Comparación de algoritmos para la predicción de demanda del número de vehículos de una empresa logística
Year: 2022
Type: dissertation
Abstract: La inteligencia artificial, el análisis de datos y el aprendizaje automático están cada vez más presentes y con un mayor impacto en los diferentes sectores e industrias. En concreto, en el sector logístico, se encuentra presente en numerosos casos de aplicación como predicción de la demanda, optimización de rutas o robotización de los almacenes y centros logísticos. \nEn este trabajo se aplican y comparan diferentes algoritmos de aprendizaje automático con el fin de predecir el número de camiones que una unidad de negocio concreta de Amazon va a necesitar a largo plazo. Esta predicción se realiza tanto a nivel global europeo como para cada país concreto. \nAntes de llevar a cabo la implementación de dichos algoritmos, se necesita la extracción de los datos de la base de datos de la empresa, la realización de un análisis exploratorio, la limpieza y transformación de los mismos para ser consumido por los diferentes modelos de aprendizaje automático. \nPosteriormente, se ha analizado y comparado la precisión de los distintos modelos, confirmando que son capaces de predecir nuestra variable objetivo con el nivel de exactitud adecuada y siendo el modelo DeepAR el que presenta una mayor precisión. Finalmente, una vez comprobado el éxito de dichos modelos se han propuesto posibles líneas de trabajo e investigación futuras.
Source: idUS (Universidad de Sevilla)
Author: Medrano Avedillo, F. Javier
Language: Spanish
Field: Decision Sciences
Domain: Social Sciences
Open Access status: green
OpenAlex ID: W7008882593