Modelos de pronósticos de serie de tiempo: propuesta de soporte logístico aeronáutico para la flota Súper Tucano
DOI:
https://doi.org/10.18667/cienciaypoderaereo.525Palabras clave:
demanda, error residual, inventarios, pronóstico, series de tiempo, soporte logístico.Resumen
El pronóstico se hace indispensable en cualquier organización productiva, considerando que se constituye en la base de la planeación a largo plazo en cualquier área funcional, y por tanto, en herramienta vital para la toma de decisiones de la gerencia. El arte de pronosticar pretende predecir la demanda de un producto o servicio de forma tal que el sistema productivo sea eficiente y responda a las necesidades en cantidad, y oportunidad. El presente artículo efectúa en primera instancia un recorrido bibliográfico para describir el contexto del pronóstico, posteriormente se lleva a cabo una revisión documental en cuanto a proyecciones de sectores industriales diversos, y finalmente se presenta la particularidad del pronóstico en la Fuerza Aérea Colombiana específicamente con una propuesta para la proyección de la demanda del soporte logístico aeronáutico de la flota del equipo Súper Tucano A-29 en el Comando Aéreo de Combate No. 2; concluyendo que la metodología sugerida no dista de las tendencias actuales, por el contrario reúne a la mayoría de ellas, seleccionando el mejor modelo de manera independiente para cada componente de la flota, hecho que garantiza una acertada inferencia y que al cumplir las condiciones establecidas puede ser extrapolada y estandarizada para el soporte logístico aeronáutico de la Fuerza Aérea Colombiana, situación que de presentarse generaría un alto impacto presupuestal para la Fuerza Aérea, para el Ministerio de Defensa, y por ende, para las finanzas públicas nacionales, en razón a que los costos de soporte logístico reflejarían una disminución respecto a anteriores vigencias.
Descargas
Referencias
Anderson David R, S. D. (2005). Estadistica para Administracion y Economia . Mexico DF: Thomson.
Bernanke, & Boivin. (2003). Monetary Policy in a Data-rich Environment. Journal of Monetary Economics, 525-546.
https://doi.org/10.1016/S0304-3932(03)00024-2
Bernanke, B., Boivin, J., & Eliazs, P. (2005). The Quarterly Jorunal of Economics, 387-422.
https://doi.org/10.1162/qjec.2005.120.1.387
Bourgeois, J., & Barnes, J. (1979). Does Advertising Increase Alcohol Consumption? Journal of Advertising Research, 19-29.
Bratina, D., & Faganel, A. (2008). Forecasting the Primary Demand for a Beer Brand Using Time Series Analysis. Organizacija,Volume 41, Number 3,.
https://doi.org/10.2478/v10051-008-0013-7
Brubaker, K., & McCuen, R. (1990). "Level of significance selection in engineering analysis. Journal of Professional Issues in Engineering ASCE Vol. 116 No. 4,, 375-387.
https://doi.org/10.1061/(ASCE)1052-3928(1990)116:4(375)
Chase Richard B., A. N. (2000). Administracion de Produccion . Santa Fe De Bogota: Mc Graw Hill.
Dekimpe, M., & Hannsens, D. (1995). The Persistence of Marketing Effects on Sales. Marketing Science, 1-21.
https://doi.org/10.1287/mksc.14.1.1
Demirov, E., & Pinardi, N. (2002). Simulation of the Mediterranean Sea circulation from 1979 to 1993: Part I. The interannual variability, 33-34, 23-50.
https://doi.org/10.1016/S0924-7963(02)00051-9
Dobricic, S. P. (2006). Daily oceanographic analyses by the Mediterranean basin scale assimilation system. Ocean Sci. Discuss., 3, 1977-1998.
https://doi.org/10.5194/osd-3-1977-2006
Dominick, S. (2009). Microeconomia. Mexico DF: Mc Graw Hill.
Fragkakis, N., Lambropoulos, S., & Pantouvakis, J. (2010). A cost estimate method for bridge superstructures using regression analysis and bootstrap. Organization, technology and management in construction. An international journal, 182-190.
