Sistema de inventario inteligente basado en el modelo EOQ probabilístico para mejorar el proceso de compra en una estación de servicios

Abstract

El presente trabajo desarrolló un sistema inteligente de gestión de inventarios basado en el modelo EOQ probabilístico, integrando técnicas avanzadas de inteligencia artificial para la predicción de la demanda en la estación de servicios YAMMAR E.I.R.L. El objetivo principal fue optimizar la gestión integral del inventario mediante la reducción significativa de los costos operativos y la mejora en la disponibilidad continua de productos. Se aplicó la metodología CRISP-DM para estructurar las fases del desarrollo, abarcando desde la preparación de datos hasta el modelado predictivo. Entre los resultados más destacados se obtuvo una reducción del 83 % en la frecuencia mensual de faltantes de stock, pasando de aproximadamente tres eventos mensuales a menos de uno; una disminución promedio del 22 % en los costos operativos asociados a pedidos, atribuida al uso del modelo EOQ; y un modelo de predicción con una precisión de hasta 89 % (R² = 0.89) en uno de los productos principales evaluados. Asimismo, se evaluó la experiencia del usuario final mediante una encuesta de usabilidad, alcanzando un nivel de satisfacción del 94.29 %, lo que demuestra la facilidad de uso, claridad de la interfaz y utilidad de las funcionalidades implementadas. Estos indicadores validan la efectividad del sistema en términos de precisión y ahorro, así como su aplicabilidad como solución replicable en otras estaciones de servicio con problemáticas similares de abastecimiento y planificación de compras.

This work developed an intelligent inventory management system based on the probabilistic EOQ model, integrating advanced artificial intelligence techniques for the prediction of demand in the service station YAMMAR E.I.R.L. The main objective was to optimize the integral inventory management by significantly reducing operating costs and improving the continuous availability of products. The CRISP-DM methodology was applied to structure the development phases, ranging from data preparation to predictive modeling. Among the most outstanding results were an 83 % reduction in the monthly frequency of stock shortages, from approximately three events per month to less than one; an average 22 % reduction in operating costs associated with orders, attributed to the use of the EOQ model; and a predictive model with an accuracy of up to 89 % (R² = 0.89) in one of the main products evaluated. Likewise, the end-user experience was evaluated through a usability survey, reaching a satisfaction level of 94.29 %, which demonstrates the ease of use, clarity of the interface and usefulness of the implemented functionalities. These indicators validate the effectiveness of the system in terms of accuracy and savings, as well as its applicability as a replicable solution in other service stations with similar supply and purchase planning problems.