Obtención de variables exógenas para mejorar la performance del pronóstico a partir de análisis multivariado
Keywords:
Pronósticos, Industria conservera, Componentes principales, ANFIS.Abstract
En este trabajo se analizó el comportamiento de un método de “soft computing” utilizado para pronosticar las ventas de productos de conserva de pescado de una empresa de la zona. Se pronosticaron las ventas correspondientes al último año, en forma mensual y se compararon los valores de las ventas reales con los obtenidos. Los pronósticos se realizaron utilizando un Sistema de Inferencia Neuro-Difuso Adaptativo -ANFIS- y se comprobó que en esta metodología la utilización de series exógenas adecuadas, mejora la performance de los mismos. El error de la predicción, se evaluó a través del Error Porcentual Absoluto Medio (MAPE). Las series exógenas se derivaron del Análisis de Componentes Principales que se realizó sobre el conjunto de datos originales. Los resultados obtenidos indican, que el Análisis de Componentes Principales resulta una herramienta poderosa, que permite contribuir en forma apropiada a la elaboración de series exógenas.
10.13084/2175-8018/ijie.v6n12p200-213References
BALLOU R. LogÃstica: Administración de la Cadena de Suministro. Quinta Edición, CapÃtulos 1 y 8, Editorial Prentice Hall, México, 2004.
BAYRAKTAR, E., LENNY KOH S.C., GUNASEKARAN A., SARI K., TATOGLU E. The role of forecasting on bullwhip effect for E-SCM application. International Journal of Production Economics, vol.113, p. 193-204, 2008.
CHU Ch., ZHANG G. A comparative study of linear and nonlinear models for aggregate retail sales forecasting, International Journal of Production Economics, vol. 86, p. 217-231, 2003.
CORRES G., ESTEBAN A., PASSONI I., ZÃRATE C. Pronóstico de Series de Tiempo usando métodos lineales y no lineales. Publicado en los Anales de XXIV ENDIO – XXII EPIO, ISBN 978- 950-665 –672-0, p. 314-326, 2011.
CORRES G., ESTEBAN A., ZÃRATE C. Aplicación de la MetodologÃa ANFIS para la obtención de Pronósticos en Series de Tiempo: Evaluación del Costo del Error. Publicado en los Anales de XXV ENDIO – XXIII EPIO, ISBN 978- 987-24267-3-6, p. 15-27, 2012.
GARCIA R. Inferencia EstadÃstica y Diseño de Experimentos. Primera edición, CapÃtulos XXIII y XXV, EUDEBA, Buenos Aires, 2004.
PÉREZ LÓPEZ C. Métodos EstadÃsticos avanzados con SPSS. CapÃtulo 11, Editorial THOMSON, Madrid, 2005.
QUINN G., KEOUGH M. Experimental Design and Data Analysis for Biologists. Chapter 17, CAMBRIDGE University Press, United Kingdom, 2002.
THOMASSEY S., HAPPIETTE M., CASTELAIN J. A global forecasting support system adapted to textile distribution. International Journal of Production Economics, vol.96, p. 81-95, 2005.
URBISAIA H., BRUFMAN J. Análisis de Series de Tiempo Univariadas y Multivariadas. Segunda edición, CapÃtulos 12 y 13, Ediciones Cooperativas, Buenos Aires, 2001.
ZHANG P. Time series forecasting using a hybrid ARIMA and Neural Network Model. Neurocomputing, vol. 50, p.159 – 175, 2003.
Downloads
Published
How to Cite
Issue
Section
License
Ao submeter nosso trabalho à Revista Ibero-americana de Engenharia Industrial (IJIE), os autores compreendem que seu conteúdo será disponibilizado sob a Licença Internacional Creative Commons Atribuição (CC BY) 4.0, que permite o uso, compartilhamento, adaptação e a criação de obras derivadas, inclusive para fins comerciais, desde que seja dada a devida atribuição aos autores e a publicação original na IJIE seja claramente mencionada.
Além disso, os autores estão autorizados a celebrar acordos adicionais que permitam a divulgação não exclusiva da versão publicada do artigo (por exemplo, por meio de repositórios institucionais, sites pessoais, traduções ou capítulos de livros), desde que haja menção clara ao autor e à publicação inicial do artigo nesta revista.
