Corrales Delgado, Carlo Jose LuisReinoso Carpio, Sebastián Darío2023-02-152023-02-152022-12-27https://repositorio.ucsm.edu.pe/handle/20.500.12920/12340La presente tesis tiene como objetivo la optimización de la gestión de la cadena de suministro de una empresa distribuidora de productos alimenticios para supermercados locales de la ciudad de Arequipa mediante el uso de técnicas de Aprendizaje Automático. Se utilizó una metodología basada en CRISP-DM para trabajar con los datos obtenidos para generar los modelos predictivos; los cuales fueron obtenidos de los años 2020 al 2021. Se utilizó los algoritmos de aprendizaje supervisado de regresión lineal múltiple, vectores de soporte de regresión, árboles de decisión de regresión y redes neuronales. Se obtuvo las métricas de cada modelo predictivo donde sobresale el de vectores de soporte de regresión (SVR) con la librería ScikitLearn, por tener un mejor desempeño con el conjunto de datos utilizado. Durante el desarrollo de la investigación se utilizó la plataforma de Google Colab y las librerías ScikitLearn y TensorFlow que fueron de utilidad para entrenar y evaluar los modelos predictivos. Finalmente, se pudo validar en la fase de resultados que se obtuvo una optimización en la devolución de los productos por supermercado en los indicadores de devolución mensual por supermercado en un 36.36%, en la devolución mensual por categoría en un 39.74% y la utilidad bruta porcentual creció un 25.95% después de la implementación del modelo predictivoapplication/pdfspainfo:eu-repo/semantics/openAccessInteligencia Artificial AplicadaAprendizaje AutomáticoPrevisión de la DemandaCadena de SuministroPythoninfo:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.02.04