Modelo de red neuronal recurrente en la predicción de las variables estratégicas de marketing y venta de la industria de panificación

Abstract

El presente trabajo de investigación tiene como objetivo principal el de establecer el grado de precisión del Modelo de Red Neuronal Recurrente en la predicción del comportamiento futuro de las variables estratégicas de Marketing y Ventas de la industria de panificación y a la vez de compararlo con los modelos estadísticos de series de tiempo y regresión lineal.

El tipo de investigación es aplicada, porque se construye un modelo de RNA recurrente para las variables de Marketing y Ventas de la industria de panificación. Es experimental porque habrá manipulación de la variable independiente que son los modelos de predicción para observar la precisión en sus pronósticos de las variables de marketing y ventas.

Se concluye que la arquitectura de una RNA recurrente simple es la que se ajusta con mayor precisión al comportamiento de las variables de marketing y ventas frente a la arquitectura genérica de una RNA recurrente.

Además, al hacer pronóstico con los métodos estadísticos de series de tiempo y regresión lineal, se obtiene un error el cual una vez obtenido ya no es posible reducir dicho error. Sin embargo, las RNA recurrentes logran reducir el margen de error a un mínimo a medida que se hacen más iteraciones de entrenamiento.

Finalmente, se propone las fichas de documentación que ayudan a implementar estos modelos de pronóstico y así distribuir los roles que permiten obtener los reportes para la toma de decisiones.