Algoritmo computacional para el análisis y toma de decisiones en compra y producción de hilos en Fabricato, utilizando estrategias de machine learning

Este proyecto busca mejorar la gestión de la demanda de hilos en la empresa textil Fabricato mediante el uso de métodos de machine learning. El objetivo principal es optimizar la cadena de suministro, reducir costos y mejorar la planificación de compras y producción a través de una predicción precisa de las cantidades necesarias. Este proyecto implica recopilar y depurar una base de datos que consta aproximadamente de 6,335 registros internos de Fabricato, los cuales incluyen información sobre explosión de hilos, adquisiciones de materias primas y pedidos de clientes. La calidad y consistencia estos datos son esenciales para un análisis posterior. Una vez recopilados y procesados, se emplearán algoritmos de aprendizaje automático, como regresión para analizar los datos y lograr extraer información relevante sobre tendencias, estas técnicas abarcan normalización de los datos, eliminación de valores atípicos e imputación valores de faltantes. Asimismo, se realizarán pruebas de validación y ajustes para garantizar la robustez del modelo desarrollado. La aplicación de modelos predictivos permitirá a Fabricato prever la demanda de hilos en los próximos meses, teniendo en cuenta las fluctuaciones del mercado y los plazos de entrega de la materia prima. Esta anticipación es vital para mantener un flujo óptimo en el proceso productivo, evitar excesos de inventario y disminuir los costos asociados a la gestión de materiales innecesarios. Además de pronosticar la demanda, el proyecto también se enfocará en evaluar la efectividad y precisión del software desarrollado mediante indicadores clave de rendimiento. Estas métricas abarcarán la reducción de gastos por excedentes en inventario, el perfeccionamiento en la planificación de compras y la optimización de la cadena de suministro de hilos. La digitalización y aplicación de algoritmos basados en aprendizaje automático han sido cruciales para optimizar los procesos y facilitar la toma decisiones dentro del ámbito del suministro textil. La recopilación detallada y análisis exhaustivo de los datos, junto con estrategias avanzadas de regresión y clasificación, han contribuido significativamente a mejorar el desempeño global de Fabricato.

• Autores: Rojas Orozco, Rafael Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Corporación Universitaria Remington
• Repositorio: Repositorio institucional Uniremington
• Idioma: spa
• OAI Identifier: oai:repositorio.uniremington.edu.co:123456789/3805
• Acceso en línea: https://repositorio.uniremington.edu.co/handle/123456789/3805
• Palabra clave: Gestión de la demanda de hilos; Dataset de Fabricato; Análisis de datos; Machine learning; Clasificación; Regresión lineal; Cadena de suministro; Optimización de inventarios; Planificación de compras; Industria textil; Aprendizaje automático (Inteligencia artificial); Algoritmos (Computadores); Análisis de datos
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)