<p>La necesidad de conocer con anticipación los costos de producción, obliga a las organizaciones a contar con métodos y/o técnicas que permitan estimar dichos costos. Esta investigación está enfocada en pronosticar el costo de elaborar tuberías de acero, para ello se presentan tres modelos de redes neuronales multiplicativas. La tipología de la red es determinada a mediante la utilización de variantes del Algoritmo Genético. El mejor resultado se obtuvo con la variante denominada Genérico, con una población de 35 individuos, el cual arrojó un Error Porcentual Absoluto Medio del 8,81% y un 98,93% de la varianza explicada</p>
<p>The need to know in advance the cost of production, demands on organizations having methods and/or techniques to estimate it. This research is focused on forecasting the cost of producing pipes, in order to do that, three models of multiplicative neural networks are exposed. The network topology is determined using diferents genetics algorithms. The best result was obtained with the variant called Generic, with a population of 35 individuals, which produced a Mean Absolute Percentage Error 8.81% and 98.93% of the explained variance</p>
last modification
Licenciado en Ciencias de la Ingeniería
Ingeniero Civil en Informáticatítulo
INGENIERIA CIVIL INFORMATICA
<p>La necesidad de conocer con anticipación los costos de producción, obliga a las organizaciones a contar con métodos y/o técnicas que permitan estimar dichos costos. Esta investigación está enfocada en pronosticar el costo de elaborar tuberías de acero, para ello se presentan tres modelos de redes neuronales multiplicativas. La tipología de la red es determinada a mediante la utilización de variantes del Algoritmo Genético. El mejor resultado se obtuvo con la variante denominada Genérico, con una población de 35 individuos, el cual arrojó un Error Porcentual Absoluto Medio del 8,81% y un 98,93% de la varianza explicada</p>
<p>The need to know in advance the cost of production, demands on organizations having methods and/or techniques to estimate it. This research is focused on forecasting the cost of producing pipes, in order to do that, three models of multiplicative neural networks are exposed. The network topology is determined using diferents genetics algorithms. The best result was obtained with the variant called Generic, with a population of 35 individuals, which produced a Mean Absolute Percentage Error 8.81% and 98.93% of the explained variance</p>
