Sistema de recomendación basado en contenido y conocimiento aplicado al manejo de pedidos de materiales para la producción de autopartes

Autores/as

DOI:

https://doi.org/10.5281/zenodo.7017714

Palabras clave:

Sistema Recomendador basado en Contenido y Conocimiento, Sistema de Administración de Almacenes (WMS)

Resumen

Hasta el momento la aplicación de los sistemas de recomendación se ha propuesto para su aplicación en el comercio electrónico y a la gestión de información. Sin embargo, el sector industrial tiene procesos en los cuales sería interesante aplicar esta herramienta, tal es el caso del proceso de pedidos de materiales en un almacén para la manufactura de autopartes. En este proceso, en algunas empresas, un grupo de usuarios (o célula de trabajo) solicitan todos los materiales necesarios para la realización de una autoparte para trabajar en el turno. Estos usuarios tienen la difícil tarea de revisar una larga lista de materiales y seleccionar los más adecuados, basado en su experiencia. Si el usuario no tiene mucha experiencia, este proceso puede resultar muy complicado y tardado. Con la ayuda de un sistema recomendador, el proceso de pedidos de materiales podría ser más fácil para usuarios que soliciten materiales para el turno.

Métricas

Cargando métricas ...

Biografía del autor/a

Selene Hernández Rodríguez, Sistema Nacional de Investigadores

Doctora en Ciencias Computacionales, miembro del Sistema Nacional de Investigadores SNI (nivel candidato)

Carlos Alberto Hernández Lira, Instituto Tecnológico de Puebla

Ingeniero industrial por el Instituto Tecnológico de Puebla, Maestro en Ingeniería por el Instituto Tecnológico de Puebla

Citas

Angus-Lee, H. (Abril, 2014). “'Connective ERP:' Software Connecting Employees, Machines, Data & Processes on the Shop Floor & in the Warehouse.”. En: Food Logistics. (155), páginas 24-26.

Baltrunas, L. (Octubre, 2008). “Exploiting Contextual Information in Recommender Systems”. En: RecSys’08.

Chan, F. T. S. y Kumarz, V. (Febrero, 2009). “Hybrid TSSA algorithm-based approach to solve warehouse-scheduling problems”. En: International Journal of Production Research, volúmen 47 (4).

Ekstrand, M., Kannan, P., & Stemper, J. (2010). “Automatically building research reading lists”. En: RecSys '10 Proceedings of the fourth ACM conference on Recommender systems.

Friedman, D. (Noviembre, 2010). “The truth about warehouse management systems”. En: Supply House Times. Vol. 53 (9), páginas 42-114.

Gallego-Vico, D., Fumero, A., & Huecas, G. (2013). “Proactividad y Contextualización: Futuro del Diseño de Sistemas Recomendadores”.En: El profesional de la información, (22).

Henning, T., Marchand, A., & Marx, P. (2012). “Can Automate Group Recommender Systems Help Consumers Make Better Choices?”. En: Journal Of Marketing.

Ho Accorsi, R., Manzini, R., Maranesi, F. (Enero, 2014). “A decision-support system for the design and management of warehousing systems” En: Journal Computers in Industry Elsevier Science Publishers B. V. Amsterdam,. Volúmen 65 (1), Holanda, páginas 175-186.

Krestel, R. F. (2012). “Personalized topic-based tag recommendation”. En: Neurocomputing , Vol. 76, páginas 61–70.

Kurashima, T., Iwata, T., Irie, G., Fujimura, K. (Octubre, 2010). “Travel Route Recommendation Using Geotags in Photo Sharing Sites”. En: CIKM’10, Canada.

Ma Hao, K. (2011). “Mining Web Graphs for Recommendations”. En: “Knowledge and Data Engineering IEEE Transactions”. En: Volúmen 24, páginas 1051 – 1064.

McCrea, B. (Enero, 2014). “Factors driving WMS growth”. En: Logistics Management. Volúmen 53 (1), páginas 34-36.

Nathanson, T., Bitton, E., & Goldberg, K. (2007). “Eigentaste 5.0: Constant-Time Adaptability in Recommender System Using Item Clustering”. En: ACM.

Ntoutsi, E. S.-P.,Fast. (2012). “Group Recommendations by Applying User Clustering”. En: Conceptual Modeling, Volúmen 7532, páginas 126-140.

Ntoutsi, I. S.-P. (2012). “gRecs: A Group Recommendation System based on User Clustering”. En: Database Systems for Advanced Applications, Volúmen 7239, páginas 299-303.

Descargas

Publicado

01-04-2015

Cómo citar

Hernández Rodríguez, S., & Hernández Lira, C. A. (2015). Sistema de recomendación basado en contenido y conocimiento aplicado al manejo de pedidos de materiales para la producción de autopartes. Universita Ciencia, 4(9), 77–97. https://doi.org/10.5281/zenodo.7017714

Número

Vol. 4 Núm. 9 (2015): Retando los conocimientos multidisciplinarios

Sección

Artículos

Licencia

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Esta revista adhiere a la licencia Creative Commons en la definición de su política de acceso abierto y reúso del material publicado, en los términos siguientes:

  • Accesibilidad a los artículos y demás publicaciones de manera total o parcial bajo el concepto de copia, distribución, comunicación pública, acceso interactivo (por internet u otros medios), manteniendo de manera explícita el reconocimiento al autor o autores y a la propia revista (reconocimiento de autoría).
  • Advertencia de que si se remezcla, modifican los artículos o se emplean fragmentos en otras creaciones, no se puede distribuir el material modificado, ni tampoco se permite reconstruir versiones a partir de los artículos originales publicados (obras derivadas).
  • Se prohíbe el uso de contenidos de los artículos publicados, total o parcialmente, con fines lucrativos (reconocimiento no comercial).

El autor conserva los derechos de autor, transfiere u otorga derechos comerciales exclusivos al editor, y se utiliza una licencia no comercial.