Para hacer un pronóstico, es común requerir información cuantitativa del comportamiento de la demanda a través del tiempo, es decir, una serie de tiempo, siendo el análisis de series de tiempo la técnica estadística más utilizada para estimar su comportamiento. Por muchos años, este tipo de análisis ha estado dominado por la utilización de métodos estadísticos lineales que se pueden implementar de manera conveniente; sin embargo, la existencia de relaciones no lineales entre los datos pueden limitar la aplicación de estos modelos. En la práctica es muy posible encontrar relaciones no lineales en los datos, tal como sucede en este caso de estudio. Por ello es necesaria la utilización de técnicas capaces de reflejar dicho comportamiento.
La utilización de redes neuronales artificiales (RNA) para pronósticos de series de tiempo es relativamente nueva en la literatura, sin embargo, lo positivo de los resultados en las aplicaciones prácticas la convierten en una área prometedora. En este trabajo se describe la utilización de RNA para pronóstico de demanda. Se propone además un método para definir los parámetros de las RNA de una manera integrada y repetible y se prueba con una aplicación real.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Libro:
Programación dinámica e inferencia bayesiana. Conceptos y aplicaciones
Artículo:
Modelo conceptual para el diseño de sistemas de productos
Artículo:
Desarrollo y evolución de la ingeniería industrial y su papel en la educación
Video:
Análisis bayesiano
Ponencia:
Programación simbólica dinámica para procesos de decisión markovianos parcialmente observables
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Tesis:
Materiales y prácticas de construcción sostenible