ANÁLISIS Y PREDICCIÓN DE SERIES DE FOURIER Y REDES

NEURONALES EN LAS EXPORTACIONES DE CAFÉ

COLOMBIANO DURANTE LOS AÑOS 2015-2018
FOURIER SERIES AND NEURONAL NETWORK ANALYSIS
AND PREDICTION IN EXPORTS OF COLOMBIAN COFFEE
DURING THE YEARS 2015-2018

ERVIN YESID REDONDO DOMINGUEZ

Estudiante académico, Ingeniería de Sistemas, Universidad Popular del Cesar, eyredondo@unicesar.edu.co

MARIO MONTERO GALVÁN

Estudiante académico, Ingeniería de sistemas, Universidad Popular del Cesar, mariomontero@unicesar.edu.co

RAÚL ANDRES AGÁMEZ RAPALINO

Estudiante académico, Ingeniería de sistemas, Universidad Popular del Cesar, raagamez@unicesar.edu.co

RESUMEN: Las series de Fourier en el campo del análisis de datos, cumplen una función muy
importante para la transformación y descomposición de series de tiempo en armónicos, que nos
permitirán predecir el comportamiento de 2 variables en el tiempo mediante el uso de redes
neuronales como principal predictor por medio de señales. En este artículo, se revisarán las
funciones empleadas mediante el lenguaje R como motor estadístico para el análisis, Talend Open
Studio como integrador de datos y Power BI como plataforma para el despliegue de resultados
mediante cuadros de mando y la implementación de CRISP-DM como metodología para Minería de
Datos.
PALABRAS CLAVE: series de Fourier, armónicos, predicción, redes neuronales, lenguaje R,
Talend Open Studio, Power BI, CRISP-DM, Minería de Datos.
ABSTRACT: Fourier series in the field of data analysis, fulfill a very important function for the
transformation and decomposition of time series in harmonics, which will allow us to predict the
behavior of 2 variables over time by using neural networks as the main predictor through signals. In
this article, we will review the functions used through the R language as a statistical engine for
analysis, Talend Open Studio as a data integrator and Power BI as a platform for the deployment of
results through dashboards and the implementation of CRISP-DM as a methodology for Data
Mining.
KEYWORDS: Fourier series, harmonics, prediction, neural networks, R language, Talend Open
Studio, Power BI, CRISP-DM, Data Mining.

