Bibliographic citations
This is an automatically generated citacion. Modify it if you see fit
Rafael, O., (2024). Modelo de redes neuronales artificiales para el pronóstico de la demanda de stock en una empresa de consumo masivo [Universidad Ricardo Palma]. https://hdl.handle.net/20.500.14138/8008
Rafael, O., Modelo de redes neuronales artificiales para el pronóstico de la demanda de stock en una empresa de consumo masivo []. PE: Universidad Ricardo Palma; 2024. https://hdl.handle.net/20.500.14138/8008
@mastersthesis{renati/653572,
title = "Modelo de redes neuronales artificiales para el pronóstico de la demanda de stock en una empresa de consumo masivo",
author = "Rafael Taipe, Osman Dennys",
publisher = "Universidad Ricardo Palma",
year = "2024"
}
Title: Modelo de redes neuronales artificiales para el pronóstico de la demanda de stock en una empresa de consumo masivo
Authors(s): Rafael Taipe, Osman Dennys
Advisor(s): Tristan Gomez, Ludgardo Eder
Keywords: Redes neuronales; LST; GRU; MAPE; Consumo masivo; Demanda
OCDE field: https://purl.org/pe-repo/ocde/ford#1.02.00
Issue Date: 2024
Institution: Universidad Ricardo Palma
Abstract: Uno de los principales problemas y retos que enfrentan las empresas de consumo
masivo es la falta y excedente de stock en los almacenes, centros de distribución y
finalmente en los puntos de venta; esto se dan por varias causas relacionadas a una
planificación de demanda no adecuada.
El objetivo de la investigación es desarrollar un modelo de redes neuronales
artificiales recurrentes, para que el pronóstico de demanda de stock sea más preciso que
el modelo actualmente implementado en la empresa de consumo masivo.
El método para usar será una técnica de redes neuronales artificiales recurrentes,
en específico los métodos GRU y LSTM que ayudan a predecir mejor los casos con datos
históricos. Existen investigaciones que han encontrado evidencia, donde el uso de estas
técnicas tiene un mejor rendimiento en predicción.
Se realizaron 3 experimentos para esta investigación, el primero planteando de
manera general, el segundo desarrollado para centros y el ultimo para categorías, en todos
los casos nos muestra que el modelo LSTM tiene un MAPE menor que el modelo GRU,
por lo cual podemos concluir que la arquitectura LSTM se ajusta mejor a la predicción de
la demanda en toneladas para la empresa de consumo masivo.
El MAPE resultante del modelo actualmente implementado en la empresa de
consumo masivo es de 20%, por lo cual podemos concluir que los modelos aplicados en
esta investigación tienen un mejor desempeño obteniendo un MAPE promedio global de
LSTM (5.8%) y GRU (7.5%)
Link to repository: https://hdl.handle.net/20.500.14138/8008
Discipline: Escuela de Posgrado
Grade or title grantor: Universidad Ricardo Palma. Escuela de Posgrado
Grade or title: Maestro en Ciencia de los Datos
Juror: Roque Paredes, Ofelia; Cárdenas Garro, José Antonio; Ruiz Orderique, German Junior Alexander
Register date: 3-Sep-2024
This item is licensed under a Creative Commons License