La evaluación del rendimiento de la cadena de suministro es una actividad crítica para mejorar continuamente las operaciones. La literatura presenta varios sistemas de evaluación del rendimiento basados en métodos multicriterio y en inteligencia artificial. Entre ellos, los sistemas basados en redes neuronales artificiales (RNA) destacan por su capacidad de modelar relaciones no lineales entre métricas y permitir adaptaciones a un entorno específico mediante datos históricos de rendimiento. La precisión de estos sistemas depende directamente del algoritmo de entrenamiento adoptado, y no se han encontrado estudios que evalúen la eficiencia de estos algoritmos cuando se aplican a la evaluación del rendimiento de la cadena de suministro. En este contexto, el presente estudio evalúa cuatro métodos de aprendizaje de RNA con el fin de investigar cuál es el más adecuado para abordar la evaluación de la cadena de suministro. Los algoritmos evaluados fueron Gradient Descendent Momentum, Levenberg-Marquardt, Quasi-Newton y Scale Conjugate Gradient. Las métricas de rendimiento se extrajeron de SCOR®, que es un modelo de referencia utilizado en todo el mundo. Se adoptó el método de validación cruzada por submuestreo aleatorio para encontrar la configuración topológica más adecuada para cada modelo. Se implementó un conjunto de 80 topologías utilizando MATLAB®. La evaluación de la precisión de la predicción se basó en el error cuadrático medio. Para las cuatro métricas de nivel 1 consideradas, el algoritmo de Levenberg-Marquardt proporcionó los resultados más precisos. Los resultados del análisis de correlación y las pruebas de hipótesis refuerzan la precisión de los modelos propuestos. Además, los modelos computacionales propuestos alcanzaron una precisión de predicción superior a la de los enfoques anteriores.
1. INTRODUCCIÓN
Mentzer et al. (2001) definen la gestión de la cadena de suministro como "la coordinación estratégica y sistemática de las funciones empresariales tradicionales y las acciones tácticas en una empresa y a través de sus empresas a lo largo de la cadena", con el objetivo de mejorar el rendimiento a largo plazo de las empresas miembros. La gestión de la cadena de suministro implica flujos financieros, servicios, bienes, información y relaciones interorganizativas. Teniendo esto en cuenta, la gestión colaborativa tiende a generar una condición de sinergia, en la que toda la cadena de suministro se vuelve más eficiente (Mentzer et al. 2001; Shafiee et al. 2014).
Muchos estudios destacan la relevancia de medir el rendimiento de la gestión de la cadena de suministro como forma de planificar el desarrollo y la gestión de estrategias (Marchand & Raymond, 2008; Estampe et al., 2013). La evaluación del rendimiento de la cadena de suministro incluye muchos factores que actúan conjuntamente para alcanzar determinados objetivos.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Planificación sistemática de la distribución y aplicación TOPSIS para el diseño de un taller de reparación de piezas de turbinas de generación eléctrica
Artículo:
Optimización en la programación de la producción de granos electrofundidos: un estudio de caso
Artículo:
Determinación de las variables pertinentes para la categorización de los lotes de producción en niveles de calidad
Artículo:
Examen del impacto de las condiciones meteorológicas adversas en la fiabilidad del tiempo de viaje en los corredores urbanos de Shanghai
Artículo:
Un modelo de energía potencial dinámica generalizada para la planificación de rutas multiagente
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.