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

dc.contributor.advisorAlmonacid Hurtado, Paula María
dc.contributor.authorArrieta Salgado, Karolina
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emailkarrietas@eafit.edu.co
dc.date.accessioned2025-05-05T21:46:51Z
dc.date.available2025-05-05T21:46:51Z
dc.date.issued2025
dc.descriptionLa 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.urihttps://hdl.handle.net/10784/35342
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analíticaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectInventarios
dc.subjectClasificación ABC
dc.subjectOptimización
dc.subjectControl de inventarios
dc.subjectAprendizaje automático
dc.subjectAprendizaje por refuerzo
dc.subject.lembAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembDESARROLLO INDUSTRIAL
dc.titleClasificación ABC de inventarios mediante modelos de aprendizaje por refuerzo
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaArtículo
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 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
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción: