Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10609/129826
Título : Gestión del inventario en una empresa del sector farmacéutico mediante algoritmos de Machine Learning
Autoría: Mas Jaumot, Jordi de
Director: Conesa, Jordi  
Tutor: Polo Navarro, Lorena
Resumen : El TFM versa sobre la gestión avanzada del inventario de forma que se pueda predecir el nivel de stock óptimo a partir de algoritmos de machine learning. La predicción que se realice ha de ser capaz de asegurar que el nivel de stock permitirá dar un buen servicio al cliente, evitando roturas de stock y la consiguiente pérdida de ventas y, reduciendo en lo posible los costes derivados de la gestión del inventario. Los datos tomados como base para este proyecto son del sector farmacéutico. La predicción del stock óptimo se realiza en un único paso, evitando la necesidad de conocer de antemano la previsión de la demanda y sin tener que identificar la distribución de la probabilidad de la misma. El nivel de inventario óptimo se calcula directamente analizando los datos disponibles: histórico de ventas, histórico de stock real, datos de promociones, calendario de festivos, etc.. Aunque en la industria farmacéutica, concretamente en los fabricantes, existen diversos tipos de stock (materia prima, WIP, productos semielaborados y productos terminados), los datos proporcionados para el proyecto permiten centrar el trabajo en los productos terminados. Adicionalmente se tienen en cuenta diversos factores que influyen en el resultado de la predicción como: la estacionalidad o patrones semanales que muestran una mayor venta en determinados días de la semana. El desarrollo se realiza en base a algoritmos de machine learning, analizando distintos tipos de ellos para decidir cuál proporciona una mayor precisión, con el fin de obtener un método alternativo de gestión del stock y asegurar un mejor servicio al cliente con el mínimo coste para la empresa.
Palabras clave : predicción de nivel de inventario
redes neuronales
aprendizaje automático
aprendizaje profundo
Tipo de documento: info:eu-repo/semantics/masterThesis
Fecha de publicación : 10-ene-2021
Licencia de publicación: http://creativecommons.org/licenses/by-nc-nd/3.0/es/  
Aparece en las colecciones: Bachelor thesis, research projects, etc.

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
jde_masPresentación0121.pdf1,09 MBAdobe PDFVista previa
Visualizar/Abrir
jde_masTFM0121memoria.pdfMemoria del TFM2,39 MBAdobe PDFVista previa
Visualizar/Abrir
Comparte:
Exporta:
Consulta las estadísticas

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons