Traducido del inglés al español - www.onlinedoctranslator.

com

hindú
Inteligencia Computacional y Neurociencia
Volumen 2022, Artículo ID 9306265, 10 páginas
https://doi.org/10.1155/2022/9306265

Artículo de investigación

Optimización del rendimiento de la cadena de suministro industrial utilizando

inteligencia artificial

Madani Abdu Alomar

Departamento de Ingeniería Industrial, Facultad de Ingeniería-Rabigh, Universidad King Abdulaziz, Jeddah 21589, Arabia Saudita

La correspondencia debe dirigirse a Madani Abdu Alomar; maalomar@kau.edu.sa

Recibido el 19 de mayo de 2022; Revisado el 16 de junio de 2022; Aceptado el 24 de junio de 2022; Publicado el 30 de julio de 2022

Editor académico: Arpit Bhardwaj

Copyright © 2022 Madani Abdu Alomar. Este es un artículo de acceso abierto distribuido bajo la licencia Creative Commons Attribution
License, que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que se cite correctamente la obra
original.

Hoy en día, la venta minorista organizada ha sido testigo de una nueva tendencia en las próximas generaciones. A nivel mundial, estos cambios se atribuyen al aumento de los ingresos familiares, el aumento de la participación femenina, la

transformación de la estructura familiar conjunta a la nuclear y los avances tecnológicos. Además, otras variables, como los costos más bajos de la cadena de suministro, el aumento de las ventas, el aumento de las demandas de los consumidores,

la estructura cambiante del mercado y el aumento de la competencia también influyeron en las redes de la cadena de suministro. Se observa que el desempeño organizacional de la cadena de suministro no pecuaria se ve afectado por aspectos

estratégicos, operativos y ambientales. AI está ayudando a ofrecer potentes capacidades de optimización, que son necesarias para una planificación de capacidad más precisa, una productividad mejorada, alta calidad, costos más bajos y mayor

producción, todo mientras se fomentan condiciones de trabajo más seguras. Todos estos beneficios son posibles gracias a la introducción de la IA en las cadenas de suministro. Al realizar un análisis exhaustivo de la investigación previa relevante,

el propósito de este trabajo es determinar las contribuciones específicas que la inteligencia artificial (IA) ha hecho a la gestión de la cadena de suministro. Esta investigación intentó descubrir las estrategias actuales y posibles de IA que pueden

aumentar tanto el estudio de la gestión de la cadena de suministro como la práctica de la misma. Esto se hizo con el fin de resolver el vacío científico actual de la IA en la gestión de la cadena de suministro. También se encontró que hay lagunas en

el estudio existente que deben llenarse con una investigación más científica. Para ser más exactos, se discutieron las siguientes cuatro facetas: (1) los enfoques de IA que se utilizan con mayor frecuencia en la gestión de la cadena de suministro; (2)

las técnicas de IA que tienen el potencial de ser utilizadas en la gestión de la cadena de suministro; (3) los subcampos de Gestión de la cadena de suministro que se han beneficiado de la aplicación de la IA hasta el momento; y (4) los subcampos

que tienen un alto potencial para ser mejorados por la IA. La identificación y evaluación de artículos de los cuatro dominios de gestión de la cadena de suministro de logística, marketing, gestión de la cadena de suministro y fabricación requieren

el uso de un conjunto predeterminado de criterios de inclusión y exclusión. En este estudio, se proporcionan conocimientos mediante el uso de análisis y síntesis metódicos. Una mejor comprensión de estos parámetros no solo mejora los

procesos de la cadena de suministro no ganadera, sino que también garantiza una ventaja competitiva. La presente investigación tiene como objetivo probar los siguientes elementos que incluyen la velocidad de la cadena de suministro, la

retención de clientes, la integración de la gestión de la cadena de suministro, y varias gestiones. El trabajo propuesto categoriza el desempeño de la cadena de suministro utilizando la técnica de red de avance mejorada con optimización de

enjambre de partículas. Los resultados indican que la gestión del inventario, la felicidad del cliente, la rentabilidad y la identificación de la base de clientes se enumeran como elementos de ventaja competitiva. Por otro lado, la satisfacción de las

partes interesadas, la innovación y el aprendizaje, el desempeño del mercado, la satisfacción del cliente y el éxito financiero son los seis criterios de desempeño organizacional reconocidos. Como resultado, la métrica de rendimiento general del

trabajo propuesto es del 94,12 %, mientras que la tasa de precisión, la especificidad y la tasa de sensibilidad son del 94,12 %, 92,15 % y 89,14 %, respectivamente. La investigación puede ser útil para que los gerentes industriales optimicen el

desempeño de los sistemas de la cadena de suministro utilizando inteligencia artificial. El trabajo propuesto categoriza el desempeño de la cadena de suministro utilizando la técnica de red de avance mejorada con optimización de enjambre de

partículas. Los resultados indican que la gestión del inventario, la felicidad del cliente, la rentabilidad y la identificación de la base de clientes se enumeran como elementos de ventaja competitiva. Por otro lado, la satisfacción de las partes

interesadas, la innovación y el aprendizaje, el desempeño del mercado, la satisfacción del cliente y el éxito financiero son los seis criterios de desempeño organizacional reconocidos. Como resultado, la métrica de rendimiento general del trabajo

propuesto es del 94,12 %, mientras que la tasa de precisión, la especificidad y la tasa de sensibilidad son del 94,12 %, 92,15 % y 89,14 %, respectivamente. La investigación puede ser útil para que los gerentes industriales optimicen el desempeño

de los sistemas de la cadena de suministro utilizando inteligencia artificial. El trabajo propuesto categoriza el desempeño de la cadena de suministro utilizando la técnica de red de avance mejorada con optimización de enjambre de partículas. Los

resultados indican que la gestión del inventario, la felicidad del cliente, la rentabilidad y la identificación de la base de clientes se enumeran como elementos de ventaja competitiva. Por otro lado, la satisfacción de las partes interesadas, la

innovación y el aprendizaje, el desempeño del mercado, la satisfacción del cliente y el éxito financiero son los seis criterios de desempeño organizacional reconocidos. Como resultado, la métrica de rendimiento general del trabajo propuesto es del

94,12 %, mientras que la tasa de precisión, la especificidad y la tasa de sensibilidad son del 94,12 %, 92,15 % y 89,14 %, respectivamente. La investigación puede ser útil para que los gerentes industriales optimicen el desempeño de los sistemas de

la cadena de suministro utilizando inteligencia artificial.

