INSTITUTO POLITÉCNICO NACIONAL -...
89
INSTITUTO POLITÉCNICO NACIONAL UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN “MODELADO DE SISTEMA UNIFICADO DE INVENTARIO MULTITIENDA INTEGRADO EN PLATAFORMA E-COMMERCE” T E S I S PARA OBTENER EL GRADO DE MAESTRO EN INGENIERÍA INDUSTRIAL PRESENTA: JOSÉ EMANUEL CASTELÁN CORTÉS DIRIGE: ISIDRO MARCO ANTONIO CRISTOBAL VAZQUEZ MÉXICO D.F. 2014
Transcript of INSTITUTO POLITÉCNICO NACIONAL -...
INSTITUTO POLITÉCNICO NACIONAL
UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES
Y ADMINISTRATIVAS
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN
“MODELADO DE SISTEMA UNIFICADO DE INVENTARIO
MULTITIENDA INTEGRADO EN PLATAFORMA
E-COMMERCE”
T E S I S
PARA OBTENER EL GRADO DE
MAESTRO EN INGENIERÍA INDUSTRIAL
PRESENTA:
JOSÉ EMANUEL CASTELÁN CORTÉS
DIRIGE:
ISIDRO MARCO ANTONIO CRISTOBAL VAZQUEZ
MÉXICO D.F. 2014
2
3
4
Índice
Índice ................................................................................................................................................... 4
Figuras ................................................................................................................................................. 6
Tablas .................................................................................................................................................. 8
Resumen ............................................................................................................................................. 9
Abstract ............................................................................................................................................. 10
Prefacio ............................................................................................................................................. 11
1.- Marco conceptuales acerca de diseño de un sistema de inventario unificado ............................ 14
El impacto de las PYMES en la actualidad ................................................................................... 14
Aplicación de gestión de cadena de suministro de las PYMES en México .................................. 15
Uso de las herramientas informáticas en las cadenas de suministro por las PYMES .................. 16
La ingeniería informática como motor de eficiencia en las ciencias de la Ingeniería industrial .... 16
Casos de éxito de implementación de soluciones informáticas en la gestión de inventarios ....... 22
Integración de elementos de marco teórico como fundamento de una arquitectura homóloga de
administración de inventario .......................................................................................................... 23
2.- Detección de necesidades y diseño de requerimientos de modelo único de inventarios ........... 25
Determinación de necesidades de optimización a empresas asociadas ...................................... 25
Conclusiones y observaciones de análisis .................................................................................... 26
Definición de problemática ............................................................................................................ 27
Propuesta de solución y objetivos ................................................................................................. 27
Definición de requerimientos ......................................................................................................... 28
Implementación de modelado unificado por niveles de madurez de gestión ................................ 32
3.- Arquitectura de gestión unificada básica a integral unificada de inventarios .............................. 38
Fundamentos de modelado de información de inventarios ........................................................... 38
Sistemas de inventarios contables ................................................................................................ 38
Integración de Casos de Éxito de modelos documentados .......................................................... 39
Arquitectura de sistema unificado para PYMES ............................................................................ 42
5
Implementación de madurez básica de gestión ............................................................................ 50
Herramientas estadísticas usadas en un nivel de madurez integral ............................................. 50
Obtención de políticas de inventarios ............................................................................................ 50
Implementación de madurez integral de gestión ........................................................................... 56
4.- Prueba de modelo unificado integral ........................................................................................... 59
Metodología de simulador basado en modelo ............................................................................... 59
Trazado de simulado en herramienta iThink ................................................................................. 60
Corrida de simulación y muestra de resultados ............................................................................ 63
Análisis de resultados .................................................................................................................... 71
5.- Evolución tecnológica de modelo unificado e implementación de e-commerce ......................... 72
Conclusiones ..................................................................................................................................... 78
Trabajos futuros ................................................................................................................................. 78
Anexos ............................................................................................................................................... 80
Anexo 1.- Cuestionario a pequeñas y medianas empresas acerca de requerimientos para control
de inventarios................................................................................................................................. 80
Anexo 2.- Resultados de encuesta realizada a pequeñas y medianas empresas para control de
inventarios. ..................................................................................................................................... 83
Referencias bibliográficas y electrónicas .......................................................................................... 87
6
Figuras
Figura 1.- Composición de las empresas mexicanas de acuerdo al empleo que generan y el monto
del PIB que representan en términos porcentuales
Figura 2.- Porcentaje de órdenes perfectas por sector
Figura 3.- Tiempo promedio de resolución de quejas
Figura 4.- Niveles de prácticas de excelencia
Figura 5.- Los 7 pasos de un diseño de un modelo de simulación exitoso
Figura 6.- Factores de factibilidad de un diseño de modelo único de gestión de inventario en
plataforma e-commerce
Figura 7.- Modelo de gestión de inventario actual de cada afiliado
Figura 8.- Modelo de gestión de inventario en sistema multitienda con e-commerce
Figura 9.- Procesamiento de datos ideal de reporteo de políticas y pronósticos
Figura 10.- Modelos de madurez aplicados para la implementación de gestión unificado de
inventarios para PyMES
Figura 11.- Aplicación de la arquitectura unificada de inventarios en la evolución de madurez por
práctica
Figura 12.- Niveles de madurez en la gestión de los procesos de una cadena de suministro
Figura 13.- Niveles de madurez de gestión de inventarios
Figura 14.- Fuentes teóricas para el diseño de un modelo unificado de inventario para PyMES
Figura 15.- Modelo de enfoque multicriterio para inventario ABC
Figura 16.- Modelo de control de demanda CODE
Figura 17.- Arquitectura de composición de software en la gestión de cadena de suministro y
módulos requeridos
Figura 18.- Diagrama de clases de entidades involucradas en un diseño de gestión de inventario y
delimitación de alcance para arquitectura unificada
7
Figura 19.- Ciclo de entradas y salidas de inventario en un día
Figura 20.- Generación de productos variables entre modelos, tamaños y colores
Figura 21.- Manejo de datos con maduración básica de gestión
Figura 22.- Ejemplos de esquematización de modelos EOQ
Figura 23.- Ejemplo de categorización ABC en modelo unificado
Figura 24.- Esquema del funcionamiento de una neurona artificial y clase de funciones que puede
pronosticar una red neuronal
Figura 25.- Composición de un sistema experto
Figura 26.- Manejo de datos con maduración integral de gestión
Figura 27.- Ejemplo de modelo entidad relación de base de datos de transacciones CODE
Figura 28.- Modelado unificado de inventario de un producto en software iThink
Figura 29.- Artefactos usados en el modelado unificado de inventario de un producto en software
iThink
Figura 30.- Pronósticos de demanda de unidades simuladas sin política de inventarios usando el
software Minitab
Figura 31.- Prueba de hipótesis de igualdad de medias en escenarios de demanda sin y con
política de inventarios visible de manera gráfica con diagrama de cajas
Figura 32.- Pronósticos de demanda de unidades simuladas con política de inventarios usando el
software Minitab
Figura 33.- Manejo de datos con maduración tecnológica de gestión
Figura 34.- Propuesta de arquitectura de bodega de datos
Figura 35.- Aplicación de los primeros cuatro pasos del modelo CRISP en minería de datos de
modelo unificado de inventarios
Figura 36.- Modelo entidad-relación de una aplicación de punto de venta alineada al modelo
unificado de inventarios
Figura 37.- Comunicación de modelos unificados a base de datos de e-commerce
8
Tablas
Tabla 1.- Objetivos específicos
Tabla 2.- Composición por tamaño y sector (participación porcentual)
Tabla 3.- Requerimiento de aprovisionamiento
Tabla 4.- Requerimientos de catálogo de productos
Tabla 5.- Requerimientos de compras
Tabla 6.- Requerimientos de salidas y pedidos
Tabla 7.- Requerimientos de reporteo
Tabla 8.- Requerimientos de pronósticos y políticas
Tabla 9.- Niveles de madurez según CMMI
Tabla 10.- Tabla de ponderación de categoría ABC
Tabla 11.- Resultado de demanda y pedidos pendientes sin políticas de inventarios
Tabla 12.- Resultado de demanda y pedidos pendientes con políticas de inventarios
9
Resumen
Las pequeñas y medianas empresas son el activo empresarial más representativo según
indicadores macroeconómicos como el Producto Interno Bruto, pero con la menor cantidad de
implementaciones de prácticas requeridas para la organización de cada uno de los elementos de
sus cadenas de suministro, siendo uno de ellos la gestión de inventarios, que los complica para
integrar herramientas de ventas por internet e interacción de información de negocio con otras
empresas con quienes puedan hacer convenios y alianzas. Dado a que no administran de manera
formal sus transacciones de entrada y salida de productos, se decide estudiar los marcos teóricos y
redacciones científicas para armar un modelo de control de demanda según ingresos y egresos de
mercancías para su procesamiento y análisis en comportamiento para armar pronósticos y políticas
de inventarios, las cuales, se pueden implementar en herramientas e-commerce para conjuntar
una gran base de conocimiento con fuentes múltiples que son los negocios donde se aplique.
10
Abstract
Small and medium enterprises are the most representative as macroeconomic indicators such as
GDP, but with the fewest deployments practices required for the organization of each of the
elements of their supply chain business asset, one of them being the management of inventories
that complicated to integrate online sales tools and interaction of business information with other
companies who can make agreements and alliances. Given that not even formally administered
transactions in and out of products, we decided to study the theory and frameworks to build a
scientific editorial control model revenues and expenditures according to demand of goods for
processing and behavior analysis build forecasts and inventory policies, which are implantable in e-
commerce tools to bring together a large knowledge base department stores.
11
Prefacio
Las ciencias interdisciplinarias enfocadas a la administración e ingeniería buscan generar
herramientas, metodologías y desarrollos útiles para la mejora de funciones en múltiples áreas de
organizaciones productivas y de servicios y con facilidades para mejores tomas de decisiones.
Estas se encuentran a la disposición de cualquier giro y tamaño de organizaciones que busquen
nuevos horizontes de generación de ganancias. Esto incluye a las pequeñas y medianas empresas
dedicadas a la compra-venta de productos sin ser necesariamente producidos por ellos mismos, y
más en caso de querer otorgar su oferta a distintas áreas aparte de las zonas geográficas en las
que se ubica, como es el caso de las tecnologías e-commerce donde cualquier interesado puede
ingresar y realizar los pedidos de los productos que más le interesen y hacérselos llegar a sus
domicilios.
Este modelo no discrimina el tipo de mercancía manejada, incluso, la intención es generar una
base de conocimiento de oferta y demanda de los posibles artículos basados en zona geográfica,
categorización e impacto en el mercado.
Esto pretende atacar las siguientes problemáticas comunes de las PyMES de comercio final con
clientes, las cuales se consideraron de la aplicación de cuestionarios, así como diversos enfoques
respecto al uso de metodologías o modelos de optimización mínima por parte de las pequeñas y
medianas empresas (A. T. Kearney, 2008):
Publicación de catálogo de productos por vías públicas, y que los demandantes puedan
adquirirlas, sin importar que los negocios que lo controlen (a los que llamaremos afiliados)
lo tengan físicamente disponibles, ya que pueden tenerlos en registros de pedidos
pendientes por abastecer.
Otorgar un modelo estándar a dichos afiliados de gestión de inventario, control de
aprovisionamiento y ventas por pedido, mostrador o e-commerce, que en la mayoría de las
ocasiones no tienen un procedimiento de administración de inventario.
Garantizar con este modelo la satisfacción de niveles de servicio de manera local o virtual,
posicionando competitividad ante otros negocios pequeños o grandes, así como permitirles
crecer sus utilidades rentablemente y funcionalmente en una base de conocimiento.
Conjuntar los valores transaccionales de cada operación en valores de toma de decisiones
para generar pronósticos de demanda y posibles cálculos de políticas de inventarios
aunque sea con modelos básicos.
Por lo tanto, la inquietud es conocer si es factible unificar las necesidades de gestión de inventario
de un conjunto de pequeñas y medianas empresas dedicadas a la venta de productos terminados
12
para hacerlas más competitivas mediante el manejo de información ordenada y sistematizada para
la generación de pronósticos y políticas de abastecimiento y mantenimiento.
Para ello, la contribución en este trabajo es la de diseñar un modelo unificado de control de
inventario dedicado a estas micro y pequeñas empresas de giros de abastecimiento final que
pueda ser implementado en cualquier plataforma manual, o automática para la finalidad de su
conjunción en herramientas e-commerce en una base de conocimiento, ambas que recolecte
información suficiente para propuesta de políticas de inventario y pronóstico de variables de la
gestión de la misma.
Para el desarrollo de este proyecto, se requiere conocer el marco teórico referente a los siguientes
puntos:
Conocimiento del impacto de las PyMES en la economía mexicana y la necesidad de que
estas empresas sean más competitivas
Uso de metodologías de cadena de suministro por parte de las PyMES y como pueden
mejorar su operación y utilidades
Herramientas informáticas que permiten a las PyMES una gestión eficiente de inventarios y
el alcance que tienen en la mejora de sus utilidades
Necesidad de que las PyMES interactúen entre sí como factor de crecimiento de
conocimiento y utilidad cualitativa.
Conocimiento real de necesidades de PyMES para control de mercancías.
Mecanismos de modelado y simulado de sistemas dinámicos
Metodología, algoritmos y teorías estadísticas para conocimiento de variables útiles en la
administración de inventarios.
Mecanismos de almacenamiento masivo de información histórica y tratamiento para toma
de decisiones
Nociones de ingeniería de sistemas de información logística
Con ello, se tienen los fundamentos para llevar a cabo el estudio de las siguientes problemáticas
que en conjunto pueden solucionar el tema principal del trabajo.
Pregunta específica Objetivo
¿Cuáles son los problemas genéricos a solucionar
en una gestión de inventarios en empresas
pequeñas y medianas?
Recopilar información de las organizaciones
factibles a aplicar la consolidación del modelo
único de inventario para conocer los elementos en
común en su administración sobre los cuales
13
trabajar.
¿Cuáles son los procesos generales que las
empresas deben de contemplar en su gestión de
inventario?
Listar los requerimientos de operación que debe
contemplar en el modelado de inventarios aplicado
a los mininegocios
¿Cómo se construiría el esquema unificado de
gestión de inventario?
Diseñar la arquitectura genérica de sistema de
inventario y el modelo idóneo con las
características de los negocios usuarios para el
desarrollo de políticas de manejo de unidades y
pronosticado de su demanda.
¿El modelo diseñado cumple con las expectativas
de control y optimización de proceso de gestión de
inventario?
