Modelo de aprendizaje supervisado para la proyección del volumen de cosecha de camarón en empresa camaronera del cantón Durán

Abstract

Para el cumplimiento de las órdenes de compra la empresa debe de adquirir materia prima (camarón) a proveedores terceros ya que la producción de las piscinas propias no abastece para el cumplimiento de las órdenes. Por lo cual, el presente proyecto busca brindar una herramienta que le permita a la empresa poder conocer con anticipación el volumen de cosecha de camarón que tendrá en una corrida de siembra de las piscinas propias para de esta forma estimar el volumen de camarón que deben de comprar a proveedores terceros para satisfacer las ordenes de producción en curso. Para el presente proyecto se analizaron un total de 455 registro que comprenden a los ciclos de cosecha de los últimos 13 años de las diversas piscinas pertenecientes a la empresa objeto de estudio, con estos datos se realizó una evaluación de diversos modelos de machine learning según los criterios de evaluación MAE, MSE, RMSE, 𝑅2 , teniendo como modelos de mejor rendimiento a Light Gradient Boosting con un 𝑅2 0.839, MAPE 0.30, a Random Forest Regressor con un 𝑅2 0.842, MAPE 0.25 y a Extra Trees Regressor con un 𝑅2 0.854, MAPE 0.22.