Modelo de cadena de suministro inteligente para la mejora de la gestión logística del Servicio Educacional Hogar y Salud del Norte, Lima, 2020
La cadena de suministro ha experimentado una transición significativa, orientándose hacia esquemas más sofisticados y optimizados gracias a la incorporación de tecnologías emergentes. Este cambio está dejando atrás los modelos convencionales para dar paso a estructuras inteligentes que maximizan la...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis doctoral |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2025
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | La cadena de suministro ha experimentado una transición significativa, orientándose hacia esquemas más sofisticados y optimizados gracias a la incorporación de tecnologías emergentes. Este cambio está dejando atrás los modelos convencionales para dar paso a estructuras inteligentes que maximizan la eficiencia. En este contexto, la inteligencia artificial desempeña un papel clave, ya que permite procesar y examinar grandes volúmenes de información con rapidez y precisión y obtener predicciones significativas para tomar decisiones en la gestión logística. Este estudio propone un diseño de cadena de suministro inteligente siguiendo la metodología ensemble stacking para desarrollo tecnológico, a su vez, se utilizaron los algoritmos de machine learning como Gradient Boosting, CatBoost, Random Forest, Decision Tree, K-Nearest Neighbors, XGBoost y el Meta-modelo: Regresión Lineal. Luego de la optimización y aplicación de las métricas como MSE, 2, MAE, RMSE se obtuvo que los metamodelos sobresalieron con resultados notables alcanzando precisiones superiores al 90%. Asimismo, la presente la cadena de suministro inteligente mejora en un 53% la gestión logística del Servicio Educacional Hogar y Salud del Norte, Lima, 2020. Se concluye que esta propuesta no solo optimiza el rendimiento del modelo, sino que también asegura una mejor adaptación a las necesidades y objetivos particulares para la gestión logística. |
|---|