Proyección de demanda con redes neuronales recurrentes
En la producción y la gestión de operaciones, la previsión de la demanda es un método importante, ya que ayuda a desarrollar mejores aproximaciones de las operaciones futuras en presencia de incertidumbre. El pronóstico extrae relaciones matemáticas de datos pasados que pueden usarse para informar la toma de decisiones futuras. En la gestión de la cadena de suministro, la coordinación eficiente de la adquisición de recursos, la producción y el almacenamiento depende en gran medida de predecir con precisión la demanda futura de productos en particular y la dinámica del mercado en general. La previsión precisa de la demanda reduce los riesgos de inversión en entornos inciertos.
Los desafíos de la previsión de la demanda radican en la complejidad de la dinámica de la demanda. Investigamos la aplicación de la computación de yacimientos (RC) a la previsión de demanda de productos. RC utiliza una red neuronal recurrente inicializada aleatoriamente que implementa la memoria finita y la generalización. En estas condiciones, debería ser suficiente para reducir la complejidad del entrenamiento a una sola capa de salida lineal y lograr resultados de pronóstico precisos. Por lo tanto, la capa de salida es capaz de derivar una relación lineal simple entre los datos de entrada y su proyección en un espacio de características de mayor dimensión.
Director del proyecto:
Jens Burger, PhD
Email: jensburger@upb.edu
Duración del proyecto:
Julio 2018 - Junio 2019
