Propuesta de mejora en la gestión de inventario usando herramientas de Lean Warehousing y Machine Learning de una empresa mayorista de equipos de automatización e instrumentación.

• Autores: Alarcon Delgado, Carlos Adrian, Arteaga Ore, Jemima Keren
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/674401
• Enlace del recurso: http://hdl.handle.net/10757/674401
• Nivel de acceso: acceso abierto
• Materia: Machine learning; Lean warehousing; Gestión de inventarios; Pronóstico de demanda; Inventory management; Demand forecasting; https://purl.org/pe-repo/ocde/ford#2.11.04; https://purl.org/pe-repo/ocde/ford#2.00.00

El presente trabajo de investigación presenta una propuesta de mejora en la gestión de inventarios para una empresa mayorista de equipos de automatización e instrumentación, utilizando herramientas de Lean Warehousing y Machine Learning. El estudio se enfoca en resolver problemas de obsolescencia de stock. En el análisis inicial, se destaca que el sector de automatización está en auge, con un crecimiento proyectado del 5.9% en América Latina para el periodo 2024-2032. Este crecimiento presenta desafíos en la gestión de inventarios. En el Perú, solo el 34% de las empresas exhiben un nivel avanzado de gestión en su cadena de suministro, lo que resalta la necesidad de mejorar las prácticas existentes. La empresa estudiada enfrenta problemas significativos con la rotación de inventarios y la obsolescencia de productos con impacto del 4.5% de la facturación anual. La solución incluye la implementación de Machine Learning para mejorar el pronóstico de la demanda y la aplicación de Lean Warehousing. El modelo de Machine Learning se usa para predecir la demanda basada en datos históricos, lo que reduce el error de pronóstico en un 50%. Además, se aplicó la metodología 5S para mejorar la organización y eficiencia de la cadena de suministro, logrando una reducción del 30% en códigos obsoletos y una mejora del 90% en la exactitud de registros de inventarios. Finalmente, se evaluaron los impactos de las mejoras propuestas, demostrando su viabilidad. Además, se consideraron impactos en la eficiencia operativa, la seguridad laboral y la satisfacción del cliente.