TESIS JHONNY

•

San Marcos

Jordan Jesus

14/5/2024

¡Este material tiene más páginas!

Entonces, ¿te gustó este material?

Ayude a animar a otros estudiantes a mejorar el contenido

¿Te gustó este material? ¡Compartir! 🧡

Trabajo de Tesis

1092 Materiales compartidos

Descarga la aplicación para disfrutar aún más

Lea materiales sin conexión, sin usar Internet. Además de muchas otras características!

Vista previa del material en texto

Lima - Centro
Facultad de Ingeniería de Sistemas e Informática

Proyecto de Trabajo de Investigación
Implementación de la inteligencia analítica predictiva para mejorar el proceso
de control de inventarios y la generación de órdenes de compra en la empresa
Faride Algodón del Perú en el año 2021

Integrantes
Flores Muñoz, Jhonny (1412489)
Pequeño Gonzales, Mario (1524110)

Docentes
Rodriguez Alvarez, Silvia Rita (Docente Metodólogo)
Cabrera Diaz, Javier Elmer (Docente de Especialidad)

Lima, Perú
Ciclo
2021 – II

ÍNDICE N° de Pag.
1. PROBLEMA DE INVESTIGACIÓN ................................................................................... 5
1.1. Planteamiento del problema ....................................................................................... 5
1.2. Pregunta de investigación .......................................................................................... 6
1.2.1. Preguntas específicas .......................................................................................... 6
2. OBJETIVO GENERAL Y ESPECÍFICOS .......................................................................... 6
2.1. Objetivo general ......................................................................................................... 6
2.2. Objetivos específicos .................................................................................................. 6
3. JUSTIFICACIÓN ............................................................................................................... 7
4. MARCO TEÓRICO ........................................................................................................... 7
4.1. Analítica Empresarial de Big Data (BDBA) ................................................................. 7
4.1.1. Big Data ............................................................................................................... 7
4.1.2. Analítica Empresarial ........................................................................................... 8
4.2. Modelo Logit Leaf (LLM) ............................................................................................. 8
4.3. Árboles de decisión .................................................................................................... 8
4.4 Regresión logística ...................................................................................................... 8
4.5. Logística y Gestión de la Cadena de Suministro (LSCM)............................................ 9
4.6. Análisis de la cadena de suministro ............................................................................ 9
4.7. Machine Learning ....................................................................................................... 9
4.8. Inteligencia Analítica ................................................................................................... 9
4.9. Inteligencia Artificial .................................................................................................... 9
4.10 Inteligencia analítica predictiva ................................................................................ 10

4.11 Procesos de control de inventario ............................................................................ 10
4.11.1 Organizar la información de tus inventarios ....................................................... 10
4.11.2 Clasificar tus productos en tres categorías ........................................................ 10
4.11.3 Establecer los días de inventarios de tus productos .......................................... 11
4.11.4 Calcular stock mínimo, máximo y re-orden ........................................................ 11
4.11.5 Compara inventarios actuales con lo obtenido .................................................. 11
4.11.6 Supervisión en tiempo real del inventario .......................................................... 11
4.11.7 Adaptación continua de la información .............................................................. 11
4.12 Creación de las órdenes de compra ........................................................................ 12
4.13 Técnica Análisis de pronóstico de series de tiempo ................................................. 12
5. REVISIÓN DE LA LITERATURA ACTUAL O ESTADO DEL ARTE ................................ 13
6. HIPÓTESIS ..................................................................................................................... 15
6.1. Hipótesis general ...................................................................................................... 15
6.2. Hipótesis específicas ................................................................................................ 15
7. METODOLOGÍA ............................................................................................................. 16
7.1. Variables .................................................................................................................. 16
7.1.1. Variable independiente....................................................................................... 16
7.1.2. Variable dependiente ......................................................................................... 16
7.2. Tipo y diseño de investigación .................................................................................. 17
7.2.1. Enfoque de la investigación ............................................................................... 17
7.2.2. Alcance de la investigación ................................................................................ 17
7.2.3. Diseño de la investigación .................................................................................. 17
7.3. Población y muestra ................................................................................................. 17
7.4. Técnicas e instrumentos de investigación ................................................................. 18

7.5. Matriz de consistencia .............................................................................................. 19
8. CRONOGRAMA DE TRABAJO ...................................................................................... 20
9. PRESUPUESTO ............................................................................................................. 22
10. BIBLIOGRAFÍA ............................................................................................................. 23
11. ANEXOS ....................................................................................................................... 25

1. PROBLEMA DE INVESTIGACIÓN
1.1. Planteamiento del problema
El negocio de la empresa textil Faride Algodón de Perú SRL la cual tiene 30 años de
trayectoria, está dedicada a la compra de hilos y fabricación de telas, cuenta con un
laboratorio, planta de tejeduría, planta de tintorería y tiendas, pero sobre todo con un equipo
de gente altamente comprometido en atender los requerimientos de densidad, rendimiento y
solidez de color a un precio muy competitivo, su prioridad es satisfacer las necesidades de
sus clientes ofreciendo una gran satisfacción al recibir un buen producto a un tiempo eficiente.

