dc.contributor.author |
López Barajas, Jonathan Andrés |
|
dc.contributor.author |
Tinjaca Rodríguez, Daniel Sebastian |
|
dc.contributor.author |
Hernández Martínez, Paula Andrea |
|
dc.coverage.spatial |
Bogotá D.C. |
es_ES |
dc.date.accessioned |
2017-05-10T22:32:40Z |
|
dc.date.available |
2017-05-10T22:32:40Z |
|
dc.date.issued |
2017 |
|
dc.identifier.citation |
López, J., Tinjaca, D., Hernández, P. (2017). 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. (Trabajo de grado). Corporación Universitaria Minuto de Dios, Bogotá-Colombia. |
spa |
dc.identifier.uri |
http://hdl.handle.net/10656/4922 |
|
dc.description.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. |
en |
dc.language.iso |
es |
en |
dc.publisher |
Corporación Universitaria Minuto de Dios |
en |
dc.subject |
Industria |
en |
dc.subject |
Mercado Cambiante |
en |
dc.subject |
ARIMA |
en |
dc.title |
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. |
en |
dc.type |
Thesis |
en |
dc.subject.lemb |
INTEGRACIÓN INDUSTRIAL |
es |
dc.subject.lemb |
SECTOR INDUSTRIAL |
es |
dc.subject.lemb |
EMPRESARIOS INDUSTRIALES |
es |
dc.subject.lemb |
MAQUINARIA EN LA INDUSTRIA |
es |
dc.publisher.program |
Ingeniería Industrial |
es_ES |
dc.source.bibliographicCitation |
H. B. Archer. Forecasting demand. International Journal of Tourism
Management. Volume 1, Issue 1, Pages 5-12. |
|
dc.source.bibliographicCitation |
J. Contreras, R. Espinola, F.J. Nogales, y A.J. Conejo. ARIMA models to predict
next-day electricity prices, in IEEE Transactions on Power Systems, vol. 18, no. 3,
pp. 1014-1020, Aug. 2003. Disponible
en: http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1216141&isnumber
=27352 |
|
dc.source.bibliographicCitation |
J. Miranda y W. Ramos. Pronóstico de la tendencia nacional y regional de las
enfermedades diarreicas agudas en menores de cinco años de edad en el Perú
mediante un modelo ARIMA con el enfoque Box-Jenkins. Revista Peruana de
Epidemiología, 14(1), 1-8. (2010). Disponible en:
https://dialnet.unirioja.es/servlet/articulo?codigo=3989474 |
|
dc.source.bibliographicCitation |
J. Herrera y G. Hernández. Metodología de un Modelo ARIMA Condicionado
para el Pronóstico del PIB.Ma'T7.1J de 2002 |
|
dc.source.bibliographicCitation |
G. Peter Zhang. Time series forecasting using a hybrid ARIMA and neural
network model. Neurocomputing, Elsevier, (January, 2003) |
|
dc.source.bibliographicCitation |
A. Castro. Diseño e implementación de algoritmos de programación de trabajos
en máquinas. Escuela De Ingenieros De Sevilla. (Abril 2013) |
|
dc.source.bibliographicCitation |
M. Cervantes. Nuevos Métodos Meta Heurísticos para la Asignación Eficiente,
Optimizada y Robusta de Recursos Limitados Valencia, 2010. |
|
dc.source.bibliographicCitation |
M. Valenzuela. Departamento de Ingeniería de Sistemas, Instituto Tecnológico
de Tepic mireyalisset@yahoo.com.mx Roger Z. Ríos Mercado
División de Posgrado en Ingeniería de Sistemas, FIME, UANL roger@uanl.mx |
|
dc.source.bibliographicCitation |
Bautista Valhond, J. (1993). Procedimientos heurísticos y exactos para la
secuenciación en sistemas productivos de unidades homogéneas (contexto JIT.
[online] Dialnet Plus. Available at:
https://dialnet.unirioja.es/servlet/tesis?codigo=12374 [Accessed 8 Jan. 2017]. |
|
dc.source.bibliographicCitation |
Restrepo, J., Bernal, M. and Sarmiento, G. (2012). Aplicación de la heurística
de CDS en la secuenciación de n tareas en m máquinas: un caso de
estudio. Scientia et Technica, 52. |
|
dc.source.bibliographicCitation |
J.F. Jiménez y R. Sánchez. La capacidad predictiva en los métodos Box –
Jenkins y Holt-Winters: una aplicación al sector turístico. Revista Europea de
Dirección y Económica de la Empresa, vol.15, núm. 3(2006), pp.185-198 ISSN
1019-6838. |
|
dc.source.bibliographicCitation |
J. Murillo y A. Garrido. Model Forecast of Demand for Business Unit
Laboratory Farmacoop, Universidad Militar Nueva Granada. |
|
dc.source.bibliographicCitation |
F. Cardona y M. González y E. Rivera. Inferencia estadística Módulo de
regresión lineal simple. Documento de investigación No. 147. Universidad del
Rosario Escuela de Administración Editorial Universidad del Rosario Bogotá D.C.
2013 |
|
dc.source.bibliographicCitation |
P. González. Análisis de Series Temporales: Modelos ARIMA. Departamento
de Economía Aplicada III. Facultad de Ciencias Económicas y Empresariales,
Universidad del País Vasco (UPV-EHU) |
|
dc.source.bibliographicCitation |
Niebel, B., Freivalds, A. and González Osuna, M. (2004). Métodos,
estándares y diseño del trabajo. 1st ed. México: Alfaomega, pp.345-360. |
|
dc.source.bibliographicCitation |
M. Valenzuela. Departamento de Ingeniería de Sistemas, Instituto Tecnológico
de Tepic mireyalisset@yahoo.com.mx Roger Z. Ríos Mercado
División de Posgrado en Ingeniería de Sistemas, FIME, UANL roger@uanl.mx |
|
dc.source.bibliographicCitation |
Castro del Fresno, A. (2013). DISEÑO E IMPLEMENTACIÓN DE
ALGORITMOS DE PROGRAMACIÓN DE TRABAJOS EN MÁQUINAS. 1st
ed.[ebook] Sevilla. Available at:
39
http://bibing.us.es/proyectos/abreproy/30179/fichero/PFC+Antonio+Luis+Castro.pd
f [Accessed 10 Jan. 2017]. |
|
dc.source.bibliographicCitation |
R.B. Chase y F.R. Jacobs. Administración de operaciones. Producción y
cadena de suministros: Decimotercera edición. México: editor S.A. DE C.V, 2014,
628 p. ISBN 978-007-352522-8 |
|
dc.source.bibliographicCitation |
Devore, J. (2001). Probabilidad y estadística para ingeniería y ciencias. 1st
ed. México, D.F.: Thomson Learning. |
|