Estudio de mejora de la eficiencia de los procesos logísticos en la industria aumototriz mediante Redes Neuronales

Abstract

[ES] Hoy en día las redes neuronales son una de las familias de algoritmos más famosas en el Machine learning. Las redes neuronales son un modelo computacional inspirado en el comportamiento del cerebro humano, consisten en una serie de unidades llamadas neuronas que están conectadas entre ellas para transmitir señales. Este estudio cubre una visión general de tanto las redes neuronales como de la programación lineal y compara ambas dando ejemplos de sus aplicaciones en problemas de logística y de la vida real, así como sus ventajas y desventajas en los distintos aspectos. Muestra que cuando trabajamos con restricciones lineales, los problemas de logística y optimización es, en muchos casos, mejor resolverlos utilizando métodos de programación lineal como por ejemplo el método Simplex. Sin embargo, en el caso de restricciones o funciones objetivo no lineales, estos métodos no serías factibles, por ello las redes neuronales proporcionan una válida y útil alternativa para resolver este tipo de problemas.

[EN] Neural networks have become the most popular family of algorithms of machine learning in today s world. Neural networks are a computational model inspired by the behavior observed in the human brain, they consist on a set of units called neurons that are connected between them to transmit signals. This research goes through a basic overview of both neural networks and linear programming methods and compares both of them giving both examples of their applications in logistic problems and real-life problems as well as their advantages and disadvantages in their different aspects. It shows that when working with linear restrictions, logistic and optimization problems are better dealt with using linear programming methods such as the simplex algorithm. However, in the case of non-linear restrictions or objective functions, these methods will not be feasible, therefore neural networks provide a valid and very useful alternative to solve this type of problems.