Logo_Icesi
 

Pronóstico de demanda de inventario de los 5 productos más vendidos de la empresa Equipos y Controles Industriales

Vista sencilla de ítem
dc.audienceTodo Público
dc.contributor.advisorAgudelo Burbano, Diego Fernando
dc.contributor.authorSarmiento Marquez, Manuel Fabian
dc.coverage.spatialCali de Lat: 03 24 00 N degrees minutes Lat: 3.4000 decimal degrees Long: 076 30 00 W degrees minutes Long: -76.5000 decimal degrees.
dc.date.accessioned2026-02-24T20:00:25Z
dc.date.available2026-02-24T20:00:25Z
dc.date.issued2024-12-11
dc.description.abstractEl presente documento expone el trabajo realizado durante los últimos tres meses, cuyo objetivo fue pronosticar la demanda de inventario de los cinco productos más vendidos en lo corrido del año para la marca más comercializada por la compañía Equipos y Controles Industriales. Este pronóstico es crucial para optimizar la gestión de inventarios, reducir costos y mejorar la satisfacción del cliente, asegurando la disponibilidad de los productos más demandados.spa
dc.description.abstractThis document outlines the work carried out over the past three months, the objective of which was to forecast inventory demand for the five best-selling products this year for the most marketed brand of Equipos y Controles Industriales. This forecast is crucial for optimizing inventory management, reducing costs, and improving customer satisfaction by ensuring the availability of the most in-demand products.spa
dc.description.degreelevelMagíster
dc.description.degreenameTrabajo de grado para optar al título de Magister en Ciencia de Datos
dc.description.tableofcontents1. Integrantes y directores del trabajo de grado. 4 -- 2. Introducción. 4 -- 3. Contexto y Antecedentes. 4 -- 4. Planteamiento del Problema y Justificación 5 -- 5. Objetivos del proyecto 5 -- 5.1. Objetivo general 5 -- 5.2. Objetivos específicos 6 -- 6. Metodología 6 -- 7. Marco Teórico 6 -- 7.1. Modelos 7 -- 7.1.1. Modelo de Promedio Móvil 7 -- 7.1.2. Modelo de Suavizamiento Exponencial 7 -- 7.1.3. Modelo de Regresión Lineal 7 -- 7.1.4. Modelo autorregresivo integrado de media móvil 7 -- 7.2. Técnicas de optimización y de evaluación 8 -- 7.2.1. Optimización Bayesiana 8 -- 7.2.2. Ventanas Móviles 8 -- 7.2.3. RMSE 8 -- 8. Estado del Arte 8 -- 9. Propuesta 9 -- 9.1. Entendimiento del negocio y acceso a los datos 10 -- 9.2. Carga y Análisis exploratorio de datos 10 -- 9.3. Tendencias e identificación de atípicos 12 -- 9.4. Análisis para el Producto 1 14 -- 9.5. Análisis para el Producto 2 16 -- 9.6. Análisis para el Producto 3 18 -- 9.7. Análisis para el Producto 4 20 -- 9.8. Análisis para el Producto 5 22 -- 10. Resultados 24 -- 10.1. Pronósticos Producto 1 24 -- 10.2. Pronósticos Producto 2 25 -- 10.3. Pronósticos Producto 3 26 -- 10.4. Pronósticos Producto 4 27 -- 10.5. Pronósticos Producto 5 28 -- 11. Validación 29 -- 12. Conclusiones 30 -- 13. Referencias 31spa
dc.format.extent33 páginas
dc.format.mediumDigital
dc.format.mimetypeapplication/pdf
dc.identifier.OLIBhttps://biblioteca2.icesi.edu.co/cgi-olib/?oid=366442
dc.identifier.instnameinstname:Universidad Icesi
dc.identifier.reponamereponame:Biblioteca Digital
dc.identifier.repourlrepourl:https://repository.icesi.edu.co/
dc.identifier.urihttps://hdl.handle.net/10906/130568
dc.language.isospa
dc.publisherUniversidad Icesi
dc.publisher.facultyBarberi de Ingeniería, Diseño y Ciencias Aplicadas
dc.publisher.placeSantiago de Cali
dc.publisher.programMaestría en Ciencia de Datos
dc.relation.referencesAlonso, J. C. (2020). Introducción a los pronósticos con modelos estadístico de series de tiempo para científico de datos (en R). Universidad Icesi.spa
dc.relation.referencesSyntetos, A. A., Boylan, J. E., & Disney, S. M. (2009). Forecasting for inventory planning: a 50-year review. Journal of the Operational Research Society, 60(sup1), S149—S160. https://doi.org/10.1057/jors.2008.173spa
dc.relation.referencesMolodoria. “How To Apply Machine Learning To Demand & Sales Forecasting in Retail”. MobiDev. Accedido el 14 de abril de 2024. [En línea]. Disponible: https://mobidev.biz/blog/retail-demand-forecasting-with-machine-learningspa
dc.relation.referencesW. D. Ray, “ARIMA Forecasting Models in Inventory Control”, J. Oper. Res. Soc., vol. 33, n.º 6, p. 567, junio de 1982. Accedido el 14 de abril de 2024. [En línea]. Disponible: https://doi.org/10.2307/2581040spa
dc.relation.referencesA. P. Knopov y V. A. Pepelyaev, “Some Continuous Models of Inventory Control”, Cybern. Syst. Anal., vol. 41, n.º 3, pp. 465–467, mayo de 2005. Accedido el 14 de abril de 2024. [En línea]. Disponible: https://doi.org/10.1007/s10559-005-0080- 1spa
dc.relation.referencesR. Carbonneau, R. Vahidov y K. Laframboise, “Forecasting Supply Chain Demand Using Machine Learning Algorithms”, en Machine Learning. IGI Glob., 2012, pp. 1652–1686. Accedido el 14 de abril de 2024. [En línea]. Disponible: https://doi.org/10.4018/978-1-60960-818-7.ch609spa
