Sistema inteligente de apoyo a la gestión de inventario para los productos de mayor rotación de la mina Shahuindo

Abstract

La presente tesis tuvo como objetivo general implementar un sistema inteligente de apoyo a la gestión de inventario para los productos de mayor rotación de la mina Shahuindo. Para ello, se desarrolló un modelo predictivo utilizando el algoritmo RandomForestRegressor, el cual alcanzó una precisión del 90.67% y un coeficiente R² de 0.91, optimizando la predicción de la demanda basándose en datos históricos. Asimismo, se diseñó un módulo de toma de ecisiones usando redes neuronales, capaz de generar sugerencias de decisión automáticas según el comportamiento del inventario. Ambos algoritmos fueron integrados en una plataforma web que permite monitorear niveles de stock en tiempo real, emitir alertas y generar órdenes de compra. La validación del sistema se realizó mediante la comparación entre los resultados del modelo predictivo y el consumo real, mostrando una mejora significativa en la planificación y respuesta logística. La aplicación del sistema evidenció una reducción del riesgo de quiebres de stock y mayor eficiencia operativa, cumpliendo con los objetivos específicos y demostrando su potencial de escalabilidad a otros contextos industriales.

The general objective of this thesis was to implement an intelligent inventory management support system for the Shahuindo mine's high-volume products. To this end, a predictive model was developed using the RandomForestRegressor algorithm, which achieved an accuracy of 90.67% and an R² coefficient of 0.91, optimizing demand prediction based on historical data. A decision-making module was also designed using neural networks, capable of generating automatic decision suggestions based on inventory behavior. Both algorithms were integrated into a web platform that allows real-time stock level monitoring, alerts, and purchase orders. The system was validated by comparing the results of the predictive model with actual consumption, demonstrating a significant improvement in logistics planning and response. The system's implementation demonstrated a reduction in the risk of stockouts and increased operational efficiency, meeting specific objectives and demonstrating its potential for scalability to other industrial contexts.