Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas
- Autores
- Biava, Luca
- Año de publicación
- 2026
- Idioma
- español castellano
- Tipo de recurso
- tesis de grado
- Estado
- versión aceptada
- Colaborador/a o director/a de tesis
- Gentinetta, Romina
- Descripción
- Este trabajo de tesis aborda la problemática del forecasting de demanda en una pyme de retail. Objetivo: desarrollar e implementar un sistema predictivo de inventarios basado en redes neuronales profundas que reduzca el error de predicción en al menos 25% respecto a métodos tradicionales, validado mediante un piloto en Beer Market. Conclusión: Este proyecto desarrolló, implementó y validó BrewCast, un sistema de gestión predictiva de inventarios basado en redes neuronales profundas, diseñado específicamente para el contexto operativo de Beer Market. El sistema procesa 46 features que capturan patrones temporales, efectos estacionales, dinámicas promocionales y características de segmentación de productos, generando predicciones de demanda semanal por SKU×Local que superan en 30% la precisión de métodos tradicionales basados en promedios históricos. A lo largo de seis fases de desarrollo (consolidación de datos, ingeniería de features, diseño arquitectónico, entrenamiento, implementación de piloto, y evaluación de resultados), se alcanzaron logros concretos en múltiples dimensiones.
Fil: Biava, Luca. Universidad Nacional de Rafaela. Licencaitura en Administración y Gestión de la Información; Argentina - Materia
-
gestion de stocks
inventario de productos
mejora de procesos - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- Attribution-ShareAlike 4.0 International
- Repositorio

- Institución
- Universidad Nacional de Rafaela
- OAI Identificador
- oai:repositorio.unraf.edu.ar:20.500.14399/617
Ver los metadatos del registro completo
| id |
RIDUNRAF_9722a5e77b0f8869d11796a5db483290 |
|---|---|
| oai_identifier_str |
oai:repositorio.unraf.edu.ar:20.500.14399/617 |
| network_acronym_str |
RIDUNRAF |
| repository_id_str |
|
| network_name_str |
RID UNRaF |
| spelling |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidasBiava, Lucagestion de stocksinventario de productosmejora de procesosEste trabajo de tesis aborda la problemática del forecasting de demanda en una pyme de retail. Objetivo: desarrollar e implementar un sistema predictivo de inventarios basado en redes neuronales profundas que reduzca el error de predicción en al menos 25% respecto a métodos tradicionales, validado mediante un piloto en Beer Market. Conclusión: Este proyecto desarrolló, implementó y validó BrewCast, un sistema de gestión predictiva de inventarios basado en redes neuronales profundas, diseñado específicamente para el contexto operativo de Beer Market. El sistema procesa 46 features que capturan patrones temporales, efectos estacionales, dinámicas promocionales y características de segmentación de productos, generando predicciones de demanda semanal por SKU×Local que superan en 30% la precisión de métodos tradicionales basados en promedios históricos. A lo largo de seis fases de desarrollo (consolidación de datos, ingeniería de features, diseño arquitectónico, entrenamiento, implementación de piloto, y evaluación de resultados), se alcanzaron logros concretos en múltiples dimensiones.Fil: Biava, Luca. Universidad Nacional de Rafaela. Licencaitura en Administración y Gestión de la Información; ArgentinaUniversidad Nacional de RafaelaGentinetta, Romina2026-07-16info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttps://hdl.handle.net/20.500.14399/617spaRID2026447info:eu-repo/semantics/openAccessAttribution-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-sa/4.0/reponame:RID UNRaFinstname:Universidad Nacional de Rafaela2026-10-29T12:13:41Zoai:repositorio.unraf.edu.ar:20.500.14399/617instacron:UNRafInstitucionalhttps://www.unraf.edu.ar/index.php/repositorioUniversidad públicahttps://www.unraf.edu.ar/https://biblioteca.unraf.edu.ar/cgi-bin/koha/oai.plbiblioteca@unraf.edu.arArgentinaopendoar:2026-10-29 12:13:41.771RID UNRaF - Universidad Nacional de Rafaelafalse |
| dc.title.none.fl_str_mv |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas |
| title |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas |
| spellingShingle |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas Biava, Luca gestion de stocks inventario de productos mejora de procesos |
