Obtención de variables exógenas para mejorar la performance del pronóstico a partir de análisis multivariado

Alejandra María Esteban, Claudia Noemí Zárate, Verónica Aída Mortara, María Betina Berardi

Resumo


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.


Palavras-chave


Pronósticos; Industria conservera; Componentes principales; ANFIS.

Texto completo:

PDF/A (Español (España))

Referências


BALLOU R. Logística: Administración de la Cadena de Suministro. Quinta Edición, Capítulos 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., ZÁRATE 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., ZÁRATE C. Aplicación de la Metodología 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 Estadística y Diseño de Experimentos. Primera edición, Capítulos XXIII y XXV, EUDEBA, Buenos Aires, 2004.

PÉREZ LÓPEZ C. Métodos Estadísticos avanzados con SPSS. Capítulo 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, Capítulos 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.