1. INTRODUCCIÓN años cifras significativas que son necesarias

analizar. Siendo distribuido cada volumen de
El comportamiento de la producción para la
producción, en años y meses, cabe destacar
exportación en volúmenes de café a nivel
que la exportación de café en el año anterior
internacional, ha generado en estos últimos
tuvo un declive del 1,4% producto del
fenómeno de la niña según la Federación
Nacional de Cafeteros (FNC), lo que implica,
un estudio o análisis sobre la cantidad
aproximada para exportar.
El objetivo principal es predecir la cantidad
en kilogramos a producir a futuro para que las
futuras decisiones, se tomen con respecto a
los resultados que se obtendrán y para
percatar el comportamiento de las
producciones con respecto al tiempo; como
afectan en la parte económica y social en las
ciudades colombianas productoras de café.
También se recalcará el papel fundamental
que ocupa el sector cafetero a nivel
internacional, lo cual conlleva a una
reorganización en la producción para la
exportación. Son muchas las pérdidas que a
los cafeteros les toca afrontar por cualquier
percance que se presente en el futuro, sea por
culpa de los altos precios del café proveniente
2. MINERÍA DE DATOS
La minería de datos es el proceso de detectar
la información procesable de los conjuntos
grandes de datos. Utiliza el análisis
matemático para deducir los patrones y
tendencias que existen en los datos.
Normalmente, estos patrones no se pueden
detectar mediante la exploración tradicional
de los datos porque las relaciones son
demasiado complejas o porque hay
demasiados datos, para esto, es necesario
aplicar una metodología establecida.
3. CRISP-DM COMO METODOLOGÍA
PARA MINERÍA DE DATOS
Son las siglas de Cross-Industry Standard
Process for Data Mining, es un método
probado para orientar sus trabajos de
minería de datos.
de la bolsa de Nueva York, o por la amenaza
del fenómeno de la niña mencionado
anteriormente; por lo tanto, es necesario tener
un control de producción a futuro, a partir de
la cantidad de café producida en kilogramos
durante los años establecidos.
Se implementarán las series de Fourier en el
lenguaje R como principal predictor del
comportamiento del café en el transcurso de
los años anteriormente mencionados.
Mediante las series, se obtendrá una
descomposición donde se observen patrones o
anomalías de las frecuencias que componen
las producciones de café en el tiempo (señal),
y se mapeará una ventana de tiempo finita de
observaciones a las predicciones sobre el
orden que se puede esperar y en el futuro, se
tendrá una serie de redes neuronales
responsables de cada uno.
 Como metodología, incluye descripciones
de las fases normales de un proyecto, las
tareas necesarias en cada fase y una
explicación de las relaciones entre las
tareas.
 Como modelo de proceso, CRISP-DM
ofrece un resumen del ciclo vital de
minería de datos.
4. EL LENGUAJE R COMO MOTOR
ESTADÍSTICO
Un Lenguaje de programación es un conjunto
de instrucciones y términos, que se construye
y se emplea para que un ordenador o un
dispositivo puedan crear diferentes tipos de
datos, por ejemplo, R. Este lenguaje es un
entorno de software libre para realizar
análisis estadístico. Se trata de uno de los
lenguajes de programación más utilizados en
investigación por la comunidad estadística.
R nació en 1993 en Auckland. Sin embargo,
su origen puede rastrearse hasta un lenguaje
previo llamado S, creado por John Chambers
y colaboradores en Bell Laboratories durante
la década de 1970. La interacción con el
usuario se basa en una interfaz de línea de
comandos, que es bastante apropiada para la
manipulación interactiva de datos por parte
de usuarios experimentados.
5. TALEND OPEN STUDIO COMO
INTEGRADOR DE DATOS
Es una herramienta open-source (licencia
GPL) que permite de forma visual modelar
transformaciones de datos generando código
Java. Esta herramienta nos permite migrar,
transformar, limpiar y sincronizar bases de
datos para su posterior análisis. Cabe resaltar
que el DataSet que se utilizó, se preparó
mediante esta herramienta, generando así un
nuevo archivo listo para emprender el
conocimiento.
5.1. ETL (Extracción, transformación y
carga)
Hace referencia al proceso que permite dar
valor útil a los datos y obtener la información
de una fuente de datos, procesarla,
formatearla, limpiarla y cargarla en otra
fuente de datos.
 Extracción: Esta fase consiste en la
obtención de datos de las fuentes de
origen. Los datos pueden tener diferentes
orígenes, ya sean Bases de Datos
Relacionales, Bases de Datos No
Relacionales, ficheros, etc.
 Transformación: Consiste en
realización de los cálculos necesarios y
agregación de nuevos campos o atributos
mediante la unión de tablas (si se trata de
una base de datos relacional). Por
ejemplo, se unen 2 tablas que contengan
información sobre las ventas y los
clientes, para generar una sola tabla que
contenga ambas información.
 Carga: En esta parte del proceso se
vuelcan los datos procedentes de la fase
de transformación al sistema de destino.
En este punto se puede hacer un volcado
directo, manteniendo un histórico de
almacenaje con la fecha de inserción, o se
pueden sobrescribir los datos con la
nueva información.
6. POWER BI COMO PLATAFORMA
PARA EL DESPLIEGUE
Es la solución destinada a la inteligencia
empresarial, que permite unir diferentes
fuentes de datos, modelizar y analizar datos
para después, presentarlos a través de paneles
e informes; que puedan ser consultarlos de
una manera muy fácil, atractiva e intuitiva. A
través de Power BI Desktop se pueden crear
paneles, gráficos e informes “al gusto del
consumidor”.
7. FUNCIONES DISPONIBLES PARA
EL ANALISIS Y PREDICCIÓN
El lenguaje R cuenta con una serie de
paquetes y librerías que son de gran ayuda
para modelar o analizar tanto a nivel
estadístico, como gráfico. Son múltiples los
autores que han implementado paquetes para
que el proceso sea iterativo y para que
mediante de estos, la eficacia del mismo sea
cualificada con excelencia. Estos paquetes
deben ser instalados y posteriormente
llamados mediante la función library (). Los
principales paquetes disponibles para este
análisis y predicción se encuentran listados en
la la Tabla 1. En donde cada paquete cuenta con
una breve definición de su funcionalidad.
7.1. Entrada de los datos
Se buscaron los registros de las producciones
de café Colombiano para exportar a nivel
internacional durante los años 2015-2016 por
medio de la página del gobierno colombiano
https://www.datos.gov.co/ que cuenta con
múltiples DataSet para investigar, desarrollar
y crear visualizaciones contundentes Este
DataSet fue expuesto a procesos de limpieza
mediante la herramienta de Talend Open
Studio, para posteriormente realizar
operaciones estadísticas por medio del
lenguaje R.
 El formato origen de los datos, es de
extensión .CSV (archivo de excel
delimitado por ;) y cuenta con 56.307
registros, con un total de 696 datos
faltantes o campos en blanco.
 El formato de los datos no tiene
codificación de caracteres UTF-8.
 Posee atributos que no son necesarios o
relevantes para el análisis
 El resumen estadístico cuenta con la
Media, Moda, Mediana, Límites y
cuartiles para cada atributo.
 En la gráfica 1, se puede ver un
indicador obtenido con los datos
históricos del comportamiento de las
producciones de café por
departamento en general para todos
los meses de cada año.
7.3. Especificación y pronóstico
Se utilizó la metodología CRISP-DM como
proceso secuencial y en la fase del modelado,
se aplicaron series de Fourier y redes
neuronales, en donde se plasmó primero una
serie de tiempo con los años y meses en el eje
de las abscisas y las cantidades de toneladas
exportadas en el eje de las ordenadas (gráfica
2).

