Professional Documents
Culture Documents
TP Grupo06
TP Grupo06
(IN155)
TRABAJO PARCIAL
CICLO 2022-1
Profesor:
Salas Schwarz, Jorge Alfredo
Sección:
IN-A3
INDICE
1. Desarrollar la definición de la herramienta asignada (historia y/o donde nace, conceptos, de
dónde nace la necesidad, que busca cubrir o solucionar, etc.). .................................................... 3
2. Mencione y analice cuáles son las ventajas y desventajas de la herramienta asignada ...... 4
3. Desarrolle y explique la implementación de la metodología y/o herramienta seleccionada
en una empresa. ............................................................................................................................. 6
4. Analice 5 papers o casos de éxito (aplicación, mejoras/beneficios, problemas presentados,
conclusiones, etc.), con menos de 4 años de publicado, de los motores de búsqueda de
artículos científicos de la universidad, sobre la herramienta asignada. En las referencias colocar
el link del artículo............................................................................................................................. 7
5. BIBLIOGRAFIA ...................................................................................................................... 14
INDICE DE FIGURAS
INDICE DE TABLAS
Dejando las teorías de Turing a un lado, podríamos decir que la inteligencia artificial nació
como concepto real en 1956. John McCarthy, Marvin Minsky y Claude Shannon, tres
científicos destacados de la época, acuñaron el término durante la Conferencia de
Darthmounth como “la ciencia e ingenio de hacer máquinas inteligentes, especialmente
programas de cálculo inteligentes”. (de la Torre, n.d.)
El primer trabajo que ahora se reconoce generalmente como IA fue realizado por Warren
McCulloch y Walter Pitts (1943). Se basaron en tres fuentes: conocimiento de la fisiología
básica y la función de las neuronas en el cerebro; un análisis formal de la lógica
proposicional debido a Russell y Whitehead; y la teoría de la computación de Turing.
Propusieron un modelo de neuronas artificiales en el que cada neurona se caracteriza por
estar "encendida" o "apagada", con un cambio a "encendido" en respuesta a la
estimulación de un número suficiente de neuronas vecinas. El estado de una neurona se
concebía como “fácticamente equivalente a una proposición que proponía su estímulo
adecuado”.
Demostraron, por ejemplo, que cualquier función computable podía calcularse mediante
alguna red de neuronas conectadas, y que todos los conectores lógicos (y, o, no, etc.)
podían implementarse mediante estructuras de red simples. McCulloch y Pitts también
sugirieron que las redes adecuadamente definidas podrían aprender.(Huang, 2010)
Figura 1.
Las aplicaciones de la inteligencia artificial tienen el mismo objetivo: hacer más fácil la
vida de las personas. Algunas ya están integrando la IA con la Big Data debido a su
habilidad para procesar ingentes cantidades de datos y proporcionar ventajas
comunicacionales, comerciales y empresariales que la han llevado a posicionarse como
la tecnología esencial de las próximas décadas
VENTAJAS:
En primer lugar, es importante mencionar que hoy en día, la inteligencia artificial le permite
a una organización extraer y analizar grandes cantidades de datos complejos. Asimismo,
provee más información en tiempo real, con lo cual no solo facilita, sino evidencia una
mejora con respecto a la toma de decisiones en los equipos que gestionan las compras.
Además, es gracias a la inteligencia artificial que se pueden realizar proyecciones
basadas en la recopilación de datos históricos a través del análisis predictivo. Por ello,
entre las ventajas principales, destacan:
Una vez integrada y adoptada la inteligencia artificial, los beneficios se trasladan a toda
la empresa.
DESVENTAJAS:
• Ausencia de moral. Es cierto que la eficacia es mayor, pero no son humanos, carecen
de sentimientos, lo que a veces puede ser peligroso ya que no conocen ninguna barrera
moral. Las máquinas inteligentes se limitan únicamente a realizar la tarea para la que han
sido programadas, además sus acciones dependen únicamente de la programación
previa, sin que puedan llevar a cabo juicios de valor en el caso de que sean empleadas
de forma moralmente cuestionable.
CONTEXTO:
El cambio al comercio electrónico ha llevado a un aumento asombroso en las ventas en
línea
para los minoristas. Sin embargo, la cantidad de devoluciones realizadas en compras en
línea también está aumentando y tiene un profundo impacto en las operaciones y
ganancias
de los minoristas. Por lo tanto, los minoristas deben encontrar el equilibrio entre minimizar
y permitir las devoluciones de productos. Este estudio examina una sala de exposición
fuera
de línea frente a una sala web de realidad virtual en línea con inteligencia artificial (AI) y
cómo la configuración afecta las decisiones de compra de los clientes y de devolución de
los
minoristas. Se utiliza un estudio de caso para ilustrar la aplicación de IA.
