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...

ver descrição completa

Detalhes bibliográficos
Autor: Escudero Lainez, Sergio Andrés
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
id EC_fb91a4e39452ff083b65aa03a5b54df3
oai_identifier_str oai:dspace.ups.edu.ec:123456789/32882
network_acronym_str EC
network_name_str Ecuador
repository_id_str
spelling Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de GuayaquilEscudero Lainez, Sergio AndrésPRONÓSTICO DE PRODUCCIÓNREDES NEURONALES ARTIFICIALESSERIES DE TIEMPOOPTIMIZACIÓN DE PRODUCCIÓNPLANIFICACIÓN DE OPERACIONESLa 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.Production planning in manufacturing requires accurate forecasts. This study compares forecasting models for optimizing kitchen production. The objective of this research is to evaluate four forecasting methodologies to determine the most effective for predicting weekly kitchen production. For this purpose, 48 weeks of production data were analyzed using simple moving average, weighted moving average, simple exponential smoothing, and an artificial neural network. Evaluation metrics included MAPE, MAE, RMSE, bias, and R² to objectively compare the predictive performance of each model. The research results demonstrated that the artificial neural network showed significant superiority with a MAPE of 8.52% and an R² of 0.783, representing a 53.8% improvement over the best traditional model. The conventional methods showed limitations in capturing nonlinear patterns, with MAPE values ranging from 18.03% to 21.43%. The ANN reduced the average absolute error to 244 units compared to 501–571 units for the other models. It can be concluded that neural networks constitute the optimal alternative for production forecasting in the kitchen manufacturing industry.Caamaño Gordillo, Luis Daniel2026-04-21T16:54:56Z2026-04-21T16:54:56Z2026info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://dspace.ups.edu.ec/handle/123456789/32882spaAtribución-NoComercial-SinDerivadas 3.0 Ecuadorhttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/info:eu-repo/semantics/openAccessreponame:Repositorio Universidad Politécnica Salesianainstname:Universidad Politécnica Salesianainstacron:UPS2026-04-21T16:55:29Zoai:dspace.ups.edu.ec:123456789/32882Institucionalhttps://dspace.ups.edu.ec/Institución privadahttps://www.ups.edu.ec/https://dspace.ups.edu.ec/oai.Ecuador...opendoar:17372026-04-21T16:55:29Repositorio Universidad Politécnica Salesiana - Universidad Politécnica Salesianafalse
dc.title.none.fl_str_mv Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
title Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
spellingShingle Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
Escudero Lainez, Sergio Andrés
PRONÓSTICO DE PRODUCCIÓN
REDES NEURONALES ARTIFICIALES
SERIES DE TIEMPO
OPTIMIZACIÓN DE PRODUCCIÓN
PLANIFICACIÓN DE OPERACIONES
title_short Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
title_full Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
title_fullStr Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
title_full_unstemmed Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
title_sort Comparación de Modelos de Series Temporales para el Pronóstico de la Demanda Semanal de Cocinas en una Empresa Manufacturera de la Ciudad de Guayaquil
dc.creator.none.fl_str_mv Escudero Lainez, Sergio Andrés
author Escudero Lainez, Sergio Andrés
author_facet Escudero Lainez, Sergio Andrés
author_role author
dc.contributor.none.fl_str_mv Caamaño Gordillo, Luis Daniel
dc.subject.none.fl_str_mv PRONÓSTICO DE PRODUCCIÓN
REDES NEURONALES ARTIFICIALES
SERIES DE TIEMPO
OPTIMIZACIÓN DE PRODUCCIÓN
PLANIFICACIÓN DE OPERACIONES
topic PRONÓSTICO DE PRODUCCIÓN
REDES NEURONALES ARTIFICIALES
SERIES DE TIEMPO
OPTIMIZACIÓN DE PRODUCCIÓN
PLANIFICACIÓN DE OPERACIONES
description 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.
publishDate 2026
dc.date.none.fl_str_mv 2026-04-21T16:54:56Z
2026-04-21T16:54:56Z
2026
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://dspace.ups.edu.ec/handle/123456789/32882
url http://dspace.ups.edu.ec/handle/123456789/32882
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Atribución-NoComercial-SinDerivadas 3.0 Ecuador
http://creativecommons.org/licenses/by-nc-nd/3.0/ec/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 3.0 Ecuador
http://creativecommons.org/licenses/by-nc-nd/3.0/ec/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositorio Universidad Politécnica Salesiana
instname:Universidad Politécnica Salesiana
instacron:UPS
instname_str Universidad Politécnica Salesiana
instacron_str UPS
institution UPS
reponame_str Repositorio Universidad Politécnica Salesiana
collection Repositorio Universidad Politécnica Salesiana
repository.name.fl_str_mv Repositorio Universidad Politécnica Salesiana - Universidad Politécnica Salesiana
repository.mail.fl_str_mv .
_version_ 1873870149906333696
score 15,228081

Registos relacionados