Identificación de quiebres de stock en góndola utilizando cadenas de Markov ocultas

Abstract

Un aspecto crucial en la administración de un supermercado es la gestión de inventario. Determinar los niveles óptimos de este, los tamaños y la periodicidad de los pedidos a los proveedores son decisiones importantes y que requieren de un profundo análisis del comportamiento de la demanda. Sin embargo, los esfuerzos empleados en determinar dichos factores se ven desperdiciados si el stock en inventario no está coordinado con el stock presentado en góndola, que es lo que finalmente observa el consumidor. El objetivo de este trabajo es crear un sistema que identifique quiebres de stock en las góndolas de una cadena de supermercados, utilizando como insumo la información transaccional que esta posee. Para determinar el estado de la góndola se aplican Modelos de Markov Ocultos, debido a la capacidad que estos tienen de modelar estados no observables y dinámicos en el tiempo. Para calibrar el modelo se cuenta con información transaccional de las boletas en el punto de venta. A partir de estos datos se estiman modelos con distinto número de estados y con distintos niveles de agregación de la información, esto con el objetivo de encontrar la estructura que resuelve de mejor manera el problema estudiado. Por otro lado, para validar la clasificación realizada se usará una medición del real estado de la góndola, obtenida a partir de una inspección presencial de estas durante un período de 14 días. Finalmente, los resultados del modelo propuesto se contrastan con los de una auditoría que utiliza un método alternativo para detectar quiebres aplicado a los mismos datos considerados durante este trabajo. Como conclusión de este trabajo se tiene que un modelo de tres estados utilizando datos de agregación diaria es el que clasifica las observaciones de manera más acertada. Además, la imposición de restricciones al estado asociado a quiebre mejora en gran medida los resultados, identificando el 63.48% de los quiebres ocurridos con un porcentaje de error del 15.52 %, superando los resultados de la auditoría corresponientes a 56.52% y 28.57% respectivamente. Finalmente, como trabajo futuro se propone evaluar la clasificación de quiebres con un modelo que considere distintas topologías para cada producto y/o tienda, junto con la inclusión de otras variables descriptivas como promociones o exposiciones extraordinarias del producto.