pronostico de ventas mediante redes neuronales

“Año de la Integración Nacional y El Reconocimiento de Nuestra Diversidad”

FACULTAD DE INGENIERIA

E.A.P. ING. SITEMAS E INFORMATICA

ESTUDIANTES:

NAVARRO ARANGO, Rubén.

SOTACURO PARE, Luis.

CATEDRATICO: MIGUEL CÓRDOVA SOLIS

HUANCAYO - PERU

2012

ANÁLISIS Y PRONÓSTICO DE VENTA DE STOCKS Y VOLÚMENES DE VENTA PARA LA EMPRESA

CELLPOWER SAC MEDIANTE REDES NEURONALES.

I. Antecedentes del problema (estudios e investigaciones previas del

problema que se pretende resolver).

PRONÓSTICO DE VENTAS USANDO REDES NEURONALES

INTRODUCCIÓN

El uso óptimo de los recursos, la creciente demanda de una mayor variedad de

productos, entre otros, obliga a los fabricantes a realizar programas de

producción más estrictos y flexibles para poder maximizar el uso de los

costosos equipos de producción, mano de obra, inversiones en materias

primas, de forma que se cumplan las fechas de entrega a los clientes finales

minimizando los costos. Para realizar eficientes programas de producción que

atiendan la demanda sin incurrir en excesivos costos de capital, es deseable un

adecuado manejo de la información de ventas con el fin de realizar pronósticos

con buen nivel de confianza para todos los departamentos de la empresa.

Un pronóstico de ventas es una técnica que permite calcular las proyecciones

de ventas de una manera rápida y confiable, utilizando como fuentes de datos,

ya sea las transacciones de inventarios o la facturación de ventas realizadas.

También permite estimar la demanda hacia el futuro, basándose en

información histórica generada por el movimiento de productos del módulo de

Control de Inventarios o por las ventas del módulo de facturación. Las técnicas

generalmente aceptadas para la elaboración de pronósticos se dividen en cinco

categorías: juicio ejecutivo, encuestas, análisis de series de tiempo, análisis

donde hay cierto comportamiento no lineal y prometen un buen desempeño en

este campo de investigación.

Problema principal.

Por el constate crecimiento de uso de telefonía móvil y en la venta de recargas

virtuales (Claro Recargas) y los cobros de servicios que incluyen: 3Plays (Cable,

Voz; Internet), Recargas DHT(Claro TVSat, Telmex,DirectTV), nos hemos visto

con la obligación de reformular nuestro negocio, trazándonos nuevos objetivos

en este negocio, invertir mas en este rubro, por lo cual nos hemos planteado a

desarrollar una herramienta que sea capas de predecir o pronosticar sobre las

ventas futuras y los volúmenes de ventas a futuro que se tendrán, gracias a

esta aplicación lograremos optimizar nuestras ventas exactas sin que nos

faltara saldo ni sobrara saldo.

II. Objetivo principal.

Analizar los datos históricos de venta de todo los tipos de stocks como

son recargas virtuales, cobro de servicios DHT y Fonoclaro de los 13

últimos meses.

Analizar los datos históricos de los volúmenes de ventas de los 13

últimos meses.

III. Marco conceptual (conceptualizar al menos 10 términos empleados en

el informe).

Tiempo Aire: se llama así a todas las formas de pago de todos los servicios como son el de cable, telefonía inalámbrica y las recargas virtuales para teléfonos móviles (Celulares).

Volumen de Venta: Cantidad de atenciones por mes acumulado mediante este sistema de pagos y recargas virtuales.

Recargas DHT: Son los pagos que los clientes realizan a través de este de

este sistema de recargas virtuales por sus servicios de Cable como son: Claro

TVSat, Telmex y DirectTV.

IV. Metodología de desarrollo empleado:

IV.1Mostrar datos de la muestra.

IV.2Capturar los pasos de creación de la RNA realizado en NeuroShell.

IV.3Graficar el modelo de Red de Neuronas Artificiales, indicando neuronas,

valores iniciales y pesos de las relaciones.

IV.4Desarrollo de la aplicación informática y ejecutable, de prioridad en

algún lenguaje de programación (no necesariamente en VB ni C++).

PRESENTACIÓN:

CÓDIGO FUENTE:

Public Class Form1

Private Sub Button1_Click(ByVal sender As System.Object, ByVal e As

System.EventArgs) Handles Button1.Click

Dim inarray(2) As Integer

Dim outarray(2) As Integer

inarray(1) = TextBox1.Text

inarray(2) = TextBox2.Text

Dim netsum as double

Static feature2(10) As Double

' inarray(1) is ANIO

' inarray(2) is MES

' outarray(1) is VENTA_MENSUAL_DE_RECARGAS_VIRTUALES

' outarray(2) is

VOLUMEN_DE_VENTA_MENSUAL_DE_RECARGAS_VIRTUALES

If (inarray(1) < 2009) Then inarray(1) = 2009

If (inarray(1) > 2012) Then inarray(1) = 2012

inarray(1) = (inarray(1) - 2009) / 3

If (inarray(2) < 1) Then inarray(2) = 1

If (inarray(2) > 12) Then inarray(2) = 12

inarray(2) = (inarray(2) - 1) / 11

netsum = 9.860767

netsum = netsum + inarray(1) * -34.5516


feature2(1) = 1 / (1 + Math.Exp(-netsum))