Simular el funcionamiento del modelo unificado de
inventarios con valores conocidos de entrada y
salida de unidades de las afiliadas para comprobar
el correcto funcionamiento y optimización del
manejo de estos.
Proponer el modelo unificado dentro del sistema
e-commerce como parte de sus módulos
funcionales, así como la metodología de su
implantación
Tabla 1.- Objetivos específicos
14
1.- Marco conceptuales acerca de diseño de un sistema de
inventario unificado
El impacto de las PYMES en la actualidad
En la actualidad, el impulso de las PyMES es una alternativa muy provechosa en el país, por la
cantidad de empleos que genera y la aportación de producto interno al año. Visto en número,
existen aproximadamente 4 millones 15 mil unidades empresariales, de las cuales 99.8% son
PYMES que generan entre el 41% del Producto Interno Bruto (PIB) y 64% del empleo en el país
(González, 2005). Visto de este modo, los objetos de estudio de este proyecto deben aprovechar la
extensión de las PyMES para optimizar sus operaciones y con ello, generar mayores ganancias
que impacten a la economía de México.
Figura 1.- Composición de las empresas mexicanas de acuerdo al empleo que generan y el monto
del PIB que representan en términos porcentuales (Palacios, 2010)
Tamaño Sector Total
Industria Comercio Servicios* 2,844,308
Micro 94.4 94.9 97.4 95.7
Pequeña 3.7 4.0 1.6 3.1
Mediana 1.7 0.9 0.5 0.9
Grandes 0.4 0.2 0.4 0.3
Total 100 100 100 100
Tabla 2.- Composición por tamaño y sector (Palacios, 2010)
15
Aplicación de gestión de cadena de suministro de las PYMES en México
No solo por el gran porcentaje de empresas PyMES se decide trabajar sobre de ellas, sino también
porque se conoce que manejan por debajo de la media métodos de mejores prácticas con respecto
a empresas grandes y por lo tanto, su porcentaje de ventas perfectas no llega ni al 85%.
Obviamente, la satisfacción al cliente se ve afectada y no logra figurar a alcanzar a las de
reconocimiento mundial (A. T. Kearney, 2008).
Figura 2.- Porcentaje de órdenes perfectas por sector
Figura 3.- Tiempo promedio de resolución de quejas
16
Figura 4.- Niveles de prácticas de excelencia
Intercambio de información de PyMES como colaboración para la transmisión de
conocimiento
La sociedad del conocimiento predica que actualmente el “saber” es poder. Esto se logra con
virtudes y actitudes básicas que actualmente son agentes activos en los cuales podemos controlar
varios problemas enfocados a la economía, entre otras varias ramas científicas y tecnológicas
(Hayek, 1945), aparte de solo querer abstraer sus orígenes en fórmulas y tendencias matemáticas.
Estos agentes se basan en valorar la experiencia y sabiduría de todos los integrantes de un grupo
de trabajo en vez de solo centralizarlo en una sola persona experta que en su ausencia, una
organización pierde todos sus valores cualitativos de toma de decisiones.
Esta experiencia distribuida está preparada para enfrentar situaciones de cambio internos y
externos de una organización, muy parecida a la conformación de un individuo en una sociedad a
subsistir requiriendo el apoyo de los que lo integran.
Este conocimiento se convierte en sabiduría en el instante que los conformantes del grupo
colectivo comunican sus puntos de vista, experiencias, y traducen la información exacta en
decisiones. En realidad, mucho de la inversión de comunicaciones y coordinación de roles y
asociaciones genera mucho valor agregado a la generación de bienes y servicios, más allá de la
cantidad de transacciones realizadas (Kogut & Zander, 1996).
Uso de las herramientas informáticas en las cadenas de suministro por las PYMES
La ingeniería informática como motor de eficiencia en las ciencias de la Ingeniería industrial
La ingeniería informática es el conjunto de conocimientos científicos y tecnológicos aplicados al
diseño, construcción, transferencia y adaptación de tecnologías de información, cuya aplicación en
el sector productivo coadyuve en el incremento de la calidad, productiva y sustentabilidad de sus
17
productos y servicios.
Mencionado previamente, a diferencia de las ingenierías en ciencias de la computación, sistemas
computacionales o licenciatura en informática, aplica sus conocimientos en la optimización de
procesos industriales con soluciones de software, adquisición de datos, redes, robótica y diseño
computarizado (en el caso de la UPIICSA – IPN, ese era su objetivo en el primer plan de estudios
de esta ingeniería).
Estos casos se ven con mayor frecuencia en las actividades y funciones de un ingeniero industrial,
que se enfoca al diseño y mejora de procesos de cadena de suministro, optimización de recursos y
procedimientos
Casos conocidos de la integración de informática e industrial con fines de automatización se
observan en aspectos como los siguientes (Cesar de Prada, 2013):
Productos que ofrecen nuevas funcionalidades “inteligentes” en circuitos incorporados a los
mismos, las cuales se ejecutan automáticamente haciendo más fácil su uso, aparecen en
desde automóviles o lavadoras hasta edificios o impresoras.
Sistemas de inspección automatizada de calidad de productos en líneas de producción.
Mecanismos robóticos en cadenas de montaje o vehículos autónomos hasta robots de
limpieza casera o quirófanos automatizados.
Sistemas de control, estimación de valores no medidos u optimización energética en línea.
No hay que olvidar que desde el 2002, según el Centro para la investigación sobre tecnologías de
la información y organizaciones (CRITO), los índices de penetración de las TIC en las empresas en
el año 2002 eran del 98,3% en el caso del correo electrónico, 79% respecto de los sitios web,
50,9% con referencia a intranet y 58,4% correspondiente al intercambio electrónico de datos (Ueki,
et-al, 2005).
Aterrizándolo a las PyMES, según en “The CIU” por lo menos el 30% es susceptible de adoptar
tecnologías del cómputo en la nube en el corto plazo. Y en el 2012, valores de la AMIPCI revelan
ganancias por 79,600 millones de pesos por efecto de las e-commerce, siendo 46% mayor con
respecto al 2011 (Onofre, 2013).
E-commerce y las cadenas de suministro en beneficio de la gestión de inventarios
Actualmente las telecomunicaciones permiten que la información tenga el atributo de omnisciencia.
Esto es, que pueda estar disponible en cualquier parte y a cualquier hora. Parte de esa información
son los catálogos y productos en venta en línea, que ya no es necesario presentarse en el local a
18
una hora determinada para su pedido o adquisición, lo que conocemos como comercio electrónico
o e-commerce.
Parte de la estrategia de algunas empresas, sin importar su giro o capacidad, comprende el poner
a la disposición geográfica sus productos, y por consiguiente, incrementar su cantidad de ventas e
ingresos. Pueden incluso decidir no tener locales físicos de venta y solo enfocarse a sus costos de
almacenaje y envío, ya que la interfaz de venta es internet. Esto se sustenta con lo mencionado
por la empresa de marketing Nielsen mencionando que las empresas que aumentaron sus ventas
más del 40%, reconocieron que del total de la facturación de la empresa, en promedio el 61.7%
corresponde a las ventas por Internet; siendo este medio una alternativa real de ingresos para
las PYMES y para los emprendedores, ya que les permite reducir costos en su operación, tener
una tienda abierta 24/7 y cerrar ventas locales, regionales e inclusive internacionales. Estos costos
reducidos equivalen al 0.31% del PIB nacional según el Instituto Mexicano de la Competitividad
(IMCO) en el 2012, siendo 0.23% corresponde al ahorro en el sector privado y 0.08% al ahorro en
el sector público (AMIPCI, 2012).
Estrategias y la tecnología
Es importante mencionar al enfoque de estrategias de Porter (2001) y como se alinean a las
tecnologías de información como el internet.
Internet es la herramienta por demás reconocida para acceder a toda la información posible en
tiempo real sin requerir estar físicamente en el sitio de publicación. Esto mejora nuestro alcance de
negocios más allá de las fronteras geográficas. Pero, Porter nos recuerda que la informática y las
TIC’s son solamente parte de valor de soporte de toda nuestra cadena de valor (1986), siendo en
este caso, el medio de difusión solamente. Lo fundamental es la estrategia que promueva ventajas
competitivas con respecto a las demás opciones.
Cada organización debe poseer una estrategia, que en palabras simples de Porter, significa “crear
de una posición única y valiosa”.
Claramente, las empresas que no tienen éxito es a causa de un problema fundamental es no
definir sus objetivos. Comúnmente piensan que deben de ir en la utilidad de los accionistas de
manera lucrativa. Pero, deberían basarse en mejorar los aspectos competitivos (armonía de
empleados, clientes, proveedores y accionistas). Una estrategia debe comprender una cadena
lineal de fundamentos como los vistos en la metodología MOST, que es una sigla en inglés que
describe el orden de una planeación estratégica (Campbell & Alexander, 1997):
Conocer la MISION de la organización
Definir los OBJETIVOS a corto y mediano plazo que logre el cumplimiento de la misión
19
Estructurar la estrategia de valor para el cumplimiento de nuestros objetivos
Enlistar las TACTICAS en procesos, procedimientos y políticas necesarias para la
operación.
Una definición de estrategias desde el principio de una operación ofrece ventajas competitivas que
de ser claras, son las siguientes según lo expone Mintzberg (1987):
Definir la dirección: Para sobresalir de su competencia (poner una dirección). Una
estrategia bien definida, aunque tenga muchos errores, será exitosa. Lo que define una
buena estrategia es importar lo que piensa y visualizar lo que piensa, mientras considera lo
demás incidentes como secundarios.
Enfocar el esfuerzo: Trabajo interno donde todos miren hacia el mismo lado.
Defender la organización: Ayuda a la gente a entender mejor a la organización, generando
personas con una forma de entenderla de manera particular, con el fin de "saber el
negocio" sin ser el negocio. Ayuda a entender con una estrategia simple lo complejo de un
sistema.
Demostrar consistencia: Las estrategias reducen incertidumbre, genera estabilidad. Es
experiencia que le va generando conocimiento y reduce confusiones (una teoría definida
de explicación)
Por lo tanto, que antes de pensar en difundir a las PyMES en un e-commerce, es prioridad generar
la arquitectura de trabajo que ellos deben seguir para tener un estándar de trabajo estructurado y
ordenado.
Simulación de sistemas continuos mediante herramientas informáticas
Para comprobar cuantitativamente el éxito de una estrategia, vale la pena abstraerlo en un modelo
donde se represente los elementos fundamentales del microuniverso que compone nuestra
estrategia. Las relaciones entre sus componentes son muy variadas y con conductas específicas,
por lo que estamos hablando de sistemas dinámicos complejos. Estos se generan sus modelos
con la siguiente metodología
Definición de problema
Desarrollo y representación de hipótesis
Evaluación de hipótesis
Diseño y evaluación de iniciativa
20
Cambios al modelo
Aprendizaje del modelo
Estos modelos, se simulan para ver su comportamiento ante diversos eventos y estados en
cualquier periodo de tiempo. Para armar una simulación, se realiza esta otra metodología (Averill
M. Law, Ph. D, 2007).
Definición de sistema de estudio
Planteamiento de problema del sistema
Formulación de modelo y planeación
Recolección de datos y desarrollo de modelo
Desarrollo continuo, donde se verifica hasta que sea correcto
Se valida el desarrollo del modelo y los datos recolectados, así como el desarrollo
continuo
Experimentación
Análisis de resultados
Repetición de experimentación (corridas)
Documentación y presentación
Implementación
Esta metodología puede entenderse mejor en el siguiente diagrama de flujo del proceso de
modelado y simulación (Law, 2009)
21
Figura 5.- Los 7 pasos de un diseño de un modelo de simulación exitoso
Dependiendo de la naturaleza del sistema, ya sea discreto o continuo, se utilizan herramientas
computacionales para simplificar esta labor. Los sistemas de logística e inventario se consideran
continuos ya que nos interesan sus valores en conjunto y no exactos por cada unidad manejada.
Para este caso, usaremos el software iThink.
IThink es desarrollado por Isee Systems (anteriormente, High Perfomance Systems inc.) De New
Hampshire, U.S.A compañía fundada en 1985 por Barry Richmond. Está diseñado para servir de
soporte a aplicaciones del ámbito de la empresa y su empleo está matemáticamente justificado
como herramienta de simulación. Se trata de un programa para computadoras personales, para
correr bajo el sistema operativo Microsoft Windows.
IThink le ayuda a identificar los puntos clave de apalancamiento para mejorar el rendimiento del
negocio sin perder de vista las consecuencias no deseadas. Más allá de las hojas de cálculo y
otros enfoques lineales para la planificación empresarial, iThink ofrece todo un sistema o una visión
general de todas las operaciones. Estas visiones se basan en modelos dinámicos y sistemas de
pensamiento, todos los puntos de un sistema están incluidos y pueden ser examinados o
cambiados en cualquier orden. Se evita tomar decisiones que tienen efectos negativos sobre los
procesos aparentemente no relacionados.
Este software se utiliza para reducir el riesgo de cambios de política o proceso, identifica los puntos
de influencia para mejorar el rendimiento empresarial y construye modelos que simulan su negocio,
22
crea escenarios de soporte de decisión.
Herramientas actuales de sistemas de inventarios
La teoría habla de los sistemas integrados empresariales ERP como la panacea que toda empresa
debe tener para un control unificado de información acerca de finanzas, presupuestos, ingresos,
egresos, inventario, clientes, proveedores
Existen modelos de administración de inventarios comerciales, libres o de propio desarrollo que
han terminado siendo implementados en sistemas informáticos (Gutiérrez, V., & Jaramillo, D. P.,
2009). Entre los comerciales están Uno Enterprise, Lab Logistica, InFlow, ToolsGroup, Oracle que
entre sus módulos están la gestión de demanda, inventario de materia prima proceso y terminado,
proveedores y localización. La utilidad de estos productos incluso llega a ser tan impactante que
llega a ser factible el desarrollo de interfaces web colaborativas para compartir información entre
proveedores y clientes. La información que se maneja es acerca de la relación de todos los
elementos participantes y sus componentes en un dominio (ontología) y construir una base de
conocimiento general entre las empresas participantes. La información compartida va desde la
documentación de procesos, diseños, partes, operarios y funciones (Yoo, S. B., & Kim, Y., 2002).
Igualmente, hay soluciones en nube adquiribles mediante renta mensual o anual como la de cloud-
admin (https://cloudadmin.mx/ ), que sirve para la gestión de inventarios, proveedores, clientes y
costos.
