Preparación de datos
Se prepararon los datos identificando posibles outliers. En el gráfico adjunto se presenta un heat-map de incrementos de ventas por periodos y referencias realizado con el fin de identificar valores atípicos.
Prueba de modelos
Seguidamente se probaron diversos algoritmos entre ellos ARIMA, Hot-Winters, CNN univariable y multivariable, LSTM. Se seleccionó un algoritmo combinado.
Stocks y re-aprovisionamiento
Se ajustaron los stocks de seguridad de forma personalizada y dinámica de modo que se mejoraba el servicio con menores stocks. Las órdenes de re-aprovisionamiento se ajustan a histogramas de consumos recientes y contemplan tendencia y estacionalidad.