netsum = 4.619665




netsum = 9.477969




netsum = 18.80686




netsum = 6.195424




netsum = 6.449625




netsum = 7.898185




netsum = 8.920398




netsum = 6.245955




netsum = -44.78326


netsum = netsum + inarray(2) * 52.7394


netsum = 1.327364

netsum = netsum + feature2(1) * 0.4853619

netsum = netsum + feature2(2) * -3.177731









outarray(1) = 1 / (1 + Math.Exp(-netsum))

netsum = 1.232921











outarray(2) = 1 / (1 + Math.Exp(-netsum))

outarray(1) = 11528 * (outarray(1) - 0.1) / 0.8 + 145

If (outarray(1) < 145) Then outarray(1) = 145

If (outarray(1) > 11673) Then outarray(1) = 11673

outarray(2) = 2493 * (outarray(2) - 0.1) / 0.8 + 26

If (outarray(2) < 26) Then outarray(2) = 26

If (outarray(2) > 2519) Then outarray(2) = 2519

Label5.Text = outarray(1)

Label6.Text = outarray(2)

End Sub

End Class

IV.5Realizar tres pruebas de recuerdo y tres pruebas de aprendizaje

(deberán estar comentadas).

PRUEBAS DE RECUERDO:

Una vez entrenada nuestra red neuronal, con datos históricos de las ventas y volúmenes de venta de las recargas virtuales, en seguida hicimos tres pruebas de recuerdo ingresando como variables de entrada el año y el mes a pronosticar, cuyos resultados nos arrojan tres pronósticos: Para la primera prueba de recuerdo se tomo como dato de entrada el año 2010 y el mes a pronosticar es el mes de Enero, cuyos output que nos arrojan son que nuestra venta mensual en soles fue de 145 nuevos soles y como volumen de venta pronosticado para dicho mes fue de 26 recargar virtuales realizadas en total.

Una vez entrenada nuestra red neuronal, con datos históricos de las ventas y volúmenes de venta de las recargas virtuales, en seguida hicimos tres pruebas de recuerdo ingresando como variables de entrada el año y el mes a pronosticar, cuyos resultados nos arrojan tres pronósticos: Para la segunda prueba de recuerdo se tomo como dato de entrada el año 2011 y el mes a pronosticar es el mes de Diciembre, cuyos output que nos arrojan son que nuestra venta mensual en soles fue de 11673 nuevos soles y como volumen de venta pronosticado para dicho mes fue de 2519 recargas virtuales realizadas en total.

Una vez entrenada nuestra red neuronal, con datos históricos de las ventas y volúmenes de venta de las recargas virtuales, en seguida hicimos tres pruebas de recuerdo ingresando como variables de entrada el año y el mes a pronosticar, cuyos resultados nos arrojan tres pronósticos: Para la primera prueba de recuerdo se tomo como dato de entrada el año 2012 y el mes a pronosticar es el mes de febrero, cuyos output que nos arrojan son que nuestra venta mensual en soles fue de 11673 nuevos soles y como volumen de venta pronosticado para dicho mes fue de 2519 recargas virtuales realizadas en total.

PRUEBAS DE APRENDIZAJE:

Una vez entrenada nuestra red neuronal, con datos históricos de las ventas y volúmenes de venta de las recargas virtuales, en seguida hicimos tres pruebas de aprendizaje ingresando como variables de entrada el año y el respectivo mes a pronosticar, cuyos resultados nos arrojan tres pronósticos: Para la primera prueba de recuerdo se tomo como dato de entrada el año 2014 y el mes a pronosticar es el mes de Diciembre, cuyos outputs que nos arrojan son: que nuestra venta mensual en soles será de 11673 nuevos soles y como volumen de venta pronosticado para dicho mes fue de 2519 recargas virtuales realizadas en total.

Una vez entrenada nuestra red neuronal, con datos históricos de las ventas y volúmenes de venta de las recargas virtuales, en seguida hicimos tres pruebas de aprendizaje ingresando como variables de entrada el año y el respectivo mes a pronosticar, cuyos resultados nos arrojan tres pronósticos: Para la primera prueba de recuerdo se tomo como dato de entrada el año 2015 y el mes a pronosticar es el mes de Enero, cuyos outputs que nos arrojan son: que nuestra venta mensual en soles será de 11673 nuevos soles y como volumen de venta pronosticado para dicho mes fue de 2519 recargas virtuales realizadas en total.

Una vez entrenada nuestra red neuronal, con datos históricos de las ventas y volúmenes de venta de las recargas virtuales, en seguida hicimos tres pruebas de aprendizaje ingresando como variables de entrada el año y el respectivo mes a pronosticar, cuyos resultados nos arrojan tres pronósticos: Para la primera prueba de recuerdo se tomo como dato de entrada el año 2013 y el mes a pronosticar es el mes de Febrero, cuyos outputs que nos arrojan son: que nuestra venta mensual en soles será de 11673 nuevos soles y como volumen de venta pronosticado para dicho mes fue de 2519 recargas virtuales realizadas en total.

V. Bibliografía (estilo Vancouver).

pronostico de ventas mediante redes neuronales

Documents