7.2. Análisis exploratorio de la

información

Este análisis se basa en gráficos y estadísticos

que permiten explorar la distribución
identificando características tales como:
valores atípicos u outliers, saltos o
discontinuidades, concentraciones de valores,
forma de la distribución, etc. Por otra parte,
este análisis se puede realizar sobre todos los
casos conjuntamente o de forma separada por
grupos.

En el análisis exploratorio se hizo un resumen

estadístico para cada una de las variables,
para poder saber a qué nos enfrentamos,
como es la iteración año a año, mes a mes de
las producciones y de otros factores claves.
Esto ayudará a entender mucho mejor
mediante gráficos, el comportamiento y las
tendencias de los datos.
 Graph 2. Export behavior by year and month

 Se encontraron similitudes en las series de tiempo con respecto a los años, parece haber
una fuerte periodicidad entre los trimestres, esto sugiere que hay una estructura subyacente
en los datos que puede usarse para pronosticar (gráfica 3).
Gráfica 3. Fabricación mes a mes

Graph 3. Month-to-month export

 La serie temporal parece ser estacionaria y altamente periódica; por lo tanto, debería valer
la pena analizar sus características en el dominio de la frecuencia. Pero para esto, es
necesario tomar el último trimestre del año 2018 como objetivo de predicción, ya que su
serie de tiempo no está completa en sus 4 trimestres por año.

 El dominio de la frecuencia está relacionado con las series de Fourier, las cuales permiten
descomponer una señal periódica en un número finito o infinito de frecuencias (gráfica 4).

Gráfica 4. Espectro de potencia

Graph 4. Power spectrum

 Dividimos el dominio de frecuencia de la serie temporal en intervalos para que cada

intervalo contenga la frecuencia fundamental de la señal periódica fuerte o un armónico de
la misma. Esto es efectivamente una descomposición basada en filtrado de paso de banda
(Gráfica 5).

