T E S I S - 148.204.210.201148.204.210.201/tesis/1471977445301TesisPedroAnt.pdf · para la mayoría...

INSTITUTO POLITÉCNICO NACIONAL

UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS

SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN

“PLANEACIÓN DEL APROVISIONAMIENTO EN UNA

FRANQUICIA DE RESTAURANTES”

T E S I S

QUE PARA OBTENER EL GRADO DE

MAESTRO EN INGENERÍA INDUSTRIAL

PRESENTA:

ING. PEDRO ANTONIO LÓPEZ DE HARO

DIRECTOR DE TESIS:

DR. EDUARDO GUTIÉRREZ GONZÁLEZ

Ciudad de México a junio de 2016

CARTA CESIÓN DE DERECHOS En la Ciudad de México, D.F. el día 21 del mes de junio del año 2016, el que suscribe

Pedro Antonio López de Haro, alumno del Programa de Maestría en Ingeniería Industrial,

con número de registro B141074, adscrito a la SEPI UPIICSA-IPN, manifiesto que soy el

autor intelectual del presente trabajo de Tesis bajo la dirección del Dr. Eduardo Gutiérrez

González y cede los derechos del trabajo titulado PLANEACIÓN DEL

APROVISIONAMIENTO EN UNA FRANQUICIA DE RESTAURANTES, al

Instituto Politécnico Nacional para su difusión, con fines académicos y de investigación.

Los usuarios de la información no deben reproducir el contenido textual, gráficas o datos

del trabajo sin el permiso expreso del autor y/o director del trabajo. Este puede ser

obtenido escribiendo a la siguiente dirección [email protected]. Si el permiso se

otorga, el usuario deberá dar el agradecimiento correspondiente y citar la fuente del mismo.

ING. PEDRO ANTONIO LÓPEZ DE HARO

INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA DE INVESTIGACIÓN Y POSGRADO

Agradecimientos

A mi familia, especialmente mis padres, Fernando

y Myrna, son constantemente una inspiración para

mi. A mi pareja María Fernanda, por su paciencia

y dedicación.

Gracias por creer en mí.

Al Colegio de Profesores, en especial al Dr. Eduardo

Gutiérrez González, por su paciencia, su apoyo y su

contribución a la realización de este trabajo, ha sido

un honor conocerlo y tener la oportunidad de trabajar

con usted.

IV

Índice SIP-14 II

Carta cesión de derechos III

Índice general IV

Índice de tablas VII

Índice de figuras IX

Resumen XI

Abstract XIII

Introducción 1

Capítulo 1

Franquicias de Restaurantes

5

Introducción ……………………………………………………………………………. 5

1.1 Importancia de las Franquicias en el mundo.………………………………………… 6

1.1.1 Principales franquicias del mundo……….…………….………….……………. 7

1.2 Franquicias de restaurantes en México…………..…………………………………… 9

1.2.1 Franquicias de restaurantes en Sinaloa ………………………………………… 11

1.3 Características de una franquicia exitosa…………………………………………...… 12

1.4 Importancia de la Cadena de Suministro en las Franquicias……………………….. 16

1.5 Grupo Gaudir. ..………………………………………………………………………… 18

1.6 Problemática de la empresa…………………………………………………...……… 24

1.6.1 Solución propuesta a la problemática………………………………..………… 26 Capítulo 2

Marco Teórico

Introducción ……………………………………………………………………………….. 27

2.1 Cadena de Suministro……………………….…………………………………………. 28

2.1.1 Administración de la Cadena de Suministro…..……….………….……………. 28

2.1.2 Objetivos de la Cadena de Suministro……………………………………………. 30

2.2 Análisis de la demanda ………………………………………….……………………… 33

Índice

V

2.2.1 Modelo de Distribución Normal…………..…………………………………….. 33

2.2.2 Modelo de Distribución Exponencial..…..……………………………………… 35

2.2.3 Modelo de Distribución Gamma ………..………………………………………. 36

2.2.4 Modelo de Distribución Log-Normal …..……………………………………….. 38

2.3 Pronósticos……………………………………………………………………………….. 39

2.3.1 Características de los Pronósticos……………………………………….…….. 41

2.3.2 Horizonte de tiempo de los pronósticos ...…………………………………….. 42

2.3.3 Clasificación de los pronósticos…………………………………………..…….. 42

2.3.4 Métodos cualitativos……………………………………….…………………….. 43

2.3.5 Métodos de series de tiempo………………………………………………….. 46

2.3.6 Evaluación de pronósticos…...………………………………………………….. 50 Capítulo 3 Metodología

Introducción ……………………………………………………………………………..…. 52

3.1 Estructura General.……………………………………………………………………… 53

3.2 Recopilación de datos…………..………………………………………………………. 54

3.3 Depuración de datos…………………………………………...…………………….…. 55

3.4 Determinación de la distribución de cada producto……………………..…………... 56

3.5 Elección del pronóstico adecuado ..………………………..………………………… 57

3.6 Determinación de la cantidad y fecha del siguiente pedido ……………...……..… 57

3.7 Determinación del nivel de servicio………………………………………..………..… 58

3.8 Resultados…………………………..………………………………………..………..… 58

Capítulo 4 Resultados

Introducción ………………………………………………………………………………… 59

4.1 Caracterización de la cadena de suministro.………………………………………… 60

4.2 Análisis de Pareto……….…………….………….…………………………………….. 61

4.3 Ingreso de la información al programa…………..…………………………………… 66

4.4 Determinación de la Distribución………………..……………………………………. 68

4.5 Pronóstico de Winters…………………..…………………………………………...… 76

Índice

VI

4.6 Pronóstico por Promedios Móviles…………………………..……………………….. 81

4.7 Determinación de Fecha de los pedidos..…………………………………………… 83

4.8 Presentación de los resultados………………………………………………...……… 84

4.9 Nivel de Servicio de los insumos de productos críticos…………………..………… 89

4.10 Acuerdos alcanzados…………………………………..…………………..………… 92

Conclusiones………………………………………………………………………………... 94

Bibliografía ………………………………………………………………………………… 97

Anexo A: Comportamiento aleatorio de las ventas ……………………………………... 101

Anexo B: Histograma del comportamiento de las ventas ……………………………... 106

Anexo C: Ejemplo de la estimación de verosimilitud en R ……………………………... 112

Anexo D: Ejemplo de cálculo de los cuantiles en R..……..……………………………... 111

VII

Índice de Tablas Capítulo 1

FRANQUICIAS DE RESTAURANTES

Tabla 1.1 Establecimientos Comerciales en México dedicados a la Industria Restaurantera (INEGI, 2014) ……………………………………………………….. 11

Capítulo 2

MARCO TEÓRICO

Tabla 2.1 Métodos de pronósticos.(Ballou, 2004)…………………..…………………….….. 43 Tabla 2.2 Métodos cualitativos de pronósticos (Ballou, 2004)………………………............ 44

Capítulo 4

RESULTADOS

Tabla 4.1 Total de ganancias del 9 de mayo de 2014 al 14 de agosto de 2015 (Elaboración Propia)…………………………………………..………………….….. 61

Tabla 4.2 Tabla parcial de la ganancia generada por las bebidas no alcohólicas del 9 de mayo de 2014 al 14 de agosto de 2015 (Sistema de Punto de Venta de Manzara Salads and More )……………………………………..……………….….. 61

Tabla 4.3 Tabla parcial de la ganancia generada por la comida del 9 de mayo de 2014 al 14 de agosto de 2015. (Sistema de Punto de Venta de Manzara Salads and More) ……………………………………………………………………………….….. 62

Tabla 4.4 Productos críticos del restaurante con el total de su ganancia del 9 de mayo de 2014 al 14 de agosto de 2015. (Sistema de Punto de Venta de Manzara Salads and More) ………………………………………………………………….…. 63

Tabla 4.5 Insumos de cada uno de los productos críticos del restaurante.(Elaboración Propia)………………………………………………………….………………………. 64

Tabla 4.6 Diagramas de dispersión .(Elaboración Propia)……………………………….….. 68

Tabla 4.7 Histogramas del comportamiento de los insumos críticos con demanda variable.(Elaboración Propia)……………………………………………….……….. 70

Tabla 4.8 Verosimilitud y Estimadores de cada una de las distribuciones.(Elaboración Propia)………………………………………………………….……………………... 73

VIII

Tabla 4.9 Cuantiles 80%, 85%, 90%, 95% y 99% en cada una de las distribuciones.

(Elaboración Propia)………………………………………………………….………

76

Tabla 4.10 Valores puntuales del pronóstico de cantidad de lechugas para los siguientes 5 períodos con los parámetros de nivel, tendencia y estacionalidad de 0.2.(Elaboración Propia)………………………………………………………….….. 78

Tabla 4.11

Valores puntuales del pronóstico de cantidad de lechugas para los siguientes 5 períodos con parámetros de nivel = 0.2, tendencia = 0 y estacionalidad = 0

(Elaboración Propia)………………………………………………………….…….... 79

Tabla 4.12 Valores puntuales del pronóstico de Durazno en almíbar para los siguientes 5 períodos (Elaboración Propia)…………………………………..……………….….. 83

Tabla 4.13 Pronósticos calculados por Promedios Móviles para los insumos con una demanda constante( Elaboración Propia)………………………………………….. 84

Tabla 4.14 Pronósticos calculados con el Método de Winter para una demanda móvil. (Elaboración Propia)………………………………………………………….………. 85

Tabla 4.15 Proyecciones de las primeras 5 fechas de pedido del Restaurante Manzara 800. (Elaboración Propia)…………………………………………………..…….….. 86

Tabla 4.16 Tabla de cuantiles y promedios reales para los primeros 5 períodos de los insumos calculados por método de Winters (Elaboración Propia) …………….. 89

Tabla 4.17 Promedio de pedidos real, promedio del valor de los pronósticos y valor puntual del nivel de servicio. (Elaboración Propia)……………………………….. 91

IX

Índice de Figuras

Capítulo 1

FRANQUICIAS DE RESTAURANTES

Figura 1.1 Categorías de las franquicias en México (Cerón, 2011)…………………………. 10

Figura 1.2 Origen de las Franquicias en México (Franquicias, 2010)……………………..... 11

Figura 1.3 Mapa de México con especificaciones de los establecimientos de la industria restaurantera en Sinaloa (INEGI, 2014)……………………………………...……. 12

Figura 1.4 Evolución de la Administración de la Cadena de Suministro (Ballou, 2006)…………………………………………………………………………………… 18

Figura 1.5 Organigrama de Grupo Gaudir (Elaboración Propia)..……………………..…….. 20

Figura 1.6 Organigrama de las sucursales (Elaboración Propia)……………………………. 21

Capítulo 2

MARCO TEÓRICO

Figura 2.1 Histograma de probabilidad binomial para n = 20, p = 0.6 con curva de aproximación normal sobrepuesta (Devore, 2008).………………………………. 34

Figura 2.2 Curvas de densidad exponencial.(Devore, 2008)…..……………………............. 36

Figura 2.3 (a) Curvas de densidad Gamma, (b) Curvas de densidad gamma estándar (Devore, 2008)……………….……………………………………...………………... 37

Figura 2.4 Curvas de densidad Log-Normal (Devore, 2008)…..…………………………….. 39

Capítulo 3

METODOLOGÍA

Figura 3.1 Estructura de la metodología del estudio (Elaboración propia)…...…………….. 53

Capítulo 4

RESULTADOS

Figura 4.1 Materia prima repetida en dos o más productos estrella (Elaboración Propia)………………………………………………………………………………..…. 66

Figura 4.2 Ingreso a la base de datos en el sistema (Elaboración Propia)…………………. 66

X

Figura 4.3 Base de datos para los pedidos de lechuga desde la fecha 9 de mayo de 2014 hasta el 27 de octubre de 2015 (Elaboración Propia) …………………………….. 67

Figura 4.4 Cálculo de la máxima verosimilitud utilizando Project R. (Elaboración Propia)…………………………………………………………………………………… 72

Figura 4.5 Selección de parámetros para el método de Winters en Minitab (Elaboración Propia) ……………………………………...…………………………………………. 77

Figura 4.6 Gráfica del Pronóstico por método de Winters, prediciendo los siguientes 5 datos con parámetros de nivel, tendencia y estacionalidad de 0.2. (Elaboración Propia) ……………..……………………………………………………………..……

78

Figura 4.7 Gráfica del Pronóstico por método de Winters, prediciendo los siguientes 5 datos con parámetros de nivel = 0.2, tendencia = 0 y estacionalidad = 0 (Elaboración Propia)..……………………..……………………………………..…..

80

Figura 4.8 Opción para la realización del pronóstico por Promedios Móviles (Elaboración Propia)…………………………………………………………………………………. 81

Figura 4.9 Ventana emergente para la realización de pronósticos por Promedios Móviles (Elaboración Propia)..……………………..………………………………………..... 82

Figura 4.10 Gráfica del pronóstico por Promedios Móviles del Durazno en Almíbar (Elaboración Propia)……………………………………………………………….…. 82

XI

Resumen

El siguiente trabajo utiliza un enfoque cuantitativo de cadena de suministro para desarrollar una metodología que tiene como objetivo principal la realización de un plan de abastecimiento para una sucursal y las futuras franquicias de un restaurante de relativa reciente creación en la ciudad de Los Mochis. La información utilizada se tomó de un Software manejado por una empresa subcontratada por el restaurante, que lleva registro de la cantidad y fecha de cada uno de los pedidos de materia prima. La información fue obtenida y analizada con el fin de determinar la distribución que mejor representa cada uno de los “insumos críticos” de la empresa. Cada uno de los insumos críticos se analizó de manera separada, ajustando los datos a diversas distribuciones de probabilidad con base en el valor de verosimilitud. La estimación de los parámetros fue realizada utilizando el programa Project R.

Además, se desarrolló una metodología de pronósticos de ventas, tomando en cuenta los pronósticos más utilizados: Promedios móviles para los artículos cuya cantidad es estable y pronósticos por método de Winters para los demás artículos, dado que dicho método permite establecer los parámetros de Nivel, Tendencia y Estacionalidad.

Además, debido a que los pedidos no se realizan de manera constante y varios productos son enviados de manera diaria, se realizó un análisis separado para determinar las fechas de los pedidos de cada uno de los insumos. Estas fechas se determinaron con base en el tiempo promedio de espera entre pedidos. La información mostrada en este trabajo se limita a los siguientes cinco períodos, sin embargo, se puede extender a un horizonte más amplio de tiempo para realizar una planeación más completa.

Finalmente, con base en el cuantil de las distribuciones ajustadas, el valor del pronóstico y la información real obtenida después del estudio, se determinó que para la mayoría de los productos, un nivel de servicio aceptable es de 80% y para 4 productos, es necesario un nivel de servicio de 90%.

Comparando el valor del cuantil 80 con los pronósticos calculados, se define la cantidad de producto y con el estudio de fechas, se completa el plan de aprovisionamiento para la sucursal. Este plan de aprovisionamiento será utilizado

XII

como modelo para el aprovisionamiento de las futuras franquicias en distintas ciudades de la República Mexicana.

Este trabajo está orientado a una cadena de restaurantes, sin embargo, la metodología puede ser aplicada en cualquier empresa que tenga demanda variable y poca disponibilidad de espacio. El resultado del estudio se estima en un ahorro de aproximadamente 12,000 pesos al mes, resultado de gastos en viajes extra, incapacidad de satisfacer la demanda de los clientes y problemas para comprar los insumos por falta de planeación, entre otros factores.

XIII

Abstract

The following paper uses a quantitative Supply Chain focus to develop a methodology that has as its main objective the creation of a supply plan for a branch of a restaurant of relative recent creation in the city of Los Mochis and its future franchises. The information was gathered using a Software managed by an outsourced company, which registers the amount and date of each request for supply. The information was gathered and analyzed with the objective of determining the probability distribution that better represents each of the “critical inputs” of the company. Each of the critical inputs was analyzed separately, adjusting the data with different probability distributions based on the value of Maximum Likelihood. The estimation of the parameters was done using a Software called Project R.

Furthermore, a methodology for sales forecasts was developed, taking into account the most used forecasts: The moving averages for the supplies which amount is stable and the Winters’ method for the other supplies, given that this method allows for the parameters of Level, Tendency and Seasonality.

Also, due to the fact that the requests aren’t made in a constant way, but whenever it is needed, and several products are shipped daily, a separate analysis was done to determine the dates of the requests of each of the supplies. These dates were determined based on the average waiting time between requests. The information shown in this paper is limited to the next five periods, however, this information can be extended to a wider time horizon in order to make a more complete planning of the supplies.

Finally, based on the quantiles of the adjusted probability distributions, the value given by the forecast and the real information obtained after the study, it was determined that for most of the products, an acceptable service level is 80% and for only 4 products, a service level of 90% was necessary.

By comparing the value of the 80th quantile with the given forecasts, the amount of product was defined, and based on the study on the dates, the supply plan was completed or the branch in Los Mochis. This Supply Plan will be used as a model for the supply of the future franchises in different cities of Mexico.

XIV

This paper is oriented to a chain of restaurants, however, the methodology can be applied to any number of organizations that face the problem of a variable demand and low storage availability. The result of the study is estimated in approximately a 12,000 pesos saving per month, which right now is the result of expenses in extra shipping, inability to satisfy the clients’ demand and problems buying the supplies because of lack of planning, among other factors.

Introducción

1

Contexto

En la actualidad, en un mercado globalizado, es cada vez más importante que las empresas realicen acciones para controlar sus procesos. Las acciones de las empresas deben estar planificadas siempre con un objetivo claro con el fin de optimizar los recursos. La globalización obliga a las empresas que desean sobrevivir y crecer a implementar nuevas tecnologías para adaptarse a los requerimientos del mercado. Es claro que la planificación de las actividades de la administración de la Cadena de Suministro juega un papel clave para el aumento de la competitividad de las empresas. Una Administración de la Cadena de Suministro ineficiente puede llevar a las empresas al desperdicio innecesario de recursos, pérdidas de dinero, disminución del nivel de servicio al cliente e incluso problemas con los proveedores. Una mala planeación de la Cadena de Suministro por parte de una empresa afecta negativamente a toda la Cadena. Si una empresa busca sobrevivir y crecer, es necesario que aproveche todos sus recursos de manera eficiente. La planeación del aprovisionamiento es un buen lugar para empezar a ahorrar valiosos recursos para que la empresa sea más rentable.

Descripción del problema

Grupo Gaudir es una empresa de restaurantes que comenzó en el año 2010 en la ciudad de Los Mochis, producto de una familia emprendedora que rápidamente comenzó su expansión en dicha ciudad. Esta empresa actualmente cuenta con tres restaurantes en la ciudad de Los Mochis y ya comenzó a ofrecer los derechos de franquicias para construir sucursales en otras ciudades de la República Mexicana. Sin embargo, a pesar de ser ya una marca consolidada en la ciudad, cuentan con una serie de problemas de calidad que todavía no les permiten vender de manera segura franquicias. Una de las principales preocupaciones para un franquiciatario es el aseguramiento de la materia prima, el Know-How y el soporte técnico. En este caso, la empresa todavía cuenta con varios problemas en su cadena de suministro aún en los tres restaurantes (matriz y dos sucursales) localizados en Los Mochis. Dado que este es el caso, actualmente la empresa no puede asegurar a un franquiciatario el soporte que necesita en la administración de la Cadena de Suministro. Debido a que actualmente los insumos se solicitan conforme se van acabando en la sucursal, se presentan varios problemas de calidad. No existe una planeación del aprovisionamiento actualmente, hay un tiempo de espera de uno a tres días para surtir un producto que no se solicitó con un día de anticipación y si el producto es muy importante, es necesario hacer

Introducción

2

viajes dobles o hasta triples para llevarlo. Además, debido a que no se tiene un estimado de lo que se necesita, la empresa no se puede preparar económicamente para las compras de materia prima, lo que en ocasiones crea problemas con los proveedores como cheques sin fondos. Este problema ocasiona molestias al proveedor pero además, se aplica una multa a la empresa. Un problema que cabe mencionar es que la sucursal tiene un almacén de materia prima muy pequeño, que solamente consiste en un estante y dos refrigeradores, por lo tanto se debe estar constantemente surtiendo los productos, sin la oportunidad de comprar producto de más, además de que, al ser un restaurante, se trata de productos perecederos.

Debido a estos y otros problemas, el costo actual de logística tiene un promedio mensual de 25,000 pesos aproximadamente (incluyendo el precio de los productos, gasolina, salario de los compradores y multas).

Objetivos

Establecer una metodología para el cálculo del abastecimiento de la materia prima que cumpla con la venta y el pronóstico.

Identificar los productos clave de la empresa para enfocar los esfuerzos en los mismos y, de ser necesario, descontinuar los artículos que menos ganancia otorguen.

Elaborar un pronóstico para la compra de los insumos necesarios para la producción de los productos clave.

Obtener una fecha tentativa para la orden de cada uno de los productos.

Aplicar la metodología en una de las sucursales, que tenga como resultado el plan de aprovisionamiento, conteniendo de manera clara y concisa las fechas y las cantidades de cada uno de los insumos críticos.

Continuar realizando los pronósticos, comparándolos constantemente con la información real, con el fin de hacerlos más precisos.

Extrapolar la información de pronósticos y distribuciones de probabilidad para tener una base sólida del plan de aprovisionamiento que se ofrecerá a una franquicia que abrirá en otra ciudad de la República Mexicana.

Minimizar los gastos de aprovisionamiento de la empresa en general.

Introducción

3

Justificación

Una manera de hacer más rentable la empresa es minimizar los gastos necesarios y eliminar los innecesarios. Este es uno de los objetivos de la Administración de la Cadena de Suministro. Debido a que la sucursal cuenta con un almacén muy pequeño, la cantidad de materia prima debe ser lo más exacta posible, con el fin de aprovechar el espacio y mantener un alto nivel de servicio al cliente. La pérdida monetaria por inconformidades de clientes es en este momento incalculable, por ello, es vital tener una base para el aprovisionamiento, tanto de las sucursales como de la matriz. Debido a que actualmente no se utilizan pronósticos en la empresa, se han visto obligados a seguir siempre a los requerimientos y por lo tanto, siempre se ha estado un paso atrás. El costo de aprovisionamiento actual es muy grande y el potencial para ahorrar, aplicando las técnicas de distribución y pronósticos es muy alto. Alcances y limitaciones

La información recabada y utilizada para este estudio se tomó desde la apertura de la sucursal estudiada hasta la fecha en que se realizó el pronóstico. Algunos productos no tienen una demanda alta y por lo tanto, en algunos casos se trabajó con una cantidad limitada de datos. Es importante aclarar que este análisis se puede realizar de nuevo una vez que se cuente con una mayor cantidad de datos.

Una dificultad encontrada es que muchas de las actividades de logística no están todavía establecidas en la empresa y en muchas ocasiones se realizan sin planeación alguna, simplemente porque es necesario realizarlas.

La otra dificultad es que, debido a que todavía no se ha vendido ninguna franquicia, la información tendrá que ser extrapolada para que aplique, con sus respectivos ajustes, a la franquicia cuando se venda. Un estudio posterior sugerido es la realización del ajuste a distribuciones y cálculo de pronósticos de la futura franquicia fuera de la ciudad de Los Mochis. Además, se propone que la planeación del layout de la franquicia contenga un almacén mayor al que tiene la sucursal de donde se obtuvieron los datos.

Se pretende que el modelo contenga los insumos más importantes de la sucursal con la cantidad a pedir y la fecha tentativa que se pedirá cada uno de los insumos críticos.