1. Introducción relacionados con el movimiento y la transformación de mercancías,

información y flujos financieros. “Una cadena de suministro es una red
Una cadena de suministro se compone de todas las acciones que intervienen en la de instalaciones y opciones de distribución que realiza las funciones de
satisfacción de las necesidades y solicitudes de los clientes. Desde la etapa de adquisición de materiales, la transformación de estos materiales en
materias primas hasta la etapa de productos terminados, estas actividades son productos intermedios y terminados, y la distribución de
2 Inteligencia Computacional y Neurociencia
estos productos terminados a los clientes”. “Una cadena de suministro es
una red de instalaciones y opciones de distribución que realiza las
funciones de transformación de estos materiales en productos
intermedios y terminados” [1].
Aunque el efecto que tienen las actividades manufactureras en el medio
ambiente natural es motivo de gran preocupación en los países desarrollados,
se sabe muy poco sobre las consecuencias de las actividades manufactureras
en los países en desarrollo. ) es a pesar de que las operaciones industriales
tienen un impacto significativo en los entornos naturales. El sector industrial
de los países en desarrollo es especialmente contaminante, lo que ha
provocado un gran aumento de la presión que se ejerce sobre el medio
ambiente. ) El deterioro del medio ambiente y el aumento de la presión
sugieren que se deben implementar reglas ambientales estrictas en las
naciones emergentes para evitar que la degradación ambiental ocurra
simultáneamente con el crecimiento económico [2]. Tales reglas evitarían que
la degradación ambiental ocurra simultáneamente con el crecimiento
económico. Solo a través de la gestión consciente de los recursos naturales y la
implementación de prácticas ambientalmente responsables se puede lograr
este objetivo. )La descarga de mercancías ecológicamente peligrosas y gases
contaminados en el medio ambiente puede atribuirse al sector industrial.
Según la Agencia de Protección Ambiental (EPA), para que las empresas
manufactureras disminuyan su impacto en el medio ambiente causado por
gases contaminantes y productos peligrosos, deben integrar un “componente
verde” en sus procesos productivos y sistemas de gestión para las cadenas de
suministro (SCM ). Para proteger el medio ambiente de daños, se deben
implementar regulaciones ambientales más estrictas lo antes posible. Como
consecuencia de esto, se desarrollaron nuevos paradigmas en SCM, y ahora se
conocen como gestión de la cadena de suministro verde (GSCM). El término
“gestión de la cadena de suministro verde” (GSCM, por sus siglas en inglés)
puede describirse como la práctica de introducir un pensamiento
ambientalmente consciente en la “gestión de la cadena de suministro”. El
proceso comienza con la creación de productos amigables con el medio
ambiente y continúa a través del abastecimiento estratégico, adquisiciones,
prácticas de fabricación amigables con el medio ambiente y, finalmente, la
entrega de productos y servicios terminados a los clientes. También incluye la
gestión de materiales después de que hayan dejado de ser útiles y la
reutilización de esos materiales [3]. En el campo de la gestión de la cadena de
suministro global, ha habido un mayor énfasis en las compras ambientalmente
responsables desde la década de 1990 (GSCM). La referencia [4] investigó
cómo los bienes que fabricaban impactaron el medio ambiente circundante e
informaron sus hallazgos. )e concepto de “compra verde, ” que promueve la
compra de materias primas menos dañinas para el medio ambiente, fue
conceptualizado como resultado de este estudio. Cuando se trata de la
adquisición de materias primas (punto 5), se tienen en cuenta los factores
ambientales, con especial atención al reciclaje de productos terminados. El
organismo rector del Chartered Institute of Purchasing and Supply (CIPS) y
Business in the Environment se estableció en 1995 con el objetivo principal de
ayudar a las organizaciones a lograr un equilibrio entre las actividades
comerciales y el impacto ambiental aumentando la con un enfoque especial
puesto en el reciclaje de productos terminados. El organismo rector del
Chartered Institute of Purchasing and Supply (CIPS) y Business in the
Environment se estableció en 1995 con el objetivo principal de ayudar a las
organizaciones a lograr un equilibrio entre las actividades comerciales y el
impacto ambiental aumentando la con un enfoque especial puesto en el
reciclaje de productos terminados. El organismo rector del Chartered Institute
of Purchasing and Supply (CIPS) y Business in the Environment se estableció en
1995 con el objetivo principal de ayudar a las organizaciones a lograr un
equilibrio entre las actividades comerciales y el impacto ambiental
aumentando la
eficiencia de la gestión de la cadena de suministro. Este objetivo se
estableció originalmente con la intención de ayudar a las
organizaciones a lograr un equilibrio entre las actividades
comerciales y el impacto ambiental.
Según el Programa de las Naciones Unidas para el Desarrollo [5], si cada ciudadano del mundo
viviera un nivel de vida comparable al que disfrutan los ciudadanos de un país industrialmente
desarrollado, que no equivale al 20% de la población actual, la población mundial consumiría entre
tres y seis planetas cada año. )esto no equivale al 20% de la población que actualmente vive ese tipo
de vida. La referencia [6] estima que para fines del año 2025, la población de la Tierra se habrá
expandido a 8.300 millones de personas desde su recuento actual de 7.600 millones. Existe una
creciente demanda de recursos naturales (como materiales y energía) como resultado de la expansión
de la población, lo que conduce a un rápido agotamiento de los recursos naturales y la formación de
situaciones de vida peligrosas en todo el mundo. Esta rápida pérdida de recursos naturales contribuirá
aún más a la destrucción del medio ambiente, que incluirá, entre otras cosas, gases, aire, agua y suelo
contaminados. El sector manufacturero industrial no solo hace una contribución importante a la
expansión de la economía del país, sino que también tiene una relación inmediata con la calidad de
vida que disfrutan los ciudadanos del país, así como con el Producto Interno Bruto (PIB) del país ( PIB).
El sector manufacturero es el sector más importante en todos los países porque es el sector que se
encarga de satisfacer las necesidades más fundamentales de la humanidad. También es el sector que
más contribuye al desarrollo sostenible porque es el sector que proporciona los bienes y servicios
necesarios. Para crear productos, el sector manufacturero debe comenzar con insumos. En este
sistema de entrada-salida, la entrada es materia prima en forma de recursos naturales, y la salida es el
resultado de la transformación que se utiliza para crear la materia prima. Estos recursos naturales se
convierten en productos terminados o semiterminados mediante el uso de una amplia variedad de
empresas que participan en el proceso de fabricación [7]. La energía y las materias primas son los dos
componentes más esenciales que un fabricante puede tener a su disposición. La producción de
energía y bienes, que posteriormente se reciclan, requiere el uso de recursos naturales como
combustibles fósiles y minerales, entre otros recursos naturales. Cada país, ya sea que se considere en
desarrollo o ya desarrollado, está haciendo todo lo posible para aumentar la calidad de vida de sus
ciudadanos y las familias que mantienen. Al mismo tiempo, Los gobiernos tecnológicamente
sofisticados no hacen ningún sacrificio por el alto nivel de vida que estas naciones ya han creado [8].
Como resultado, el siguiente gráfico demuestra que la tasa promedio de agotamiento de los recursos
a escala mundial está creciendo al mismo tiempo que mejora el nivel de vida de las personas en todo
el mundo. Como consecuencia directa de esto, existe un nivel significativo e inevitablemente alto de
demanda de productos que se producen en el sector manufacturero. Desafortunadamente, esta
situación ineludible ya está en camino de convertirse en un gran desafío difícil de controlar. La
referencia [9] estima que las industrias manufactureras son responsables de aproximadamente la
mitad de toda la energía global. Como resultado, el siguiente gráfico demuestra que la tasa promedio
de agotamiento de los recursos a escala mundial está creciendo al mismo tiempo que mejora el nivel
de vida de las personas en todo el mundo. Como consecuencia directa de esto, existe un nivel
significativo e inevitablemente alto de demanda de productos que se producen en el sector
manufacturero. Desafortunadamente, esta situación ineludible ya está en camino de convertirse en un
gran desafío difícil de controlar. La referencia [9] estima que las industrias manufactureras son
responsables de aproximadamente la mitad de toda la energía global. Como resultado, el siguiente
gráfico demuestra que la tasa promedio de agotamiento de los recursos a escala mundial está
creciendo al mismo tiempo que mejora el nivel de vida de las personas en todo el mundo. Como
consecuencia directa de esto, existe un nivel significativo e inevitablemente alto de demanda de
productos que se producen en el sector manufacturero. Desafortunadamente, esta situación
ineludible ya está en camino de convertirse en un gran desafío difícil de controlar. La referencia [9]
estima que las industrias manufactureras son responsables de aproximadamente la mitad de toda la
energía global. existe un nivel significativo e inevitablemente alto de demanda de productos que se
producen en el sector manufacturero. Desafortunadamente, esta situación ineludible ya está en
camino de convertirse en un gran desafío difícil de controlar. La referencia [9] estima que las
industrias manufactureras son responsables de aproximadamente la mitad de toda la energía global.
existe un nivel significativo e inevitablemente alto de demanda de productos que se producen en el
sector manufacturero. Desafortunadamente, esta situación ineludible ya está en camino de
convertirse en un gran desafío difícil de controlar. La referencia [9] estima que las industrias
manufactureras son responsables de aproximadamente la mitad de toda la energía global.
Inteligencia Computacional y Neurociencia
y que el agotamiento de los recursos naturales (como metales
como el hierro y la madera, el plomo, el aluminio, el níquel, el
cobre y otros) utilizados por estas industrias manufactureras
está aumentando a un ritmo alarmante a escala mundial. La
referencia [9] también estima que el consumo de energía de las
industrias manufactureras representa aproximadamente la
mitad de todas las emisiones globales de gases de efecto
invernadero. La cantidad de dinero que la gente gasta en
productos y servicios está creciendo a un ritmo comparable a
una curva exponencial. Como consecuencia directa de esto, el
sector industrial ha ido creciendo a un ritmo excepcionalmente
rápido. Después de lanzar el programa más ambicioso en la
historia del país, "Make in India", para mejorar la economía del
país, una nación en desarrollo como India, en particular, está
haciendo todo lo posible para lograr un rápido desarrollo
industrial. Este es especialmente el caso después de lanzar la
iniciativa "Make in India". El auge del sector industrial conducirá
a una mayor demanda de recursos naturales, lo que a su vez
conducirá a un aumento de las presiones ambientales. Estas
presiones seguirán aumentando mientras la demanda de
recursos naturales siga siendo alta. Este es el desafío más
importante al que se enfrentan ahora todos los países de la
Tierra. Para evitar que ocurra algo como esto, las naciones de
todo el mundo deben desarrollar reglas y regulaciones que
sean muy estrictas. Como consecuencia de esto, el sector
industrial, el mundo académico, las agencias gubernamentales
y la comunidad internacional enfrentan un desafío significativo
al intentar disminuir los riesgos para el medio ambiente y al
mismo tiempo fomentar la expansión económica [10]. Las
