Generación de escenarios de demanda para productos de innovación

  • Jairo Coronado-Hernández
  • Alfonso Romero-Conrado
  • Orlando Zapateiro-Altamiranda
  • Wilson Rios-Angulo
  • Samir Umaña-Ibáñez

Resumen

Objetivo: Generar escenarios de demandas simulando el ciclo de vida del producto, cuando este no tiene información histórica o registro de ventas. Métodos: Se utilizan los modelos de difusión de la Curva Logística, Gompertz y Bass, junto con simulación de Montecarlo. Resultados: Se obtienen diferentes escenarios de demanda dado el comportamiento de los parámetros según su distribución de probabilidad. Conclusiones: Se utilizan los modelos de difusión para la generación de escenarios de demanda, como aproximación del potencial de realización de la demanda. Implicaciones prácticas: Los escenarios obtenidos se tomarán como entradas a modelos de programación matemática para la planificación de cadenas de suministro rápidas para productos de innovación. 

Referencias

J. Morrison, Lyfe-Cycle Approach to new Product Forecasting, The Journal of Business Forecasting Methods and Systems, vol. 14, no. 2, pp. 3-5, 1995.

N. Meade and T. Islam, Modelling and forecasting the diffusion of innovation - A 25-year review, International Journal of Forecasting, vol. 22, no. 3, pp. 519-545, 2006. https://doi.org/10.1016/j.ijforecast.2006.01.005

R. Scitovski and M. Meler, Solving parameter estimation problem in new product diffusion models, Applied Mathematics and Computation, vol. 127, no. 1, pp. 45-63, Mar.2002. https://doi.org/10.1016/S0096- 3003(00)00164-8

X. Zhao, J. Xie, and J. Leung, The impact of forecasting model selection on the value of information sharing in a supply chain, European Journal of Operational Research, vol. 142, no. 2, pp. 321-344, Oct.2002. https://doi.org/10.1016/S0377-2217(01)00300-9

A. Gupta and C. D. Maranas, Managing demand uncertainty in supply chain planning, Computers & Chemical Engineering, vol. 27, no. 8-9, pp. 1219-1227, Sept.2003. https://doi.org/10.1016/S0098-1354(03)00048-6

A. A. Kurawarwala and H. Matsuo, Forecasting and Inventory Management of Short Life-CycleProducts, Operations Research, vol. 44, no. 1, pp. 131-150, Jan.1996. https://doi.org/10.1287/opre.44.1.131

Patiño Builes, A. (2015). Tendencias tecnológicas que influyen en el aumento de la productividad empresarial. INGE CUC, 11(2), 84-96. https://doi.org/10.17981/ingecuc.11.2.2015.09

M. A. Moon, J. T. Mentzer, and C. D. Smith, Conducting a sales forecasting audit, International Journal of Forecasting, vol. 19, no. 1, pp. 5-25, Jan.2001. https://doi.org/10.1016/S0169-2070(02)00032-8

Z. L. Chen, S. Li, and D. Tirupati, A scenario-based stochastic programming approach for technologyand capacity planning, Computers & Operations Research, vol. 29, no. 7, pp. 781-806,June2002. https://doi.org/10.1016/S0305-0548(00)00076-9

Gomez Cabrera, A., & Morales Bocanegra, D. (2016). Análisis de la productividad en la construcción de vivienda basada en rendimientos de mano de obra. INGE CUC, 12(1), 21-31. https://doi.org/10.17981/ingecuc.12.1.2016.02

E. M. Rogers, Social Structure and Social Change, The American Behavioral Scientist, vol. 14, no. 5, pp. 767- 782, 1971. https://doi.org/10.1177/000276427101400508

F. Bass, A New Product Growth for Model Consumer Durables , Management Science, vol. 15, no. 5, pp. 215-227, Jan.1969. https://doi.org/10.1287/mnsc.15.5.215

V. Mahajan, E. Muller, and F. Bass, Diffusion of New Products: Empirical Generalizations and Managerial Uses, Marketing Science, vol. 14, no. 3, pp. 79-88, 1995. https://doi.org/10.1287/mksc.14.3.G79

E. M. ROGERS, Diffision of Innovations. New York: 1962.

J. Morrison, How to use diffusion models in new product forecasting, The Journal of Business Forecasting Methods & Systems, vol. 15, no. 2, pp. 6-9, 1996.

C. V. Trappey and H. Y. Wu, An evaluation of the time-varying extended logistic, simple logistic, and Gompertz models for forecasting short product lifecycles, Advanced Engineering Informatics, vol. 22, no. 4, pp. 421-430, Oct.2008. https://doi.org/10.1016/j.aei.2008.05.007

M. Lawrence, P. Goodwin, M. O'Connor, and D. Ínkal, Judgmental forecasting: A review of progress over the last 25 years, International Journal of Forecasting, vol. 22, no. 3, pp. 493-518, 2006. https://doi.org/10.1016/j.ijforecast.2006.03.007

V. Mahajan and S. Sharma, A simple algebraic estimation procedure for innovation diffusion models of new product acceptance, Technological Forecasting and Social Change, vol. 30, no. 4, pp. 331-345, Dec.1986. https://doi.org/10.1016/0040-1625(86)90031-4

Descargas

La descarga de datos todavía no está disponible.
Publicado
2019-12-13
Cómo citar
Coronado-Hernández, J., Romero-Conrado, A., Zapateiro-Altamiranda, O., Rios-Angulo, W., & Umaña-Ibáñez, S. (2019). Generación de escenarios de demanda para productos de innovación. Boletín De Innovación, Logística Y Operaciones, 1(1), 15-20. https://doi.org/10.17981/bilo.01.01.2019.03
Sección
Artículos