Machine learning para la predicción en la gestión de inventario dirigida a PYMES de venta de productos tecnológicos

Abstract

El estudio ha permitido conocer resultados sobre la influencia que tiene un sistema basado en machine learning en la predicción de gestión de inventarios, los cuales son dirigidas a las PYMES de venta de productos tecnológicos. Asimismo, se tiene la contribución para impulsar la innovación, mejorar métricas de eficiencia para la gestión y apoyar el desarrollo de las pequeñas empresas. La investigación fue de tipo aplicada y como población se tomaron los 64 productos que tenía inventariado la empresa del caso de estudio. Para el desarrollo del sistema se realizó mediante CRISP-DM, cuya metodología es idónea para el contexto específico de las empresas. Adicionalmente a ello, se realizó la comparación de tres algoritmos que tuvieron mayor precisión en el entrenamiento de modelos de predicción basados en las investigaciones previas halladas, en este caso se compararon los algoritmos de regresión lineal, árbol aleatorio y mejora gradual, estos fueron evaluados utilizando los datos requeridos de duración y rotación de los inventarios. El algoritmo de mejora gradual fue el que obtuvo mejores resultados con el coeficiente de determinación (R2) y menores errores cuadráticos medios (MSE). Al aplicar el sistema de predicción con el modelo de mejora gradual la empresa pudo tomar mejores decisiones en el manejo del inventario la cual se vio reflejada con la mejora de la rotación y la disminución de la duración del inventario. Finalmente, se precisa que machine learning influyó positivamente en la mejora de la gestión del inventario.