Ítem
Acceso Abierto
Transformación del acopio de leche en una compañía láctea mediante analítica descriptiva y predictiva para la optimización del proceso productivo
Título de la revista
Autores
Henao Fontecha, Joan Sebastián
Fecha
2026-02-11
Directores
Castaño Aristizabal, Yudy Constanza
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Buscar en:
Métricas alternativas
Resumen
El presente estudio de caso aborda la necesidad de transformar la toma de decisiones basadas en datos para mejorar la planificación productiva y el rendimiento industrial asociados al acopio de leche cruda en una compañía láctea. Para ello, se aplicó la metodología CRISP-DM mediante un enfoque que integra análisis descriptivo y predictivo. En la fase descriptiva se utilizaron técnicas de PCA y K-means, identificando tres segmentos de leche diferenciados por su composición (Leche Premium, Leche para Leche y Leche Estándar) lo que permite asignar estratégicamente la materia prima de mayor calidad a procesos de alto valor, haciendo más eficiente el proceso. En la fase predictiva se evaluaron modelos ARIMA y SARIMAX, seleccionándose este último por su mayor precisión con parámetros (1,0,2)x(1,1,1,30), gracias a la inclusión de la variable exógena Grasa y su capacidad para capturar la estacionalidad mensual; pese a la volatilidad diaria del acopio, el error acumulado a 30 días fue de solo -0.127%, lo que refuerza la confiabilidad de la planeación de abastecimiento. Los resultados evidencian que el modelo descriptivo optimiza la asignación de materia prima, mientras que el modelo predictivo permite pronosticar el ingreso diario de materia prima a la compañía. En conjunto, estos aportes generan beneficios organizacionales al favorecer decisiones más oportunas y alineadas con los objetivos de eficiencia y maximización del rendimiento. En conclusión, el proyecto impulsa la transformación hacia una gestión del acopio más estratégica e inteligente, sentando las bases para un proceso de recepción de leche sustentado en datos, más predecible y orientado a la calidad.
Abstract
This case study addresses the need to transform data-driven decision-making to improve production planning and industrial performance associated with the raw milk collection process in a dairy company. To achieve this, the CRISP-DM methodology was applied through an approach that integrates descriptive and predictive analytics. In the descriptive phase, PCA and K-means techniques were used, identifying three milk segments differentiated by their composition (Premium Milk, Milk-for-Milk, and Standard Milk), which enables the strategic allocation of higher-quality raw material to high-value processes. In the predictive phase, ARIMA and SARIMAX models were evaluated, with parameters (1,0,2)x(1,1,1,30) selected for its superior accuracy, supported by the inclusion of Fat as an exogenous variable and its ability to capture monthly seasonality. Despite the daily volatility of milk collection, the 30-day cumulative error was only –0.127%, strengthening the reliability of supply planning. The results show that the descriptive model improves raw material allocation, while the predictive model allows for highly accurate anticipation of operational needs. Together, these contributions provide organizational benefits by enabling more timely decisions aligned with efficiency and performance goals. In conclusion, the project drives the transition toward a more strategic and intelligent milk collection management approach, laying the groundwork for a data-driven, more predictable, and quality-oriented reception process.
Palabras clave
ARIMA , Planificación productiva , CRISP-DM , PCA , K-means , ARIMA , SARIMAX , Cadena de suministro , Sector Lácteo
Keywords
Data-driven decision-making , CRISP-DM , SARIMAX , ARIMA , Supply chain , Dairy Industry
