Modelo de Machine Learning para la normalización y geocodificación de direcciones en Imbocar S.A.S. Semestre de industria

Abstract

RESUMEN : Este proyecto se enfocó en optimizar los procesos de normalización y geocodificación de direcciones en la empresa Imbocar S.A.S., desarrollando una solución automatizada que reduce la carga de trabajo manual y mejora la eficiencia operativa. Mediante el uso de técnicas de Procesamiento de Lenguaje Natural (NLP), incluyendo el Reconocimiento de Entidades Nombradas (NER) para identificar y estructurar los componentes clave de las direcciones, y la integración con la API de Google Maps, se logró diseñar un modelo que disminuye el tiempo de normalización y reduce los costos por dirección en un 209%. La solución también eliminó la dependencia de proveedores externos, otorgando mayor control interno sobre los procesos logísticos y aumentando la confiabilidad de los datos procesados. Este trabajo demuestra el impacto positivo del desarrollo de soluciones automatizadas, reduciendo costos, optimizando tiempos y fortaleciendo la capacidad operativa de Imbocar, mientras sienta las bases para posibles mejoras a futuro.

ABSTRACT : This project aimed to optimize the address normalization and geocoding processes at Imbocar S.A.S., developing an automated solution that reduces the manual workload and improves operational efficiency. A model was designed using natural language processing (NLP) techniques, including named entity recognition (NER) to identify and structure the key components of addresses, and integration with the Google Maps API, which reduces normalization time and reduces costs per address by 209%. The solution also avoided dependence on external suppliers, giving greater internal control over logistical processes and increasing the reliability of the data processed. This work demonstrates the positive impact of developing automated solutions, reducing costs, optimizing time and increasing Imbocar's operational capacity, while laying the groundwork for possible future improvements.