Sistema Predictivo basado en Machine Learning para la Estimación de Tiempos de Entrega en la Industria Textil

• Autores: Orellana Rojas, Shessira Cinthya, Estrada Ponce, Vrid Brayan
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/686679
• Enlace del recurso: http://hdl.handle.net/10757/686679
• Nivel de acceso: acceso abierto
• Materia: Industria textil; Análisis predictivo; Inteligencia artificial; Aprendizaje automático; Textile industry; Predictive analytics; Artificial intelligence; Machine learning; https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#2.00.00

La industria textil vive un momento desafiante: cada vez hay más competencia y los clientes son más exigentes con los tiempos de entrega. En este escenario, poder anticiparse y predecir con precisión cuándo se entregará un pedido ya no es un lujo, sino una necesidad. Cuando esa capacidad falla, los retrasos no solo generan molestias, sino que también dañan la reputación de la empresa y hacen que los clientes busquen alternativas más rápidas. Este trabajo tuvo como propósito desarrollar una herramienta que ayude a prever esos tiempos de entrega, usando técnicas de Machine Learning y regresión lineal. Para ello, se tomaron en cuenta datos reales de pedidos anteriores, tiempos de producción, logística y otras variables que influyen en el proceso. Los resultados fueron muy alentadores: el sistema logró hacer predicciones mucho más precisas, lo que permitió mejorar la organización interna y la coordinación con los clientes. En resumen, este sistema no solo reduce retrasos, sino que también ayuda a que todo funcione mejor. Por eso, se recomienda integrarlo en el día a día de las operaciones, ya que puede marcar una gran diferencia en la eficiencia del negocio y en la satisfacción de quienes reciben los productos.