La complejidad de las cadenas de suministro exige mejores métodos para programar los inventarios de una empresa. En este trabajo se presenta una comparación entre modelos de pronósticos de demanda de múltiples productos, eligiendo el mejor entre: ARIMA, Suavización exponencial, Regresión Lineal Bayesiana y un Modelo Lineal Dinámico Bayesiano. Para ello, primero se realiza una simulación de casos donde no hay una Distribución Normal en las series de tiempo, segundo, se estiman las predicciones de ventas de tres productos de una estación de servicios de gasolina con los cuatro modelos, encontrando los mejores resultados para la Regresión Lineal Bayesiana. Seguido a esto, se presenta la optimización de un Modelo de Inventarios Multi-Producto. Para definir la política de pedidos, inventarios, costos y ganancias, se utiliza una búsqueda bayesiana, que integra elementos de búsqueda Tabú para mejorar la solución. Dicha Optimización del Modelo de Inventarios se aplica a un caso de una estación de combustibles en Colombia.