Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios
Esta investigación aborda el problema de creación de un modelo de planeación de inventarios para E-commerce, resaltando el impacto económico que tiene el inventario en las finanzas de una compañía (cerca del 30% del valor de los activos). En primer lugar, se hace una revisión del estado del arte en...
- Autores:
-
Vesga Acevedo, Diego Nicolás
- Tipo de recurso:
- Fecha de publicación:
- 2020
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/48641
- Acceso en línea:
- http://hdl.handle.net/1992/48641
- Palabra clave:
- Comercio electrónico
Inteligencia artificial
Inventarios
Control de inventarios
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id |
UNIANDES2_9aabed790878038e984e8e38f94e041b |
---|---|
oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/48641 |
network_acronym_str |
UNIANDES2 |
network_name_str |
Séneca: repositorio Uniandes |
repository_id_str |
|
dc.title.es_CO.fl_str_mv |
Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios |
title |
Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios |
spellingShingle |
Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios Comercio electrónico Inteligencia artificial Inventarios Control de inventarios Ingeniería |
title_short |
Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios |
title_full |
Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios |
title_fullStr |
Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios |
title_full_unstemmed |
Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios |
title_sort |
Modelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventarios |
dc.creator.fl_str_mv |
Vesga Acevedo, Diego Nicolás |
dc.contributor.advisor.none.fl_str_mv |
Alvarez Martínez, David |
dc.contributor.author.none.fl_str_mv |
Vesga Acevedo, Diego Nicolás |
dc.contributor.jury.none.fl_str_mv |
Gatica, Gustavo Torres Delgado, José Fidel |
dc.subject.armarc.es_CO.fl_str_mv |
Comercio electrónico Inteligencia artificial Inventarios Control de inventarios |
topic |
Comercio electrónico Inteligencia artificial Inventarios Control de inventarios Ingeniería |
dc.subject.themes.none.fl_str_mv |
Ingeniería |
description |
Esta investigación aborda el problema de creación de un modelo de planeación de inventarios para E-commerce, resaltando el impacto económico que tiene el inventario en las finanzas de una compañía (cerca del 30% del valor de los activos). En primer lugar, se hace una revisión del estado del arte en relación con pronósticos, clasificación y control de inventarios. La metodología aplicada comprende diferentes métodos de pronóstico de ventas en productos cuyas demandas son intermitentes, sin tendencia o estacionalidad, incluyendo modelos de aprendizaje automático supervisado (Multiple Linear Regression, Random Forest, Support Vector Machines). Además, se comparan técnicas tradicionales de clasificación de productos con modelos que utilizan aprendizaje automático no supervisado (K-means, Hierarchical Clustering, DBSCAN, Gaussian Mixture Model) y se propone una heurística de control de inventarios para el grupo más importante. El análisis numérico de cada etapa fue realizado con una base de datos de 208 productos que se ofertan en un E-commerce de mejoramiento para el hogar. Los resultados muestran que los modelos de inteligencia artificial superaron a los métodos tradicionales tanto en los pronósticos de ventas como en la clasificación de productos. También, se propone explorar más a profundidad los modelos de pronósticos que aprenden de patrones similares entre productos, y algoritmos de clasificación no supervisada que incluyan gran cantidad de variables importantes en el control de inventarios |
publishDate |
2020 |
dc.date.issued.es_CO.fl_str_mv |
2020 |
dc.date.accessioned.none.fl_str_mv |
2021-02-18T12:25:25Z |
dc.date.available.none.fl_str_mv |
2021-02-18T12:25:25Z |
dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/1992/48641 |
dc.identifier.pdf.none.fl_str_mv |
u833244.pdf |
dc.identifier.instname.spa.fl_str_mv |
instname:Universidad de los Andes |
dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Séneca |
dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
url |
http://hdl.handle.net/1992/48641 |
identifier_str_mv |
u833244.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
dc.language.iso.es_CO.fl_str_mv |
spa |
language |
spa |
dc.rights.uri.*.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.es_CO.fl_str_mv |
26 hojas |
dc.format.mimetype.es_CO.fl_str_mv |
application/pdf |
dc.publisher.es_CO.fl_str_mv |
Universidad de los Andes |
dc.publisher.program.es_CO.fl_str_mv |
Maestría en Ingeniería Industrial |
dc.publisher.faculty.es_CO.fl_str_mv |
Facultad de Ingeniería |
dc.publisher.department.es_CO.fl_str_mv |
Departamento de Ingeniería Industrial |
dc.source.es_CO.fl_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca |
instname_str |
Universidad de los Andes |
institution |
Universidad de los Andes |
reponame_str |
Repositorio Institucional Séneca |
collection |
Repositorio Institucional Séneca |
bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/001dfff1-a84c-4cf3-9bd2-dd4d42063ec2/download https://repositorio.uniandes.edu.co/bitstreams/0833efc1-6809-43f6-88e2-dcbc1c0fb82d/download https://repositorio.uniandes.edu.co/bitstreams/f97de9c2-023c-4c8b-9a6e-87fb0db94e5d/download |
bitstream.checksum.fl_str_mv |
71efca96e07fb14f530d258b9713ee62 2c636e77782b7121c36ea40901fe49fd 262aad3a275b28f62d5a6a199783a215 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio institucional Séneca |
repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
_version_ |
1812133842306203648 |
spelling |
Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Alvarez Martínez, Davidbccf7317-9d85-4df1-b931-67fabf225143400Vesga Acevedo, Diego Nicolása2a3bc45-ea55-4f22-a628-2b356bea6d3c500Gatica, GustavoTorres Delgado, José Fidel2021-02-18T12:25:25Z2021-02-18T12:25:25Z2020http://hdl.handle.net/1992/48641u833244.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Esta investigación aborda el problema de creación de un modelo de planeación de inventarios para E-commerce, resaltando el impacto económico que tiene el inventario en las finanzas de una compañía (cerca del 30% del valor de los activos). En primer lugar, se hace una revisión del estado del arte en relación con pronósticos, clasificación y control de inventarios. La metodología aplicada comprende diferentes métodos de pronóstico de ventas en productos cuyas demandas son intermitentes, sin tendencia o estacionalidad, incluyendo modelos de aprendizaje automático supervisado (Multiple Linear Regression, Random Forest, Support Vector Machines). Además, se comparan técnicas tradicionales de clasificación de productos con modelos que utilizan aprendizaje automático no supervisado (K-means, Hierarchical Clustering, DBSCAN, Gaussian Mixture Model) y se propone una heurística de control de inventarios para el grupo más importante. El análisis numérico de cada etapa fue realizado con una base de datos de 208 productos que se ofertan en un E-commerce de mejoramiento para el hogar. Los resultados muestran que los modelos de inteligencia artificial superaron a los métodos tradicionales tanto en los pronósticos de ventas como en la clasificación de productos. También, se propone explorar más a profundidad los modelos de pronósticos que aprenden de patrones similares entre productos, y algoritmos de clasificación no supervisada que incluyan gran cantidad de variables importantes en el control de inventariosThis research addresses the problem of creating an inventory planning model for e-commerce, highlighting the economic impact that inventory has on a company's finances (about 30% of the value of assets). First, a review of the state of the art is made in relation to forecast, classification and inventory control. The applied methodology includes different methods for forecasting products with demand that is intermittent, without trend or seasonality, including supervised machine learning models (Multiple Linear Regression, Random Forest, Support Vector Machines). In addition, traditional product classification techniques are compared to models using unsupervised machine learning (K-means, Hierarchical Clustering, DBSCAN, Gaussian Mixture Model) and an inventory control heuristic is proposed for the most important group. The numerical analysis of each stage was performed with a database of 208 products offered in a home improvement e-commerce. The results shown by artificial intelligence models outperformed traditional methods in both sales analysis and product classification. Also, we propose to explore in more depth forecasting models that give similar patterns between products, and unsupervised classification algorithms that include a large number of important variables in inventory controlMagíster en Ingeniería IndustrialMaestría26 hojasapplication/pdfspaUniversidad de los AndesMaestría en Ingeniería IndustrialFacultad de IngenieríaDepartamento de Ingeniería Industrialinstname:Universidad de los Andesreponame:Repositorio Institucional SénecaModelo de planeación de inventarios para E-commerce, utilizando herramientas de inteligencia artificial para hacer pronósticos de demanda y clasificación de inventariosTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMComercio electrónicoInteligencia artificialInventariosControl de inventariosIngenieríaPublicationORIGINALu833244.pdfapplication/pdf744255https://repositorio.uniandes.edu.co/bitstreams/001dfff1-a84c-4cf3-9bd2-dd4d42063ec2/download71efca96e07fb14f530d258b9713ee62MD51TEXTu833244.pdf.txtu833244.pdf.txtExtracted texttext/plain61012https://repositorio.uniandes.edu.co/bitstreams/0833efc1-6809-43f6-88e2-dcbc1c0fb82d/download2c636e77782b7121c36ea40901fe49fdMD54THUMBNAILu833244.pdf.jpgu833244.pdf.jpgIM Thumbnailimage/jpeg20632https://repositorio.uniandes.edu.co/bitstreams/f97de9c2-023c-4c8b-9a6e-87fb0db94e5d/download262aad3a275b28f62d5a6a199783a215MD551992/48641oai:repositorio.uniandes.edu.co:1992/486412023-10-10 15:52:45.512https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co |