Un enfoque bayesiano para incorporar pronósticos de la demanda en experimentos por simulación para la administración de inventarios

Con el objetivo de planear la producción y distribución de manufacturas con base en información cada vez más cercana al momento de venta, los sistemas de apoyo a la toma de decisiones para la administración de inventarios deben incorporar pronósticos de la demanda basados en poca información objetiva, o en información subjetiva, En particular, cuando se utilizan modelos de simulación para apoyar toma de decisiones relacionadas con inventarios de seguridad, o con tamaños y demoras de los pedidos, es conveniente modelar la distribución de la demanda tomando en cuenta tanto los datos disponibles sobre experiencias pasadas, como la información (a menudo subjetiva) sobre el futuro cercano. En este artículo se presenta un enfoque bayesiano para modelar un componente aleatorio de entrada (por ejemplo, la distribución de la demanda) en experimentos por simulación para la administración de inventarios. Bajo este enfoque, la familia de distribuciones propuesta para modelar el componente de entrada debe considerar dos tipos de parámetros, los que capturan información de datos históricos y los que dependen del pronóstico (a menudo subjetivo) sobre el escenario particular a simular. La aplicación del enfoque propuesto se ilustra con un ejemplo en el que se modela la demanda diaria por medio de una distribución binomial negativa, y el usuario del sistema proporciona la demanda esperada para todo el periodo a simular.