Casos de éxito de implementación de soluciones informáticas en la gestión de inventarios
Existen necesidades de generar políticas de inventarios complejos donde se evalúen más de un
solo criterio más allá de la existencia. Estos modelos pueden ser aplicados a más de una
organización. Por ejemplo, los trabajos de Oscar Parada donde implementa una aplicación de
método ABC clasificando los productos por consumo, movimiento, inventario medio y existencia
para dos empresas cubanas que otorgan servicios turísticos (Parada Gutierrez, O., 2009). Todo
esto mediante información de consumo, precio, entradas, salidas y existencias, y con ello conocer
información útil acerca del impacto de cada producto en cuanto a su imagen, el beneficio, los
riesgos de suministro y los puntos de venta donde se comercializa, así como decidir cuál es
nuestro producto crítico.
Otro caso de aplicación fue el trabajo de Boada y Mayorca donde implementa una metodología de
planeación de mercado diseñado para empresas que realizan su proceso de venta por catálogo
(Boada, A. J., & Mayorca, R., 2011). Incluso, se diseñó todo el proceso de atracción de clientes
(como la interacción con el cliente mediante representantes, formación de fuerzas de venta,
exposición de catálogos de ventas y promocionales), delimitación de mercado mediante definición
de áreas de estudio, desarrollo de interacción con otras áreas como costo y logística, definición de
23
herramientas para estimación como base de datos, catálogo de productos e histórico del
campañas previas.
Integración de elementos de marco teórico como fundamento de una arquitectura
homóloga de administración de inventario
Aclarado que el uso herramientas para el apoyo de control y mejora de procesos de sus cadenas
de suministro aporta valor a sus productos, incrementando sus ganancias en el flujo económico
nacional. Y más si son herramientas informáticas que pretendan compartir información con otras
empresas para ligar sus utilidades y ampliar su margen de mercado más allá de sus horizontes
geográficos, y si a eso le aportamos las metodologías de la ingeniería industrial de procesos
organizados, mejora continua y modelado estadístico para conocer cuantitativamente su impacto
en el mercado, se convierten en organizaciones más competitivas y con mayor conocimiento de su
ambiente económico.
Se sabe que actualmente existen herramientas de gestión de inventarios, más sin en cambio son
herramientas aisladas de otras organizaciones y no garantizan estar enlazadas a otras
herramientas como las de comercio electrónico. Este es un punto de mejora para convertir una
herramienta unificada de gestión de inventario con posibilidad de publicación en una e-commerce
en un sistema con suficientes valores agregados para ser aceptados por administradores
principiantes en la dirección de una pequeña o mediana empresa.
24
Figura 6.- Factores de factibilidad de un diseño de modelo único de gestión de inventario en
plataforma e-commerce
Factibilidad de diseño de modelo
único de gestión de inventario en plataforma e-
commerce
Impacto macroeconómico de las PyMES en México
Propuesta de metodologías de
gestión de cadenas de suministro
Valor agregado de los sistemas de información e la
competencia nacional
Sociedad de conocimiento y tranferencia de conocimiento
entre empresas
Facilidades funcionales respecto a
arquitectura de sistemas de inventarios
actuales.
Modelación de estrategias para
sistemas continuos
25
2.- Detección de necesidades y diseño de requerimientos de
modelo único de inventarios
Determinación de necesidades de optimización a empresas asociadas
Las empresas afiliadas como vimos se dedican a giros entre sí diferentes. A todas ellas les
ofreceremos el valor agregado del control de inventario.
El modelo se realiza basado en aspectos teóricos y referencias a otros modelos documentados
enfocados al generar valor agregado al control de inventario, el cual, se enfoca hacia el manejo de
mercancías sin manufactura en su compra, venta o manejo intermedio
Claro está que se conoce la utilidad de conocer información de requerimientos de gestión de
inventario directamente de posibles usuarios finales en el momento de realizar una convergencia
de la teoría a la práctica.
Enfocándose a conocer sus necesidades mediante cuestionarios a encargados de esos negocios.
Se tomaron en cuenta el siguiente procedimiento.
1. Se aplica a empresas distintas entre sí. Es decir, con giros comerciales distintos para
buscar elementos comunes en sus necesidades de gestión de inventario.
2. Se obtiene una muestra de mínimo 10 a 30 encuestas. Cada una a una empresa pequeña
o mediana
3. El cuestionario contempla los siguientes puntos referentes a la gestión de inventarios. En
este caso, se maneja una pregunta por inciso mencionado.
Antigüedad de las empresa
Variedad de productos (SKU’s) que manejan
Tipos de productos (finales o intermediarios)
Complejidad de SKU’s en base a colores y tamaños
Cantidad de proveedores que manejan
Disponibilidad de productos a sus clientes
Tipo de demanda en sus productos
Ventas generadas
Costo de pedido
Rotación de inventarios
Compromiso de tiempos de entrega con sus proveedores
Horizonte de planeación
Indicadores manejados en su gestión
Costos contemplados en el mantenimiento
26
Utilidad bruta mensual
4. Al final del cuestionario, se pregunta de manera abierta si existen otros elementos a
considerar aparte de los mencionados en el inciso anterior (ver Anexo 1)
Conclusiones y observaciones de análisis
Al analizar los resultados de las encuestas (mencionadas en el anexo 2), se obtienen los
resultados plasmados en el Anexo 2, con lo cual podemos concluir lo siguiente:
C1. Las empresas consultadas son relativamente jóvenes (menos de 10 años) y por lo tanto en
pleno crecimiento, y con utilidades de menos de los diez miles de pesos (MiPyMES).
C2. Por la magnitud de estos negocios, solo poseen un centro de distribución, donde manejan
el ingreso de material, el almacenaje de inventario, y el control administrativo, así como las
ventas.
C3. A pesar del poco tiempo de operación de las empresas, contemplan muchos productos en
sus inventarios, de carácter final y con mucha variedad de colores y tamaños (hablando
que los SKU’s se incrementan aun más)
C4. Manejan un número limitado de proveedores, con quienes ya se tiene un trato
comprometido de pedidos y a costos no muy altos
C5. No tienen mucho problema con la disponibilidad de productos para sus clientes. Aunque
llegan a haber pedidos incompletos o pendientes, pero se cumplen con los requerimientos
de tiempos y compensación en situaciones especiales.
C6. La conducta de la demanda tiende a ser con tendencia incremental pero constante.
Obviamente, con periodos de alza en ciertas temporadas.
C7. Tienen una rotación equilibrada de inventarios.
C8. La parte estratégica lleva la decisión del manejo de inventarios, con base a muy pocos
indicadores.
C9. Manejan costos de oportunidad solamente como el costo de mantenimiento.
Algunas redacciones de la última pregunta nos ofrecen observaciones muy peculiares
O1. La gestión de inventarios se lleva mediante software comercial o gratuito, pero sin
contemplar todas las necesidades de la operación. Para aquellas limitantes, suelen usar
plantillas de hojas de cálculo o mecanismos totalmente manuales.
O2. No existe control mecanizado de relación de proveedores y la cantidad de unidades que
estos les abastecen por pedido.
O3. Hay empresas que no controlan pedidos pendientes (conocidos como backorders) con los
sistemas que actualmente disponen para no considerarlas como perdidas.
O4. Los productos deben considerar una alta gama de variaciones, en cuanto a colores y
tamaños. Cada tamaño puede implicar un costo distinto.
27
O5. Se desea tener el control de las mercancías que nos otorguen los proveedores, las
cantidades y costos, para cuestiones de estadísticos y rendimiento.
O6. Estos negocios están interesados a utilizar una herramienta de e-commerce para expandir
su margen geográfico de ventas.
O7. Los proveedores no tienen manera de realizar proyecciones a futuro de ventas y compras,
decisiones sobre los inventarios para optimizar costos y cantidades en almacén con
respecto a la demanda.
Definición de problemática
La problemática se redacta en la siguiente oración:
“Las empresas medianas y pequeñas en México son organizaciones de giros diversos en proceso
de crecimiento, jóvenes y de utilidades mínimas, aunque estables y propensas a expandir sus
horizontes espaciales, pero que no tienen una metodología formal, estructurada ni ordenada de
manejo de sus inventarios conformados de una alta gama de productos de carácter final”
Figura 7.- Modelo de gestión de inventario actual de cada afiliado
Propuesta de solución y objetivos
Diseñar una arquitectura genérica de gestión de inventarios aplicable para empresas pequeñas
con variedad alta de manejo de productos terminados que levante la competitividad de sus
operaciones y desarrollable en una plataforma informática para su uso eficaz y eficiente,
susceptible a escalar herramientas de ampliación geográfica por e-commerce.
Inventario Entradas Venta local
Afiliado 1
Afiliado 2
Afiliado n
Entradas Venta local
Inventario
2
Inventario
1 Entradas Venta local
Inventario
28
Figura 8.- Modelo de gestión de inventario en sistema multitienda con e-commerce
Definición de requerimientos
La arquitectura que se menciona en el capítulo anterior, y basado en la teoría de cadena de
suministro, debe manejar los siguientes módulos básicos para esta clase de empresas:
Catálogo de productos manejados
Catálogo de proveedores de las afiliadas
Cartera de clientes fijos
Sistema de inventarios
o Ingreso de unidades a inventario
o Salida de unidades
Por compras en sitio
Por compras web
Por pedidos pendientes (half backorder)
o Reporteo de
Unidades adquiridas
Unidades existentes
Unidades pendientes
Unidades vendidas
Análisis de política de inventarios múltiple de producto
Inventario 1
Inventario 2
Inventario n
Entradas 1
Entradas 2
Entradas n
Salidas web por e-commerce
Salidas 1
Salidas 2
Salidas n
29
o Generador de tendencia de demanda y costos de mantenimiento y pedido de
unidades.
o Calculadora de análisis de cantidades óptimas de pedido y tiempos óptimos de
ciclo de pedido
o Reporteo de cálculo
Esta arquitectura se logra mediante un POS genérico para los asociados, del cual, en base a la
información de entradas y salidas de inventario se puede generar los pronósticos y políticas de
inventarios.
Figura 9.- Procesamiento de datos ideal de reporteo de políticas y pronósticos
El detalle de cada módulo lo describiremos a continuación.
Requerimiento Detalle Conclusión y/u observación
soportada
Control de proveedores Gestión de la información de
los proveedores que tiene
contrato o relación cada
empresa afiliada
O2
Relación productos -
proveedores
Presentación de los productos
por los cuales las asociadas
tienen relación con los
productos
C4
Tabla 3.- Requerimiento de aprovisionamiento
Contenedor
multitienda
Batch de
demanda
calculada
Pronostico
de demanda
Política de manejo
de pedidos y
tiempos
30
Requerimiento Detalle Conclusión y/u
observación
soportada
Alta y modificación de
información de productos
Captura de los productos manejados
por el asociado. Incluyendo la
información de esta misma y si sigue
siendo vendido por ellos
C8
Carga masiva de variedad de
modelos
Carga de productos con sus
variedades de tamaños y costos,
evitando la captura de uno en uno.
Cada variación tendrá un SKU
distinto.
C3, O4
Histórico de productos No permitir el borrado de productos
que ya no maneje el asociado para
poder conservar el histórico.
Solo es necesario dar de baja el
producto de su catálogo
C8, C9
Tabla 4.- Requerimientos de catálogo de productos
Requerimiento Detalle Conclusión y/u
observación soportada
Control de entrada a
inventarios
Captura de unidades ingresadas con
el asociado, indicando cantidades
conseguidas y precio de compra
C8, C9, O5
Relación proveedor y
compra
Descripción del proveedor con quien
acude a la compra, así como la nota
que lo justifique
C8, O2, O5
Tabla 5.- Requerimientos de compras
31
Requerimiento Detalle Conclusión y/u
observación
soportada
Control de salidas en
ventanilla
Registro identificado autoincremental de
ventas hechas a ventanilla u otros medios
físicos, muestra de estatus, formas de
pago, y si existe half-backorders por
satisfacer.
*El control debe contemplar el registro de
pedidos e-commerce.
C5,C8, O3, O6
Control de pedidos Revisión de half-backorders pendientes de
abastecer en ventanilla, así como pedidos
generados por medios electrónicos (e-
commerce)
C5,C8, O3, O6
Tabla 6.- Requerimientos de salidas y pedidos
Requerimiento Detalle Conclusión y/u
observación
soportada
Unidades adquiridas Relación de unidades compradas con el
detalle de los proveedores con quienes se
adquieren
C8,O1,O2
Unidades existentes Cantidad de unidades existentes en
inventario en una fecha de corte más las
ingresadas a almacén menos las vendidas
C8,O1
Unidades pendientes Half-backorders pendientes al momento de
revisión por ventanilla o por e-commerce
C8,O1 O3, O6
Unidades vendidas Cantidad de unidades vendidas por
ventanilla o por e-commerce
C8,O1, O6
Tabla 7.- Requerimientos de reporteo
32
Requerimiento Detalle Conclusión y/u observación
soportada
Política de inventario Uso de modelos EOQ básico
con carga de información de
costos, y calculadora con
alimentación de costos de
mantenimiento.
C7,C8, O7
Pronóstico de demanda Carga de información de
ventas en periodos anteriores
cargables
C6,C8, O7
Tabla 8.- Requerimientos de pronósticos y políticas
Implementación de modelado unificado por niveles de madurez de gestión
El paradigma de los administradores de las empresas afiliadas suele ser muy propensa a ser
renuentes al cambio. Aparte que como vimos referente a las propuestas de Porter (2002), es
requerido de manera previa implementar una estrategia de control previo al uso de tecnologías de
difusión y soporte.
De manera que se propone un marco metodológico de implementación de gestión de inventario,
basado en la madurez operacional del negocio, desde un esquema nulamente estructurado, hasta
un escenario propenso a automatizaciones y puesta en marcha en entornos e-commerce.
Este modelo de madurez podemos generarlo de varias fuentes teóricas o buenas prácticas
actuales. Para nuestros fines, ocuparemos tres modelos teóricos de madurez descritos a
continuación
33
Figura 10.- Modelos de madurez aplicados para la implementación de gestión unificado de
inventarios para PyMES
El primero que se evalua es el Modelo Integral de Madurez de Capacidades (CMMI) que es un
modelo de referencia de buenas prácticas de dominio de producción alineados al alcance de los
objetivos del negocio (Team, 2002). Este propone que los equipos de trabajo de estos organismos
productivos evolucionan en 5 niveles de madurez que son los siguientes:
Nivel de Madurez Descripción de niveles de madurez
0 Incompleto
1 Inicial
2 Gestionado
3 Definido
4 Gestión Cuantificada
5 Optimizada
Tabla 9.- Niveles de madurez según CMMI
La descripción de los niveles de madurez son los siguientes:
Nivel 0 - Incompleto: Cuando una o más objetivos específicos del área de proceso no son
satisfechos.
