Implementación de un modelo de Machine Learning para la predicción de la demanda de muebles de sala en la empresa Mallhogar.com

Simple item page
dc.contributor.advisorFabian Arteaga, Junior Jhon
dc.contributor.authorChipana De La Cruz, David Ismael
dc.contributor.authorChugnas Sebastian, Analy Sandy
dc.contributor.authorChupillón Bautista, Yarelis Nicole
dc.contributor.authorGuzmán Ramos, Pedro Jesús
dc.contributor.authorHuancaya Rivas, Hasdaly Anjely
dc.coverage.spatialPerúes_ES
dc.date.accessioned2024-03-15T00:40:15Z
dc.date.accessioned2024-04-04T01:26:25Z
dc.date.available2024-03-15T00:40:15Z
dc.date.available2024-04-04T01:26:25Z
dc.date.embargoEnd2025-12-01
dc.date.issued2023
dc.description.abstractLa empresa Mallhogar.com se dedica a la venta online de muebles. Actualmente, busca predecir la demanda de muebles de sala que ofrece en el mercado peruano. En este contexto, el objetivo de esta investigación fue desarrollar un modelo de predicción de la demanda que permita optimizar su producción, gestionar sus inventarios y agilizar la distribución de productos terminados. Para lograrlo se recopiló información de datos históricos de venta del periodo 2020-2023, se aplicó modelos de Machine Learning, en cinco tipos de muebles de sala. Los modelos de predicción que se emplearon fueron Regresión Lineal, CatBoost, XGBoost y LightGBM. Los resultados fueron evaluados comparando métricas como el Factor de determinación, Error Cuadrático Medio y Raíz del Error Cuadrático Medio, se analizó cómo el modelo se ajusta a los datos de entrenamiento con sus posibles limitaciones. Los experimentos realizados mostraron que los modelos LightGBM y XGBoost tuvieron mejores resultados con una ligera superioridad en comparación a los otros modelos, lo cual se vio reflejado en todos los modelos de muebles analizados, al final se obtuvo la predicción de muebles a vender para los meses de diciembre del 2023, enero del 2024 y febrero del 2024.es_ES
dc.formatapplication/pdfes_ES
dc.identifier.urihttps://hdl.handle.net/20.500.12640/3876
dc.language.isospaes_ES
dc.publisherUniversidad ESANes_ES
dc.publisher.countryPEes_ES
dc.rightsAtribución-NoComercial-CompartirIgual 2.5 Perú*
dc.rightsinfo:eu-repo/semantics/embargoedAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/pe/*
dc.subjectLogísticaes_ES
dc.subjectAprendizaje automáticoes_ES
dc.subjectDemandaes_ES
dc.subjectPrediccioneses_ES
dc.subjectMuebleses_ES
dc.subjectEmpresas comercialeses_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04es_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#5.02.04es_ES
dc.titleImplementación de un modelo de Machine Learning para la predicción de la demanda de muebles de sala en la empresa Mallhogar.comes_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.type.otherTrabajo de suficiencia profesionales_ES
renati.advisor.dni44749148
renati.advisor.orcidhttps://orcid.org/0000-0001-9804-7795es_ES
renati.author.dni46778330
renati.author.dni75503623
renati.author.dni73214273
renati.author.dni70793887
renati.author.dni73987439
renati.discipline722056es_ES
renati.discipline613066es_ES
renati.discipline521236es_ES
renati.jurorChávez Rojas, Mónica
renati.jurorBallon Alvarez, Joseph
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesionales_ES
thesis.degree.disciplineIngeniería Industrial y Comerciales_ES
thesis.degree.disciplineIngeniería de Tecnologías de Información y Sistemases_ES
thesis.degree.disciplineIngeniería en Gestión Ambientales_ES
thesis.degree.grantorUniversidad ESAN. Facultad de Ingenieríaes_ES
thesis.degree.nameIngeniero Industrial y Comerciales_ES
thesis.degree.nameIngeniero de Tecnologías de Información y Sistemases_ES
thesis.degree.nameIngeniero en Gestión Ambientales_ES
Files
Original bundle
Now showing 1 - 4 of 4
No Thumbnail Available
Name:
2023_IIC_23-2_06_R.pdf
Size:
87.58 KB
Format:
Adobe Portable Document Format
Description:
Resumen
Download
No Thumbnail Available
Name:
2023_IIC_23-2_06_TC.pdf
Size:
6.34 MB
Format:
Adobe Portable Document Format
Description:
Texto completo (acceso restringido)
Download
No Thumbnail Available
Name:
2023_IIC_23-2_06_F.pdf
Size:
295.52 KB
Format:
Adobe Portable Document Format
Description:
Autorización (acceso restringido)
Download
No Thumbnail Available
Name:
2023_IIC_23-2_06_TU.pdf
Size:
24 MB
Format:
Adobe Portable Document Format
Description:
Informe turnitin (acceso restringido)
Download
Collections
Ingeniería Industrial Comercial
Ingeniería de Tecnologías de Información y Sistemas
Ingeniería en Gestión Ambiental