http://repositorio.ucsg.edu.ec/handle/3317/25130 Tue, 29 Sep 2026 16:56:33 GMT 2026-09-29T16:56:33Z http://repositorio.ucsg.edu.ec/handle/3317/26729 Título : Optimización del stock de los productos de Toalco mediante un algoritmo K-means. Autor : Castro Perrone, Franccesca Valentina; Párraga Rosales, Jostyn Josué Resumen : Efficient inventory management is fundamental to corporate competitiveness today, as innovation and process automation—driven by data analysis—have become effective tools for improving product classification by identifying the variables that directly influence product behavior. Nevertheless, understanding and applying machine learning concepts—such as Principal Component Analysis and the K-Means algorithm for product segmentation—remain a challenge. The classification of products and the identification of the variables that affect their turnover and cost within the inventory are of primary importance, as they allow companies to adopt new procurement strategies and reduce the risks of overstock and stockouts. The present research focuses on developing a methodology based on Principal Component Analysis and the K-Means algorithm for the segmentation of inventory products, with the aim of achieving a representative grouping of products according to their demand, cost, and turnover behavior. The application of Principal Component Analysis and the K-Means algorithm for this segmentation is justified given that inventory management constitutes one of the most decisive operational processes for the profitability and efficiency of companies, as it represents a significant share of their working capital. Descripción : La gestión correcta de inventarios es parte fundamental en la competitividad de las empresas en la actualidad, donde la innovación y la automatización de procesos mediante el análisis de datos se ha convertido en una herramienta efectiva para mejorar la clasificación de los productos, identificando las variables que influyen directamente en el comportamiento de este. Pese a ello, el entendimiento y la utilización de conceptos de aprendizaje automático, como lo son el Análisis de Componentes Principales y el algoritmo K-Means para la segmentación de productos, siguen siendo un desafío. La clasificación de los productos y la identificación de las variables que afectan su rotación dentro del inventario son de principal importancia, ya que gracias a esto las empresas pueden adoptar estrategias adecuadas de aprovisionamiento y reducir los riesgos de sobrestock y desabastecimiento. La presente investigación se enfoca en el desarrollo de una metodología basada en el Análisis de Componentes Principales y el algoritmo K-Means para la segmentación de productos de inventario, en la cual se espera lograr una agrupación representativa de los productos según su comportamiento de demanda, costo y rotación. La aplicación del Análisis de Componentes Principales y del algoritmo K-Means para esta segmentación se justifica debido a que la gestión de inventarios constituye uno de los procesos operativos más determinantes en la rentabilidad y la eficiencia de las empresas, al representar una parte significativa de su capital de trabajo. Sat, 22 Aug 2026 00:00:00 GMT http://repositorio.ucsg.edu.ec/handle/3317/26729 2026-08-22T00:00:00Z http://repositorio.ucsg.edu.ec/handle/3317/26728 Título : Análisis de la cadena de valor y su incidencia en la competitividad de las exportaciones ecuatorianas de mango hacia Países Bajos (período 2021-2025). Autor : Cañizares Aguilar, Gabriela Nicole Resumen : This research aimed to analyze the value chain of Ecuadorian mango exports and determine its impact on competitiveness in the Netherlands market during the 2021–2025 period. The study adopted a mixed-methods approach by integrating quantitative and qualitative procedures. Analytical-synthetic, inductive-deductive, comparative, and statistical methods were applied. Official databases were analyzed, and surveys were conducted among exporting companies, together with semi-structured interviews with key stakeholders in the sector. The assessment included indicators such as the Revealed Comparative Advantage Index, the Herfindahl-Hirschman Index, Porter’s Diamond, time-series analysis, and benchmarking against competitors such as Peru and Brazil. The results showed that Ecuador has productive and commercial advantages; however, limitations persist regarding varietal adaptation, post-harvest technology, international logistics, value-added capture, and commercial integration with the Dutch market. It is concluded that deficiencies in these links negatively affect export competitiveness and limit the use of opportunities in the European market. As a proposal, a comprehensive strategy for strengthening the value chain for the 2026–2030 period is presented, focused on varietal conversion, post-harvest improvement, certification enhancement, logistics optimization, and the consolidation of commercial strategies, supported by indicators