Examinando por Materia "demand of polyethylene"

Mostrando 1 - 1 de 1
  • Miniatura
    PublicaciónAcceso abierto
    Los pronósticos de demanda en la gestión del mercado y de la producción
    (Universidad EIA, 2008) Parra Restrepo, Sergio Andrés; Uribe Aguilar, Juan David; Coca, German Augusto
    Resumen: El actual trabajo de grado tiene como principal objetivo hacer pronósticos de demanda de polietileno en todas las referencias que maneja Codiplax S.A., para elaborar planes agregados y el plan de mercadeo respectivo. Los modelos que se han utilizado para el logro de este propósito constan de las técnicas cuantitativas, como Regresión Múltiple y las técnicas de Series de Tiempo haciendo más énfasis en el modelo Box Jenkins ARIMA (Auto regressive integrated moving average) que establece relaciones entre el tiempo y los niveles de demanda, siendo su costo bajo por no tener que recolectar gran volumen de información de variables, sólo los datos de la principal a estimar, a excepción de la regresión que requiere más esfuerzo para la recolección de datos. Este tipo de modelos considera los movimientos estacionales o cíclicos de las series de tiempo y son usados también para el corto o mediano plazo. Los resultados arrojados por la regresión múltiple y la metodología de Box Jenkins ARIMA son confiables, prueba de ello es que se ha logrado conseguir un ajuste satisfactorio al cumplir con las pruebas específicas de validación. El modelo de Box Jenkins fue el utilizado o se especificó como fuente de entrada de datos para la planeación agregada, y se utilizó también para hacer pronósticos por referencia de producto. La regresión múltiple fue utilizada solo para estimar la demanda por referencia porque es un método que requiere mucho esfuerzo matemático y por lo general no otorga mucha confianza en el pronóstico, porque éste se obtiene colocando valores a las variables independientes que son aleatorias para obtenerlo. Es por esta razón que se utilizó ARIMA para los planes agregados, porque es un método más flexible, que sólo tiene en cuenta la serie de datos de la variable a pronosticar y sus resultados son más exactos. Esto no quiere decir que la regresión no sea el método apropiado, lo que acontece es que para una empresa es más sencillo familiarizarse con una metodología no muy complicada, máxime cuando son personas cuyos conocimientos estadísticos no son muy amplios. Por otro lado se estudio el macro-entorno de cada una de las referencias suscitadas en el proyecto, es decir, cada uno de los mercados asociados a estas. Para establecer un panorama que ayude a proyectar el mercado y compararlo con los datos arrojados por los pronósticos.