corporaciones se enfrentan a una tarea desafiante para lograr
un crecimiento más rápido en el sector manufacturero indio sin
impactar negativamente en el medio ambiente. Es posible que
la India logre un nivel de avance ecológico a la par con el de
otros países industrializados si las empresas manufactureras del
país adoptan los conceptos de GSCM. A pesar del hecho de que
poner en práctica estas ideas de GSCM no siempre es fácil,
especialmente en países pobres y subdesarrollados, es esencial
comprender los factores que impulsan a la fabricación india a
adoptar enfoques de GSCM. Además de esto, es de suma
importancia reconocer y comprender los factores que producen
obstáculos en el proceso de adopción del procedimiento GSCM.
Los problemas antes mencionados son lo que la gente quiere
decir cuando habla de "barreras para el despliegue de
GSCM" [11]. Es muy necesario tomar medidas para disminuir la
influencia de posibles obstáculos para garantizar que los
principios GSCM se adopten de manera efectiva. Es igualmente
necesario observar los procesos y prácticas que ayudan a
reducir los riesgos ambientales en la cadena de suministro a lo
largo del proceso de investigación, incluso cuando el enfoque
principal del estudio se encuentra en los impulsores y los
impedimentos. En el lenguaje común, estas actividades se
conocen como prácticas GSCM [Cita requerida]. Gracias a esta
investigación, las empresas manufactureras de la India podrán
incorporar consideraciones ambientales en sus cadenas de
suministro, lo que sugiere que las operaciones de fabricación se
pueden llevar a cabo respetando el medio ambiente, la
economía y la economía. y la sociedad en mente [12], como se
muestra en el estudio. Esta investigación será beneficiosa para
estas empresas. Dada la información anterior, el propósito
3
del proyecto de investigación en curso es explorar los impulsores,
las barreras y las prácticas ecológicas de GSCM en el contexto del
sector manufacturero indio. Para adquirir información sobre los
impulsores, las dificultades y las prácticas de la gestión de la cadena
de suministro global (GSCM) en las empresas manufactureras
indias, se emplearía una encuesta de cuestionario.
2. Revisión de la literatura
Según Chirstmann y Taylor (2001), los resultados de su
investigación, la exportación y el comercio con clientes extranjeros
son los impulsores más importantes de la mejora de las condiciones
ambientales en la industria china. Esto está de acuerdo con los
hallazgos del estudio de Chirstmann y Taylor. La referencia [13]
llegó a la conclusión de que la adaptación y expansión de un
“Sistema de gestión ambiental” (SGA), así como el logro de un
resultado favorable, dependen principalmente de la dirección de
gestión de la empresa y su nivel de conciencia ambiental. . De
manera comparable a esto, la alta dirección es responsable de estar
al tanto de las preocupaciones ambientales y garantizar que estas
preocupaciones se resuelvan en las industrias en las que están
empleados. Estos estándares, que fueron descubiertos en el
transcurso de la investigación, son relevantes para todos y cada uno
de los sectores. De acuerdo con los hallazgos de su investigación, la
Unión Europea (UE) ha ordenado que cualquier nuevo "Equipo
eléctrico y electrónico" (AEE) que se introduzca en el mercado no
puede contener ninguno de los seis compuestos tóxicos. Estos
compuestos son plomo, cadmio, mercurio, cromo hexavalente, éter
difenílico polibromado o bifenilos polibromados. Según [14], las
empresas no podrán continuar operando a menos que eliminen de
sus procesos de producción las acciones y los materiales que dañan
el medio ambiente. Como consecuencia de su investigación, [15]
descubrió que las empresas industriales han comenzado a
reconocer las ventajas que conlleva adoptar una perspectiva más
realista en lo que respecta a la política ambiental. Estas
organizaciones de fabricación solo pueden convertirse en empresas
con conciencia ambiental si pueden mejorar su imagen corporativa
y, al mismo tiempo, aprovechar las ventajas de la eficiencia de los
recursos. Adicionalmente, se ha observado que la calidad de los
recursos humanos, el apoyo de la corporación, la presión de los
organismos reguladores y la ayuda del gobierno son factores que
contribuyen a la adopción de actividades amigables con el medio
ambiente. De manera comparable a esto, es posible demostrar, con
base en la evaluación de la literatura relevante, que estas
características tienen un impacto muy estimulante en la adaptación
eficiente de las operaciones respetuosas con el medio ambiente en
la industria logística china. Observó en su análisis que el tamaño de
una empresa, la autoridad de los accionistas de esa empresa, y las
regulaciones ambientales están todas asociadas con problemas
ambientales. Estos problemas han sido descubiertos en varias
ocasiones por investigadores en el curso de sus estudios. La
referencia [16] encontró una nueva dificultad comercial importante
que ha surgido recientemente en una variedad de negocios; se
refieren a este problema como el “nuevo desafío de las grandes
empresas”. )La integración de puntos de vista ambientales, sociales
y económicos en la gestión de la cadena de suministro es
4 Inteligencia Computacional y Neurociencia
ampliamente considerado como un paso esencial que deben dar las
empresas para lograr el desarrollo sostenible. Este punto de vista
cuenta con el apoyo generalizado de una amplia gama de partes
interesadas. De acuerdo con los resultados de una investigación,
[18] encontró que la presión ejercida por el mercado es el principal
impulsor individual de la adopción de procedimientos GSCM en el
sector de fabricación de automóviles chino. Según sus hallazgos, "la
motivación, la salud y la seguridad de los empleados" es el impulsor
más importante en la producción de vehículos de dos ruedas,
mientras que las "leyes y regulaciones gubernamentales" son el
impulsor más importante en la producción de vehículos de cuatro
ruedas. Ambos factores son importantes en la fabricación de
vehículos de cuatro ruedas. Ambiental, clima global, y la conciencia
del consumidor se consideraron de igual importancia cuando se
trataba de la implementación de procesos GSCM en sectores
industriales generales. Según Huang et al. [18], la demanda de los
clientes, la presión y la conciencia de los proveedores, así como las
normas aprobadas por el gobierno chino, son factores que están
impulsando a las pymes chinas a adoptar conceptos de gestión de la
cadena de suministro global. Según el estudio, también se demostró
que diferentes sectores tienen una variedad de motivaciones
diferentes para el uso de enfoques GSCM. Las razones clave son el
desarrollo de nueva tecnología, el cumplimiento de las normas
existentes, el cultivo de una imagen verde, la dedicación de la
administración y la introducción de nuevas leyes. Llegaron a la
conclusión de que la investigación específica de la industria debería
tener un mayor enfoque, y que esto debe hacerse para que se
aborden primero los sectores que son más perjudiciales para el
medio ambiente. Esto es particularmente cierto en las naciones
emergentes, ya que las economías de estos países aún se
encuentran en las fases formativas de crecimiento. Según [19], la
introducción de GSCM en empresas de cuero en el norte de Tamil
Nadu está siendo impulsada por aspectos cruciales y molestos. )es
fue descubierto por los investigadores. El modelado de ecuaciones
estructurales es la base del modelo que se construye usando Vikor y
Fuzzy VIKOR como sus bloques de construcción (SEM). Estas cosas
deben tenerse en cuenta para que las actividades de GSCM en
cualquier nivel se lleven a cabo de manera eficiente. Los no
miembros, los miembros de la organización, los miembros
ascendentes y descendentes son los cuatro aspectos de la cadena
de suministro que se deben considerar. La referencia [20] encontró
que hay 14 impulsores de GSCM que tienen una influencia
sustancial en la ejecución de las 26 prácticas recomendadas de
GSCM al realizar un estudio de la literatura relevante. Como
resultado de los hallazgos de este análisis de la literatura relevante,
parecería que las regulaciones, la demanda de los consumidores y la
competencia son los impulsores más importantes de la gestión de la
cadena de suministro global.
Se ha realizado un intento de realizar un estudio de la literatura
sobre varios indicadores de desempeño para la gestión de la cadena de
suministro global. Este estudio se basará en investigaciones previas
(GSCM). De acuerdo con la investigación que se ha realizado, existen
principalmente tres tipos diferentes de métricas de rendimiento que
pueden usarse para GSCM. Existen tres categorías distintas de
impulsores: impulsores, obstáculos y prácticas comerciales
ambientalmente responsables. Los resultados de la revisión de la
literatura revelaron algunos vacíos que deben llenarse, los cuales se
resumen a continuación. ) no hay ningún estudio que
se ha publicado en el contexto indio que describe la
jerarquía y la interacción entre las diversas medidas de
rendimiento de la gestión de la cadena de suministro
global (GSCM). GSCM significa "gestión de la cadena de
suministro global". Un número significativo de los
estudios que se han publicado han centrado su atención
en un número limitado de métricas de rendimiento de
GSCM en lugar de tener en cuenta la amplia variedad de
medidas de rendimiento que se pueden dividir en tres
categorías: impulsores, barreras y prácticas respetuosas
con el medio ambiente. . Por el momento, no se ha
publicado ningún estudio en la literatura relevante que
evalúe varias medidas de desempeño en función de su
relevancia desde una variedad de perspectivas. En la
presente investigación, hay cuatro puntos de vista
principales que se han tenido en cuenta para evaluar los
distintos criterios de rendimiento. Estas cuatro
perspectivas son los participantes más esenciales en el
proceso de implementación de GSCM en la industria
manufacturera de la India, que ahora está en proceso de
hacerlo. De acuerdo con los hallazgos de la investigación
de la literatura relevante, solo hay una pequeña cantidad
de estudios que se pueden encontrar en la literatura
relevante que han producido modelos para los diversos
indicadores de desempeño utilizando el Análisis Factorial
Exploratorio hasta este punto. Además, se realiza un
análisis factorial confirmatorio con el fin de validar el
modelo EFA que ya se ha desarrollado. A la luz de los
hallazgos anteriores, hay una evidente falta de esfuerzo
concertado para explorar las diversas medidas de
desempeño de GSCM con la intención de establecer el
impacto que estas métricas tienen en los sectores
industriales. El esfuerzo de investigación actual intenta
investigar los diversos indicadores de rendimiento de
GSCM y su influencia en los sectores manufactureros
para facilitar la adopción de GSCM en un entorno
globalizado y competitivo en aumento en el contexto de
India. )Esto se hace en un esfuerzo por facilitar la
adopción de GSCM en un entorno globalizado y
competitivo. El objetivo de esta investigación fue llevar a
cabo una encuesta de cuestionario para investigar los
muchos indicadores de rendimiento que utilizan las
empresas manufactureras en la India.
3. Materiales y Métodos
) Esta investigación tiene en cuenta cuatro fases en la cadena de
suministro: vendedores, instalaciones de producción, almacenes y
centros de distribución. Estos pasos se enumeran en orden de
importancia para la cadena de suministro en este intento de estudio. En
las pruebas comparativas, cabe señalar que, en comparación con otros
algoritmos, el método de optimización de enjambre de partículas de
peso de inercia no lineal (NLIW-PSO) superó a otras versiones de PSO, así
como al algoritmo genético con un buen rendimiento. Los capítulos
anteriores discutieron los detalles de la evaluación comparativa para el
problema de la red de la cadena de suministro de tres niveles, que se
llevó a cabo utilizando todas las variantes de PSO y GA. Se demostró que
el NLIW-PSO
Inteligencia Computacional y Neurociencia 5

superó todas las demás variaciones de PSO y todos los GA en la Para calcular la segunda función objetivo, que es el beneficio
sección anterior. Debido a esto, se ha desarrollado una técnica total de la red de la cadena de suministro (PROF), se divide en cinco
conocida como optimización de enjambre de partículas de peso de secciones (ecuaciones 4.1 a 4.4 y ecuación 4.7) y se multiplica
inercia no lineal (NLIW-PSO) con el objetivo de optimizar la (ecuación 4.9). Para comenzar, el ingreso total generado por las
arquitectura de la cadena de suministro de cuatro escalones en esta ventas en los centros de distribución de almacenes está
investigación. Cuando se trata de la red de la cadena de suministro, representado por la mitad de la ecuación. El costo total del material
el costo operativo total de la cadena de suministro (TSCC) y la del proveedor se mostrará en la segunda parte del informe (TSMC).
ganancia de la red de la cadena de suministro se consideran En la tercera parte se incluyen los costos totales de transporte (TTC)
indicadores de desempeño. incurridos desde todos los proveedores a las plantas, así como los
costos totales de transporte (TTC) incurridos desde las plantas a los
almacenes. El cuarto componente representa el costo total de
3.1. Conjunto de datos.)La industria automotriz en todo el mundo parece estar experimentando cambios no planificados, siendo fabricación (TMC) soportado por las instalaciones de fabricación.
la mejora de las cadenas de suministro una de las principales áreas de concentración junto con la reducción de costos, la Para satisfacer la demanda, el quinto componente, los costos totales
optimización de procesos y la mejora del rendimiento oportuno. Contar con un sistema de trazabilidad eficiente es la métrica de de almacén (TWC), comprende los gastos de mantenimiento de
éxito general que se debe alcanzar para obtener un resultado superior en todas las áreas prioritarias antes mencionadas. En el inventario en los almacenes, así como los costos de entrega de
negocio del automóvil, la "trazabilidad" se refiere a un sistema que documenta el linaje de los componentes individuales que artículos terminados desde los almacenes a los centros de
intervinieron en la producción de un determinado artículo. Incluso si las empresas han comprometido una cantidad significativa distribución. Para satisfacer la demanda, el costo total de almacén
de recursos hacia el objetivo de mejorar su cadena de suministro y establecer la trazabilidad, se ha observado que estas (TWC) se calcula como la suma de los costos de mantenimiento de
empresas todavía tienen poca visibilidad y conocimiento de su cadena de suministro en un momento determinado. [Caso en inventario en los almacenes y los costos de envío de los artículos
cuestión] Este estudio tiene la intención de utilizar la tecnología blockchain para eliminar las ineficiencias que están presentes terminados desde los almacenes hasta los centros de distribución.
en las cadenas de suministro automotrices convencionales. Estas ineficiencias pueden eliminarse aumentando la transparencia, TWC se calcula como un porcentaje del costo total del almacén.
simplificando los procesos y descentralizando la red. Además, este estudio proporcionará a las partes interesadas y a las
(a) Costo total de materiales del proveedor
empresas una serie de características de valor agregado que garantizarán que las transacciones se completen de manera más

