Diseñar un sistema de pronóstico de demanda en tiempo real basado en la tecnología de RNAs que garantice el cumplimiento de ventas de Frunorte Ltda.

La ausencia operacional repetitiva en el proceso de planeación de la empresa FRUNORTE LTDA genera sobrecostos, pérdida de oportunidades, poca eficiencia, incumplimiento de metas, desventaja competitiva. Para esto se propuso un diseñó de programación basado en la tecnología RNAs, el cual arroja pronó...

Full description

Autores:
Morales Bustamante, Miguel Eduardo
Torres Acosta, Jabib Esteban
Jimenez Jalube, Jorge Eduardo
Tipo de recurso:
Fecha de publicación:
2020
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
spa
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/9323
Acceso en línea:
http://hdl.handle.net/10584/9323
Palabra clave:
Aprendizaje automático, Red Neuronal Artificial, Diseño, Pronósticos, Demanda, Arena, Bases de datos.
Machine learning, Artificial Neural Network, Design, Forecasts, Demand, Arena, Databases.
Rights
License
Universidad del Norte
Description
Summary:La ausencia operacional repetitiva en el proceso de planeación de la empresa FRUNORTE LTDA genera sobrecostos, pérdida de oportunidades, poca eficiencia, incumplimiento de metas, desventaja competitiva. Para esto se propuso un diseñó de programación basado en la tecnología RNAs, el cual arroja pronósticos de los niveles de ventas de meses en el año a futuro. Además, dicho programa muestra datos de interés, tales como para la configuración óptima de la línea de producción; presentando información de: cantidad de recursos, tasa de alimentación al sistema y utilidad del sistema productivo. El procedimiento debe garantizar que la capacidad sea mayor a la demanda para cumplir con las ventas pronosticadas. Este proyecto se realizó con ayuda del método de análisis de datos (machine learning), utilizando métodos de optimización en tiempo real, mediante programas como Arena y Excel (tendencia lineal). A su vez estos resultados fueron probados, analizados y estudiados para ver el impacto en el proceso productivo, aspecto económico, humano, medio ambiental y legal. Finalmente, se logró evidenciar que al implementar la Tecnología de machine learning sobre los pronósticos de la demanda se obtienen resultados cuantitativos, en el caso de estudio del producto Titoté de 125 gramos, se logró evidenciar que la utilidad aumentaría en un 12% y una reducción de los costos en más del 16%, ordenando el número de operarios gracias a una simulación por medio de Optquest garantizamos los resultados con más de 300 iteraciones, teniendo una producción diaria de 200 envases de concentrado de coco. Aplicando las configuraciones del sistema productivo que indica el programa recomendamos implementar la tecnología en empresas del sector productivo.