Diseña un póster académico digital con un estilo vintage, clásico y tipo periódico antiguo. Usa un fondo color pergamino (crema o beige claro), tipografía con serifas en colores sepia y marrón oscuro. Organiza la información en 4 columnas bien definidas. REGLA ESTRICTA DE DISEÑO: - NO DIBUJES NINGÚN TIPO DE CUADRO, RECUADRO, MARCO O PLACEHOLDER con textos como "espacio reservado" o "captura de pantalla". - NO INCLUYAS imágenes falsas de celulares o computadores. - Simplemente deja el texto distribuido de forma elegante. (La imagen real de la app la insertaré yo después usando edición). CONTENIDO (Usa viñetas): TÍTULO PRINCIPAL: "SmartFood Demand: Predicción de Demanda y Gestión de Inventarios" AUTORES: Laura S. Villar, Daniel S. Cortes, Yudy V. Benavides | Docente: Jorge Taboada | Universidad Libre. SECCIÓN 1: RESUMEN Y PROBLEMÁTICA El sector gastronómico enfrenta pérdidas económicas y un alto desperdicio de alimentos debido a la imprecisión en el cálculo de la demanda diaria (FAO, 2023). Los métodos empíricos generan sobreproducción (Rodrigues et al., 2024). SECCIÓN 2: METODOLOGÍA - Objetivo: Desarrollar un software web para predecir la demanda y optimizar compras. - Metodología: Prototipado por fases (Sommerville, 2020). Trabajo de campo en el restaurante "Donde Juancho", recolectando datos operativos por turnos. SECCIÓN 3: MODELO MATEMÁTICO Y TECNOLOGÍA - Modelo: Implementación de Suavizamiento Exponencial (Hyndman & Athanasopoulos, 2021) para pronosticar clientes, adaptándose a registros por turnos. - Arquitectura: Backend en Python/Flask (McKinney, 2022), Frontend en React y Base de Datos en Supabase. SECCIÓN 4: RESULTADOS E IMPACTO - Sistema web 100% funcional con descuento automático de inventario. - Impacto Ambiental: Se evita la sobreproducción. En un restaurante de ~100 platos/día, la app salva hasta 2 kg de comida diarios (evitando cocinar 5 platos extra), equivalente a más de 52 kg de alimentos rescatados al mes. PIE DE PÁGINA: Referencias: FAO (2023); Hyndman & Athanasopoulos (2021); McKinney (2022); Rodrigues et al. (2024); Sommerville (2020).
Diseña un póster académico digital con un estilo vintage, clásico y tipo periódico antiguo. Usa un fondo color pergamino (crema o beige claro), tipografía con serifas en colores sepia y marrón oscuro. Organiza la información en 4 columnas bien definidas. REGLA ESTRICTA DE DISEÑO: - NO DIBUJES NINGÚN TIPO DE CUADRO, RECUADRO, MARCO O PLACEHOLDER con textos como "espacio reservado" o "captura de pantalla". - NO INCLUYAS imágenes falsas de celulares o computadores. - Simplemente deja el texto distribuido de forma elegante. (La imagen real de la app la insertaré yo después usando edición). CONTENIDO (Usa viñetas): TÍTULO PRINCIPAL: "SmartFood Demand: Predicción de Demanda y Gestión de Inventarios" AUTORES: Laura S. Villar, Daniel S. Cortes, Yudy V. Benavides | Docente: Jorge Taboada | Universidad Libre. SECCIÓN 1: RESUMEN Y PROBLEMÁTICA El sector gastronómico enfrenta pérdidas económicas y un alto desperdicio de alimentos debido a la imprecisión en el cálculo de la demanda diaria (FAO, 2023). Los métodos empíricos generan sobreproducción (Rodrigues et al., 2024). SECCIÓN 2: METODOLOGÍA - Objetivo: Desarrollar un software web para predecir la demanda y optimizar compras. - Metodología: Prototipado por fases (Sommerville, 2020). Trabajo de campo en el restaurante "Donde Juancho", recolectando datos operativos por turnos. SECCIÓN 3: MODELO MATEMÁTICO Y TECNOLOGÍA - Modelo: Implementación de Suavizamiento Exponencial (Hyndman & Athanasopoulos, 2021) para pronosticar clientes, adaptándose a registros por turnos. - Arquitectura: Backend en Python/Flask (McKinney, 2022), Frontend en React y Base de Datos en Supabase. SECCIÓN 4: RESULTADOS E IMPACTO - Sistema web 100% funcional con descuento automático de inventario. - Impacto Ambiental: Se evita la sobreproducción. En un restaurante de ~100 platos/día, la app salva hasta 2 kg de comida diarios (evitando cocinar 5 platos extra), equivalente a más de 52 kg de alimentos rescatados al mes. PIE DE PÁGINA: Referencias: FAO (2023); Hyndman & Athanasopoulos (2021); McKinney (2022); Rodrigues et al. (2024); Sommerville (2020).
Created using ChatSlide
Este proyecto aborda la problemática de la demanda imprecisa en la gestión de alimentos, buscando reducir pérdidas y desperdicios. Utilizando un enfoque de prototipado por fases y tecnologías como Python/Flask y React, se implementa un sistema funcional que automatiza el inventario. Los resultados son significativos, logrando evitar hasta 2 kg de comida diaria y más de 52 kg mensuales, contribuyendo así a un impacto positivo en la reducción del desperdicio alimentario.