Previsión de stock con técnicas de Inteligencia Artificial para distribuidoras de alimentación y bebidas

Uno de los problemas clave a los que se enfrentan las empresas de distribución de alimentación y bebidas es el mantenimiento y reducción de inventario o stock de productos. La previsión de stock es una ventaja competitiva muy importante en las empresas de este sector ya que así se logra un abastecimiento óptimo al menor coste posible. La optimización de la predicción del stock constituye, por tanto, un problema real de las empresas del sector que constituye una oportunidad para el desarrollo de herramientas de software adecuadas. En España, la mayoría de los softwares ERP del sector utiliza métodos estadísticos (media móvil, suavizado exponencial, etc.) para la previsión y optimización del stock de productos en diferentes periodos de demanda. El objetivo principal de este Trabajo de Fin de Grado es el de explorar la aplicación de técnicas de inteligencia artificial como alternativa a las técnicas estadísticas habituales de gestión y optimización de stock utilizadas por las empresas de distribución de alimentación y bebidas. Para lograr este objetivo, se han utilizado los datos suministrados por dos empresas del sector que me han permitido entrenar diferentes modelos y evaluar aquellos que mejor se adaptan a la problemática planteada. Para ello, he aplicado algoritmos de aprendizaje automático y profundo que, al contrario que los modelos estadísticos, no asumen a priori una relación particular del histórico de stock, sino que aprenden los patrones de demanda de la demanda histórica de stock de productos de estas empresas. En este estudio, he evaluado tanto modelos de aprendizaje automático (árbol de regresión, bosque extremadamente profundo, AdaBoost con árboles de regresión como clasificadores base, y Extreme Gradient Boosting) como modelos de aprendizaje profundo (Perceptrón Multicapa). Entre las dos bases de datos suministradas por las empresas, se obtuvo el consumo diario de 2200 productos que cumplían una serie de requisitos, filtrándose éstos en base a parámetr