Clasificación ABC de inventarios mediante modelos de aprendizaje por refuerzo

Arrieta Salgado, Karolina

Publicación:
Clasificación ABC de inventarios mediante modelos de aprendizaje por refuerzo

dc.contributor.advisor	Almonacid Hurtado, Paula María
dc.contributor.author	Arrieta Salgado, Karolina
dc.coverage.spatial	Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees	eng
dc.creator.email	karrietas@eafit.edu.co
dc.date.accessioned	2025-05-05T21:46:51Z
dc.date.available	2025-05-05T21:46:51Z
dc.date.issued	2025
dc.description	La tarea de control de inventario se ocupa de minimizar costos, optimizar recursos y mejorar su gestión para garantizar la disponibilidad de productos o recursos cuando se necesiten. La clasificación ABC es una metodología utilizada para tratar inventarios y categorizar los materiales en función de su importancia relativa, lo que permite asignar recursos de manera más efectiva, centrándose en los elementos más críticos y dedicando la atención adecuada a cada categoría. Las tres categorías son: A, altamente importantes; B, de importancia media; y C, relativamente poco importantes. El aprendizaje por refuerzo (RL), una técnica de aprendizaje automático (ML), puede ser útil para optimizar la gestión de inventarios, considerando criterios como la demanda, el tiempo de entrega, los precios, entre otros, para tomar decisiones y lograr los mejores resultados. En este proyecto, se utilizan algoritmos de aprendizaje por refuerzo para pronosticar la clasificación de los materiales existentes y evaluar la posibilidad de clasificar nuevos. La base de datos incluye compras no industriales realizadas por una empresa de producción y comercialización de productos cosméticos y de aseo personal. Los resultados indican que el modelo desarrollado logra converger de manera eficiente, mostrando una mejora progresiva en la recompensa total por episodio, lo que evidencia que el agente es capaz de aprender y refinar sus políticas de decisión. Esto demuestra el potencial del enfoque para clasificar materiales de manera precisa y tomar decisiones que optimicen la gestión de inventarios. La estabilidad alcanzada en las etapas finales del entrenamiento refuerza la utilidad del modelo para abordar problemas reales y garantizar una mejor asignación de recursos en el inventario.
dc.description.degreelevel	Maestría	spa
dc.description.degreename	Magíster en Ciencias de Datos y Analítica	spa
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Universidad EAFIT
dc.identifier.reponame	reponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourl	repourl:https://repository.eafit.edu.co
dc.identifier.uri	https://hdl.handle.net/10784/35342
dc.language.iso	spa
dc.publisher	Universidad EAFIT	spa
dc.publisher.department	Área Computación y Analítica	spa
dc.publisher.faculty	Escuela de Ciencias Aplicadas e Ingeniería	spa
dc.publisher.place	Medellín	spa
dc.publisher.program	Maestría en Ciencias de los Datos y Analítica	spa
dc.rights	Todos los derechos reservados	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Acceso abierto
dc.rights.local		spa
dc.subject	Inventarios
dc.subject	Clasificación ABC
dc.subject	Optimización
dc.subject	Control de inventarios
dc.subject	Aprendizaje automático
dc.subject	Aprendizaje por refuerzo
dc.subject.lemb	APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
dc.subject.lemb	CIENCIA DE LA INFORMACIÓN
dc.subject.lemb	DESARROLLO INDUSTRIAL
dc.title	Clasificación ABC de inventarios mediante modelos de aprendizaje por refuerzo
dc.type	info:eu-repo/semantics/masterThesis
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis de Maestría	spa
dc.type.local	Monografía	spa
dc.type.redcol	http://purl.org/redcol/resource_type/TM
dc.type.version	info:eu-repo/semantics/acceptedVersion
dspace.entity.type	Publication