PREDICCIÓN DE DEMANDA PARA OPTIMIZAR EL STOCK DE UNA EMPRESA DISTRIBUIDORA

Abstract

La gestión eficaz del inventario es crucial para las empresas. La correcta estimación de la demanda es vital para evitar tanto la sobreestimación como la subestimación del inventario, que pueden resultar en costes financieros significativos o roturas de stock. Con este fin, se propone un proyecto para optimizar el proceso de aprovisionamiento de una empresa distribuidora de producto terminado mediante técnicas avanzadas de predicción de demanda. La metodología incluye un análisis exhaustivo de datos históricos de ventas, tiempos de entrega y niveles de stock. Se han utilizado tanto métodos tradicionales como algoritmos de inteligencia artificial para identificar patrones y tendencias, mejorando así, la precisión de los pronósticos. Los distintos modelos fueron evaluados utilizando métricas como RMSE, MAE y R2, destacando el algoritmo Random Forest como el más eficaz. Finalmente, se realizó una comparativa entre los costes actuales de mantenimiento de stock y los costes proyectados al implementar el modelo ganador.

En resumen, el objetivo principal de este trabajo es proporcionar a la empresa un modelo que permita realizar previsiones de demanda, con el fin de mejorar la gestión actual del inventario. Esto ayudará a mitigar los riesgos asociados a una gestión ineficiente del inventario y a mejorar la capacidad de respuesta ante las fluctuaciones del mercado.