Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Briñez de León, Juan CarlosOrtega Fuentes, Jose DavidRodríguez Guzmán, Gilberto JoséAlbarracín Cristancho, Eliana Yulied2024-11-162024-11-162024https://repositorio.uniremington.edu.co/handle/123456789/5416Ingeomega SAS es una empresa de ingeniería con sede en Medellín que ofrece soluciones en áreas como telecomunicaciones, electricidad y obras civiles. En el desarrollo de sus proyectos, Ingeomega ha detectado la necesidad de optimizar el proceso de adquisición de materiales para ajustarse a las necesidades específicas de cada grupo de trabajo. Esta estrategia de compras inteligentes se centra en mantener un control preciso sobre los materiales utilizados, con el objetivo de reducir costos por exceso de inventario y minimizar el riesgo de desabastecimiento, lo que podría afectar la continuidad de sus proyectos. Este estudio busca analizar cómo la implementación de un modelo de Machine Learning basado en los datos históricos de consumo de materiales puede mejorar la eficiencia del proceso de abastecimiento y reducir el riesgo de desabastecimiento en la empresa. La hipótesis plantea que un análisis predictivo de consumo permitirá a Ingeomega predecir con precisión las necesidades de materiales para cada proyecto, optimizando así el proceso de compras y reduciendo los costos asociados. Para alcanzar estos objetivos, se propone un modelo de análisis de datos que permita prever el consumo de materiales en función de patrones históricos. Los objetivos específicos incluyen el desarrollo de un modelo de Machine Learning para la predicción de consumo, la implementación de un sistema de gestión de inventario basado en patrones de consumo, la evaluación de la reducción de costos y la implementación de un sistema que evite el desabastecimiento. de materiales en proyectos clave de la empresa. En cuanto a la metodología, el análisis se realizará sobre un conjunto de datos que contiene registros detallados de consumo de materiales de Ingeomega SAS, empresa que brinda servicios a Empresas Públicas de Medellín (EPM) en el área de control de pérdidas en la región del Bajo Cauca antioqueño. Los datos cuentan con 9 columnas y 16,496 registros, lo cual permite realizar un análisis exhaustivo para identificar patrones y tendencias en el uso de los recursos materiales. Con estos datos, se espera obtener una mejora en la planificación y administración de los inventarios de la empresa.42 p.application/pdfspaDerechos Reservados - Corporación Universitaria Remington, 2024Optimización de inventarioAprendizaje automáticoConsumo de materialesPredicción de demandaCompras inteligentesTrabajo de grado - Pregradoinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Aprendizaje automático (Inteligencia artificial)Análisis de datosTelecomunicaciones