Desarrollo de un Sistema Analítico Predictivo para la Gestión Inteligente de Inventarios utilizando datos Simulados y Modelado Estadístico en RStudio

Abstract

El presente trabajo de grado tuvo como objetivo desarrollar un sistema analítico predictivo para la gestión inteligente de inventarios mediante la generación de datos simulados y el modelado estadístico en RStudio, con el propósito de apoyar la toma de decisiones en escenarios caracterizados por incertidumbre en la demanda y el abastecimiento. El estudio se desarrolló bajo un enfoque cuantitativo, con alcance descriptivo-explicativo y método deductivo, integrando técnicas de simulación, análisis estadístico y aprendizaje automático.

Inicialmente, se diseñó un catálogo maestro representativo del sector ferretero industrial, conformado por 120 SKU. Posteriormente, se definieron las variables, parámetros de simulación y distribuciones probabilísticas requeridas para representar el comportamiento de la demanda, los tiempos de abastecimiento y los costos. A partir de estos elementos, se implementó en RStudio un generador reproducible que permitió construir un dataset sintético de 6.240 registros correspondientes a 52 semanas de simulación.

La calidad del dataset fue verificada mediante criterios de consistencia estructural y validaciones orientadas a garantizar su integridad y reproducibilidad. Con base en los datos generados, se desarrollaron modelos estadísticos y algoritmos de aprendizaje automático para el pronóstico de la demanda, cuyo desempeño fue evaluado mediante las métricas MAE, RMSE y WAPE. Finalmente, se elaboró un módulo didáctico con casos prácticos y scripts comentados para facilitar la aplicación de estas herramientas en procesos de formación en Ingeniería Industrial.

Los resultados mostraron que la integración de simulación, modelado estadístico y análisis predictivo permitió disponer de un entorno reproducible para la experimentación y el análisis de alternativas de gestión de inventarios, favoreciendo el desarrollo de competencias analíticas y la transferencia del conocimiento a contextos académicos y organizacionales.