Machine Learning
Automoción · Cadena de Suministro
Previsión de Demanda y Riesgo de Cancelación en Cadenas OEM
Filtrado de ruido estadístico
Señal de demanda neta
Ajuste dinámico de MRP
El Reto
El flujo impredecible de pedidos de OEM hacía imposible dimensionar la capacidad productiva real. Las cancelaciones de última hora causaban cuellos de botella e inmovilizaban el inventario de materias primas.
Lo Que Construimos
Modelos de ML entrenados para discriminar el ruido estadístico producen una señal de demanda neta refinada, separando los pedidos firmes de los que presentan alta probabilidad de cancelación.
Impacto Operacional
Producción alineada con la demanda neta real sin paradas imprevistas ni horas extra. Reducción drástica del stock de seguridad de materias primas. Mejora del SLA frente a los OEM.
Tecnología Utilizada
PythonProphet
scikit-learn
AWSPower BI
