Abstract:
En los últimos tiempos ha cambiado el contexto en que se desarrolla el mercado
haciendo más compleja la sostenibilidad de las compañías, por ello se han visto
en la necesidad de innovar a tal punto de pretender ser más competitivos, usando
herramientas tales como pronósticos a fin de poseer sistemas flexibles que
permitan enfrentar adecuadamente los riesgos del diario vivir empresarial e
industrial, controlar, anticipar e incrementar la participación del mercado
cambiante, que irán ligados a la optimización de los recursos.
Los pronósticos son métodos numéricos de predicción de la demanda, se
basan en series temporales tales como, suavización exponencial, modelos de
función de transferencia o en relaciones causales, por ejemplo análisis de
regresión lineal [1]. Los pronósticos de ARIMA están presentes en innumerables
campos de estudio, según Contreras, Espinola, Nogales y Conejo [2], utilizan el
modelo para predecir los métodos de electricidad del día siguiente basados en la
metodología de ARIMA, a su vez, se utilizan para analizar serie temporales y en el
pasado se han utilizado principalmente para la predicción de la carga debido a su
precisión y solidez matemática. Por otro lado, en el área de salud, Miranda y
Ramos [3] emplea el pronóstico ARIMA con enfoque Box-Jenkins para el cálculo
de tendencias nacional y regional de enfermedades. También se encuentra
presente en otros sectores, constituyendo una herramienta de amplio espectro de
aplicación, en la modelación económica, es posible entender el comportamiento
de ciertas variables con respecto al tiempo [4], y combinados con otros modelos
pueden generar un mejor resultado como lo plantea [5], Proponiendo una
metodología hibrida que combina tanto los modelos ARIMA como las redes
neuronales artificiales para aprovechar las fuerzas únicas de estos modelos en
modelos lineales y no lineales, los resultados experimentales indican que el
modelo puede ser una manera efectiva para la predicción precisa.
