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
id REPOUNORT2_fb313362c268a5f182f194e7a879ffce
oai_identifier_str oai:manglar.uninorte.edu.co:10584/9323
network_acronym_str REPOUNORT2
network_name_str Repositorio Uninorte
repository_id_str
dc.title.es_ES.fl_str_mv 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.
dc.title.en_US.fl_str_mv Design a real-time demand forecasting system based on RNA technology that guarantees Frunorte Ltda's sales compliance.
title 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.
spellingShingle 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.
Aprendizaje automático, Red Neuronal Artificial, Diseño, Pronósticos, Demanda, Arena, Bases de datos.
Machine learning, Artificial Neural Network, Design, Forecasts, Demand, Arena, Databases.
title_short 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.
title_full 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.
title_fullStr 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.
title_full_unstemmed 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.
title_sort 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.
dc.creator.fl_str_mv Morales Bustamante, Miguel Eduardo
Torres Acosta, Jabib Esteban
Jimenez Jalube, Jorge Eduardo
dc.contributor.advisor.none.fl_str_mv PeñaBaena Niebles, Rita
dc.contributor.author.none.fl_str_mv Morales Bustamante, Miguel Eduardo
Torres Acosta, Jabib Esteban
Jimenez Jalube, Jorge Eduardo
dc.subject.es_ES.fl_str_mv Aprendizaje automático, Red Neuronal Artificial, Diseño, Pronósticos, Demanda, Arena, Bases de datos.
topic Aprendizaje automático, Red Neuronal Artificial, Diseño, Pronósticos, Demanda, Arena, Bases de datos.
Machine learning, Artificial Neural Network, Design, Forecasts, Demand, Arena, Databases.
dc.subject.en_US.fl_str_mv Machine learning, Artificial Neural Network, Design, Forecasts, Demand, Arena, Databases.
description 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.
publishDate 2020
dc.date.accessioned.none.fl_str_mv 2020-12-02T19:18:03Z
dc.date.available.none.fl_str_mv 2020-12-02T19:18:03Z
dc.date.issued.none.fl_str_mv 2020-11-30
dc.type.es_ES.fl_str_mv article
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_6501
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10584/9323
url http://hdl.handle.net/10584/9323
dc.language.iso.es_ES.fl_str_mv spa
language spa
dc.rights.es_ES.fl_str_mv Universidad del Norte
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Universidad del Norte
http://purl.org/coar/access_right/c_abf2
dc.publisher.es_ES.fl_str_mv Barranquilla, Universidad del Norte, 2020
institution Universidad del Norte
bitstream.url.fl_str_mv http://manglar.uninorte.edu.co/bitstream/10584/9323/4/license.txt
http://manglar.uninorte.edu.co/bitstream/10584/9323/1/Dise%c3%b1ar%20un%20sistema%20de%20pron%c3%b3stico%20de%20demanda%20en%20tiempo%20real%20basado%20en%20la%20tecnolog%c3%ada%20de%20RNAs%20que%20garantice%20el%20cumplimiento%20de%20ventas%20de%20Frunorte%20ltda..pdf
http://manglar.uninorte.edu.co/bitstream/10584/9323/2/1.png
http://manglar.uninorte.edu.co/bitstream/10584/9323/3/2.png
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
bfc74a93419881f535a06516deee1cff
f1e1400f6ddee7e82daf8128fd476afe
9ce393cda2a092b55b1621418740fe17
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital de la Universidad del Norte
repository.mail.fl_str_mv mauribe@uninorte.edu.co
_version_ 1812183134228185088
spelling PeñaBaena Niebles, RitaMorales Bustamante, Miguel EduardoTorres Acosta, Jabib EstebanJimenez Jalube, Jorge Eduardo2020-12-02T19:18:03Z2020-12-02T19:18:03Z2020-11-30http://hdl.handle.net/10584/9323La 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.The repetitive operational absence in the planning process of the company FRUNORTE LTDA generates cost overruns, loss of opportunities, little efficiency, non-fulfillment of goals, competitive disadvantage. For this, a programming design based on RNAs technology was proposed, which provides forecasts of sales levels from months in the year to the future. Furthermore, said program shows data of interest, such as for the optimal configuration of the production line; presenting information on: amount of resources, rate of feeding to the system and utility of the productive system. The procedure must ensure that capacity is greater than demand to meet forecasted sales. This project was carried out with the help of the data analysis method (machine learning), using real-time optimization methods, using programs such as Arena and Excel (linear trend). In turn, these results were tested, analyzed and studied to see the impact on the production process, economic, human, environmental and legal aspects. Finally, it was possible to show that when implementing machine learning technology on demand forecasts quantitative results are obtained, in the case of study of the Titoté product of 125 grams, it was possible to show that the utility would increase by 12% and a reduction of costs in more than 16%, ordering the number of operators thanks to a simulation through Optquest we guarantee the results with more than 300 iterations, having a daily production of 200 packages of coconut concentrate. Applying the configurations of the productive system indicated in the program, we recommend implementing the technology in companies in the productive sector.spaBarranquilla, Universidad del Norte, 2020Universidad del Nortehttp://purl.org/coar/access_right/c_abf2Aprendizaje automático, Red Neuronal Artificial, Diseño, Pronósticos, Demanda, Arena, Bases de datos.Machine learning, Artificial Neural Network, Design, Forecasts, Demand, Arena, Databases.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.Design a real-time demand forecasting system based on RNA technology that guarantees Frunorte Ltda's sales compliance.articlehttp://purl.org/coar/resource_type/c_6501LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://manglar.uninorte.edu.co/bitstream/10584/9323/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54ORIGINALDiseñar un sistema de pronóstico de demanda en tiempo real basado en la tecnología de RNAs que garantice el cumplimiento de ventas de Frunorte ltda..pdfDiseñar un sistema de pronóstico de demanda en tiempo real basado en la tecnología de RNAs que garantice el cumplimiento de ventas de Frunorte ltda..pdfapplication/pdf1167378http://manglar.uninorte.edu.co/bitstream/10584/9323/1/Dise%c3%b1ar%20un%20sistema%20de%20pron%c3%b3stico%20de%20demanda%20en%20tiempo%20real%20basado%20en%20la%20tecnolog%c3%ada%20de%20RNAs%20que%20garantice%20el%20cumplimiento%20de%20ventas%20de%20Frunorte%20ltda..pdfbfc74a93419881f535a06516deee1cffMD511.png1.pngFichero en Españolimage/png1572670http://manglar.uninorte.edu.co/bitstream/10584/9323/2/1.pngf1e1400f6ddee7e82daf8128fd476afeMD522.png2.pngFichero en Inglesimage/png1572564http://manglar.uninorte.edu.co/bitstream/10584/9323/3/2.png9ce393cda2a092b55b1621418740fe17MD5310584/9323oai:manglar.uninorte.edu.co:10584/93232020-12-02 14:18:03.454Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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