Propuesta de mejora para optimizar los tiempos de entrega ante roturas de stock de Importaciones Catusita S.A.

• Autores: Tito Montesinos, Roger Giovanni, Larrea Salcedo, Kiara Ximena
• 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:10757/686163
• Enlace del recurso: http://hdl.handle.net/10757/686163
• Nivel de acceso: acceso abierto
• Materia: Optimización de procesos; Sistema de pronóstico de demanda; Proceso de distribución; Software; Rotura de stock; Process optimization; Demand forecasting system; Distribution process; Out of stock; https://purl.org/pe-repo/ocde/ford#5.00.00; https://purl.org/pe-repo/ocde/ford#5.02.04

El presente trabajo de suficiencia profesional aborda la problemática de la ineficiencia operativa en la demora en la entrega de pedidos de la empresa Importaciones Catusita S.A. Según el análisis del entorno interno y externo, se evidencian dificultades en el proceso de distribución de productos debido a la rotura de stock, lo cual afecta el desempeño operativo de la empresa. Para mitigar esta problemática, se proponen tres alternativas de solución: la implementación de un Modelo de pronóstico artificial de IBM Planning Analytics, la implementación de un Modelo suavizado exponencial de IBM, o la implementación de un Modelo de pronóstico de demanda basado en series temporales y estacionalidad (ARIMA/SARIMAX) integrado en SAP Business 1. Estas opciones fueron evaluadas en términos de viabilidad, costo, tiempo de implementación y su impacto en la organización a largo plazo. Tras un análisis se seleccionó el modelo de pronóstico artificial IBM Planning Analytics, priorizando el pronóstico más acertado de demanda con un 85% para evitar la rotura de stock y el retraso en la entrega de pedidos, considerando su viabilidad y beneficios a largo plazo. Esta selección representa un avance respecto a modelos tradicionales, al permitir mayor precisión en los pronósticos, reducción de incertidumbre y mejora continua mediante aprendizaje automático, y la importancia de integrar inteligencia artificial en el proceso de planificación. Se concluye que la adopción de IA representa no solo una respuesta a un problema operativo, sino una oportunidad estratégica para impulsar la competitividad y sostenibilidad de la organización.