Modelo de pronóstico de demanda para productos del sector eléctrico

Abstract

El trabajo de grado que se presenta hace referencia a la propuesta planteada para la mejora de los modelos de predicción de demanda utilizados actualmente por la empresa Electrisol1 en productos de alta rotación los cuales representan en ventas mensualmente más del 90%, por tanto generan en el proceso de compras del área de abastecimiento un primer paso para la previsión de inventarios. Actualmente se están utilizando para esta labor modelos clásicos de series de tiempo como Estacional simple, Aditivo de Holt-Winters y promedio móvil, por esto se evaluaron metodologías de Machine y Deep Learning que puedan mejorar la predicción de cantidad vendida. En los resultados obtenidos se evidencia que los modelos Gradient Boosting y Long Short Term Memory Neural Network tienen mejor desempeño utilizando como métrica de comparación la Raíz del Error Cuadrático Medio, donde los resultados del promedio del RMSE fueron 285,1 y 290,6 respectivamente, por tanto se recomienda realizar la implementación gradual utilizando una muestra de control donde se pueda medir el impacto en el nivel de servicio y reducción de costos.