Resultados esperados

Los resultados esperados de la investigación son: La planeación del aprovisionamiento de la sucursal, que se propondrá como planeación del aprovisionamiento de las franquicias a vender, el establecimiento de una

Introducción

4

metodología para el cálculo de pronósticos y el ajuste a distribuciones de probabilidad, definiendo el nivel de servicio que se desea alcanzar.

Un plan que contenga las cantidades y fechas de cada insumo, que se puede realizar de manera diaria, semanal, mensual o como se necesite.

Metodología

Grupo Gaudir tiene subcontratada una compañía de Software llamada Structure Soluciones, la cual lleva un control de la administración, de la compra y de la venta de los productos, donde vienen listados más de 500 insumos y 200 productos terminados. Primeramente, se utilizó el Software para seleccionar los productos críticos por medio del análisis de Pareto, que concluyó que aproximadamente el 80% de la ganancia de la sucursal, desde su creación, vino de tan sólo 15 productos, todos los demás productos han supuesto el otro 20% de la ganancia. Por lo tanto, se tomaron en cuenta los insumos de estos 15 productos críticos para la realización del estudio. Posteriormente, se analizaron los datos, ajustándolos a una distribución de probabilidad (Log-Normal, Exponencial, Gamma y Normal). Posteriormente se calcularon los cuantiles (80%,85%,90%,95% y 99%) para decidir el nivel de servicio adecuado. Posteriormente, se realizaron los pronósticos de Winters a los productos que tienen una demanda variable. Para el caso de los productos con demanda constante, se utilizó el pronóstico de Series de Tiempo más simple, Promedios Móviles Fijos. A continuación se utilizó la fecha en que se realizaron los pedidos para determinar la fecha aproximada del siguiente pedido. Se calculó el promedio de tiempo que pasa para que se realice el pedido de cada uno de los productos y se sumaron esos días a la fecha actual para obtener un estimado de las fechas de los pedidos. Finalmente, se aclara que esta información, será utilizada como base para la planeación del aprovisionamiento de las futuras franquicias, desde que abran sus puertas hasta que tengan suficiente información para realizar sus propios pronósticos y su propio ajuste de probabilidad.

Reseña del estudio

La tesis está dividida en cuatro capítulos. El capítulo 1 contiene una introducción a las franquicias en México y el mundo, habla de que existe un gran potencial para los emprendedores hoy en día. Además menciona las generalidades de la empresa Grupo Gaudir. Se habla acerca de la historia de la empresa, cómo se consolidó y algunos de los principales problemas que enfrenta.

Introducción

5

El capítulo 2 es el marco teórico. Este contiene la revisión bibliográfica realizada acerca de Cadena de Suministro, Administración de la Cadena de Suministro, Ajuste a distribuciones de probabilidad y pronósticos. Se mencionan algunas definiciones de cadena de suministro y se argumenta además que los pronósticos cuantitativos, más comúnmente llamados de Series de Tiempo, son más fiables que pronóstico cualitativos.

El capítulo 3 describe la metodología que se utilizó, con base en la teoría del capítulo anterior, para la aplicación de conocimientos y Software estadístico. Se menciona la serie de pasos a seguir para la realización completa de la investigación.

El capítulo 4 contiene los resultados de las acciones descritas en la metodología. En resumen, la descripción de la sucursal, el análisis de Pareto y descripción de los productos e insumos críticos, los resultados en R del ajuste de las distribuciones de probabilidad, se calculan los cuantiles 80%, 85%,90%, 95%, y 99% con el fin de establecer el nivel de servicio para cada uno de los insumos, los pronósticos de Series de Tiempo (Promedios móviles para productos con demanda constante y Método de Winters para productos con demanda variable).

Posteriormente, se tienen los resultados de los pronósticos, con los que se calculó el error cuadrado medo (MSE) para validar los pronósticos.

Además, se determinó la siguiente fecha para el siguiente pedido de cada uno de los insumos.

Finalmente, se presentan las conclusiones del trabajo, donde se cumple con los objetivos planteados, se muestra un ejemplo de la planeación del aprovisionamiento, así como un estimado del ahorro que supondrá la implementación del plan.

5

Capítulo 1

Franquicias de restaurantes

INTRODUCCIÓN

El primer capítulo describe el marco contextual de la problemática de la investigación. Primeramente, se describe la importancia de las franquicias, principalmente las de alimentos en el mundo, el contexto nacional y el contexto estatal. En segundo lugar, se mencionan las características de una franquicia exitosa y la definición e importancia de la administración de la cadena de suministro en la actualidad y en las franquicias. Finalmente, se describe la empresa y se presenta de manera general el caso de estudio, finalizando con la descripción del problema y la forma en que se abordará.


6

1.1. IMPORTANCIA DE LAS FRANQUICIAS EN EL MUNDO

Una franquicia es un contrato que cubre una amplia gama de prestaciones de servicios, suministros de bienes, cesión del nombre comercial o marca, por parte del franquiciador, y abono de un porcentaje de los ingresos y aceptación de las condiciones de venta, por parte del franquiciado (Santesmases Maestre, 2004). El franquiciador suele ser un fabricante, un mayorista o una empresa de servicios y el franquiciado es un comerciante independiente que compra el derecho a poseer y a operar con una o más unidades del sistema de franquicia.

El franquiciador no sólo vende los productos o servicios al franquiciado son su marca registrada, sino que además éstos operan el negocio de acuerdo con el sistema provisto por el franquiciador. El franquiciador provee el entrenamiento, materiales para marketing, un manual de operaciones para la franquicia, entre otras cosas (Caldeira, 2015).

Según la Asociación Internacional de Franquicias, los negocios de franquicias seguirán incrementándose y creando trabajos a un paso más apresurado que la economía en general en 2015, como lo ha hecho los 4 años anteriores. Solamente en Estados Unidos, el Producto Interno Bruto del sector de franquicias se incrementará en $521 miles de millones de dólares o un 5.2% en 2015, en comparación con los $496 miles de millones de dólares generados en 2014.

En total, los establecimientos de franquicias son una fuerza económica formidable. Generan alrededor de 1.1 billones de dólares anuales en ventas, emplean a casi 6.3 millones de trabajadores, con una nómina de más de $125 miles de millones de dólares, o sea el 14.3% de ventas, 7.8% de nómina y 10.7% de los empleados en las industrias vistas por el censo (Shane, 2011).

Sin embargo, algunos autores están en desacuerdo con que el modelo de negocios de franquicias es tan seguro para invertir como parece hacer creer el IFA (Sniegowiski, 2008, Gale, 2007) argumentando que el hecho de que el crecimiento anual de las franquicias sea un poco mayor al de la economía en general no necesariamente significa que sea una buena idea para invertir tu capital.

Blair y Lafontaine (2009) mencionan que dos de las principales razones por las que algunas franquicias pueden fallar son la incapacidad para la uniformidad en el servicio que debe ser ofrecido por todas las franquicias en determinadas zonas geográficas, la economía de algunas regiones y las diferencias entre las necesidades y objetivos del franquiciador y el franquiciado.

Capítulo 1

7

Según Lafontaine (1994), las franquicias no están creciendo tanto como en ocasiones la prensa nos quiere hacer creer, sin embargo tienen un crecimiento constante y saludable. Son una forma efectiva de organizar negocios en el sector de ventas y servicios y siguen siendo fuente importante de empleos en todo el mundo.

Los beneficios de comprar una franquicia enlistados por Gale (2007) son: promoción y marketing, operaciones, poder de compra, servicios de consulta y soporte técnico, investigación y desarrollo, entre otras. Algunas de las desventajas enlistadas son el costo, las restricciones de operación, el control limitado de la empresa y los objetivos del franquiciador.

Los establecimientos de alimentos y bebidas han cambiado desde su inicio hasta nuestros días, dado que las necesidades de las personas también se han modificado y son diferentes.

Actualmente la gastronomía ha adquirido mayor importancia a nivel mundial, la gente busca comida típica del lugar que visita, rescatando lo artesanal y natural. Los turistas tienen un nivel cultural alto y hay un flujo importante de personas especializadas cuyo objetivo principal es la gastronomía, por lo que las rutas gastronómicas en varios países han adquirido un gran auge, como es el caso de Francia principalmente, seguido de España e Italia, donde también se le ha dado relevancia a las rutas del vino.

Al mismo tiempo se percibe un interés por parte de la gente sobre el consumo de alimentos sanos y energéticos que proporcionen salud y bienestar a los clientes, aunado a un ambiente relajante y que brinde confort para los sentidos, ya que actualmente la industria de la hospitalidad se base en las emociones y llegar al corazón del consumidor.

Principales Franquicias del mundo

Actualmente las mayores franquicias del mundo son las siguientes:

1. SUBWAY®. Es una empresa que está ubicada en el sector de la comida rápida, venden sándwiches, bocadillos, pizzas, ensaladas, etc. Cuenta con locales por todo el mundo sumando un total de 44,090 en todo el mundo y 988 en México (“Subway,” 2015), convirtiéndose así en la mayor franquicia actualmente en el mundo.


8

2. 7-Eleven. Esta empresa enmarca en el sector de tiendas “24 horas”. Tiene 56,439 tiendas en 16 países diferentes y 1,878 en México (7-eleven Japan, 2015). Se dedica a la venta de productos básicos de alimentación, prensa, etc. aunque la oferta se adapta al mercado de cada país. La mayoría de las tiendas se sitúan en Asia y América.

3. McDonald’s. Se encuadra dentro del sector de comida rápida. Los productos que ofrecen son, hamburguesas, patatas, sándwiches, batidos, helados, ensaladas, etc. Cuenta con restaurantes por todo el mundo.

4. KFC (Kentucky Fried Chicken). Al igual que la anterior se sitúa en el sector de la comida rápida dedicándose principalmente a la venta de pollo frito. Cuenta con más de 17,000 (“Kentucky Fried Chicken,” 2015) restaurantes de comida rápida expandidos por todo el mundo.

5. Burger King. También se dedica a la comida rápida. Se dedican a la venta de hamburguesas, patatas, refrescos, helados, etc. Cuenta con más de 12,000 (“Burger King,” 2010) locales en todo el mundo.

6. Pizza Hut. Su sector es el de la comida rápida dedicándose principalmente a la venta de pizzas. Cuenta más de 15,000 restaurantes en todo 93 países alrededor del mundo (“Pizza Hut,” 2015).

7. Wyndham Hotel Group. Se dedica al sector hotelero y cuenta con un total de 7,500 hoteles, lo que hace de éste, el mayor grupo hotelero del mundo (“Wyndham Hotel Group,” 2015).

8. Hertz. Es una empresa dedicada al alquiler de automóviles siendo la empresa más grande del mundo en el uso de alquiler de coches en aeropuertos. Su servicio se ofrece en 81 aeropuertos de Estados Unidos y Europa. Cuenta con 8,500 establecimientos (“Hertz,” 2014).

9. InterContinental Hotels Group. Está ubicada en el sector hotelero contando con varias marcas hoteleras. Cuenta con más de 4,600 Hoteles en más de 100 países (Reporte anual InterContinental, 2012).

10. GNC Live Well. Se dedica a la venta de suplementos alimenticios, productos para el cuidado de la salud, cosméticos naturales, etc. Tiene unos 6,387 establecimientos situándose principalmente en América (Entrepreneur, 2015b).

11. Carrefour. Es una cadena empresaria dedicada a la distribución. Cuenta con un total de 10,860 establecimientos por todo el mundo (Carrefour, 2014).

Capítulo 1

9

12. Dunkin’ Donuts. Esta empresa es del tipo cafetería y está especializada en donuts. El número de establecimientos asciende a 11,310 en todo el mundo (Entrepreneur, 2015a).

13. DIA (Distribuidora Internacional de Alimentos). Es un grupo de distribución español que cuenta con 7,306 establecimientos que están localizados en España, Portugal, Argentina, Brasil y China (“DIA,” 2013).

