Modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y SVR
La importancia de pronosticar o prever el nivel de ventas es vital para la supervivencia de una empresa. Al no tener un patrón claro, la investigación sobre mejores modelos continúa en desarrollo. A través del avance tecnológico ha sido posible desarrollar aplicaciones basadas en redes neuronales ar...
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | Ensayos o artículos académicos |
| Language: | spa |
| Published: |
2018
|
| Subjects: | |
| Online Access: | http://dspace.ucuenca.edu.ec/handle/123456789/31256 |
| _version_ | 1785802418108235777 |
|---|---|
| author | Aucapiña Peralta, Jonnatan Mesias |
| author2 | Peña Ortega, Mario Patricio |
| author_facet | Peña Ortega, Mario Patricio Aucapiña Peralta, Jonnatan Mesias |
| author_sort | Aucapiña Peralta, Jonnatan Mesias |
| collection | DSpace |
| description | La importancia de pronosticar o prever el nivel de ventas es vital para la supervivencia de una empresa. Al no tener un patrón claro, la investigación sobre mejores modelos continúa en desarrollo. A través del avance tecnológico ha sido posible desarrollar aplicaciones basadas en redes neuronales artificiales (RNA), enfocadas en el desarrollo de pronóstico de ventas de productos de consumo frecuente, mejorando la exactitud de los sistemas de pronóstico tradicionales. En el presente estudio se compara el desempeño de los modelos tradicionales frente a sistemas más desarrollados como son redes neuronales artificiales y máquinas de soporte vectorial o regresión de soporte vectorial (SVM-SVR). Se demuestra la importancia de considerar factores externos como indicadores macroeconómicos e internos como los microeconómicos, (por ejemplo, precios de productos relacionados), los cuales afectan el nivel de ventas en una organización. Estas consideraciones no se habían tomado en cuenta en el pasado. La aplicación de este estudio fue en un supermercado. En primera instancia se realizó un pre-procesado para limpiar, adecuar y normalizar las bases de datos. Luego, debido a que no se tenía información etiquetada respecto a cuáles pares de productos eran sustitutos o complementarios, fue necesario aplicar un análisis de elasticidad cruzada. Además, se considera una media armónica (f1-score) en varios puntos para establecer prioridades en algunos productos y resultados obtenidos. Estudios en los que se realizan análisis comparativos entre pronósticos, demuestran la eficacia al usar redes neuronales, se presenta en: [7], [16] y [25]. El modelo propuesto en este estudio presenta una potencial aplicación en el pronóstico de ventas de productos de alta rotación en supermercados, ya que sus resultados son más exactos que los obtenidos con procedimientos tradicionales. |
| format | Ensayos o artículos académicos |
| id | oai:dspace.ucuenca.edu.ec:123456789-31256 |
| institution | Universidad de Cuenca |
| language | spa |
| publishDate | 2018 |
| record_format | dspace |
| spelling | oai:dspace.ucuenca.edu.ec:123456789-312562019-07-10T13:44:44Z Modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y SVR Aucapiña Peralta, Jonnatan Mesias Peña Ortega, Mario Patricio Arima Promedio Movil Pronostico Rna Svr Variacion Ciclica Ingeniería Industrial La importancia de pronosticar o prever el nivel de ventas es vital para la supervivencia de una empresa. Al no tener un patrón claro, la investigación sobre mejores modelos continúa en desarrollo. A través del avance tecnológico ha sido posible desarrollar aplicaciones basadas en redes neuronales artificiales (RNA), enfocadas en el desarrollo de pronóstico de ventas de productos de consumo frecuente, mejorando la exactitud de los sistemas de pronóstico tradicionales. En el presente estudio se compara el desempeño de los modelos tradicionales frente a sistemas más desarrollados como son redes neuronales artificiales y máquinas de soporte vectorial o regresión de soporte vectorial (SVM-SVR). Se demuestra la importancia de considerar factores externos como indicadores macroeconómicos e internos como los microeconómicos, (por ejemplo, precios de productos relacionados), los cuales afectan el nivel de ventas en una organización. Estas consideraciones no se habían tomado en cuenta en el pasado. La aplicación de este estudio fue en un supermercado. En primera instancia se realizó un pre-procesado para limpiar, adecuar y normalizar las bases de datos. Luego, debido a que no se tenía información etiquetada respecto a cuáles pares de productos eran sustitutos o complementarios, fue necesario aplicar un análisis de elasticidad cruzada. Además, se considera una media armónica (f1-score) en varios puntos para establecer prioridades en algunos productos y resultados obtenidos. Estudios en los que se realizan análisis comparativos entre pronósticos, demuestran la eficacia al usar redes neuronales, se presenta en: [7], [16] y [25]. El modelo propuesto en este estudio presenta una potencial aplicación en el pronóstico de ventas de productos de alta rotación en supermercados, ya que sus resultados son más exactos que los obtenidos con procedimientos tradicionales. The importance of forecasting and predicting the level of sales is vital to the survival of a company. There is continuous research on the development for better systems due to the lack of clear sales patterns. Through the rapid advancement of technology, it has been possible to develop applications based on artificial neural networks (ANN). These applications focus on the development of sales forecasts of products of frequent consumption, improving the accuracy of traditional forecasting systems. In the present study, the performance of traditional models is compared with more developed systems such as neural networks and support vector machines or support vector regression (SVM-SVR). It demonstrates the importance of considering external factors as macroeconomic and internal indicators such as microeconomics, (for example, prices of related products), which affect the level of sales in an organization. These considerations had not been taken into account in the past. The application of this study was in a super-market. In the first instance, a preprocessor was carried out to clean, adapt and standardize the databases. Then, because there was no labeled information regarding which pairs of products were substitutes or complements, it was necessary to apply a cross-elasticity analysis. In addition, a harmonic average (f1-score) is considered in several points to establish priorities in some products and obtain results. Studies in which comparative analyzes are made between forecasts, which demonstrate the effectiveness of using neural networks is presented in: [7], [16], and [25]. The model proposed in this study presents a potential application in the forecast of sales of high turnover products in supermarkets, since their results are more accurate than those obtained with traditional procedures. Ingeniero Industrial Cuenca 2018-09-26T19:23:00Z 2018-09-26T19:23:00Z 2018 Ensayos o artículos académicos http://dspace.ucuenca.edu.ec/handle/123456789/31256 spa TN;472 application/pdf application/pdf |
| spellingShingle | Arima Promedio Movil Pronostico Rna Svr Variacion Ciclica Ingeniería Industrial Aucapiña Peralta, Jonnatan Mesias Modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y SVR |
| title | Modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y SVR |
| title_full | Modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y SVR |
| title_fullStr | Modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y SVR |
| title_full_unstemmed | Modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y SVR |
| title_short | Modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y SVR |
| title_sort | modelo de elaboración de pronóstico de ventas mediante el uso de redes neuronales artificiales y svr |
| topic | Arima Promedio Movil Pronostico Rna Svr Variacion Ciclica Ingeniería Industrial |
| url | http://dspace.ucuenca.edu.ec/handle/123456789/31256 |
| work_keys_str_mv | AT aucapinaperaltajonnatanmesias modelodeelaboraciondepronosticodeventasmedianteelusoderedesneuronalesartificialesysvr |