Esta investigación surgió con el objetivo de implementar una solución de minería de datos para pronosticar la demanda de medicamentos a partir de grandes volúmenes de datos y con un alto nivel de precisión en la farmacia de un establecimiento de salud debido a que durante el análisis de la situación inicial se detectaron oportunidades de mejora en el proceso de planeamiento del abastecimiento que podrían permitir maximizar la demanda atendida y minimizar los costos de mantener medicamentos por mucho tiempo en el almacén. Para cumplir con lo planificado se utilizó la metodología CRISP-DM y las redes neuronales, logrando construir un modelo de pronóstico por cada medicamento existente. Tras los procesos de entrenamiento y mejora, los modelos obtuvieron en promedio un valor de 0.9 para la métrica R-cuadrado, demostrando un buen nivel de adaptación al comportamiento de la demanda, y un valor promedio de 17.88% durante la medición del MAPE con lo que garantizaron un alto nivel de precisión. Por otro lado, se construyó una aplicación web que permite a los usuarios obtener reportes de los pronósticos y actualizar los parámetros de los modelos, así como reentrenarlos o crear nuevos. Finalmente, las interfaces de esta aplicación obtuvieron en promedio 92 puntos tras su evaluación en base a los criterios propuestos por una herramienta de medición de rendimiento.
Identifer | oai:union.ndltd.org:usat.edu.pe/oai:tesis.usat.edu.pe:20.500.12423/5917 |
Date | January 2023 |
Creators | Vilchez Villegas, Jose Carlos |
Contributors | Iman Espinoza, Ricardo David |
Publisher | Universidad Católica Santo Toribio de Mogrovejo, PE |
Source Sets | Universidad Catolica Santo Toribio de Mogrovejo |
Language | Spanish |
Detected Language | Spanish |
Type | info:eu-repo/semantics/bachelorThesis |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess, http://creativecommons.org/licenses/by/4.0/ |
Page generated in 0.0016 seconds