Modelo de pronóstico de la demanda de rosas basado en redes bayesianas en la finca agrícola Susan Flowers Susan Quim S. A.

Abstract

El presente trabajo de grado se trata acerca de un Modelo de Pronóstico de la demanda de rosas basado en Redes Bayesianas en la finca agrícola Susan Flowers Susan Quim S. A.”. En primera instancia se realizó un estudio bibliográfico sobre la producción de rosas, los pronósticos con redes bayesianas con su respectiva modelación matemática, además se realiza un diagnóstico de la situación actual de la empresa para tener claro el enfoque que se le va a dar a la investigación. Posteriormente, con los datos validados de la demanda, se realiza un análisis ABC el cual nos ayuda a clasificar los productos estrella que tiene la empresa y de esa manera realizar la modelación correspondiente con BN. (Bayesian Networks). A continuación, se realizó una minería de datos tanto de la demanda real de rosas desde el año 2020 hasta el 2021, y a la par, de cada uno de los factores externos a introducir dentro del modelo como son: balanza de pagos, producto interno bruto, sector público no financiero, carga tributaria, índices de precios al consumidor, inflación, desempleo y la pandemia COVID-19. El diseño del modelo realizado consta de: La primera parte consiste en elaborar el pronóstico demanda mensual de las principales variedades de rosas, mediante la modelación de redes bayesianas con ocho modelos de predictores. El resultado del error cuadrático medio, RMSE, ayudó evidenciar que no todos los factores inciden de manera negativa a la demanda, al contrario, solo se logra obtener el resultado de tres factores de mayor incidencia que provoca pérdidas económicas a la empresa durante el periodo de 24 meses. Con los tres factores externos, desempleo, la balanza de pagos e inflación se diseña un modelo de redes bayesianas. La red bayesiana proporcionó resultados satisfactorios sin necesidad de una gran cantidad de datos históricos y con un bajo costo computacional. La segunda parte consiste en comparar los métodos de pronósticos tradicional en este caso MLP con el método de pronósticos de reyes bayesianas, utilizando la misma base de datos tanto de la demanda como de los factores externos. La tercera parte trata sobre la implementación de un factor de pandemia vs los factores de mayor incidencia, dentro del cual se realiza el mismo proceso de modelación tomando en cuenta la demanda de rosas por cada variedad, dando como resultado que los valores de los factores externos principales son iguales a los del factor pandemia. Es decir que todo aquello que se sucedió para que estos factores tengan este comportamiento fue a causa de la pandemia COVID-19 lo cual provocó grandes cambios en el sistema financiero de la empresa derivado en pérdidas económicas.