PDF Universidad Nacional Del Callao Escuela De Posgrado

Es por ello que el propósito de este trabajo es brindar una solución de pronóstico de ventas utilizando uno de los llamados nuevos métodos de pronóstico, las redes neuronales artificiales, mediante el cual se generará un modelo de pronóstico de ventas en base a los niveles de ventas históricos realizados. de la empresa peruana Royal Plus Import. Debido a lo anterior, este trabajo se centra en dotar a las Pymes del sector comercial peruano de una herramienta informática que permita realizar pronósticos de ventas con suficiente precisión a un costo y tiempo aceptable, utilizando para tal fin redes neuronales artificiales.

PLANTEAMIENTO DEL PROBLEMA

• Descripción de la realidad problemática
• Formulación del problema
• Problema General
• Problemas especificos
• Objetivos
• Objetivo General
• Objetivos especificos
• Justificación

OE3: Realizar la evaluación de los resultados obtenidos del modelo de pronóstico de ventas generado. OE4: Ejecutar la herramienta que implementa el modelo de pronóstico de ventas incorporado; lo que brindará la oportunidad de realizar pronósticos, así como visualizar e interpretar los resultados.

MARCO TEÓRICO

Antecedentes

16 A partir de la segunda mitad del siglo XX, gracias a la llegada de la computadora y al rápido aumento de la potencia informática, las técnicas de pronóstico estadístico existentes se fortalecieron y regresó el interés por los modelos no lineales, como las redes neuronales y los árboles de decisión. y se desarrollaron nuevas técnicas como modelos lineales generalizados y modelos de simulación. Finalmente, luego de combinar una o más técnicas estadísticas con un conjunto de algoritmos de ejecución bajo una interfaz gráfica de usuario, dentro de un sistema informático que implementa funciones de pronóstico, entre otras; Obtienes los llamados paquetes de software estadístico, que elaboran pronósticos como función principal o como una más dentro del amplio abanico de funcionalidades que ofrecen.

Bases teóricas

• Las Redes Neuronales Artificiales
• El Pronóstico de Ventas

El pronóstico de ventas debe verse como la mejor estimación de la demanda de los clientes de los productos o servicios de una empresa, durante un horizonte temporal determinado, dado un conjunto de supuestos sobre el entorno (Mentzer y Moon, 2005, p9). El tercer elemento, que está presente en distintos grados en todas las situaciones descritas, es la confianza de quien realiza la predicción en la información contenida en los datos históricos.

Conceptual

Además, los pesos de las conexiones permanecen fijos una vez completada la fase de entrenamiento de la red. La calidad del conocimiento descubierto depende no sólo del algoritmo de minería de datos utilizado, sino también de la calidad de los datos extraídos. Por otro lado, además de la irrelevancia, existen otras cuestiones que afectan la calidad de los datos.

Definición de términos básicos

49 Ya sea una aplicación manual o automática del modelo, es necesaria su difusión, es decir, se distribuye y comunica a los potenciales usuarios ya sea a través de los canales habituales dentro de la organización, reuniones, intranets, etc. Por ejemplo, todos los vendedores saben que las ventas se ven afectadas por factores externos, como la inflación, que cambia el comportamiento de compra de las personas. Por lo tanto, el modelo tendrá que ser monitoreado, lo que significa que el modelo tendrá que ser reevaluado, reentrenado y posiblemente completamente reconstruido de vez en cuando (Hernández et al., 2004, p.39).

50 un determinado plan de marketing, una estrategia de mercado y otros elementos de negocio, que se expresan en unidades físicas o monetarias.

HIPÓTESIS Y VARIABLES

Hipótesis

• Hipótesis general
• Hipótesis especificas

Definición conceptual de variables

Operacionalización de variables

DISEÑO METODOLÓGICO

Así, (Chase, Aquilano y Jacobs, 2001) citado por (García et al., 2009, p.48), clasifican los métodos de pronóstico en función de lo que consideran importante analizar, y los agrupan en: cualitativo, análisis de series de tiempo, Modelos causales y de simulación. A continuación, describiremos cada uno de los métodos y modelos utilizados para realizar la previsión de ventas. 57 la intuición, las experiencias personales y el conocimiento del mercado influyen significativamente en la previsión.

La suma de las estimaciones individuales constituye la previsión de la empresa o división. También se entrega a cada uno de los participantes un resumen de la información obtenida en el cuestionario anterior, dando acceso a toda la información a todos los expertos. La técnica es similar a las medias móviles, excepto que los datos más recientes tienen una mayor ponderación.

Para hacer predicciones es necesario hacer suposiciones sobre los valores de los factores exógenos en el futuro o, estos valores deben predecirse en ese momento (Makridakis y Wheelwright, 1992) citado por (García et al., 2009, pág.52). Estos tienen una estructura similar a los modelos de una ecuación ya descritos, pero con más de una variable dependiente, luego predicen las variables dependientes (o endógenas) haciendo suposiciones sobre los valores futuros de las variables exógenas (Makridakis y Wheelwright). 1992) citado por (García et al., 2009, p.52).

RESULTADOS

Resultados descriptivos

Los pronósticos dependen de la precisión de los pronósticos iniciales de la demanda de los consumidores. Se requiere una determinación y ajuste precisos de los parámetros de la red para construir un modelo adecuado. Como se mencionó anteriormente, una de las grandes ventajas de las redes neuronales es el alto grado de precisión con el que brindan sus resultados, pero esto depende principalmente de la calidad de los datos disponibles para resolver el problema.

