Análisis de las tendencias y patrones de la gestión de inventarios mediante series de tiempo en C.A. Importaciones (2008–2024)

El propósito de la presente investigación fue analizar las tendencias y patrones de comportamiento del inventario asociado a una presentación específica de varitas aromatizadas, comercializada por una empresa de importaciones en Colombia durante el periodo comprendido entre 2008 y 2024. El producto fue seleccionado por representar el mayor volumen de rotación histórica dentro de su categoría. Con ello se buscó identificar que método podría aportar una mayor viabilidad al proceso de compras de inventarios mediante el uso de modelos predictivos, que permitieran anticipar la demanda futura y en consecuencia optimizar la gestión de inventarios para reducir riesgos de desabastecimiento o sobre stock. El estudio se desarrolló bajo un enfoque cuantitativo de tipo longitudinal, basado en datos históricos de ventas mensuales, con un total de 204 observaciones, de las cuales 202 registraron ventas efectivas. Se emplearon técnicas de análisis de series de tiempo, aplicando modelos de descomposición como X-11 y el filtro Hodrick–Prescott, así como modelos predictivos ARIMA y su versión transformada mediante logaritmo (log-ARIMA). La evaluación del desempeño incluyó métricas de precisión como MAE RMSE y MAPE complementadas con pruebas de diagnóstico sobre residuos entre ellas Ljung–Box Jarque–Bera y Shapiro–Wilk con el fin de verificar la auto correlación y distribución de los errores. Los hallazgos demuestran que la serie presenta estacionalidad y fluctuaciones cíclicas que pueden ser modeladas con un nivel adecuado de precisión. X-11 obtuvo los mejores valores en MAE y RMSE dentro de los métodos de descomposición mientras que el filtro Hodrick–Prescott mostró resultados levemente menos favorables pero consistentes con la tendencia general del inventario. En cuanto a la predicción el modelo original ARIMA (113) logró un buen desempeño preliminar; aunque, el modelo Log-ARIMA (011) registró una mejora en el error porcentual (MAPE del 18.66%) y mayor estabilidad estadística en los residuos lo que respalda su mayor confiabilidad para las proyecciones.