PRONÓSTICO DEL CONSUMO DE CONSERVAS DE PESCADO EN EL PERÚ PARA UN PROYECTO INDUSTRIAL PESQUERO UTILIZANDO MODELOS DE SERIES DE TIEMPO
DOI:
https://doi.org/10.21704/ac.v84i1.1528Palabras clave:
Modelos de series de tiempo, regresión lineal, descomposición de series de tiempo, método de Winters, indicadores del error del pronósticoResumen
En el programa de producción de conservas de pescado es muy importante calcular su pronóstico a través de modelos estadísticos que minimicen el error de las proyecciones y que permita estimar las cantidades a producir. El objetivo del presente trabajo de investigación es seleccionar un modelo de pronóstico para el consumo de conservas de pescado en el Perú para un proyecto industrial pesquero utilizando modelos de series de tiempo. Se utilizaron modelos de pronósticos como el de regresión lineal, descomposición de series de tiempo y el método de Winters. Los datos de entrada fueron las ventas internas mensuales de conservas de pescado de los años 2011 al 2014. Se compararon los indicadores del error del pronóstico como la desviación media absoluta (MAD) y el error porcentual absoluto medio (MAPE) de los pronósticos de un año (2014), dos años (2013-2014), tres años (2012-2014) y cuatro años (2011-2014) para validar con los pronósticos de los años 2015-2019. El modelo de pronóstico seleccionado fue el de descomposición de series de tiempo aditivo estacional con los datos de dos años (2013-2014) porque obtuvo el menor MAD = 588.0 y menor MAPE = 15.00%.
Descargas
Referencias
Bowerman, B. L., O’Connell, R. T., & Koehler, A. B. (2007). Pronósticos, series de tiempo y regresión (Cuarta Ed). Thomson.
Chatfield, C., & Yar, M. (1991). Prediction intervals for multiplicative Holt-Winters. International Journal of Forecasting, 7(1), 31–37. https://doi.org/10.1016/0169-2070(91)90030-Y
Contreras, A., Atziry Zuñiga, C., Martínez Flores, J. L., & Sánchez Partida, D. (2016). Análisis de series de tiempo en el pronóstico de la demanda de almacenamiento de productos perecederos. 32, 387–396. https://doi.org/http://dx.doi.org/10.1016/j.estger.2016.11.002
Hanke, J. E., & Wichern, D. W. (2006). Pronósticos en los negocios (Octava Ed). Pearson Educación.
Heizer, J., & Render, B. (2009). Principios de Administración de Operaciones. In Pearson Educación (Séptima Ed). Pearson Educación.
Mbuli, N., Mathonsi, M., Seitshiro, M., & Pretorius, J. H. C. (2020). Decomposition forecasting methods: A review of applications in power systems. Energy Reports, 6(2020), 298–306. https://doi.org/10.1016/j.egyr.2020.11.238
Menacho, C. H. (2014). Comparación de los métodos de series de tiempo y redes neuronales. Anales Científicos, 75(2), 245. https://doi.org/10.21704/ac.v75i2.960
Merkuryeva, G., Valberga, A., & Smirnov, A. (2019). Demand forecasting in pharmaceutical supply chains: A case study. Procedia Computer Science, 149, 3–10. https://doi.org/10.1016/j.procs.2019.01.100
Ministerio de la Producción. (2011). Anuario Estadístico del Sector Producción 2011. PRODUCE.
Ministerio de la Producción. (2012). Anuario Estadístico Pesquero y Acuícola 2012. PRODUCE.
Ministerio de la Producción. (2013). Anuario Estadístico Pesquero y Acuícola 2013. PRODUCE.
Ministerio de la Producción. (2014). Anuario Estadístico Pesquero y Acuícola 2014. PRODUCE.
Ministerio de la Producción. (2015). Anuario Estadístico Pesquero y Acuícola 2015. PRODUCE.
Ministerio de la Producción. (2016). Anuario Estadístico Pesquero y Acuícola 2016. PRODUCE.
Ministerio de la Producción. (2017). Anuario Estadístico Pesquero y Acuícola 2017. PRODUCE.
Ministerio de la Producción. (2018). Anuario Estadístico Pesquero y Acuícola 2018. PRODUCE.
Ministerio de la Producción. (2019). Anuario Estadístico Pesquero y Acuícola 2019. PRODUCE.
Ministerio de la Producción. (2022). Anuario Estadístico Pesquero y Acuícola 2022. PRODUCE.
Montes, E. G., Calvete González, F. E., & Mantilla Duarte, C. A. (2016). Aplicación De Series De Tiempo En La Realización De Pronósticos De Producción. Revista Fuentes El Reventón Energético, 14(1), 79–88. https://doi.org/10.18273/revfue.v14n1-2016007
Wilson, J. H., & Keating, B. (2007). Pronósticos en los negocios (Quinta Ed.). McGraw-Hill.
Yadav, A. K., Das, K. K., Das, P., Raman, R. K., Kumar, J., & Das, B. K. (2020). Growth trends and forecasting of fish production in assam, india using arima model. Journal of Applied and Natural Science, 12(3), 415–421. https://doi.org/10.31018/jans.v12i3.2353
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2023 Christian René Ramos Ángeles, Gloria Esther Valdivia Camacho
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Cómo citar
