2026-06-03T00:40:43Zhttps://riuma.uma.es/rest/oai/requestoai:riuma.uma.es:10630/259732026-02-03T10:20:03Zcom_10630_1685col_10630_38055
Modelado y simulación basada en agentes de la gestión de un inventario de productos perecederos usando aprendizaje por refuerzo profundo basado en modelos calibrados
Osorio Pena, Carlos Alonso
Guzmán-de-los-Riscos, Eduardo Francisco
Belmonte-Martínez, María Victoria
Alimentos - Consumo
Aprendizaje automático (Inteligencia artificial)
Informática - Trabajos Fin de Grado
Grado en Ingeniería Informática - Trabajos Fin de Grado
Vivimos en un mundo en el que cerca de un 10 % de la población global sufre desnutrición
mientras, al mismo tiempo, el 17 % de los alimentos producidos acaban en la basura. La
catástrofe ecológica, social y médica que produce este desperdicio es devastadora, y por
ello, desde este trabajo queremos aportar nuestro granito de arena para contribuir a paliar
esta situación.
Parte de esa comida se desperdicia directamente en los supermercados, sin que acabe
llegando al consumidor final, provocado por una gestión de inventario ineficiente. Este
trabajo ha desarrollado un gestor de inventario de productos perecederos que sea capaz
de encargar los pedidos para el día siguiente reduciendo lo máximo posible tanto la comida
desperdiciada como las roturas de stock. Para ello se ha modelado un sistema basado en
agentes apoyado por sistemas de aprendizaje por refuerzo profundo basado en modelos.
Para minimizar el error de este sistema, se han calibrado las incertidumbres de la red
neuronal bayesiana que utiliza, usando la técnica de calibración cuantil para regresión.
2023-02-16T12:28:28Z
2023-02-16T12:28:28Z
2022-09
bachelor thesis
https://hdl.handle.net/10630/25973
spa
http://creativecommons.org/licenses/by-nc-nd/4.0/
open access
Attribution-NonCommercial-NoDerivatives 4.0 Internacional