Especialización en Big Data

Permanent URI for this collectionhttps://repositorio.pascualbravo.edu.co/handle/pascualbravo/2792

Browse

Browsing Especialización en Big Data by Subject "Gestión de inventarios"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Modelo predictivo para la gestión eficiente del consumo de materiales en mantenimientos de redes de distribución eléctrica
    (Institución Universitaria Pascual Bravo, 2025) Uribe Rios, Janny Michael; Becerra Botero, Miguel Alberto
    En el ámbito del mantenimiento de redes de distribución de energía eléctrica, el consumo de materiales es constante debido a las actividades de mantenimiento preventivo y correctivo. Actualmente, la planificación de compras se realiza mediante una metodología empírica: se toma como base el consumo del año anterior, se incrementa en un 15 %, y se consideran necesidades adicionales detectadas por el personal técnico. Este enfoque puede generar ineficiencias, sobrecostos y errores en la gestión del inventario. Frente a esta situación, el presente trabajo de grado propone el desarrollo de un modelo predictivo basado en regresión lineal, utilizando datos históricos de consumo de materiales correspondientes a los años 2021, 2022, 2023 y 2024. Este modelo está diseñado para proyectar el consumo del año inmediatamente siguiente al más reciente disponible, facilitando una estimación más precisa y técnica de las necesidades materiales. La implementación del modelo permitirá optimizar la planificación de compras, reducir el desperdicio de recursos, mejorar la gestión de inventarios y modernizar los procesos de toma de decisiones en la adquisición de insumos. De esta manera, se busca fortalecer la eficiencia operativa y asegurar la continuidad y calidad del servicio eléctrico.
  • No Thumbnail Available
    Item
    Predicción de demanda por línea de venta con aprendizaje automático
    (Institución Universitaria Pascual Bravo, 2025) Ospina Rendon, Diego Fernando; Becerra Botero, Miguel Alberto
    Este trabajo se enfoca en el diseño de un sistema de soporte para la toma de decisiones, fundamentado en la predicción de la demanda de productos en una empresa del sector retail dedicada a la comercialización de autopartes. El análisis se orientó a cuatro líneas de venta estratégicas: Línea Diesel, Línea CamperosDicol, Línea Rodamientos y Línea Tamayo. Se desarrolló un proceso integral que incluyó análisis exploratorio de datos (EDA), visualización de series temporales y un análisis comparativo entre modelos estadísticos de series de tiempo (SARIMA) y de aprendizaje automático (Random Forest). Los modelos SARIMA evidenciaron limitaciones, especialmente en líneas con alta variabilidad como CamperosDicol y Tamayo, mostrando valores negativos en R² y errores de predicción elevados. En contraste, el modelo Random Forest, tras la optimización de hiperparámetros, logró un desempeño sobresaliente en todas las líneas de venta. En particular, alcanzó valores de R² superiores al 0.89 y reducciones significativas en MAE y RMSE, destacándose como la opción más precisa y robusta para la predicción de la demanda. En términos de exactitud, el mejor resultado se obtuvo en la Línea Rodamientos con Random Forest optimizado, alcanzando un R² de 0.9213 y un MAE de tan solo 50.38 unidades, lo cual representa un nivel de precisión altamente favorable para la planificación de inventario y toma de decisiones estratégicas.