Presenta trabajo de investigación en el European Conference on Operational Research en Dinamarca
Francisco Trejo, alumno del Doctorado en Ingeniería Industrial, dirigido por el Dr. Rafael Torres Escobar presentó su trabajo “Grey systems theory and Markow Chain model MCGM (1,1) applied to demand forecast for a 3PL provider” dentro del 33 European Conference on Operational Research cuya sede este 2024 es la Technical University of Denmark (DTU)
Este trabajo se propone responder si existe la cantidad de datos o un alto nivel de incertidumbre. La habilidad de modelos creados con grandes cantidades de datos pueden no ser necesariamente la respuesta. La propuesta es un novedoso modelo de pronóstico alternativo cuando la cantidad de datos no está disponible (< 4 registros) e integra el pasado demanda como una cadena de Markov y ofrece la caracterización de un modelo para discriminar un conjunto de datos que sea adecuado para la Teoría de los Sistemas Grises y un MCGM modelo Markov Chain Gray (1,1).
El modelo: 1) incorpora el comportamiento pasado de la demanda, 2) establece la probabilidad de transición matriz, 3) define el modelo de pronóstico mejorado a través del GST GM (1,1), 4) desarrolla el pronóstico, 5) mide su desempeño. El desempeño La medición fue MAPE. Los resultados superan a otros modelos. y metodologías como: suavizado exponencial, media móvil y regresión lineal. El MAPE con los métodos tradicionales fue 6,58% frente al MCGM (1,1) fue 2,28% y proporcionó un rango de pronóstico comparable a ARIMA.
Este trabajo se propone responder si existe la cantidad de datos o un alto nivel de incertidumbre. La habilidad de modelos creados con grandes cantidades de datos pueden no ser necesariamente la respuesta. La propuesta es un novedoso modelo de pronóstico alternativo cuando la cantidad de datos no está disponible (< 4 registros) e integra el pasado demanda como una cadena de Markov y ofrece la caracterización de un modelo para discriminar un conjunto de datos que sea adecuado para la Teoría de los Sistemas Grises y un MCGM modelo Markov Chain Gray (1,1).
El modelo: 1) incorpora el comportamiento pasado de la demanda, 2) establece la probabilidad de transición matriz, 3) define el modelo de pronóstico mejorado a través del GST GM (1,1), 4) desarrolla el pronóstico, 5) mide su desempeño. El desempeño La medición fue MAPE. Los resultados superan a otros modelos. y metodologías como: suavizado exponencial, media móvil y regresión lineal. El MAPE con los métodos tradicionales fue 6,58% frente al MCGM (1,1) fue 2,28% y proporcionó un rango de pronóstico comparable a ARIMA.