Utilización de redes neuronales para mejorar el nivel de pronóstico de exportaciones de palta fresca, empresa Avocado Packing Company, 2020

Abstract

Esta investigación abordó el tema del pronóstico del volumen de ventas de palta fresca de la empresa Avocado Packing Company S.A.C. por medio de las redes neurales artificiales (RNA). El objetivo fue determinar el nivel de precisión de las redes neuronales artificiales empleadas en un modelo de pronóstico de exportaciones de palta fresca. La metodología consistió en definir las variables de entrada y salida, tales como semanas de despacho, precio, consumo percápita y volumen de ventas; las cuales se utilizaron para establecer la cantidad de neuronas de entrada y salida. Posteriormente se realizó el diseño de la red con algoritmo de entrenamiento Backpropagation y función purelin para la obtención de datos de salida. Los valores de neuronas de capa oculta y tasa de aprendizaje, se obtuvieron de acuerdo al menor valor de error cuadrático medio (MSE) y mayor valor de coeficiente de correlación (R) en la etapa de entrenamiento. En esta etapa también se obtuvieron los valores de pesos y bías para la realización del pronóstico en la etapa de validación. En dicha etapa se obtuvo un valor de MSE de 0,0187, menor al obtenido por modelo ARIMA, de 0,0243. El análisis estadístico reveló que no existe diferencia significativa entre las medias de los valores de error de ambos métodos, sin embargo, al presentar el método de redes neuronales menor valor de error se concluye que es el método más adecuado para la realización del pronóstico.