Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 18 vistas

    Rodriguez Raul Act2

    Cargado por

    Raul Rodriguez Ortega
    Este documento presenta la idea de investigación y planteamiento del problema de un estudiante de logística y cadena de suministros. La idea es optimizar la cadena de suministro en la industria manufacturera utilizando técnicas de inteligencia artificial y análisis de datos. El planteamiento del problema señala que a pesar del potencial de estas tecnologías, su implementación enfrenta desafíos como falta de datos, complejidad en modelar variables e integración con sistemas existentes. El problema central es cómo aprovechar efectivamente estas técnic

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Rodriguez Raul Act2

    Cargado por

    Raul Rodriguez Ortega
    18 vistas9 páginas
    Este documento presenta la idea de investigación y planteamiento del problema de un estudiante de logística y cadena de suministros. La idea es optimizar la cadena de suministro en la industria manufacturera utilizando técnicas de inteligencia artificial y análisis de datos. El planteamiento del problema señala que a pesar del potencial de estas tecnologías, su implementación enfrenta desafíos como falta de datos, complejidad en modelar variables e integración con sistemas existentes. El problema central es cómo aprovechar efectivamente estas técnic

    Título original

    rodriguez-raul-act2

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta la idea de investigación y planteamiento del problema de un estudiante de logística y cadena de suministros. La idea es optimizar la cadena de suministro en la industria manufacturera utilizando técnicas de inteligencia artificial y análisis de datos. El planteamiento del problema señala que a pesar del potencial de estas tecnologías, su implementación enfrenta desafíos como falta de datos, complejidad en modelar variables e integración con sistemas existentes. El problema central es cómo aprovechar efectivamente estas técnic

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    18 vistas9 páginas

    Rodriguez Raul Act2

    Cargado por

    Raul Rodriguez Ortega
    Este documento presenta la idea de investigación y planteamiento del problema de un estudiante de logística y cadena de suministros. La idea es optimizar la cadena de suministro en la industria manufacturera utilizando técnicas de inteligencia artificial y análisis de datos. El planteamiento del problema señala que a pesar del potencial de estas tecnologías, su implementación enfrenta desafíos como falta de datos, complejidad en modelar variables e integración con sistemas existentes. El problema central es cómo aprovechar efectivamente estas técnic

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 9

    ALUMNO

    RODRÍGUEZ ORTEGA RAÚL IGNACIO - 171035

    GRUPO

    LC86

    DOCENTE

    GONZALO ANTONIO GARCIA CABRERA

    MATERIA

    PROYECTO DE INNOVACION 1

    CARRERA

    LOGÍSTICA Y CADENA DE SUMINISTROS

    NÚMERO Y TEMA DE LA ACTIVIDAD

    ACTIVIDAD 2: FORMULACION DE LA IDEA DE INVESTIGACION Y DEL


    PLANTEAMIENTO DEL PROBLEMA

    AGOSTO 2023
    Introducción

    La investigación es un proceso fundamental en la obtención de nuevos


    conocimientos, la resolución de problemas y el avance en diferentes campos del
    saber. Generar una idea de investigación es el primer paso para llevar a cabo un
    estudio significativo y valioso. Aquí te proporciono una guía sobre su utilidad y
    cómo generar ideas de investigación:

    Utilidad de la investigación:

    Contribución al conocimiento: La investigación permite descubrir información


    nueva, llenar lagunas en el conocimiento existente y generar ideas innovadoras.

    Resolución de problemas: La investigación puede ayudar a abordar y resolver


    problemas prácticos en diversas áreas, desde la medicina hasta la tecnología y la
    sociología.

    Validación y mejora: Permite validar teorías existentes, confirmar resultados


    anteriores y mejorar metodologías y enfoques existentes.

    Innovación: La investigación puede llevar al desarrollo de nuevas tecnologías,


    productos y soluciones que mejoran la calidad de vida o impulsan el progreso en
    la sociedad.

    Base para la toma de decisiones: Proporciona información y datos objetivos que


    pueden utilizarse en la toma de decisiones informadas en ámbitos
    gubernamentales, empresariales y personales.

