Aplicaciones de inteligencia artificial en procesos de cadenas de suministros: una revisión sistemática

Abstract

RESUMENUna cadena de suministro (SC) es una red de empresas que producen, venden y entregan un producto o servicio a un segmento de mercado predeterminado. No solo incluye a los fabricantes y proveedores, sino que también a transportistas, almacenes, minoristas y los propios clientes, entre otros. Debido al avance tecnológico, específicamente en áreas como las comunicaciones, procesamiento computacional, gestión y almacenamiento de información, es posible apoyar a la administración de cadenas de suministros pudiendo hacerla mas eficiente. En este contexto, la inteligencia artificial (IA) ha sido aplicada en diferentes procesos de SC pero no hay conocimiento especifico sobre cuáles técnicas de IA están siendo aplicadas (o no) en los procesos de la SC o cuáles actividades de la SC están siendo apoyadas (o no) con técnicas de IA. Con base a lo anterior, el objetivo de este trabajo fue establecer de forma empírica el aporte de la IA en procesos de la SC, para luego establecer actividades de investigación a realizarse en el futuro. Para lograr esto, se realizó una revisión sistemática considerando el modelo SCOR como referencia para procesos de una SC. Los principales resultados indican que los algoritmos genéticos y los agentes inteligentes son las técnicas más investigadas para procesos de la SC relacionados con la planificación y, en menor medida, a procesos relacionados con la entrega de productos. Además, existe una tendencia a incluir la incertidumbre como trabajo futuro en diferentes técnicas de IA de manera que los modelos se acerquen más a la realidad.Palabras clave: Inteligencia artificial, modelo SCOR, revisión sistemática, cadena de suministros. ABSTRACT A supply chain (SC) is a network of companies that produce

Evaluación del desempeño de la cadena de suministro sostenible enfocada en procesos

“…Esta complejidad es consistente con la cantidad de actores presentes, por lo que ha sido un aspecto debatido en la literatura (Narimissa, Kangarani-Farahani y Molla-Alizadeh-Zavardehi, 2020;Mohaghar, 2014). También se reconocen las necesidades de medir el desempeño de la CS (Ahi y Searcy, 2015), de poseer capacidades ágiles como condiciones necesarias para maximizar el desempeño de la cadena de suministro sostenible (Gey, Yusuf, Menhat, Abubakar y Ogbuke, 2020) y de administrar la relación entre los participantes y sus recursos (Icarte-Ahumada, 2016). En la actualidad, el desempeño de las CS se considera un factor clave de análisis para el mejoramiento de los procesos de dichas cadenas (Kumar, Kumar, Rao y Veeramalla, 2019).…”

Estudio comparativo entre máquinas de soporte vectorial multiclase, redes neuronales artificiales y sistema de inferencia neuro-difuso auto organizado para problemas de clasificación

“…Diversas técnicas como K-medias, K-medias difuso, Máquinas de Soporte Vectorial, Bosques Aleatorios, Arboles de decisión, Máxima verosimilitud, Redes Neuronales Artificiales y algoritmos de Aprendizaje Profundo son utilizadas para la clasificación automática de datos (Toosi et.al 2019;Castillo et.al., 2016;De la Hoz et.al., 2019). Aunque la mayoría son técnicas que tienen un buen desempeño sobre problemas complejos y no lineales, son modelos de caja negra o que impiden abstraer conocimiento de los problemas abordados (Brito et.al, 2019, Icarte, 2016.…”

“…La propuesta que se presenta es un sistema neuro-difuso autoorganizado que utiliza la capacidad de generalización de las redes neuronales para entrenar un sistema de inferencia difuso (SID), generando únicamente las reglas necesarias para caracterizar el problema y hacer la mejor clasificación a su posible alcance (Wang y Mendel, 1992). Aplicaciones exitosas en control (Icarte, 2016) y pronostico o inferencia de datos (Figueroa et.al (2015); Rodas et.al., 2019) han sido reportadas. Para comparar el desempeño del algoritmo SONFIS utilizamos las ANNs, y las SVMs ya que han mostrado ser buenos clasificadores de datos (Peña y Orellana, 2018;Santana et.al, 2014) y son ampliamente utilizadas en la literatura.…”

Evaluación de un sistema de alimentación avícola basado en lógica difusa

“…Entre la innovaciones tecnológicas en los sistemas de producción avícola está el uso de la lógica difusa, la cual estaba basada en el reconocimiento de patrones mediante el cual se establecen dispositivos que pueden determinar el comportamiento del entorno mediante la identificación de formas [10], estos es importante en la alimentación avícola dado que los el patrón de los pollos no es lineal, sino que responde a un sistema de lógica difusa La lógica difusa es un sistema matemático que modela funciones no lineales, que convierte unas entradas en salidas acordes con los planteamientos lógicos que usan el razonamiento aproximado [11]. Su aplicación está enfocada especialmente para sistemas de control complejos que no tengan definido un modelo matemático preciso ya que una de las principales ventajas al utilizar lógica difusa, son las salidas que ofrece permitiendo un control mucho más veloz y preciso pudiendo adelantarnos a los hechos [12].…”