Esta empresa fabrica las telas iniciando con el proceso de control de inventarios, los
implicados en este proceso son quienes se encargan de validar e informar el stock actual de
los productos, de esta manera indican al área de generación de compras, que telas se están
quedando sin stock para que se manden a fabricar. Además, para empezar a fabricar algún
tipo de tela, la empresa espera que sus clientes realicen alguna solicitud anticipadamente, es
decir, siempre toma un tiempo regular en entregar el producto final a sus clientes debido a
que no se anteponen a sus pedidos.

Dentro de susproblemas, se encuentra que las órdenes no cubren las necesidades
del área de producción y la gestión del inventario no cubre con los requerimientos solicitados,
ocasionando apuros con la merma o faltante de productos y esto conlleva a que los clientes
decidan irse con la competencia ya que sus productos no llegaron al tiempo acordado.

Esto es un riesgo crítico para la empresa y de no tomar las medidas respectivas,
puede ocasionar consecuencias muy graves, como la desconfianza total de sus clientes y
preferencia por la competencia, pérdida de ventas y una mala imagen en el sector de
producción de telas con una gran posibilidad de quebrar.

En base al problema identificado, el objetivo será utilizar la inteligencia analítica
predictiva en la empresa, con esto se mejorará el control de inventarios y a su vez, la
generación de órdenes de compra, logrando que la empresa se posicione dentro de las
mejores compañías en la producción y venta de telas.

1.2. Pregunta de investigación
¿Cómo la implementación de la inteligencia analítica predictiva mejora el proceso de control
de inventarios y el proceso de generación de órdenes de compra en la empresa Faride
Algodón del Perú en el año 2021?
1.2.1. Preguntas específicas
 ¿Cómo se lleva a cabo el control de inventario y la generación de órdenes de
compra?
 ¿Qué se necesita para implementar la inteligencia analítica predictiva en los
procesos de control de inventario y generación de órdenes de compra?
 ¿Qué herramientas de software son necesarias para la implementación de la
inteligencia analítica predictiva?

2. OBJETIVO GENERAL Y ESPECÍFICOS
2.1. Objetivo general
Determinar cómo la implementación de la inteligencia analítica predictiva mejora el proceso
de control de inventarios y la generación de órdenes de compra en la empresa Faride Algodón
del Perú en el año 2021.
2.2. Objetivos específicos
 Identificar cómo se lleva a cabo el proceso de control de inventario y la generación
de órdenes de compra en la empresa Faride de algodón.
 Diseñar un prototipo para la implementación de la inteligencia analítica predictiva en
los procesos de control de inventario y generación de órdenes de compra en la
empresa Faride algodón.
 Determinar las herramientas de software necesarias para la implementación de la
inteligencia analítica predictiva en la empresa Faride de algodón.

3. JUSTIFICACIÓN
La investigación tiene como finalidad el poder abarcar las carencias que se
encontraron en la gestión de los procesos implicados en la producción y venta de telas,
también las malas decisiones que se toman en la generación órdenes de compra, ya que se
observan compras excesivas que con el tiempo se vuelven obsoletas. Esta investigación
muestra lo positivo que es para las empresas implementar la inteligencia analítica predictiva,
con el fin de utilizar de manera eficiente los recursos de las empresas del rubro logístico,
perfeccionando la rotación de los productos, se evitarán daños monetarios y mejorarán los
tiempos en la ejecución de los procesos, esto dará el resultado de obtener una empresa más
rentable. Además, esta investigación busca cambiar la manera de trabajar de este tipo de
empresas, utilizando tecnologías de analítica de datos, en busca de un cambio positivo y
beneficioso.
4. MARCO TEÓRICO
4.1. Analítica Empresarial de Big Data (BDBA)
Debido a que las empresas emplean una variedad de tecnologías digitales se ha
creado la Analítica Empresarial de Big Data (BDBA), que ayuda a proveer una
cantidad masiva de datos dando así una ventaja sobre los competidores del mercado.

En la etapa de planificación operativa la BDBA cumple un importante papel ya que
ayuda a tomar decisiones de oración de la cadena de suministros que es muy
recurrente en realizar planificaciones de la demanda, inventarios, producción,
adquisiciones entre otros. (Gang Wang et al., 2016)

4.1.1. Big Data
EL uso de la Big Data ha ayudado a conseguir que las compañías lleguen a sus
objetivos ya que tiene las competencias necesarias para manipular datos e
información de gran volumen con rapidez, obteniendo información de los inventarios
en tiempo real y poder realizar ordenes de compras.

La importancia de conocer Big Data es debido a que con esta herramienta se pueden
transformar todo un proceso empresarial de inicio a fin teniendo en cuenta que estos
procesos son el core de las empresas, además brinda un valor comercial debido a su
gran potencial operativo y estratégico, el Big Data se ha posicionado como la

herramienta más importante en la investigación académica y corporativa. (Wamba et
al., 2015).

4.1.2. Analítica Empresarial
La analítica empresarial involucra obtener información a partir de los datos mediante
el empleo de matemáticas, simulaciones, estadísticas entre otros, con el fin de brindar
información a la organización para que pueda tomar decisiones acertadas.
La implementación de la analítica empresarial junto al Big Data ha crecido del 17% al
59 % en 3 años, esto debido a los muchos beneficios que estos en conjunto brindan
como, por ejemplo:
 Mantenerte dentro del presupuesto
 Mejores decisiones.
 Facilidad para calcular los logros en relación con los objetivos de la
organización.
 Mantenerse informado.
 Incremento en su eficiencia.
4.2. Modelo Logit Leaf (LLM)
Es un modelo que ayuda a predecir el comportamiento de una variable dicotómica, es
decir que pueden tomar solo dos valores, este tiene un mejor desempeño en
comparación al modelo hola de soporte (SLM) para medir el rendimiento predictivo bajo
la curva de características operativas y el ascenso del decil superior.
4.3. Árboles de decisión
Se conocen como una ciencia de datos la cual va a facilitar el análisis de decisiones
secuenciales las cuales tienen una base en las probabilidades y resultados. Esta ciencia
de datos puede ser usada para la generación de sistemas del tipo experto, para realizar
búsquedas binarias y para la generación de árboles de juegos.
4.4 Regresión logística
La regresión logística está dentro de los tipos de análisis de regresión, tiene el objetivo
de predecir los resultados de alguna variable que tenga una limitación en sus categorías,
en relación con la variable independiente.

4.5. Logística y Gestión de la Cadena de Suministro (LSCM)
Son todas las operaciones que se necesitan realizar para que los productos se entreguen
a los clientes, esto contempla algunos procesos como son el proceso de transporte de
productos, gestión de la distribución y gestión del almacén.
4.6. Análisis de la cadena de suministro
Este análisis es el apoyo para todas las aplicaciones tecnológicas como, por ejemplo, la
inteligencia artificial (IA) o la cadena de suministro. Estas tecnologías pueden razonar,
comprender, interactuar o aprender como lo haría un ser humano, pero con la gran
ventaja de que pueden realizarlo a gran velocidad.
4.7. Machine Learning
Esta especialidad del área de la inteligencia artificial emplea unos algoritmos permitiendo
que los ordenadores puedan reconocer patrones en datos masivos y poder predecir
acciones futuras.
Actualmente el machine learning en logística ayuda a posicionarse en el mercado a
muchas empresas, evitando los cuellos de botella, los pedidos tardíos y una eficiencia
en sus procesos, con ello se puede nuevos parámetros para posibles problemas que se
puedan presentar, es decir que se tendrá la capacidad de mejorar y adaptarse a la
situación.
4.8. Inteligencia Analítica
Inteligencia analítica es el proceso de análisis de datos que se utilizarán en el
planeamiento estratégico del negocio además es la nueva forma de gestión de los
negocios y tiene como objetivo la toma de mejores decisiones, basadas en análisis
extensivos de datos.
4.9. Inteligencia Artificial
Este tipo de inteligenciaes expresada mediante el uso de máquinas, su software y sus
procesadores, esto se puede comprar con el ser humano, entiendo sus partes como
cuerpo, el cerebro y la mente.

https://es.wikipedia.org/wiki/Cuerpo_(anatom%C3%ADa)
https://es.wikipedia.org/wiki/Cerebro
https://es.wikipedia.org/wiki/Mente

4.10 Inteligencia analítica predictiva
La inteligencia analítica predictiva ayuda a gestionar un correcto producto en el lugar,
tiempo y cantidad correcta brindado el coste del producto y la información de un potencial
cliente, todo ello facilita la creación de algoritmos sin obligación de tener las
competencias de realizar un código avanzado. Se pueden realizar diversas redes
neuronales en segundo plano, con el fin de idear una solución óptima, también se tendrá
un tiempo ejecución eficiente que se podrá visualizar en los reportes generados por la
herramienta Power BI y realizar la gestión de órdenes de compra eficazmente, éste
último se verificará en los reportes de compras que se realiza semanalmente, con la
finalidad de realizar un seguimiento y proponer mejoras.
4.11 Procesos de control de inventario
Es la parte más importante de las operaciones y es pieza clave para la generación de
utilidades, aquí se mide la producción de telas mediante un indicador, el cual es la
cantidad de telas producidas, esto permitirá visualizar claramente el número de telas que
la empresa fábrica para posteriormente tomas medidas necesarias a fin de mejorar este
proceso. Según Zapata Cortez et al., (2014), el proceso de control de inventario no facilita
en realizar el cálculo de veces en que la materia prima entra al almacén y también el
número de productos que sale con destino a sus clientes.
Para poder realizar una buena gestión se deberá seguir una serie de pasos:
4.11.1 Organizar la información de tus inventarios
Aquí se tendrá una visión general del estado de los inventarios, se deberán clasificar
productos por familias o grupos relacionados y eliminar los productos desfasados que
quitan espacio en el almacén.
4.11.2 Clasificar tus productos en tres categorías
Se deberá tener la información del inventario actualizada para poder clasificar en tres
categorías de salida como, por ejemplo:
 Los productos que tienen mayor rotación
 Productos que se manejan por temporada
 Los Productos especiales

4.11.3 Establecer los días de inventarios de tus productos
Al fijar que días se realizará el inventario se debe conocer el tiempo de demora en
realizar el producto, para definir ello se deberá tener en cuenta el que tiempo toma el
proveedor en realizar la entrega y con qué frecuencia se ejecuta una compra, éste
último hace referencia al tiempo que se desee ingresar una nueva orden de compra
hacia el proveedor, para ello se deberá revisar el historial de ventas.

4.11.4 Calcular stock mínimo, máximo y re-orden
Con la información del paso anterior se puede definir el cálculo máximo, mínimo o
puntos de re-orden, como ejemplo se podrá simular en 60 días
 Calcular el stock máximo: Se escogerá un producto y se pedirá la cantidad
mayor permitida en el periodo de mayor demanda.
 Calcular el stock mínimo: Se escogerá un producto y se pedirá la cantidad
mínima en el rango de tiempo de menos demanda con la finalidad de no
desabastecer el almacén.
 Punto de re-orden: Se pedirá un monto necesario para realizar un pedido lo
que sería el promedio del máximo y el mínimo, eso también nos indicará que
cuando tengamos esa cantidad se deberá realizar una nueva orden.
4.11.5 Compara inventarios actuales con lo obtenido
Este paso se deberá considerar que la información del inventario sea correcta, con
ello se identificaran los productos con el mayor o mínimo y así poder decidir sin dudas
como, por ejemplo: una promoción en los productos.
4.11.6 Supervisión en tiempo real del inventario
Después de realizar el control de los inventarios se deberán tener un plan de compras
por cada producto ya que cada uno tiene una demanda y rotación diferente obteniendo
una compra más eficiente.

4.11.7 Adaptación continua de la información
El área logística tiende a variar lo cual es necesario realizar una supervisión periódica
de la data y modificar los niveles máximos y mínimos, esto se puede llevar varias
veces al año.

4.12 Creación de las órdenes de compra
La generación de órdenes es donde se gestionan un documento legal el cual brinda al
proveedor la información del lugar a donde debe llegar el producto, a cantidad y tipo del
producto, además indica el precio y condiciones de pago. Se requiere validar que los
productos que se adquieren mediante los proveedores, siempre se encuentren rotando
a fin de no causar molestias como son el espacio en los almacenes, los cuales se
requieren con mayor importancia para almacenar las telas que la empresa fabrica, por
ello es necesario realizar una medición por medio de un indicador, el cual es el nivel de
rotación que tienen los productos, esto permite que se pueda identificar alguna falla y
tomar las medidas correctivas.
4.13 Técnica Análisis de pronóstico de series de tiempo
La técnica del análisis de pronóstico de series de tiempo implica analizar toda una serie
de datos con el fin de identificar patrones para poder comprender el comportamiento del
ambiente, en base a ello se puede realizar predicciones y comprender las relaciones y
los efectos de causalidad en la variable dependiente e independiente.
Al obtener una gran masa de datos o macrodatos se tendrá el reto de tener procedimiento
más adaptables y sólidos debido a la característica de base de datos, esto es posible
gracias a esta técnica y por su efectividad han recibido una atención cada vez mayor
para explorar la Base de Datos. (Gang Wang et al., 2016)

5. REVISIÓN DE LA LITERATURA ACTUAL O ESTADO DEL ARTE
Actualmente las compañías sufren un déficit al abastecerse con la materia prima
generando retrasos en el área de producción. El almacén no cuenta con un sistema que
indique los productos que son más solicitados por los clientes, esto es ocasionado por una
falta en la gestión del área de logística, que conlleva a que los clientes sientan insatisfacción
ya que la empresa tomará un tiempo adicional en adquirir los productos. Según Waller et al.
(2013), nos habla que todo ello se puede contrarrestar con la implementación de nuevas
tecnologías y el dominio de la ciencia de datos.

