Análisis de modelos basados en Machine Learning para la predicción de la demanda de productos en la empresa Dyna & Cía. S.A

Abstract

RESUMEN : Este estudio tuvo como objetivo analizar el uso de técnicas y modelos basados en Machine Learning para el pronóstico de la demanda en Dyna & Cía. S.A. La metodología utilizada se centró en modelos de Machine Learning que mejoran el rendimiento propio del modelo mediante el uso de datos. Los resultados obtenidos indican que los modelos de aprendizaje automático superan al método utilizado actualmente por la empresa en términos de ajuste y precisión del pronóstico de la demanda. Esto significa que los modelos basados en Machine Learning ofrecen una mejora significativa en la capacidad de predecir la demanda de productos de Dyna & Cía. S.A., además de brindar más posibilidades para explorar y seleccionar mejores herramientas con el fin disminuir el error de la predicción. Finalmente, el estudio demuestra la importancia en el uso de técnicas y modelos basados en Machine Learning para generar pronósticos de demanda más acertados para Dyna & Cía. S.A., lo que permite una toma de decisiones más informada y eficiente en la gestión de la demanda.

ABSTRACT : This study aimed to analyze the use of techniques and models based on Machine Learning for demand forecasting in Dyna & Cía. S.A. The methodology used focused on Machine Learning models that improve the model's own performance using data. The results obtained indicate that Machine Learning models outperform the method currently used by the company in terms of demand forecast fit and accuracy. This means that the Machine Learning based models offer a significant improvement in the ability to predict the demand for Dyna & Cía. S.A. products, as well as providing more possibilities to explore and select better tools to decrease the prediction error. Finally, the study demonstrates the importance of using techniques and models based on Machine Learning to generate more accurate demand forecasts for Dyna & Cía. S.A., which allows a more informed and efficient decision making in demand management.