FRTL - Investigación - Grupo UTN Gestadis - 2020

Permanent URI for this collectionhttp://48.217.138.120/handle/20.500.12272/7963

Browse

Filters

20202

Settings

Author: search.filters.author.Xodo, DanielHas files: Yes

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Análisis de los objetivos claves que llevan a la innovación sostenible en empresas españolas.
    (2020) Mavolo, Luca; Xodo, Daniel; Galmes, Federico
    Antecedentes: A partir del relevamiento de 320 empresas españolas, donde se identificaron los factores claves que llevan a la innovación sostenible, se analizó factores claves que afectan en mayor medida. Objetivos: los pilares de la innovación sostenible son los objetivos económicos, ambientales y sociales, se pretende identificar cual influye en mayor medida. Métodos y materiales: se aplicó un análisis ANOVA para determinar variaciones entre las medias del grado de cumplimiento de los tres objetivos planteados en el punto anterior, también se utilizo el criterio de Tookey para jerarquizar las diferencias entre las mismas y por ultimo un análisis ANOVA de dos vías para determinar si existe crecimiento del cumplimiento objetivos por parte de las empresas en los años que se realizo el relevamiento. Resultados y discusiones: Se observo que los objetivos económicos son los que se cumplen en mayor medida siendo los mas importante al momento de determinar si una empresa esta orientada a la innovación sostenible. También se determino que no hubo un crecimiento a través de los años del cumplimiento de los objetivos. Conclusión: a partir de los resultados obtenidos se pueden comenzar a trabajar en los distintos factores de la base de datos que afectan al cumplimiento de los objetivos evaluados.
  • Thumbnail Image
    Item
    Predictive Analytics of Plots For Soybean Production
    (2020) Mavolo, Luca; Xodo, Daniel; Mavolo, Pablo
    This study is to determine the feasible productivity of a plot of land in large fields where the quality of the soil and the weather conditions fluctuate every year, hindering optimum soybean production practices. The aim is to predict 8 sceneries through the artificial neural network model and study its reliability. Then predict 7 feasible sceneries to achieve a good sowing strategy on certain plots of land and with certain types of seeds. Finally, to make a prediction using the average historical rainfall data collected during the studied months and to observe the fluctuations on the yield in accordance with previous predictions. The artificial neural network is the method used and it was provided by soft RISK Industrial 7.6 (Neural Tools). The result is going to be compared with the data collected from the company “Nueva Castilla” of Trenque Lauquen (Buenos Aires province, Argentina) to determine the practical and technical feasibility of the model. These data correspond to more than 17 years of climate and weather analysis, soil and soybean yield with different types of seeds.