Aplicación de técnicas heurísticas para la identificación y análisis de problemas en el proceso productivo en la comercializadora de plásticos López con el fin de brindar posibles soluciones al programa de producción.

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.