurrentes (RNN) en cuatro ligas profesionales de la región andina: Colombia, Chile, Ecuador y Perú. Los hallazgos revelaron que la incorporación de datos climáticos actúa como un catalizador de precisión no uniforme, dependiente del contexto nacional. En la liga peruana, esta adición no solo incrementó la potencia predictiva del modelo en un 6% respecto a su base puramente deportiva, sino que también optimizó su eficiencia computacional al permitir la simplificación de la arquitectura neuronal. El impacto es tangible, estableciendo referencias significativas en las ligas analizadas. Se concluye que, si bien la mejora es contextual, la evidencia global demuestra que, en geografías variables, el clima trasciende su rol secundario para erigirse como un determinante crucial del resultado final. Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/20.500.12918/12307 2025-01-01T00:00:00Z