Método de combinación de pronósticos usando modelos Bayesianos y una metaheurística, caso de estudio

Abstract

La planeación de pronósticos de demanda de productos perecederos es importante para todo tipo de industria que los manufacture o distribuya, en especial, cuando ésta tiene un comportamiento estacional y variabilidad difícil de predecir. En este trabajo se propone una metaheurística basada en Optimización por Colonia de Hormigas (ACO) para la combinación de pronósticos de múltiples productos, basada en tres modelos: Modelo Lineal Mixto (MLM), Modelo de Regresión Bayesiana (BRM) y Modelo Bayesiano Lineal Dinámico (BDLM), los cuales hacen parte de la combinación propuesta cuyo proceso se basa en la minimización del indicador de Media de Error Absoluto Porcentual Simétrico (SMAPE). Se encuentra que las metodologías de BDLM y de BRM obtienen buenos resultados de forma individual siendo mejor esta última, no obstante, el algoritmo ACO diseñado arroja un mejor resultado, facilitando una adecuada predicción de demanda de varios productos de una empresa del sector de cárnicos.

Keywords

• estadística y probabilidad
• pronósticos
• teoría de optimización
• estadística Bayesiana