Redes neuronales artificiales para la previsión de la demanda de agua embotellada: un estudio de caso para una pequeña empresa

Abstract

Este artículo presenta un modelo de pronóstico de demanda basado en redes neuronales, diseñado para un pequeño fabricante de agua embotellada en Ecuador, que actualmente carece de metodologías adecuadas de pronóstico de demanda, lo que le ocasiona problemas de incumplimiento de pedidos, exceso de inventario y pérdidas económicas. Sin embargo, al trabajar con predicciones precisas, el fabricante podrá anticipar las necesidades futuras para satisfacer la demanda de sus productos, garantizando así el uso oportuno y razonable de los recursos. Para resolver los problemas que enfrenta este pequeño fabricante, se realizó un proceso de adquisición de datos históricos de demanda a través de los registros de pedidos de los últimos 36 meses. En la construcción de la serie temporal histórica analizada, se establecieron las fechas y volúmenes de demanda como variables de entrada. Posteriormente, se diseñaron modelos de pronóstico, basados en métodos clásicos y redes neuronales multicapa, los cuales fueron evaluados mediante indicadores de error cuantitativos. La aplicación de estos métodos se realizó mediante el lenguaje de programación R. A continuación, se incluyó una etapa de entrenamiento y mejora de la red, la cual fue evaluada con respecto a los resultados de los métodos de pronóstico clásicos, y se pronosticó la demanda para los próximos 12 meses utilizando el mejor modelo obtenido. Finalmente, se demuestra la viabilidad del uso de redes neuronales en la previsión de la demanda de botellas de agua purificada.