    Generación de ideas de investigación:

    Identifica un tema amplio: Comienza identificando una amplia área temática que
    te interese. Puede ser cualquier cosa, desde ciencia y tecnología hasta ciencias
    sociales, humanidades o arte.
    Investiga el contexto: Investiga sobre el estado actual del conocimiento en el
    área que has elegido. Lee libros, artículos, investigaciones previas y mantente al
    tanto de los avances recientes.

    Encuentra lagunas o problemas: Busca áreas en las que existan lagunas en el


    conocimiento, controversias o problemas no resueltos. Pregúntate: ¿qué
    preguntas no se han respondido todavía? ¿Qué aspectos necesitan más
    exploración?

    Refina y focaliza: Una vez identificada una posible área de investigación, refina tu
    enfoque. Define claramente cuál es la pregunta o problema que deseas abordar.

    Contextualiza tu idea: Sitúa tu idea en el contexto más amplio de tu campo.


    ¿Cómo se relaciona con las teorías existentes? ¿Qué contribución única puede
    hacer tu investigación?

    Define objetivos y metodología: Establece los objetivos específicos de tu


    investigación y la metodología que utilizarás para abordarlos. ¿Qué métodos de
    recolección de datos utilizarás? ¿Cómo analizarás esos datos?

    Evalúa la viabilidad: Asegúrate de que tu idea de investigación sea realista en


    términos de recursos, tiempo y acceso a la información o participantes necesarios.

    Consulta con otros: Discute las ideas con profesores, mentores, colegas o
    amigos. Obtener retroalimentación puede ayudar a perfeccionar y mejorar el
    enfoque.

    Ajusta según sea necesario: Es posible que necesites ajustar y refinar tu idea a
    medida que avanzas en tu investigación y adquieres una comprensión más
    profunda del tema.

    Hay que considerar que generar una idea de investigación lleva tiempo y reflexión.
    Es importante elegir un tema que tenga relevancia en el campo en el que estás
    interesado. Una vez que tengas una idea sólida, podrás desarrollarla en un
    proyecto de investigación completo con un diseño metodológico adecuado.
    Formulación de la idea de investigación

    Idea: Optimización de la cadena de suministro utilizando técnicas de inteligencia


    artificial y análisis de datos en la industria manufacturera.

    Llegue a esta idea de investigación debido a todo lo que esta pasando en el medio
    sobre las inteligencias artificiales y considere aplicar eso sobre mi área profesional
    para saber cuales son las ventajas y desventajas de poder aplicar la inteligencia
    artificial sobre una parte de ingeniería industrial sobre en la cadena de suministro
    que es donde yo trabajo para la empresa de Keken.

    La optimización de la cadena de suministro es un aspecto crucial en la industria


    manufacturera para garantizar la eficiencia, la reducción de costos y la satisfacción
    del cliente. En los últimos años, el uso de técnicas de inteligencia artificial (IA) y
    análisis de datos ha demostrado un gran potencial para mejorar la gestión de la
    cadena de suministro. Estas tecnologías permiten tomar decisiones más
    informadas y en tiempo real, lo que puede conducir a una cadena de suministro
    más ágil y resiliente.

    Algunos antecedentes relevantes incluyen:

    Optimización con Algoritmos Genéticos: Los algoritmos genéticos se han


    utilizado para optimizar la distribución de recursos y rutas de transporte en la
    cadena de suministro. Estos algoritmos imitan el proceso evolutivo para encontrar
    soluciones cercanas a las óptimas en problemas complejos.

    Predicción de la Demanda: La IA y el análisis de datos se han empleado para


    predecir la demanda de productos, lo que permite una mejor planificación de la
    producción y la distribución de inventario.

    Gestión de Inventarios: La aplicación de técnicas de aprendizaje automático


    puede ayudar a predecir cuándo y cuánto reabastecer los inventarios, evitando
    excesos o faltantes.

    Monitorización en Tiempo Real: Sensores y sistemas de IoT (Internet of Things)


    pueden proporcionar datos en tiempo real sobre el estado de los productos y las
    condiciones ambientales durante el transporte, lo que facilita la toma de decisiones
    inmediatas.

    Encuadre Principal y Perspectiva:

    La investigación propuesta se enmarca en la intersección de la cadena de


    suministro, la inteligencia artificial y el análisis de datos en la industria
    manufacturera. El objetivo principal es mejorar la eficiencia y la toma de
    decisiones en la gestión de la cadena de suministro a través de la aplicación de
    técnicas avanzadas de IA y análisis de datos. Esto implica abordar problemas
    como la optimización de rutas de transporte, la predicción de la demanda, la
    gestión de inventarios y la monitorización en tiempo real.