14. Domino’s Pizza. Es una empresa situada en el sector de la comida rápida. Su especialidad son las pizzas. A lo largo del mundo cuenta con más de 10,000 establecimientos (“Domino’s Pizza,” 2010).

15. Taco Bell. Es una cadena de restaurantes de comida rápida especializada en comida mexicana, concretamente en Tex-Mex. Cuenta con 5,900 establecimientos en todo el mundo (Garcia, 2014).

Como se puede apreciar, la mayoría de las empresas de la lista son de comida, por lo que es conocido que tener una franquicia de comida es un negocio rentable.

Actualmente la tendencia en restaurantes en la sociedad es la comida saludable, con el objetivo de ofrecer productos inocuos y saludables a los clientes.

Todos estos establecimientos tienen en común la importancia que le han dado a su aprovisionamiento para poder continuar en un mercado cada vez más competitivo y globalizado.

1.2. FRANQUICIAS DE RESTAURANTES EN MÉXICO

Según el INEGI, la venta total anual de los restaurantes en México, que incluyen torterías, loncherías, juguerías, taquerías, antojerías, cafeterías, restaurantes de comida rápida y restaurantes de servicio completo ascendió a $182,992 millones de pesos en 2012, lo que significa el 1.4% del Producto Interno Bruto nacional y el 13% del Producto Interno Bruto Turístico.

De 1999 a 2007, las franquicias mexicanas incrementaron su participación en el mercado en un 47% y las franquicias estadounidenses disminuyeron su participación un 45% (Alba, 2009).

Según cifras del INEGI, en 2012 existían aproximadamente 428,000 restaurantes en México, muchos de ellos restaurantes familiares y franquicias. La industria restaurantera es el segundo mayor empleador a nivel nacional, superando al


10

3% 11%

35%

4%14%

6%

4%5%

12%6%

TURISMO Y ALOJAMIENTO

VENTA AL DETALLE

ALIMENTOS Y BEBIDAS

AUTOMOTRIZ

CUIDADO PERSONAL, SALUD YBELLEZAEDUCACIÓN Y CAPACITACIÓN

ENTRETENIMIENTO Y RECREACIÓN

conjunto de personas ocupadas en los sectores de pesca, minería, electricidad, agua, distribución de gas por ductos al consumidor final y construcción.

Las franquicias posicionan a nuestro país en el octavo lugar a nivel mundial y su desarrollo sigue en aumento hasta el punto de haber convencido de su importancia a la Secretaría de Economía (SE). Después de siete años de intenso cabildeo realizado por cuatro presidentes de la Asociación Mexicana de Franquicias (AMF), finalmente se aprobó el Programa de Apoyo a Emprendedores Mexicanos, vía el Modelo de Franquicias.

El gobierno espera que aumente el empleo, las empresas en activo y los emprendedores a través de este modelo. Y si las franquicias ya crecían a un ritmo de 15% al año sin apoyo de la banca, ni de la SE, no es difícil darse una idea del auge que puede ocurrir en los próximos años.

Figura 1.1. Categorías de Franquicias en México Fuente: (Cerón, 2011)

Como se puede apreciar en la figura 1.2, el sector de alimentos y bebidas es el mayor de todos acaparando un 35% de todas las franquicias.

La figura 1.3 muestra el origen de las franquicias que en este momento se encuentran en México, como podemos ver, casi el 70% de los establecimientos es de origen mexicano, esto se debe, en parte, a que en alimentación, el mercado mexicano es tradicionalista y regional, por lo que en muchas instancias, los clientes prefieren comida fresca hecha en México.

Capítulo 1

11

Figura 1.2. Origen de Franquicias en México.

Fuente: (Asociación Mexicana de Franquicias, 2010).

Como se puede observar en la tabla 1.1, existían en 2014 en todo el país 5,664,515 establecimientos dedicados a la industria restaurantera, dando trabajo a 29,893,584 personas.

Tabla 1.1 Establecimientos comerciales dedicados a la industria restaurantera Fuente: (INEGI, 2014).

Franquicias de Restaurantes en Sinaloa

Uno de los motores principales del Desarrollo Económico en los países desarrollados es sin lugar a dudas el Turismo, en el cual destaca desde luego la Industria Restaurantera, también denominada como Industria Gastronómica.

Como respaldo a estas aseveraciones es posible indicar que la Industria Restaurantera afiliada a la CANIRAC cuenta con cerca de 15 mil empresas afiliadas, mismas que generan más de 600 mil puestos de trabajo directos, además de los 1.5 millones de empleos indirectos estimados de esta actividad.

68%

27%

4%

1%

Mexico

EUA

España

Otros Países


12

Figura 1.3 Mapa de México con especificaciones de los establecimientos de la industria restaurantera en Sinaloa.

Fuente: (INEGI, 2014).

Existían 118,623 establecimientos comerciales, ocupando el lugar 16 a nivel nacional de todos los comercios en funcionamiento hasta el 2014, dando trabajo a 698,762 personas.

Características de una franquicia exitosa

Según Libava (2014), no existe la franquicia perfecta, sin embargo, existen varias características que deben cumplirse en un modelo de franquicias exitoso: Sistemas empresariales poderosos, gran poder de la marca, innovación, buen entrenamiento del franquiciatario y franquicias saludables.

Para tener franquicias saludables, es necesario que los franquiciantes se enfoquen en el crecimiento profesional del franquiciatario, ofreciendo toda la ayuda necesaria para sus funciones. Además, los franquiciantes deben tener su negocio en control y la mayor cantidad de cosas en consideración para que no haya ningún imprevisto, que no ocurran situaciones dentro de las franquicias para las que no se esté preparado. El trabajo de un buen franquiciante es que no existan “sorpresas” (Libava, 2014).

Para ser capaz de operar una franquicia exitosa se requiere, entre otras cosas, saber leer las tendencias de consumo, aprender de los fracasos propios y ajenos, proteger

Capítulo 1

13

la propiedad intelectual con patentes y acuerdos legales, saber los detalles importantes del negocio, etcétera (Juarez, 2015).

Una de las características más importantes de una franquicia de restaurantes exitosa es la estandarización de los procesos y enfoque en los clientes (Períbañes, 2015), esto se puede lograr por medio de un correcto entrenamiento del personal y enfoque en los manuales de instrucciones que debe proveer el franquiciante.

Parsa, H.G. et al (2005) enlistan una serie de elementos de éxito y elementos de fracaso en restaurantes que son mencionados a continuación:

Elementos de éxito: 1. Tener un concepto distintivo que ha sido bien investigado. 2. Asegurar que todas las decisiones tengan sentido económico a largo plazo. 3. Adaptar tecnologías deseables, especialmente para mantener registros y

rastrear clientes. 4. Educar administradores para que continúen su educación en talleres y eventos

de ventas. 5. Efectiva y regularmente comunicar valores y objetivos a empleados. En una

instancia, los nuevos dueños le dieron crédito a la comunicación de sus valores y objetivos a sus empleados como un elemento importante en la reposición exitosa de su restaurante para cumplir mejor con las necesidades de los negocios crecientes en el vecindario añadiendo almuerzo a su concepto de sólo cena.

6. Mantener una visión, misión y operaciones estratégicas claras, pero estar dispuesto a arreglar las estrategias si la situación cambia.

7. Crear una cultura consciente del costo, que incluya un mantenimiento de registros riguroso.

8. Concentrarse en un tema y desarrollarlo bien. 9. Estar dispuesto a tomar un tiempo sustancial, tanto en el restaurante como en

la familia. 10. Crear y construir una cultura de la organización positiva a través de una

administración consistente. 11. Mantener flexibilidad administrativa. 12. Elegir la localización cuidadosamente, aunque tener una buena localización

parece ser más una variable moderada que una variable causal en la viabilidad de un restaurante.


14

Elementos de fracaso: 1. Falta de una estrategia documentada; solo comunicación oral o informal de la

misión y visión; falta de una cultura organizacional fomentando características de éxito.

2. Inhabilidad o renuencia a establecer y formalizar estándares de operación; administración de sentarse en sus pantalones.

3. Frecuentes incidentes críticos; administración de operaciones de “apagar incendios” parece ser una práctica común.

4. Enfocarse en un aspecto del negocio a expensas de otros. 5. Pobre elección de localización. 6. Falta de relación entre el concepto y la localización del restaurante. Un club

nocturno falló, por ejemplo, porque lo abrió cerca de una estación de policía. Los dueños pensaron que la estación de policía sería persuasivo para que no haya elementos criminales potenciales y peleas de bar, pero desafortunadamente fue también persuasivo para que los clientes fueran, quienes tenían miedo del escrutinio policial y potenciales multas por manejar ebrio. El club cerró después de 18 meses.

7. Falta de capital suficiente para empezar o de capital operacional. 8. Falta de experiencia de negocios o conocimiento de las operaciones de los

restaurantes. Los dueños de un club nocturno exitoso expandieron su negocio invirtiendo más de 1.5 millones de dólares en renovar un antiguo edificio banquero para un restaurante de comida fina. Sin ningún conocimiento de las operaciones de restaurantes, abrieron el restaurante sin presupuesto para mercadeo porque confiaron primariamente en la publicidad gratuita de las palabras de la gente. En menos de un año, el restaurante cerró, con más de 5 millones en deudas. Los dueños trataron de salvar el negocio convirtiéndolo en un club nocturno, pero no tuvieron éxito.

9. Mala comunicación con los clientes. Un restaurante no despegó después de una gran remodelación porque los dueños no se comunicaron con su clientela acerca de la razón de cerrar un tiempo por reapertura. Los clientes se habían ido desde hacía rato para el momento en que reabrieron.

10. Percepción de valor del cliente negativa, precio y producto deben concordar. 11. Inhabilidad para mantener estándares operativos, llevando a demasiados

huecos en el servicio. Malos estándares sanitarios casi garantizan matar un restaurante. Una operación fue expuesta por una televisora local por malas prácticas sanitarias. Aunque las condiciones sanitarias mejoraron después de

Capítulo 1

15

eso -reportadas por la misma televisora- el daño estaba hecho y el restaurante cerró. Después reabrió como un restaurante de servicio completo exitoso.

12. Por restaurantes étnicos, la pérdida de la autenticidad; para todos los restaurantes, la pérdida de la integridad conceptual.

13. Convertirse en todo para todos; la falta de diferenciación o distintivo. 14. Subestimar la competencia. Un restaurante contemporáneo localizado cerca

de un restaurante establecido adyacente a un club de golf falló cuando no pudo atraer a los golfistas de sus guaridas tradicionales. Los dueños pensaron que su nuevo restaurante no iba a tener problemas para atraer golfistas.

15. Falta de compromiso del dueño debido a demandas familiares, tales como enfermedades o problemas emocionales. En un ejemplo extremo, un niño con una enfermedad crónica no le permitió a un dueño el pasar el tiempo necesario en su restaurante, el cual cerró al poco tiempo.

16. Falta de sistemas de evaluación de rendimiento operacional. En un caso, los nuevos dueños no supieron cómo calcular el costo de la comida y se fiaron de los empleados para mantener controles de inventario adecuados.

17. Frecuentes cambios en la administración y diversos puntos de vista en la misión, visión y objetivos. En un ejemplo que es común en las sociedades, los dueños de un restaurante que falló no podían ponerse de acuerdo en su dirección después de un año de operación.

18. Establecimiento tardío de la visión y misión del negocio; la falla en integrar la visión y misión dentro de la operación; falta de compromiso en la administración y los empleados.

19. Falla en mantener la flexibilidad e innovación en la administración 20. Factores externos no controlables, como incendios, cambios en las tendencias

demográficas, legislaciones, economía, y cambios sociales y culturales. 21. Incompetencia emprendedora; inhabilidad para operar como o reclutar

administradores profesionales.


