Forecast of canned fish consumption in Peru for an industrial fisheries project using time series models | PRONÓSTICO DEL CONSUMO DE CONSERVAS DE PESCADO EN EL PERÚ PARA UN PROYECTO INDUSTRIAL PESQUERO UTILIZANDO MODELOS DE SERIES DE TIEMPO

Английский. In the canned fish production program, it is very important to calculate its forecast through statistical models that minimize the error of the projections and that allow estimating the quantities to be produced. The objective of this research work is to select a forecast model for the consumption of canned fish in Peru for an industrial fishing project using time series models. Prediction models such as linear regression, time series decomposition and Winters’ method were used. The input data was the monthly domestic sales of canned fish from the years 2011 to 2014. The prediction error measures such as the mean absolute deviation (MAD) and the mean absolute percentage error (MAPE) of the prediction of a company were compared for a year (2014), two years (2013-2014), three years (2012-2014) and four years (2011-2014) to validate with the prediction for the years 2015-2019. The prediction model selected is the seasonal additive time series decomposition with data from two years (2013-2014) because it obtained the lowest MAD = 588.0 and the lowest MAPE = 15.00%.

Испанский язык; кастильский. En el programa de producción de conservas de pescado es muy importante calcular su pronóstico a través de modelos estadísticos que minimicen el error de las proyecciones y que permita estimar las cantidades a producir. El objetivo del presente trabajo de investigación es seleccionar un modelo de pronóstico para el consumo de conservas de pescado en el Perú para un proyecto industrial pesquero utilizando modelos de series de tiempo. Se utilizaron modelos de pronósticos como el de regresión lineal, descomposición de series de tiempo y el método de Winters. Los datos de entrada fueron las ventas internas mensuales de conservas de pescado de los años 2011 al 2014. Se compararon los indicadores del error del pronóstico como la desviación media absoluta (MAD) y el error porcentual absoluto medio (MAPE) de los pronósticos de un año (2014), dos años (2013-2014), tres años (2012-2014) y cuatro años (2011-2014) para validar con los pronósticos de los años 2015-2019. El modelo de pronóstico seleccionado fue el de descomposición de series de tiempo aditivo estacional con los datos de dos años (2013-2014) porque obtuvo el menor MAD = 588.0 y menor MAPE = 15.00%.