Impacto de factores aleatorios en la identificación de cuellos de botella en manufactura

Vista sencilla de ítem
dc.contributor.advisorBravo Bastidas, Juan José
dc.contributor.authorCastaño Ruiz, Cristhian Eduardo
dc.contributor.authorGuzmán García, Marcela
dc.date.accessioned2020-10-05T02:46:13Z
dc.date.available2020-10-05T02:46:13Z
dc.date.issued2015
dc.description.abstractLos pronósticos son esenciales en toda organización para la toma de decisiones debido a que influyen en el logro de los objetivos de diversas áreas como la producción, mercadeo, inventarios, compras, entre otros. Por lo tanto, este trabajo estudia la aplicabilidad de las redes neuronales artificiales como método para la estimación del pronóstico de la demanda, como una alternativa que ha demostrado en diferentes investigaciones tener mejor desempeño que los métodos tradicionales de series de tiempo. La investigación se desarrolla en una empresa catalogada como pequeña, que se dedica a la fabricación de acumuladores de plomo o baterías que actualmente no tiene un sistema de pronósticos establecido, seleccionando tres referencias comercializadas por la empresa. Se propone una metodología de perceptrón multicapa entrenado mediante el algoritmo de backpropagation y simulado en el software MATLAB R2014a utilizando como variable de estudio la demanda de cinco años. Los métodos de promedio móvil, suavización exponencial simple y suavización exponencial doble son evaluados seleccionando el de mejor desempeño según los indicadores de precisión para cada referencia. Las señales de rastreo de errores acumulados y suavizados son utilizadas para monitorear el desempeño de la metodología en redes neuronales y de las series de tiempo, obteniendo que los métodos tradicionales de series de tiempo aplicados en las tres referencias se encuentran fuera de control, indicando la presencia de errores no aleatorios asociados al método de pronóstico. Sin embargo, en la metodología de redes neuronales se obtiene que los pronósticos están bajo control demostrando la capacidad de obtener buenas predicciones en comparación a los otros métodos. Finalmente, se obtiene una notable reducción del error cuadrático medio de las redes neuronales en comparación a los métodos tradicionales de series de tiempo, concluyendo que las redes neuronales artificiales constituyen un buen método para la predicción de la demanda al ser capaz de adaptarse con precisión a los cambios de tendencia y la importancia de monitorear los métodos de pronostico a través del uso de señales de rastreo para mantener bajo control los parámetros que componen el sistema de pronóstico.spa
dc.description.degreelevelPregradospa
dc.description.degreenameINGENIERO(A) EN INDUSTRIALspa
dc.format.extent1 recurso en línea (89 páginas)spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttps://hdl.handle.net/10893/18204
dc.language.isospaspa
dc.publisherUniversidad del Vallespa
dc.publisher.facultyFACULTAD DE INGENIERÍAspa
dc.publisher.placeColombiaspa
dc.publisher.programINGENIERIA INDUSTRIALspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.subject.ddcSimulación discreta
dc.subject.ddcCuellos de botella
dc.subject.ddcManufacturas
dc.titleImpacto de factores aleatorios en la identificación de cuellos de botella en manufacturaspa
dc.typeTrabajo de grado - Pregradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
CB-0540517.pdf
Tamaño:
1.52 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
14.48 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Ingeniería Industrial