Modelación y simulación de una red neural para el estudio de la relación oferta – demanda
Palabras clave:
oferta, demanda, redes neuronalesResumen
En este artículo se construye y prueba una red neural de alimentación de dos capas para analizar la relación entre la demanda y oferta de productos agropecuarios en una instalación turística de Santo Domingo de los Tsáchilas, Ecuador. Se consideró la demanda estimada de la instalación y la oferta pronosticada a cubrir por los proveedores de 35 productos que ocupan el 80% del peso en las compras en valores monetarios. Se utiliza la red de alimentación de dos capas entrenada con la regla de aprendizaje back propagation de errores. La red construida se encontró que era precisa en el modelado de la demanda y la oferta para las condiciones de estudiadas y también, en la predicción de esta relación con nuevos datos de entrada que se mantienen al margen de la red neural entrenada. Los resultados pueden favorecer el perfeccionamiento de la gestión de compra en la instalación turística
Citas
Aguilar, J. G. (2009). Gestión de inventarios como factor de competitividad, en el sector metalmecánico de la región occidental de Venezuela. Revista de Ciencias Sociales (RCS), XV(3), 509 - 518.
Ávila Rondon, R. L., da Silva Carvalho, A., & Infante Hernández, G. (2008). Innovation in Manufacturing Networks. In A. Azevedo (Ed.), Neural Network Modelling and Simulation of The Scheduling. (pp. 231-238). New York: Springer.
Bosco Gimeno, J. (1999). El aprovisionamiento en la hostelería: un cuidado muy especial. Distribución y Consumo(46), 59-60.
Carter, C. R. (2011). A call for theory: The maturation of the supply chain management discipline. Journal of Supply Chain Management, 47(2), 3-7. doi: http://dx.doi.org/10.1111/j.1745-493X.2011.03218.x
Carter, C. R., & Rogers, D. S. (2008). A framework of sustainable supply chain management: moving toward new theory. International Journal of Physical Distribution & Logistics Management, 38(5), 360-387. doi: http://dx.doi.org/10.1108/09600030810882816
Çelebi, D., & Bayraktar, D. (2008). An integrated neural network and data envelopment analysis for supplier evaluation under incomplete information. Expert Systems with Applications, 35(4), 1698-1710. doi: https://doi.org/10.1016/j.eswa.2007.08.107
Chen, W., Kucukyazici, B., Verter, V., & Sáenz, M. J. (2015). Supply chain design for unlocking the value of remanufacturing under uncertainty. European Journal of Operational Research, 247(3), 804–819. doi: https://doi.org/10.1016/j.ejor.2015.06.062
Chuang, L.-M., & Chao, S.-T. (2013). Evolution of National Entrepreneurial Opportunity Recognition: A Neural Network Analysis. Journal of Advanced Management Science, 1(1), 66-70. doi: 10.12720/joams.1.1.66-70
Dotoli, M., Epicoco, N., & Falagario, M. (2015). A Technique for Supply Chain Network Design under Uncertainty using Cross-Efficiency Fuzzy Data Envelopment Analysis. ScienceDirect, 48(3), 634-639. doi: https://doi.org/10.1016/j.ifacol.2015.06.153
Dotoli, M., Epicoco, N., & Falagario, M. (2016). A fuzzy technique for supply chain network design with quantity discounts. International Journal of Production Research, 55(7), 1862-1884. doi: http://dx.doi.org/10.1080/00207543.2016.1178408
Evans, O. V. D. (1997). Short-Term Currency Forecasting Using Neural Networks. ICL Systems Journal, 11(2), 279-302.
Feitó Cespón, M., Cespón Castro, R., & Rubio Rodríguez, M. A. (2016). Modelos de optimización para el diseño sostenible de cadenas de suministros de reciclaje de múltiples productos. Ingeniare. Revista chilena de ingeniería, 24(1), 135-148. doi: http://dx.doi.org/10.4067/S0718-33052016000100013
Herbrich, R., Keilbach, M., Graepel, T., Bollmann-Sdorra, P., & Obermayer, K. (1999). Neural Networks in Economics. Background, Applications and New Developments. In T. Brenner (Ed.), Computational Techniques for Modelling Learning in Economics (pp. 169-196). Boston, MA: Springer US.
