CONGRESO CLAUSURA PROYECTO i-MATH Optimización del reaprovisionamiento en una gran cadena de...

CONGRESO CLAUSURA PROYECTO i-MATH

Optimización del reaprovisionamiento en una gran cadena de tiendas

Mikel LezaunDpto. de Matemática Aplicada, Estadística e

Investigación Operativa

Universidad del País Vasco, Bilbao

[email protected]

Castro Urdiales, 19-21 de Septiembre de 2011

Proyecto i-MATH Consolider / Eroski S. Coop

UPV/EHU -URJC


- Antecedentes

ACTUACIONES EN INVESTIGACION OPERATIVA

Primer Workshop

Facultad de Ciencia y Tecnología de la Universidad del País Vasco

Salón de Grados

18 y 19 de Enero de 2007

Proyecto i-MATH Consolider – UPV/EHU

32 investigadores de 15 universidades

Empresa invitada: Eroski S. Coop.

13 ponencias

Sociedad cooperativa formada por más de 50.000 personas y más de

2.440 establecimientos. Pertenece a la Coorporación Mondragon.

Participan en el workshop: Alberto Madariaga, Pachi Felez, Luis Bezares,

Eduardo Abad y Jesús Miñaur (Director de Procesos y Sistemas, miembro

del Consejo de Dirección).



METODOLOGÍA EN CASCADA PARA LA LOCALIZACIÓN Y EL DISEÑO DE LA RED LOGÍSTICA: sistema soporte para la toma de decisión del mapa de plataformas.

Dar respuesta a las siguientes preguntas.

– Determinar el número de almacenes.

– Determinar la localización de dichos almacenes.

– Determinar el tamaño de dichos almacenes.

– Realizar un diseño preliminar de almacenes (espacio y tipo de almacenamiento por producto).

– Determinar los modos de transporte de proveedores a almacén y de almacenes a cliente.


Cálculo del Centro de Gravedad

Batería de alternativas

Coste de transporte sobre

posibles alternativas

Necesidades de almacenamiento(capacidad máx.

y media)

Alternativas de nivelación

Decisión hacer o subcontratar

Plan de almacenes

Plan de transporte

Planificación del servicio y

análisis de rutas

FASE 1 FASE 2 FASE 3 FASE 4

Metodología en cascada para la localización y el diseño de la red logística.



Planificación de la fuerza de

trabajo. Optimización.

Riesgos que conlleva la planificación de los

turnos:

– Conflictos laborales por distribuir el trabajo de

forma no suficientemente equilibrada.

– Pérdida de la capacidad productiva al distribuir los

recursos humanos sin considerar la totalidad de

los factores que influyen.

– Previsión deficiente del dimensionamiento del

equipo necesario para desarrollar la actividad.


• Lograr una planificación precisa y eficiente para que

los empleados estén en el lugar adecuado y en el

momento preciso.

• Alinear las necesidades del personal con los objetivos

de la empresa.

• Eliminar los problemas generados por una

planificación que provoca desconfianzas.

• Simplificar el trabajo administrativo y reducir el

esfuerzo de planificación.



Aprovisionamiento Reactivo

Basado en el control del stock. Se determina un stock

óptimo por referencia, y el sistema reacciona ante

disminuciones de este nivel de stock.

Aprovisionamiento Predictivo

Basado en el control del stock y en un cálculo de

previsión de salidas.

Se determina un stock óptimo por referencia, y el

sistema se anticipa a los movimientos previstos del

stock para mantener los niveles definidos.


Conclusiones

- Los tres problemas serían abordables. Llegado el caso se montaría

un grupo de investigación para llevara cabo los proyectos.

- Eroski querría que la sede del proyecto estuviera en la UPV/EHU.

- Se queda en que seguiremos en contacto.

- Grupo de Investigación Operativa en Eroski.

ACTUACIONES EN INVESTIGACIÓN OPERATIVA

WORKSHOP CONJUNTO

Ingenio-Mathematica

Red Temática de análisis y decisiones sobre localización de servicios y

problemas relacionados

Universidad Internacional de Andalucía

Sede Antonio Machado, Baeza

21 de Marzo de 2007


Empresa invitada:

Compañía Española de Hidrocarburos

http://www.clh.es/


CLH se dedica al transporte de hidrocarburos

refinados desde las refinerías y puertos hasta los

centros de distribución a las plataformas de las

empresas que operan en España.

CLH transporta sobre todo por oleoducto y

secundariamente por vía marítima. Excepcionalmente

usa camiones cisterna.