Nivel 1 Inicial: En este nivel se satisface todos los objetivos específicos del área de proceso.
Soporta y permite el trabajo necesario para producir artefactos.
Implementación de modelado unificado por niveles de madurez de gestión
SCPM3
Madurez por
práctica
CMMI
34
Nivel 2 Gestionado: Se alcanza este nivel cuando tiene la infraestructura base para apoyar el
proceso. El proceso es planeado y ejecutado en concordancia con la política, emplea gente
calificada los cuales tienen recursos adecuados para producir salidas controladas; involucra partes
interesadas; es monitoreado, controlado y revisado; y es evaluado según la descripción del
proceso.
Nivel 3 Definido: Un proceso denominado "proceso definido" es adaptado desde el conjunto de
procesos estándares de la organización de acuerdo a las guías de adaptación de la organización, y
aporta artefactos, medidas, y otra información de mejora a los activos organizacionales.
Nivel 4 Gestionado cuantitativamente: Un proceso denominado "proceso manejado
cuantitativamente" es controlado usando técnicas estadísticas y otras técnicas cuantitativas.
Objetivos cuantitativos para la calidad y realización del proceso son establecidos y usados como
criterios para manejar el proceso.
Nivel 5 Optimización: Un proceso denominado " optimización” es mejorado basado en el
entendimiento de causas comunes de variación del proceso. Un proceso en optimización se
focaliza en la mejora continua del proceso realizado a través de mejoras incrementales y usando
innovación tecnológica.
Otra práctica estudiada es un modelo de madurez de organizaciones por práctica dividido en
cuatro niveles (vulnerable, estable, en crecimiento, mejora continua) donde se categorizan los
siguientes parámetros (Arango 2010):
• Dirección y Liderazgo.
• Cultura organizacional.
• Políticas y Estructura Organizacional.
• Planeación.
• Recursos humanos.
• Comunicación.
• Trabajo en equipo y Calidad.
• Sistemas de información.
• Implementación.
• Gestión y Conocimiento.
• Mantenimiento en el tiempo.
• Recursos Financieros.
• Procesos y Tecnología.
Estos dos enfoques de detección de madurez tienen en común los siguientes aspectos:
35
1. El uso de sistemas de información caracteriza a las organizaciones con madurez tendiente
al crecimiento)
2. La gestión de conocimiento optimiza los procesos productivos y a sus equipos
3. El uso de tecnologías y gestión de conocimiento apoya por consecuencia a la
comunicación de sus colaboradores.
4. El trabajo en equipo permite procedimientos fácilmente evaluables
Si bien, un modelo unificado no contempla todos los ramos de madurez de procesos y equipos de
trabajo, si apoya a algunas de estas y ser susceptible a generar estándares internos de trabajo.
Sobre todo en la parte de evolución de conocimiento que propone el modelo causal para una
cadena de suministro (Arango, 2010).
Figura 11.- Aplicación de la arquitectura unificada de inventarios en la evolución de madurez por
práctica
Montaño (2010) en otra de sus obras relacionadas a este modelo, admite que los procesos de
madurez pueden ser aplicados en ramas de soporte en los procesos de las PyMES como son:
Modelos de Madurez para el Desarrollo de Software
Modelos de Madurez para el Desarrollo de las Capacidades
Modelos de Madurez para la Gestión de Proyectos
Modelos de Madurez de Habilidad de Cambio
Modelos de Madurez de Gestión del Conocimiento
También hace relevancia de haber consultado otros estándares de madurez. Uno de ellos más
aterrizado a nuestro tema es el propuesto por Valadares de Oliveira, Bronzo y McCormack (2011)
36
enfocado propiamente a cadenas de suministro que busca comprender los procesos y sus etapas
de desarrollo donde buscan ser claramente definidos, manejados, y controlables en todo momento.
Mencionan que un proceso de alto nivel para cualquier negocio permite un mejor control de los
resultados, previsión más precisa de los objetivos, costos y desempeño, mayor eficacia en la
consecución de objetivos definidos y la capacidad de gestión para proponer nuevos y más altos
objetivos de rendimiento. Este enfoque de madurez lo dividen en 5 niveles:
Nivel 1 - Fundación: Se caracteriza por la construcción de una estructura básica, con el
objetivo de crear un base para los procesos de evitar procedimientos ad-hoc y las
reacciones no organizadas, que buscan estabilizar y procesos de documentos . En este
nivel, los socios de negocios críticos se identifican y las mejores prácticas de gestión de
pedidos se implementan teniendo en cuenta las restricciones de capacidad y la
armonización de los clientes.
Nivel 2 - Estructura: Los procesos comienzan a estructurarse con el fin de estar más
integrada. Los elementos de control se implementan en los procesos de gestión de la
demanda, planificación de la producción y la programación y de la gestión de la red de
distribución. La distribución y las prácticas de gestión de red se estructuran y los procesos
se definen. La demanda comienza a ser evaluado en más detalle. En otro sentido, los
procesos de planificación de la producción y la programación se estructuran teniendo la
gestión de la demanda y las previsiones como insumos.
Nivel 3 - Visión: Los propietarios del proceso se establecen y se hacen responsables de
sus resultados de gestión y desempeño. Los procesos de adquisición son evaluados por
un equipo que se ve de manera estratégica para las adquisiciones a fin de alinear los
intereses del departamento de marketing y operaciones. En este nivel, la organización
puede suponer para comenzar a desarrollar un comportamiento estratégico teniendo en
cuenta una perspectiva más amplia de la cadena de suministro.
En el nivel 4 - Integración - las empresas tratan de crear un entorno de colaboración con
sus socios comerciales de la cadena de suministro. Los procesos de la organización se
integran con los procesos de los proveedores y clientes en una plataforma de colaboración.
Los pronósticos se desarrollan en detalle, teniendo en cuenta las exigencias de cada
cliente de forma individual. La relación con los socios se vuelve más sólida e integrada. La
compañía, con base en un conjunto de indicadores concretos y datos de salud sobre el
flujo del proceso, comienza a utilizar el análisis y llegar a ser más estratégica impulsada
con sus socios de la cadena de suministro.
Nivel 5 - Dinámica - se caracteriza por una integración estratégica de la cadena, cuando
los procesos apoyar las prácticas de colaboración entre los socios y generar una línea de
base que permite la cadena para responder a los cambios del mercado. La cadena
comienza, por lo tanto, a comportarse de forma dinámica, la mejora continua de sus
37
procesos teniendo en cuenta sus indicadores clave de rendimiento y reacción sincronizada
y rápida a los cambios en el entorno competitivo.
Figura 12.- Niveles de madurez en la gestión de los procesos de una cadena de suministro
(SCPM3) (Valadares de Oliveira et al., 2011).
Con estos fundamentos, se arma un modelo de madurez de implementación de modelo unificado
de gestión de inventarios con el sustento de las dos categorizaciones de madurez antes vistas.
Figura 13.- Niveles de madurez de gestión de inventarios
En los siguientes capítulos se explica cómo se conjuntan los elementos necesarios para formar la
arquitectura unificada y como se integran diferentes elementos metodológicos, estadísticos y
tecnológicos para cumplir cada nivel de madurez
Maduración básica
•Uso de CODE en archivos
•Sumarización por tablas dinámicas
•Reportes con gráficas de dispersión
•Madurez por práctica estable -CMMI 1-2 - SCPM3 nivel 1
Maduración integral
•Migración de CODE a sistema de gestión de base de datos
•Uso de scripts para consultas avanzadas
•Apoyo de tecnologías para pronósticos, políticas y categorización ABC
•Madurez por práctica en crecimiento - CCMI 3 - SCPM3 nivel 2
Maduración tecnológica
•Migración a plataforma integral e-commerce
•Uso de contenedores de minería de datos para pronósticos, políticas y categorización
•Madurez por práctica en mejora continua- CMMI 4- SCPM3 nivel 3 y 4
38
3.- Arquitectura de gestión unificada básica a integral unificada de
inventarios
Para iniciar con el proceso de implementación de modelo unificado, se lleva con la premisa de que
no se poseen ninguna estructura formal de gestión de inventario. Por lo que el diseño se realiza
desde cero y con una seguimiento manual pero ordenada de transacciones realizadas para armar
herramientas de toma de decisiones.
Fundamentos de modelado de información de inventarios
Es conveniente conocer las arquitecturas y metodologías usadas actualmente o planteadas de
manera formal para armar un modelo unificado acorde con las necesidades buscadas que
garantice una estructura funcional.
Figura 14.- Fuentes teóricas para el diseño de un modelo unificado de inventario para PyMES
Sistemas de inventarios contables
Para las necesidades de inventarios de las empresas asociadas, se hace un comparativo acerca
de los dos tipos de inventarios existentes a nivel contable, como son los sistemas de inventario
periódico y permanente (Lawrence, W. B., Ruswinckel, J. W., & Malo, F. C., 1943).
Los sistemas de inventario periódico controla las existencias de sus inventarios mediante
un conteo físico de unidades en almacén para cierto periodo de tiempo (semanal, mensual,
semestral, etc.). Con este conteo, realizan un cálculo de costo de venta de sus mercancías
Modelo unificado de
inventario para PyMES
Inventarios contables clásicos
Propuestas teóricas de modelos de inventarios
Modelo de control de demanda
Diseños informáticos para cadenas de suministro
39
mediante una fórmula conocida como “juego de inventarios" que involucra “la cantidad de
inventario inicial + unidades compradas brutas - devoluciones de compras - la cantidad de
inventario final" todo visto en unidades monetarias.
Los sistemas de inventario permanente controla de manera constante sus entradas y
salidas mediante una captura de manejo de unidades por Kardex. Para controlar los costos
de venta se usan métodos de valuación de inventario como los PEPS (Primeras Entradas,
Primeras Salidas), UEPS (Ultimas Entradas, Primeras Salidas) y Costo Promedio
Integración de Casos de Éxito de modelos documentados
Existen modelos de inventarios explicados en artículos que nos ayudaran a saber qué información
queremos obtener de las transacciones de nuestros aplicativo para generar valores sumarizados
para políticas y pronósticos de inventarios.
Para Parada (2009) se utilizan valores de comportamiento de inventario para poder clasificar el
catálogo de un negocio en mediante el modelo ABC, donde mediante el valor de estos parámetros
categoriza cada producto según su importancia.
Para realizar esa categorización, debemos tener valores de consumo, rotación y promedio de
inventario y existencias como criterios de selección. Estos necesitan registros brutos sumarizados
para generarlos y empezar dichos cálculos.
Figura 15.- Modelo de enfoque multicriterio para inventario ABC (Parada 2009)
40
Datta y Pal (1987) generan un modelo de optimización de nivel de inventario para artículos con
deterioro variable, basado en las definiciones iníciales del modelo económico de cantidades de
órdenes EOQ. Los valores de tamaño óptimo los saca como conclusión de la ecuación𝑄∗ = 𝑑 +
𝜃𝑜𝑑
2(2𝑛+1)𝑇1/𝑛 𝑡1∗(1+2𝑛)/𝑛
donde d= demanda de producto, 𝜃 = tasa de deterioro, T es el tiempo de ciclo
de producción (para nuestro caso, es irrelevante), T = el tiempo donde estamos obteniendo la
demanda, t = el tiempo de ciclo analizado en la tasa de demanda. Para su aplicación, necesitamos
conocer dichas variables para el análisis de punto óptimo.
También para un sistema de inventario multi-artículo con nivel base para productos
manufacturados como el de Song (1997), también requiere valores de análisis como son λk
=demanda de producto k, λ = Demanda total, qk = Probabilidad de existencia de demanda de un
producto k. Siguen apareciendo variables sumarizadas como los modelos anteriores
En una tesis de Martínez Agnessy (2005), se crea un modelo que permite utilizar un control de
demanda (CODE) con el que permite obedecer a la necesidad de satisfacer oportunamente y de
forma adecuada al usuario. De ahí surge la determinación de la demanda para luego su análisis de
optimización en modelos de inventarios. Con este modelo podemos conocer las unidades que van
entrando de un producto, su movimiento en almacén, y después el despacho al usuario,
manteniendo el histórico de estos movimientos.
Figura 16.- Modelo de control de demanda CODE (Agnessy, 2005)
En una arquitectura más formal, Verjimeren (2004) marca una arquitectura de diseño genérico de
implementación de soluciones informáticas en una cadena de suministro manufacturera, el cual
propone el uso de sistemas de tres soluciones como un planificador de recursos empresariales
(ERP), un sistema de gestión de bodegas (WMS) y un sistema de gestión de transporte (TMS) con
la finalidad de controlar recepciones, disponibilidad, toma de unidades (picking) y distribución. Para
fines de este trabajo, despreciaremos las funciones de fabricación (make) de unidades en la
41
cadena de suministro y los de movilidad ya que para el estatus de una PyME, solo posee una
sucursal. Como se podrá concluir, estas tres herramientas están muy sobradas para lo que se
necesita para este momento
Figura 17.- Arquitectura de composición de software en la gestión de cadena de suministro y
módulos requeridos
Visto de manera más específica en una gestión de inventarios, se puede mapear en diagramas de
clases las entidades relacionadas en el flujo de unidades desde la entrada de unidades del lado de
proveedores hasta la gestión de venta por parte de los clientes. Hay elementos que en nuestra
arquitectura no podemos gestionar respecto a los requerimientos iniciales y se delimitan en el
siguiente diagrama (Verjimeren, 2004).
42
Figura 18.- Diagrama de clases de entidades involucradas en un diseño de gestión de inventario y
delimitación de alcance para arquitectura unificada
Arquitectura de sistema unificado para PYMES
Con estos precedentes, se arma un modelo donde cada registro de entrada y salida viene marcado
del afiliado que lo ejecuta para preceder el concepto inicial de una base de datos que emule
inventarios propios para cada uno. Para obtener los valores de demanda, costos, probabilidades
de demanda y tiempo como en los casos de éxito anteriores, se debe tener comprendido estas
reglas de negocio
Un producto "p" es una opción de un catálogo de ventas de una empresa afiliada “f” con
SKU propio, que proviene de un modelo de productos, un tamaño y un color para
diferenciar las variables.
Cada producto “p” de afiliado “f” debe estar inicializado en un inventario inicial “I”. Este
inventario inicial debe generar un corte diario “i” contando las entradas y salidas de
unidades para no cargar tanto procesamiento en el inventario actual en caso de una
consulta.
Las entradas de inventario pueden estar determinadas por cada transacción ya sea por:
o Compra de unidades “C”
o Devoluciones sobre venta física “Dv”
Las salidas de inventario pueden estar determinadas por cada transacción ya sea por:
o Venta de unidades físicas “V”
Alcance
43
o Ventas de unidades por e-commerce “W”
o Devoluciones sobre compra física “Dc”
o Pedidos ejecutados “Px”
Los pedidos “Ps” son ventas no ejecutadas parcialmente de una transacción de venta. Esto
habla de que se permiten half-backorders
La intensión es que existan salidas de inventario por venta electrónica (e-commerce). En
estas transacciones no existen devoluciones
Las demandas “D” son calculadas por la suma de ventas generadas “V” y pedidos
pendientes “Ps”
Los costos de inventario “C” se generan de manera diaria mediante un cálculo de juego de
inventarios” que se propone en los sistemas de inventarios periódicos.
La intensión ideal de los pedidos es que los pedidos pendientes Ps sean iguales a cero
para cumplir el nivel de servicio
44
Figura 19.- Ciclo de entradas y salidas de inventario en un día
Esto hace que un producto tenga por inicio los siguientes atributos:
𝐼𝑝𝑓 (Inventario
inicial de producto
“p” de afiliado “f”)
Entradas
𝐶𝑝𝑓𝑛 (Compra #n de
producto “p” de
afiliado “f”)
𝐷𝑣𝑝𝑓𝑛 (Devolución
sobre venta #n de
producto “p” de
afiliado “f”)
𝑝𝑓(Producto “p” de afiliado “f”) en
día i
Salidas
𝑉𝑝𝑓𝑛 (Venta #n de
producto “p” de
afiliado “f”)
𝐷𝑐𝑐𝑛 (Devolución
sobre compra #n de
producto “p” de
afiliado “f”)
𝑊𝑝𝑓𝑛 (Venta web #n
de producto “p” de
afiliado “f”)
Modelo
Tamaño
Color
𝐽𝑝𝑓 (Inventario final
de producto “p” de
afiliado “f”)
Movimiento de inventario
𝑃𝑥𝑝𝑓𝑛 (Pedido
ejecutado #n de
producto “p” de
afiliado “f”)
45
Figura 20.- Generación de productos variables entre modelos, tamaños y colores
Cabe aclarar que los movimientos de inventario por concepto de compra tienen como atributo que
cada unidad posee un costo unitario “G” y todo movimiento por concepto de venta tiene como
atributo un precio de venta “W”.
El precio de venta puede generar valores diferentes según si:
Por default, toma los valores de venta del modelo
Se considera que si no se tiene valor de tope de unidades para que sea una venta al
mayoreo RMX, no existe posibilidad de vender al mayoreo.
El producto tiene un valor W respecto al modelo, pero si por su tamaño genera otro costo,
el valor de W es el especificado hacia este tamaño en ese modelo
El producto tiene un valor en que se considera que se ejecuta una transacción de mayoreo
RMX, el cual al rebasarse, genera un valor W distinto.
Existen también precios de mayoreo estándar para el modelo, pero si el producto por su
tamaño genera otro costo, el valor W en mayoreo es el especificado hacia el tamaño de
ese modelo.
Se dedicará solo una cantidad de unidades a ser vendidas vía web (a no ser que el afiliado
permita la disponibilidad del inventario completo).
Todo queda más claro en el siguiente algoritmo:
L
Mode
lo M
S
Produ
cto
-Gm
-Wmaxm
-Wminm
-RMXm
-DWebm
-Gp
-Wmaxp
-Wminp
-RMXp
Produ
cto Produ
cto Produ
cto
P
PP
P
PP
46
1. Si Wmaxp tiene valor entonces:
1.1. Wmax = Wmaxp
2. Sino:
2.1. Si Wmaxp tiene valor entonces :
2.1.1. Wmax = Wmaxm
2.2. Sino:
2.2.1. WMax despreciable
2.2.2. Se salta hasta el paso 5
3. Si RMXp tiene valor entonces:
3.1. RMX = RMXp
4. Sino:
4.1. RMX = RMXm
5. Si Wminp tiene valor entonces:
5.1. Wmin = Wminp
6. Sino:
6.1. Wmin = Wminm
De igual manera, tenemos el algoritmo para el costo de producto:
1. Si Gp tiene valor entonces:
1.1. G = Gp
2. Sino:
2.1. G = Gm
4.1.4.1.- Definición de variables sumarizadas
Las variables sumarizadas (VS’s) se obtienen de la siguiente manera:
Compras en un día
𝐶𝑝𝑓𝑖 = ∑ 𝐶𝑝𝑓𝑛 𝑁𝑛=1 Siendo “N” la cantidad de compras en el día “i” del producto “p” del afiliado “f”
Devoluciones sobre venta en un día
𝐷𝑣𝑝𝑓𝑖 = ∑ 𝐷𝑣𝑝𝑓𝑛 𝑁𝑛=1 Siendo “N” la cantidad de devoluciones sobre venta en el día “i” del producto “p”
del afiliado “f”
Ventas en un día
𝑉𝑝𝑓𝑖 = ∑ 𝑉𝑝𝑓𝑛 𝑁𝑛=1 Siendo “N” la cantidad de ventas en el día “i” del producto “p” del afiliado “f”
47
Ventas web en un día
𝑊𝑝𝑓𝑖 = ∑ 𝑊𝑝𝑓
𝑛 𝑁𝑛=1 Siendo “N” la cantidad de ventas web en el día “i” del producto “p” del afiliado “f”
Pedidos ejecutados en un día
𝑃𝑥𝑝𝑓𝑖 = ∑ 𝑃𝑥𝑝𝑓
𝑛 𝑁𝑛=1 Siendo “N” la cantidad de pedidos ejecutados en el día “i” del producto “p” del
afiliado “f”
Devoluciones sobre compra en un día
𝐷𝑐𝑝𝑓𝑖 = ∑ 𝐷𝑐𝑝𝑓
𝑛 𝑁𝑛=1 Siendo “N” la cantidad de devoluciones sobre compra en el día “i” del producto
“p” del afiliado “f”
Los indicadores potenciales de nuestro sistema de inventarios son la demanda, inventario medio,
costo de inventario y pedidos pendientes generados
Demanda
𝐷𝑝𝑓= 𝑉𝑝𝑓𝑖 + 𝑃𝑠𝑝𝑓𝑖 Suma de ventas y pedidos pendientes (acumulación de todos los requerimientos
de unidades)
Costo de venta unitario – se toma el valor máximo de venta de las transacciones del día
𝐺𝑝𝑓= 𝑀𝑎𝑥 (𝐺𝑝𝑓𝑛)
Costo de ventas totales (considerando la fórmula de juego de inventarios)
𝐺𝑇𝑝𝑓= 𝐺𝑝𝑓
(𝐼𝑝𝑓+ 𝐶𝑝𝑓𝑖 − 𝐷𝑐𝑝𝑓𝑖 − 𝐷𝑐𝑝𝑓𝑖)
Inventario en existencia del día
𝐽𝑝𝑓= 𝐼𝑝𝑓
+ 𝐶𝑝𝑓𝑖 + 𝐷𝑣𝑝𝑓𝑖 − (𝑉𝑝𝑓𝑖 + 𝑊𝑝𝑓𝑖 + 𝐷𝑐𝑝𝑓𝑖)
Para la regla del corte para evitar alto procesamiento de cálculo de inventario inicial, se toma el
inventario existente del día anterior para empezar un nuevo record de control de demanda diario.
𝐼𝑝𝑓= 𝐽𝑝𝑓−1
Igual al inventario final del día anterior
Pedidos generados en un día
𝑃𝑠𝑝𝑓𝑖 = ∑ 𝑃𝑠𝑝𝑓𝑛 𝑁𝑛=1 Siendo “N” la cantidad de pedidos generados en el día “i” del producto “p” del
afiliado “f”
48
4.1.4.2.- Estructura de CODE
Entonces, en el CODE, debemos considerar la siguiente información de cada transacción:
C CODE
Consecutivo de compra
Identificador del afiliado
Fecha de compra
Número de orden de proveedor
Identificador del proveedor
Listado de artículos adquiridos
o Identificador del producto
o Cantidad de productos ingresados
o Costo de producto unitario
Costo total de entrada
V CODE
Consecutivo de venta
Identificador del afiliado
Fecha de venta
Identificador del cliente o bandera de venta por ventanilla
Listado de artículos vendidos
o Identificador del producto
o Cantidad de productos vendidos
o Cantidad de productos pedidos pendientes
o Costo de venta de producto unitario
Costo total de venta
W CODE
Consecutivo de venta
Identificador del afiliado
Fecha de venta
Identificador del cliente web
Listado de artículos vendidos
o Identificador del producto
49
o Cantidad de productos vendidos
o Costo de venta de producto unitario
Costo total de venta
DC CODE
Identificador del afiliado
Fecha de devolución de compra
Identificador de la compra original
Identificador del proveedor
Listado de artículos devueltos
o Identificador del producto
o Cantidad de productos devueltos
o Costo de producto unitario en la compra
Costo total de devolución
DV CODE
Identificador del afiliado
Fecha de devolución de venta
Identificador de la venta original
Identificador del cliente o bandera de venta de ventanilla
Listado de artículos devueltos
o Identificador del producto
o Cantidad de productos devueltos
o Costo de producto unitario en la venta
Costo total de devolución
PX CODE
Consecutivo de entrega
Identificador del afiliado
Fecha de entrega
Identificador de venta donde surge el pedido
Identificador del cliente
Listado de artículos entregados
o Identificador del producto
o Cantidad de productos vendidos
50
Implementación de madurez básica de gestión
Con estos elementos, existe una sistematización que permita controlar las transacciones de
inventarios suficientes para empezar a conocer la naturaleza de demanda y oferta de productos de
una pequeña y mediana empresa. Esto es en el caso de que la PyME solo sea operada por un solo
receptor y vendedor (siendo estos la misma persona o distintas sin coincidir en tiempos). El
mecanismo de pronósticos de demanda se realiza por promedios básicos, dado a que no se
cuentan con los volúmenes suficientes de información para fórmulas o procesos más formales.
Figura 21.- Manejo de datos con maduración básica de gestión
Herramientas estadísticas usadas en un nivel de madurez integral
Con el paso de tiempo, teniendo volúmenes de datos de un año o más, se poseen los datos
suficientes para diseñar pronósticos y políticas de inventario que permitan conocer el futuro de
nuestras variables sumarizadas y cómo tomar decisiones iniciales para tomar decisiones que
permitan optimización de reorden y costo.
Obtención de políticas de inventarios
Para determinar reglas de políticas de inventario, con valores históricos o futuros sacados con los
pronósticos previos, y considerando que se trataría de adaptar a negocios sin mecanismos de
modelados, y por lo tanto, sin políticas históricas, se aplica el modelo económico de cantidades de
órdenes conocido como EOQ, que es el más sencillo para comenzar a organizar un modelo de
Tablas dinámicas y
macros
CODE en Excel
Gráficas por dispersión
51
manera cíclica para situaciones de demanda con alta tendencia a estabilidad y constancia los
cuales se definirían en los pronósticos (Simchi-Levi, E., & Kaminsky, P., 1999).
Figura 22.- Ejemplos de esquematización de modelos EOQ
Con los VS de demanda (𝐷𝑝𝑓), costo unitario (𝐺𝑝𝑓
), se pueden calcular los parámetros del costo por
pedido de sus mercancías (K) y el costo de mantenimiento porcentual que implica estos productos,
para poder generar un EOQ improvisado (recordar que estas empresas no tienen un histórico
formal de ventas por no tener un sistema estable de inventario) por día, tanto del día en labor, o
sumarizando de 30 días para atrás para tener un estimado mensual. También puede generarse con
valores futuros con los pronósticos que a continuación veremos cómo se generan.
A su vez, la ponderación de productos según el método ABC se consideraría basada en reglas del
usuario bajo la ponderación de los indicadores potenciales.
52
Valor Ponderación definido por el
usuario (0 - 1)
Calificaciones Califn
Demanda 𝐷𝑝𝑓 PD 𝐶𝑎𝑙𝑖𝑓1 = 𝐷𝑝
𝑓∗ 𝑃𝐷
Costo de venta unitario 𝐺𝑝𝑓 PDU 𝐶𝑎𝑙𝑖𝑓2 = 𝐺𝑝
𝑓∗ 𝑃𝐷𝑈
Costo de venta totales 𝐺𝑇𝑝𝑓 PCT 𝐶𝑎𝑙𝑖𝑓3 = 𝐺𝑇𝑝
𝑓∗ PCT
Inventario actual 𝐽𝑝𝑓 PIA 𝐶𝑎𝑙𝑖𝑓4 = 𝐽𝑝
𝑓∗ 𝑃𝐼𝐴
Tabla 10.- Tabla de ponderación de categoría ABC
Donde PD + PDU + PCT + PIA = 1
Calificación ponderada por producto
𝐶𝑎𝑙𝑖𝑓 = ∑ 𝐶𝑎𝑙𝑖𝑓𝑛4𝑛=1 =
El usuario decide de esas calificaciones los rangos que definan a un producto A, B o C según sus
necesidades.
Figura 23.- Ejemplo de categorización ABC en modelo unificado
Definición de algoritmo para pronósticos de inventario
Pronósticos por series de tiempos
Los indicadores de inventarios a medir deben de realizarse en base a extrapolación por series de
tiempos. Esto para poder controlarlos nos valemos de los cuatro tipos de patrones más comunes:
Temporalidad
Cíclica
Aleatoria
Producto a Calif_a = 0.93
Producto h Calif_h = 0.87
Producto y Calif_y = 0.76
Producto k Calif_k = 0.74
Producto u Calif_u = 0.69
Producto x Calif_x = 0.69
Producto n Calif_n = 0.65
Producto m Calif_m = 0.44
Producto q Calif_q = 0.33
Producto z Calif_z = 0.23
Categoría A
Categoría B
Categoría C
53
Tendencia
El método de pronóstico más cercano es el método de suavización triple de Winter (Makridakis &
Wheelwright, 2008):
El suavizamiento exponencial de Winters es la segunda extensión del modelo básico de
suavizamiento; es usado cuando los datos muestran tendencia y estacionalidad, además de ser un
modelo de tres parámetros que es extensión del modelo de Holt. Una ecuación adicional ajusta el
modelo para la componente estacional. Las cuatro ecuaciones necesarias para el modelo de
Winters son:
Donde:
Ft = Valor suavizado para el período t
α = Constante de suavizamiento para la serie (0<α<1)
Xt= Valor real en el período t
Ft-1= Pronóstico suavizado para el período t, el cual es también el valor suavizado para el
período t-1
Tt+1= Tendencia estimada
St+1= Estacionalidad estimada
β= Constante de suavizamiento para la estacionalidad estimada(0<β<1)
γ = Constante de suavizamiento para la tendencia estimada (0<γ<1)
m = Número de períodos al año (12 para datos mensuales, 4 para datos trimestrales)
Wt+m= Pronóstico de Winters para m períodos futuros
Pronósticos con metodología Box-Jenkins (ARIMA)
Los modelos ARIMA proponen un esquema de pronóstico mediante procesos de regresión
autónomo (autorregresión), es decir, utiliza valores previos para generar una función de regresión
múltiple basado a los históricos y no a los variables independientes (Hanke, Reitsch & Wichern,
2001).
