Optimización de la gestión de la cadena de suministro de una empresa distribuidora utilizando técnicas de aprendizaje automático
Loading...
Date
2022-12-27
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Católica de Santa María
Abstract
La presente tesis tiene como objetivo la optimización de la gestión de la cadena de
suministro de una empresa distribuidora de productos alimenticios para supermercados locales
de la ciudad de Arequipa mediante el uso de técnicas de Aprendizaje Automático.
Se utilizó una metodología basada en CRISP-DM para trabajar con los datos obtenidos
para generar los modelos predictivos; los cuales fueron obtenidos de los años 2020 al 2021. Se
utilizó los algoritmos de aprendizaje supervisado de regresión lineal múltiple, vectores de
soporte de regresión, árboles de decisión de regresión y redes neuronales. Se obtuvo las
métricas de cada modelo predictivo donde sobresale el de vectores de soporte de regresión
(SVR) con la librería ScikitLearn, por tener un mejor desempeño con el conjunto de datos
utilizado. Durante el desarrollo de la investigación se utilizó la plataforma de Google Colab y
las librerías ScikitLearn y TensorFlow que fueron de utilidad para entrenar y evaluar los
modelos predictivos.
Finalmente, se pudo validar en la fase de resultados que se obtuvo una optimización en
la devolución de los productos por supermercado en los indicadores de devolución mensual por
supermercado en un 36.36%, en la devolución mensual por categoría en un 39.74% y la utilidad
bruta porcentual creció un 25.95% después de la implementación del modelo predictivo
Description
Keywords
Inteligencia Artificial Aplicada, Aprendizaje Automático, Previsión de la Demanda, Cadena de Suministro, Python