Machine learning applied to forecast intermittent demandin a plastic packaging company

Descripción del Articulo

This article compares three demand forecasting methods applied to a Peruvian cosmetic plastic packaging company with intermittent demand. The comparison between the error metrics for forecasting Mean Absolute Error, Mean Percentage Error, and Mean Squared Error obtained by the Croston, Croston TSB,...

Descripción completa

Detalles Bibliográficos
Autores: Sánchez García, Alex Víctor, Taquía Gutiérrez, José Antonio
Formato: artículo
Fecha de Publicación:2024
Institución:Universidad de Lima
Repositorio:Revistas - Universidad de Lima
Lenguaje:español
OAI Identifier:oai:revistas.ulima.edu.pe:article/6715
Enlace del recurso:https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/6715
Nivel de acceso:acceso abierto
Materia:plastic containers
supply chain
machine learning
sales forecasting
supply and demand
exponential smoothing
forecasting
envases de plástico
cadena de suministro
aprendizaje automático
previsión de ventas
oferta y demanda
suavizamiento exponencial
prospectiva
id REVULIMA_76ca96d5447852f3d708a4c8bf8c639e
oai_identifier_str oai:revistas.ulima.edu.pe:article/6715
network_acronym_str REVULIMA
network_name_str Revistas - Universidad de Lima
repository_id_str
spelling Machine learning applied to forecast intermittent demandin a plastic packaging companyComparación de pronósticos con demanda intermitente en una empresa de empaques de plásticoSánchez García, Alex Víctor Taquía Gutiérrez, José Antonioplastic containerssupply chainmachine learningsales forecastingsupply and demandexponential smoothingforecastingenvases de plásticocadena de suministroaprendizaje automáticoprevisión de ventasoferta y demandasuavizamiento exponencialprospectivaThis article compares three demand forecasting methods applied to a Peruvian cosmetic plastic packaging company with intermittent demand. The comparison between the error metrics for forecasting Mean Absolute Error, Mean Percentage Error, and Mean Squared Error obtained by the Croston, Croston TSB, and Exponential Smoothing methods showed that the Croston TSB model outperformed the other two, with an error of less than 20 % compared to actual sales.En el presente artículo se comparan tres métodos de pronósticos de demanda, aplicados en una empresa peruana productora de envases de plástico para el sector cosmético con demanda intermitente. Los métodos comparados fueron Croston, Croston TSB y suavizamiento exponencial. Las métricas de error que se usaron y compararon para realizar los pronósticos fueron el error medio absoluto, el error porcentual medio y el error cuadrático medio. Se observó que el modelo de Croston TSB obtuvo un mejor rendimiento que los otros dos, con un error menor a 20 % contra la venta real.Universidad de Lima2024-05-28info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArtículo revisado por paresapplication/pdftext/htmlhttps://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/671510.26439/ing.ind2024.n.6715Ingeniería Industrial; 2024: Edición especial; 97-109Ingeniería Industrial; 2024: Edición especial; 97-1092523-63261025-992910.26439/ing.ind2024.nreponame:Revistas - Universidad de Limainstname:Universidad de Limainstacron:ULIMAspahttps://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/6715/6960https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/6715/6961https://creativecommons.org/licenses/by/4.0info:eu-repo/semantics/openAccessoai:revistas.ulima.edu.pe:article/67152024-06-14T16:11:34Z
dc.title.none.fl_str_mv Machine learning applied to forecast intermittent demandin a plastic packaging company
Comparación de pronósticos con demanda intermitente en una empresa de empaques de plástico
title Machine learning applied to forecast intermittent demandin a plastic packaging company
spellingShingle Machine learning applied to forecast intermittent demandin a plastic packaging company
Sánchez García, Alex Víctor
plastic containers
supply chain
machine learning
sales forecasting
supply and demand
exponential smoothing
forecasting
envases de plástico
cadena de suministro
aprendizaje automático
previsión de ventas
oferta y demanda
suavizamiento exponencial
prospectiva
title_short Machine learning applied to forecast intermittent demandin a plastic packaging company
title_full Machine learning applied to forecast intermittent demandin a plastic packaging company
title_fullStr Machine learning applied to forecast intermittent demandin a plastic packaging company
title_full_unstemmed Machine learning applied to forecast intermittent demandin a plastic packaging company
title_sort Machine learning applied to forecast intermittent demandin a plastic packaging company
dc.creator.none.fl_str_mv Sánchez García, Alex Víctor
Taquía Gutiérrez, José Antonio
author Sánchez García, Alex Víctor
author_facet Sánchez García, Alex Víctor
Taquía Gutiérrez, José Antonio
author_role author
author2 Taquía Gutiérrez, José Antonio
author2_role author
dc.subject.none.fl_str_mv plastic containers
supply chain
machine learning
sales forecasting
supply and demand
exponential smoothing
forecasting
envases de plástico
cadena de suministro
aprendizaje automático
previsión de ventas
oferta y demanda
suavizamiento exponencial
prospectiva
topic plastic containers
supply chain
machine learning
sales forecasting
supply and demand
exponential smoothing
forecasting
envases de plástico
cadena de suministro
aprendizaje automático
previsión de ventas
oferta y demanda
suavizamiento exponencial
prospectiva
description This article compares three demand forecasting methods applied to a Peruvian cosmetic plastic packaging company with intermittent demand. The comparison between the error metrics for forecasting Mean Absolute Error, Mean Percentage Error, and Mean Squared Error obtained by the Croston, Croston TSB, and Exponential Smoothing methods showed that the Croston TSB model outperformed the other two, with an error of less than 20 % compared to actual sales.
publishDate 2024
dc.date.none.fl_str_mv 2024-05-28
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Artículo revisado por pares
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/6715
10.26439/ing.ind2024.n.6715
url https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/6715
identifier_str_mv 10.26439/ing.ind2024.n.6715
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/6715/6960
https://revistas.ulima.edu.pe/index.php/Ingenieria_industrial/article/view/6715/6961
dc.rights.none.fl_str_mv https://creativecommons.org/licenses/by/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
text/html
dc.publisher.none.fl_str_mv Universidad de Lima
publisher.none.fl_str_mv Universidad de Lima
dc.source.none.fl_str_mv Ingeniería Industrial; 2024: Edición especial; 97-109
Ingeniería Industrial; 2024: Edición especial; 97-109
2523-6326
1025-9929
10.26439/ing.ind2024.n
reponame:Revistas - Universidad de Lima
instname:Universidad de Lima
instacron:ULIMA
instname_str Universidad de Lima
instacron_str ULIMA
institution ULIMA
reponame_str Revistas - Universidad de Lima
collection Revistas - Universidad de Lima
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1844893188847828992
score 12.620499
Machine learning applied to forecast intermittent demandin a plastic packaging company
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares