Aplicación de Machine Learning para la eficiencia en la gestión de inventarios en el sector farmacéutico limeño, 2024

• Autores: Rodas Cortijo, Carmen Liliana, Villacrisis Guerrero, Jahir Jesús
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Privada Norbert Wiener
• Repositorio: UWIENER-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uwiener.edu.pe:20.500.13053/14930
• Enlace del recurso: https://hdl.handle.net/20.500.13053/14930
• Nivel de acceso: acceso abierto
• Materia: Gestión; Inventario; Farmacología; Management; Inventories; Pharmacology; https://purl.org/pe-repo/ocde/ford#5.02.04; https://purl.org/pe-repo/ocde/ford#3.01.05; https://purl.org/pe-repo/ocde/ford#2.02.04; ODS 9: Industria, innovación e infraestructura. Construir infraestructuras resilientes, promover la industrialización inclusiva y sostenible y fomentar la innovación; ODS 8: Trabajo decente y crecimiento económico. Promover el crecimiento económico sostenido, inclusivo y sostenible, el empleo pleno y productivo y el trabajo decente para todos

La gestión de inventarios en el sector farmacéutico enfrenta desafíos importantes, como la variabilidad en la demanda y las estrictas regulaciones. Este estudio analiza cómo el uso de Machine Learning (ML) puede mejorar la eficiencia en la gestión de inventarios en Lima Metropolitana durante 2024. El objetivo principal es determinar el impacto del ML en este proceso, evaluando su capacidad para predecir la demanda, reducir desabastecimientos, mejorar la rotación y optimizar los niveles de stock. Esto es clave, considerando que alrededor del 70% de las empresas farmacéuticas en Lima sufren desabastecimientos frecuentes, afectando tanto su operatividad como la salud pública. La investigación adopta un diseño experimental, utilizando registros históricos de una empresa farmacéutica (1,000 datos, con una muestra de 278) para analizar el efecto del ML mediante herramientas estadísticas. Se espera demostrar que la implementación de ML mejora indicadores clave como el stock óptimo y la tasa de rotación, reduciendo también los costos operativos. Finalmente, este trabajo no solo propone soluciones concretas a problemáticas actuales del sector, sino que también abre la puerta a nuevas investigaciones sobre el uso de tecnologías inteligentes en la cadena de suministro farmacéutica.