Predicción de las materias primas que deben presupuestarse de acuerdo a las ventas de una compañía farmacéutica

RESUMEN: Para el presente proyecto se realizaron modelos para predecir las ventas de seis productos de una compañía farmacéutica y tener la disponibilidad de materias primas en la demanda. Los mejores resultados que arrojaron el menor error en la validación, se obtuvieron con modelos de Deep Learning conformados con redes neuronales en capas Dense usando la herramienta de TensorFlow a través de la librería de keras. Las ventajas en la empresa de usar este tipo de predicciones es que se disminuye las ventas perdidas, mejora el servicio al cliente por la disponibilidad de los productos y disminuye inventarios obsoletos.

• Autores: Lopera Arango, Zuleima
• Tipo de recurso: Tesis
• Fecha de publicación: 2022
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/29153
• Acceso en línea: http://hdl.handle.net/10495/29153
• Palabra clave: Deep Learning; Aprendizaje Profundo; Redes neurales (computadores); Neural networks (Computer science); Pronostico de ventas; Sales forecasting; Técnicas de predicción; Forecasting; http://aims.fao.org/aos/agrovoc/c_3041
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/