Machine Learning para la mejora de control de inventario en una oficina de soporte técnico, Lima 2025

• Autor: Del Castillo Chavez, Dylan Josue
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/180156
• Enlace del recurso: https://hdl.handle.net/20.500.12692/180156
• Nivel de acceso: acceso abierto
• Materia: Gestión; Inventario; Inteligencia artificial; Aprendizaje; https://purl.org/pe-repo/ocde/ford#2.02.04

Esta investigación aborda la importancia de optimizar la gestión de inventarios mediante Machine Learning (ML), vinculándose con el Objetivo de Desarrollo Sostenible (ODS) 9: "Industria, innovación e infraestructura", al promover tecnologías eficientes para mejorar procesos logísticos. El objetivo general fue determinar el impacto de un módulo predictivo basado en ML en la gestión de inventario de una oficina de soporte técnico. Metodológicamente, se empleó un diseño cuantitativo preexperimental, con una muestra de 121 productos seleccionados aleatoriamente. Los datos se recolectaron mediante fichas de registro y se analizaron con SPSS, aplicando pruebas de normalidad (Shapiro-Wilk) y contrastes de hipótesis (prueba T de Student). Los resultados mostraron un aumento significativo en la rotación del inventario (de 3.95 a 5.10) y una reducción en su duración (de 8.1 a 3.18 días), validando la eficacia del ML. La principal conclusión destaca que la implementación de modelos predictivos optimiza la gestión de inventarios, reduce costos operativos y fortalece la toma de decisiones, siendo replicable en contextos similares.