Para construir el modelo partiremos de que el valor de las ventas en un período determinado se puede estimar con base en los niveles de ventas anteriores a dicho período, es decir, con base en el comportamiento histórico de dicha variable en el tiempo. Datos de entrada que permitan describir el comportamiento de la serie de ventas en el tiempo. El número de neuronas de la capa oculta se determinará en función de las características de la serie de ventas a procesar.

A continuación se describe cada uno de los elementos que forman parte de la Red Neuronal Artificial Perceptrón Multicapa que se diseñará. Teniendo en cuenta que existen patrones “P” (niveles de ventas) disponibles para la capacitación en red.

Aporte Práctico

• Introducción
• Objetivos del Modelo
• Requerimientos

Cabe destacar que el modelo gestionará las previsiones como proyectos independientes, dentro de los cuales encontraremos los modelos de previsión y los procesos tanto de creación de modelos como de previsión de ventas necesarios para su correcto funcionamiento. Del mismo modo, los modelos de predicción se basarán en redes neuronales artificiales tal y como se describe en los apartados anteriores. Descripción El sistema debe gestionar la información correspondiente a las previsiones de ventas generadas: creación de previsiones, actualización de datos y eliminación de previsiones.

Comentarios Las previsiones de ventas se crearán como proyectos que contendrán, entre otras cosas, los modelos de previsión construidos, así como los procesos de formación, validación y operación. Descripción El modelo debe manejar la información correspondiente a los modelos de previsión construidos: creación de modelos, actualización de datos y eliminación de modelos de previsión. Comentarios Los modelos de pronóstico contendrán información relacionada con el modelo basado en redes neuronales artificiales construido a través de los procesos de capacitación y validación.

El modelo de pronóstico de ventas – SFM, presentará las funcionalidades descritas en la tabla 4.8. RF-06 Realizar el pronóstico de ventas para un período específico utilizando el modelo de pronóstico seleccionado.

Experimentos con estudio de casos

• Definición del caso de estudio
• Experimentos realizados

Seleccione el tipo de conexión a establecer (en este caso MySQL), ingrese el nombre del host donde se encuentra la base de datos (para el caso de estudio localhost), ingrese el nombre de la base de datos "sales_forecasting_db", ingrese el número de puerto (el sistema ofrece el puerto predeterminado según el tipo de conexión, en este caso el puerto número 3306 para MySQL), ingresa el usuario (root) y contraseña con el que te conectarás a la base de datos (es posible, antes de continuar, probar que la conexión puede establecerá con la información ingresada, seleccione el botón Probar Conexión), luego seleccione el botón Siguiente y se mostrará la ventana que se muestra en la Figura 4.17. 110 Continúe el experimento, luego de seleccionar la tabla fuente de los datos históricos de ventas, se selecciona el botón siguiente y se mostrará la ventana que se muestra en la figura 4.18. Finalmente seleccione el botón finalizar, el sistema creará el nuevo pronóstico y cargará la ventana que se muestra en la figura 4.19.

Después de ingresar todos los parámetros necesarios, seleccione el botón Iniciar entrenamiento y el sistema llevará a cabo el proceso de entrenamiento del modelo neuronal como se muestra en la ventana de la Figura 4.20. En este paso se realizará el pronóstico de ventas para el mes de enero de 2013, para lo cual se debe seleccionar el pronóstico con el botón modelo (previamente creado) y se abrirá la ventana de la figura 4.23. Como se observa en el gráfico 4.24, el volumen de ventas para el mes de enero de 2013 es de S/.

Como se puede observar en el gráfico 4.21, los índices de ventas para los meses indicados son los que se muestran en el cuadro 4.17. Finalmente, en la Figura 4.26 se muestra la serie de ventas para los periodos correspondientes al experimento 2.

DISCUSIÓN DE RESULTADOS

Una vez construidos los modelos a comparar, cada uno de ellos servirá para realizar pronósticos de ventas para los meses comprendidos entre enero y diciembre de 2012. Como evaluación final, se encuentra que los índices de ventas pronosticados por el Sistema de Pronósticos de Ventas –SFS tienen una precisión del 87,27%, mientras que las predicciones de GMDH Sell tienen una precisión del 84,81%. El costo monetario de los Sistemas de Pronóstico de Ventas – SFS, al ser una herramienta desarrollada con software libre, que crea modelos basados ​​en redes neuronales y está dirigida a Pymes comerciales del Perú, tendría un precio promedio de S/ 120,00 mensuales.

El costo de aprendizaje para el sistema de pronóstico de ventas – SFS es inicialmente relativamente alto, ya que el usuario encargado de construir los modelos es responsable de elegir sus parámetros de entrenamiento, y por lo tanto necesita conocer conceptos como neuronas bajas, tasa de rendimiento o tasa de aprendizaje; aunque este inconveniente puede reducirse eficazmente con una formación adecuada. Se ha puesto a disposición de las Pymes del sector comercial peruano la herramienta informática Sales Forecasting System - SFS, que agilizará la realización de pronósticos de ventas, mediante la elaboración de pronósticos basados ​​en redes neuronales artificiales, para obtener resultados precisos y confiables a un costo aceptable. y tiempo. Se desarrolló la herramienta de software Sales Forecasting System – SFS, que implementa modelos basados ​​en redes neuronales para realizar pronósticos precisos de ventas para las Pymes del sector comercial peruano.

La recuperación tras la aplicación del software que predice modelos con redes neuronales artificiales da resultados más precisos en comparación con los modelos basados ​​en métodos estadísticos. Esto impediría al usuario realizar dichas tareas y concentrarse únicamente en realizar previsiones de ventas finales.