Aplicación del aprendizaje por refuerzo profundo para el abastecimiento colaborativo entre cadenas de suministrocompetitivas del sector del calzado

Abstract

[ES] En este trabajo fin de máster se desarrolla un agente inteligente basado en el aprendizaje por refuerzo profundo (Deep Reinforcement Learning) para modelar el proceso de abastecimiento colaborativo entre cadenas de suministro competitivas. El objetivo fundamental es permitir reducir los costes asociados al abastecimiento, producción, inventarios y servicio al cliente, aprovechando los descuentos por volumen de compra en un ambiente productivo con capacidad variable y con posibilidad de demanda diferida. El agente, desarrollado en Python, aprende a generar ahorros de costes para las empresas partícipes en la colaboración y se compara sus resultados con los de un modelo de programación matemática y un modelo de simulación de dinámica de sistemas desarrollado en Vensim. Los diferentes soluciones propuestas se aplican en un caso de estudio basado en datos reales de tres cadenas de suministro del sector del calzado de Colombia.

[EN] In this master's thesis, an intelligent agent based on deep reinforcement learning (Deep Reinforcement Learning) is developed to model the collaborative supply process between competitive supply chains. The fundamental objective is to reduce the costs associated with supply, production, inventories and customer service, taking advantage of discounts for purchase volume in a production environment with variable capacity and the possibility of deferred demand. The agent, developed in Python, learns how to generate cost savings for the companies participating in the collaboration and its results are compared with those of a mathematical programming model and a system dynamics simulation model developed in Vensim. The different solutions proposed are applied in a case study based on real data from three supply chains in the Colombian footwear sector.