Mostrar el registro sencillo del registro
Diseño de un modelo de pronóstico de demanda basado en machine learning y un modelo multi-objetivo para planeación de la producción en una industria panificadora
dc.rights.licence | Atribución-NoComercial-SinDerivadas 4.0 Internacional | * |
dc.contributor.advisor | García Díaz, Juan Carlos | |
dc.contributor.author | Afanador Jiménez, María | |
dc.contributor.author | Casadiegos Chaparro, Silvia Juliana | |
dc.contributor.author | Campo Maichel, Isabella | |
dc.contributor.author | Casallas Estrella, Juan Sebastián | |
dc.date.accessioned | 2022-02-14T16:40:44Z | |
dc.date.available | 2022-02-14T16:40:44Z | |
dc.date.created | 2022-01-28 | |
dc.identifier.uri | http://hdl.handle.net/10554/59123 | |
dc.description.abstract | La planeación de la producción y los pronósticos de la demanda son aspectos fundamentales para el buen desarrollo de la actividad productiva de una empresa manufacturera, en especial para aquellas productoras de alimentos perecederos y de rápida rotación. La panadería y repostería “La Cascada” actualmente maneja su producción y venta bajo un sistema basado en la experiencia el cual no es confiable para el cumplimiento de los objetivos de la compañía. Este manejo de la producción y ventas genera casos de sobrantes y faltantes, los cuales representan pérdidas de unidades producidas y gastos representativos. El desempeño de la producción y los pronósticos de demanda presentan una oportunidad de mejora debido a que actualmente existe un desaprovechamiento de recursos en los procesos productivos y no se están atendiendo las necesidades de los clientes al no tener disponibilidad de productos en los puntos de venta. De esta manera se desarrolló una propuesta de aplicación para la panadería y repostería “La Cascada”, primero, se generaron pronósticos de la demanda usando técnicas de Machine Learning, bajo la metodología CRISP – DM en donde se manejaron diferentes variables que afectan la demanda, tales como los datos climatológicos, fechas especiales, días de la semana y políticas internas de la empresa. Se logró una alta precisión en las predicciones, encontrando que los mejores resultados fueron arrojados usando Redes Neuronales para la mayoría de los productos Pareto. Segundo, se realizó una planeación de la producción bajo un modelo de programación lineal de múltiples objetivos, modelado en Python, el cual determina las unidades diarias a producir, logrando un aumento de 17.23% en la utilidad, así mismo un 4.33% más de utilización de máquinas y una disminución del 6.36% en los costos. De esta forma se entrega a la empresa un aplicativo que integra los pronósticos de demanda y la planeación de la producción, que sirve para determinar la cantidad diaria de productos que ordenan todos los puntos de venta y las unidades a producir por el área encargada. | spa |
dc.format | spa | |
dc.format.mimetype | application/pdf | spa |
dc.language.iso | spa | spa |
dc.publisher | Pontificia Universidad Javeriana | spa |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Aprendizaje de máquina | |
dc.subject | Redes Neuronales | |
dc.subject | Programación lineal multi-objetivo | |
dc.subject | Pronóstico de demanda | |
dc.subject | CRISP-DM | |
dc.subject | Planeación de la producción | |
dc.subject | Industria panificadora | |
dc.subject | Pareto | |
dc.title | Diseño de un modelo de pronóstico de demanda basado en machine learning y un modelo multi-objetivo para planeación de la producción en una industria panificadora | spa |
dc.type.hasversion | http://purl.org/coar/version/c_ab4af688f83e57aa | |
dc.title.english | Design of a demand forecasting model based on machine learning and a multi-objective model for production planning in a bakery industry | spa |
dc.contributor.evaluator | Martinez Eraso, Camilo Ernesto | |
dc.contributor.evaluator | González Neira, Eliana María | |
dc.subject.keyword | Machine Learning | |
dc.subject.keyword | Neuronal Networks | |
dc.subject.keyword | Linear Programing Model of multiple objectives | |
dc.subject.keyword | Demand Forecasting | |
dc.subject.keyword | CRISP-DM | |
dc.subject.keyword | Production Planning | |
dc.subject.keyword | Bakery Industry | |
dc.subject.keyword | Pareto | |
dc.description.abstractenglish | Production planning and demand forecasting are fundamental aspects for the proper development of the productive activity of a manufacturing company, especially for those producers of perishable and fast-moving foods. “La Cascada” bakery and pastry shop currently manages its production and sale under a system based on experience, which is not reliable for the fulfillment of the company's objectives. This management of production and sales generates cases of surpluses and shortages, which represent losses and representative expenses. Production performance and Demand Forecasting present an opportunity of improvement because there is currently a waste of resources in production processes and the needs of customers are not being met due to the lack of availability of products. In this way, an application proposal was developed for the bakery and pastry shop “La Cascada”. First, Demand Forecasting was generated using Machine Learning techniques, under the CRISP - DM methodology where different variables that affect demand were handled, such as weather data, special dates, days of the week and internal policies of the company. A high accuracy in the predictions was achieved, finding that the best results were obtained using Neural Networks for most of the Pareto products. Second, Production Planning was carried out under a Linear Programming Model of Multiple Objectives, modeled in Python, which determines the daily units to be produced, achieving an increase of 17.23% in profit, as well as a 4.33% increase in machine utilization and a decrease of 6.36% in costs. In this way, the company is provided with an application that integrates Demand Forecasting and Production Planning, which is used to determine the daily quantity of products ordered by sales and the units to be produced by the area in charge. | spa |
dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
dc.publisher.program | Ingeniería Industrial | spa |
dc.publisher.faculty | Facultad de Ingeniería | spa |
dc.type.local | Tesis/Trabajo de grado - Monografía - Pregrado | spa |
dc.subject.armarc | Ingeniería industrial - Tesis y disertaciones académicas | spa |
dc.subject.armarc | Aprendizaje de máquina | spa |
dc.subject.armarc | Redes neuronales (Computadores) | spa |
dc.subject.armarc | Producción | |
dc.description.degreename | Ingeniero (a) Industrial | spa |
dc.description.degreelevel | Pregrado | spa |
dc.identifier.instname | instname:Pontificia Universidad Javeriana | spa |
dc.identifier.reponame | reponame:Repositorio Institucional - Pontificia Universidad Javeriana | spa |
dc.identifier.repourl | repourl:https://repository.javeriana.edu.co | spa |
dc.type.coar | http://purl.org/coar/resource_type/c_7a1f | |
dc.rights.local | De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia. | spa |
dc.type.driver | info:eu-repo/semantics/bachelorThesis |
Ficheros en el registro
Este registro aparece en la(s) siguiente(s) colección(ones)
-
Ingeniería Industrial [1112]