Análisis comparativo de modelos tradicionales y modernos para pronóstico de la demanda: enfoques y características

Abstract

En estadística inferencial, el pronóstico es un proceso matemático mediante el cual se hace una estimación del valor futuro de una o más variables, como puede ser la demanda. El objetivo de este presente trabajo de investigación documental fue definir la clasificación de los principales tipos de pronósticos. Además, proponer algunos de los modelos más representativos utilizados actualmente para ser implementados por pequeñas y medianas empresas, aquellos que, con base en la literatura consultada, tienen mayor potencial para lograr un pronóstico de demanda exitoso. Se encontró que los pronósticos pueden ser univariados o multivariados; sin embargo, a fin de encontrar las alternativas que impliquen menor costo para la empresa por procesamiento de datos, se consideraron exclusivamente modelos de pronósticos de series de tiempo univariados, ya que requieren únicamente los datos históricos de las ventas de la empresa. Los modelos de pronósticos de serie de tiempo se clasificaron en tres enfoques: 1) estadísticos o tradicionales, de los cuales se recomendaron el modelo de suavización exponencial triple o de Holt-Winters y el modelo de promedios móviles autorregresivos integrados (Arima), 2) de aprendizaje automático, de los cuales se destacaron el modelo bosque aleatorio y el modelo de redes neuronales recurrentes de gran memoria a corto plazo (LSTM), 3) híbridos, de los cuales se sugirieron el modelo Arima-LSTM y el modelo Facebook Prophet.