Optimización de recursos mediante analítica de costos a través de Big-Driven en empresas de pallets de Machala

Esta investigación propone un modelo de analítica de costos Big-Driven diseñado para optimizar los recursos en las empresas productoras de pallets en Machala, Ecuador, superando las limitaciones de los sistemas de costeo tradicionales. El problema central radica en el uso de modelos estáticos y retrospectivos que promedian costos (estimados en $9.38 por unidad) e ignoran variables críticas en tiempo real, como la volatilidad de la humedad en la madera y las fallas de maquinaria. Mediante un enfoque mixto que emplea minería de datos y modelado predictivo, el estudio integra datos heterogéneos de sensores IoT y registros financieros para transformar la gestión de costos de reactiva a proactiva. Los resultados validan que la analítica avanzada permite identificar inductores de costo no convencionales, como el desperdicio predictivo por lote y la eficiencia por turno, logrando una trazabilidad causal precisa. El aporte inédito consiste en adaptar este marco tecnológico a la realidad de las PyMEs locales, facilitando recomendaciones prescriptivas para el ajuste automático del flujo productivo y la asignación óptima de materia prima. En conclusión, la implementación de este modelo no solo reduce ineficiencias ocultas, sino que convierte los datos operativos masivos en una ventaja competitiva sostenible al maximizar el rendimiento del sistema productivo en un entorno dinámico.