El planeamiento de demanda es un proceso clave en las organizaciones y la tecnología permite automatizar el proceso especialmente en la parte de análisis estadístico. Sin embargo, cada día hay mas importancia en la data reciente y futuro, generada por eventos muy recientes y futuros que deben incorporarse al proceso para crear el plan de demanda. La inteligencia artificial IA es el reemplazo del ser humano en procesos operativos y de toma de decisiones y en este caso, la parte estadística esta casi resuelta por medio de sistemas como Streamline que se utilizará en el curso. La parte de información reciente por redes sociales y algoritmos que modifiquen el pronóstico es clave y para ello la tecnología permite crear redes neuronales que aprenden y crean modelos mas precisos de planes de demanda con IA.
CONTENIDO:
1. FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL
a. Fundamentos de IA teletrabajochileconsultabloggercom
b. Redes neuronales ]
c. Nuevas tecnologías aplicadas: Visión artificial, robótica, sensores y dispositivos IoT
2. FUNDAMENTOS DE PLANEAMIENTO DE LA DEMANDA
a. Principios de la demanda y el proceso de 4 etapas
b. Componentes de un buen pronóstico: estadístico y aleatorio
c. Importancia de crear un modelo de gestión de demanda
3. AUTOMATIZANDO EL PROCESO CON STREAMLINE
a. Implementación del software Streamline
b. Revisión de datos a cargar al sistema
c. Automatización del modelo: uso de STREAMLINE
d. Uso de IA en el proceso teletrabajochileconsultabloggercom
4. ALGORITMOS DE IA PARA DETECTAR PATRONES DE COMPORTAMIENTO EN LA DEMANDA HISTÓRICA
a. Lumpy demand: comportamiento de demanda histórica erratica
b. Short history: casos de productos nuevosv
c. Outliers: eliminación de picos y valles en la data histórica
d. Sparse history: casos de demanda histórica dispersa teletrabajochileconsultabloggercom
e. Model change: casos de cambios en el comportamiento de la demanda
f. Negative trend: comportamiento histórica de demanda con tendencia negativa
g. Slow Move Products SMP: productos de baja rotación
5. ALGORITMOS DE PRONÓSTICO DE DEMANDA BASADA EN PROMEDIOS Y SUAVIZACIÓN
a. Fundamentos estadísticos
b. Promedio móvil simple
c. Promedio móvil ponderado
d. Suavizamiento exponencial
e. TaIIer 1: casos para desarrollar pronósticos con promedios y suavización
f. TaIIer 2: STREAMLINE, carga de datos, modificaciones, exportación
6. ¿CÓMO SELECCIONAR EL MEJOR MODELO DE PRONÓSTICO?
a. Exactitud del pronóstico: mediciones del error
b. Indicador de exactitud MAD Mean Average Deviation
c. Indicador de exactitud MAPE Mean Average Percentage Error
d. TaIIer 3: casos de selección del mejor modelo de pronóstico
7. CAMBIOS AL PRONÓSTICO ESTADÍSTICO: MARKET INTELLIGENCE Y MARKET RESEARCH
a. Cambios en el proceso por la IA
b. Creando un sistema de market intelligence
c. Metodologías de búsqueda de información: market research
d. Implementación de algoritmos en una red neuronal de planificación de demanda
e. TaIIer 4: diseño del proceso de demanda
8. PRONÓSTICO DE DEMANDA BASADO EN REGRESIÓN LINEAL SIMPLE
a. Fundamentos estadísticos
b. Modelo de regresión lineal simple
c. Coeficiente de correlación y determinación R2
d. TaIIer 5: casos de pronósticos con regresión lineal simple. STREAMLINE
9. CASOS ESPECIALES DE PRONÓSTICOS DE DEMANDA
a. Pronósticos de demanda con estacionalidad
b. Pronósticos basados en un modelo de regresión múltiple
c. Estrategias para la gestión de la incertidumbre
d. TaIIer 6: casos especiales de pronóstico
No hay comentarios:
Publicar un comentario