16

1.4 Importancia de la Cadena de Suministro en las Franquicias

La administración de la cadena de suministro es un concepto que está teniendo cada vez más importante en la administración de las empresas gracias a su alcance (Ballou, Gilbert, & Mukherjee, 2000).

La cadena de suministro es un término reciente utilizado para describir todo el proceso de flujo de un producto, desde la fuente de materia prima hasta su consumo final, sin importar quiénes son los responsables de los diferentes niveles del proceso (Ballou, 2001).

La cadena de suministro es definida como un set de tres o más entidades (organizaciones o individuos) directamente relacionados con los flujos hacia arriba o hacia debajo de productos, servicios, finanzas y/o información de una fuente a un cliente (Mentzer, Keebler, Nix, Smith, & Zacharia, 2001).

La cadena de suministro es un conjunto de enfoques que consideran como un macro sistema a la integración de proveedores, almacenes, productores, distribuidores y tiendas, así como sus flujos de bienes, servicios e información clave con el fin de que los productos lleguen al cliente final de la manera más efectiva y eficiente.

La administración de la cadena de suministro en una franquicia de restaurantes es vital, ya que de ella depende la métrica de servicio al cliente, calidad en los productos y servicios, los costos de logística, la complejidad de la red de distribuidores entre las franquicias, etc.

Una buena administración de la cadena de suministro es una excelente opción para aumentar la rentabilidad de una empresa, ya que permite eliminar costos innecesarios sin necesidad de modificar los procesos de producción, disminuyendo los desperdicios.

Algunos de los desperdicios que se pueden reducir con una buena administración de la cadena de suministro son: Transporte, inventario, movimientos innecesarios, tiempos de espera, sobreproducción, procesos inadecuados y defectos dentro del sistema (González, 2010).

Un número cada vez más grande de empresas está coordinando su planeación y pronosticación de operaciones en un contexto de varias compañías para crear una ventaja competitiva importante respecto a las demás empresas de su giro (Chandra & Kumar, 2000).

Capítulo 1

17

Es importante aclarar que, aun siendo este el caso, los principios acerca de la importancia de la cadena de suministro todavía aplican. Por ejemplo, llevar los pronósticos apropiados acerca de la demanda de los clientes y tener información clave que solamente los proveedores pueden proporcionar puede llevar a una empresa de este tipo a aumentar significativamente sus ingresos (Chen, Drezner, Ryan, & Simchi-Levi, 2000).

Debido a la incapacidad de muchas empresas de modificar sus precios de venta, en un mercado cada vez más competitivo y a que ya muchos procesos productivos tienen similitud entre sí en cuanto al tiempo de producción, automatización, etc. Además de que muchas empresas utilizan constantemente el benchmarking, una de las estrategias más viables para aumentar la rentabilidad de una empresa no es en la modificación de sus precios al cliente, sino en la mejora de su proceso de logística, viéndose a sí misma como un eslabón en la cadena de suministro. Cadena que debe estar, al menos en cierto grado, coordinada y dispuesta a compartir información dentro de sus eslabones. Mantener buena comunicación con clientes y proveedores es fundamental para la mejora de la cadena de suministro y el aumento de la rentabilidad a lo largo de la misma. Es importante registrar toda la información relevante acerca de la empresa, sus clientes y sus proveedores, así como compartir esa información en caso de ser necesario.

El objetivo de la estrategia de la cadena de suministro integrada es crear procesos de manufactura y funciones de logística a través de toda la cadena de suministro como un arma competitiva elegida que no pueda ser duplicada por competidores (Tan, 2001).

Las cadenas de suministro varían desde aquellas que se enfocan sólo en ser capaces de responder hasta aquellas que centran su atención en la meta de producir y suministrar al menor costo posible (Chopra, 2008).

La administración de la cadena de suministro es un concepto complejo y cambiante. En la figura 1.5 se muestran las actividades que ha debido integrar la cadena de suministro a lo largo del tiempo.


18

Figura 1.4 Evolución de la Administración de la Cadena de Suministro Fuente: Ballou, 2006

1.5 GRUPO GAUDIR

Grupo Gaudir nace con la inauguración del primer restaurante Manzara el 20 de noviembre de 2010 en la ciudad de Los Mochis, Sinaloa, ofreciendo al público un restaurante con un excelente ambiente, ensaladas, paninis, vinos y otros platillos fuertes.

A partir de este año, comienza un proceso de maduración que los lleva a redefinir ciertos elementos del concepto, cumpliendo con las necesidades y preferencias de los clientes. Lo anterior, los llevó conjuntamente al desarrollo de un segundo concepto de negocio; inaugurando la primera sucursal bajo el nuevo concepto, Manzara Gaudir, en diciembre de 2012, restaurante que terminó convirtiéndose en la matriz y oficinas para la franquicia.

Desde sus inicios, Manzara surgió con el propósito de introducir costumbres culturales europeas a la cultura mexicana. Esto se busca lograr por medio del modelo de franquicia, así que se logró la apertura de una segunda sucursal en el año 2014.

Grupo Gaudir actualmente cuenta con dos sucursales ubicadas en la ciudad de Los Mochis, Sinaloa:

Capítulo 1

19

La primera se encuentra en la dirección de Boulevard Rosales 800 sur, en el local 4 de la plaza 800 y la segunda se encuentra en la plaza punto en Boulevard Centenario y Rosales, local S-69.

Misión de Manzara:

Somos un restaurante dedicado a crear experiencias, consintiendo los sentidos de nuestros comensales al compartir la filosofía del buen vivir.

Misión como sistema de franquicias:

Ofrecer a los inversionistas la oportunidad de éxito a través de un concepto de negocio probado, joven e innovador, compartiéndoles nuestra experiencia y conocimientos, así como el respaldo de nuestra empresa, garantizándoles el apoyo y asistencia técnica para la operación y administración de su unidad Manzara.

Visión de Manzara:

Ser la mejor cadena de restaurantes creciendo a nivel nacional donde se fomente al comensal la filosofía del buen vivir, y así compartir nuestro arte del buen comer, beber y disfrutar.

Visión como sistema de franquicias:

Lograr el posicionamiento de la marca Manzara a nivel nacional, la consolidación de nuestro crecimiento a través del otorgamiento de franquicias, distinguiéndonos por ser un concepto innovador, que ofrece productos de la más alta calidad e higiene, con un excelente servicio e imagen en todas nuestras unidades.

Valores

Pasión: Somos apasionados porque amamos lo que hacemos. Brindamos día a día un excelente servicio transmitiendo emociones a nuestros comensales, haciendo de cada visita a Manzara un momento extraordinario.

Autenticidad: Cada una de las personas que colabora en el equipo aporta su estilo único para un bien común que es Manzara.

Empatía: Somos empáticos porque somos capaces de comprender los diversos roles que se nos presentan día a día.

Asertividad: Somos asertivos cuando el tacto se refleja en nuestra manera de reaccionar tanto con los clientes como con nuestros compañeros.

Responsabilidad: Cumplimos con nuestro régimen diario y lo realizamos de la mejor manera.


20

Trabajo en equipo: Nos apoyamos entre todos con respeto para mejorar día con día nuestro compromiso con Manzara.

Alegría: La sonrisa es la mejor parte de nuestro uniforme y nos distingue por ser un equipo joven y entusiasta.

Filosofía

La filosofía con la que fue creada Manzara es la del buen vivir: Crear espacios hermosos donde las personas puedan venir y disfrutar del buen comer, beber y vivir.

En la figura 1.5 se puede apreciar el organigrama del Grupo Gaudir.

Figura 1.5: Organigrama de Grupo Gaudir Fuente: Elaboración propia.

En la figura 1.6 se muestra el organigrama de las sucursales y franquicias.

Capítulo 1

21

Figura 1.6. Organigrama de las sucursales

Fuente: Elaboración propia.

La empresa realizó un análisis FODA teniendo los siguientes hallazgos:

Fortalezas:

Concepto de negocio atractivo por el tipo de producto que ofrecen y las combinaciones de su menú, además de la calidad e higiene en todos sus insumos y procesos.

Cuentan con el respaldo de un grupo de negocios, los cuales se apoyan financieramente entre sí, para que todo el grupo crezca y se fortalezca.

Manzara forma parte de la tendencia del cuidado de la salud del que cada vez más personas forman parte, lo cual genera que cuente con un amplio mercado potencial.

Trabajan con controles que permiten reducir mermas y con esto aumentar utilidades.

Cuentan con distintivos de calidad y salubridad.

Innovación constante en todos los procesos y en el menú para satisfacer a su público exigente.


22

Los ingredientes con los que se preparan los alimentos en Manzara presentan altos estándares de calidad e higiene.

Tienen un software que permite administrar de manera correcta y eficiente la unidad.

Cuentan con una imagen agradable, elegante y cálida que denota el profesionalismo y la filosofía del concepto.

Debilidades

No están definidas claramente las actividades y responsabilidades de algunos puestos del corporativo.

Algunos de sus procesos operativos y administrativos no están bien determinados ni documentados.

Falta de aprovechamiento del software, no se utilizan todas las herramientas que ofrece.

No se cuenta con herramientas que permitan recibir la retroalimentación por parte del cliente acerca de su experiencia.

No cuentan con servicio a domicilio.

Falta de supervisión en el manejo del equipo e inventario.

No han determinado estrategias para fomentar la lealtad del cliente, lo que genera que algunos dejen de acudir a la unidad.

Falta de mantenimiento a instalaciones y equipo.

Las personas piensan que es un lugar caro.

Oportunidades

Penetración de nuevos mercados a través del otorgamiento de franquicias.

Incorporación de nuevos productos que complementen su menú y que permitan que éste sea más accesible para diferentes presupuestos y a la vez que cubran las expectativas de los clientes.

Posicionamiento de la marca a nivel regional y posteriormente pensar en un crecimiento a nivel nacional.

Mercado potencial creciente para el concepto Manzara a nivel nacional.

Desarrollo de campañas publicitarias para lograr el posicionamiento de la marca, además de llegar a nuevos clientes y mercados.

Implementar una estrategia de desarrollo de proveedores regionales que permita el abastecimiento seguro de insumos en todas las unidades.

Capítulo 1

23

Implementar un sistema de capacitación constante al personal acerca de nuevas técnicas, productos y/o procesos.

Capacitar a todo el personal sobre el manejo del software, para aprovechar todas las herramientas que proporciona el sistema.

Analizar y reorganizar el organigrama, verificando todas las actividades a realizarse en cada uno de los puestos.

Analizar la experiencia del cliente en las instalaciones de Manzara con la finalidad de detectar áreas de oportunidad para el negocio.

Creación de una marca propia para la realización de etiquetas y embalaje para los productos que proveerá la empresa Franquiciante.

Amenazas

Problemáticas en la economía del país.

Competencia en aumento: Cada vez se observa un mayor número de negocios que se unen a la tendencia de los alimentos saludables. Además de las grandes cadenas de restaurantes que ofrecen estos productos convirtiéndose en competencia secundaria de Manzara.

Cambios en los usos y costumbres del que ahora es el mercado meta de Manzara.

Malas actitudes en el servicio al cliente que pudieran dejar una mala impresión en el cliente, lo que genere que el cliente se vaya inconforme y propague su percepción.

