Mostrar el registro sencillo del ítem

dc.contributor.advisorTaquía Gutiérrez, José Antonio
dc.contributor.authorGonzalez Jauregui, Bruno Piero
dc.contributor.authorMariscal Cruzado, Diana Micaela
dc.date.accessioned2024-11-06T14:05:26Z
dc.date.available2024-11-06T14:05:26Z
dc.date.issued2024
dc.identifier.citationGonzalez Jauregui, B. P., & Mariscal Cruzado, D. M. (2024). Improvement proposal based on machine learning, big data and DDMRP to improve forecasting compliance in a consumer goods company [Tesis para optar el Título Profesional de Ingeniero Industrial, Universidad de Lima]. Repositorio Institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/21467es_PE
dc.identifier.urihttps://hdl.handle.net/20.500.12724/21467
dc.description.abstractHoy en día, es crucial pronosticar con precisión los productos, especialmente para una empresa que importa sus productos. Disponer de una previsión precisa permite a la empresa optimizar la gestión de recursos, aumentando la productividad y evitando la sobreventa o subventa de productos. Además, establecer un modelo de planificación de materiales basado en la demanda es esencial para garantizar que nuestros proveedores cumplan con sus compromisos de nivel de servicio. En este proyecto de investigación, se emplean Machine Learning y Big Data para mejorar los métodos de previsión de las empresas de bienes de consumo. Se han entrenado los datos recopilados de las ventas de la empresa durante los últimos cuatro años para “la categoría de cabello” y se empleará el método Arima para predecir los primeros 8 meses del año 2023. Además, el Plan de requisitos de materiales impulsado por la demanda (DDMRP) se implementa para mejorar el nivel de servicio de los proveedores. El impacto del modelo propuesto se evaluará utilizando indicadores como el sesgo de pronóstico (FB), la precisión del pronóstico (FA), el error porcentual absoluto medio (MAPE) y el acuerdo de nivel de servicio (SLA).es_PE
dc.description.abstractNowadays, is crucial to accurately forecast products, especially for a company that import its goods. Having an accurate forecasting enables the company to optimize resource management, increasing productivity and preventing overselling or underselling of products. Additionally, establishing a demand-based material planning model is essential to ensure that our suppliers meet their service level commitments. In this research project, Machine Learning and Big Data are employed to enhance de forecasting methods of consumer goods company. The data collected from the company’s sales over the last four years for “the hair category” has been trained and the Arima method will be employed to predict the first 8 months of the year 2023. Furthermore, the Demand Driven Material Requirement Plan (DDMRP) is implemented to improve suppliers service level. The impact of the proposed model will be evaluated using indicators such as Forecast Bias (FB), Forecast Accuracy (FA), Mean Absolute Percentage Error (MAPE) and Service Level Agreement (SLA).en_EN
dc.formatapplication/pdf
dc.language.isoeng
dc.publisherUniversidad de Lima
dc.rightsinfo:eu-repo/semantics/openAccess*
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.sourceRepositorio Institucional Ulima
dc.sourceUniversidad de Lima
dc.subjectPendienteen_EN
dc.subjectPendientees_PE
dc.titleImprovement proposal based on machine learning, big data and DDMRP to improve forecasting compliance in a consumer goods companyen_EN
dc.typeinfo:eu-repo/semantics/bachelorThesis
thesis.degree.disciplineIngeniería Industrial
thesis.degree.grantorUniversidad de Lima. Facultad de Ingeniería
thesis.degree.levelTitulo profesional
dc.type.otherTesis
thesis.degree.nameIngeniero Industrial
dc.publisher.countryPE
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04
renati.author.dni71910212
renati.author.dni71120066
renati.advisor.orcidhttps://orcid.org/ 0000-0002-1711-6603
renati.advisor.dni09994370
renati.jurorMalaga Ortiz Maria Teresa
renati.jurorCalderon Gonzales, Wilson David
renati.jurorTaquía Gutiérrez, José Antonio
renati.levelhttp://purl.org/pe-repo/renati/level#tituloProfesional*
renati.typehttps://purl.org/pe-repo/renati/type#tesis*
renati.discipline722026
ulima.catOI
dc.identifier.isni121541816


Ficheros en el ítem

Thumbnail
Thumbnail
Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

info:eu-repo/semantics/openAccess
Excepto si se señala otra cosa, la licencia del ítem se describe como info:eu-repo/semantics/openAccess