Tesis: Sistema de Gestión de Inventario y Predicción de Agotamiento de Stock - Almacén IP

Este proyecto es una solución integral para el control de inventario y distribución de productos marinos, diseñada especialmente para Inversiones Peña. Utiliza técnicas avanzadas de Machine Learning para predecir el agotamiento de stock y cuenta con una arquitectura moderna distribuida en tres servicios principales:

Estructura del Proyecto

El monorepositorio está organizado de la siguiente manera:

• backend/: Servidor de APIs REST desarrollado en Java / Spring Boot que gestiona la lógica de negocio, autenticación, base de datos y notificaciones en tiempo real (SSE).
• frontend/: Interfaz de usuario desarrollada en React / Next.js con un diseño moderno (soporte para modo oscuro, componentes interactivos y notificaciones en tiempo real).
• machinelearning/: Servicio de predicción desarrollado en Python / FastAPI que utiliza modelos de Machine Learning para prever las fechas de agotamiento de stock basados en el historial de movimientos.

---

Requisitos y Configuración de Puertos

Los servicios están configurados para correr localmente en los siguientes puertos estándar:

Servicio	Tecnología	Puerto	URL Local
Frontend	Next.js (Node.js)	3000	http://localhost:3000
Backend	Spring Boot (Java)	8080	http://localhost:8080
Machine Learning	FastAPI (Python)	8000	http://localhost:8000

---

Cuentas de Acceso de Prueba

Para acceder al sistema de gestión de inventario, puedes utilizar las siguientes credenciales:

• Administrador: admin@ip.com / Contraseña: Admin123*
• Nuevo Administrador: admin_nuevo@ip.com / Contraseña: Admin123*
• Operador: operador_nuevo@ip.com / Contraseña: Admin123*

---

Cómo Ejecutar el Proyecto

1. Iniciar el Backend (Spring Boot)

1. Navega a backend/.
2. Asegúrate de tener configurada la base de datos MySQL/PostgreSQL según el archivo application.properties.
3. Compila y ejecuta la aplicación:

   ./mvnw spring-boot:run

2. Iniciar el Servicio de Machine Learning (FastAPI)

1. Navega a machinelearning/.
2. Activa el entorno virtual:

   source .venv/bin/activate

3. Inicia el servidor con uvicorn:

   uvicorn app.main:app --reload --port 8000

3. Iniciar el Frontend (Next.js)

1. Navega a frontend/.
2. Instala las dependencias y corre el servidor de desarrollo:

   npm install
   npm run dev

---

Subir cambios a GitHub

Para subir el proyecto completo a tu repositorio remoto, abre tu terminal local e introduce los siguientes comandos:

cd /Users/atlas/Documents/proyect
git push -u origin main