Modelo predictivo de demanda basado en redes neuronales para aprovisionamiento en empresas textiles
En la actualidad, la planificación es una necesidad apremiante. Un objetivo importante de la planificación es tratar de prever lo que puede suceder en el futuro. El presente trabajo fue dirigido hacia a las empresas del sector textil y contó con su enorme respaldo. La tarea consistió en coadyuvar en la planeación de una demanda precisa y adecuada, que permita a nivel operacional y estratégico un aprovisionamiento de suministros que minimice costos y mejore la utilidad de la empresa, permitiéndole mantenerse competitiva ante las fluctuaciones de mercado y cursos de acción de sus competidores. En la actualidad la obtención de un pronóstico de demanda se realiza mediante técnicas basadas en métodos estadísticos, sin embargo, los datos obtenidos se muestran susceptibles a error, y por consiguiente en desmedro de las utilidades de las empresas. Fundamentado en esta situación y a partir de un enfoque de cadena de suministros, se reconoce en las empresas del sector textil, la necesidad de realizar pronósticos más certeros a fin de reducir las faltas, pérdidas por escasa o excesiva producción; resultado alcanzable a través de herramientas que permitan establecer las relaciones lineales y no lineales que se establecen entre la demanda y las principales variables que influyen en esta. En tal contexto emergen las Redes Neuronales Artificiales (RNA), como una herramienta efectiva para dar solución a la problemática planteada. Las RNA representan una de las técnicas más conocidas de las que forman parte, la Inteligencia Artificial y que se inspira en la naturaleza de la inteligencia humana y su afán por comprender y desarrollar entidades inteligentes simples, para crear sistemas de inteligencia complejos.
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Thesis biblioteca |
| Language: | Spanish / Castilian |
| Published: |
2020
|
| Subjects: | HERRAMIENTA TENSORFLOW, MÉTODOS DE PRONÓSTICO, REDES NEURONALES ARTIFICIALES, |
| Online Access: | http://repositorio.umsa.bo/xmlui/handle/123456789/27696 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|