Serie de tiempo para pronosticar la demanda de la línea de producto de bebidas gasificadas negras en la empresa Mercantil Inca S.A. - Chiclayo 2022.

Abstract

Hacemos la investigación tuvo como objetivo el uso de la metodología Box Jenkins para encontrar el modelo que mejor se ajustaba a la serie de la demanda de cierre mensual de las ventas de bebidas gasificadas negras de la empresa Mercantil Inca S.A. Chiclayo, desde diciembre de 2017 hasta noviembre de 2022. El estudio se basó en un diseño de investigación observacional, predictivo, retrospectivo y longitudinal. La muestra del estudio comprendió 54 observaciones de la variable principal. Además, se incluyeron 6 observaciones adicionales para contrastar el pronóstico realizado. En total, el estudio abarcó 60 observaciones. Tras llevar a cabo el análisis con la metodología establecida, se realizó un pronóstico para los seis meses siguientes. Posteriormente, se compararon los resultados pronosticados con los datos reales observados, con el fin de determinar cuál de los pronósticos generados demostró ser el más preciso. Se observó que la metodología de Box Jenkins con el menor error, para ello se utilizó el indicado IAC y los errores promedio como MAE, MAPE, RMSE . Por consecuente se considera a la metodología de Box Jenkins con el modelo Sarima (1,1,0) (1,1,0) para el procedimiento de pronóstico de la serie de tiempo en estudio.

The research aimed to use the Box-Jenkins methodology to find the model that best fit the series of monthly closing demand for black carbonated beverage sales of the company Mercantil Inca S.A. Chiclayo, from December 2017 to November 2022. The study was based on an observational, predictive, retrospective, and longitudinal research design. The study sample comprised 54 observations of the main variable. In addition, 6 additional observations were included to contrast the forecast made. In total, the study covered 60 observations. After carrying out the analysis with the established methodology, a forecast was made for the following six months. Subsequently, the forecasted results were compared with the real observed data, in order to determine which of the generated forecasts proved to be the most accurate.It was observed that the Box Jenkins methodology had the least error, for which the indicated IAC and the average errors such as MAE, MAPE, RMSE were used. Consequently, the Box Jenkins methodology is considered with the Sarima model (1,1,0) (1,1,0) for the forecast procedure of the time series under study.