APLICACIÓN:
La adopción de inteligencia artificial que efectivamente reduce la incertidumbre del ajuste
del producto y recomienda objetivamente mejores intercambios coincidentes afecta las
políticas de devolución cuando el vendedor proporciona reembolsos completos por
devoluciones. Al obtener la experiencia de realidad virtual personalizada de inteligencia
artificial, el consumidor descubre y aprende información adecuada por completo, luego
realiza una compra informada.
Teniendo esto en cuenta, la adopción de inteligencia artificial y la creación de una sala de
exposición fuera de línea son iguales para eliminar la incertidumbre del ajuste del
producto. La ganancia esperada del vendedor se puede mostrar como
Figura 2.
RESULTADOS:
En términos generales, existen dos estrategias competitivas en los negocios en línea:
centrarse en precios bajos y envíos rápidos, como Amazon.com, y centrarse en crear una
experiencia de servicio personalizada significativamente superior, como Stitch Fix.
Con el surgimiento de nuevas operaciones minoristas, cada vez más consumidores prestan
mayor atención a la experiencia de servicio personalizado. Stitch Fix cumple con esta
experiencia acumulando cantidades masivas de datos y adoptando inteligencia artificial.
Según un informe de tendencias de Internet de 2016, si la inteligencia artificial de Stitch Fix
predice que los consumidores tienen un 100 % de probabilidad de comprar algún tipo de ropa,
la probabilidad real de que los consumidores compren es del 90 % (Meeker 2016).
CONCLUSIÓN:
CASO DE ÉXITO 2. Intelligence purchasing: How artificial intelligence can redefine the
purchasing function
Journal: Journal of Business Research
Autor(es): Allal-Chérif, O., Simón Moya, V., & Ballester, A.
Fecha de publicación: 2021
CONTEXTO:
El articulo menciona la funcionalidad de las IA en una empresa enfocándose en el área de compras
y lo que este conlleva. Para poder aplicar estas tecnologías es necesario saber cuáles son las
necesidades y qué se desea mejorar para poder generar una mejor elección. En la actualidad las
empresas son cada vez más competitivas, debido a los avances tecnológicos y a un mayor
conocimiento en diversos temas. Debido a esto es imprescindible que as empresas cuenten con
herramientas de última tecnología para poder lograr seguir en competencia y lograr la excelencia
y brindar el mejor servicio o producto a sus clientes.
APLICACIÓN:
Los autores analizan cómo una inteligencia artificial amplifica el rendimiento en las áreas
específicas de compras, mejorando los procesos a través de sus diversos enfoques. Uno de los
principales objetivos de las IA es lograr la automatización y optimización de procesos de compra,
debido a esto es necesario contar con una base de datos que permita a estas herramientas un mejor
manejo de cantidades y poder ejecutar compras en cantidades y fechas correctas. Para la
implementación de la herramienta SAP Ariba, esta toma en cuenta la integración de la cadena de
suministro y del operador logistico, inicia creando pedidos ingresados al proveedor, las fechas de
confirmación se ingresan automáticamente estableciendo alertas en caso de faltar materia prima o
reprogramación de fechas de entrega, finalmente se genera un código de envío cuya finalidad es
poder contar con el seguimiento del transporte.
RESULTADOS:
Tras el análisis de 5 sistemas se concluye que la implementación de IA genera un desenvolvimiento
estratégico en el área de compras debido a que brinda capacidades adicionales a los clientes y
fortalece el rol multifuncional con su interfaz.
CONCLUSIÓN:
A pesar de la mejora provista por la aplicación de IA en las compañías, estas tecnologías cuentan
con limitaciones debido a que su uso requiere experiencia previa o conocimiento. Las IA no
permiten la solución de todos los problemas e incluso un mal uso puede llegar a generar mayores
problemas a las compañías, ahí la importancia de conocer la plataforma. Estas tecnologías generan
dependencia en las empresas, debido a que confían en que estas den resultados adecuados y
cuenten con un buen funcionamiento todo el tiempo cuando puede que no sea así por diversos
factores.
