Aplicación de Modelación bayesiana y optimización para pronósticos de demanda

Marisol Valencia Cárdenas; Juan Carlos Correa Morales; Francisco Javier Díaz Serna; Sebastián Ramírez Agudelo

Ayuda

Aplicación de Modelación bayesiana y optimización para pronósticos de demanda

Marisol Valencia Cárdenas ^[3] ; Juan Carlos Correa Morales ^[1] ; Francisco Javier Díaz Serna ^[1] ; Sebastián Ramírez Agudelo ^[2]
1. [1] Universidad Nacional de Colombia
  
  Universidad Nacional de Colombia
  
  Colombia
2. [2] Universidad Pontificia Bolivariana
  
  Universidad Pontificia Bolivariana
  
  Colombia
3. [3] Ingeniera Industrial Magister en Estadística, UNAL
Mostrar afiliaciones +
Localización: Ingeniería y desarrollo: revista de la División de Ingeniería de la Universidad del Norte, ISSN 0122-3461, Vol. 32, Nº. 2, 2014 (Ejemplar dedicado a: Julio-Diciembre), págs. 179-199
Idioma: español
Títulos paralelos:
- Bayesian modeling application and optimization to demand forecasting
Enlaces
- Texto completo

Dialnet Métricas: 2 Citas

Resumen
- español
  Las prácticas para el manejo óptimo de inventarios son una necesidad en las cadenas de abastecimiento, en especial para productos industriales terminados. Un aporte al mejoramiento de esta cadena logística consiste en encontrar modelos eficientes para el pronóstico de la demanda de estos productos y que a su vez, permitan minimizar los costos del manejo de los inventarios, aspectos que se dificultan cuando hay presencia de pocos datos históricos. La propuesta de este trabajo consiste en aplicar varias técnicas bayesianas con un método de optimización, comparando su eficiencia para el pronóstico de la demanda en casos de pocos datos. Los resultados indican que la técnica de pronóstico del valor esperado con parámetros autorregresivos, usando el método Tabú de optimización, es el que muestra mejor acierto en el pronóstico.
- English
  Practices for optimal inventory management are a need at supply chains, especially for finished industrial products. A contribution to this logistic chain consists in finding efficient forecast of products demand, which permits to minimize cost inventory management, aspects that are more difficult in the presence of few historical data. This work proposal consists in the application of various Bayesian techniques with an optimization method, comparing its efficiency with MAPE indicator for demand forecasting, with few historical data. Results indicate that the expected value technique with an order 1 delay in the parameters, using Tabu metaheuristic shows the best accuracy in the forecast.