1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Computación

Title:	Desarrollo de un sistema predictivo de ventas para la industria farmacéutica
Authors:	Realpe Robalino, Miguel, Director Villamar Lindao, Jean Frank Cotrina Oquendo, Johnny Enrique
Keywords:	Predicción de ventas dashboard Red neuronal Gestión de inventario
Issue Date:	2024
Publisher:	ESPOL.FIEC
Citation:	Villamar Lindao, J. F. y Cotrina Oquendo, J. E. (2024). Desarrollo de un sistema predictivo de ventas para la industria farmacéutica. [Proyecto Integrador]. ESPOL.FIEC .
Description:	El proyecto aborda la problemática de la variabilidad en la demanda y la gestión de productos con fecha de vencimiento en una distribuidora farmacéutica. El objetivo es desarrollar un sistema predictivo utilizando inteligencia artificial para mejorar la precisión en las estimaciones de ventas y minimizar pérdidas económicas. Se justificó la necesidad de este sistema debido a las limitaciones de los métodos tradicionales y su impacto negativo en la eficiencia operativa. Para el desarrollo del proyecto, se utilizó una red neuronal LSTM, integrada en una arquitectura basada en servicios de AWS. Se recopilaron datos históricos de ventas, los cuales fueron procesados para entrenar el modelo predictivo. Los resultados demostraron que el modelo alcanzó una precisión adecuada en las predicciones, permitiendo optimizar la gestión de inventarios y reducir el desperdicio de productos. En conclusión, el sistema desarrollado ofrece una solución efectiva para la gestión de inventarios, garantizando una mejor toma de decisiones y sostenibilidad operativa. Palabras Clave: Predicción de ventas, dashboard, red neuronal, gestión de inventario
metadata.dc.description.abstractenglish:	The project addresses the problem of variability in demand and management of products with expiration dates in a pharmaceutical distributor. The objective is to develop a predictive system using artificial intelligence to improve the accuracy of sales estimates and minimize economic losses. The need for this system was justified due to the limitations of traditional methods and their negative impact on operational efficiency. For the development of the project, an LSTM neural network was used, integrated into an architecture based on AWS services. Historical sales data was collected, which was processed to train the predictive model. The results showed that the model achieved adequate accuracy in predictions, allowing to optimize inventory management and reduce product waste. In conclusion, the developed system offers an effective solution for inventory management, ensuring better decision making and operational sustainability. Keywords: Sales forecasting, dashboard, neural network, inventory management
URI:	http://www.dspace.espol.edu.ec/handle/123456789/62308
metadata.dc.identifier.codigoproyectointegrador:	TECH-377
Appears in Collections:	Tesis de Computación

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.