Modelo de pronóstico de cadena de suministro mediante redes neuronales

Abstract

Los inventarios en exceso afectan la cadena de suministro, haciéndola vulnerable y generando costos por obsolencia. Actualmente, se busca implementar herramientas que pronostiquen demandas de produccion y que impacten a los niveles de inventarios de la cadena de suministro para conocer el punto de reorden y que cumplan con los requerimientos del cliente. En este trabajo, se desarrolló un modelo de simulación de una cadena de suministro considerando cuatro eslabones (Proveedor, Producción, Distrubución y Detallista) con sus respectivos almacenes de productos. La informacion de niveles de inventario y tiempos de respuesta obtenidos en la simulación, fueron utilizados para el entrenamiento de 100 diferentes configuraciones de redes neuronales artificiales (RNAs), para buscar la que mejor pronóstico de niveles de inventario obtenga. La RNA que presentó mejor rendimiento (r2 = 0,99408, RMSE = 1,44217) contiene 12 neuronas en la capa de entrada, 70 neuronas en la primera capa oculta, 60 en la segunda capa oculta y 4 neuronas en la capa de salida.