TESIS

Universidad Tecnológica Del Perú –filial Arequipa [pic 1]

Facultad De Ingeniería

Carrera Profesional

Ingeniería de Sistemas e Informática

[pic 2]

Análisis e implantación de un Sistema de Producción que emplea una herramienta  Data Mining para el pronóstico de producción en la empresa de calzados  “DUKE S.A.C.” Arequipa, 2015

Presentado por:

Ventura Mamani Wily

Curso: Seminario de Tesis I

Décimo Ciclo

Profesor asesor:

Ing. Adin Sánchez Sánchez

Arequipa – Perú

2015[pic 3]

1. TÍTULO DE LA INVESTIGACIÓN

DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE PRONÓSTICO DE VENTAS  PARA TABLEROS SAC UTILIZANDO REDES NEURONALES FRENTE A LA EXPERIENCIA DE LOS VENDEDORES AREQUIPA AÑO-2015.

1. PROBLEMA DE INVESTIGACIÓN

1.  Descripcion del Problema

La prediccion de ventas en la empresas ha sido una de las tareas mas importantes puesto que las empresas nesecitan conocer los productos que son mas vendidos o menos vendidos en un determinado tiempo para evitar exeso o escases de productos, pero hasta ahora muchas de las empresas llevan este control mediante algunas herramientas o la experiencia de los vendedores. Se utilizan pronosticos en diferentes areas de la empresa como ventas, compras, produccion, etc.

Sinembargo un error en la predicción podría dejar a una empresa sin la materia prima o los insumos suficientes para su produccion o podria dejarle con un inventario demasiado grande, en cualquier situacion un pronóstico erroneo disminuye las utilidades de la empresa.

En la actualidad las consecuencias anteriores representan un grave problema para muchas empresas ya que los pronosticos de ventas se deben hacer para miles de productos.

1. Formulación del problema

“DISEÑO E IMPLEMENTACIÓN DE UN SISTEMA DE PRONÓSTICO DE VENTAS  PARA TABLEROS SAC UTILIZANDO REDES NEURONALES FRENTE A LA EXPERIENCIA DE LOS VENDEDORES AREQUIPA AÑO-2015”

2.2.1 Interrogantes de Investigación

Interrogante General:

• ¿Será factible diseñar e implementar un sistema de pronóstico de ventas para TABLEROS SAC utilizando redes neuronales frente a la experiencia de los vendedores?

Interrogantes Específicas:

• ¿Cómo son las variables que permiten cuantificadas los productos para el pronóstico?
• ¿Cuál es la arquitectura de la red neuronal más apropiada para el pronóstico de ventas?
• ¿Cómo es la técnica de redes neuronales en la predicción de ventas?
• ¿Cómo es la  experiencia de venta de los vendedores en la predicción de ventas?
• ¿Qué diferencias existen entre las técnicas que permitan descubrir la predicción de ventas?

1. Objetivos de la Investigación

1. Objetivo general

• Diseñar e implementar un sistema de pronóstico de ventas para TABLEROS SAC utilizando redes neuronales frente a la experiencia de los vendedores Arequipa año- 2015.

1. Objetivos Específicos

• Identificar las variables que permiten cuantificadas los productos para el pronóstico.
• Desarrollar la arquitectura de la red neuronal más apropiada para el pronóstico de ventas.
• Aplicar la técnica de redes neuronales para la predicción de ventas
• Determinar la  experiencia de venta de los vendedores en la predicción de ventas.
• Comparar las técnicas que permitan descubrir la predicción de ventas.

1. Justificación y delimitación de la investigación

1. Justificación de la investigación

La estimación del comportamiento futuro de algunas variables puede realizarse utilizando diversas técnicas de pronóstico. Cada una de las técnicas de proyección tiene una aplicación de carácter especial que hace de su selección un problema de decisión influido por diversos factores, como por ejemplo, la validez y disponibilidad de los datos históricos, la precisión deseada del pronóstico, el costo del procedimiento, los beneficios del resultado, los periodos futuros que se desee pronosticar y el tiempo disponible para hacer el estudio entre otros [Sapag Chain, 2010].

