Multi-product inventory modeling with demand forecasting and Bayesian optimization
| Autor: | Juan Carlos Correa Morales, Francisco Serna, Marisol Valencia Cárdenas |
|---|---|
| Jazyk: | Spanish; Castilian |
| Rok vydání: | 2016 |
| Předmět: |
lcsh:TN1-997
Schedule Engineering Forecasts Operations research Supply chain Bayesian probability 0211 other engineering and technologies 02 engineering and technology Modelos Dinámicos Lineales lcsh:Technology 01 natural sciences 010104 statistics & probability Autoregressive integrated moving average 0101 mathematics Estadística Bayesiana lcsh:Mining engineering. Metallurgy 021103 operations research Pronósticos lcsh:T business.industry Exponential smoothing General Engineering Inventory Models Modelos de Inventarios Bayesian search theory Tabu search Dynamic Linear Models 62 Ingeniería y operaciones afines / Engineering business Bayesian linear regression Bayesian Statistics |
| Zdroj: | Repositorio UN Universidad Nacional de Colombia instacron:Universidad Nacional de Colombia DYNA, Volume: 83, Issue: 198, Pages: 235-243, Published: SEP 2016 Dyna, Vol 83, Iss 198, Pp 235-243 (2016) |
| Popis: | The complexity of supply chains requires advanced methods to schedule companies' inventories. This paper presents a comparison of model forecasts of demand for multiple products, choosing the best among the following: autoregressive integrated moving average (ARIMA), exponential smoothing (ES), a Bayesian regression model (BRM), and a Bayesian dynamic linear model (BDLM). To this end, cases in which the time series is normally distributed are first simulated. Second, sales predictions for three products of a gas service station are estimated using the four models, revealing the BRM to be the best model. Subsequently, the multi-product inventory model is optimized. To define the policies for ordering, inventory, costs, and profits, a Bayesian search integrating elements of a Tabu search is used to improve the solution. This inventory model optimization process is then applied to the case of a gas service station in Colombia. La complejidad de las cadenas de suministro exige mejores métodos para programar los inventarios de una empresa. En este trabajo se presenta una comparación entre modelos de pronósticos de demanda de múltiples productos, eligiendo el mejor entre: ARIMA, Suavización exponencial, Regresión Lineal Bayesiana y un Modelo Lineal Dinámico Bayesiano. Para ello, primero se realiza una simulación de casos donde no hay una Distribución Normal en las series de tiempo, segundo, se estiman las predicciones de ventas de tres productos de una estación de servicios de gasolina con los cuatro modelos, encontrando los mejores resultados para la Regresión Lineal Bayesiana. Seguido a esto, se presenta la optimización de un Modelo de Inventarios Multi-Producto. Para definir la política de pedidos, inventarios, costos y ganancias, se utiliza una búsqueda bayesiana, que integra elementos de búsqueda Tabú para mejorar la solución. Dicha Optimización del Modelo de Inventarios se aplica a un caso de una estación de combustibles en Colombia. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|