Look-up in Google Scholar
Title: Improvement proposal based on machine learning, big data and DDMRP to improve forecasting compliance in a consumer goods company
Keywords: PendientePendiente
OCDE field: https://purl.org/pe-repo/ocde/ford#2.11.04
Issue Date: 2024
Institution: Universidad de Lima
Abstract: Hoy en día, es crucial pronosticar con precisión los productos, especialmente para una empresa que importa sus productos. Disponer de una previsión precisa permite a la empresa optimizar la gestión de recursos, aumentando la productividad y evitando la sobreventa o subventa de productos. Además, establecer un modelo de planificación de materiales basado en la demanda es esencial para garantizar que nuestros proveedores cumplan con sus compromisos de nivel de servicio. En este proyecto de investigación, se emplean Machine Learning y Big Data para mejorar los métodos de previsión de las empresas de bienes de consumo. Se han entrenado los datos recopilados de las ventas de la empresa durante los últimos cuatro años para “la categoría de cabello” y se empleará el método Arima para predecir los primeros 8 meses del año 2023. Además, el Plan de requisitos de materiales impulsado por la demanda (DDMRP) se implementa para mejorar el nivel de servicio de los proveedores. El impacto del modelo propuesto se evaluará utilizando indicadores como el sesgo de pronóstico (FB), la precisión del pronóstico (FA), el error porcentual absoluto medio (MAPE) y el acuerdo de nivel de servicio (SLA).

Nowadays, is crucial to accurately forecast products, especially for a company that import its goods. Having an accurate forecasting enables the company to optimize resource management, increasing productivity and preventing overselling or underselling of products. Additionally, establishing a demand-based material planning model is essential to ensure that our suppliers meet their service level commitments. In this research project, Machine Learning and Big Data are employed to enhance de forecasting methods of consumer goods company. The data collected from the company’s sales over the last four years for “the hair category” has been trained and the Arima method will be employed to predict the first 8 months of the year 2023. Furthermore, the Demand Driven Material Requirement Plan (DDMRP) is implemented to improve suppliers service level. The impact of the proposed model will be evaluated using indicators such as Forecast Bias (FB), Forecast Accuracy (FA), Mean Absolute Percentage Error (MAPE) and Service Level Agreement (SLA).
Discipline: Ingeniería Industrial
Grade or title grantor: Universidad de Lima. Facultad de Ingeniería
Grade or title: Ingeniero Industrial
Juror: Malaga Ortiz Maria Teresa; Calderon Gonzales, Wilson David; Taquía Gutiérrez, José Antonio
Register date: 6-Nov-2024



This item is licensed under a Creative Commons License Creative Commons