%0 Journal Article 
%A Suárez Fernández, Isabella
%A Trespalacios Esquivel, Angie
%A Gamero Pinillos, Yuleicy
%T Desarrollo de un sistema de pronóstico para la planificación de la demanda en herramientas eléctricas y equipos de construcción


%U http://hdl.handle.net/10584/13012
%X El pronóstico de la demanda es fundamental para anticipar las necesidades del mercado y mejorar la gestión de inventarios. Al aprovechar datos históricos con herramientas avanzadas, es posible identificar tendencias y patrones que ayudan a evitar tanto faltantes como excesos de stock. Este proyecto tiene como objetivo abordar los desafíos del pronóstico de demanda en una empresa dedicada a la distribución de herramientas eléctricas y equipos de construcción. Actualmente, la empresa se basa en promedios de ventas pasadas, un método que no contempla las fluctuaciones ni las tendencias del mercado, lo que a menudo resulta en desabastecimientos o excesos de inventario. Para solucionar este problema, proponemos desarrollar modelos predictivos basados en técnicas avanzadas de machine learning. Estos modelos permitirán realizar pronósticos más precisos al captar patrones complejos en los datos. Además, se incorporarán modelos más sencillos para detectar patrones básicos y estacionales, ofreciendo una solución integral debido a las diferentes series de tiempo. Como parte del análisis, se comparan los pronósticos generados por los modelos avanzados con el método tradicional utilizado por la empresa, y se espera un mejor rendimiento y disminución los errores por parte de las técnicas de pronóstico utilizadas. Adicionalmente, se desarrolló una interfaz práctica que permite a la empresa visualizar las predicciones futuras de forma sencilla y práctica, facilitando el acceso a la información clave de periodos futuros, mejorando la toma de decisiones y mejorando la gestión de inventarios.

%K Pronóstico de demanda, gestión de inventarios, modelos predictivos, equipos de construcción, series de tiempo, machine learning, errores de pronóstico, interfaz práctica
%K Demand forecasting, Inventory management, Predictive models,  Construction equipment, Time series, Machine learning,  Forecasting errors,  User-friendly interface
%~ GOEDOC, SUB GOETTINGEN