Castro Zuluaga, Carlos Alberto2018-07-192018http://hdl.handle.net/10784/12522Los pronósticos soportan la toma de decisiones reduciendo la sensación de incertidumbre. Particularmente en la planeación de operaciones de cualquier organización, los pronósticos asisten en la estimación de materiales, fuerza de trabajo, producción y otros procesos de relevancia -- Este trabajo se da a la tarea de implementar una técnica de pronósticos de complejidad media, basada en el ajuste estacional de las series a través de descomposición clásica, y la estimación de pronósticos a través del método de suavización de Holt, en conjunto con un algoritmo de clustering de series de tiempo entrenado con base en características estadísticas que le permiten al modelo ofrecer un rango valores de alfa y beta acordes a la estructura de cada serie -- Las características incluyen, media, mediana, desviación estándar (Desvest), coeficiente de variación (CV), entropía y asimetría, y son tomadas en ventanas de tiempo para permitir la comparación de las series de tiempo sin dependencia de la escala de los datos y para evitar realizar un juicio subjetivo basado en una mirada global -- El modelo pretende facilitar su comprensión, posibilitar su reproducción y uso generalizado en series de datos que exponen diversos patrones de comportamiento, y además ofrecer una configuración adecuada de los parámetros de entrada de manera flexible, práctica y eficiente para ser usado en el entorno local -- Este modelo fue aplicado a datos de la competencia NN3 y mostró resultados positivos en comparación con un escenario base creado a partir de juicios de valorapplication/pdfspaSuavización de HoltCadena de suministrosSpectral ClusteringSuavizamiento exponencialmasterThesisinfo:eu-repo/semantics/openAccessPRONÓSTICO DE LOS NEGOCIOSTOMA DE DECISIONESANÁLISIS DE SERIES DE TIEMPOESTIMACIÓN DE PARÁMETROSBusiness forecastingDecision-makingTime-series analysisParameter estimationAcceso abierto2018-07-19Zapata Flórez, Paula Andrea658.7 Z35