En oleoducto es monopolio.

http://www.clh.es/


http://www.clh.es/


Miguel Ángel Sanz y Jorge Guillén.

Los tres principales problemas de optimización a los que

se enfrentan son:

Modelo para la facturación.

Modelo para el transporte: programación de buques.

Modelo para el transporte: programación de oleoductos.

Somos el transportista único y operador del sistema eléctrico español. Nuestra misión es garantizar la continuidad y seguridad del suministro eléctrico.

http://www.clh.es/


Optimización del reaprovisionamiento en una gran cadena de tiendas

Comienzo: 28 de abril de 2008

Financiación Eroski: 85.000 euros (56,3 %)

UPV/EHU: Mikel Lezaun, Araceli Garín, María Merino, Gloria Pérez,

Eduardo Sáinz de la Maza, Fernando Tusell.

URJC: Laureano Escudero, Celeste Pizarro, Ana Elisabeth García Sipols,

Clara Simón.

EROSKI: Enrique Rey, Raúl Corroto, Javier López (Jesús Miñaur).

Contratadas del proyecto: Águeda Madoz, Maider Mateos.


Elección: Cordero y Galletas,

Aprovisionamiento Predictivo

Basado en el control del stock y en un cálculo de

previsión de salidas.

Previsión de ventas

2 supermercados: A y B,

2 hipermercados: C y D.

Por ejemplo en A, 75 series diarias de cordero. 13 referencias

suponen el 80 % de las ventas en valor.


1.- Series diarias de referencias.

Muchísimas referencias, mucha dispersión.

Muchas series de vida corta.

Ofertas.

Muchos días de ventas cero.

Productos intercambiables.

No se disponía de series largas de ventas de referencias.

La predicción a nivel de referencia parece, al presente, un problema

extra-estadístico. Las series son demasiado cortas, de errática

observación y comportamiento.

Definición de metareferencias.

8 series de datos, todas ellas de una longitud menor a ocho años.

2,- Series mensuales.


2. Datos agregados mensuales

Centro C. Venta mensual de cordero y galletas


Centro A. Venta mensual de cordero y galletas


Centro B. Venta mensual de cordero y galletas


Centro D. Venta mensual de cordero y galletas


3. Previsión de las ventas mensuales

Solución de Eroski: 11,2006

12,200611,200712,2007ˆ

y

yyy

SERIES TEMPORALES

El método alternativo tiene que ser fácil de implementar.

Una serie temporal es una secuencia de datos medidos en determinados

momentos del tiempo, ordenados cronológicamente y, normalmente,

espaciados entre sí de manera uniforme.

8 series, todas ellas con una longitud inferior a 8 años.


Estacionalidad

Tendencia

Las series se descomponen en tendencia, variaciones estacionales y

variaciones residuales.

Esquema aditivo:

Esquema multiplicativo:

tttt STy

tttt STy


En todas las series mensuales estudiadas el esquema más adecuado

es el multiplicativo.

Para calcular las previsiones se han utilizado tres modelos

estadísticos diferentes.

Los tres recogen la tendencia y la estacionalidad.

Ninguno funciona mejor en todos los casos.

Se elegirá una combinación de todos los pronósticos.


Método de Holt-Winters

- Técnica de alisado exponencial.

- Se consideran todos los períodos previos al de previsión.

- Pesos decrecientes exponencialmente a medida que se

distancian del periodo de previsión.

La predicción de ventas realizada en el mes t a k meses vista se calcula

como

12)(ˆ kttttkt SkTLy

tL nivel medio desestacionalizado, tT tendencia de la serie,

tS componente estacional.


Es un proceso recursivo cuyas ecuaciones de actualización son:

))(1( 1112

ttt

tt TL

S

yL

11 )1()( tttt TLLT

12)1( tt

tt S

L

yS

donde 0,,0 se toman de forma que minimicen el valor

del Error Cuadrático medio. Para tendencias elevadas se toman elevados.


Modelo Estructural Básico (BEM)

Ecuación de observación

tttty con ),0( et N

Esta ecuación relaciona la variable observada con ciertas componentes

no observables. En este caso se pueden interpretar como

- nivel, t

- componente estacional,

- componente irregular,

t

t


Ecuación de transición

tttt 11

ttt 1

ti

itt

11

1

donde tt t

,

y

son un ruido blanco con varianza2

2

,y

2

Estimación de los parámetros y previsiones filtro de Kalman.

que están mutuamente incorrelados.


Modelos ARIMA (AutoRegressive Integrated Moving Average)

Son modelos muy utilizados en el ámbito de las series temporales

Están compuestos por dos partes:

- AR: La observación en el instante t depende de su

estado en el pasado y de un error aleatorio.

ty

tptpyt Zyyy 11

- MA: La variable depende de los errores cometidos al estimar

su valor en periodos anteriores.

qtqytt ZZZy 11

Hay que modelizar tanto la parte regular como la irregular.


Se cuantifica la precisión de la predicción de los modelos

mediante el Error Cuadrático Medio (ECM).

n

tttt yy

n 1

21)ˆ(

1ECM

Se combinan los tres pronósticos a través de una regresión cuyas

variables dependientes son los ajustes obtenidos con los distintos

métodos

ttttttttt yyyy 313

212

11101

ˆˆˆˆ

Se consigue así una reducción del ECM y mejores previsiones.


Previsión Venta real DesviaciónCentro C 17638 14721 19.82 %Centro A 15098 13262 13.85 %Centro B 18595 19322 - 3.24 %Centro D 13490 13736 - 1.79 %

CORDERO. Diciembre 2007

Un mes de anticipación

Previsión Venta real DesviaciónCentro C 15584 12804 21.71 %Centro A 13331 11279 18.20 %Centro B 12299 10726 14.67 %Centro D 9763 11800 - 17.79 %

CORDERO. Diciembre 2008

Dos meses de anticipación


Previsión Venta real DesviaciónCentro C 31542 32557 - 3.12 %Centro A 12677 12195 3.96 %Centro B 11682 11959 - 2.31 %Centro D 19803 19943 - 0.70 %

GALLETAS. Diciembre 2007

Un mes de anticipación

Previsión Venta real DesviaciónCentro C 36236 34499 5.03 %Centro A 12118 12475 - 2.86 %Centro B 10817 10082 7.29 %Centro D 20358 19332 5.31 %

GALLETAS. Diciembre 2008

Dos meses de anticipación


Navidad-05 NocheV-05 Navidad-06 NocheV-06 Navidad-07 NocheV-07Centro C 22,64% 23,33% 31,10% 23,25% 25,41% 14,64%Centro A 31,86% 25,59% 36,47% 26,13% 31,57% 25,53%Centro B 31,80% 28,98% 31,44% 30,62% 30,14% 29,65%Centro D 20,28% 17,77% 26,47% 16,64% 19,69% 19,38%

CORDERO. 3 días anteriores a Navidad y a Noche Vieja

Navidad-05 NocheV-05 Navidad-06 NocheV-06 Navidad-07 NocheV-07Centro C 11,24% 9,58% 14,95% 13,32% 13,23% 13,26%Centro A 11,57% 10,78% 12,34% 13,45% 12,79% 13,51%Centro B 11,24% 12,47% 14,14% 12,58% 11,87% 12,26%Centro D 9,09% 9,80% 13,01% 9,89% 10,29% 10,03%

GALLETAS. 3 días anteriores a Navidad y a noche Vieja


Cordero. Centro C


Cordero. Centro A


Cordero. Centro B


Cordero. Centro D


¿Metareferencias?

¿Agregados por zonas geográficas?

Confección de un programa informático que integra todo el proceso

CRISIS ECONÓMICA REESTRUCTURACIÓN DE LA EMPRESA

¿Ofertas?


NUEVOS CENTROS. PLAN DE VIABILIDAD

Se trata de determinar qué inversiones resultarán rentables

Hipermercados. Metodologías probadas por Eroski:

- Estimación de cuotas teóricas a obtener. Se busca si en una

zona determinada hay “hueco”. ¿Mayor problema? Eroski mismo

considera que en el mercado no existen huecos sin cubrir.

- Potencialidad. Se estima el mercado potencial a través a través de

la definición del área de influencia (encuestas de opinión). Factor

marca. Método caro y poco fiable.


- Método de ubicación virtual. Se propone un nuevo reparto de la cuota

de mercado con la entrada de un nuevo competidor (métodos

gravitacionales). Factor de marca, encuestas, poco fiable.

Método actual.

Definición de los factores claves de éxito (16) y puntuación (200).

Descripción económica y geográfica (x1 puntos)

Habitantes, vehículos, gasto medio por habitante…


Descripción ubicación y accesos (x2 puntos)

Comodidad de acceso, tiempos de acceso,…

Descripción de la competencia (x3 puntos)

Existencia de otros centros, densidad de hipermercados,..

