Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo

En este trabajo se expone una serie de modelos de analítica para mejorar las métricas de error de pronóstico de los productos principales en una empresa de consumo masivo en México. Para esto, se utilizaron las ventas históricas semanales de cada producto y mediante el análisis de las series de tiem...

Full description

Autores:
Jaimes Campos, Denis Leonardo
López Zúñiga, Esteban
Tipo de recurso:
Fecha de publicación:
2021
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/55819
Acceso en línea:
http://hdl.handle.net/1992/55819
Palabra clave:
Consumo masivo
Toma de decisiones
Pronóstico de ventas
Manejo de inventario
Administración
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_26a7073b912f397d4b0af7bc0457b287
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/55819
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.spa.fl_str_mv Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo
title Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo
spellingShingle Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo
Consumo masivo
Toma de decisiones
Pronóstico de ventas
Manejo de inventario
Administración
title_short Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo
title_full Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo
title_fullStr Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo
title_full_unstemmed Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo
title_sort Modelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivo
dc.creator.fl_str_mv Jaimes Campos, Denis Leonardo
López Zúñiga, Esteban
dc.contributor.advisor.none.fl_str_mv Álvarez Martínez, David
dc.contributor.author.spa.fl_str_mv Jaimes Campos, Denis Leonardo
López Zúñiga, Esteban
dc.subject.keyword.none.fl_str_mv Consumo masivo
Toma de decisiones
Pronóstico de ventas
Manejo de inventario
topic Consumo masivo
Toma de decisiones
Pronóstico de ventas
Manejo de inventario
Administración
dc.subject.themes.none.fl_str_mv Administración
description En este trabajo se expone una serie de modelos de analítica para mejorar las métricas de error de pronóstico de los productos principales en una empresa de consumo masivo en México. Para esto, se utilizaron las ventas históricas semanales de cada producto y mediante el análisis de las series de tiempo, la transformación y limpieza de los datos, se calibraron y evaluaron diferentes modelos de analítica hasta encontrar el modelo óptimo que minimizaba el error de pronóstico en cada uno de los productos seleccionados. Se encontró que los productos presentan divergencia en la dinámica de la demanda, por lo tanto, los modelos de mejor pronóstico varían entre sí. Entre los modelos evaluados, ARIMA y RandomForest fueron los algoritmos de mejor desempeño bajo las métricas seleccionadas. Por su parte, se hizo un ejercicio para cuantificar el ahorro en términos de manejo de inventario y ventas pérdidas que se puede implementar estos modelos. Finalmente, se espera que este documento sea un insumo para la toma de decisiones sobre el pronóstico de ventas y manejo de inventario de ahora en adelante.
publishDate 2021
dc.date.issued.none.fl_str_mv 2021
dc.date.accessioned.none.fl_str_mv 2022-02-22T20:15:48Z
dc.date.available.none.fl_str_mv 2022-02-22T20:15:48Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/55819
dc.identifier.pdf.spa.fl_str_mv 25416.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/55819
identifier_str_mv 25416.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 26 páginas
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad de los Andes
dc.publisher.program.spa.fl_str_mv Maestría en Inteligencia Analítica para la Toma de Decisiones
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.department.spa.fl_str_mv Departamento de Ingeniería Industrial
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/429a695b-d6dd-4f19-bf90-681a44e6e15e/download
https://repositorio.uniandes.edu.co/bitstreams/f93f41fd-7137-4169-8906-946815dea7b1/download
https://repositorio.uniandes.edu.co/bitstreams/e44478a2-5c27-4d61-832f-b43091f5c3b7/download
bitstream.checksum.fl_str_mv aa53014496ec466c5097b5498ded5631
7f49a6d93f1e4878f04b53220711f4ad
789c5ed86668dd5432777d7b97ba8755
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812133949142466560
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Álvarez Martínez, Davidvirtual::9514-1Jaimes Campos, Denis Leonardo00293bf3-2107-4ea5-ad29-3c81a8864b95500López Zúñiga, Esteban6cc93072-7865-4ba3-b51f-eb376ff616cb5002022-02-22T20:15:48Z2022-02-22T20:15:48Z2021http://hdl.handle.net/1992/5581925416.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/En este trabajo se expone una serie de modelos de analítica para mejorar las métricas de error de pronóstico de los productos principales en una empresa de consumo masivo en México. Para esto, se utilizaron las ventas históricas semanales de cada producto y mediante el análisis de las series de tiempo, la transformación y limpieza de los datos, se calibraron y evaluaron diferentes modelos de analítica hasta encontrar el modelo óptimo que minimizaba el error de pronóstico en cada uno de los productos seleccionados. Se encontró que los productos presentan divergencia en la dinámica de la demanda, por lo tanto, los modelos de mejor pronóstico varían entre sí. Entre los modelos evaluados, ARIMA y RandomForest fueron los algoritmos de mejor desempeño bajo las métricas seleccionadas. Por su parte, se hizo un ejercicio para cuantificar el ahorro en términos de manejo de inventario y ventas pérdidas que se puede implementar estos modelos. Finalmente, se espera que este documento sea un insumo para la toma de decisiones sobre el pronóstico de ventas y manejo de inventario de ahora en adelante.In this paper, a series of analytical models are exposed to improve the forecast error metrics of the main products in a mass consumption company in Mexico. In order to address this, the historical sales of each product (on a weekly basis) were preprocessed and modeled using a time series analysis. The evaluation and calibration of different analytical models to reach the optimal form that minimized the forecast error in each of the selected products,was the stage to follow. Once the optimal model was found for every product, it was found that the historical demand/sales for every product presents divergence in the dynamics of their demand, therefore, the models with the best forecast vary among themselves. Over the evaluated models, ARIMA and Random Forest stood out as the algorithms with the best performance under the selected metric for comparisson. Moreover, an exercise was carried out to quantify the savings in terms of inventory management and lost sales that can be implemented by these models. Finally, this document is expected to be a valuable input within both the Sales forecasting and Inventory management's decision making process.Magíster en Inteligencia Analítica para la Toma de DecisionesMaestría26 páginasapplication/pdfspaUniversidad de los AndesMaestría en Inteligencia Analítica para la Toma de DecisionesFacultad de IngenieríaDepartamento de Ingeniería IndustrialModelo de Forecast para predecir la demanda semanal de alimentos y bebidas de consumo masivoTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMConsumo masivoToma de decisionesPronóstico de ventasManejo de inventarioAdministración202027884Publication0000-0001-8411-1936virtual::9514-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000935700virtual::9514-1b7f11fc3-4fb6-476e-b2d6-bd3bb348a167virtual::9514-1b7f11fc3-4fb6-476e-b2d6-bd3bb348a167virtual::9514-1TEXT25416.pdf.txt25416.pdf.txtExtracted texttext/plain59821https://repositorio.uniandes.edu.co/bitstreams/429a695b-d6dd-4f19-bf90-681a44e6e15e/downloadaa53014496ec466c5097b5498ded5631MD52ORIGINAL25416.pdfapplication/pdf1118842https://repositorio.uniandes.edu.co/bitstreams/f93f41fd-7137-4169-8906-946815dea7b1/download7f49a6d93f1e4878f04b53220711f4adMD51THUMBNAIL25416.pdf.jpg25416.pdf.jpgIM Thumbnailimage/jpeg11159https://repositorio.uniandes.edu.co/bitstreams/e44478a2-5c27-4d61-832f-b43091f5c3b7/download789c5ed86668dd5432777d7b97ba8755MD531992/55819oai:repositorio.uniandes.edu.co:1992/558192024-03-13 13:57:16.151https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co