Sistema predictor de la demanda de medicamentos aplicando técnicas de aprendizaje automático.

Domínguez Martínez, Missael

dc.contributor.author	Domínguez Martínez, Missael
dc.date.accessioned	2026-08-10T20:01:36Z
dc.date.available	2026-08-10T20:01:36Z
dc.date.issued	2025-12-02
dc.identifier.govdoc	MGDNT .17121 2025
dc.identifier.other	ATD1917
dc.identifier.uri	http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/8248
dc.description	La predicción de la demanda se ha convertido en un elemento fundamental para la toma de decisiones estratégicas en distintos sectores, especialmente en el ámbito de la salud, donde la correcta planeación de recursos impacta directamente en la calidad del servicio y en la atención a los usuarios, en este contexto, el uso de tecnologías basadas en ciencia de datos e inteligencia artificial permite analizar grandes volúmenes de información histórica para identificar patrones de comportamiento y generar estimaciones más precisas, en México, la Institución encargada de brindar servicio de salud, enfrenta el desafío de garantizar el abastecimiento oportuno de medicamentos para millones de usuarios, lo que hace indispensable el desarrollo de herramientas tecnológicas que permitan optimizar la planeación de la demanda y fortalecer la gestión de la cadena de suministro. Dentro de este Instituto, el pronóstico de la demanda representa el punto de partida esencial para la correcta ejecución de las actividades logísticas y operativas, la precisión en las estimaciones es un factor determinante, ya que de ella depende la planeación interna y externa de los recursos, la proyección de procesos y procedimientos, así como la definición de estrategias operativas y financieras. El presente estudio se basa en la planeación de la demanda de insumos mediante un sistema inteligente predictivo, sustentado en el uso de técnicas de aprendizaje automático, este enfoque permitirá que la gestión de la cadena de suministro sea más eficiente, al calcular niveles de inventario óptimos y eliminar aquellos que resulten ociosos o con bajo movimiento, asimismo, el modelo posibilita la proyección de stocks de seguridad con el fin de anticipar variaciones en la demanda, además de establecer niveles máximos y mínimos de inventario que garanticen un equilibrio entre disponibilidad y costo. Actualmente, la Institución realiza la predicción de la demanda mediante técnicas de pronóstico basadas en promedio simple, los resultados obtenidos son comunicados a las distintas áreas que participan dentro de la cadena de suministro, con el propósito de que realicen las gestiones operativas y administrativas correspondientes, en este sentido, la precisión de estos pronósticos adquiere un papel fundamental, ya que sus resultados generan un impacto directo en la planeación y ejecución de las actividades a lo largo de toda la cadena de suministro. Se detectó que los resultados del rendimiento actual del pronóstico, se encuentra por debajo del 70%, el cual incumple lo establecido en los objetivos Institucionales, lo que ha originado una serie de problemáticas relacionadas con: adquisición de insumos a precios elevados, incremento en los costos de almacenamiento y de mantener derivado del lento o nulo movimiento de los insumos, sobre inventarios, pérdida de bienes por caducidades, robo, saturación de espacios para almacenar, incremento en niveles de mortalidad, baja calidad de vida en usuarios, tratamientos interrumpidos, entre algunos otros, lo cual muestra un panorama de oportunidad de mejora, principalmente en los cálculos de pronósticos de demanda.	es_ES
dc.language.iso	es	es_ES
dc.publisher	EscSupTepeji-BD-UAEH	es_ES
dc.subject	Planeación	es_ES
dc.subject	Aprendizaje automático	es_ES
dc.subject	Medicamentos	es_ES
dc.subject	Cadena de suministro	es_ES
dc.subject	Inteligencia artificial	es_ES
dc.subject	Gestión y Desarrollo de Nuevas Tecnologías.	es_ES
dc.title	Sistema predictor de la demanda de medicamentos aplicando técnicas de aprendizaje automático.	es_ES
dc.title.alternative	Gestión y Desarrollo de Nuevas Tecnologías.	es_ES
dc.type	Tesis	es_ES