Heylighen, F. (2017). Towards an intelligent network for matching offer and demand: From the sharing economy to the global brain. Technological Forecasting and Social Change, 114, 74-85. doi: 10.1016/j.techfore.2016.02.004
Hornik, K., Stinchcombe, M., & White, H. (1989). Multilayer Feedforward Networks are Universal Approximator. Neural Networks, 2(5), 359–366. doi: https://doi.org/10.1016/0893-6080(89)90020-8
Huber, J., Gossmann, A., & Stuckenschmidt, H. (2017). Cluster-based hierarchical demand forecasting for perishable goods. Expert Systems with Applications, 76, 140-151. doi: https://doi.org/10.1016/j.eswa.2017.01.022
Jia, Z., Lu, X., Jia, D., & Lv, Y. (2011). Research and development of purchase management system for Chinese medium and small manufacturing enterprises. International Journal of Industrial Engineering: Theory Applications and Practice, 18(3), 140-150.
Lau, H. C. W., Ho, G. T. S., & Zhao, Y. (2013). A demand forecast model using a combination of surrogate data analysis and optimal neural network approach. Decision Support Systems, 54(3), 1404-1416. doi: https://doi.org/10.1016/j.dss.2012.12.008
Matinrad, N., Roghaniana, E., & Rasi, Z. (2013). Supply chain network optimization: A review of classification, models, solution techniques and future research. Uncertain Supply Chain Management, 1, 1-24. doi: http://dx.doi.org/10.5267/j.uscm.2013.05.003
Moosmayer, D. C., Chong, A. Y.-L., Liu, M. J., & Schuppar, B. (2013). A neural network approach to predicting price negotiation outcomes in business-to-business contexts. Expert Systems with Applications, 40(8), 3028-3035. doi: https://doi.org/10.1016/j.eswa.2012.12.018
Mota, P. (2012). Los Hoteles se agarran a la Gestión de Compras. Alimarket: Hoteles y Restauración. Hostelmarket(148), 60-72.
Parada Gutiérrez, O. (2009). Un enfoque multicriterio para la toma de decisiones en la gestión de inventarios. Cuadernos de Administración, 22(38), 169-187.
Park, C., & Seo, J. (2013). Consideration of purchase dependence in inventory management. Computers & Industrial Engineering, 66(2), 274-285. doi: 10.1016/j.cie.2013.06.015
Prida Romero, B. (1992). Mejora de la competitividad de la empresa a través de la gestión de aprovisionamiento, manutención y almacenaje. Madrid: Impresiones Ligeras.
Rodger, J. A. (2014). A fuzzy nearest neighbor neural network statistical model for predicting demand for natural gas and energy cost savings in public buildings. Expert Systems with Applications, 41(4, Part 2), 1813-1829. doi: https://doi.org/10.1016/j.eswa.2013.08.080
Rodríguez Barroetabeña, M., & Cabrera Expósito, Y. (2008). Estudio de los niveles de satisfacción de la demanda de los productos agrícolas en los hoteles Brisas Guardalavaca y Club Amigo Atlántico-Guardalavaca. (Tesis en opción el título de Licenciado en Economía). Universidad de Holguín “Oscar Lucero Moya”, Holguín.
Samaranayake, P., & Laosirihongthong, T. (2016). Configuration of supply chain integration and delivery performance: Unitary structure model and fuzzy approach. Journal of Modelling in Management, 11(1), 43-74. doi: http://dx.doi.org/10.1108/JM2-01-2014-0005
Servera-Francés, D. (2010). Concepto y evolución de la función logística. Innovar, 20(38), 217-234.
Singh, A. (2014). Supplier evaluation and demand allocation among suppliers in a supply chain. Journal of Purchasing and Supply Management, 20(3), 167-176. doi: https://doi.org/10.1016/j.pursup.2014.02.001
Torres Navarro, C. A., & Córdova Neira, J. A. (2014). Diseño de sistema experto para toma de decisiones de compra de materiales. Cuadernos de Administración, 30(52), 20-30.
Wu, C., & Wang, X.-M. (2000). A Neural Network Approach for Analyzing Small Business Lending Decisions. Review of Quantitative Finance and Accounting, 15(3), 259-276.
Xiao, Y., Liu, J. J., Hu, Y., Wang, Y., Lai, K. K., & Wang, S. (2014). A neuro-fuzzy combination model based on singular spectrum analysis for air transport demand forecasting. Journal of Air Transport Management, 39, 1-11. doi: https://doi.org/10.1016/j.jairtraman.2014.03.004
Publicado
Número
Sección
Licencia
Derechos de autor 2023 MUNDO RECURSIVO
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
