Sistema de clasificación de inventarios basado en algoritmos de Machine Learning
La gestión efectiva de inventarios es esencial para optimizar el control, almacenamiento y distribución de productos dentro de un sistema. En este estudio, se utilizó un enfoque basado en análisis estadístico y algoritmos de machine learning para determinar la clasificación óptima de ítems en el...
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
Universidad de Cuenca
2023
|
| Subjects: | |
| Online Access: | http://dspace.ucuenca.edu.ec/handle/123456789/42671 |
| _version_ | 1785802484980121600 |
|---|---|
| author | Romero Bustamante, Carlos Johao |
| author2 | Llivisaca Villazhañay, Juan Carlos |
| author_facet | Llivisaca Villazhañay, Juan Carlos Romero Bustamante, Carlos Johao |
| author_sort | Romero Bustamante, Carlos Johao |
| collection | DSpace |
| description | La gestión efectiva de inventarios es esencial para optimizar el control, almacenamiento y
distribución de productos dentro de un sistema. En este estudio, se utilizó un enfoque
basado en análisis estadístico y algoritmos de machine learning para determinar la
clasificación óptima de ítems en el sistema de inventario de repuestos del sector automotriz.
Para esto se examinó una base de datos que contenía las ventas de repuestos de una
empresa automotriz a lo largo de un año. Mediante la aplicación de los algoritmos K-medias,
Clustering Large Applications (CLARA) y Divisive Analysis (DIANA), se identificó una
clasificación óptima distribuida en tres clústeres. Además, se realizó un análisis comparativo
con la clasificación ABC para definir las características de cada agrupación. Los resultados
demostraron que el algoritmo CLARA mejora la gestión de inventarios, permitiendo
optimizar los espacios de almacenamiento, aumentar la eficiencia operativa, reducir costos,
mejorar el servicio al cliente y tomar decisiones informadas. Se puede mencionar que,
algunos productos destacados en las agrupaciones resultantes fueron el 2452084002,
5810159A00 y 3910045800 de las agrupaciones 1, 2 y 3 respectivamente; estos productos
son relevantes debido a su total de ventas en cada agrupación relacionando su cantidad,
costo y precio de venta. Este estudio contribuye al campo de la gestión de inventarios al
demostrar cómo el uso de algoritmos de machine learning mediante análisis estadístico
puede optimizar la clasificación de artículos en el inventario, siendo relevante en la toma de
decisiones estratégicas mediante una distribución más precisa y adaptada a las
necesidades de la empresa. |
| format | bachelorThesis |
| id | oai:dspace.ucuenca.edu.ec:123456789-42671 |
| institution | Universidad de Cuenca |
| language | spa |
| publishDate | 2023 |
| publisher | Universidad de Cuenca |
| record_format | dspace |
| spelling | oai:dspace.ucuenca.edu.ec:123456789-426712023-09-04T17:43:39Z Sistema de clasificación de inventarios basado en algoritmos de Machine Learning Sistema de Clasificación de Inventarios basado en Algoritmos de Machine Learning Romero Bustamante, Carlos Johao Llivisaca Villazhañay, Juan Carlos Ingeniería Industrial Algoritmos Inventario digital Sector automotriz CIUC::Ingenierías::Tecnología Industrial::Optimización de Operaciones La gestión efectiva de inventarios es esencial para optimizar el control, almacenamiento y distribución de productos dentro de un sistema. En este estudio, se utilizó un enfoque basado en análisis estadístico y algoritmos de machine learning para determinar la clasificación óptima de ítems en el sistema de inventario de repuestos del sector automotriz. Para esto se examinó una base de datos que contenía las ventas de repuestos de una empresa automotriz a lo largo de un año. Mediante la aplicación de los algoritmos K-medias, Clustering Large Applications (CLARA) y Divisive Analysis (DIANA), se identificó una clasificación óptima distribuida en tres clústeres. Además, se realizó un análisis comparativo con la clasificación ABC para definir las características de cada agrupación. Los resultados demostraron que el algoritmo CLARA mejora la gestión de inventarios, permitiendo optimizar los espacios de almacenamiento, aumentar la eficiencia operativa, reducir costos, mejorar el servicio al cliente y tomar decisiones informadas. Se puede mencionar que, algunos productos destacados en las agrupaciones resultantes fueron el 2452084002, 5810159A00 y 3910045800 de las agrupaciones 1, 2 y 3 respectivamente; estos productos son relevantes debido a su total de ventas en cada agrupación relacionando su cantidad, costo y precio de venta. Este estudio contribuye al campo de la gestión de inventarios al demostrar cómo el uso de algoritmos de machine learning mediante análisis estadístico puede optimizar la clasificación de artículos en el inventario, siendo relevante en la toma de decisiones estratégicas mediante una distribución más precisa y adaptada a las necesidades de la empresa. Effective inventory management is essential to optimize the control, storage and distribution of products within a system. In this study, an approach based on statistical analysis and machine learning algorithms was used to determine the optimal classification of items in an automotive parts inventory system. For this purpose, a database containing the spare parts sales of an automotive company over the course of a year was examined. By applying the Kmeans, Clustering Large Applications (CLARA) and Divisive Analysis (DIANA) algorithms, an optimal classification distributed in three clusters was identified. In addition, a comparative analysis with the ABC classification was performed to define the characteristics of each cluster. The results showed that the CLARA algorithm improves inventory management, allowing to optimize storage space, increase operational efficiency, reduce costs, improve customer service and make informed decisions. It can be mentioned that, some outstanding products in the resulting clusters were 2452084002, 5810159A00 and 3910045800 from clusters 1, 2 and 3 respectively; these products are relevant due to their total sales in each cluster relating their quantity, cost and sales price. This study contributes to the field of inventory management by demonstrating how the use of machine learning algorithms through statistical analysis can optimize the classification of items in the inventory, being relevant in strategic decision making through a more accurate distribution adapted to the needs of the company. 0000-0003-2154-3277 2023-08-29T19:08:36Z 2023-08-29T19:08:36Z 2023-08-25 bachelorThesis http://dspace.ucuenca.edu.ec/handle/123456789/42671 spa TN;542 Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ openAccess application/pdf 64 páginas application/pdf Universidad de Cuenca |
| spellingShingle | Ingeniería Industrial Algoritmos Inventario digital Sector automotriz CIUC::Ingenierías::Tecnología Industrial::Optimización de Operaciones Romero Bustamante, Carlos Johao Sistema de clasificación de inventarios basado en algoritmos de Machine Learning |
| title | Sistema de clasificación de inventarios basado en algoritmos de Machine Learning |
| title_full | Sistema de clasificación de inventarios basado en algoritmos de Machine Learning |
| title_fullStr | Sistema de clasificación de inventarios basado en algoritmos de Machine Learning |
| title_full_unstemmed | Sistema de clasificación de inventarios basado en algoritmos de Machine Learning |
| title_short | Sistema de clasificación de inventarios basado en algoritmos de Machine Learning |
| title_sort | sistema de clasificación de inventarios basado en algoritmos de machine learning |
| topic | Ingeniería Industrial Algoritmos Inventario digital Sector automotriz CIUC::Ingenierías::Tecnología Industrial::Optimización de Operaciones |
| url | http://dspace.ucuenca.edu.ec/handle/123456789/42671 |
| work_keys_str_mv | AT romerobustamantecarlosjohao sistemadeclasificaciondeinventariosbasadoenalgoritmosdemachinelearning |