La industria 4.0 está centrada en aquellos sistemas enfocados en la producción, para
mejorarlos conectándolos a redes de fabricación del mundo, estás son entidades inteligentes
en el rubro de producción y su característica es que pueden entender los datos, fomentar
acciones y la capacidad de auto-optimización autónomos lo que permite control y optimizar
la cadena de valor desde su producción hasta la entrega del producto (Latinovic et al., 2019).
Por otro lado, otra tecnología que se busca mucho en la actualidad es el Big Data el cual tiene
la posibilidad de transformar el proceso de la empresa, generando un valor comercial, se han
incrementado las investigaciones sobre esta tecnología en los últimos años, entender cómo
funcionan los macrodatos y su valor empresarial (Fosso et al., 2015). Por ello a continuación
se detallar cómo funciona el Big Data y las ventajas que pueden brindar.

Wang et al. (2016), investigaron sobre el surgimiento de integrar la analítica
empresarial con el big data, esto se conoce como BDBA, en donde se facilita a la empresa
mejores medios para mejorar su competitividad, el BDBA busca integrar el Big Data (BD) y el
análisis de negocio (BA), teniendo en cuenta que BD está referido al aprovechamiento de las
grandes cantidades de datos con la capacidad de ser procesados, en cuanto a la analítica,
busca obtener información mediante aplicaciones o algoritmos matemáticos, estadísticos, de
econometríau otras técnicas para facilitar la tomas de decisiones a las empresas. Por otro
lado, tal como lo indican Waller et al. (2013), se ha generado una fuerte atención en el área
de la ciencia de los datos, análisis predictivo y los macrodatos (DPB), indicando que la ciencia
de datos es una aplicación que consta de algunos métodos cualitativos y cuantitativos con la
finalidad de facilitar a la empresa el resolver problemas de importancia, además de contar
con la característica de predecir resultados, también indicaron que tomando en cuenta el gran
incremento del volumen de datos que trabajan hoy en día, se debe tener en mente que el
conocimiento y análisis del dominio no pueden trabajarse por separado. Mediante el Big Data
se buscará crear una oportunidad al negocio para modernizar su diseño y buscar que las

organizaciones tengan una mejor toma de decisiones, considerando que últimamente se
produjo un incremento en la cantidad de datos que se manejan, por esto se han logrado crear
nuevos métodos en la ciencia de datos y aplicaciones para la predicción apoyado en
algoritmos.

Según De Caigny et al. (2018), “el modelo Logit Leaf (LLM) se propone como un nuevo
algoritmo de clasificación híbrido que utiliza una combinación de árboles de decisión y
regresión logística que se desarrolla para reducir las debilidades de DT y LR manteniendo
sus fortalezas” (p. 2), lo cual nos indica que se trata de un método estadístico el cual tiene la
función de producir clases binarias, su resultado o también conocido como variable objetivo
tiene una naturaleza dicotómica, también se sabe que es conocido como un algoritmo de
Machine Learning simple y muy utilizado, se utiliza como línea base en todos los problemas
de clasificación binaria, teniendo en cuenta que esto permite detectar alguna dirección de
spam, realizar predicciones sobre las compras que realizarán los clientes y que producto será,
o si es que realizará la compra en la competencia. Por otra parte, según lo indicado por Wang
et al. (2016), El Supply Chain Analytics (SCA) facilita en tener un panorama claro y así poder
decidir con respecto a la oferta, la demanda, el proceso de gestión de inventarios y a preveer
el presupuesto de la empresa. Es decir, el sistema de gestión el cual se utiliza en el proceso
de órdenes de compras, gestión de la producción y maneja de la distribución, ayuda a
relacionar todas las actividades de la logística para un mejor desempeño.

Begazo Barrera (2017), nos habla sobre la importancia de tener un control interno con
el fin de obtener mejores resultados, generando así más liquidez para la empresa, para
implementar ello se debe realizar un análisis holístico actual de los controles internos
identificando los factores críticos y definir la metodología, esto nos ayuda a prevenir que no
se presenten anomalías que puedan afectar a la información financiera, obteniendo así una
información confiable que será base para tomar decisiones en las órdenes de compra. Por
otro lado, Duran (2012), menciona que el inventario es una de las inversiones primordiales
de la empresa en comparación a los diferentes activos, esto por el hecho de que son
indispensables para generar las ventas y con ello lograr el incremento de las utilidades,
también hace mención que muchos gerentes no toman la importancia adecuada al inventario
y caen en pérdidas al punto de quebrar, por último, Ortiz et al. (2013), nos habla sobre el
importante papel que toma el área logística en la organización, es vital para que mantenga a
sus clientes y consiga nuevos, ésta se está posicionando en unas de las principales
actividades empresariales, además se usan unos indicadores económicos con el fin de
calcular los resultados.

Finalmente, la implementación de la analítica predictiva permite aprovechar los datos
que la empresa maneja con el objetivo de tener una gestión de la logística más sólida y eficaz,
esto será apoyado por medio de Big Data y el análisis de negocio brindando predicciones a
fin de tomar mejores decisiones para el abastecimiento del almacén con los productos más
solicitados. Además, el modelo Logit Leaf ayuda a afinar las predicciones, con esto se logrará
que los clientes no se sientan incómodos o generen reclamos al esperar demasiado tiempo
por su producto, se asegurará la producción continua de la empresa y se mantendrá o
mejorará la reputación que la empresa tiene logrando así la captación de más clientes.

6. HIPÓTESIS
6.1. Hipótesis general
La implementación de la inteligencia analítica predictiva mejora los procesos de control de
inventario y generación de órdenes de compra.
6.2. Hipótesis específicas
- Los procesos de control de inventario y generación de órdenes de compra no cumplen con
las necesidades de la empresa.
- Para implementar la inteligencia analítica se necesita diseñar un prototipo con el fin de
perfeccionar los procesos de control de inventario y generación de órdenes de compra.
- Las herramientas de software para el análisis de datos son necesarias para la
implementación de la inteligencia analítica predictiva.

7. METODOLOGÍA
7.1. Variables
7.1.1. Variable independiente
La Inteligencia Analítica Predictiva es la variable independiente, debido a que su
implementación en la organización determinará el efecto sobre la variable dependiente,
donde se espera una reducción de tiempos en el proceso de control de inventario y
generación de órdenes de compra. Además, la variable tendrá el alcance correlacional
cuantitativo, esto debido a los valores cuantitativos que se medirán, los cuales se aprecian
en los indicadores.
VARIABLES DIMENSIONES INDICADORES
Variable
independiente:
Inteligencia
analítica
predictiva

Eficiencia
Tiempo de ejecución de
los procesos de control de
inventario y generación de
órdenes de compra.
Eficacia
Número de operaciones
realizadas.

7.1.2. Variable dependiente
Son los procesos de control de inventario y generación de órdenes de compra, ya que estos
serán analizados y medidos con el fin de determinar el impacto que tuvo la variable
independiente. Por otro lado, la variable tendrá el alcance correlacional cuantitativa, esto
debido a los valores cuantitativos que se medirán, los cuales se pueden apreciar en los
indicadores.

VARIABLES DIMENSIONES INDICADORES
Variable
dependiente:
Procesos de control
de inventario y
Generación de
órdenes de compra
Prospección Historial de ventas
Rotación
Nivel de rotación de
productos

7.2. Tipo y diseño de investigación
7.2.1. Enfoque de la investigación
Se considera el enfoque cuantitativo ya que se determinará el nivel de productividad y
eficiencia en los procesos de control de inventario y generación de órdenes de compra.

7.2.2. Alcance de la investigación
La investigación tiene un alcance correlacional, debido a que se determinará la conexión
entre la variable independiente y dependiente, la cual podrá tener un efecto deseable o
no deseable, dependiendo del resultado de la hipótesis. Con esto se logrará determinar
el impacto que presentó una variable sobre la otra.

7.2.3. Diseño de la investigación
La investigación tiene un método experimental y un diseño preexperimental, dado que
solo se tendrá una muestra, obteniendo un grado de control mínimo para luego
implementar la inteligencia analítica predictiva a los procesos de control de inventario y
generación de órdenes de compra.
El procedimiento de investigación consiste en aplicar herramientas de analítica predictiva
sobre los datos de los procesos implicados en la producción y compras de telas, por lo
cual se podrá analizar el cambio que tendrá la variable dependiente luego de tratarla con
la variable independiente.

7.3. Población y muestra
La población de la investigación son los dos procesos involucradosen la producción de
telas, los cuales son el control de inventario y la generación de órdenes de compra. Para
la muestra también se usarán estos dos procesos mencionados.

7.4. Técnicas e instrumentos de investigación
En primer lugar, se realizará la técnica de previsión de series de tiempo, está técnica fue
escogida porque permite realizar un análisis de todos los datos de la organización y
poder reconocer patrones (Gang Wang et al., 2016), con la finalidad de poder anticiparse
ante sucesos que se podrían presentar tomando buenas decisiones, para esta técnica
se usará la herramienta Power BI, se empezará a utilizar esta herramienta luego de que
la empresa nos proporcione información mediante los reportes que manejan en
referencia a la compra de insumos y registros de productos fabricados y almacenados.
En segundo lugar, se utilizará la técnica de análisis de regresión, fue escogida esta
técnica ya que permite realizar una validación entre variables cuantitativas con el uso de
ecuaciones matemáticas (Gang Wang et al., 2016), para la ejecución de esta técnica se
utilizará el instrumento SPSS, el cual se encuentra estandarizada y podrá mostrar una
estadística informática, también se empezará a utilizar esta herramientas una vez que la
empresa Faride Algodón del Perú, nos proporcione su información de los reportes para
poder analizarla y procesarla. Ambos instrumentos serán aplicados al inicio

