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...
- 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 |