Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
La planificación de producción en manufactura requiere pronósticos precisos. El presente estudio compara modelos de pronóstico para optimizar la producción de cocinas. El objetivo de la presente investigación es evaluar cuatro metodologías de pronóstico para determinar la más efectiva en la predicci...
| Autor: | |
|---|---|
| Formato: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2026 |
| País: | Ecuador |
| Recursos: | Universidad Politécnica Salesiana |
| Repositorio: | Repositorio Universidad Politécnica Salesiana |
| Idioma: | español |
| OAI Identifier: | oai:dspace.ups.edu.ec:123456789/32882 |
| Acesso em linha: | http://dspace.ups.edu.ec/handle/123456789/32882 |
| Access Level: | acceso abierto |
| Palavra-chave: | PRONÓSTICO DE PRODUCCIÓN REDES NEURONALES ARTIFICIALES SERIES DE TIEMPO OPTIMIZACIÓN DE PRODUCCIÓN PLANIFICACIÓN DE OPERACIONES |
| Resumo: | La planificación de producción en manufactura requiere pronósticos precisos. El presente estudio compara modelos de pronóstico para optimizar la producción de cocinas. El objetivo de la presente investigación es evaluar cuatro metodologías de pronóstico para determinar la más efectiva en la predicción de producción semanal de cocinas. Para ellos se analizaron 48 semanas de producción utilizando promedio móvil simple, promedio móvil ponderado, suavización exponencial simple y red neuronal artificial. Las métricas de evaluación incluyeron MAPE, MAE, RMSE, Bias y R² para comparar objetivamente el desempeño predictivo de cada modelo. Los resultados de la investigación demostraron que la red neuronal artificial es superioridad significativa con MAPE de 8.52% y R² de 0.783, representando una mejora del 53.8% sobre el mejor modelo tradicional. Los métodos convencionales mostraron limitaciones para capturar patrones no lineales, con MAPE entre 18.03 21.43%. La RNA redujo el error absoluto promedio a 244 unidades frente a 501-571 unidades de los otros modelos. Se puedo concluir que las redes neuronales constituyen la alternativa óptima para pronósticos de producción en la industria manufacturera de cocinas. |
|---|