Un modelo para predecir la demanda en farmacias
![Thumbnail](/dspace/bitstream/handle/2183/31097/g9007_pdf.pdf.jpg?sequence=5&isAllowed=y)
View/ Open
Use this link to cite
http://hdl.handle.net/2183/31097
Except where otherwise noted, this item's license is described as Atribución-Compartir igual 4.0 Internacional (CC BY-SA 4.0)
Collections
Metadata
Show full item recordTitle
Un modelo para predecir la demanda en farmaciasAlternative Title(s)
A Model for Predicting Demand in PharmaciesAuthor(s)
Date
2022-06-30Citation
Rivero Albarran, D., Arciniegas Aguirre, S., & Fernández Badillo, M. (2022). Un modelo para predecir la demanda en farmacias. Redmarka. Revista de Marketing Aplicado, 26(1), 1-14. https://doi.org/10.17979/redma.2022.26.1.9007
Abstract
[Resumen] La gestión del inventario de medicamentos es una de las tareas más complejas a realizar en una farmacia. Una buena estimación de las compras favorece el compromiso entre satisfacer la demanda de los usuarios y minimizar los costos de mantenimiento de inventario y de almacenamiento. Por ello, conocer a priori la demanda de un determinado medicamento ayuda a decidir qué cantidad se debe comprar de producto. Las aplicaciones inteligentes, como los sistemas de recomendaciones o los sistemas predictivos, son altamente demandados por la industria farmacéutica dado su potencial para optimizar la compra y/o tener un mayor control de los inventarios, entre otros beneficios. En este trabajo se proponen dos métodos para predecir la demanda de medicamentos de la Farmacia del Instituto del Seguro Social de Ecuador, en la ciudad de Ibarra; uno basado en series de tiempo y otro usando redes neuronales. Los métodos fueron aplicados a medicamentos que tenían un comportamiento estacional y cíclico. Los modelos se evaluaron usando el error cuadrático medio y el error absoluto y se escogió el de menor error, que, en este caso, fue el modelo generado por la red neuronal. [Abstract] Inventory management of medicines is one of the most complex tasks for a pharmacy. Accurate purchase estimation allows pharmacies to balance the need to meet user demand and minimise inventory maintenance and storage costs by reliably predicting how much of a drug should be purchased. This paper proposes two methods for predicting the demand for medicines from the Pharmacy of the Ecuadorian Social Security Institute (Ibarra): one based on time series, and one based on neural networks. The models were tested on medicines with a seasonal, cyclical demand, and assessed using mean square error and mean absolute error measurements. The model based on neural networks was found to have a lower error rate.
Keywords
Modelos predictivos
Gestión de inventario
Sistemas inteligentes
Marketing
Farmacéuticas
Predictive models
Inventory management
Intelligent systems
Marketing
Pharmaceutical industry
Gestión de inventario
Sistemas inteligentes
Marketing
Farmacéuticas
Predictive models
Inventory management
Intelligent systems
Marketing
Pharmaceutical industry
Description
Este artículo forma parte de un monográfico sobre Interacción del Marketing y la Inteligencia Artificial: tendencias en la Sociedad Digital, coordinado por Francklin Rivas Echeverría. Kauel Inc. (USA), Universidad Técnica Federico Santa María (Chile), Pontificia Universidad Católica del Ecuador Sede Ibarra (Ecuador) e Universidad de Los Andes (Venezuela).
Editor version
Rights
Atribución-Compartir igual 4.0 Internacional (CC BY-SA 4.0)
ISSN
1852-2300