ExpoCam, empresa en la industria de alimentos balanceados para acuicultura, enfrenta desafíos de sobreproducción y escasez debido a predicciones inexactas de demanda. El proyecto se centró en desarrollar un modelo de aprendizaje automático para mejorar la predicción de demanda y optimizar la producción. Utilizando datos históricos de ventas, exportaciones, precio del camarón y materias primas, se implementó un modelo de redes neuronales LSTM (Long-Short Term Memory, por sus siglas en inglés). Este enfoque permitió capturar patrones temporales complejos en los datos. Se creó también un dashboard interactivo para visualizar predicciones de ventas futuras por cliente y producto. El modelo de series de tiempo logró predecir con éxito las ventas del mes siguiente, mejorando la gestión de la cadena de suministro y el inventario en ExpoCam, y reduciendo notablemente los problemas de sobreproducción y escasez. Estos resultados evidencian la efectividad del aprendizaje automático en la optimización de la planificación y gestión de la producción. Como conclusión, el proyecto demuestra que la integración de tecnologías avanzadas, como el aprendizaje automático y series de tiempo, en los procesos de producción puede conducir a operaciones más eficientes y rentables, resaltando su valor en la industria de acuicultura. Palabras Clave: Alimentos balanceados, Aprendizaje Automático, Series de Tiempo