and targets aimed at improving the participation of Ecuadorian mango in the Netherlands market. Descripción : La presente investigación tuvo como objetivo analizar la cadena de valor de las exportaciones ecuatorianas de mango y determinar su incidencia en la competitividad en el mercado de Países Bajos durante el período 2021-2025. Se desarrolló bajo un enfoque mixto, mediante la integración de procedimientos cuantitativos y cualitativos. Se emplearon los métodos analítico-sintético, inductivo-deductivo, comparativo y estadístico; asimismo, se analizaron bases de datos oficiales, se aplicaron encuestas a empresas exportadoras y entrevistas semiestructuradas a actores clave del sector. La evaluación incluyó indicadores como el Índice de Ventaja Comparativa Revelada, el Índice Herfindahl-Hirschman, el Diamante de Porter, el análisis de series de tiempo y el benchmarking frente a competidores como Perú y Brasil. Los resultados evidenciaron que Ecuador posee ventajas productivas y comerciales, pero presenta limitaciones en la adecuación varietal, la tecnología de postcosecha, la logística internacional, la captura de valor agregado y la articulación comercial con el mercado neerlandés. Se concluye que las deficiencias en estos eslabones inciden negativamente en la competitividad exportadora y limitan el aprovechamiento del potencial del mercado europeo. Como propuesta, se plantea una estrategia integral de fortalecimiento de la cadena de valor para el período 2026-2030, orientada a la reconversión varietal, mejora de postcosecha, fortalecimiento de certificaciones, optimización logística y consolidación de estrategias comerciales, con indicadores y metas para mejorar la participación del mango ecuatoriano en Países Bajos. Sat, 22 Aug 2026 00:00:00 GMT http://repositorio.ucsg.edu.ec/handle/3317/26728 2026-08-22T00:00:00Z http://repositorio.ucsg.edu.ec/handle/3317/26727 Título : Estimación de ventas mediante un algoritmo de K Means para la predicción basados en Machine Learning. Autor : Cañar Benavides, José Alejandro; Iglesias Muñoz, Valeria Abigail Resumen : This study investigates the estimation of shrimp feed sales through the combination of the K-Means algorithm and a multiple linear regression model, under a quantitative, applied, descriptive, and predictive approach. The study was conducted using a historical database containing 7,216 records and 38 variables corresponding to commercial transactions carried out between January 2025 and May 2026. Data processing was performed in Python through Google Colab, including inspection, cleaning, handling of missing and outlier values, data type conversion, removal of irrelevant variables, One-Hot encoding, and standardization. K-Means was used for clustering, and the optimal number of clusters was evaluated using the elbow method and the silhouette coefficient, determining that the best configuration consisted of two groups. Subsequently, the Cluster label was included as an explanatory variable within a multiple linear regression model in order to estimate Total USD. The model obtained an R² of 0.9883, a mean squared error of 710,081.00, and a mean absolute error of 485.65. The results showed a high degree of agreement between observed and estimated values, although greater deviations were found in negative transactions or those close to zero. It is concluded that the combination of K-Means and multiple linear regression makes it possible to identify transactional patterns and generate useful estimates to support decisions related to inventories, purchases, dispatches, sales targets, and financial resources, considering the specific methodological conditions of the applied model. The research also compared its results with previous studies on commercial segmentation and prediction, finding similarities in the analytical usefulness of these applied techniques. Descripción : Este trabajo investiga la estimación de ventas de alimento balanceado para camarón mediante la combinación del algoritmo K-Means y un modelo de regresión lineal múltiple, bajo un enfoque cuantitativo, aplicado, descriptivo y predictivo. El estudio se realizó con una base histórica de 7.216 registros y 38 variables correspondientes a transacciones comerciales realizadas entre enero de 2025 y mayo de 2026. El procesamiento se realizó en Python mediante Google Colab, incluyendo inspección, limpieza, manejo de valores faltantes y atípicos, conversión de tipos, eliminación de variables irrelevantes, codificación One-Hot y estandarización. Se utilizó K-Means para realizar el agrupamiento y se evaluó el número óptimo de clústeres mediante el método del codo y el coeficiente de silueta, determinándose que la mejor configuración fue con dos grupos. Posteriormente, se incluyó la etiqueta Clúster como variable explicativa dentro de una regresión lineal múltiple con el fin de estimar Total USD. El modelo obtuvo un R² de 0,9883, un error cuadrático medio de 710.081,00 y un error absoluto medio de 485,65. Los