Gráfica 5. Descomposición en el dominio del tiempo

Graph 5. Decomposition in the time domain
 Entrenamos la red neuronal para un total de 10 predicciones que equivale a cada mes del
año 2018 y se obtiene una predicción (Gráfica 6)

Gráfica 6. Predicción (color rojo) de la serie

Graph 6. Prediction (red color) of the series
8. CONCLUSIONES
EL análisis exploratorio que se hizo en
primera instancia, logró satisfacer la
necesidad de conocer cómo interactúan las
cantidades de fabricación y clasificación del
café con respecto a los años establecidos,
como su nivel de comercialización por
volumen ha afectado en el trascurso de los
meses y como finalidad, tomar decisiones que
ayudarán a poder mejorar las condiciones de
fabricación y comercialización.
Sin embargo, la serie de Fourier como
principal actor en esta investigación,
transformó nuestras series temporales en
funciones de frecuencias y por medio de su
descomposición (armónicos) o series de más
simples componentes, ayudó a mapear dichas
series mediante redes neuronales para poder
predecir la cantidad de producción para
exportar.

Los predictores extraídos de los datos

históricos pueden soportar la programación
de producción y suavizar los procesos de
producción. Inicialmente, al comienzo de un
trimestre, la producción puede generar
activos de acuerdo con el volumen previsto y
la composición de las características en los
pedidos. A medida que el número de pedidos
entrantes aumenta con el paso del tiempo, se
puede dar prioridad a los pedidos definidos y
la capacidad de producción se puede utilizar
para compensar la diferencia entre el
volumen de pedidos previsto y el ya definido.
En la fase final de un trimestre solo se
procesan los pedidos.
Esta lógica simple encaja bien en cualquier
enfoque de optimización al asignar una
importancia gradualmente decreciente al
predictor. Por otra parte, El impacto desde el
punto de vista de la producción es que la
prefabricación genera suficientes activos de
productos que se ajustan a la composición de
los pedidos posteriores para cumplirlos desde
la distribuidora durante la carga de la semana
al final del trimestre. De esta manera, la
utilización de las capacidades de fabricación
puede permanecer en un nivel casi constante.

Tabla 1. Paquetes y funciones de R

Función Descripción
Lee datos almacenados por 'Minitab', 'S', 'SAS',
library(foreign) 'SPSS', 'Stata', 'Systat', 'Weka'.
Herramientas de visualización de datos para
library(ggfortify) resultados de análisis estadísticos.
Funciones de pronóstico para series temporales y
library(forecast) modelos lineales
library(TSA) Análisis de series temporales
Cree gráficos web interactivos a través de
library(plotly) 'plotly.js'.
Cree elegantes visualizaciones de datos utilizando
library(ggplot2) la gramática de gráficos
library(RColorBrewer Paletas de ColorBrewer
)
library(grid) instalar, actualizar, cargar paquetes de CRAN,
 'GitHub' y 'Bioconductor' en un solo paso
Redes neuronales de avance y modelos
library(nnet) multinomiales logarítmicos lineales

Gráfica 1. Comportamiento de las producciones de café por departamento en general para todos los
meses de cada año
Graph 1. Behavior of coffee productions by department in general for all months of each year

9. REFERENCIAS
[4] Morales A. 2019. R y GIS: qué es R y
[1] Kane D. 2015. Introduction to Data su relación con los SIG. Enlace:
Mining & Predictive Analytics. Enlace: https://mappinggis.com/2019/02/r-y-gis-
file:///C:/Users/admin/Documents/Downl que-es-r-y-su-relacion-con-los-sig/.
oads/16.%20Fourier%20Analysis.pdf.
[5] Ub.edu. 2016. ANÁLISIS
[2] Rpubs. 2015. Análisis espectral con EXPLORATORIO DE DATOS. Enlace:
R. Enlace: http://rstudio http://www.ub.edu/aplica_infor/spss/cap2
pubsstatic.s3.amazonaws.com/12345_6c9 -3.htm
d6827c7204c5ca974a1944138b452.html.
[6] VELÁSQUEZ HENAO J,
[3] Neto J. 2013. Fourier Transform: A R MORALES OLAYA Y, CARDONA
Tutorial. Enlace: FRANCO C. 2010. Enlace:
http://www.di.fc.ul.pt/~jpn/r/fourier/fouri http://www.scielo.org.co/pdf/dyna/v78n1
er.html. 65/a30v78n165.pdf.