Desarrollo de un prototipo de sistema de facturación e inventarios para tiendas minoristas de ropa que mediante redes neuronales mejore el control de inventarios

El manejo de inventarios es una de las actividades mas complejas e importantes de las empresas, esto es así debido a la alta incertidumbre de varios factores que afectan esta actividad. Entre esos factores se destaca la demanda de los productos en el mercado. Un mal manejo de inventarios puede lleva...

Full description

Autores:
Bernal Dávila, Nicolás Andrés
López Abril, Álvaro Steveen
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad Autónoma de Bucaramanga - UNAB
Repositorio:
Repositorio UNAB
Idioma:
spa
OAI Identifier:
oai:repository.unab.edu.co:20.500.12749/12050
Acceso en línea:
http://hdl.handle.net/20.500.12749/12050
Palabra clave:
Systems engineer
Technological innovations
POS system
Stock management
Neural network
Artificial intelligence
EOQ
Inventory control
Production control
Retail commerce
Commerce
Ingeniería de sistemas
Innovaciones tecnológicas
Control de inventarios
Control de la producción
Comercio minorista
Comercio
Software POS
Manejo de inventarios
Red neuronal
Inteligencia artificial
EOQ
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Description
Summary:El manejo de inventarios es una de las actividades mas complejas e importantes de las empresas, esto es así debido a la alta incertidumbre de varios factores que afectan esta actividad. Entre esos factores se destaca la demanda de los productos en el mercado. Un mal manejo de inventarios puede llevar a perdidas considerables por la manutención del mismo o por costos asociados a faltantes. Para solucionar esto el presente proyecto propone el desarrollo de un software de facturación POS con una red neuronal artificial implementada para calcular la demanda de los productos, disminuyendo así la incertidumbre que esto genera y por consiguiente reducir el riesgo de tomar decisiones desacertadasen la gestión de inventarios. Además, se implementará un modelo matemático EOQ que utilizará la demanda predicha para calcular la cantidad optima de productos a pedir enfocado a minimizar los costos generados por el pedido y la manutención de productos. Para la generación de la red neuronal se probarán 2 métodos de normalización diferentes en 5 arquitecturas de redes neuronales utilizando varios conjuntos de datos con el fin de determinar que tan precisas pueden ser estas en este caso y también cual es la mejor que se adapta a este problema. De esto se obtuvo que tanto las arquitecturas con mayor cantidad de neuronas como las arquitecturas con neuronas decrecientes tienen un mejor rendimiento al momento de la predicción de la demanda.