Publication: Estrategia computacional para predecir estimación de demanda en abastecimiento automático, utilizando algoritmos de machine learning
Loading...
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Corporación Universitaria Remington
Abstract
Este trabajo de grado tiene como objetivo aplicar técnicas de análisis de compras de fábricas con la inminente necesidad de solucionar los recurrentes problemas de abastecimiento que afectan la producción con el objetivo de predecir la cantidad y los tiempos de abastecimiento la materia prima necesarios para un año de producción. Bajo esto, se utilizó un conjunto de datos con información de año de compra de artículos, incluyendo variables como fecha de compra, proveedor descripción artículo, número de orden, entre otros. A lo largo del proyecto, se realizó un análisis completo que incluyó la limpieza de los datos, transformación de variables y selección de características relevantes. Posteriormente, se entrenaron distintos algoritmos de clasificación supervisada como regresión logística, árboles de decisión, Random Forest, SVM, entre otros, con el fin de predecir si un préstamo debía ser aprobado o rechazado. Este conjunto de datos es una instantánea de un panorama minorista ficticio, que captura los atributos esenciales que impulsan las operaciones minoristas y las interacciones con los clientes. Incluye detalles clave como el ID de la transacción, la fecha, el ID del cliente, el género, la edad, la categoría del producto, la cantidad, el precio unitario y el importe total. Estos atributos permiten una exploración multifacética de las tendencias de ventas, las influencias demográficas y los comportamientos de compra.
Description
Keywords
Machine Learning, Abastecimiento, Artículo, Orden de compra, Algoritmos de predicción, Análisis de datos, Modelos de decisión, Regresión logística