    Desde una perspectiva más amplia, esta investigación busca avanzar en la


    comprensión y aplicación de la inteligencia artificial y el análisis de datos en la
    industria manufacturera, específicamente en el ámbito de la cadena de suministro.
    El estudio podría tener implicaciones prácticas significativas al ayudar a las
    empresas a optimizar sus operaciones, reducir costos y mejorar la satisfacción del
    cliente. Además, podría contribuir al desarrollo de metodologías y mejores
    prácticas en la integración de tecnologías de vanguardia en la gestión de la
    cadena de suministro, lo que tendría un impacto duradero en la industria y en la
    eficiencia global de la economía.

    Fuentes de ideas

    Tsay, A. A., Agrawal, N., & Tang, Q. (2019). Uses of artificial intelligence in supply
    chain and operations management: A review of the literature. International Journal
    of Production Research, 57(15-16), 4719-4744.

    Lee, H. L., & Tang, C. S. (2017). Bridging the gap between supply chain
    management and human resources management: The role of online analytical
    processing and big data. Big Data Research, 9, 28-37.

    Chopra, S., & Meindl, P. (2015). Supply Chain Management: Strategy, Planning,
    and Operation. Pearson.
    Chen, D., & Preston, D. S. (2020). Enhancing supply chain visibility through the
    use of big data analytics and AI. Computers & Industrial Engineering, 139, 106161.

    Formulación del planteamiento del problema

    En el contexto de la industria manufacturera actual, la eficiencia y la agilidad en la


    cadena de suministro son elementos cruciales para garantizar la competitividad y
    el éxito empresarial. La gestión de la cadena de suministro implica coordinar una
    serie de actividades complejas, desde la adquisición de materias primas hasta la
    entrega de productos terminados a los clientes. Sin embargo, los desafíos
    inherentes a esta tarea son numerosos y pueden incluir fluctuaciones en la
    demanda del mercado, incertidumbre en los tiempos de entrega, variabilidad en la
    calidad de los insumos y restricciones de capacidad en la producción, entre otros.

    La integración de técnicas de inteligencia artificial (IA) y análisis de datos en la


    optimización de la cadena de suministro ha surgido como una solución
    prometedora para abordar estos desafíos de manera más efectiva. La IA ofrece la
    capacidad de modelar y predecir patrones complejos en los datos de la cadena de
    suministro, lo que permite una toma de decisiones más informada y precisa.
    Además, las técnicas de análisis de datos permiten extraer información valiosa de
    grandes conjuntos de datos, lo que puede ayudar a identificar áreas de mejora y
    oportunidades para la optimización.

    Sin embargo, a pesar de las ventajas potenciales, la implementación exitosa de


    técnicas de IA y análisis de datos en la cadena de suministro manufacturera
    enfrenta diversos obstáculos. Algunos de estos desafíos incluyen la falta de
    acceso a datos de calidad y en tiempo real, la complejidad para modelar la
    interconexión de variables en la cadena de suministro y la resistencia organizativa
    al cambio en la adopción de nuevas tecnologías. Además, la elección y
    configuración adecuada de algoritmos de IA, así como la integración fluida de
    estos en los sistemas existentes, también presentan dificultades.
    Por lo tanto, el problema central radica en cómo aprovechar de manera efectiva
    las técnicas de inteligencia artificial y análisis de datos para optimizar la cadena de
    suministro en la industria manufacturera. Esto implica superar barreras técnicas,
    organizativas y operativas para garantizar una implementación exitosa que
    conduzca a una cadena de suministro más eficiente, resiliente y adaptable a las
    demandas cambiantes del mercado.

    Límites del Estudio:

    Aunque este estudio busca abordar la optimización de la cadena de suministro en


    la industria manufacturera utilizando técnicas de inteligencia artificial y análisis de
    datos, es importante reconocer que existen ciertas limitaciones que podrían influir
    en los resultados y en la generalización de las conclusiones obtenidas. Estos
    límites incluyen:

    Disponibilidad y calidad de datos: La efectividad de las técnicas de análisis de


    datos e inteligencia artificial depende en gran medida de la calidad y cantidad de
    datos disponibles. Si los datos son incompletos, desactualizados o no
    representativos, podría limitar la precisión y validez de los resultados obtenidos.

