Análisis de las tendencias y patrones de la gestión de inventarios mediante series de tiempo en C.A. Importaciones (2008–2024)
Cargando...
Archivos
Fecha
Autores
Director de trabajo de grado
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad de La Salle. Escuela de Negocios. Maestría en Analítica e Inteligencia de Negocios
Altmetric
Código QR
Resumen
El propósito de la presente investigación fue analizar las tendencias y patrones de comportamiento del inventario asociado a una presentación específica de varitas aromatizadas, comercializada por una empresa de importaciones en Colombia durante el periodo comprendido entre 2008 y 2024. El producto fue seleccionado por representar el mayor volumen de rotación histórica dentro de su categoría. Con ello se buscó identificar que método podría aportar una mayor viabilidad al proceso de compras de inventarios mediante el uso de modelos predictivos, que permitieran anticipar la demanda futura y en consecuencia optimizar la gestión de inventarios para reducir riesgos de desabastecimiento o sobre stock. El estudio se desarrolló bajo un enfoque cuantitativo de tipo longitudinal, basado en datos históricos de ventas mensuales, con un total de 204 observaciones, de las cuales 202 registraron ventas efectivas. Se emplearon técnicas de análisis de series de tiempo, aplicando modelos de descomposición como X-11 y el filtro Hodrick–Prescott, así como modelos predictivos ARIMA y su versión transformada mediante logaritmo (log-ARIMA). La evaluación del desempeño incluyó métricas de precisión como MAE RMSE y MAPE complementadas con pruebas de diagnóstico sobre residuos entre ellas Ljung–Box Jarque–Bera y Shapiro–Wilk con el fin de verificar la auto correlación y distribución de los errores. Los hallazgos demuestran que la serie presenta estacionalidad y fluctuaciones cíclicas que pueden ser modeladas con un nivel adecuado de precisión. X-11 obtuvo los mejores valores en MAE y RMSE dentro de los métodos de descomposición mientras que el filtro Hodrick–Prescott mostró resultados levemente menos favorables pero consistentes con la tendencia general del inventario. En cuanto a la predicción el modelo original ARIMA (113) logró un buen desempeño preliminar; aunque, el modelo Log-ARIMA (011) registró una mejora en el error porcentual (MAPE del 18.66%) y mayor estabilidad estadística en los residuos lo que respalda su mayor confiabilidad para las proyecciones.
Abstract
The purpose of this research was to analyze the trends and patterns of inventory behavior associated with a specific presentation of scented sticks, marketed by an import company in Colombia during the period between 2008 and 2024. The product was selected because it represents the highest historical turnover volume within its category. The aim was to identify which method could provide greater viability to the inventory purchasing process through the use of predictive models, allowing for anticipating future demand and consequently optimizing inventory management to reduce the risks of stockouts or overstocking. The study was developed using a quantitative, longitudinal approach, based on historical monthly sales data, with a total of 204 observations, of which 202 recorded actual sales. Time series analysis techniques were employed, applying decomposition models such as X-11 and the Hodrick-Prescott filter, as well as ARIMA predictive models and its logarithmic-transformed version (log-ARIMA). Performance evaluation included precision metrics such as MAE, RMSE, and MAPE, complemented by diagnostic tests on residuals, including Ljung–Box, Jarque–Bera, and Shapiro– Wilk, to verify autocorrelation and error distribution. The findings demonstrate that the series exhibits seasonality and cyclical fluctuations that can be modeled with an adequate level of precision. X-11 obtained the best MAE and RMSE values among the decomposition methods, while the Hodrick–Prescott filter showed slightly less favorable but consistent results with the overall inventory trend. Regarding prediction, the original ARIMA (113) model achieved good preliminary performance; however, the Log- ARIMA (011) model showed an improvement in percentage error (MAPE of 18.66%) and greater statistical stability in the residuals, supporting its greater reliability for projections.
Palabras clave
Gestión de inventarios, Series de tiempo, Modelos predictivos ARIMA, Demanda, Inventory management, Time series, Predictive models ARIMA, Demand