Proyección de demanda a través de redes neuronales artificiales

Abstract

Los métodos de pronóstico son ampliamente utilizados en las variadas industrias para predecir la demanda de insumos, para pronosticar la demanda de productos con fines que van desde la disminución de costos hasta la maximización del beneficio. Escenario en el cual las empresas dependen de la precisión de estas predicciones para continuar operando, es por ello que un método que ofrezca resultados más próximos a la demanda real nace como una necesidad de las organizaciones. Esta Tesis propone un modelo basado en redes neuronales artificiales que genera pronósticos más precisos y con un error asociado menor que los modelos tradicionales para la demanda de un servicio. El estudio estadístico de la información histórica de la que se dispone, permite generar un conjunto de datos de entrada que proveerá los elementos para alimentar el modelo desarrollado. Se utilizan varios esquemas de redes, las cuales se someten a procesos de entrenamiento, validación y testeo para verificar su eficacia. Los distintos conjuntos de datos se utilizan para generar pronósticos por arreglo de dato y esquema de red, los cuales luego son comparados con los resultados de los métodos tradicionales, de esta manera se comprueba que los métodos que utilizan redes neuronales entregan resultados más asertivos al momento de pronosticar la demanda de un servicio, esta conclusión es extensible a la generación de modelos de demanda de productos e insumos.

Los métodos de pronóstico son ampliamente utilizados en las variadas industrias para predecir la demanda de insumos, para pronosticar la demanda de productos con fines que van desde la disminución de costos hasta la maximización del beneficio. Escenario en el cual las empresas dependen de la precisión de estas predicciones para continuar operando, es por ello que un método que ofrezca resultados más próximos a la demanda real nace como una necesidad de las organizaciones. Esta Tesis propone un modelo basado en redes neuronales artificiales que genera pronósticos más precisos y con un error asociado menor que los modelos tradicionales para la demanda de un servicio. El estudio estadístico de la información histórica de la que se dispone, permite generar un conjunto de datos de entrada que proveerá los elementos para alimentar el modelo desarrollado. Se utilizan varios esquemas de redes, las cuales se someten a procesos de entrenamiento, validación y testeo para verificar su eficacia. Los distintos conjuntos de datos se utilizan para generar pronósticos por arreglo de dato y esquema de red, los cuales luego son comparados con los resultados de los métodos tradicionales, de esta manera se comprueba que los métodos que utilizan redes neuronales entregan resultados más asertivos al momento de pronosticar la demanda de un servicio, esta conclusión es extensible a la generación de modelos de demanda de productos e insumos.