    Alcance de la investigación: Dada la complejidad de la cadena de suministro y la


    variedad de industrias manufactureras, este estudio podría centrarse en un
    subconjunto específico de desafíos y contextos. Por lo tanto, los resultados y las
    conclusiones podrían no ser aplicables a todas las situaciones.

    Modelado de variables: La cadena de suministro involucra una multitud de


    variables interdependientes y factores externos que pueden afectar el rendimiento.
    La capacidad de modelar con precisión estas relaciones complejas podría estar
    limitada por la complejidad del problema y la disponibilidad de algoritmos
    adecuados.

    Aceptación organizativa: La adopción de técnicas de inteligencia artificial y


    cambios en la gestión de la cadena de suministro pueden encontrar resistencia
    dentro de las organizaciones debido a preocupaciones sobre la inversión, la
    capacitación del personal y la cultura organizativa. Estas cuestiones podrían limitar
    la implementación efectiva de las soluciones propuestas.

    Fluctuaciones del entorno: Los entornos de mercado y la demanda pueden


    cambiar rápidamente, lo que podría influir en la capacidad de los modelos
    desarrollados para adaptarse a estas dinámicas en tiempo real. Los enfoques de
    optimización podrían necesitar actualizaciones frecuentes para mantener su
    eficacia.

    Limitaciones de algoritmos: Aunque las técnicas de inteligencia artificial son


    poderosas, cada algoritmo tiene sus propias limitaciones y suposiciones. La
    elección del algoritmo correcto para cada problema es crucial y podría requerir una
    experimentación y afinación exhaustivas.

    Costos y recursos: La implementación de soluciones de inteligencia artificial y


    análisis de datos puede requerir inversiones significativas en términos de
    infraestructura tecnológica, recursos humanos y capacitación. Las limitaciones
    financieras y de recursos podrían afectar la viabilidad de algunas soluciones
    propuestas.

    Espacio: El estudio se centrará en una empresa manufacturera específica ubicada


    en una región geográfica determinada.

    Tiempo: El estudio abarcará un período de 12 meses, desde la implementación


    inicial hasta la evaluación de los resultados.

    Sujeto de Estudio: La investigación se enfocará en la cadena de suministro de la


    empresa manufacturera seleccionada y las interacciones con sus proveedores y
    distribuidores clave.

    Pregunta de Investigación:

    ¿Cómo se puede mejorar la eficiencia de la cadena de suministro en la industria


    manufacturera a través de la aplicación de técnicas de inteligencia artificial y
    análisis de datos?

    Justificación:
    La optimización de la cadena de suministro es esencial para mantener la
    competitividad en un mercado globalizado y exigente. La aplicación de técnicas de
    inteligencia artificial, como el aprendizaje automático y la optimización basada en
    algoritmos, junto con el análisis de datos en tiempo real, tiene el potencial de
    ofrecer soluciones efectivas para abordar los desafíos complejos de la cadena de
    suministro. La mejora en la precisión de la demanda, la gestión eficiente de
    inventarios, la identificación de cuellos de botella y la toma de decisiones
    informadas pueden resultar en una reducción de costos, una entrega más rápida
    de productos y una mejor satisfacción del cliente.

    Objetivos de la Investigación:

    Objetivo General:

    Diseñar y desarrollar un sistema de optimización de la cadena de suministro que


    utilice técnicas de inteligencia artificial y análisis de datos en una empresa
    manufacturera específica.

    Objetivos Particulares:

    Identificar los puntos débiles y las áreas de mejora en la cadena de suministro


    existente de la empresa manufacturera.

    Aplicar algoritmos de inteligencia artificial para predecir la demanda de productos y


    optimizar la gestión de inventarios.

    Evaluar el impacto de la implementación del sistema de optimización en términos


    de eficiencia operativa, costos y satisfacción del cliente.

    En resumen, esta investigación tiene como objetivo abordar los desafíos de


    optimización en la cadena de suministro de la industria manufacturera mediante la
    aplicación de técnicas avanzadas de inteligencia artificial y análisis de datos, con
    el propósito de mejorar la eficiencia y la competitividad de la empresa en un
    entorno comercial dinámico.

    También podría gustarte