Modelo de predicción para determinar la compra de productos manteniendo un stock adecuado de artículos de ferretería. Caso aplicado a la Ferretería MAYTA

Abstract

En este proyecto de investigación titulada Modelo de predicción para determina la compra de productos manteniendo un stock adecuado, teniendo como objetivo desarrollar un modelo de predicción para determinar la compra de productos manteniendo un stock adecuado artículos de ferretería. Fue de tipo aplicada y un diseño experimental donde se escogieron 168 productos en base a los datos históricos obtenidos. La cual pasaron un riguroso proceso de recolección y selección de datos y limpieza de las mismas. Los resultados muestran que los modelos de árbol como J48 tienen un 99.85% de correcta clasificación con un error absoluto medio 0.0009, el RandomForest tiene 99.85% de correcta clasificación con un error absoluto medio 0.001, el RandomTree tiene un 99.85% correcto asertividad con un error absoluto medio 0.0009 y el modelo de Rules como JRip tiene un 99.85% con error absoluto medio 0.0052. Se concluye que el modelo J48 es el mejor modelo desarrollado para determinar la compra de productos ya que tiene 99.85% de asertividad y también el TandomTree con un 99.85%, la diferencia con los otros 2 es que tiene un error absoluto medio de 0.0009.