Temas

Solo disponible en BuenasTareas
  • Páginas : 13 (3217 palabras )
  • Descarga(s) : 0
  • Publicado : 29 de septiembre de 2012
Leer documento completo
Vista previa del texto
APLICACIÓN DE REDES NEURONALES ARTIFICIALES A LA GESTIÓN DE INVENTARIOS DE PRODUCTOS DE DEMANDA ERRÁTICA.
David de la Fuente, Raúl Pino, Paolo Priore, José Parreño. ETSII de Gijón, Universidad de Oviedo

RESUMEN En un inventario con centenares o miles de referencias, una importante cantidad de éstas está sujeta a demanda muy esporádica que, cuando se presenta, suele hacerlo en más una unidad ala vez. Representar la demanda durante el plazo de aprovisionamiento con una distribución continua tal como la normal o la exponencial da lugar a errores que pueden ser elevados. Se han llevado a cabo numerosos estudios analíticos en los que se trata de modelar tanto el tiempo entre pedidos y la cantidad solicitada en cada uno de ellos, de tal manera que se obtienen complejos procesos (porejemplo el proceso de Poisson Espasmódico), cuyo tratamiento es muy complejo y que da lugar a soluciones que, si bien mejoran las anteriormente comentadas, todavía distan mucho de considerarse unas buenas soluciones. En nuestro trabajo, proponemos la aplicación de técnicas de Inteligencia Artificial, como las Redes Neuronales Artificiales, al proceso de modelado de estas series temporalescaracterísticas de productos con demanda errática, de tal modo que al obtener unas previsiones futuras más ajustadas a la realidad, es posible llevar a cabo un proceso de gestión de inventarios más acorde con las necesidades reales de aprovisionamiento de estos productos.

Palabras Clave: Gestión de Inventarios, Redes Neuronales, Previsión.

1. INTRODUCCIÓN. En el trabajo que presentamos, proponemos laaplicación de técnicas de Inteligencia Artificial, como las Redes Neuronales Artificiales, al proceso de modelado de las series temporales características de productos con demanda errática. Se trata de productos de demanda esporádica, es decir, se efectúan pedidos de generalmente pocas unidades, con un intervalo de tiempo entre pedidos que puede ser considerable. En ocasiones, el valor estratégico deestos productos hace necesario llevar a cabo una gestión de inventarios lo más optimizada posible debido a que no es de ninguna manera deseable que se produzcan roturas de stock, pero además, no es posible mantener un stock de seguridad grande por el alto coste que supone tener “inmovilizado” mucho material. Por todas las razones comentadas, parece claro que contar con unas buenas previsionesbeneficiará de manera importante al proceso de gestión de inventarios; por tanto, tradicionalmente se puesto un énfasis especial en el estudio de las series temporales representativas de la demanda errática, y se han llevado a cabo numerosos estudios en los que se intenta modelar esta demanda (Larrañeta et al., 1988). Representar la demanda durante el plazo de aprovisionamiento con una distribucióncontinua tal como la normal o la exponencial da lugar a errores que pueden ser elevados. Por otro lado, aplicar la metodología ARIMA de Box-Jenkins (Box and Jenkins, 1970), tampoco produce resultados aceptables debido a las especiales características de las series temporales que se deben pronosticar. Se han llevado a cabo numerosos estudios analíticos en los que se trata de modelar tanto el tiempoentre pedidos y la cantidad solicitada en cada uno de ellos, de tal manera que se obtienen complejos procesos (por ejemplo el proceso de Poisson Espasmódico), cuyo tratamiento es muy complejo y que da lugar a soluciones que, si bien mejoran las anteriormente comentadas, todavía distan mucho de considerarse unas buenas soluciones (Larrañeta et al., 1988). Nosotros proponemos aprovechar laflexibilidad de las Redes Neuronales Artificiales (RNAs), para conseguir calcular unos buenos pronósticos de la demanda de estos productos, lo cual redundará en una gestión de inventarios más acorde con las necesidades reales de aprovisionamiento.

1

Este trabajo se organiza de la siguiente manera: en primer lugar se presenta una breve introducción a las redes neuronales artificiales y su aplicación...
tracking img