Franke, G., & Wilcox, G. (1987). Alcoholic Beverage Advertising & Its Impact on Model Selection. Applied Mathematics & Computation 34 (November), 22-30.
https://doi.org/10.1080/00913367.1987.10673082
Franses, P. (1991). Primary Dem& for Beer in The Netherl&s: An Application of ARMAX Model Specification. Journal of Market research 28, 240-245.
https://doi.org/10.1177/002224379102800212
Gouviea N. and Fletcher T. (2000). Time series analysis of air pollution and mortality: Effects by cause, age and socioeconomic status. J. Epidemiol. Commun. H., 54, 750-755.
https://doi.org/10.1136/jech.54.10.750
Gujarati, D. (1999). Essentials of Econometrics. New York: Irwin Mc Graw Hill.
Hegazy, T., & Ayed, A. (1998). Neural network model for parametric cost estimation of highway projects. Journal of Construction Engineering and Management, Vol. 124 No.3, 210-218.
https://doi.org/10.1061/(ASCE)0733-9364(1998)124:3(210)
Herzberg, A., & Frew, L. (2003). Can public policy be influenced? Environmetrics, 14, 1-10.
https://doi.org/10.1002/env.556
Hoyos Gomez, F. (Mayo de 2014). Presentacion PASLO CACOM-2 2014. Apiay, Meta, Colombia.
Keane, M. (1997). Modeling Heterogeneity & State Dependence in Consumer Choice Behaviour. Journal of Bussiness & Economic Statistics, 310-327.
https://doi.org/10.1080/07350015.1997.10524709
Klemm, O., & Lange, H. (1999). Trends of air pollution in the Fichtelgebrige Mountains, Bavaria. Environ Sci. &Pollut, 193-199.
https://doi.org/10.1007/BF02987325
Konstantinidis, D., & Maravas, A. (2003). Egnatia Motorway concrete bridges statistics. ASECAP Study and Information Days proceedings of the international conference in Portoroz Slovenia, 92-109.
Kyriakidis, J. (2001). Stochastic modeling of atmospheric pollution: a spatial time series framework. Part II: application to monitoring monthly sulfate deposition over Europe. Atmos Environ 35, 2339-2348.
https://doi.org/10.1016/S1352-2310(00)00540-9
Lanteri, L. (2010). Economia Vol XXXIII, No. 66.
Lee, C. k. (2002). Multifractal characteristics in air pollutant concentration time series. Water Air Soil Poll. 135, 389-409.
https://doi.org/10.1023/A:1014768632318
Leeflang, & Van Dujin, J. (1982). The Use of Regional Data in Marketing Models:The Dem& for Beer in The Netherl&. European Research 10, (January): 29-40.
Litterman, R. (1985). Forecasting with Bayesian Vector Autoregressions-five Years of Experience. Minneapolis: Federal Reserve Bank of Minneapolis.
Lucas, R. (1976). Econometric Policy Evaluation: a critique. New York: En Brunner K y A Meltzer.
https://doi.org/10.1016/S0167-2231(76)80003-6
Lucas, y. S. (1979). After Keynesian Macroeconomics. Minneapolis: Federal Reserve Bank of Minneapolis..
McKee, D. (1993). Health effects associated with ozone and nitrogen dioxide exposure. . Water Air Soil Poll, 11-35.
https://doi.org/10.1007/BF00480811
Mobley, K. (1999). Root Cause and failure analysis. United of States of America: Butterworth-Heinemann.
Modarres, R., & Khosravi Dehkordi, A. (2005). Daily air pollution time series analysis of Isfahan City. Int. J. Environ. Sci Tech, 259-267.
https://doi.org/10.1007/BF03325885
Murphy, A. (1988). Skill score based on the mean square error and their relation to mthe correlation coefficient. Monthly weather review, 2417-2424.
https://doi.org/10.1175/1520-0493(1988)116<2417:SSBOTM>2.0.CO;2
Murphy, A. (1993). What is a good forecast? Weather forecasting, 281-293.
https://doi.org/10.1175/1520-0434(1993)008<0281:WIAGFA>2.0.CO;2
Pinardi, N. A. (2003). The Mediterranean ocean Forecasting System: First Phase of implementation (1998-2000).
https://doi.org/10.5194/angeo-21-3-2003
Geophisicae, vol.21, 189-204.
