Aplicación web de minería de datos para pronosticar la demanda de medicamentos en la farmacia de un establecimiento de salud

Abstract

Esta investigación surgió con el objetivo de implementar una solución de minería de datos para pronosticar la demanda de medicamentos a partir de grandes volúmenes de datos y con un alto nivel de precisión en la farmacia de un establecimiento de salud debido a que durante el análisis de la situación inicial se detectaron oportunidades de mejora en el proceso de planeamiento del abastecimiento que podrían permitir maximizar la demanda atendida y minimizar los costos de mantener medicamentos por mucho tiempo en el almacén. Para cumplir con lo planificado se utilizó la metodología CRISP-DM y las redes neuronales, logrando construir un modelo de pronóstico por cada medicamento existente. Tras los procesos de entrenamiento y mejora, los modelos obtuvieron en promedio un valor de 0.9 para la métrica R-cuadrado, demostrando un buen nivel de adaptación al comportamiento de la demanda, y un valor promedio de 17.88% durante la medición del MAPE con lo que garantizaron un alto nivel de precisión. Por otro lado, se construyó una aplicación web que permite a los usuarios obtener reportes de los pronósticos y actualizar los parámetros de los modelos, así como reentrenarlos o crear nuevos. Finalmente, las interfaces de esta aplicación obtuvieron en promedio 92 puntos tras su evaluación en base a los criterios propuestos por una herramienta de medición de rendimiento.