1. Consolidación de Datos y Análisis Exploratorio de la Demanda

df_raw <- read_excel("Grupo 8.xlsx") %>%
  rename(producto = Producto, fecha = fecha_mes, demanda = cant_kg) %>%
  mutate(fecha = as.Date(fecha), producto = as.factor(producto), demanda = pmax(demanda, 0)) %>%
  filter(producto %in% c(2, 4)) %>% 
  arrange(producto, fecha) %>%
  drop_na()

2. Desarrollo Metodológico S&OP por Ítem (Enfoque SARIMA Avanzado)

Inferencia Estadística y Modelado - Producto 2

Tabla Comparativa de Errores (Fase de Simulación 40%) - Producto 2
Modelo MAD RMSE MAPE SMAPE
Winters Multiplicativo 619504339.6 1423427930.9 57169.59 157.07
ETS (Auto) 1097244.2 1505051.6 108.12 88.86
Croston (Intermitente) 344740.4 402317.2 49.49 38.76
SARIMA Avanzado 343643.1 389309.1 43.27 59.99


Decisión de Ingeniería: Se selecciona el modelo ** Croston (Intermitente) ** como la base del plan de abastecimiento por optimización del error porcentual simétrico (SMAPE).

Cantidades netas a proveer (Próximos 12 meses) - Producto 2
Mes Pronostico_Plan_kg
2026-01 1026445
2026-02 1026445
2026-03 1026445
2026-04 1026445
2026-05 1026445
2026-06 1026445
2026-07 1026445
2026-08 1026445
2026-09 1026445
2026-10 1026445
2026-11 1026445
2026-12 1026445

Inferencia Estadística y Modelado - Producto 4

Tabla Comparativa de Errores (Fase de Simulación 40%) - Producto 4
Modelo MAD RMSE MAPE SMAPE
Winters Multiplicativo 1282717.6 1996187.5 472.83 122.75
ETS (Auto) 399190.1 580834.1 181.68 76.20
Croston (Intermitente) 186900.8 207154.4 204.47 80.27
SARIMA Avanzado 283007.5 353607.4 176.31 79.00


Decisión de Ingeniería: Se selecciona el modelo ** ETS (Auto) ** como la base del plan de abastecimiento por optimización del error porcentual simétrico (SMAPE).

Cantidades netas a proveer (Próximos 12 meses) - Producto 4
Mes Pronostico_Plan_kg
2026-01 482978.79
2026-02 143974.60
2026-03 65666.76
2026-04 52830.22
2026-05 86014.74
2026-06 113758.19
2026-07 107782.98
2026-08 117853.84
2026-09 323292.66
2026-10 694593.81
2026-11 950202.75
2026-12 971470.79