Uso de redes neuronales profundas en la cadena de abastecimiento de una empresa chilena del rubro forestal.

Abstract

Las empresas han invertido grandes sumas de dinero para lograr obtener información, pero ésta generalmente carece de foco y no logra aportar valor a las compañías. Se ha demostrado que las cadenas de abastecimiento es una de las áreas que más información recolecta, la problemática radica en cómo generar valor y entregar un enfoque para la toma de decisiones. La siguiente investigación tiene como finalidad desarrollar un caso práctico de redes neuronales profundas para el análisis de grandes volúmenes de datos de una empresa chilena del rubro forestal, que permita predecir múltiples consumos de materiales y repuestos, con la finalidad de obtener predicciones con mejor desempeño que los métodos tradicionales y con esto determinar si se logran ventajas competitivas en la cadena de suministro. En el estudio se ha encontrado que las redes neuronales pueden ser una herramienta eficiente para el pronóstico de múltiples materiales y repuestos y que logran mejores desempeños que los modelos de pronósticos tradicionales. Se ha encontrado que con una mejor planificación de los consumos futuros se puede lograr ventajas competitivas en la compañía al reducir los costos de oportunidad y niveles de inventarios.