Diseño de un sistema de gestión de inventarios enfocado en el uso de herramientas de machine learning

Los acelerados cambios en la sociedad actual, han llevado a que las necesidades de las personas varíen de forma rápida, esto, ha creado demandas extremadamente volátiles que se han convertido en un enorme problema para las PYME. Ante la imposibilidad de determinar con certeza no solo la demanda de sus productos, sino cuales deben priorizar, principalmente debido a la falta de una política robusta de gestión de inventarios, muchas de las empresas dentro de esta categoría han incurrido en pérdidas y en sobrecostos. Esta situación ha creado la necesidad de implementar métodos y herramientas más robustas para el control de los inventarios, que sean capaces de adaptarse a los rápidos cambios que presentan los mercados actuales. El presente trabajo propone una solución que cumple con los requerimientos de esta problemática, esto lo logra mediante la implementación de modelos de machine learning conocidos por su gran adaptabilidad, en una de herramienta de gestión de inventarios para la clasificación y el pronóstico de la demanda de los productos. Esta herramienta permite realizar un control mucho más acertado de los inventarios de la compañía gracias a que otorga la posibilidad de realizar la clasificación de los productos basada en múltiples variables, pero también se debe a la implementación del modelo XGBoost para la realización de los pronósticos. XGBoost es uno de los modelos de machine learning más potentes de la actualidad, cuyo potencial de adaptación y aplicación en casos reales también se ve reflejado en las simulaciones realizadas en este proyecto, donde encontramos que al utilizar XGBoost para pronosticar las ventas de una empresa distribuidora de textiles ubicada en Barranquilla, La herramienta ayuda a reducir los costos de inventario en un 24% respecto a una política EOQ diseñada para el caso. Adicionalmente, lleva a un aumento de un 3.57% en su nivel de servicio.

• Autores: Araujo Hernandez, Angie; Vásquez Álvarez, Isabel; Villa Calvo, Jeffrey; Araujo Hernández, Angie
• Fecha de publicación: 2021
• Institución: Universidad del Norte
• Repositorio: Repositorio Uninorte
• Idioma: spa
• OAI Identifier: oai:manglar.uninorte.edu.co:10584/9537
• Acceso en línea: http://hdl.handle.net/10584/9537
• Palabra clave: Sistema de gestión de inventarios; Inventarios; Aprendizaje supervisado; Aprendizaje no supervisado; Aprendizaje automático; XGBoost; K-medias; Pronósticos; Clasificación ABC; Shiny App; Control de inventarios; Máquinas de soporte vectorial; Inventory Management System; Inventory; Supervised Learning; Unsupervised Learning; Machine Learning; XGBoost; K-means; Forecasting; ABC Classification; Shiny App; Inventory Control; Support Vector Machine
• License: Universidad del Norte