Las empresas actualmente no conoce la cantidad exacta y precisa de los productos para vender en una determinada temporada, generándose en ocasiones perdidas en la empresa. Muchas empresas cometen errores pronosticando sus ventas esto podría dejar a la empresa desabastecida o sobrepasar la materia prima o productos.

Se necesita un buen pronóstico de para optimizar la planeación de ventas por tal motivo muy importante realizar un estudio para determinar un acertado pronóstico de ventas para la empresa TABLEROS SAC utilizando una de las diferentes técnicas que nos ayudan a predecir  furutas ventas, como es la tecnica de Redes Neuronales.

1. Delimitación de la investigación

El presente estudio se realizará acerca de la demanda del sector Comercial de venta de productos de Ferreteria y servicio de cortes especiales y canteado  en  Perú, especificamente para una empresa distribuidora localizada en la ciudad de Arequipa, El pronostico se llevará a cabo para la linea de productos de Ferreteria.

La empresa en la que se desarrolla el estudio y las pruebas es TABLEROS SAC, en un tiempo determinado de Abril a Diciembre del Año 2015.

2. Marco Teórico

2.1. Redes Neuronales Artificiales

2.1.1. Introducción

Si tuviéramos que definir la principal característica que nos separa del resto de animales seguramente, la gran mayoría de nosotros, responderíamos la capacidad de raciocinio. Esta capacidad nos ha permitido desarrollar una tecnología propia de tal manera que, en estos momentos, esta tecnología se orienta a descubrir su origen. ¿Cómo funciona el cerebro? ¿Se pueden construir modelos artificiales que lo emulen? ¿Se pueden desarrollar máquinas inteligentes? Todas estas preguntas han conducido a un rápido desarrollo de un campo multidisciplinar del conocimiento conocido como Inteligencia Artificial (I.A.). Este campo se podría dividir en dos clases que podríamos definir como

“macroscópico” y microscópico”.

En el primero de ellos se intenta modelizar el funcionamiento del cerebro en base a reglas del tipo “si ocurre esto entonces...”, el nombre de macroscópico se debe a que no se toma en cuenta en ningún momento la estructura interna del cerebro sino que modeliza su comportamiento en base a un funcionamiento que podríamos definir como global. En la segunda aproximación se parte de la estructura que presenta el cerebro de tal forma que se construyen modelos que tienen en cuenta dicha estructura. De esta forma aparecen “neuronas artificiales” que se combinan entre sí para formar “estructuras multicapas” que, a su vez, pueden combinarse para formar “comités de expertos”, etc. Esta forma de combinación recuerda la estructura en niveles del cerebro. Esta aproximación de la I.A conocida como redes neuronales ha sufrido, en los últimos años, un incremento espectacular en publicaciones, aplicaciones comerciales, número de congresos celebrados, etc.

2.1.2. REDES NEURONALES

Las redes neuronales artificiales (RN) son sistemas paralelos para el procesamiento de la información, inspirados en el modo en el que las redes de neuronas biológicas del cerebro procesan información.

2.1.3. VENTAJAS DE LAS REDES NEURONALES

Acabamos de ver el desarrollo histórico de los sistemas conexionistas; se ha comprobado que, es una ciencia multidisciplinar donde ingenieros, psicólogos, médicos, matemáticos y físicos teóricos han aportado algún elemento a estas teorías, pero, ¿por qué ese interés en estos sistemas? ¿qué tienen en especial frente a otros que podríamos denominar clásicos? en definitiva ¿qué cosas nuevas nos ofrecen?

Al principio de este capítulo se ha comentado que la potencia computacional de una red neuronal deriva, principalmente, de su estructura de cálculo distribuido paralelo. Esta estructura le permite la resolución de problemas que necesitarían gran cantidad de tiempo en ordenadores “clásicos”. Pero aparte de este hecho aparecen otras propiedades que las hacen especialmente atractivas para ser usadas en una gran cantidad de problemas prácticos:

a) Son sistemas distribuidos no lineales: Una neurona es un elemento no lineal por lo que una interconexión de ellas (red neuronal) también será un dispositivo no lineal. Esta propiedad permitirá la simulación de sistemas no lineales y caóticos, simulación que, con los sistemas clásicos lineales, no se puede realizar.

...