7.5. Matriz de consistencia
PREGUNTA
GENERAL
OBJETIVO
GENERAL
HIPÓTESIS
GENERAL
VARIABLES DIMENSIONES INDICADORES
TÉCNICAS/
INSTRUMENTOS
METODOLOGÍA
¿Cómo la
implementación de la
inteligencia analítica
predictiva mejora el
proceso de control de
inventarios y la
generación de
órdenes de compra
en la empresa Faride
Algodón del Perú en
el año 2021?
Determinar cómo la
implementación de la
inteligencia analítica
predictiva mejora el
proceso de control de
inventarios y la
generación de
órdenes de compra
en la empresa Faride
Algodón del Perú en
el año 2021.
La implementación de
la inteligencia
analítica predictiva
mejora los procesos
de control de
inventario y
generación de
órdenes de compra.
- Variable
independiente:
Inteligencia
analítica
predictiva

Eficiencia
Tiempo de
ejecución de los
procesos de
control de
inventario y
generación de
órdenes de
compra.

Previsión de
series de tiempo/
Power BI

Análisis de
regresión/
Programa SPSS

ENFOQUE:
Cuantitativo

ALCANCE:
Correlacional-
Cuantitativo

MÉTODO:
Experimental

DISEÑO:
Pre-Experimental

POBLACIÓN:
Proceso de
control de
inventario y
generación de
órdenes de
compra

MUESTRA:
Proceso de
control de
inventario y
generación de
órdenes de
compra

Eficacia
Número de
operaciones
realizadas PREGUNTAS
ESPECÍFICAS
OBJETIVOS
ESPECÍFICOS
HIPÓTESIS
ESPECÍFICAS
- ¿Cómo se lleva a
cabo el control de
inventario y la
generación de
órdenes de compra?

- ¿Qué se necesita
para implementar la
inteligencia analítica
predictiva en los
procesos de control
de inventario y
generación de
órdenes de compra?
- ¿Qué herramientas
de software son
necesarias para la
implementación de la
inteligencia analítica
predictiva?
- Identificar cómo se
lleva a cabo el
proceso de control de
inventario y la
generación de
órdenes de compra.
- Diseñar un prototipo
para la
implementación de la
inteligencia analítica
predictiva para la
mejora en los
procesos de control
de inventario y
generación de
órdenes de compra.
- Determinar las
herramientas de
software necesarias
para la
implementación de la
inteligencia analítica
predictiva.
- Los procesos de
control de inventario y
generación de
órdenes de compra
no cumplen con las
necesidades de la
empresa.
- Para implementar la
inteligencia analítica
se necesita diseñar
un prototipo con el fin
de mejorar los
procesos de control
de inventario y
generación de
órdenes de compra.
- Las herramientas de
software para el
análisis de datos son
necesarias para la
implementación de la
inteligencia analítica
predictiva.
- Variable
dependiente:
Procesos de
control de
inventario y
Generación de
órdenes de
compra
Producción

Cantidad de telas
producidas
Rotación

Nivel de rotación
de productos

8. CRONOGRAMA DE TRABAJO
Fases
Descripción de
objetivos y
actividades del
proyecto
Meses
Semanas
Marzo Abril Mayo Junio Julio
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Fase 1:
Revisión
Actividad 1
x x Revisión del
proyecto de
investigación
Fase 2:
Diagnóstico
de los
procesos de
control de
inventarios y
la
generación
de órdenes
de compra
Actividad 2
x Aplicación del
primer instrumento
(Cuestionario)
Actividad 3
x x
Aplicación del
segundo
instrumento
(Power BI)
Actividad 4
x Realizar el flujo de
los procesos en
Bizagi
Actividad 5
x Realizar diagrama
de Ishikawa
Actividad 6
x
Entrega del
primer avance
del proyecto de
investigación
Actividad 7
x Creación de
Dashboard
Actividad 8
x Realizar una
propuesta de
mejora
Fase 3:
Simulación y
afinamiento
del proyecto
Actividad 9
x
Entrega del
segundo avance
del proyecto de
investigación
Actividad 10
x x x x x x x x x x Redacción del
trabajo final
Actividad 11 x x

Levantamiento de
observaciones
Actividad 12
x
Simular la
inteligencia
analítica predictiva
en los procesos
estudiados
Fase 4:
presentación
final de plan
de tesis
Actividad 13
x
Entrega del
informe final
Actividad 14
x x Planteamiento de
estructura del plan
de tesis
Actividad 15
x Levantamiento de
observaciones
Actividad 16
x Entrega del plan
de tesis

9. PRESUPUESTO

CLASE GRUPO RECURSO DETALLE ORIGEN IMPORTE
Recursos
disponibles
Infraestructura
Hardware 2 laptops Propio -
Software Paquete de Office UTP -
Software
Licencia de Power
BI PRO
Propio S/ 76.00
Software
Software
modelador de
procesos
Propio -
Recursos
necesarios
Servicios
Energía
eléctrica
Servicio de
energía eléctrica
Propio S/ 50.00
Red
Servicio de
internet
Propio S/ 100.00
Total S/ 226.000

