Implementación de machine learning para la predicción de demanda en la ferretería Vargas

Abstract

En el proyecto tomamos como base a la ferretería Vargas, en donde se presentaban deficiencias críticas con respecto a la gestión de la logística al momento de abastecer la tienda. Por ello se puso como objetivo el “Implementar un sistema de Machine Learning con funciones de predicción de demanda, del año 2025”. La metodología empleada fue del tipo cuantitativa con diseño experimental y con un enfoque aplicativo dada la naturaleza de la investigación. Los resultados lograron demostrar las validaciones puntuales de las hipótesis, el cómo el algoritmo XGBoost mejoró significativamente la eficiencia del abastecimiento, se redujo el quiebre de stock, por ejemplo, en la segunda quincena de septiembre de 2025, el modelo registró apenas un 0.76% de quiebre frente al 38% del método tradicional. Se concluyó que el uso de algoritmos funciona mejor en campos complejos que alteran la normalidad de las ventas, como lo sucedido en la pandemia, el buscar métodos es crucial para adaptarse y asegurar la continuidad operativa del negocio.