Grupo Gaudir cuenta con una matriz y dos sucursales. Cabe mencionar que no todos los productos ofrecidos por la matriz se ofrecen en las sucursales, sin embargo, las sucursales tienen los mismos productos y por lo tanto, requieren la misma materia prima, simplemente en diferentes cantidades. El almacén general se encuentra en la matriz y ambas sucursales cuentan con un espacio muy reducido para su almacén, por lo tanto, el proceso de aprovisionamiento es constante. Actualmente la matriz está obligada a surtir a las sucursales de manera diaria. Las sucursales están obligadas a realizar un conteo físico cada día y mandar una hoja de requisición a la matriz, donde se encuentra el almacén general, con lo que requerirán ese día. La hoja de requisición es revisada en la mañana del siguiente día y la materia prima es enviada a las sucursales durante el transcurso del día. Este proceso ocurre todos los días, sin embargo, no todos los productos son satisfechos todos los días. Los productos que se mandan diario a las sucursales son: pasta, pollo, pan, croutones, sangría y agua de Jamaica. Todos los demás productos (Aderezos, quesos,


24

enlatados, jamón, aceitunas, nueces, arándanos, desechables, plásticos, etc., todos los productos que duran más tiempo) son enviados los días miércoles y domingo. También es importante aclarar que no se cuenta con un camión para aprovisionar las sucursales, sino que se utiliza un vehículo personal para realizar esta actividad. Esto está lejos de ser ideal.

1.6 Problemática de la empresa

Uno de los principales problemas de la empresa es que los pedidos de las sucursales rara vez se surten completos.

En la actualidad cada día más empresas se están dando cuenta de la importancia de la cadena de suministro para su buen funcionamiento. Esto gracias a que una buena administración de la cadena de suministro es capaz de aumentar la rentabilidad de la empresa sin necesidad de afectar directamente sus procesos.

La empresa en este momento no cuenta con una administración de la cadena de suministro y por tanto, existe mucha variación en su sistema y un costo muy variable en su logística. Existe una planeación de requerimientos de materiales muy rudimentaria, cuenta con una gran cantidad de proveedores y actualmente no hay ningún convenio con proveedores para negociación de costo de venta por volumen. La franquicia está buscando expandirse, en consecuencia han visto la necesidad de mejorar su sistema de aprovisionamiento y almacén de materia prima.

En este momento la empresa también cuenta con datos históricos de dos años de ventas en la matriz, que se estuvieron recopilando desde que se comenzó a utilizar el sistema de información Structural.

Todos los cambios en el suministro se han hecho de manera empírica y existen algunos proveedores que visitan las sucursales para surtir productos. Actualmente existe un encargado de comprar todos los demás productos y llevarlos tanto a la matriz como a las dos sucursales. Las requisiciones de materia prima se llevan a cabo al final del día y la orden es generada por la mañana para hacer las compras.

Cuentan con un sistema de máximos y mínimos de requisiciones de materia prima. Cada vez que llegan al mínimo de cada producto, lo reaprovisionan hasta el máximo.

Capítulo 1

25

Se manejan dos tipos de requisiciones:

Pedidos grandes (miércoles y domingos): Aderezos, quesos, enlatados, jamón, aceitunas, nueces, arándanos,

desechables, plásticos, etc. todos los productos que duran más tiempo.

Pedidos diarios: Pasta, pollo, champiñones, pan, sangría de la casa, Jamaica.

La empresa está interesada principalmente en el aprovisionamiento de sus sucursales, ya que un buen nivel de servicio dentro de la organización se traduce en un buen servicio al cliente final. No existe una gran cantidad de quejas de servicio o calidad por parte del cliente final, sin embargo, sí ocurren instancias donde el aprovisionamiento a la matriz y las sucursales no se da adecuadamente.

El principal problema en la cadena de suministro en la empresa es la falta de una planeación adecuada de requerimientos de los materiales, con lo que se incurre en gastos excesivos e insatisfacción del cliente inmediato (las sucursales) al momento del aprovisionamiento, así como algunos problemas con los proveedores.

Cuando el aprovisionamiento no se da correctamente, las sucursales necesitan hacer pedidos especiales en los días que no deberían. Todo esto ocurre en las sucursales por que no hubo una planeación adecuada o no se siguieron los lineamientos para los pedidos.

La persona encargada del aprovisionamiento de las sucursales utiliza un vehículo personal, ya que no se cuenta con un vehículo apropiado de la empresa.

En Manzara es necesario trabajar en un proceso de aprovisionamiento, no solamente de compras. Aprovisionamiento es un proceso estratégico y táctico orientado al desarrollo de relaciones cercanas con un número reducido de proveedores a nivel global.

Las fases del proceso de aprovisionamiento son las siguientes: cálculo de necesidades, compra, obtención, almacenamiento, distribución y control de inventarios.

El nivel de servicio al cliente final no se ve afectado en gran manera, ya que los productos estrella del restaurante rara vez escasean y en los casos en que hace falta algún producto, el cliente final simplemente ordena otra cosa, sin embargo, la empresa tiene gastos extra por costos de transporte, pérdidas monetarias por entregar cheques sin fondos, pérdidas de tiempo en el aprovisionamiento,


26

insatisfacción de las sucursales, insatisfacción de los proveedores, etc. Por esta razón, las pérdidas mensuales actualmente ascienden a 16,000.

Solución propuesta de la problemática

Para resolver el problema, se propone realizar un pronóstico de cada uno de los insumos de los productos críticos, utilizando la información existente de requisiciones de materia prima en una de las sucursales, con el fin de definir el momento y la cantidad óptima de la compra de cada uno de los insumos, así como agregar otro nivel de inventario para fin de tener un inventario máximo, óptimo y mínimo. También se propone analizar los casos especiales, como fechas festivas, eventos planeados, fechas de graduaciones, etc. En estos casos se utilizaría un pronóstico distinto. Por último, debido a que se planea comenzar a vender franquicias en un futuro cercano, se busca que este estudio sirva como pauta para administrar la cadena de suministro tanto en las sucursales existentes como en las franquicias futuras, optimizando los recursos logísticos de la empresa.

27

Capítulo 2

Cadena de Suministro y Pronósticos INTRODUCCIÓN

Este capítulo contiene un análisis teórico y bibliográfico de los temas tratados de cadena de suministro, pronósticos y planeación estratégica. La primera sección contiene la teoría acerca de la Cadena de Suministro como concepto y su aplicación en algunas organizaciones, así como la Administración de la Cadena de Suministro como integración de funciones de planeación, comunicación, logística y nivel de servicio. Se describen algunas distribuciones de probabilidad que serán aplicadas de manera inicial para calcular el valor esperado de los productos críticos. Posteriormente se desarrollan las bases teóricas para la realización de pronósticos de series de tiempo con base en la modelación de datos históricos. Se explican los diferentes enfoques para la realización de pronósticos y los modelos aplicables, considerando la información disponible. Además, se da una explicación acerca de cómo determinar el nivel de servicio de la organización. Se concluye con el desarrollo de las bases teóricas para una buena planeación de requerimientos de materia prima y todas las consideraciones necesarias al estar al frente de procesos estocásticos.

Cadena de Suministro y Pronósticos

28

2.1 Cadena de suministro

A continuación se presentan algunas definiciones encontradas en la literatura del concepto de Cadena de Suministro, notando que existen poca controversia ente los autores en esta definición.

Gabriel Baca Urbina define la cadena de suministro como el conjunto de las relaciones tanto internas como externas de una empresa. Como podemos ver, esta definición es bastante general y engloba diversos temas.

Según Christopher (1992) la cadena de suministro es la red de organizaciones que están involucradas a lo largo de enlaces hacia arriba o abajo, en diferentes procesos y actividades para producir valor en la forma de productos y servicios entregados a un consumidor final.

Lambert, Stock y Ellram (1998) la definen como la alineación de organizaciones que llevan productos y servicios al mercado

La cadena de suministro es una serie de compañías, incluyendo proveedores, clientes y proveedores logísticos que trabajan en conjunto para entregar un paquete de bienes y servicios al consumidor final (Simchi-Levi, 2002).

La cadena de suministro es un conjunto de enfoques que consideran como un macro sistema a la integración de proveedores, almacenes, productores, distribuidores y tiendas, así como sus flujos de bienes, servicios e información clave con el fin de que los productos lleguen al cliente final de la manera más efectiva y eficiente.

Dado que la cadena de suministro se refiere a un suprasistema de empresas interconectadas entre sí y en ocasiones, conectadas con sus competidores, ayuda visualizarla como una red con flujo ascendiente, donde se comienza por los proveedores primarios y se termina en el cliente final.

Administración de la cadena de suministro

La definición de Administración de la Cadena de Suministro es un poco más complicada debido a que muchos autores tienen diversas opiniones respecto, principalmente, el enfoque y el alcance que debe tener esta definición. A continuación se muestran algunas definiciones encontradas en la literatura:

Según Handfield y Nichols, (1999), la administración de la cadena de suministro abarca todas las actividades relacionadas con el flujo y transformación de bienes, desde la etapa de materia prima hasta el usuario final, así como los flujos de información relacionados.

Capítulo 2

29

La administración de la cadena de suministro es la integración de estas actividades mediante el mejoramiento de las relaciones de la cadena de suministro para alcanzar una ventaja competitiva sustentable.

Mentzer, Keebler, Nix, Smith y Zacharia (2001) la definen como la coordinación sistemática y estratégica de las funciones tradicionales del negocio y de las tácticas a través de estas funciones empresariales dentro de una compañía en particular, y a través de las empresas que participan en la cadena de suministros con el fin de mejorar el desempeño a largo plazo de las empresas individuales y de la cadena de suministro como un todo.

La administración de la cadena de suministro es un sistema de administración que integra y coordina las formas en las que una empresa encuentra las materias primas y componentes necesarios para elaborar un producto o servicio, y luego lo entrega a los clientes (Longeneker, Moore, Petty y Palich 2010).

Las actividades fragmentadas de la Administración de la Cadena de Suministro propuestas por Baca Urbina son: pronóstico de la demanda, compras, planeación de requerimientos, planeación de producción, inventario de fabricación, almacenamiento, manejo de materiales embalaje, inventario de bienes terminados, planeación de distribución, procesamiento de pedidos, transporte, servicio al cliente, planeación estratégica, servicio de información, marketing/ventas y finanzas.

Las actividades propuestas por Mentzer et al. (2001) son: Comportamiento integrado, información compartida mutuamente, riesgos y recompensas compartidos mutuamente, cooperación, el mismo objetivo y el mismo enfoque para servir a los clientes, integración de procesos y construcción y mantenimiento de relaciones a largo plazo.

La administración de la cadena de suministro permite administrar más allá de los límites funcionales y de la compañía (Ballou, Gilbert, & Mukherjee, 2000). A pesar de que la administración de la cadena de suministro es un término nuevo para describir la administración de las actividades de flujo de productos, el concepto ha sido incluido en la distribución física y logística desde el principio en los 60’s. Lo nuevo es el énfasis dado a la administración de la ampliación de los límites. Explorar las oportunidades que la administración de la cadena de suministro provee es un área popular de investigación

La administración de la cadena de suministro es un sistema de administración que integra y coordina las formas en las que una empresa encuentra las materias primas y componentes necesarios para elaborar un producto o servicio, y luego lo entrega a los clientes. La atención que desde algún tiempo se centra en la administración de la


30

cadena de suministro ha motivado que tanto las empresas grandes como las pequeñas traten de crear un sistema más competitivo, que tome en cuenta a los clientes. En otras palabras, la administración efectiva de la cadena de suministro puede reducir los costos de inventario, transporte, almacenamiento, empaque, al tiempo que aumenta la satisfacción del cliente.

Internet y el software del que se dispone son los factores principales que estimulan los avances que se están dando en la administración de la Cadena de Suministro. La comunicación entre las partes que intervienen en la cadena de suministro era lenta o no existía antes del Internet. Pero a partir de la aparición de Internet, junto con sus normas de comunicación simples universalmente aceptadas, los proveedores y clientes se reúnen de una manera que antes no se creía posible (Fisher, 1997).

En marketing, la distribución abarca tanto el movimiento físico de los productos como el establecimiento de las relaciones de intermediación para lograr el movimiento del producto. Al conjunto de actividades implícitas en el movimiento físico del producto se llama distribución física (logística), en tanto que al sistema de relaciones establecidas para guiar el movimiento de un producto se llama canal de distribución.

Las empresas que tienen éxito al emplear un solo canal de distribución pueden pasar a una distribución dual si se dan cuenta que aumentar un canal mejora la rentabilidad global.

Objetivos de la Cadena de Suministro

Lee y Billington (1995) hacen referencia a tres términos clave dentro de la administración de la cadena de suministro.

Satisfacción del cliente: Habla acerca del nivel de satisfacción de los clientes de la empresa. En este sentido es un término vago, por lo tanto el nivel de servicio es a menudo discutido en términos las métricas que se pueden utilizar para medirlo. Las medidas típicas de servicio al cliente son la habilidad de la compañía para cumplir con las órdenes en la fecha estipulada, o su habilidad de entregar los productos dentro del tiempo mencionado. Otras métricas deben ser utilizadas para evaluar el desempeño de entrega de las órdenes que no se entregan a tiempo. Una forma de indicar esto es medir el tiempo promedio de entrega.

Inventarios: Las empresas tienen inventarios de materia prima, productos en proceso y productos terminados. Además a menudo hay almacenes o centros de distribución entre los diferentes niveles de la cadena de suministro. Los inventarios son costosos. Invertir el capital en inventarios no le permite a la compañía invertirlo en proyectos con una tasa mayor de retorno. Los costos de tener inventario se ponen a menudo entre el 30 y 40% del valor del inventario. Además, es deseable evitar el

Capítulo 2

31

llamado inventario muerto, por ejemplo, inventario que queda cuando un producto ya no está en el mercado. Como podemos ver, es importante para todas las compañías mantener un nivel de inventario bajo. Se pone mucho esfuerzo en esto, por ejemplo todo un paradigma de manufactura ha surgido a raíz de esto. Un objetivo principal del paradigma del Justo A Tiempo (JIT por sus siglas en inglés) es virtualmente abolir los inventarios. Flexibilidad: Esta puede ser definida como la habilidad de responder a cambios en el ambiente. En el caso de un productor, la flexibilidad es la habilidad de cambiar su oferta en respuesta a los cambios en la demanda. En una cadena de suministro la flexibilidad de una parte es altamente dependiente en la flexibilidad de sus entidades hacia arriba de la cadena. La flexibilidad total de la cadena de suministro, por lo tanto, dependerá de la flexibilidad de todas sus entidades y sus interrelaciones. En la dinámica actual de la industria y de las cadenas de suministro, la gestión de los inventarios ha pasado a ser un factor crítico de éxito, dado su notable impacto en las finanzas corporativas por el nivel de capital de trabajo que involucran y también por su incidencia en el servicio oportuno al consumidor. Cada día es más importante tener el inventario justo que permita servir las necesidades de los clientes sin aumentar demasiado la inversión requerida (Arango, Castrillón, & Giraldo, 2012).

Ballou (2000) menciona las tres dimensiones de la administración de la cadena de suministro:

Coordinación intrafuncional (la administración de las actividades y procesos dentro de las funciones logísticas de la compañía), coordinación interfuncional, las actividades que se llevan a cabo en conjunto con diversos departamentos dentro de la empresa, como actividades entre logística y finanzas, logística y producción, etc. y coordinación interorganizacional, que son las actividades que se llevan a cabo en conjunto con las demás entidades, principalmente clientes y proveedores.

Al estructurar la cadena de suministro, es necesario identificar quiénes son los socios de la cadena. A pesar de esto, la inclusión de todos los socios potenciales podría complicar demasiado la red final, debido a que podría explotar el número de socios añadidos al siguiente nivel de la cadena. (Lambert et al., 1998) clasificaron a los socios de la cadena de suministro en tipos: primarios y secundarios. En general, los primarios son los socios importantes, que realizan actividades diseñadas a crear un producto o servicio específico al cliente o mercado. Los socios secundarios pueden ser transportistas, consultores, proveedores de servicios de tecnologías, instituciones educativas, etc.


32

Logística

El Council of Logistics Management define logística como:

“La parte del proceso de Administración de la Cadena de Suministro encargada de planificar, implementar y controlar de forma eficiente y efectiva el almacenaje y flujo directo e inverso de los bienes, servicios y toda la información relacionada con éstos, entre el punto de origen y el punto de consumo con el propósito de cumplir las expectativas del consumidor”. (Bramel & Simchi-Levi, 1997).

Logística y cadena de suministro es un conjunto de actividades funcionales que se repiten muchas veces a lo largo del canal de flujo, mediante las cuales la materia prima se convierte en productos terminados y se añade valor para el consumidor (Ballou, 2004).

Tyndall, Gopal, Partsch y Kamauff (1998) proponen que la “Logística de Administración de Cadena de Suministro” es el arte de administrar el flujo de materiales y productos desde la fuente hasta el usuario. Este sistema logístico incluye el flujo total de materiales, desde la adquisición de materia prima hasta la entrega de productos terminados al usuario final, así como el contra flujo relacionado de información que ambas partes controlan y mantienen el registro de movimiento de materiales.

Planeación de la producción

Una planta debe producir para satisfacer la demanda del producto sobre un horizonte finito fijo. En muchos casos de la vida real es apropiado asumir que la demanda es conocida sobre el horizonte. Esto es posible, por ejemplo, si las órdenes se han puesto con anterioridad o utilizando los pronósticos adecuados de la demanda (Bramel & Simchi-Levi, 1997).

Las compañías utilizan distintos enfoques para resolver problemas de logística que en muchos casos, son una combinación entre métodos cualitativos y cuantitativos. La gente tiende a repetir lo que se ha realizado en el pasado, por ejemplo, si el inventario de seguridad del año pasado fue suficiente para solventar la demanda, se podría utilizar el mismo inventario de seguridad este año (Bramel & Simchi-Levi, 1997)

Algunos de los métodos utilizados en la vida real para evaluar los sistemas logísticos implementados mencionados por Bramel y Simchi-Levi (1997) son:

Comparación empírica: Aquí, una muestra representativa de los problemas es elegida y el desempeño de una variedad de características es comparado. La

Capítulo 2

33

comparación se puede basar en la calidad de la solución o tiempo de cómputo, así como una combinación de ambos.

Análisis del peor de los casos: En este tipo de análisis, uno trata de determinar la máxima desviación de lo óptimo, en términos de error relativo, que una caractrística pueda tener en algún problema específico.

Análisis del caso promedio: Aquí, el propósito es determinar el desempeño promedio de las características. Esto está determinado por el error relativo promedio entre la solución heurística y la solución óptima bajo premisas específicas en la distribución de los datos del problema. Esto podría incluir premisas sobre la localización del departamento, tamaño de la demanda, tamaño de los objetos, etc.

La logística es una herramienta para obtener ventajas competitivas que realiza servicios de valor añadido, los cuales redundan en el crecimiento de la rentabilidad de la empresa (Parada Gutiérrez, 2009).

Nivel de servicio

El nivel de servicio se define como “el número de unidades demandadas que pueden suministrarse de las existencias actualmente disponibles” (Chase, Aquilano, & Jacobs, 2001).

Para la obtención del nivel de servicio, primero se debe determinar la mejor distribución de los datos. Esto se puede llevar a cabo por medio del método de máxima verosimilitud. Una vez conociendo la distribución a la que pertenecen los valores, se calculan los diferentes valores para los cuantiles que pueden ser significativos para el estudio. Posteriormente, se puede calcular la demanda a distintos niveles de servicio

2.2 Análisis de la demanda

El análisis de la demanda es muy importante, ya que de ello depende el enfoque para estudiar su comportamiento. Por ello a continuación se presentan los modelos que se aplicarán en el capítulo 4.

Modelo Normal

La distribución normal se le atribuye al físico, matemático y astrónomo alemán Carl Friederich Gauss, conociéndose como: “Ley de probabilidad de Gauss”, la cual indica que una magnitud sufre influencia de numerosas causas de variación, todas ellas muy pequeñas e independientes entre sí, de tal forma que los resultados se acumulan alrededor de la media, distribuyéndose a su alrededor con una frecuencia


34

que disminuye rápidamente al alejarse del centro. Por lo tanto, la curva que asemeja dicho comportamiento tiene forma de campana (Gutierrez Gonzalez, 2010).

La distribución normal se define de la siguiente manera:

Sea X una variable aleatoria continua, se dice que X tiene una distribución normal o de Gauss, con parámetros µ y σ (positivo) en todos los reales cuando su función de densidad de probabilidad es:

( ) =1

σ √2

( ) ∈ (−∞, ∞)

La figura 2.1 una serie de datos que se comportan de manera normal como ejemplo.

Figura 2.1. Histograma de probabilidad binomial para n = 20, p = 0.6 con curva de aproximación normal sobrepuesta.

Fuente: (Devore, 2008)

El modelo normal tiene una gran aplicación y es una de las distribuciones más importantes en el estudio de probabilidades y estadística, la dimensión de su importancia radica en el Teorema titulado “Teorema del Límite Central”

Teorema del Límite Central: Si X es una variable aleatoria continua distribuida normalmente en (−∞, ∞) y f(x) su función de densidad de probabilidad (Gutierrez Gonzalez, 2010), entonces:

Capítulo 2

35

a) Valor esperado E(X) = µ

b) Varianza V(X) = σ2

Modelo Exponencial

Es un modelo continuo, relacionado con el tiempo en el que se nota que su distribución es de tal forma en que los tiempos cercanos a cero tienen mayor acumulación y conforme pasa el tiempo decrece rápidamente en forma similar a una función exponencial negativa. Los modelos exponenciales tienen una gran aplicación en las líneas de espera o Teoría de Colas, porque las distribuciones de los tiempos son propicias para casos de:

Espera y llegada de clientes Espera para reparar un aparato Espera para ser atendidos en un banco o clínica Duración de equipos industriales para establecer tiempos de garantía

Se define de la siguiente manera: Sea X una variable aleatoria continua del experimento realizado, se tendrá una distribución exponencial con parámetro positivo β en el intervalo [0,∞), cuando su función de densidad de probabilidad sea:

( ) = 1

, ≥ 0

0,

Los modelos exponenciales se emplean cuando la probabilidad de que la variable aleatoria del estudio ocurra en una unidad de tiempo, sea igual a que suceda en cualquier otra (Gutierrez Gonzalez, 2010). Lo anterior significa que las variables aleatorias exponenciales son invariantes en el tiempo.

Teorema: Si X es una variable aleatoria continua distribuida exponencialmente en [0,∞) y f(x) su función de densidad de probabilidad, entonces:

a) Valor esperado ( ) = =

b) Varianza ( ) = =


36

c) Función Acumulada ( ) = 0, < 0

1 − , ≥ 0

La figura 2.2 muestra algunas gráficas de la función de densidad de probabilidad para la distribución exponencial.

Figura 2.2. Curvas de densidad exponencial.


Modelo de Distribución Gamma

Se dice que una variable aleatoria continua X tiene una distribución gamma si la función de densidad de probabilidad de X es:

( ; , ) = ( ), 0 ≤ ≤ ∞; , ≥ 0

0,

Donde los parámetros de alfa α y beta β satisfacen α > 0, β > 0. La distribución gamma estándar tiene β = 1 (Devore, 2008).

Capítulo 2

37

La función gamma (α) se define como:

( ) =

La media y la varianza de una variable aleatoria X que tiene una distribución gamma f(x; , ) son:

a) Valor esperado ( ) = =

b) Varianza ( ) = =

c) Función Acumulada

, = 0, < 0

( ) ∫ , ≥ 0

La figura 2.3 muestran dos ejemplos de gráficas de la función de densidad de probabilidad gamma.

Figura 2.3 (a) Curvas de densidad Gamma, (b) Curvas de densidad gamma estándar

Fuente: (Devore, 2008).


38

Modelo de Distribución Log-Normal

La distribución log-normal ocurre en la práctica siempre que encontramos una variable aleatoria tal que su logaritmo posea una distribución normal. Su función de densidad de probabilidad está dada la fórmula (Miller & Freund, 1963):

( ; , ) =1√2

( ( ) ), ≥ 0

0, < 0

Donde ln x es el logaritmo natural de x y los parámetros µ y α. Una gráfica de la distribución log-normal con α= 0 y µ= 1 se muestra en la figura 2.4.