10. BIBLIOGRAFÍA

Begazo, M. (2017). Control interno de las existencias y su influencia en la mejora en los
resultados económicos de una empresa Agrícola-Agroindustrias Viviana S.A.C.-
En el distrito de Majes, 2016. [Tesis de pregrado, Universidad Nacional de San
Agustín de Arequipa]. Repositorio de la UNSA.
http://repositorio.unsa.edu.pe/bitstream/handle/UNSA/4460/Cobebam.pdf?sequ
ence=1&isAllowed=y

De Caigny, A., Coussement K. & De Bock, K. (2018). Un nuevo algoritmo de clasificación
híbrido para la predicción de rotación de clientes basado en regresión logística y
árboles de decisión. Revista europea de investigación operativa. 269, 760-772.
https://doi.org/10.1016/j.ejor.2018.02.009

Durán, Y. (2012). Administración del inventario: elemento clave para la optimización de
las utilidades en las empresas. Visión Gerencial (1), 55-78. Obtenido:
http://www.redalyc.org/pdf/4655/465545892008.pdf

Feng, L., Zhang, G., & Chen, J. (2021). Análisis e investigación de la distribución urbana
sin contacto basadoen antecedentes de Big Data. Journal of Physics:
Conference Series, 1881(4). https://doi.org/10.1088/1742-6596/1881/4/042001

Fosso W., Akter, S., Edwards, A., Chopin, G. & Gnanzou, D. (2015). Cómo 'big data'
puede tener un gran impacto: hallazgos de una revisión sistemática y un estudio
de caso longitudinal. International Journal of Production Economics, 165, 234-
246. https://doi.org/10.1016/j.ijpe.2014.12.031

Gutierrez-Franco, E., Mejia-Argueta, C. & Rabelo, L. (2021). Metodología basada en
datos para respaldar la logística y la toma de decisiones duraderas para
operaciones urbanas de última milla. Sustainability (Switzerland), 13(11), 1-33.
https://doi.org/10.3390/SU13116230

http://repositorio.unsa.edu.pe/bitstream/handle/UNSA/4460/Cobebam.pdf?sequence=1&isAllowed=y
http://repositorio.unsa.edu.pe/bitstream/handle/UNSA/4460/Cobebam.pdf?sequence=1&isAllowed=y
https://doi.org/10.1016/j.ejor.2018.02.009
http://www.redalyc.org/pdf/4655/465545892008.pdf
https://doi.org/10.1088/1742-6596/1881/4/042001
https://doi.org/10.1016/j.ijpe.2014.12.031
https://doi.org/10.3390/SU13116230

Latinovic, A., Preradović, D., Barz y Todić, M. (2019). Adaptive framework based on
machine learning for logistics planning in Industry 4.0. International Congress of
Applied Sciences, 477, 2-8. https://doi.org/10.1007/978-981-13-1810-8_43
Ortiz M., Felipe P. & Arias E. (2013). Desempeño logístico y rentabilidad económica.
Fundamentos teóricos y resultados prácticos. Economía y Desarrollo, 149(1),
182-193. Recuperado: https://www.redalyc.org/pdf/4255/425541207012.pdf

Waller, A., & Fawcett E. (2013). Ciencia de datos, análisis predictivo y macrodatos: una
revolución que transformará el diseño y la gestión de la cadena de suministro.
Journal of Business Logistics. 34(2), 77–84. https://doi.org/10.1111/jbl.12010

Wang, G., Gunasekaran, A., Ngai, E. W. T., & Papadopoulos, T. (2016). Big data
analytics in logistics and supply chain management: Certain investigations for
research and applications. International Journal of Production Economics. 176,
98–110. https://doi.org/10.1016/j.ijpe.2016.03.014

Zapata, J. (2014). Fundamentos de la gestión de inventarios. Centro editorial Esumer.
https://docplayer.es/27441395-Fundamentos-de-la-gestion-de-inventarios.html

https://doi.org/10.1007/978-981-13-1810-8_43
https://www.redalyc.org/pdf/4255/425541207012.pdf
https://doi.org/10.1111/jbl.12010
https://doi.org/10.1016/j.ijpe.2016.03.014
https://docplayer.es/27441395-Fundamentos-de-la-gestion-de-inventarios.html

11. ANEXOS

 Logo de la empresa Faride Algodón del Perú S.R.L.

 Paleta de colores de las telas en la empresa Faride Algodón del Perú S.R.L.

 Productos químicos para el desarrollo de nuevos colores

 Uniforme de protección de los trabajadores de la empresa Faride Algodón del Perú
S.R.L.

 Instalaciones de la empresa Faride Algodón del Perú S.R.L.

 Ubicación de la empresa Faride Algodón del Perú S.R.L.

Antonio Bazo 784 - La Victoria