| title_short |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas |
| title_full |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas |
| title_fullStr |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas |
| title_full_unstemmed |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas |
| title_sort |
Sistema de gestión predictiva de inventarios basado en redes neuronales profundas para retail de bebidas |
| dc.creator.none.fl_str_mv |
Biava, Luca |
| author |
Biava, Luca |
| author_facet |
Biava, Luca |
| author_role |
author |
| dc.contributor.none.fl_str_mv |
Gentinetta, Romina |
| dc.subject.none.fl_str_mv |
gestion de stocks inventario de productos mejora de procesos |
| topic |
gestion de stocks inventario de productos mejora de procesos |
| dc.description.none.fl_txt_mv |
Este trabajo de tesis aborda la problemática del forecasting de demanda en una pyme de retail. Objetivo: desarrollar e implementar un sistema predictivo de inventarios basado en redes neuronales profundas que reduzca el error de predicción en al menos 25% respecto a métodos tradicionales, validado mediante un piloto en Beer Market. Conclusión: Este proyecto desarrolló, implementó y validó BrewCast, un sistema de gestión predictiva de inventarios basado en redes neuronales profundas, diseñado específicamente para el contexto operativo de Beer Market. El sistema procesa 46 features que capturan patrones temporales, efectos estacionales, dinámicas promocionales y características de segmentación de productos, generando predicciones de demanda semanal por SKU×Local que superan en 30% la precisión de métodos tradicionales basados en promedios históricos. A lo largo de seis fases de desarrollo (consolidación de datos, ingeniería de features, diseño arquitectónico, entrenamiento, implementación de piloto, y evaluación de resultados), se alcanzaron logros concretos en múltiples dimensiones. Fil: Biava, Luca. Universidad Nacional de Rafaela. Licencaitura en Administración y Gestión de la Información; Argentina |
| description |
Este trabajo de tesis aborda la problemática del forecasting de demanda en una pyme de retail. Objetivo: desarrollar e implementar un sistema predictivo de inventarios basado en redes neuronales profundas que reduzca el error de predicción en al menos 25% respecto a métodos tradicionales, validado mediante un piloto en Beer Market. Conclusión: Este proyecto desarrolló, implementó y validó BrewCast, un sistema de gestión predictiva de inventarios basado en redes neuronales profundas, diseñado específicamente para el contexto operativo de Beer Market. El sistema procesa 46 features que capturan patrones temporales, efectos estacionales, dinámicas promocionales y características de segmentación de productos, generando predicciones de demanda semanal por SKU×Local que superan en 30% la precisión de métodos tradicionales basados en promedios históricos. A lo largo de seis fases de desarrollo (consolidación de datos, ingeniería de features, diseño arquitectónico, entrenamiento, implementación de piloto, y evaluación de resultados), se alcanzaron logros concretos en múltiples dimensiones. |
| publishDate |
2026 |
| dc.date.none.fl_str_mv |
2026-07-16 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f info:ar-repo/semantics/tesisDeGrado |
| format |
bachelorThesis |
| status_str |
acceptedVersion |
| dc.identifier.none.fl_str_mv |
https://hdl.handle.net/20.500.14399/617 |
| url |
https://hdl.handle.net/20.500.14399/617 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
RID2026447 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess Attribution-ShareAlike 4.0 International http://creativecommons.org/licenses/by-sa/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
Attribution-ShareAlike 4.0 International http://creativecommons.org/licenses/by-sa/4.0/ |
| dc.format.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad Nacional de Rafaela |
| publisher.none.fl_str_mv |
Universidad Nacional de Rafaela |
| dc.source.none.fl_str_mv |
reponame:RID UNRaF instname:Universidad Nacional de Rafaela |
| reponame_str |
RID UNRaF |
| collection |
RID UNRaF |
| instname_str |
Universidad Nacional de Rafaela |
| repository.name.fl_str_mv |
RID UNRaF - Universidad Nacional de Rafaela |
| repository.mail.fl_str_mv |
biblioteca@unraf.edu.ar |
| _version_ |
1880398824295366656 |
| score |
13.334379 |