rápida y fluida. La investigación destaca los beneficios que se pueden obtener al habilitar cadenas de suministro automotriz con
TSMC�?? ?? ?? ??CSCV×XCV??.pags (1)
tecnología blockchain. ) El establecimiento de la red antes mencionada se logra con la ayuda de Hyperledger Composer. [Caso
cvp
en cuestión] Este estudio tiene la intención de utilizar la tecnología blockchain para eliminar las ineficiencias que están

presentes en las cadenas de suministro automotrices convencionales. Estas ineficiencias pueden eliminarse aumentando la
(b) Costo total de transporte
transparencia, simplificando los procesos y descentralizando la red. Además, este estudio proporcionará a las partes

interesadas y a las empresas una serie de características de valor agregado que garantizarán que las transacciones se TTC�?? ?? ??Xc,v,p×STCc,v,p?? + ?? + ??Ypag×PTCpag.
completen de manera más rápida y fluida. La investigación destaca los beneficios que se pueden obtener al habilitar cadenas de
cvp pags
w
suministro automotriz con tecnología blockchain. ) El establecimiento de la red antes mencionada se logra con la ayuda de (2)
Hyperledger Composer. [Caso en cuestión] Este estudio tiene la intención de utilizar la tecnología blockchain para eliminar las

ineficiencias que están presentes en las cadenas de suministro automotrices convencionales. Estas ineficiencias pueden (c) Costo total de fabricación

⎬⎫ ⎧⎪⎨ ⎪⎫⎬
eliminarse aumentando la transparencia, simplificando los procesos y descentralizando la red. Además, este estudio
⎨⎧
TMC�??MC ⎛ Y
pags??×⎝ ⎞⎠ ⎭ + ⎪ feat ⎛⎝CIpags×??yoc,p ⎠⎞
⎪⎭.
proporcionará a las partes interesadas y a las empresas una serie de características de valor agregado que garantizarán que las
pag
transacciones se completen de manera más rápida y fluida. La investigación destaca los beneficios que se pueden obtener al pags w
⎩ pags C
habilitar cadenas de suministro automotriz con tecnología blockchain. ) El establecimiento de la red antes mencionada se logra
(3)
con la ayuda de Hyperledger Composer. Estas ineficiencias pueden eliminarse aumentando la transparencia, simplificando los procesos y descentralizando la red. Además, este estudio proporcionará a las partes interesadas y a las empresas una serie de características de valor agregado que g

(d) Costo total del almacén

3.2. Métodos de entrada de datos de ajuste.)Hay cuatro TWC�?? ??Zw, d×WTCw, d?? + ??(WICw×yow??. (4)
componentes para esta función objetivo (ecuaciones 4.1 wd w
a 4.4). Se incluye en la primera parte, denominada costo
total del material del proveedor (TSMC), que se incluye el (e) Costo operativo total de la cadena de suministro
costo total de las materias primas de todos los TSCC�TSMC + TTC + TMC + TWC. (5)
proveedores a las unidades de producción. El costo total
total de transporte (TTC) se refiere al costo total de (f) Beneficio de SCN
transporte incurrido desde los 139 proveedores a las
plantas, así como el costo total de transporte incurrido PROFE�??(Dd×SPd??�TSCC. (6)
desde las plantas a los almacenes, que se muestra en la d
segunda parte de la tabla. En la industria manufacturera,
(g) Ingresos generados por SCN
TMC es una abreviatura de Costo total de fabricación
incurrido en las plantas, y TWC es una abreviatura de RVDO�??(Dd×SPd??, (7)
Costo total de almacén, que incluye los costos de d
mantener el inventario del almacén, así como los costos
de envío de productos terminados desde los almacenes TSCC�TSMC + TTC + TSX − TWC,(8)
hasta la distribución respectiva. centros para satisfacer la
demanda.
6 Inteligencia Computacional y Neurociencia

Red neuronal Red neuronal profunda

Capa oculta Capa oculta

Aporte
Aporte
Capa Capa

Producción
Producción
Capa Capa

Figura1: Arquitectura de red propuesta.

Paso 3.Calcule la salida lineal usando la ecuación (5.2)

mínimoTSCC ---∑∑∑(CSS+∞×Xcoche)---
vv η Paso 4.Calcule la salida no lineal usando la función sigmoidea como
norte en la ecuación (5.3)
+ --∑{(MC,, X(∑Yyo))} +{∑−(X ,∑yo , ce)} --
z Paso 5.Calcule el cambio de peso para la capa de salida usando la
ecuación (5.7)
+ --∑∑(Zα,×WTCα, λ) +∑(WCα×yoα)-, -
αα v
Paso 6.Calcule el cambio de peso para la capa oculta usando la
(9)
ecuación (5.8)

PROFE∑(D4 SP4) −∑Xuna≤Lloperv.c.v, (10) Paso 7.Calcular el error cuadrático medio

a V

Paso 8.Si el valor del error cuadrático medio es mayor que

∑Ynoroeste ≤tupagsvolvo,
(11) valor umbral, luego se repiten los pasos anteriores de 3 a 7
pags

