Análisis de Big Data para la predicción de materia prima en el sector industrial: Una revisión sistemática (#395)

Authors

Noe Contreras, Ethel Del Rosario

Valderrama Cassani, Aimar

Blancas Castro, Álvaro Mauricio

Cornelio Ramos, Jose

Abstract

En el marco de la transformación digital del sector industrial, esta revisión analizó el uso de Big Data para predecir materia prima, enfocándose en su aplicación en la planificación de compras y la gestión de inventarios. Se realizó una búsqueda sistemática en Scopus en abril de 2025, siguiendo el protocolo PRISMA y la estrategia PIOC. De 829 artículos identificados, 23 cumplieron los criterios de inclusión relacionados con técnicas predictivas en el sector manufacturero. Los resultados muestran mejoras significativas en la precisión de los pronósticos, reducción de costos operativos y optimización del inventario mediante el uso de redes neuronales LSTM, algoritmos híbridos y gemelos digitales. Estas tecnologías favorecen una toma de decisiones más ágil y adecuada en contextos de alta incertidumbre. La revisión evidencia los beneficios del análisis de Big Data en la cadena de suministro, aunque también revela limitaciones, como la escasa representación de estudios en Latinoamérica y la concentración de investigaciones en Asia y Europa. Se recomienda impulsar estudios empíricos en contextos locales para validar la aplicabilidad de estas herramientas en entornos con menor desarrollo digital.