Diseñar un sistema de pronóstico de demanda en tiempo real basado en la tecnología de RNAs que garantice el cumplimiento de ventas de Frunorte Ltda.

Abstract

La ausencia operacional repetitiva en el proceso de planeación de la empresa FRUNORTE LTDA genera sobrecostos, pérdida de oportunidades, poca eficiencia, incumplimiento de metas, desventaja competitiva. Para esto se propuso un diseñó de programación basado en la tecnología RNAs, el cual arroja pronósticos de los niveles de ventas de meses en el año a futuro. Además, dicho programa muestra datos de interés, tales como para la configuración óptima de la línea de producción; presentando información de: cantidad de recursos, tasa de alimentación al sistema y utilidad del sistema productivo. El procedimiento debe garantizar que la capacidad sea mayor a la demanda para cumplir con las ventas pronosticadas. Este proyecto se realizó con ayuda del método de análisis de datos (machine learning), utilizando métodos de optimización en tiempo real, mediante programas como Arena y Excel (tendencia lineal). A su vez estos resultados fueron probados, analizados y estudiados para ver el impacto en el proceso productivo, aspecto económico, humano, medio ambiental y legal. Finalmente, se logró evidenciar que al implementar la Tecnología de machine learning sobre los pronósticos de la demanda se obtienen resultados cuantitativos, en el caso de estudio del producto Titoté de 125 gramos, se logró evidenciar que la utilidad aumentaría en un 12% y una reducción de los costos en más del 16%, ordenando el número de operarios gracias a una simulación por medio de Optquest garantizamos los resultados con más de 300 iteraciones, teniendo una producción diaria de 200 envases de concentrado de coco. Aplicando las configuraciones del sistema productivo que indica el programa recomendamos implementar la tecnología en empresas del sector productivo.

The repetitive operational absence in the planning process of the company FRUNORTE LTDA generates cost overruns, loss of opportunities, little efficiency, non-fulfillment of goals, competitive disadvantage. For this, a programming design based on RNAs technology was proposed, which provides forecasts of sales levels from months in the year to the future. Furthermore, said program shows data of interest, such as for the optimal configuration of the production line; presenting information on: amount of resources, rate of feeding to the system and utility of the productive system. The procedure must ensure that capacity is greater than demand to meet forecasted sales. This project was carried out with the help of the data analysis method (machine learning), using real-time optimization methods, using programs such as Arena and Excel (linear trend). In turn, these results were tested, analyzed and studied to see the impact on the production process, economic, human, environmental and legal aspects. Finally, it was possible to show that when implementing machine learning technology on demand forecasts quantitative results are obtained, in the case of study of the Titoté product of 125 grams, it was possible to show that the utility would increase by 12% and a reduction of costs in more than 16%, ordering the number of operators thanks to a simulation through Optquest we guarantee the results with more than 300 iterations, having a daily production of 200 packages of coconut concentrate. Applying the configurations of the productive system indicated in the program, we recommend implementing the technology in companies in the productive sector.