Resumen

Uno de los problemas de las empresas de distribución farmacéutica (PDC) es cómo controlar los niveles de inventario para evitar los costes de un exceso de existencias y evitar la pérdida de clientes debido a la escasez de medicamentos. En consecuencia, el objetivo de este estudio es proponer un método novedoso para prever las ventas de las PDC. El método presentado es una combinación de herramientas de análisis de redes y métodos de previsión de series temporales. Debido a la falta de suficientes registros de ventas anteriores de cada fármaco, se realiza un análisis exploratorio basado en redes para encontrar conjuntos de camarillas y miembros de grupos y utilizar los datos de ventas de los camaradas en su predicción de ventas. Posteriormente, se construyeron modelos de previsión de ventas de series temporales con tres enfoques diferentes, entre ellos la metodología ARIMA, la red neuronal y un enfoque de red neuronal híbrida avanzada. El método híbrido propuesto, que aplica los registros anteriores de cada fármaco y de sus miembros, permite captar con precisión patrones de ventas tanto lineales como no lineales. El rendimiento del método propuesto se evaluó mediante un conjunto de datos reales proporcionados por uno de los principales PDC de Irán. Los resultados indicaron que el método propuesto es capaz de hacer frente a un bajo número de registros pasados, al tiempo que pronostica las ventas de medicamentos con precisión.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:pdcs, método, enfoque de red neuronal híbrida avanzada, suficientes registros de ventas anteriores, métodos de previsión de series temporales, modelos de previsión de ventas de series temporales, herramientas de análisis de redes, empresas de distribución farmacéutica, comembers, medicamento
• Keywords:pdcs, method, advanced hybrid neural network approach, enough past sales records, time series forecasting methods, time series sales forecasting models, network analysis tools, pharmaceutical distribution companies, comembers, drug