SSYSPE

Platform to share knowledge, news, discussions and jobs about software, systems and IT fields related
* Identificarse    * Registrarse


Nuevo tema Responder al tema  [ 2 mensajes ] 
Autor Mensaje
NotaPublicado: 15 May 2017, 05:32 
Desconectado
Avatar de Usuario

Registrado: 09 Abr 2017, 18:10
Mensajes: 1
DESCRIPCIÓN DEL SISTEMA
Sistema para la Predicción de la Demanda del Inventario de Bimbo.

DESCRIPCIÓN DEL PROBLEMA
Los cálculos de inventario diario realizados en Bimbo son realizados por los empleados que realizan la venta directa, quienes realizan dicha operación sin ayuda alguna para intentar predecir la oferta y la demanda basadas en las experiencias personales con cada tienda. Tomando lo anterior en cuenta y el hecho de que existen algunos productos cuya duración es de una semana, el margen de error debe ser mínimo.

ALCANCE DEL SISTEMA
El proyecto tiene como finalidad obtener un sistema que permita obtener la demanda de productos a partir de la evaluación de los indicadores brindados: semana, agencia, canal, ruta, cliente, producto, unidades vendidas, monto vendido, unidades devueltas, monto devuelto, demanda unidades.

SELECCIÓN DE LA TÉCNICA PARA RESOLVER EL PROBLEMA
* Técnica usando RMSLE (ROOT MEAN SQUARED LOGARITHMIC ERROR)
* Técnica usando GBM (GRADIENT BOOST MACHINES)

LIBRERÍAS/PROGRAMAS USADOS
* Numpy
* XGBoost
* Pandas

DESCRIPCIÓN DE LA ARQUITECTURA DEL SISTEMA

Arquitectura Técnica
** Python:
- XGBoost
- Numpy
- Pandas
** PostgreSQL
** Amazon Web Services

Módulos
** Módulo de acceso web para visualizar los resultados de predicción a partir de un grupo de variables.
** Módulo del modelo de predicción, dicho modulo se encargará del análisis de los datos leídos de un archivo CSV.
** Módulo de interacción con un motor de BD, este módulo se comunicará con un servicio asociado a la base de datos y recibirá la data para luego insertarla en un archivo CSV que será usado por el modelo.

Uso en Producción
En principio el sistema puede funcionar en un VPS que se encargara tanto del mantener en operación el modelo de predicción, el servicio web en el que se presentaran los datos y la comunicación con la base de datos que posee la información histórica.

VARIABLES DE ENTRADA
Semana : Número de la semana con información. Desde el jueves hasta el miércoles.
Agencia_ID : ID de la tienda
Canal_ID : Id del canal de venta
Ruta_SAK : Id de la ruta a seguir
Cliente_ID : Id del cliente con el que se realiza el trato
NombreCliente : Detalle del nombre del cliente
Producto_ID : Id del producto del cual se intentará predecir la demanda
NombreProducto : Detalle del nombre del producto
Venta_uni_hoy : El total de unidades vendidas en la semana indicada (entero)
Venta_hoy : El monto total vendido en dicha semana (pesos)
Dev_uni_proxima : Total de unidades a ser devueltas la próxima semana (entero)
Dev_proxima : Monto total que será devuelto la próxima semana (pesos)
Demanda_uni_equil : Demanda ajustada (Variable a predecir – Target)
Agencia_Id : Id de la tienda en la que se realiza la venta
Town : Detalle de la ciudad en la que se ubica
State : Detalle del estado en el que se ubica

* El modelo evaluará cuáles son los atributos requeridos para solucionar el problema.

VARIABLES DE SALIDA
* Id del producto
* Demanda en unidades del producto


Arriba
 Perfil  
 
NotaPublicado: 09 Jul 2017, 14:38 
Desconectado
Avatar de Usuario

Registrado: 08 Abr 2017, 22:08
Mensajes: 1
Presentacion del sistema


Adjuntos:
presentacion_IAA.pdf [448.78 KiB]
10 veces
Arriba
 Perfil  
 
Mostrar mensajes previos:  Ordenar por  
Nuevo tema Responder al tema  [ 2 mensajes ] 


¿Quién está conectado?

Usuarios navegando por este Foro: No hay usuarios registrados visitando el Foro y 1 invitado


No puedes abrir nuevos temas en este Foro
No puedes responder a temas en este Foro
No puedes editar tus mensajes en este Foro
No puedes borrar tus mensajes en este Foro
No puedes enviar adjuntos en este Foro

Buscar: