Pronóstico de demanda altamente variable e intermitente usando un modelo básico de Red Neuronal Artificial para disminuir el riesgo de rotura de stock de una compañía que abastece productos en Sudamérica

• Autor: Ricce Medina, Edgar Oscar
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/657936
• Enlace del recurso: http://hdl.handle.net/10757/657936
• Nivel de acceso: acceso abierto
• Materia: Redes Neuronales Artificiales; Simulación de sistemas; Flujo de caja; Artificial neural networks; Systems simulation; Cash flow; http://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.11.04

Mejorar la precisión de los pronósticos de la demanda es muy importante para gestionar eficientemente los inventarios en almacenes de producto. Una rotura de stock impacta en los ingresos de la compañía, afecta en las relaciones comerciales con el cliente y aumenta el riesgo de perder participación en el mercado. Ante la alta variabilidad de la demanda, ocasionados por pedidos de urgencia altamente variables e intermitentes, se propone un modelo básico de Red Neuronal Artificial (RNA) como base para pronosticar la demanda de pedidos de urgencia y mejorar el pronóstico. A través de la información histórica de los pedidos de urgencia y el análisis de causa raíz sobre la rotura de stock, se construyó un modelo RNA para pronosticar la ocurrencia y volumen de un pedido de urgencia. Este pronóstico permite solicitar, a tiempo, la cantidad suficiente de producto al centro de distribución en Norteamérica, con la finalidad de reducir el riesgo de rotura de stock en el almacén local en un 91.1%. El modelo fue validado a través de simulaciones, utilizando el método de transformada inversa y los beneficios del modelo fueron confirmados a través de un flujo de caja al comparar los escenarios con y sin el uso del modelo, obteniéndose una tasa de retorno de la inversión superior al 20%. Además, los resultados de un piloto son mostrados, donde todos los pedidos de urgencia fueron atendidos, evitando la rotura de stock en el periodo del piloto.