Desarrollo de un Modelo Predictivo Inteligente para la Gestión de la Bodega General de una Industria Láctea mediante Redes Neuronales

La industria láctea ecuatoriana constituye un pilar estratégico del sistema agroalimentario nacional, al integrar cadenas productivas que generan empleo, valor agregado y abastecimiento continuo de productos de primera necesidad. Sin embargo, las deficiencias en la gestión de inventarios y en la planificación del abastecimiento afectan la eficiencia operativa de las empresas del sector, al provocar desbalances entre la disponibilidad de insumos y los requerimientos reales de producción. Frente a esta problemática, el presente estudio propone el desarrollo de un modelo predictivo de necesidades de abastecimiento basado en aprendizaje automático y redes neuronales artificiales, orientado a optimizar la gestión de la bodega general de una industria láctea ubicada en Cuenca. La metodología se estructuró en tres fases: revisión sistemática de literatura y diagnóstico inicial; construcción del modelo predictivo con comparación de arquitecturas; y evaluación del modelo en escenarios alternativos de consumo para analizar su sensibilidad y estabilidad, además de formular recomendaciones de mejora. Los resultados evidencian que el modelo híbrido MLPLSTM mejora la capacidad de pronóstico frente a modelos tradicionales, especialmente en series de consumo con alta intermitencia, mostrando un error absoluto medio condicional adecuado y buena generalización. En conclusión, el modelo propuesto aporta una herramienta tecnológica para reducir sobrestock, prevenir faltantes y fortalecer la eficiencia y sostenibilidad logística.

• 1. Verfasser: Arce Campoverde, Jeniffer Mishelle (author)
• Weitere Verfasser: Fajardo Parra, Kevin Fernando (author)
• Format: bachelorThesis
• Sprache: spa
• Veröffentlicht: 2026
• Schlagworte: Ingeniería Industrial; Aprendizaje automático; Redes neuronales; Industria láctea
• Online Zugang: https://dspace.ucuenca.edu.ec/handle/123456789/48057