“MODELO PREDICTIVO A TRAVÉS DE TÉCNICAS DE MINERÍA DE DATOS PARA MEJORAR LA PLANIFICACIÓN DE SUMINISTROS EN LA PROCESADORA INDUSTRIAL RIO SECO”

No hay miniatura disponible
Fecha
2021-04-23
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Nacional de Huancavelica
Resumen
En la presente tesis titulada “Modelo predictivo a través de técnicas de minería de datos para mejorar la planificación de suministros en procesadora industrial rio seco”, presenta muchas deficiencias en la Gestión de Inventarios, básicamente en la planificación y control de suministros críticos, se evidencia una mala identificación de los tipos de suministros ya sea por su nivel de importancia dentro de la operación o por la rotación de los mismos, suministros críticos, regulares y estratégico. Con la aplicación de un modelo predictivo a través de técnicas de Minería de Datos mejora la planificación de suministros críticos en Procesadora Industrial Río Seco. El tipo de estudio de la presente investigación es Gestión de TI, se estudió la problemática con la metodología CRISP-DM utilizando la técnica de series de tiempo. La metodología de CRISP-DM es un modelo de proceso de minería de datos que incluye una guía estructurada en seis fases, alguna de las cuales algunas son bidireccionales. El tipo de investigación es aplicada-Tecnológica, Nivel de investigación Explicativo, El diseño de investigación es Pre-experimental. El modelo predictivo de Microsoft de series temporales y la importancia dentro de los modelos de aprendizajes supervisados inicia desde la fase de definición, diseño hasta la fase de explotación de la información. La creación de un modelo de series temporales a permitido mejorar la planificación de suministros críticos ya que se basan en un enfoque netamente predictivo y en ellos los pronósticos se elaboran solo con base al comportamiento pasado. La utilización del algoritmo ARIMA que utiliza SQL Server 2014, son para las predicciones a largo plazo. Analizar los datos, es así como el modelo de series temporales nos ayuda en la planificación de inventarios, los niveles de ruptura de stock reducen considerablemente, los índices de rotación de los suministros mejoran y la exactitud de inventarios es más exacto ya que se tiene una visión más exacta gracias a las estimaciones de valores de consumo, encontrar patrones que describan el comportamiento de cada producto. PALABRAS CLAVES: Modelo Predictivo, Series de tiempo, CRISP-DM, Minería de datos, planificación y suministros.
Descripción
Palabras clave
Modelo Predictivo
Citación
Colecciones