resultados mostraron que los valores observados y estimados coincidieron en un alto grado, aunque se encontraron desviaciones mayores en las transacciones negativas o cercanas a cero. Se concluye que la combinación de K-Means y regresión lineal múltiple permite reconocer patrones transaccionales y generar estimaciones útiles para apoyar decisiones relacionadas con inventarios, compras, despachos, metas comerciales y recursos financieros, considerando las condiciones metodológicas específicas del modelo aplicado. La investigación también comparó sus resultados con estudios anteriores sobre segmentación y predicción comercial, encontrando coincidencias en la utilidad analítica de estas técnicas aplicadas. Sat, 22 Aug 2026 00:00:00 GMT http://repositorio.ucsg.edu.ec/handle/3317/26727 2026-08-22T00:00:00Z http://repositorio.ucsg.edu.ec/handle/3317/26726 Título : Aplicación de técnicas de inteligencia artificial para reducir errores y tiempos en el proceso de picking de un centro de distribución automotriz. Autor : Blacio Córdova, Sayenka Jamilet; Jordan Mendoza, Johnny Jordan Resumen : This research aimed to propose the application of data analytics and artificial intelligence techniques to optimize the picking process in an automotive distribution center. This was achieved through demand analysis, operational product segmentation, and the identification of relationships between SKUs. The study used a quantitative approach qualitative support, utilizing operational records from the first four months of 2026, direct observation, and technical advices from employees involved in selection and packing activities. The analysis comprised 66,153 data records or order items, corresponding to 15,066 different orders and 6,930 different products. An average order preparation time of 23 minutes and an estimated error rate of 20.0 % were determined, calculated from 3,308 errors recorded across 16,544 orders included in the incident analysis. These results highlighted opportunities for improvement related to product organization, control of critical SKUs, location updates, reduction of rework, and strengthening operational monitoring. As part of the proposal, association rules were applied to identify relationships between star products and slow-moving candidates within multi-item baskets. After applying common counting, confidence, and lift criteria, 202 rules were identified that could be used for logistic analysis. A ranking model was also integrated Random Forest to prioritize recommendations. An interactive prototype in Google Colab and a dashboard in Power BI to visualize process indicators. The proposal does not envision a final implementation, but rather a technical alternative to improve decision-making, reduce routes and transportation, increase the operational efficiency , and strengthening the operational efficiency of order picking. Descripción : La presente investigación tuvo como objetivo proponer la aplicación de técnicas de analítica de datos e inteligencia artificial para optimizar el proceso de picking en un centro de distribución del sector automotriz, mediante el análisis de la demanda, la segmentación operativa de productos y la identificación de relaciones entre SKUs. El estudio se desarrolló bajo un enfoque cuantitativo con apoyo cualitativo, utilizando registros operativos del cuatrimestre 2026, observación directa y consulta técnica al personal vinculado con las actividades de picking y packing. El diagnóstico permitió analizar 66.153 registros o líneas de pedido, correspondientes a 15.066 órdenes únicas y 6.930 productos distintos. Asimismo, se identificó un tiempo promedio general de picking de 23 minutos por pedido y una tasa estimada de error del 20,0 %, calculada a partir de 3.308 errores registrados sobre 16.544 pedidos considerados para el análisis de incidencias. Estos resultados evidenciaron oportunidades de mejora relacionadas con la organización de productos, control de SKUs críticos, actualización de ubicaciones, reducción de reprocesos y fortalecimiento del seguimiento operativo. Como parte de la propuesta, se aplicaron reglas de asociación para identificar relaciones entre productos estrella y candidatos de baja rotación dentro de canastas multi-ítem. Tras aplicar criterios de conteo conjunto, confianza y lift, se identificaron 202 reglas que pueden utilizarse para el análisis logístico. Además, se integró un modelo de clasificación mediante Random Forest para priorizar las recomendaciones. Asimismo, se desarrolló un prototipo interactivo en Google Colab y un panel de control (Dashboard) en Power BI para si visualizar los indicadores del procesos. Esta propuesta no contempla una implementación definitiva, sino una alternativa técnica para mejorar la toma de decisiones, reducir las distancias de transporte, minimizar los errores y aumentar la eficiencia operativa de la preparación de pedidos. Sat, 22 Aug 2026 00:00:00 GMT http://repositorio.ucsg.edu.ec/handle/3317/26726 2026-08-22T00:00:00Z