Modelo de redes neuronales artificiales para el pron?stico de la demanda de stock en una empresa de consumo masivo

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 distribuci?n y finalmente en los puntos de venta; esto se dan por varias causas relacionadas a una planificaci?n de demanda no adecuada. El objetivo de la investigaci?n es desarrollar un modelo de redes neuronales artificiales recurrentes, para que el pron?stico de demanda de stock sea m?s preciso que el modelo actualmente implementado en la empresa de consumo masivo. El m?todo para usar ser? una t?cnica de redes neuronales artificiales recurrentes, en espec?fico los m?todos GRU y LSTM que ayudan a predecir mejor los casos con datos hist?ricos. Existen investigaciones que han encontrado evidencia, donde el uso de estas t?cnicas tiene un mejor rendimiento en predicci?n. Se realizaron 3 experimentos para esta investigaci?n, el primero planteando de manera general, el segundo desarrollado para centros y el ultimo para categor?as, 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 predicci?n 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 investigaci?n tienen un mejor desempe?o obteniendo un MAPE promedio global de LSTM (5.8%) y GRU (7.5%)