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.degree | Magíster en Ciencias de Datos y Analítica | spa |
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.identifier.uri | https://hdl.handle.net/10784/35342 | |
dc.language.iso | spa | spa |
dc.publisher | Universidad EAFIT | spa |
dc.publisher.department | Escuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analítica | spa |
dc.publisher.place | Medellín | |
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 | eng |
dc.rights.local | Acceso abierto | 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 | masterThesis | eng |
dc.type | info:eu-repo/semantics/masterThesis | eng |
dc.type.hasVersion | acceptedVersion | eng |
dc.type.local | Tesis de Maestría | spa |
dc.type.spa | Artículo | |
dspace.entity.type | Publication |
Archivos
Bloque original
1 - 3 de 3
No hay miniatura disponible
- Nombre:
- Carta_Aprobacion_Karolina_Arrieta.pdf
- Tamaño:
- 115.82 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Carta de aprobación de tesis de grado
No hay miniatura disponible
- Nombre:
- Formulario_autorizacion_publicacion_obras Karolina Arrieta.pdf
- Tamaño:
- 404.83 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Formulario de autorización de publicación de obras
No hay miniatura disponible
- Nombre:
- Karolina_ArrietaSalgado_2025.pdf
- Tamaño:
- 774.44 KB
- Formato:
- Adobe Portable Document Format
- Descripción:
- Trabajo de grado
Bloque de licencias
1 - 1 de 1
No hay miniatura disponible
- Nombre:
- license.txt
- Tamaño:
- 2.5 KB
- Formato:
- Item-specific license agreed upon to submission
- Descripción: