En el sector industrial, la gestión de inventarios enfrenta constantes desafíos debido a la variabilidad de la demanda, los plazos de entrega irregulares y la falta de integración entre los sistemas de información. Estas limitaciones dificultan mantener un equilibrio entre la disponibilidad de insumos y la eficiencia operativa, generando sobrecostos por exceso de stock y pérdidas por desabastecimiento. Ante esta problemática, la presente implementación propuso el desarrollo de un sistema basado en Machine Learning para la predicción de inventarios en una empresa del sector industrial, cuyo objetivo es estimar con mayor precisión la demanda de productos, optimizando los niveles de inventario y reduciendo costos operativos. La propuesta integra tres modelos predictivos ARIMA/SARIMA, Random Forest y XGBoost, seleccionados por su capacidad para capturar patrones temporales y variaci...