Pronósticos de costos por obligaciones de garantías a corto plazo
Cada mes la organización de finanzas de HP Inc. debe proveer un estimado de los costos mensuales de operación para atender obligaciones de garantía a corto plazo, con un máximo de 6 meses hacia el futuro. Actualmente, el proceso es intensivo en tiempo y en labor, dejando mucho que desear a la precis...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión aceptada para publicación |
| Fecha de publicación: | 2023 |
| País: | México |
| Institución: | Instituto Tecnológico y de Estudios Superiores de Occidente |
| Repositorio: | Repositorio Institucional del ITESO |
| Idioma: | español |
| OAI Identifier: | oai:rei.iteso.mx:11117/9572 |
| Acceso en línea: | https://hdl.handle.net/11117/9572 |
| Access Level: | acceso abierto |
| Palabra clave: | Machine Learning Forecasting Time Series |
| Sumario: | Cada mes la organización de finanzas de HP Inc. debe proveer un estimado de los costos mensuales de operación para atender obligaciones de garantía a corto plazo, con un máximo de 6 meses hacia el futuro. Actualmente, el proceso es intensivo en tiempo y en labor, dejando mucho que desear a la precisión. El enfoque de este trabajo es mejorar la precisión, usando datos de HP Inc., por medio de métodos de aprendizaje de máquina. Se evalúan modelos como series de tiempo, máquinas de vectores de soporte, y redes neuronales. Al final se determina cual modelo se ajusta mejor con respecto a ciertas métricas y se discuten brevemente los resultados para 1 de las 14,725 series de tiempo en el alcance del proyecto. La automatización del proceso para entrenar, evaluar y producción de pronósticos es también parte del reporte y del trabajo de implementación ya que es una actividad que se debe realizar mensualmente con los nuevos datos. La división organizacional requiere una división geográfica, por línea de costo, y por línea producto |
|---|