Paso 9.Si el valor del error cuadrático medio es menor que el umbral
∑Znorte ≤Vvvd, (12)
v
valor, luego declare que la red está entrenada
La Figura 1 indica la arquitectura de red propuesta aplicada
en esta investigación.
∑ZX Ddenfermedad venérea.
(13)
v
4. Resultados y discusión
El modelo matemático ideal presentado en esta sección se
3.3. Red neuronal de avance.En el algoritmo propuesto, primero se implementó con la ayuda del programa de simulación MATLAB.
inicializa el parámetro de aprendizaje de la red. Aquí, el cambio de Luego, este modelo se usó para mostrar el enfoque óptimo de
peso para la capa de salida y la capa oculta se determina usando las datos de la cadena de suministro en PMU, como se ve en la
ecuaciones de función de costo (5.7) y (5.8). respectivamente. Figura 2. Este método utiliza el filtro de Kalman de segundo
orden, a menudo conocido como SOKF, para monitorear el fasor
de la señal en las PMU que se distribuyeron. sobre la rejilla. Para
mostrar la robustez del modelo que se está considerando, el
Paso 1.Inicializar el parámetro a algunos valores aleatorios
trabajo de simulación de la estrategia propuesta consiste en
poner a prueba el método en una variedad de situaciones
Paso 2.Asigne el valor límite a un valor fijo basado en la diferentes. Gracias a este método, la cantidad de error de fase
función sigmoidea. que se produce se reduce a un nivel aceptable.
Inteligencia Computacional y Neurociencia 7

Fase UGP
3.5

2.5

2
Fase en Radianes

1.5

0.5

- 0.5
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Nº de muestras

Fase de referencia
sincrofasor
Filtro Kalman de segundo orden

Figura2: Métricas de rendimiento.

MSE en presencia de ruido gaussiano MSE en presencia de ruido no gaussiano

0.36 0.38

0.34
0.36
0.32
0.34
Error cuadrático medio (MSE)

0.3
Error cuadrático medio (MSE)

0.28
0.32
0.26

0.24 0.3

0.22
0.28
0.2

0.18 0.26

0.16
0 5 10 15 20 25 30 0.24
0 5 10 15 20 25 30
Relación señal/ruido (dB)
Relación señal/ruido (dB)
Señal de fase de sincrofasor
Señal de fase de sincrofasor
Señal de fase SOKF
Señal de fase SOKF
Figura3: MSE en presencia de clasificador.
Figura4: MSE en presencia de ruido no gaussiano.

Tenga en cuenta que las siguientes cifras se derivan de la mejor y están más cerca de la fase de referencia que los datos de la
correlación que existe entre la fase, medida en radianes, y el cadena de suministro, como se representa en la línea azul en la figura,
número total de muestras. donde los resultados de los datos de la cadena de suministro han
El método propuesto en la PMU se ha considerado en presencia de funcionado mejor que los datos de la cadena de suministro, como se
ruido gaussiano, como se muestra arriba en la Figura 2, donde el filtro de representa mediante el uso de MSE para evaluar el desempeño del
Kalman de segundo orden ha tomado el valor de los datos de la cadena enfoque propuesto basado en SOKF, que demostró ser capaz de
de suministro porque toma una mayor cantidad de muestras con muy monitorear mejor la fase del sistema en presencia de ruido gaussiano,
resultados cercanos a la fase de referencia, donde los resultados de los demuestra que el modelo sugerido funciona muy bien en presencia de
datos de la cadena de suministro se han realizado ruido gaussiano. se demuestra por el hecho de que
8 Inteligencia Computacional y Neurociencia

Mesa1: Métricas de desempeño del trabajo propuesto.

Pesos para
objetivos Objetivo 1
S. No Mejor forma física 1 Mejor estado físico 2 Objetivo general Objetivo 2
w1 w2 TMC/TSCC
1 0.1 0.9 0.896485 0.846702 0.85168 1344727 0.71123
2 0.2 0.8 0.941887 0.831171 0.853314 1412830 0.698184
3 0.3 0.7 0.889595 0.847573 0.860179 1334392 0.711961
4 0.4 0.6 0.870228 0.864839 0.866995 1305342 0.726465
5 0.5 0.5 0.874051 0.863394 0.868723 1311037 0.725251
6 0.6 0.4 0.800067 0.921406 0.848603 1200101 0.773981
7 0.7 0.3 0.831129 0.89469 0.850198 1246694 0.75154
8 0.8 0.2 0.815808 0.909032 0.834453 1223712 0.763587
9 0.9 0.1 0.784989 0.932937 0.799784 1177483 0.783667

el enfoque propuesto es capaz de monitorear mejor la fase
del sistema en presencia de ruido gaussiano. Tenga en
cuenta el hecho de que la mejora es del 21,45 % con ruido
gaussiano cuando se mide a una tasa de 5 dB, que es una
ganancia considerable.
Por otro lado, cuando hubo presencia de ruido no
gaussiano, los resultados de la simulación se tuvieron
demanda del consumidor), el tomador de decisiones puede hacer una
elección que sea comprensible en función de sus experiencias para
lograr los objetivos establecidos para un diseño SCN de cuatro etapas de
múltiples escalones.
4.1. Limitaciones y Hallazgos.Otras técnicas importantes que pueden considerarse predominantes en la literatura incluyen: AG,

en cuenta y se muestran en las Figuras 3 y 4. La un tipo de técnica de búsqueda que imita la selección natural y es capaz de abordar varias categorías de problemas de decisión

resiliencia y eficacia del método óptimo SOKF, que fue combinatorios; minería de datos, que se puede emplear para proporcionar información y tomar decisiones a partir de grandes

desarrollado por la PMU, fue demostrado por el conjuntos de datos; CBR, una técnica basada en la psicología cognitiva que resuelve nuevos problemas recuperando casos

hecho de que la técnica de datos de la cadena de recopilados y guardados de episodios de resolución de problemas análogos y adaptándolos al nuevo problema en cuestión; y

suministro en la PMU ha superado el enfoque del CBR es una técnica que se puede considerar. Otras formas de inteligencia artificial que se utilizan en estudios de SCM incluyen

sincrofasor en circunstancias ambientales extremas. recocido simulado, planificación automatizada, reglas de asociación, modelos basados en árboles, escalada, agrupación de k-

Esto muestra que el método óptimo SOKF fue means, sistemas expertos, heurística, robot programación, simulación estocástica, redes bayesianas, el modelo Physarum, RBR,

desarrollado por la PMU. En presencia de ruido no árboles de decisión y modelos gaussianos. Estas formas de IA se usan con menos frecuencia que otras. Los estudios sobre SCM

gaussiano, el enfoque SOKF funcionó mucho mejor han hecho uso de estos enfoques, pero no con tanta frecuencia como los estudios han hecho uso de ANN, FL, ABS, GA, minería

que el modelo anterior, como lo muestra el análisis de de datos, CBR, inteligencia de enjambre o SVM. Esto crea una brecha intrigante que debe abordarse en estudios posteriores y es

MSE. )es en comparación con el rendimiento del algo que se ha hecho. Además, nuestros hallazgos indican que varias técnicas de IA, como NLP (interacciones máquina-

modelo actual. Debido a esto, la presencia de SOKF en humano), TS (optimización, dinámica de robots y programación que se enfoca en crear robots inteligentes) y MDP, requieren

lugar de ruido no gaussiano es absolutamente investigación adicional y la adopción de estas técnicas en el sector industrial (un marco para modelar el proceso de toma de

necesaria para obtener los resultados deseados. decisiones) [21–25]. Los estudios sobre SCM han hecho uso de estos enfoques, pero no con tanta frecuencia como los estudios

han hecho uso de ANN, FL, ABS, GA, minería de datos, CBR, inteligencia de enjambre o SVM. Esto crea una brecha intrigante que

