Eficiencia en la cadena de suministro a través de la planificación predictiva de la demanda: caso Melenas Ibella

Escobar Rengifo, Lina Fernanda

dc.contributor.advisor	Anillo Arrieta, Luis Ángel
dc.contributor.advisor	López Ramírez, Mario Alberto
dc.coverage.spatial	cead_-_palmira
dc.creator	Escobar Rengifo, Lina Fernanda
dc.date.accessioned	2026-03-09T21:19:32Z
dc.date.available	2026-03-09T21:19:32Z
dc.date.created	2025-12-18
dc.identifier.uri	https://repository.unad.edu.co/handle/10596/79431
dc.description.abstract	La planificación de la demanda es un proceso clave para que las empresas gestionen mejor sus inventarios, producción, distribución y costos. Este trabajo busca analizar cómo diferentes etapas y niveles de precisión en esta planificación, apoyada en técnicas de machine learning, pueden influir en la eficiencia general de la cadena de suministro. Se estudiará el impacto que tiene sobre aspectos como el exceso o escasez de productos, los tiempos de entrega, los costos logísticos y otros factores relevantes para el buen funcionamiento de las operaciones. El propósito es demostrar cómo una planificación de la demanda basada en machine learning puede contribuir a mejorar el rendimiento y la competitividad de la Compañía Melenas Ibella, ofreciendo una herramienta estratégica que combine datos históricos, patrones de consumo y analítica predictiva para apoyar decisiones más ágiles y precisas en un entorno empresarial cambiante.
dc.format	pdf
dc.title	Eficiencia en la cadena de suministro a través de la planificación predictiva de la demanda: caso Melenas Ibella
dc.type	Proyecto aplicado
dc.subject.keywords	Machine Learning
dc.subject.keywords	Planificación de la demanda
dc.subject.keywords	Optimización de la cadena de suministro
dc.subject.keywords	Eficiencia operativa
dc.subject.keywords	Pronósticos predictivos
dc.description.abstractenglish	Demand planning is a key process for companies to better manage their inventory, production, distribution, and costs. This study aims to analyze how different stages and levels of accuracy in demand planning, supported by machine learning techniques, can influence the overall efficiency of the supply chain. The impact on factors such as product surplus or shortage, delivery times, logistics costs, and other aspects relevant to smooth operations will be examined. The purpose is to demonstrate how machine learning-based demand planning can contribute to improving the performance and competitiveness of Melenas Ibella, providing a strategic tool that combines historical data, consumption patterns, and predictive analytics to support more agile and precise decision-making in a changing business environment
dc.subject.category	Cadena de suministro
dc.subject.category	Planeación
dc.subject.category	Demanda
dc.subject.category	Datos
dc.subject.category	Pronósticos
dc.subject.category	Estimados