Se suele expresar como ARIMA (p, d, q) donde los parámetros p (autorregresivo), d (integrado) y q
(media móvil) son números enteros no negativos que indican el orden de las distintas componentes
del modelo.
54
Para el caso de pronósticos estacionarios, el más común es el modelo Box - Jenkins, el cual utiliza
un algoritmo iterativo de tres pasos:
Identificación del modelo y de la selección del modelo: asegurarse de que las variables son
estacionaria, la identificación de la estacionalidad de la serie dependiente (diferenciando en
temporada si es necesario), y el uso de los gráficos de las funciones de autocorrelación y
autocorrelación parcial de la serie de tiempo dependiente para decidir cuál componente (si
es el caso) se debe utilizar en el modelo, el promedio autorregresivo o un promedio móvil.
Estimación de parámetros usando algoritmos de cálculo para llegar a coeficientes que
mejor se ajustan al modelo ARIMA seleccionado. Los métodos más comunes usan
estimación de máxima verosimilitud o mínimos cuadrados no lineales.
Comprobar el modelo mediante el ensayo si el modelo estimado se ajusta a las
especificaciones de un proceso univariado estacionario. En particular, los residuos deben
ser independientes el uno del otro y constante en la media y la varianza en el tiempo.
(Dibujo de la media y la varianza de los residuos a través del tiempo y la realización de una
prueba de Ljung-Box o el trazado de autocorrelación y autocorrelación parcial de los
residuos son útiles para identificar los errores de especificación.) Si la estimación es
suficiente, tenemos que volver al paso uno y el intento de construir un modelo mejor.
Pronósticos mediante métodos de representación de conocimiento en sistemas de información
inteligentes
Los indicadores de inventarios a estudiar tienen conductas distintas entre organizaciones y entre
productos. Se necesita un modelo de conocimiento abstracto que vaya más allá de las estadísticas
para contemplar un rango mayor de información como el caso de las “learning machines con redes
neuronales”. Comprenden técnicas que les permiten “aprender”, o sea, capaces de generalizar
comportamientos a partir de una información no estructurada suministrada en forma de ejemplos.
Es, por lo tanto, un proceso de inducción del conocimiento.
Se estudian las redes neuronales por su naturaleza de inducir conocimiento computacional
mediante valores ponderados como en el caso de las neuronas humanas, las cuales las sumariza
y pronostica valores futuros.
55
Figura 24.- Esquema del funcionamiento de una neurona artificial y clase de funciones que puede
pronosticar una red neuronal (Pajares, G., & Santos, M., 2005)
Las arquitecturas basadas en conocimiento (SBC) se diferencian de un sistema de información
convencional ya que los datos que almacenan previamente, son utilizados para generan o inferir
nueva información, conocida de manera abstracta como conocimiento.
Una arquitectura compatible es la de un sistema experto por estar más acoplados a los métodos de
generación de valores estadísticos.
Es un software que imita el comportamiento de un experto humano en la solución de un problema.
Pueden almacenar conocimientos de expertos para un campo determinado y solucionar un
problema mediante deducción lógica de conclusiones
Un sistema experto se compone de un módulo constructor y un módulo explotador. El constructor
almacena información de inicialización para la generación de nuevo conocimiento. En este caso,
los valores que obtenemos de manera histórica de entradas y salidas de los valores de origen de
los indicadores.
Figura 25.- Composición de un sistema experto
Sistema experto
Constructor: Almacenamiento de información histórica y
parámetros iniciales de conocimiento
Explotador: Módulo de inferencia para la generación
de conclusiones o nuevos valores en base a los
existentes en el constructor
56
Definición de algoritmo de pronóstico de inventario en sistema unificador
Hay que tomar las siguientes observaciones:
El mecanismo con redes neuronales requiere altas cantidades de procesamiento en el
servidor en que se ejecute el algoritmo inteligente. Hay que considerar que dicho servidor
alojará el servicio de punto de venta, gestión de entradas y salidas y venta e-commerce, y
que al elegir este mecanismo, se aplicará por cada producto de cada empresa, haciéndolo
ineficiente.
El algoritmo Box-Jenkins especifica en el primer paso que de manera analítica cualitativa
debemos identificar si el modelo aplica para este medio de generación de pronósticos. No
hay que olvidar que esto se tendrá automatizado y que no se realizará ningún proceso
manual o semimanual para la generación de estos, entre ellos, análisis de modelos.
El método aditivo de Holt-Winters es equivalente a un ARIMA (0, 1, S + 1) o (0, 1, 0). Esto
a pesar de que ARIMA ofrezca “S + 1” parámetros de trabajo mientras que Winters solo
tenga tres (Makridakis & Wheelwright, 2008). De cualquier manera, para detectar el valor
de estos requiere cantidades de iteraciones para un resultado óptimo que como
mencionamos en el primer punto, compromete al sistema unificado en cuanto a
performance.
Por lo tanto, se ejecutaría el siguiente algoritmo:
1. Ejecutar un cierre de compras, ventas, devoluciones sobre compra, devoluciones sobre
venta, pedidos pendientes y pedidos liberados por día para obtener los VS’s diarios.
2. Definir un tipo de periodo (semanal, mensual, anual) para saber el tipo de sumarización de
los valores diarios a pronosticar.
3. Ejecutar un pronosticado Holt - Winters con los coeficientes que usa cada uno con valor de
0.2 e irlos iterando de +/- 0.5 para detectar un valor que genere el menor error medio
porcentual absoluto (MAPE) posible
4. Cuando tengamos valores futuros, sumarizarlos semanal, mensual o anualmente para
generar un cálculo EOQ propuesto para futuro.
5. El algoritmo se genera semanalmente para productos de categoría A, mensualmente para
productos de categoría B y bimestralmente para productos de categoría C.
Implementación de madurez integral de gestión
Al paso del tiempo, y que se tengan mayores cantidades de transacciones para decisiones más
detalladas, se pasa al siguiente nivel de madurez migrando los registros existentes a una base de
datos para uso distribuido. Estos generan reportes y variables sumarizadas mediante consultas
57
SQL para poder empezar a entender los pronósticos y conducta de demanda. Se puede realizar
generación de pronósticos de manera alternativa con herramientas de estadística avanzada.
Figura 26.- Manejo de datos con maduración integral de gestión
El volumen de datos elevado requiere de migrar el modelo inicial a un sistema manejador de base
de datos alineado al modelo básico. Claramente la estructura debe estar alineada al CODE
propuesto, similar al siguiente diagrama entidad relación que se apega a los requerimientos
iníciales.
Estadísticos por series de tiempo
(Minitab)
BD CODE’s Script SQL
Reportes
Valores
sumarizados
Cálculo de
políticas y
clasificación
ABC
58
Figura 27.- Ejemplo de modelo entidad relación de base de datos de transacciones CODE
59
4.- Prueba de modelo unificado integral
Hasta aquí, se cuenta con los soportes necesarios para un modelo unificado funcional para
pequeñas y medianas empresas dedicadas al comercio de productos finales. Claro que es
necesario comprobar que esto realmente sea funcional. A pesar de basar este modelo con
argumentos teóricos, se hace uso de las herramientas de simulación planteados en el marco
teórico para comprobar su eficiencia y satisfacción de optimización de gestión de inventario.
Esta simulación se realizará generando un modelo de simulación alineado al CODE planteado en
el capítulo anterior
Metodología de simulador basado en modelo
La simulación consistiría en dos etapas
1. Simulado sin políticas
2. Simulado con políticas
La primera simulación generará los valores necesarios para poder ejecutar el segundo simulado,
ya que de ahí conoceremos la demanda y costos con las que trabajaremos.
Ambas las correremos de la siguiente manera.
1. Se harán 30 corridas de 24 horas de ventas de un producto que genera compras,
ventas, devoluciones sobre compra, devoluciones sobre compra, compras web y
pedidos pendientes. Esto hace una emulación de 6 meses de simulación
a. La planeación de estos valores se realiza con valores al azar con una semilla fija
para cada valor
b. Al tener la simulación con política, el generador de compras no tendrá un
generador azaroso, sino una programación de tiempo de compra con respecto a la
política
2. Se obtienen los valores simulados de inventarios finales, costos totales, costos
unitarios. Cada 8 horas simuladas se tomas los valores para generar los
sumarizados.
3. Se toman los valores sumarizados para llevar a cabo el algoritmo definido en el
apartado 4.3.4 de nuestro proyecto para generar políticas, ponderación ABC y
pronósticos.
a. Las políticas obtenidas de la simulación sin políticas son las que se insertarán en el
punto 1 de la simulación con políticas
60
b. Las políticas usadas al inicia de la simulación con políticas deben de ser similares
a las políticas obtenidas en este punto.
4. Se comparan los inventarios finales, ventas y pedidos de cada uno de estos para
validar la optimización del modelo.
Trazado de simulado en herramienta iThink
De acuerdo al flujo CODE propuesto en la figura 16, con la estructura a detalle de la figura 19, el
modelado en el software iThink sería de la siguiente manera.
61
Figura 28.- Modelado unificado de inventario de un producto en software iThink
Algunos de los parámetros son modificables para generar diversos escenarios de productos. Estos
son los siguientes:
62
Limitantes
o Aceptación de pedidos por half backorder
o Aceptación de pedidos por Web
Generadores
o Ventas
o Ventas web
o Devoluciones sobre compra
o Devoluciones sobre venta
o Máximo de productos para venta Web
Parámetros
o Sin políticas
Inventario Inicial
Inventario de seguridad
o Con políticas
Ingreso de unidades óptimo
Horas de re-orden óptimo
Estas son modificables por artefactos otorgados por iThink.
Figura 29.- Artefactos usados en el modelado unificado de inventario de un producto en software
iThink
63
Corrida de simulación y muestra de resultados
Se realiza un experimento de inventario simulado por 30 días con los siguientes valores:
Ventas con distribución exponencial de λ = 30 unidades por hora
Ventas web con distribución exponencial de λ = 15 unidades por hora
Devoluciones sobre compra con distribución exponencial de λ = 2 unidades por hora
Devoluciones sobre venta con distribución exponencial de λ = 1 unidad por hora
Disponibilidad de unidades para vender por web de 10 unidades.
Aceptación de pedidos por half-backorder activo
Aceptación de ventas web activo
Costo de pedido = 100 um’s
Costo por unidad = 7 um’s
Porcentaje de costo de mantenimiento = 25%
Para la simulación sin políticas de inventarios se usarían los siguientes parámetros:
Inventario inicial de 75 unidades
Inventario de seguridad de 20 unidades
Órdenes de compras por 150 unidades
Se realizan 5 corridas de un día de trabajo. Al momento de calcularlas, obtenemos los siguientes
resultados
Corrida Demandas sin políticas Px_Sin %Px/Demanda
1 28598 10869 38%
2 28026 10606 38%
3 28920 12596 44%
4 28560 11018 39%
5 28894 11917 41%
Tabla 11.- Resultado de demanda y pedidos pendientes sin políticas de inventarios
De aquí se obtienen los siguientes valores promedio
La sumatoria por mes se obtiene la siguiente cantidad de ventas y backorders:
Demandas promedio: 28600 unidades por mes
Half-backorders promedio: 11402
Porcentaje de Half-backorders respecto a demanda: 39.87%
Al procesar esta información, se genera una política de inventarios con los siguientes valores:
64
EOQ = 1808 unidades por pedido
Tiempo óptimo de reorden = 1.89 días
Se tienen los suficientes valores para generar los siguientes pronósticos de demanda de las 5
corridas.
60544842363024181261
1800
1600
1400
1200
1000
800
600
400
200
Índice
De
ma
nd
a p
or
día
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 16.2
MAD 133.7
MSD 34317.1
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por díaMétodo multiplicativo
65
60544842363024181261
1750
1500
1250
1000
750
500
Índice
De
ma
nd
a p
or
día
_1
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 16.9
MAD 129.2
MSD 33505.6
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por día_1Método multiplicativo
60544842363024181261
2500
2000
1500
1000
500
Índice
De
ma
nd
a p
or
día
_2
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 21.7
MAD 170.6
MSD 51377.6
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por día_2Método multiplicativo
66
60544842363024181261
2000
1500
1000
500
Índice
De
ma
nd
a p
or
día
_3
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 16.5
MAD 133.1
MSD 27615.0
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por día_3Método multiplicativo
60544842363024181261
2000
1500
1000
500
Índice
De
ma
nd
a p
or
día
_4
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 16.1
MAD 126.9
MSD 24958.3
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por día_4Método multiplicativo
Figura 30.- Pronósticos de demanda de unidades simuladas sin política de inventarios usando el
software Minitab
67
Con estas bases, se ejecutan las 5 corridas de un día de trabajo con la política de inventario
generadas. Al momento de calcularlas, obtenemos los siguientes resultados
Corrida Demanda_Con_politica_iThink Px_Con Porcentaje Px/Demanda
1 29022 4393 15%
2 29499 7686 26%
3 29527 5297 18%
4 28957 7431 26%
5 29804 4120 14%
Tabla 12.- Resultado de demanda y pedidos pendientes con políticas de inventarios
De aquí obtenemos los siguientes valores promedio
La sumatoria por mes se obtiene la siguiente cantidad de ventas y backorders:
Demandas promedio: 29262 unidades por mes
Half-backorders promedio: 5786
Porcentaje de Half-backorders respecto a demanda: 19.71%
Reducción de backorders con respecto a corridas sin políticas: 50.57%
Al procesar esta información se obtiene una política de inventarios con los siguientes valores:
EOQ = 1832 unidades por pedido
Tiempo óptimo de reorden = 1.87 días
Los valores de EOQ son muy similares a los obtenidos cuando se realizan las corridas sin políticas.