De manera similar, el análisis multiobjetivo se realizó para el debe abordarse en estudios posteriores y es algo que se ha hecho. Además, nuestros hallazgos indican que varias técnicas de

segundo conjunto de objetivos, que eran TSCC y GMROI para la IA, como NLP (interacciones máquina-humano), TS (optimización, dinámica de robots y programación que se enfoca en crear

arquitectura de red de la cadena de suministro de múltiples robots inteligentes) y MDP, requieren investigación adicional y la adopción de estas técnicas en el sector industrial (un marco

niveles de cuatro etapas. Asumiendo que los objetivos tenían para modelar el proceso de toma de decisiones) [21–25]. Los estudios sobre SCM han hecho uso de estos enfoques, pero no con

diferentes pesos pero eran de igual importancia, se realizó el tanta frecuencia como los estudios han hecho uso de ANN, FL, ABS, GA, minería de datos, CBR, inteligencia de enjambre o SVM.

análisis de desempeño para los diferentes niveles de servicio, Esto crea una brecha intrigante que debe abordarse en estudios posteriores y es algo que se ha hecho. Además, nuestros

que fueron 50%, 84%, 97% y 99,9%, y los resultados se tabulan hallazgos indican que varias técnicas de IA, como NLP (interacciones máquina-humano), TS (optimización, dinámica de robots y

en la Tabla 1. programación que se enfoca en crear robots inteligentes) y MDP, requieren investigación adicional y la adopción de estas

) e elementos de toma de decisiones que están vinculados con la técnicas en el sector industrial (un marco para modelar el proceso de toma de decisiones) [21–25]. Esto crea una brecha

varios niveles de servicio se enumeran en la Tabla 1, y a cada intrigante que debe abordarse en estudios posteriores y es algo que se ha hecho. Además, nuestros hallazgos indican que

componente se le ha dado la misma ponderación. Como resultado varias técnicas de IA, como NLP (interacciones máquina-humano), TS (optimización, dinámica de robots y programación que se

de los hallazgos del análisis de rendimiento de objetivos múltiples enfoca en crear robots inteligentes) y MDP, requieren investigación adicional y la adopción de estas técnicas en el sector

que se presentó anteriormente, es posible sacar la conclusión de industrial (un marco para modelar el proceso de toma de decisiones) [21–25]. Esto crea una brecha intrigante que debe

que a medida que aumentan los niveles de servicio, también abordarse en estudios posteriores y es algo que se ha hecho. Además, nuestros hallazgos indican que varias técnicas de IA, como NLP (interacciones máqui

aumenta el TSCC de SCN. Por otro lado, a medida que aumentan los
niveles de servicio, disminuye el GMROI. Esto se debe a que todos
los almacenes están obligados a mantener un stock de seguridad,
cuya cantidad varía en función del nivel de servicio requerido. SCN
tiene un margen bruto (GMROI) que oscila entre 2,8 y 3,6, y su costo
total de ventas (TSSC) se encuentra en el rango de Rs. 12,37,000 a
Rs. 19,78,000, dependiendo del nivel de servicio. Para satisfacer sus
necesidades (niveles de servicio para satisfacer
5. Conclusión
Se ha demostrado en este trabajo sugerido que se puede utilizar una
variedad de conceptos, enfoques y algoritmos únicos para el diseño de
una arquitectura de red de cadena de suministro integrada con el fin de
optimizar una red de cadena de suministro estructurada. Por otro lado,
los seis reconocidos resultados organizacionales
Inteligencia Computacional y Neurociencia
Los criterios son la satisfacción de las partes interesadas, la
innovación y el aprendizaje, el desempeño del mercado, la
satisfacción del cliente y el éxito financiero. Como consecuencia de
esto, las métricas de rendimiento total del trabajo que se presentó
son del 94,12 por ciento, y se descubrió que las tasas de precisión,
especificidad y sensibilidad eran del 94,12 por ciento, 92,15 por
ciento y 89,14 por ciento en consecuencia.
Además, descubrimos que la estructura basada en la red de SCM y la logística brinda
un marco natural en el que implementar la IA. ) se descubrió a través de nuestra
investigación. Por ejemplo, una red de proveedores da como resultado la producción de
cantidades significativas de datos y exige una toma de decisiones rápida. Como resultado de
esto, se recomienda encarecidamente el uso de tecnologías de IA para el estudio de grandes
datos y DSS. Además, las organizaciones de gestión de la cadena de suministro dependen de
redes tanto físicas como digitales, las cuales deben operar en armonía para tener éxito frente
a grandes volúmenes, asignación de activos ajustada, márgenes reducidos y plazos estrictos.
La IA hace posible optimizar y mejorar la orquestación de la red de una manera que es a la
vez eficiente y efectiva, las cuales son imposibles de hacer para los humanos. ) por lo tanto, la
investigación sobre sistemas interactivos de toma de decisiones fomenta un mayor
conocimiento de las soluciones de IA y, como resultado, dicho estudio aumenta las
capacidades de las soluciones de IA. )La utilización de dichos sistemas hace posible que la IA
ayude a la industria en cuestión a redefinir las prácticas que se utilizan actualmente
cambiando las operaciones de reactivas a proactivas, los procesos de manuales a
autónomos, los servicios de estandarizados a siendo personalizado, y la planificación de la
producción de predictiva a pronosticada. El amplio uso de la inteligencia artificial depende
del desarrollo de tecnología de chips de computadora más avanzada. Debido a que el
transporte es el corazón de la logística, el uso de chips de computadora como mecanismo de
rastreo es un paso absolutamente necesario. Se requiere investigación sobre tales procesos
para el resultado de estas tecnologías, ya que el seguimiento crea grandes volúmenes de
datos que pueden analizarse e interpretarse para una amplia variedad de aplicaciones. La
automatización de las interacciones del consumidor es un campo relativamente nuevo pero
potencialmente fructífero que juega un papel importante en el marketing. La voz o los
chatbots son ejemplos de la próxima generación de atención al cliente, que cuenta con
excelentes niveles de eficiencia y retornos de inversión satisfactorios. )El empleo de estos
asistentes virtuales, que están diseñados para permitir conversaciones más profundas entre
las empresas y sus clientes, puede resultar muy útil en la automatización de las consultas de
atención al cliente [26]. La automatización de las interacciones del consumidor es un campo
relativamente nuevo pero potencialmente fructífero que juega un papel importante en el
marketing. La voz o los chatbots son ejemplos de la próxima generación de atención al
cliente, que cuenta con excelentes niveles de eficiencia y retornos de inversión
satisfactorios. )El empleo de estos asistentes virtuales, que están diseñados para permitir
conversaciones más profundas entre las empresas y sus clientes, puede resultar muy útil en
la automatización de las consultas de atención al cliente [26]. La automatización de las
interacciones del consumidor es un campo relativamente nuevo pero potencialmente
fructífero que juega un papel importante en el marketing. La voz o los chatbots son ejemplos
de la próxima generación de atención al cliente, que cuenta con excelentes niveles de
eficiencia y retornos de inversión satisfactorios. )El empleo de estos asistentes virtuales, que
están diseñados para permitir conversaciones más profundas entre las empresas y sus
clientes, puede resultar muy útil en la automatización de las consultas de atención al cliente
[26].
Disponibilidad de datos
) Los datos que respaldan los hallazgos de este estudio están disponibles
previa solicitud al autor de correspondencia.
Conflictos de interés
El autor no informó de posibles conflictos de
intereses.
9
Referencias
[1] S. Abid, F. Fnaiech y M. Najim, "Un algoritmo de entrenamiento de
avance rápido que utiliza una forma modificada del algoritmo de
propagación hacia atrás estándar"Transacciones IEEE en redes
neuronales, vol. 12, núm. 2, págs. 424–430, 2001.
[2] AHH Aal-Yhia y S. Ahmad, “Un algoritmo de retropropagación de
energía”, enActas del Congreso Mundial de Ingeniería 2007 Vol
I, WCE, Londres, Reino Unido, julio de 2007.
[3] A. Abraham y AK Swagatam Das, “Ajith Abraham Cyber
Web Shack”, 2008, http://www.softcomputing.net.
[4] AP Engelbrecht,Inteligencia computacional: una
introducción, págs. 289–358, John Wiley and Sons,
Inglaterra, 2007.
[5] L. BeheraBehera, S. KumarKumar y A. Patnaik, "Sobre la tasa de
aprendizaje adaptativo que garantiza la convergencia en las redes
feedforward"Transacciones IEEE en redes neuronales, vol. 17, núm.
5, págs. 1116–1125, 2006.
[6] A. Rizwan, A. Demirbas, NAS Hafiz y U. Manzoor, "Análisis de la
brecha de percepción entre empleadores y recién graduados de
ingeniería sobre las habilidades de empleabilidad: un estudio de
caso de Pakistán".Revista internacional de educación en ingeniería,
vol. 34, núm. 1, págs. 248–255, 2018.
[7] Sr. Clerc,Optimización de Enjambre de partículas, Reino UnidoWiley ISTE,
Londres, 1ª edición, 2006.
[8] M. Clerc y J. Kennedy, “)e enjambre de partículas - explosión,
estabilidad y convergencia en un espacio complejo
multidimensional,”Transacciones IEEE en computación
evolutiva, vol. 6, núm. 1, págs. 58 a 73, 2002.
[9] A. Rizwan, S. Farooq, MSI Alvi y S. Nawaz, "Análisis de los factores
que afectan el nivel de estrés de las estudiantes de ingeniería"
Revista global de ciencias humanas y sociales, vol. 12, 2012.
[10] Y. CoorenCooren, M. ClercClerc y P. Siarry, "Evaluación del
rendimiento de TRIBES, un algoritmo de optimización de enjambre
de partículas adaptable"Inteligencia de enjambre, vol. 3, núm. 2,
págs. 149 a 178, 2009.
[11] A. Rizwan, HEMAID Alsulami, A. Shahzad et al., "Brecha de
percepción de las habilidades de empleabilidad entre los
empleadores y las mujeres graduadas en ingeniería en Arabia
Saudita"Revista internacional de educación en ingeniería, vol.
37, págs. 341–435, 2021.
[12] D. Anguita, C. Cravero, C. Filz y F. Rivieccio, “Una técnica
innovadora para el diseño aerodinámico de perfiles de turbina
utilizando inteligencia artificial (Invitado)”, enActas de la 33.ª
Conferencia y exhibición de dinámica de fluidos de la AIAA,
junio de 2003.
[13] M. Montes de Oca Montes de Oca, T. Stutzle, M. Birattari y
M. Dorigo, "PSO de Frankenstein: un algoritmo de optimización de
enjambre de partículas compuestas"Transacciones IEEE en computación
evolutiva, vol. 13, núm. 5, págs. 1120–1132, 2009.
[14] D. Nguyen y W. Bernard, "Mejora de la velocidad de aprendizaje de redes
neuronales de 2 capas mediante la elección de valores iniciales de los
pesos adaptativos"Conferencia Conjunta Internacional IJCNN sobre
Redes Neuronales, vol. 1-3, págs. C21–C26, 1990.
[15] T. El-Ghazali,Meta heurística: desde el diseño hasta la implementación,
John Wiley and Sons, Hoboken, Nueva Jersey, 2009.
[16] SKS Fan y E. Zahara, "Una búsqueda simplex híbrida y una optimización de
enjambre de partículas para una optimización sin restricciones" Revista
europea de investigación operativa, vol. 181, núm. 2, págs. 527–548,
2007.
[17] X. Huang, BL Tan y X. Ding, "Un estudio exploratorio de la gestión de
la cadena de suministro ecológica en las pequeñas y medianas
empresas manufactureras chinas: presiones y factores impulsores"
10 Inteligencia Computacional y Neurociencia