Descripción experiencia (x4 puntos)

Hipermercados Eroski similares, zona preferente,…


Una vez puntuados todos los centros de la red actual, se ordenan de

mayor a menor puntuación obtenida y se separan por tipología de centro

(red 10000, red 6000 mayores de 3000 m2 y red 6000 menores de 3000 m2).

Por otro lado se ordenan los centros por volumen de ventas.

Para tomar una decisión de apertura se trabaja con las dos listas.

PROCEDIMIENTO MUY SUBJETIVO


Primera propuesta de mejora. Regresión

Se propone un modelo de regresión que permita identificar los pesos

según su influencia en la estimación de las ventas.

60 hipermercados. 55 para el estudio y 5 para la validación

16

1,0

ijiij Xy 55,....,1j

Pocos datos (55 hipermercados) y muchas variables a estimar (17). Se

puede llegar a estimaciones poco fiables. Se puede considerar descartar

alguna de las variables estimadas en función del nivel de significación de

la misma en el ajuste u otro tipo de ajustes en la regresión.


Se trata de clasificar los hipermercados existentes en grupos

homogéneos. Los centros de cada grupo son similares entre sí y

diferentes de los centros de los otros conglomerados.

Segunda propuesta de mejora. Métodos de agrupación de centros

- Base de datos de todos los hipermercados con los factores clave

descritos anteriormente como variables categóricas con tres niveles

ordenados de manera descendente.

- Se calcula la media de las ventas por unidad de superficie de los

centros. La media así obtenida se multiplica por la superficie del centro y

esa será la estimación de ventas del nuevo centro.

6 grupos homogéneos

Grupo 1: Está formado por 6 hipermercados. Sus características principales

son:

o El número de habitantes en un radio de 5 a 10 minutos es alto.

o El número de Vehículos por cada 1000 habitantes es medio-alto.

o El gasto por habitante y año en alimentación es medio-alto.

o Las vías de acceso son secundarias pero son de fácil acceso.

o El tiempo para llegar en coche es inferior a 10 minutos.

o La ubicación frente a la competencia es equivalente.

o Existen 2 hipermercados en un radio de 10 minutos.

o Existen centros medianos fuera del proyecto pero cercanas a él.

o No es un proyecto novedoso .

o La valoración de Eroski en el entorno es normal y es zona preferente

pero sin costa.



Hipermercado Prevision Venta real % ErrorA 11888380 15601691 -31.23B 20315777 14280045 29.71C 22652874 16167758 28.63D 20669655 17730005 14.22F 24076037 36648762 -52.22G 32297560 31704552 1.84

GRUPO 1. Ventas 2008

Validación del modelo:

Método menos subjetivo, no depende de los puntos dados a las variables.

Actualizar los datos al año en que se toman las ventas


Supermercados. Se estudian muchas ubicaciones al año. No se

hacen estudios de encuestas, sólo se utiliza información de acceso

público.

- Determinación del área de influencia.

- Cuota de mercado. Estimación del número de habitantes dentro de esa

área. Herramienta GIS (Geographic Information System).

- Modelos de gravedad (modelo de Huff):

p: probabilidad de desplazamiento,

S: superficie del centro,

T : tiempo de desplazamiento,

,1 2

n

kkik

jijji

TS

TSp

1,

,,


Método de trabajo:

Agueda y Maider, contratadas por el proyecto, tenían su lugar de

trabajo en el Departamento de Matemática Aplicada y Estadística e

Investigación Operativa de la UPV/EHU.

Reuniones.

EROSKI FLEXIBILIDADEstancias de las contratadas en Eroski

¿Valoración? ¿Resultados académicos? ¿Publicaciones?

¿Futuro? ¿Departamento de estudios en Eroski?


COMENTARIOS FINALES

- Asumir trabajar en todo tipo de problemas

- Muchas iniciativas no fructifican

- Matemática industrial. Tiempos diferentes

- Valoración de las actividades de transferencia

- Tesis doctorales:

Diseño y creación de una base de datos para un problema de

eficiencia en la elección de itinerarios de transporte por

carretera

- Crear y dar conocer un ambiente propicio a la transferencia

CONGRESO CLAUSURA PROYECTO i-MATH Optimización del reaprovisionamiento en una gran cadena de...

Documents

Transcript of CONGRESO CLAUSURA PROYECTO i-MATH Optimización del reaprovisionamiento en una gran cadena de...