Uso de redes neuronales artificiales para predecir la demanda de prendas en Manufacturas Kukulí SAC

• Autor: Camacho Colán, Oswaldo Arturo
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Inca Garcilaso de la Vega
• Repositorio: UIGV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uigv.edu.pe:20.500.11818/8984
• Enlace del recurso: https://hdl.handle.net/20.500.11818/8984
• Nivel de acceso: acceso abierto
• Materia: predicción de demanda; redes neuronales artificiales; LSTM; GRU; https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#2.02.05

El objetivo principal de esta investigación fue determinar en qué medida el uso de redes neuronales artificiales predice la demanda de prendas en Manufacturas Kukulí SAC. La investigación fue de tipo aplicada, nivel predictivo, enfoque cuantitativo y de diseño pre experimental, la población del estudio estuvo constituida por todas las ventas registradas desde enero de 2018 hasta diciembre de 2023 sumando un total de 3’326,910 transacciones,el muestreo no robabilístico por conveniencia, se trabajó con una muestra de 2,084 transacciones. Se entrenó y evaluó el desempeño de un modelo neuronal artificial para pronosticar la demanda de prendas en Manufacturas Kukulí SAC, considerando los indicadores número de unidades vendidas por día y cantidad vendida por tipos de prendas,utilizando Redes Neuronales Recurrentes de los tipos LSTM y GRU. El pronóstico se realizó con datos de la empresa desde el año 2018 hasta el 2023. Los resultados mostraron que el modelo entrenado con la red neuronal RNN y las arquitecturas LSTM y GRU obtuvo los menores valores de error de predicción (MSE: 0.0066, RMSE=0.0812, MAE=0.0473 y MAPE=0.04482), demostrando ser un modelo predictivo preciso para el pronóstico de la demanda de prendas en Manufacturas Kukulí SAC, se concluye que el uso de redes neuronales artificiales predice significativamente la demanda de prendas en Manufacturas Kukulí SAC (t= -3,702 y p-valor = 0,000).