Revista de gestión de tecnología de fabricación, vol. 26, núm. 1,

2015.
[18] F. Huang y De-shuang Huang, "Algoritmos de aprendizaje
restringido mejorados mediante la incorporación de restricciones
funcionales adicionales en las redes neuronales"Matemática
Aplicada y Computación, vol. 174, núm. 1, págs. 34 a 50, 2006.
[19] DD Finlay, CD Nugent, PJ McCullagh, ND Black y
JA López, “Evaluación de un modelo de predicción estadística utilizado en
el diseño de clasificadores de ECG basados en redes neuronales: un
enfoque de regresión lineal múltiple”, enActas de la 4ª Conferencia
Internacional de Tema Especial IEEE EMBS sobre Aplicaciones de
Tecnología de la Información en Biomedicina, págs. 258–260, IEEE,
Birmingham, Reino Unido, abril de 2003.
[20] G. del Valle, S. Venayagamoorthy, J.-C. Hernández, y
Y. Harley, "Optimización de enjambres de partículas: conceptos básicos,
variantes y aplicaciones en sistemas de potencia"Transacciones IEEE en
computación evolutiva, vol. 12, núm. 2, págs. 171 a 195, 2008.

[21] W. Xia, R. Neware, SD Kumar Kumar, DA Karras y

A. Rizwan, "Una técnica de optimización para la detección de
intrusos en las vulnerabilidades de la red de control industrial
basada en la red neuronal de BP"Revista internacional de ingeniería
y gestión de garantía de sistemas, vol. 13, núm. S1, págs. 576–582,
2022.
[22] A. Rizwan, M. Saleem, SH Serbaya, H. Alsulami, A. Ghazal y MS
Mehmood, “Simulación de la distribución de luz en UHMWPE
irradiado con rayos gamma utilizando el modelo de Monte Carlo
para el transporte de luz (MCML) en medios turbios: análisis para
modificaciones de biomateriales a escala industrial,”Polímeros, vol.
13, núm. 18, pág. 3039, 2021.
[23] SH Serbaya, EH Abualsauod, MS Basingab, H. Bukhari,
A. Rizwan y MS Mehmood, "Optimización de atributos de estructura y
rendimiento y clasificación de híbridos de polímeros irradiados con
rayos gamma para aplicaciones industriales"Polímeros, vol. 14, núm. 1,
pág. 47, 2021.
[24] O. Taylan, A. Rizwan y H. Parsaei, "Optimización del aprendizaje y la
evaluación de los estudiantes de ingeniería mediante métodos
cognitivos"Letras de educación en ingeniería, vol. 2017, núm. 1, pág. 2,
2017.
[25] A. Rizwan, P. Priyanga, EH Abualsauod, SN Zafrullah,
SH Serbaya y A. Halifa, "Un enfoque de aprendizaje automático
para la detección de complejos QRS en electrocardiograma (ECG)
utilizando el algoritmo de transformada discreta de ondas (DWT)"
Inteligencia Computacional y Neurociencia, vol. 2022, págs. 1–8,
artículo ID 9023478, 2022.
[26] A. Carlisle y G. Dozier, “1001, An Off-)e-Shelf PSO”, en Actas
del taller Optimización de enjambres de partículas,
Indianápolis, IND, EE. UU., 2001.