CONTEXTO:
Los sistemas de información buscan satisfacer los procesos de negocio de las empresas
buscando que estas sean cada vez más competitivas. Se pretende mostrar aspectos del
desarrollo de un sistema de ventas tienda a tienda utilizando técnicas de inteligencia artificial,
desarrollado para satisfacer las necesidades de una Panificadora de la Ciudad de Ocaña
dedicada a la comercialización de productos atreves de barrios de la ciudad de Cúcuta Norte de
Santander. Se desarrolló una investigación que permitió analizar las particularidades y la visión
que tiene la empresa sobre cómo se debería operar un sistema que tuviera algoritmos
inteligentes que lograran dar soporte a la toma de decisiones en diferentes áreas de la
organización
APLICACIÓN:
El ingreso al sistema se realiza con las credenciales que cada usuario tiene asignadas por el
administrador, una vez se autentica ante el sistema se identifica el rol de usuario asignándole su
perfil a través de unos menús de opciones donde los usuarios podrán interactuar de acuerdo con
los procesos de negocio de cada departamento de la empresa. Para resolver el problema, se
calcula la probabilidad de que hubiese La venta del producto sabiendo que la prueba ha
detectado La venta estipulada (P (Venta | Prueba+)); y por otro lado, debemos calcular la
probabilidad de que no hubiese la venta sabiendo que la prueba no ha detectado la venta
estipulada (P(NoVenta | Prueba-)) P(Prueba+) = P (Prueba+ Venta)·P(Venta) + P (Prueba+
|NoVenta)·P(NoVenta) P(Prueba+) = 0,9·0,6 + 0,1·0,4 = 0,58
P(NoVenta|Prueba-) = (P(Prueba-|NoVenta)·P(NoVenta) ) / P(Prueba-) = (0,9 · 0,4) / 0,42 =0,86
Se selecciona el resultado que refleje más probabilidad. En este caso, es más probable que haya
la venta estipulada. P(Prueba+|Venta)=0,9, como se dice en el caso de estudio. Es decir, en los
casos que se ha visto que finalmente había la venta estipulada, la prueba ha acertado en el 90%
de esos casos
RESULTADOS:
Permitirá un mayor eficiencia y eficacia en los procesos que se lleva en el día a día de ventas
tienda a tienda, adicionalmente el sistema plantea la posibilidad de que los dueños de negocio,
puedan a través del sitio oficial de la empresa realizar una preventa cuando ellos lo requiera, una
vez el cliente entra a la plataforma el sistema reconoce su perfil de compras realizadas y le ofrece
los productos de acuerdo a su comportamiento de compras, si existe un producto que el cliente
nunca ha comprado el sistema se lo ofrece de forma automática esto bajo algoritmos inteligentes
(Torres, 2018) que analizan el perfil del cliente. El sistema en diferentes módulos pretende ir
mejorando la forma como tomamos decisiones hoy en día soportados por información de interés,
el software tienda a tienda pretende ser una herramienta de apoyo para la mejora continua de la
empresa, es de aclarar que dicho sistema fue desarrollado adaptado la forma de trabajar de la
Panificadora Compañía Alimenticia.
CONCLUSIÓN:
El proyecto busco tomar la experiencia de la empresa Compañía alimenticia Tú Pan Gourmet
SAS, implementando técnicas de inteligencia artificial clasificador bayesiano Naïve Bayes, el cual
permite generar pronósticos en diferentes partes del sistema como ventas, producción, logrando
mejorar la planeación de estas. En el desarrollo constate que debe tener dicha aplicación se
planteó la implementación de otras técnicas de inteligencia artificial como las redes neuronales
para la realización de minería de datos, donde podamos tener un patrón que nos permita,
descubrir acontecimientos en compras, ventas, manejo de clientes, producción.
El estudio espera reducir el costo de desarrollo y el consumo de energía del monitoreo del entorno
de almacenamiento y mejorar la eficiencia del entorno de supervisión del almacenamiento.
APLICACIÓN:
En primer lugar, el sistema de monitoreo del entorno de almacenamiento está diseñado en detalle
utilizando ZigBee. Incluye el diseño de nodos terminales, nodos de enrutador, nodos
coordinadores y software de computadora superior. Aquí está una descripción detallada del
proceso de establecimiento de una red de comunicación para tres tipos diferentes de dispositivos
en ZigBee la red. Se introduce el mecanismo de asignación de direcciones de la red ZigBee.
Luego, mediante la aplicación del costeo basado en actividades, se logra la reducción de costos
esperada. Finalmente, el modelo de evaluación del nivel de costos logísticos de almacenamiento
es establecidos, y se analizan las diversas razones que inciden en el costo logístico del
almacenamiento. El entorno de almacén completo El sistema de monitoreo es una red de
topología de árbol compuesta por un coordinador ZigBee, varios nodos de enrutamiento ZigBee
y un terminal dispositivo a través del diseño anterior. El coordinador de la red es responsable de
establecer la red y puede comunicarse con la computadora host a través del puerto serie. El nodo
terminal recopila información de parámetros ambientales. y devuelve los datos al coordinador
ZigBee a través de multisalto inalámbrico. El nodo de enrutamiento ZigBee se utiliza
principalmente para ampliar el alcance de la red para lograr el propósito de monitoreo inalámbrico
de todo el entorno de almacenamiento. Este proporciona una referencia para la combinación de
tecnología de comunicación inalámbrica y tecnología de sensores
RESULTADOS:
Tabla 1.
Tabla de comparación de resultados de la implementación
Nota. La tabla presenta los resultados por tipo de tecnología. Tomado de: (Zhao & Xu, 2022)
De acuerdo con lo anterior contabilidad, los costos directos son sólo alrededor del 30%. Cuando
el costo indirecto es relativamente alto, el costeo basado en actividades consiste en asignar
recursos según la motivación de la actividad. Comparado con el método de costo tradicional, es
más científico y razonable distribuir sólo las horas de trabajo de las personas y maquinas Mientras
tanto, la compañía también ha reducido el sistema de contabilidad general y el cálculo de costos
método permanece sin cambios.
CONCLUSIONES:
El coordinador o enrutador ZigBee asigna la red dirección al siguiente nodo de acuerdo con los
datos establecidos inicialmente y el algoritmo establecido. Las configuraciones relacionadas son
los siguientes: la profundidad máxima de la red depende en Lm, que limita la longitud de la red
desde un punto de vista físico. Después de que el coordinador construya la red de nuevo, la
dirección de red se establece en 0 y la profundidad es se registra como d = 0. Su siguiente
profundidad de nodo se registra como 1. El análisis de la capacidad máxima del próximo
enrutador depende de habitación La capacidad máxima del próximo nodo de comunicación
depende de cm. El hardware necesita ser estudiado más a fondo. Esto ayuda a resolver
problemas a tiempo cuando se depura el equipo. En el futuro, después de aprender, el sistema
se mejorará para que el entorno de almacenamiento se puede monitorear con precisión.
5. BIBLIOGRAFIA
¿Qué es la Inteligencia Artificial? - Iberdrola. (n.d.). IBERDROLA. Retrieved October 1, 2022, from
https://www.iberdrola.com/innovacion/que-es-inteligencia-artificial
de la Torre, D. (n.d.). ¿Cómo nació la inteligencia artificial? Historia de la IA. BlogThinkbig. Retrieved October 1,
2022, from https://blogthinkbig.com/historia-como-nacio-inteligencia-artificial
Huang, L. F. (2010). Artificial intelligence. In 2010 The 2nd International Conference on Computer and Automation
Engineering, ICCAE 2010 (Vol. 4). https://doi.org/10.1109/ICCAE.2010.5451578
La inteligencia artificial y las compras: las ventajas. (n.d.). MANUTAN. Retrieved October 5, 2022, from
https://www.manutan.es/blog/inteligencia-artificial-ventajas-compras/#productBeginIndex:0&orderBy:7&
Yang, G., Ji, G., & Tan, K. H. (2022). Impact of artificial intelligence adoption on online returns policies. Annals of
Operations Research, 308(1–2), 703–726. https://doi.org/10.1007/s10479-020-03602-y
Zhao, L., & Xu, Y. (2022). Artificial Intelligence Monitoring System Using ZigBee Wireless Network Technology
in Warehousing and Logistics Innovation and Economic Cost Management. Wireless Communications and
Mobile Computing, 2022. https://doi.org/10.1155/2022/4793654
Allal-Chérif, O., Simón-Moya, V., & Ballester, A. C. C. (2021). Intelligent purchasing: How artificial intelligence can
redefine the purchasing function. Journal of Business Research, 124, 69–76.
https://doi.org/10.1016/j.jbusres.2020.11.050
Schulze-Horn, I., Hueren, S., Scheffler, P., & Schiele, H. (2020). Artificial Intelligence in Purchasing: Facilitating
Mechanism Design-based Negotiations. Applied Artificial Intelligence, 34(8), 618-642.
https://doi.org/10.1080/08839514.2020.1749337