Sistema de Inventario y proceso de abastecimiento en la empresa TextiNort

Abstract

El trabajo se centra en combinar la inteligencia artificial y la teoría matemática de los modelos de gestión de inventarios para la optimización de los procesos de abastecimiento en la empresa TextiNort. Primero, se diagnosticó la situación actual de la empresa para identificar el modelo de inventario apropiado. Luego, se propuso la creación de un modelo de red neuronal para determinar la cantidad óptima de pedido con base en la demanda de los productos. Se realizó un proceso de entrenamiento de 5 redes neuronales diferentes y se comparó su rendimiento. Al final del proceso, se determinó que el modelo de red neuronal con una estructura de capas 3-6-1, optimizador ADAM y tasa de aprendizaje de 0.01, resultó ser el mejor para resolver el problema planteado. Este modelo fue entrenado con un conjunto de datos específico y su desempeño fue evaluado mediante la métrica del error cuadrático medio (RMSE). El resultado final indica que el modelo de red neuronal logró predecir la cantidad óptima de pedido en función de la demanda de productos con un error del 1.01 %. Además, el sistema de gestión de inventario propuesto ha tenido un impacto positivo en el rendimiento de la empresa, disminuyendo en un 27.42 % los costos operativos totales. Esto significa que el modelo pudo aprender de los patrones presentes en los datos de entrenamiento y generalizar su comportamiento para hacer predicciones precisas en situaciones similares.