Ahora, al analizar las demandas obtenidas con y sin políticas en un análisis de gráficas de caja, se
obtiene lo siguiente:
68
Demanda_Con_politica_iThinkDemanda_Sin_politica_iThink
30000
29500
29000
28500
28000
Da
tos
Gráfica de caja de Demanda_Sin_politica_iThink, Demanda_Con_politica_iThink
Figura 31.- Prueba de hipótesis de igualdad de medias en escenarios de demanda sin y con
política de inventarios visible de manera gráfica con diagrama de cajas
Se obtiene un valor P de 0.010, lo cual nos dice que las medias no son iguales. Pero al hacer una
prueba de igualdad de varianzas, muestra un valor P de 0.998 en F y 0.875 en prueba de Levene.
Las cajas son similares. Esto nos habla de que no usar una política de inventario desprecia ciertas
cantidades de demanda, lo cual, suele suceder cuando el backorder es elevado. Al considerar una
política de inventario, se pierde menos demanda por satisfacerse en el momento y sin
desviaciones distintas.
Obviamente, al tener valores de demandas diversas, tendremos pronósticos con un rango de error
mayor, Se obtiene un pronosticado como el siguiente:
69
60544842363024181261
2000
1500
1000
500
0
Índice
De
ma
nd
a p
or
día
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 21.9
MAD 186.9
MSD 53237.6
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por díaMétodo multiplicativo
60544842363024181261
3000
2500
2000
1500
1000
500
0
Índice
De
ma
nd
a p
or
día
_1
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 34
MAD 260
MSD 106663
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por día_1Método multiplicativo
70
60544842363024181261
2500
2000
1500
1000
500
0
Índice
De
ma
nd
a p
or
día
_2
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 20.9
MAD 186.3
MSD 62540.8
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por día_2Método multiplicativo
60544842363024181261
2500
2000
1500
1000
500
0
Índice
De
ma
nd
a p
or
día
_4
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 27.8
MAD 236.9
MSD 86804.5
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por día_4Método multiplicativo
71
60544842363024181261
2000
1500
1000
500
0
Índice
De
ma
nd
a p
or
día
_3
Alfa (nivel) 0.2
Gamma (tendencia) 0.2
Delta (estacional) 0.2
Constantes de suavización
MAPE 22.9
MAD 184.2
MSD 58625.5
Medidas de exactitud
Actual
Ajustes
Pronósticos
IP de 95.0%
Variable
Gráfica de método Winters de Demanda por día_3Método multiplicativo
Figura 32.- Pronósticos de demanda de unidades simuladas con política de inventarios usando el
software Minitab
Análisis de resultados
Se observa con un escenario similar de ingresos, salidas y demanda, se reduce la cantidad de
ventas exitosas con una cantidad mínima de backorders a más de la mitad. Para ambos escenarios
se obtiene un EOQ y tiempo de reorden óptimo similares, garantizando una política que permita
satisfacer los niveles de servicios requeridos en los valores pronosticados.
A su vez, se visualiza que la demanda tiene a valores en tendencia ascendente con pendiente
mayor en sus pronósticos con políticas de inventarios y por lo tanto, un incremento de ingresos a
las PyMES por productos ofrecido. Y ciertamente, ofrecer una política de inventario reduce la
perdida de información valiosa de demanda existente, ya que siempre se tendrá las unidades
requeridas en el instante.
La arquitectura propuesta almacena los valores suficientes para el armado de políticas y
pronósticos ofrecidos para mejorar la gestión de inventarios en empresas sin métodos de
administración de cadena de suministro.
72
5.- Evolución tecnológica de modelo unificado e implementación
de e-commerce
Finalmente con una metodología de gestión de inventarios formal y con elementos para toma de
decisiones para eficiencia de recursos, posee los elementos aptos para utilizar mecanismos
tecnológicos más robusto y de expansión digital.
Para este último apartado solamente se hará la propuesta de integración de herramientas de
minería de datos sencillas y de mecanismos para enlazar nuestra base de transacciones de
inventarios a un sistema e-commerce.
Figura 33.- Manejo de datos con maduración tecnológica de gestión
La madurez máxima sucede es cuando se desea la ampliación de alcance geográfico, como la
interacción con otras empresas y afiliarse a la multitienda, preferentemente con la misma
arquitectura, y apoyarse en la minería de datos para conocer correlaciones entre los productos de
su empresa con los de otras a pesar que no sean los mismos.
Manejo integrado de la información en bodega de datos
Una base de datos que almacene en tiempo real cada transacción de cada producto de cada
afiliado compromete el rendimiento de los servidores donde se aloja, hasta el momento en que
genere volcado de procesamiento. Por lo cual, se propone una distribución repartida de bases de
BD CODE’s
ETL dataminning
Dataminning de
pronósticos y política
de inventarios unificado
BD CODE’s BD CODE
multitienda
DWH
multitienda
Portal e-commerce
individual o colectivo
73
datos por afiliado gestionadas individualmente, pero que se integre su información a un contenedor
principal.
Los modelos CODE de los productos de un afiliado estarán en una base de datos propia del
afiliado. La redundancia con la base de datos general va a traspasar solo lo siguiente:
Información de afiliado
Información de productos manejados
VS’s por día
El traspaso se haría de manera rutinaria mediante un proceso de extracción, transformación y
carga (mejor conocido como ETL) en horario de bajo procesamiento hacia el Data Warehouse.
La arquitectura de manera gráfica quedaría de la siguiente manera
Figura 34.- Propuesta de arquitectura de bodega de datos
Este proceso de transferencia se realiza según los primeros cuatro pasos de la metodología CRISP
(Chapman et-al, 2000) el cual es usado para efectos de minería de datos estandarizados hacia la
industria enfocado a cuestiones de negocio (no se cierra solamente al aspecto técnico).
Para fines del proyecto, al tratarse de un diseño de modelo unificado para distintos negocios, se
dejaría solamente hasta la parte de modelado de minería de datos. Estas se han expuesto a lo
Afiliado 1
Afiliado 2
Afiliado n
Contenedor de
preparación de
conocimiento
multitienda
ETL1 (Productos, VS’s,
destacados,
ETL1 (Productos, VS’s,
destacados,
ETL1 (Productos, VS’s,
destacados,
Modelo de minería de
datos
74
largo del proyecto, donde la comprensión del negocio es el capítulo 2, y la compresión de los datos
es el modelo CODE expuesto en este capítulo.
Figura 35.- Aplicación de los primeros cuatro pasos del modelo CRISP en minería de datos de
modelo unificado de inventarios
Para la parte de preparación, se realiza un proceso ETL con los siguientes mecanismos a usar de
preprocesamiento de datos (Han, 2006):
Dado a que se usa modelo único, no es susceptible a valores nulos. Para el caso de
eventos aleatorios que generen outliers, se hace solo limpieza de estos.
La integración se realizará con el modelo unificado previo, documentados en metadatas
La transformación de datos se resumirá en valores normales de z-score basados en sus
medias y desviaciones estándar de cada variable
La reducción es lo que se mencionaba previamente como “valores sumarizados”, como el
caso de los cubos OLAP.
Al final, los valores preparados pasan a un contenedor preparado para operaciones como las
siguientes:
Generación de políticas de inventarios
Determinación de categorización de productos por ABC
Pronósticos de demanda, ventas y costos
Correlación de productos de una empresa con otros productos de otras empresas
Comprensión de Negocio
•Impacto de PyMES en México
•TIC's en las PyMES
•Conocimiento y transferencia
•Necesidades de modelo de inventario
Comprensión de los datos
•Arquitectura de sistema unificado para PyMES basado en CODE's
Preparación de los datos
•Uso de bodega contenedora de preprocesamiento
•Limpieza de outflliers
•Integración por metadatas
•Transformación a normalización z-score
•Reducción a valores sumarizados
Modelado
•Inserción de vlores sumarizados y preparados
75
Ubicaciones geográficas concurridas de un productos
Existen herramientas de minería de datos libres como Weka dataminning (Hall, 2009) que es una
implementación multiplataforma desarrollada en Java con los algoritmos suficientes para una
minería de datos de básico a alto nivel.
Integración de e-commerce a modelo único
Con esta misma lógica, se diseña un contenedor con productos que el afiliado deseé publicar en el
e-commerce.
En la estructura de base de datos se encuentra un campo de “Publicado” el cual, de mandar un
valor de “Verdadero”, se trata de un producto a ser publicado en internet para su venta masiva.
En la actualidad existen software y aplicaciones de e-commerce, pero es fundamental que tengan
los elementos de carga de productos, conservando la lógica de categorización por modelo, color y
tallas. En la siguiente imagen se expone un ejemplo de modelo entidad-relación idónea para este
caso.
76
Figura 36.- Modelo entidad-relación de una aplicación de punto de venta alineada al modelo
unificado de inventarios
Este puede ser una base de datos aisladas a las demás bases de datos de los afiliados.
Pudiéndose este conectarse a las otras bases de manera directa o con el uso de webservices.
Este último es el ideal para continuar con la unicidad de datos propuesto y seguir garantizando una
limpia integración de datos
77
Figura 37.- Comunicación de modelos unificados a base de datos de e-commerce
Gestión de
inventarios
Gestión de
inventarios
Gestión de
inventarios
Gestión de
inventarios
BD code BD code BD code BD code
Sistema e-commerce
BD e-commerce
Enlace web service
Internet
78
Conclusiones
Existen muchos trabajos posibles a realizar enfocados a investigación y desarrollo de tecnologías
de la información aplicada en la mejora de procesos de cadena de suministro hacia empresas
pequeñas y medianas. Esto es, principalmente, porque las PyMES no sistematizan los conceptos
de logística, y mucho menos, aplican una metodología de optimización de recursos.
Este trabajo se enfoca hacia la parte de gestión de inventario que cumplía con todas estas
ausencias por parte de esas empresas y que no les permitía ser competitivas. Y como es
complicado integrar herramientas sofisticadas o metodologías formales a una modalidad de trabajo
silvestre, se propone un modelo unificado para su administración, que pueda ser implementado en
tres niveles de madurez conforme vayan alimentándola de transacciones en una base de
conocimiento.
En el primer nivel de madurez básico se inserta la estructura de trabajo a alimentar, la cual,
después de ingresar una cantidad considerable de registros en un periodo anual, ya está listo para
pasar a un nivel de madurez integrado de herramientas de apoyo y soporte de generación de
políticas de inventarios como el EOQ, clasificación de productos ABC y pronósticos por Holt-
Winters.
Estos dos niveles de madurez, a pesar de no haber sido probado en la práctica, quedó demostrado
con experimentos de simulación continua y prueba de hipótesis de igualdad de promedios que
recuperaba varias transacciones en backorder para ser suministradas en ese momento, y por lo
tanto, alterando sus ingresos, demanda y pronósticos de manera positiva.
Y teniendo esta estructura, es factible unificar estos mecanismos ordenados en tecnologías de
minería de datos más robustas, así como poderse publicar en medios electrónicos de e-commerce
para expandir su distribución y mejorar su demanda que ya tendría para ese entonces controlada.
Todos estos argumentos han sido soportados con artículos, metodologías y trabajos previos que lo
trascienden de un proyecto de investigación empírico para ser un trabajo científico digno de un
posgrado.
Trabajos futuros
De ser aprobado este trabajo, sería satisfactorio trasladar este modelo a la realidad, aplicándose a
distintas empresas medianas y pequeñas de venta de productos finales, documentar anécdotas,
resultados generales y específicos y mejorar la arquitectura propuesta.
79
Es importante que esta metodología sea publicada en diversas bases de datos documentales
nacionales e internacionales para que otros investigadores aporten ideas que promuevan la mejora
de gestión de inventarios en empresas de categoría PyMES,
Igualmente, sería ideal proponer un modelo unificado para los demás procesos de la cadena de
suministro, alineado al de inventarios. Estos procesos de trabajo serían los siguientes:
Aprovisionamiento de unidades
Distribución fuera de las zonas geográficas por consecuencia de las e-commerce
Almacenaje físico
Métodos de entrega
Servicios de posventa y atención a clientes
Transferencia de información
Posibilidad de manejo de multiinventarios
Convenios entre empresas que manejen la misma arquitectura
También es preciso trasladar este trabajo y los subsecuentes a desarrollos informáticos que
conjunten todas estas arquitecturas en una aplicación única, eficiente y sistemática, que apoye a
las estrategias de afiliados que la utilicen y hacerlos más competitivos.
80
Anexos
Anexo 1.- Cuestionario a pequeñas y medianas empresas acerca de requerimientos para
control de inventarios.
Instrucciones: Favor de leer las siguientes preguntas y elegir una sola respuesta, salvo que la misma pregunta permita más
de una, o incluso, sea requerido que se inserte una respuesta abierta.
1.- ¿Hace cuanto tiempo emprendió con este negocio?
( ) Menos de dos meses
( ) Entre dos y 6 meses
( ) De 6 meses a 1 año
( ) Entre uno y 5 años
( ) Más de 5 años
2.- ¿Cuantos productos manejas?
( ) Uno
( ) Entre dos y cinco
( ) Entre 7 y 10
( ) Entre 10 y 50
( ) Más de 50
3.- ¿Entre los productos principales que comercializan, alguno de esos pasan por un proceso de manufactura propio para
transformarlos en el producto final que manejan?
( ) No
( ) Si ¿Cuál? _______________________________________________________________
4.- ¿Tus productos tienen mucha variedad en cuanto a colores y tamaños?
( ) No, son productos únicos
( ) Unos pocos varían en color y tamaño
( ) La mayoría varia en color y tamaño
( ) Todos varían en color y tamaño
5.- ¿Cuántos proveedores manejas (en general con tus productos)?
( ) De uno a cinco
( ) De 6 a 10 proveedores
( ) Más de 10 proveedores
6.- ¿Cuál de las siguientes frases con respecto al inventario que manejan?
( ) Nuestro inventario tiene bastantes unidades estancadas que no logramos vender
( ) Nuestro inventario es amplio pero no se nos estancan muchas unidades
( ) Está equilibrado nuestro inventario. Casi no tenemos productos estancados y siempre tenemos disponible para vender
( ) Tenemos inventario reducido, aunque es poco frecuente que nos quedemos sin unidades de un producto que sea
considerablemente demandado
81
( ) Nuestro inventario es reducido, y hay periodos considerables en los que no tenemos las unidades suficientes para
abastecer la demanda.
7.- De sus productos principalmente ofrecidos al público, como consideran ustedes la demanda de estos (puedes elegir más
de una)
( ) Es una demanda casi constante. Abastezco comúnmente la misma cantidad al mes
( ) Es una demanda incremental. Tiendo a necesitar más unidades conforme pasa el tiempo
( ) Es una demanda decremental. Conforme pasa el tiempo, vendo menos unidades
( ) Depende el periodo que sea (ej: navidad, vacaciones, día de las madres, etc.) vendo más unidades de lo normal.
( ) Depende el periodo que sea (ej: navidad, vacaciones, día de las madres, etc.) vendo menos unidades de lo normal.
( ) Cuando hay situaciones especiales masivas (ej.: fenómenos naturales, éxitos de partidos de futbol, visitas de famosos)
que se incrementa la demanda de mi producto
( ) Cuando hay situaciones especiales masivas (ej.: fenómenos naturales, éxitos de partidos de futbol, visitas de famosos)
que se reduce la demanda de mi producto
( ) Me es imposible contestar la pregunta. La demanda de mis productos es muy inestable.
8.- ¿Que frase está más cerca de la realidad de tus ventas de tus productos principales?
( ) Casi no tengo ventas o no como lo esperaría de mi negocio
( ) Tengo ventas pero aun no llegan a mis expectativas
( ) Mi número de ventas es la ideal.
( ) Tengo muchas ventas, al modo que hay unas cuantas veces que se me acaba las unidades, pero me las dejan
encargadas y se las otorgo días después
( ) Tengo tantas ventas que es muy usual que me dejen encargadas algunos pedidos pero logro otorgárselos después
( ) Tengo muchos pedidos y no me es posible hacer muchos apartados. De plano pierdo las ventas.
9.- ¿Respecto a costos de pedido, cual es la frase más cercana a la realidad?
( ) No me genera ningún problema pedir en caso de que tenga mucha demanda inesperada
( ) Tengo que tener mis precauciones porque si es un costo considerable, más no es muy elevado
( ) Son costos muy elevados. Prefiero perder la venta a que hacer un pedido fuera de mi presupuesto cotidiano
10.- ¿Que tan estancado crees que está tu inventario?
( ) Casi ninguno, es muy dinámico
( ) Hay productos que tardan de uno a tres meses pero si llegan a salir
( ) Tengo inventario que tarda hasta un año de salir
( ) Tengo unidades atoradas de más de un año, pero no son muchas
( ) Mi bodega parece museo. Solo dedico una pequeña parte para productos más dinámicos
11.- ¿Cómo es tu relación con tus proveedores principales respecto a tiempos de entrega?
( ) Muy buena. Suele entregarme los pedidos en el tiempo acordado o incluso antes
( ) Buena. Llega a tener sus retrasos pero son mínimos
( ) Regular. Tiene retrasos, aunque afortunadamente no afecta con mis ventas
( ) Mala. Tiene retrasos y hay ocasiones que llegan clientes a pedirme productos de esos proveedores que aun no me
llegan
( ) Muy mala. Muchas veces quedo mal con mis clientes porque los proveedores me quedan muy mal con los tiempos
12.- ¿Quién decide los aspectos de aprovisionamiento de inventario?
( ) Los dueños
82
( ) Una persona dedicada al trato con proveedores y asuntos de ventas
( ) Los compradores y vendedores
13.- ¿Que conceptos son muy usuales de utilizar en tus estadísticos y reportes (puedes contestar más de uno)?
( ) Leadtime
( ) Rotación de inventario
( ) Backorder
( ) Costo - Beneficio
( ) SKU
( ) Unidades vendidas
( ) Unidades adquiridas
( ) Demanda
( ) Tendencia
( ) Temporalidad
14.- ¿Cuales de los siguientes costos o impuestos usted considera que le pueden estar afectando al momento de tener
inventario almacenado en sus instalaciones? (Puede elegir más de una)
( ) Costo de almacenado
( ) Costo de oportunidad o capital
( ) Costo por obsolescencia
( ) Costo de seguros
( ) Costos por impuestos
( ) Otros costos ¿Cuáles? ________________________________________
15.- ¿En qué rangos se ubican aproximadamente las utilidades brutas de tu negocio mensuales?
( ) Menos de $10,000
( ) De $10,000 a $100,000
( ) De $100,000 a $1’000,000
( ) De $1’000,000 a $10’000,000
( ) Más de $10’000,000
15.- De manera abierta, si usted pudiera obtener la asesoría de un especialista (sin importar que sea una persona o un
sistema inteligente) que elementos le gustaría que este especialista le apoyara para generar una política óptima de
inventario de inventario donde el objetivo sea pedir siempre lo gusto para sus almacenes (ni sobrado ni faltante), pudiendo
cubrir todas las ventas que lleguen en su día a día y minimizara los costos de almacenamiento y pedido.
___________________________________________________________________________________________________
___________________________________________________________________________________________________
83
Anexo 2.- Resultados de encuesta realizada a pequeñas y medianas empresas para control
de inventarios.
1.- Antigüedad
Rango Cantidad
Menos de dos meses
2 - 6 meses
6 meses - 1 año
1 - 5 años 4
Más de 5 años 1
2.- Variedad de SKU's
Rango Cantidad
Solo 1
2 a 5
7 a 10
10 a 50 3
Más de 50 2
3.- Tipo de productos
Rango Cantidad
Finales 5
Intermediarios
4.- Complejidad de SKU's
(color y tamaño)
Rango Cantidad
Pocos 1
Algunos
Mayoría
Todos 4
5.- Número de proveedores
Rango Cantidad
1 a 5
6 a 10 4
Más de 10 1
1.- Antigüedad Cantidad
Menos de dos meses
2 - 6 meses
6 meses - 1 año
1 - 5 años
Más de 5 años
2.- Variedad de SKU's Cantidad
Solo 1
2 a 5
7 a 10
10 a 50
3.- Tipo de productos Cantidad
Finales
Intermediarios
4.- Complejidad de SKU's (color y tamaño) Cantidad
Pocos
Algunos
Mayoria
Todos
5.- Número de proveedores Cantidad
1 a 5
6 a 10
Más de 10
84
6.- Disponibilidad de inventarios
Rango Cantidad
Sobresaturada
Al máximo 2
Equilibrado 2
Mínimo 1
Escaso
7.- Demandas
Rango Cantidad
Constante 4
Tendencia incremental 4
Tendencia decremental
Temporalidad positiva 2
Temporalidad negativa
Cíclica positiva
Cíclica negativa
Aleatoria 1
8.- Ventas
Rango Cantidad
Muy bajas
Bajas 2
Ideal 1
Altas pero completables 2
Demasiadas
Insatisfacibles
9.- Costos de pedir
Rango Cantidad
Bajo 3
Medio 1
Alto 1
6.- Disponibilidad de inventarios Cantidad
Sobresaturada
Al máximo
Equilibrado
Mínimo
Escaso
00.5
11.5
22.5
33.5
44.5
7.- Demandas Cantidad
7.- Demandas Cantidad
8.- Ventas Cantidad
Muy bajas
Bajas
Ideal
Altas pero completables
Demasiadas
Insatisfacibles
9.- Costos de pedir Cantidad
Bajo
Medio
Alto
85
10.- Rotación de inventarios
Rango Cantidad
Mayor a 10
De 1 a 10 3
Aproximado a 1 2
De 0.5 a 1
Menor de 0.5
11.-Compromiso leadtime
Rango Cantidad
Muy buena 1
Buena 4
Regular
Mala
Muy mala
12.-Horizonte de planeación
Rango Cantidad
Estratégico 5
Táctico
Operativo
13.- Indicadores usados
Rango Cantidad
Leadtime 1
Rotación de inventario 1
Backorder 1
Costo - Beneficio
SKU 2
Unidades vendidas 3
Unidades adquiridas 1
Demanda
Tendencia 1
Temporalidad 1
10.- Rotación de inventarios Cantidad
Mayor a 10
De 1 a 10
Aproximado a 1
De 0.5 a 1
11.-Compromiso leadtime Cantidad
Muy buena
Buena
Regular
Mala
Muy mala
12.-Horizonte de planeación Cantidad
Estratégico
Táctico
Operativo
0
1
2
3
4
13.- Indicadores usados Cantidad
13.- Indicadoresusados Cantidad
86
14.- Costos usados de mantenimiento
Rango Cantidad
Almacenaje
Capital / Oportunidad 2
Obsolescencia
Seguros
Impuestos
Otros
Ninguno 2
15.- Utilidad bruta
Rango Cantidad
Menor de diez miles 2
Diez miles 3
Cien miles
Millones
Más de diez millones
14.- Costos usados de mantenimiento Cantidad
Almacenaje
Capital / Oportunidad
Obsolescencia
Seguros
Impuestos
Otros
Ninguno
15.- Utilidad bruta Cantidad
Menor de diez miles
Diez miles
Cien miles
Millones
Más de diez millones
87
Referencias bibliográficas y electrónicas
Arango, O. M., Armenta, J. R. C., & Reyes, A. O. O (2010). Modelo de madurez en las Pymes como
sustento de la cadena de suministros.
Averill M. Law, Ph. D., Simulation Modeling and Analysis, Fourth Edition, McGraw-Hill, 2007
Boada, A. J., & Mayorca, R. (2011). Planificación de demanda, en empresas con estilo de venta por
catálogo. Revista Lasallista de Investigación, 8(2), 124-135.
Campbell, A., & Alexander, M. (1997). What's wrong with strategy?. Harvard Business
Review, 75(6), 42.
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000).
CRISP-DM 1.0 Step-by-step data mining guide.
AMIPCI, (2012), Estudio de Comercio Electrónico 2012, revisado en Febrero de 2014, de
http://www.amipci.org.mx/documentos/est_com_electronico2012.pdf
Cesar de Prada. (2013). Presentación. Revista Iberoamericana de Automática e Informática
Industrial, 10, 368. 3 de septiembre de 2013, De Elsevier Base de datos.
Datta, T. K., & Pal, A. K. (1988). Order level inventory system with power demand pattern for items
with variable rate of deterioration. Indian J. pure appi. Math, 19(11), 10431053.
Valadares de Oliveira, M., Bronzo Ladeira, M. & McCormack, K. (2011). The Supply Chain Process
Management Maturity Model – SCPM3, en Önkal, D. & Aktas, E. Supply Chain Management –
Pathways for Research And Practice. InTech, Rijeka, Croatia.
González, M. A. P. (2005). Los procesos de gestión y la problemática de las
PYMES. Ingenierías, 8(28), 25.
Gutiérrez, V., & Jaramillo, D. P. (2009). Reseña del software disponible en Colombia para la gestión
de inventarios en cadenas de abastecimiento. Estudios Gerenciales, 25(110), 125-153.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA
data mining software: an update. ACM SIGKDD explorations newsletter, 11(1), 10-18.
Han, J., Kamber, M., & Pei, J. (2006). Data mining: concepts and techniques. Morgan Kaufmann.
Hanke, J. E., Reitsch, A. G., & Wichern, D. W. (2001). Business forecasting. Up per Saddle River,
NJ: Prentice Hall.
88
Hayek, F. A. (1945). The use of knowledge in society. The American economic review, 519-530.
Kogut, B., & Zander, U. (1996). What firms do? Coordination, identity, and learning. Organization
science, 7(5), 502-518.
Law, A. M. (2009, December). How to build valid and credible simulation models. In Simulation
Conference (WSC), Proceedings of the 2009 Winter (pp. 24-33). IEEE.
Lawrence, W. B., Ruswinckel, J. W., & Malo, F. C. (1943). Contabilidad de costos. Union Tipografica
Editorial Hispano Americana.
Makridakis, S., Wheelwright, S. C., & Hyndman, R. J. (2008). Forecasting methods and
applications. Wiley. com.
Montaño Arango, O. (2010). El efecto de la madurez de los procesos empresariales en la cadena
de suministros.
Palacios, Marcela (2010). El Desarrollo de las PYMES ante la Reforma Fiscal. 20 de septiembre de
2013, de Anahuac México Sur Sitio web: http://ols.uas.mx/PubliWeb/Articulos/El-desarrollode-las-
PYMES-ante.pdf
Martínez Robles, Agnessy Yerina. (2007). Control de Inventarios con Análisis de la Demanda, para
la empresa "Sport B". 20 de septiembre de 2013, de Sistema de Bibliotecas Central de la UNMSM
Sitio web: http://sisbib.unmsm.edu.pe/bibvirtualdata/tesis/basic/martinez_ra/cap03.pdf
Mintzberg, H. (1987). The strategy concept 1: five p's for strategy. U. of California.
Pajares, G., & Santos, M. (2005). Inteligencia artificial e ingeniería del conocimiento. RA-MA
editorial, ISBN, 84-7897.
Parada Gutierrez, Ó. (2009). Un enfoque multicriterio para la toma de decisiones en la gestión de
inventarios. Cuad. Adm, 169-187.
Porter, M. E. (2002). Estrategias y la Internet.
Porter, M. E. (1986). The strategic role of international marketing. Journal of Consumer
Marketing, 3(2), 17-21.
Saénz, L., (2011), Diseño de un sistema de información logístico, SEPI - UPIICSA
Sánchez, J., (2013). Pymes y gobierno impulsarán el cloud en México. 13 de agosto de 2013, de El
economista Sitio web: http://eleconomista.com.mx/tecnociencia/2013/08/15/pymes-gobierno-
impulsaran-cloud-mexico
89
Simchi-Levi, E., & Kaminsky, P. (1999). Designing and managing the supply chain: Concepts,
strategies, and cases. United-States: McGraw-Hill.
Song, J. S. (1998). On the order fill rate in a multi-item, base-stock inventory system. Operations
Research, 46(6), 831-845.
Team, C. P. (2002). Capability maturity model® integration (CMMI SM), version 1.1. Software
Engineering Institute, Carnegie Mellon University, Pittsburg, PA, Tech. Rep. SEI-2002-TR-012.
T. Kearney. (2008). Evaluación de desempeño de las cadenas de suministro en México -
Generación de indicadores nacionales. 3 de septiembre de 2013, de Secretaría de Economía Sitio
web:
http://www.prologyca.economia.gob.mx/work/models/Prologyca/Resource/2/1/images/EvaluacionDe
sempeCadenasSuministroMexico.pdf
Ueki, Y., Tsuji, M., & Olmos, R. C. (2005). Tecnología de la información y las comunicaciones (TIC)
para el fomento de las pymes exportadoras en América Latina y Asia oriental. Documentos de
proyectos, (33).
Verwijmeren, M. (2004). Software component architecture in supply chain management. Computers
in industry, 53(2), 165-178.
Yoo, S. B., & Kim, Y. (2002). Web-based knowledge management for sharing product data in virtual
enterprises. International Journal of Production Economics, 75(1), 173-183.