Prescott, E. (1977). Should Control Theory be usde for Economic Stabilization. New York: Brunner, K y A Meltzer.
https://doi.org/10.1016/0167-2231(77)90017-3
Roberts, S. (2003). Combining data from multiple monitors in air pollution mortality time series studies. Atmos. Environ., 37, 3317-3322.
https://doi.org/10.1016/S1352-2310(03)00289-9
Salcedo, R., Alvim Ferraz, M., Alves, C., & Martins. (1999). Time series analysis of air pollution data. Atmos. Environ., 33, 2361-2372.
https://doi.org/10.1016/S1352-2310(99)80001-6
Schwartz, J., & Marcus, A. (1990). Mortality and air pollution in London: a time series analysis. Am. J. Epidem., 131, 85-194.
https://doi.org/10.1093/oxfordjournals.aje.a115473
Seetharaman, P. (1999). Investigating Household State Dependence Effects across categories. Journal Of Market Research, 488-500.
https://doi.org/10.1177/002224379903600407
Sims, C. (1992). Interpreting the Macroeconomic Time Series Facts: the effects of monetary policy. European Economic Review, 975-1000.
https://doi.org/10.1016/0014-2921(92)90041-T
Skamris, M., & Flyvbjerg, B. (1997). Inaccuracy of traffic forecasts and cost estimates on large transport projects. Transport Policy, Vol. 4 No. 3, 141-146.
https://doi.org/10.1016/S0967-070X(97)00007-3
Theil, H. (1971). Principles of Econometrics. Nueva York: J. Wiley.
Tonani, M. (2007). A high resolution free surface model on the Mediterranean Sea. Ocean Sci. Discuss.
https://doi.org/10.5194/osd-4-213-2007
Tonani, M., Pinardi, N., Fratianni, C., & Dobricic, S. (2007). Forecast and analysis assessment through skill scores. Oceans Science Discussions, 189-212.
https://doi.org/10.5194/osd-4-189-2007
Touloumi G., A. R. (2004). Analysis of health outcome time series data in epidemiological studies. Environmetrics, 101-117.
https://doi.org/10.1002/env.623
Voigt, K., & Bruggemann, R. (2004). Data analysis of environmental air pollutant monitoring systems in Europe. Environmetrics, 15, 577-596.
Publicado
Número
Sección
Licencia
Declaración de cesión de los derechos de autor a la revista
Los autores ceden la Revista los derechos de explotación (reproducción, distribución, comunicación pública y transformación) para explotar y comercializar la obra, entera o en parte, en todos los formatos y modalidades de explotación presentes o futuros, en todos los idiomas, por todo el periodo de vida de la obra y por todo el mundo.
Todos los contenidos publicados en la revista científica Ciencia y Poder Aéreo están sujetos a la licencia reconocimiento 4.0 Internacional de Creative Commons, cuyo texto completo se puede consultar en http://creativecommons.org/licenses/by/4.0/
La licencia permite a cualquier usuario descargar, imprimir, extraer, archivar, distribuir y comunicar públicamente este artículo, siempre y cuando el crédito se dé a los autores de la obra: a los autores del texto y a Ciencia y Poder Aéreo, Revista Científica de la Escuela de Postgrados de la Fuerza Aérea Colombiana. Excepto cuando se indique lo contrario, el contenido en este sitio es licenciado bajo una licencia Creative Commons Atribución 4.0 internacional.
Para usos de los contenidos no previstos en estas normas de publicación es necesario contactar directamente con el director o editor de la revista a través del correo cienciaypoderaereo@epfac.edu.
La Escuela de Postgrados de la Fuerza Aérea Colombiana y esta publicación no son responsables de los conceptos emitidos en los artículos, ni de los metadatos aportados ni de las filiaciones que los autores declaren, ya que esta es responsabilidad plena de los autores.
