Desarrollo de una metodología que permita determinar en forma previa la condición AR.I.MA. de una o múltiples series de tiempo, en un programa de base excel, para predicciones e inventarios en mantenimiento

1 CD-ROM : il.La metodología de series de tiempo, analiza las características de los datos del presente y del pasado, para proyectarlas hacia el futuro, donde se infiere que las causas que originan el comportamiento en el pasado y en el presente, son los mismos que condicionan el comportamiento futuro (Makridakis, y otros, 1978). La metodología de series temporales ofrece unos niveles de precisión entre lo predicho y la realidad cercanos e inferiores al 11%. Su metodología se basa en los principios de desarrollo del método científico: observación y análisis, hipótesis y verificación (Carrión, 1999). La hipótesis normal de los modelos proyectivos con múltiples variables, es que las variables no se relacionan entre sí, lo que se puede asumir como una limitación a este método futurístico, pero de todas maneras a pesar de esta condición, son útiles. La gran utilidad de los modelos proyectivos de series temporales es cuando se usan para estudios de una sola variable y cuando de alguna manera se desconoce las causas que los imputan, pues en ese caso donde se tenga claridad de cuáles son las variables que los afectan, más bien se estudia el futuro de estas causas, que el de la variable efecto primaria (Mora, 2006). El concepto de serie temporal se define como un conjunto de datos obtenidos del análisis y de las observaciones de una variable discreta durante un lapso secuencial de tiempo, es importante recordar que existen datos no temporales, son observaciones que se realizan de una forma no hilada en el tiempo. La serie de tiempo es un conjunto de datos de una variable, que se asocia a otro grupo de instantes definidos de tiempo; lo que implica el estudio de dos variables, donde una de ellas es el tiempo y la otra representa el fenómeno que se desea pronosticar (Bas, 1999). Los repuestos de mantenimiento presentan una demanda histórica baja, lo que traduce esto en series de tiempo con presencia de valores de cero, lo que dificulta el análisis de estos datos por los métodos determinísticos clásicos de la metodología de series temporales, requiriendo el uso de modelos genéricos no determinísticos como lo son los modelos AR.I.MA. (Díaz, 1991). La necesidad de disponer de predicciones lo más precisas posibles además del interés en conocer la dinámica de las distintas variables, origina que los métodos de análisis de series de temporales ocupen un lugar central en el estudio de disciplinas y fenómenos muy diversos (Peiró, y otros, 2000).Ecuaciones -- Ilustraciones -- 0. Estado del arte -- 0.1. Introducción -- 0.3. Justificación -- 0.4. Obejetivos -- 1. Criterios estadísticos -- 2. Cumplimiento de criterios estadísticos -- 3. Uso de aplicación en base excel -- 4. Medida del grado de acierto en las predicciones -- 5. Planteamiento de metodología -- 6. Conclusiones -- Bibliografí