Aquest projecte optimitza el procés de facturació a la companyia Amphora Logistics. Millora la precisió i l'eficiència, prediu els pesos dels transportistes i optimitza els costos. Se separa en dos blocs principals: integració i anàlisi de dades. S'analitza el procés de facturació actual, se n'identifiquen les limitacions i es proposa un enfocament integrat. L'extracció de dades automatitzada de les factures dels transportistes i l'anàlisi estadística ajuden els treballadors de finances a controlar els costos d'enviament mitjançant l'ecosistema d'AWS. Una anàlisi comparativa produeix noves tarifes i transportistes òptims en funció de la regió nacional o país i el pes, fent una simulació per avaluar-ne l'impacte. Els models predictius (regressió lineal, xarxes neuronals) prediuen el pes brut i volumètric dels transportistes, utilitzant els productes i el pes brut enviat. Pel que fa a l'impacte d'aquesta tesi, la integració ha reduït un 70\% el temps de facturació, l'anàlisi òptima estalvia un 2.55\% en costos i els models predictius tenen una precisió superior al 90\% al 77.7\% dels enviaments. Aquestes solucions milloren l'eficiència, redueixen els costos i milloren la presa de decisions a Amphora Logistics.
This thesis optimizes the billing process in Amphora Logistics Company. It improves accuracy and efficiency, predicts carrier weights, and optimizes costs. Two main blocks are addressed: data integration and analysis. The current billing process is analyzed, limitations identified, and an integrated approach proposed. The automated data extraction from carrier bills and statistical analysis help finance workers in controlling shipping costs, using AWS ecosystem. A comparative analysis leads to new rates and optimal carriers for each national region or country and weight, making a simulation to evaluate their impact. The predictive models (linear regression, neural networks) predict carriers gross and volumetric weights using products and gross weight shipped. As for the impact of this thesis, the integration reduced billing time by 70\%, the optimal analysis saved 2.55\% in costs and predictive models achieved over 90\% accuracy in 77.7\% of orders. These approaches enhance efficiency, reduce costs, and improve decision-making at Amphora Logistics.
