Implementación de la técnica series de tiempo para desarrollar pronósticos mediante la identificación de patrones
Palabras clave:
SoftProsp, Times series, Pattern identification, forecastResumen
El objetivo de este trabajo es implementar la técnica Series de tiempo para el acompañamiento de estudios prospectivos en la plataforma web SoftProsp. Esta técnica, analiza el comportamiento de variables a través de datos del pasado, para desarrollar pronósticos mediante la identificación de patrones y su posible evolución en el tiempo, suponiéndose que las condiciones en que las variables fueron analizadas permanecerán constantes. Como apoyo, se diseña e implementa un modelo, que especifica las etapas y alcance del desarrollo de la técnica. Como resultado se busca disminuir los inconvenientes presentados en los estudios tradicionales, mediante los beneficios de las aplicaciones web y la orientación del usuario a través de opciones de ayuda y la visualización de otros puntos de vista.
Descargas
Citas
Botero, J., & Alvarez, L. (2013). Caracterización de la gestión de pronosticos de demanda empresarial (Tesis de pregrado). Bogotá, Colombia: Universidad del Rosario. Obtenido de http://repository.urosario.edu.co/bitstream/handle/10336/4847/1020758767-2013.pdf
Botero, S., & Cano, J. (2008). Análisis de series de tiempo para la predicción de los precios de la energia en la bolsa de Colombia. Cuadernos de economia, 27(48), 173-208.
Box, G., Jenkins, G., Reinsel, G., & Ljung, G. (2015). Time series analysis: forecasting and control. John Wiley & Sons.
Cabarcas, A., Gomez, R., & Tovar, L. (2013). Software para mejorar la aplicación de técnicas cuantitativas en estudios prospectivos. Cuadernos de administracion, 29(49), 64-74. Obtenido de http://www.redalyc.org/articulo.oa?id=225028225008
Conrado, C. (2000). La necesidad de la planeación estratégica en las organizaciones industriales modernas. TEMAS de Ciencia y Tecnología, 4(11), 17-28.
Contreras, A., Atziry, C., Martínez, J., & Sánchez, D. (2016). Análisis de series de tiempo en el pronóstico de la demanda de almacenamiento de productos perecederos. Estudios gerenciales, 32, 387-396.
De Greca, F., Rossi, B., Robiolo, G., & Travassos, G. (2015). Aplicación y Valoración de la Verificación y Validación de Software: una Encuesta Realizada en Buenos Aires. Simposio Argentino de Ingeniería de Software (ASSE 2015)-JAIIO 44, (págs. 26-40). Rosario.
Delgadillo-Ruiz, O., Ramírez-Moreno, P., Leos-Rodríguez, J., Salas, J., & Valdez-Cepeda, R. (2016). Pronósticos y series de tiempo de rendimientos de granos básicos en México. Acta Universitaria, 26(3), 23-32. doi:10.15174/au.2016.882
Gil, V. (2016). Pronóstico de la demanda mensual de electricidad con series de tiempo. EIA, 13(26), 111-120.
Hernández, R. (2014). La investigación cualitativa a través de entrevistas: su análisis mediante la teoría fundamentada. Cuestiones Pedagógicas, 23, 187-210.
Lozada, J. (2014). Investigación Aplicada: Definición, Propiedad Intelectual e Industria. Centro de Investigación en Mecatrónica y Sistemas Interactivos, Universidad Tecnológica Indoamérica(3), 34-39.
Méndez, G., & López, E. (2014). Metodología para el pronóstico de la demanda en ambientes multiproducto y de alta variabilidad. Tecnura, 18(40), 89-102.
Morales-Eslava, A., Silva-Urrutia, E., & Ordorica-Mellado, M. (2016). Pronósticos de la fecundidad en México: una aplicación de modelos multivariados de series de tiempo. Papeles de población, 22(89), 99-131.
Moreno, E. (2013). Predicción con series de tiempo y regresión. Panorama, 2(4).
Pacompia, E., & Sarmiento, J. (2016). Implementación de un sistema de información, basado en la metodología RUP, para mejorar el proceso de ventas en la empresa Cynergy Data (Tesis de pregrado). Lima, Perú: Universidad Autonoma del Perú. Obtenido de http://repositorio.autonoma.edu.pe/handle/AUTONOMA/335
Popper, R. (2008). Foresight methodology. En L. Georghiou, J. Cassingena, M. Keenan, I. Miles, & R. Popper, The Handbook the technology foresigth Concepts and Practice. Edward Elgar Publishing Limited.
Ríos, G., & Hurtado, C. (2008). Series de Tiempo. Universidad de Chile.
Rodríguez, C. (2014). Pensamiento prospectivo: visión sistémica de la construcción del futuro. Análisis, 46(84), 89-104.
Rodríguez, M. (19 de Agosto de 2013). Acerca de la investigación bibliográfica, documental. Obtenido de Guia de tesis: https://guiadetesis.wordpress.com/2013/08/19/acerca-de-la-investigacion-bibliografica-y-documental/
Velásquez, J., Gutierrez, S., & Franco, C. (2013). Using a dynamic artificial neural network for forecasting the volatility of a financial time series. Revista Ingenierías Universidad de Medellín, 12(22), 127-136.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2019 Raúl Martelo Gómez, David Franco Borré , Paulo Oyola Quintero
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