dc.relation.referencesY. Chen, Y. Kang, Y. Chen y Z. Wang, “Probabilistic forecasting with temporal convolutional neural network”, Neurocomputing, vol. 399, pp. 491–501, julio de 2020. Accedido el 14 de abril de 2024. [En línea]. Disponible: https://doi.org/10.1016/j.neucom.2020.03.011spa
dc.relation.referencesF. Elkarmi y N. Abu Shikhah, “Electricity Demand Forecasting”, Int. J. Productiv. Manage. Assessment Technol., vol. 2, n.º 1, pp. 1–19, enero de 2014. Accedido el 14 de abril de 2024. [En línea]. Disponible: https://doi.org/10.4018/ijpmat.2014010101spa
dc.relation.referencesZeng, M. Chen, L. Zhang y Q. Xu, “Are Transformers Effective for Time Series Forecasting?”, Proc. AAAI Conf. Artif. Intell., vol. 37, n.º 9, pp. 11121–11128, junio de 2023. Accedido el 15 de abril de 2024. [En línea]. Disponible: https://doi.org/10.1609/aaai.v37i9.26317spa
dc.relation.referencesA. M. De Livera, R. J. Hyndman y R. D. Snyder, “Forecasting Time Series With Complex Seasonal Patterns Using Exponential Smoothing”, J. Amer. Statistical Assoc., vol. 106, n.º 496, pp. 1513–1527, diciembre de 2011. Accedido el 15 de abril de 2024. [En línea]. Disponible: https://doi.org/10.1198/jasa.2011.tm09771spa
dc.relation.referencesY. Kang, W. Cao, F. Petropoulos y F. Li, “Forecast with forecasts: Diversity matters”, Eur. J. Oper. Res., vol. 301, n.º 1, pp. 180–190, agosto de 2022. Accedido el 15 de abril de 2024. [En línea]. Disponible: https://doi.org/10.1016/j.ejor.2021.10.024spa
dc.relation.referencesG. Li y H. Song, “New Forecasting Models”, J. Travel & Tourism Marketing, vol. 21, n.º 4, pp. 3–13, agosto de 2007. Accedido el 15 de abril de 2024. [En línea]. Disponible: https://doi.org/10.1300/j073v21n04_02spa
dc.relation.referencesF. Ali, “Chinese GDP Forecast Using ARIMA Model”, SSRN Electron. J., 2023. Accedido el 15 de abril de 2024. [En línea]. Disponible: https://doi.org/10.2139/ssrn.4419429spa
dc.relation.references洁 . 任 , “Forecasting of the Scale of Employee Medical Insurance for Flexible Employers Based on GM (1,1) Model”, Operations Res. Fuzziol., vol. 12, n.º 04, pp. 1400–1406, 2022. Accedido el 15 de abril de 2024. [En línea]. Disponible: https://doi.org/10.12677/orf.2022.124148spa
dc.relation.referencesN. Schneidewind, “Software forecasting models”, J. Aerosp. Comput., Inf., Communication, vol. 6, n.º 9, pp. 540–552, septiembre de 2009. Accedido el 15 de abril de 2024. [En línea]. Disponible: https://doi.org/10.2514/1.38053spa
dc.relation.referencesS. Mishra. “Resample function of Pandas”. Medium. Accedido el 17 de abril de 2024. [En línea]. Disponible: https://towardsdatascience.com/resample-function-of-pandas-79b17ec82a78spa
dc.rightsEL AUTOR, expresa que la obra objeto de la presente autorización es original y la elaboró sin quebrantar ni suplantar los derechos de autor de terceros, y de tal forma, la obra es de su exclusiva autoría y tiene la titularidad sobre éste. PARÁGRAFO: en caso de queja o acción por parte de un tercero referente a los derechos de autor sobre el artículo, folleto o libro en cuestión, EL AUTOR, asumirá la responsabilidad total, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos, la Universidad Icesi actúa como un tercero de buena fe. Esta autorización, permite a la Universidad Icesi, de forma indefinida, para que en los términos establecidos en la Ley 23 de 1982, la Ley 44 de 1993, leyes y jurisprudencia vigente al respecto, haga publicación de este con fines educativos.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.licenseAttribution-NonCommercial-NoDerivatives 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.proposalGestión de inventariosspa
dc.subject.proposalPredicción de la demandaspa
dc.subject.proposalMinería de datosspa
dc.subject.proposalModelos estadísticosspa
dc.subject.proposalInvestigación operativaspa
dc.subject.proposalControl de existenciasspa
dc.subject.proposalAnálisis de series temporalesspa
dc.subject.proposalTesis de Maestría en Ciencia de Datosspa
dc.subject.proposalInventory managementeng
dc.subject.proposalDemand forecastingeng
dc.subject.proposalData miningeng
dc.subject.proposalStatistical modelseng
dc.subject.proposalOperations researcheng
dc.subject.proposalStock controleng
dc.subject.proposalTime series analysiseng
dc.titlePronóstico de demanda de inventario de los 5 productos más vendidos de la empresa Equipos y Controles Industrialesspa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.localTesis de maestría
dc.type.versioninfo:eu-repo/semantics/publishedVersion

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
T03074.pdf
Tamaño:
2.36 MB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ciencia de Datos