El valor esperado y la varianza de la distribución log-normal se pueden ver a continuación:

a) Valor esperado ( ) =

b) Varianza ( ) = ( − 1)

Un ejemplo de gráfica de la distribución Log-Normal se encuentra en la figura 2.4.

Capítulo 2

39

Figura 2.4. Curvas de densidad Log-Normal.


2.3 Pronósticos

Los pronósticos de la demanda son una parte crucial del proceso de planeación de la cadena de suministro de las empresas. El enfoque más común del pronóstico de la demanda utiliza un sistema de pronóstico computarizado para producir pronósticos iniciales que se vayan ajustando con el tiempo de acuerdo con la nueva información presentada. Existen pronósticos puramente cualitativos, que son calculados sin utilizar ninguna clase de información histórica y son abiertos al juicio de quien los está determinando. Algunos ejemplos de métodos cualitativos son la investigación de mercado, método Delphi, opinión ejecutiva, etc.

Los otros son métodos cuantitativos, donde se realiza un análisis estadístico de la información presentada para llegar a los pronósticos más adecuados. Uno de los requerimientos de la aplicación de pronósticos cuantitativos es que exista información histórica de las ventas. Existe una gran variedad de métodos cuantitativos que se verán a continuación. Además, para la realización de estos pronósticos, es importante determinar apropiadamente qué método se debe utilizar.


40

Dado que los pronósticos cuantitativos están basados en datos históricos reales, éstos son los métodos preferidos para llevar a cabo pronósticos más precisos.

Cabe aclarar que muchas empresas utilizan una combinación de pronósticos cualitativos y cuantitativos para aproximarse más al pronóstico adecuado. Se debe analizar y tomar en cuenta la mayor cantidad de parámetros posible para asegurar que los pronósticos sean los adecuados. Los pronósticos de series de tiempo no pueden tomar en cuenta muchas variables que el analista sí debe tomar en consideración, por ejemplo, cambios en la situación económica de la región, introducción de nuevos productos, nueva mercadotecnia o incluso criminalidad o desastres naturales, variables que pueden terminar afectando los resultados de la empresa de manera directa o indirecta, por lo tanto, es importante que el analista tenga la capacidad de analizar la información y modificar el pronóstico según vea conveniente.

Los métodos estadísticos de pronósticos pueden proveer medios amplios y efectivos para dirigirse al problema de los recursos limitados, principalmente de tiempo y dinero (Liu, Hudak, Box, Muller, & Tiao, 1992).

En particular, se necesitan pronósticos precisos para actividades tan diversas como presupuesto de capital, pronósticos de ventas, investigaciones de mercado, planeación financiera, y planeación y control de inventarios. Los modelos estadísticos y análisis son importantes para tales actividades como entender la estructura de un proceso, análisis de precios y análisis de impacto. Todo el proceso de toma de decisiones puede beneficiarse en gran medida de las herramientas de modelado y pronósticos.

En el entorno actual, caracterizado por pertenecer a sistemas de cadenas de suministro cada vez más complejas, las exigencias del mercado son aún mayores, por lo que es importante que se cuente con una visión lo más exacta posible de las demandas del mercado, con el fin de tener respuesta más rápida, eficiente y sobre todo, económica. La planeación y el control de las actividades de las cadenas de suministro requieren estimados precisos de los volúmenes de producto y de servicio que serán manejados por la cadena de suministro (Ballou, 2004). Estos estimados se presentan en forma de predicciones o pronósticos, siendo la responsabilidad de su generación no sólo de un grupo especialmente conformado sino también del encargado de planeación y control de la logística. Cuando la incertidumbre de la variable de predicción es tan alta que las técnicas estándar de pronósticos y su aplicación en la planeación de la

Capítulo 2

41

cadena de suministro llevan a resultados insatisfactorios, se necesitan otros métodos más complejos (Ballou, 2004). El pronóstico de la demanda es una predicción de lo que sucederá con las ventas existentes de los productos de la empresa. Lo ideal es determinar el pronóstico de la demanda con un enfoque multifuncional. Se debe considerar las entradas de ventas y marketing, finanzas y producción. El pronóstico final de la demanda es el consenso de todos los gerentes participantes. También es aconsejable conformar un grupo de planeación de Ventas y Operaciones compuesto por representantes de los distintos departamentos a los que se les encargará preparar el pronóstico de la demanda. (Nahmias, 2007). Vidal, Londoño & Contreras (2004), mencionan que se debe destacar la utilización de sistemas de pronósticos y control conocidos adaptados a una situación específica, como el caso de la predicción de la demanda de productos nuevos y el cálculo dinámico de pronósticos acumulados, en un sistema complejo. Un aspecto a puntualizar es la importancia que tienen los procesos de colaboración en la cadena de suministro. Por ejemplo, para los proveedores, quienes a su vez tienen su propia cadena de suministro de materias primas, sería muy interesante disponer de datos de la demanda real de los consumidores finales para, de esta manera disminuir el efecto látigo (distorsión que la demanda real sufre a medida que pasa por las diferentes etapas de la cadena de suministro).

Características de los Pronósticos Se tienen 5 características principales que se deben considerar de los pronósticos de acuerdo con Nahmias (2007). Usualmente están equivocados. Debido a que es imposible predecir el futuro completamente, siempre se debe considerar que existen errores en el cálculo del pronóstico, por lo que los requerimientos de los recursos y calendarios de producción pueden, en un momento dado, requerir de modificaciones; el sistema de planeación debe ser capaz de reaccionar ante errores de pronóstico no anticipados, en otras palabras, debe conservar cierto grado de flexibilidad. Un buen pronóstico es más que un simple número. Dada la premisa anterior, un buen pronóstico debe incluir, no sólo el valor puntual, sino además, cierta medida de error, siendo un rango o variación de la distribución del error del pronóstico.


42

Los pronósticos agregados son más exactos. Recordando de estadística que la variación del promedio de una colección de variables aleatorias independientes distribuidas de una manera idéntica, es menor que la variación de cada una de las variables aleatorias independientes distribuidas de una manera idéntica, esto es, la variación de la muestra media es menor que la variación de la población. Pronosticar unidades en conjunto es más fácil que pronosticar unidades individuales. Entre más lejano el horizonte del pronóstico, menor será la exactitud de la predicción. Esta característica es intuitiva. Debido a que mientras más lejana en el pronóstico que se busca, menos información se tiene respecto a dicho pronóstico. Los pronósticos no deben usarse para excluir información conocida. Toda información adicional a los datos históricos debe ser incluida, por ejemplo, promociones especiales de un artículo, que haga que la demanda probablemente haya aumentado de manera repentina, nueva competencia disponible, disponibilidad de materia prima, etc. Toda esta información debe incluirse manualmente.

El horizonte de tiempo de los pronósticos El pronóstico de los niveles de demanda es vital, ya que proporciona los datos de entrada para la planeación y control de todas las áreas funcionales, incluyendo logística, marketing, producción y finanzas. Los pronósticos en logística, se relacionan con la naturaleza espacial así como temporal de la demanda, el grado de variabilidad y su aleatoriedad (Ballou, 2004). Se pueden clasificar los problemas de pronósticos de acuerdo al horizonte de tiempo (Nahmias, 2007). Nahmias (2007) clasifica los métodos de pronósticos de acuerdo al enfoque, siendo subjetivos y objetivos.

Clasificación de los pronósticos Ballou (2004) establece que son tres grupos, Cualitativos, Proyección histórica y Causales. Cada grupo difiere en términos de la precisión relativa en el pronóstico sobre el largo y corto plazo, en el nivel de sofisticación cuantitativa utilizada y en la base lógica (información histórica, opinión experta o encuesta) de la que se deriva el pronóstico. Esta clasificación, se asemeja más a la realidad de la empresa a estudiar, por lo que nos basaremos en ella. La tabla 2.1 muestra algunos de los métodos más comunes de pronósticos.

Capítulo 2

43

DESCRIPCIÓN MÉTODOS

CUALITATIVOS

MÉTODOS DE PROYECCIÓN

HISTÓRICA MÉTODOS CAUSALES

Técnicas

Los más usuales son: Investigación de mercados, Agregados de la fuerza de ventas, método Delphi, Analogía histórica, pronóstico visionario

Promedio móvil, suavización exponencial, técnica Box-Jenkins, modelos matemáticos, descomposición de series de tiempo

Modelos de regresión, modelos econométricos, simulación dinámica, como los modelos de entrada-salida, ciclo de vida y simulación por computadora

Consideraciones

La información relacionada con los factores es no cuantitativa intangible y subjetiva. La naturaleza no científica de los métodos los hace difíciles de estandarizar y validar su precisión.

Cuando se dispone de cantidades de información histórica y de las variaciones de la tendencia y estacionalidad en las series de tiempo son estables y bien definidas

El nivel de la variable pronosticada se deriva del nivel de otras variables relacionadas

Tabla 2.1 Métodos de pronósticos. Fuente: Ballou, 2004

Métodos cualitativos Utilizan el juicio, la intuición, las encuestas o técnicas comparativas para generar estimados cuantitativos acerca del futuro. La naturaleza no científica de los métodos los hacen difíciles de estandarizar y de validar su precisión; sin embargo estos pueden ser los únicos disponibles cuando se intenta predecir el éxito de nuevos productos, cambios en la política gubernamental o el impacto de una nueva tecnología. Son métodos más bien adecuados para pronósticos de mediano a largo plazo (Ballou, 2004). La tabla 2.2 muestra algunos de los métodos cualitativos de pronósticos más comunes.


44

MÉTODO DESCRIPCIÓN APLICABILIDAD HORIZONTE DE

TIEMPO

Investigación de mercado

Procedimiento sistemático, formal y consciente de evolución y validación de hipótesis sobre mercados reales

Pronósticos de las ventas totales de grupos de productos individuales de nueva creación

Mediano y largo plazo

Agregados de la fuerza de ventas

Son a través de estimaciones de ventas de los productos para el próximo año que determinan los miembros de esta fuerza de venta. Estas estimaciones son revisadas y complementadas con las estimaciones de gerentes regionales

Identificar cambios en las preferencias de los clientes. Es inexacto cuando el personal de ventas se compensa en base a una cuota

Corto y mediano plazo

Delphi

Un panel de expertos lo determina mediante cuestionarios y respuestas se utilizan para producir el segundo cuestionario. Cualquier información disponible para unos expertos y no para otros es transmitida por los últimos, lo que permite a todos los expertos tener toda la información de los pronósticos. Esta técnica elimina el efecto de tendencia moderna de la opinión mayoritaria

Pronóstico de ventas, planeación de la capacidad o de las instalaciones


Analogía histórica

Es un análisis comparativo de la introducción y crecimiento de nuevos pronósticos similares que basan el pronóstico en patrones de similitud

Pronósticos de ventas


Pronóstico visionario

Profecía en que se utilizan perspectivas personales, juicios y en la medida de lo posible, hechos acerca de distintos escenarios futuros. Se caracterizan por conjeturas subjetivas e imaginación, en general, estos métodos utilizados no son científicos.

Pronósticos para productos de nueva creación


Capítulo 2

45

Tabla 2.2 Métodos cualitativos de pronósticos Fuente: Ballou, 2004

Métodos de proyección Cuando se dispone de una cantidad razonable de información histórica y las variaciones de tendencia y estacionalidad en las series de tiempo son estables y bien definidas. El patrón del tiempo futuro será, en gran parte, una réplica del pasado. La naturaleza cuantitativa de las series de tiempo estimula el uso de modelos matemáticos y estadísticos como las principales herramientas de pronóstico.

Técnica Box Jenkins La técnica de Box Jenkins es un complejo proceso iterativo que requiere software y produce un modelo de promedios móviles integrado y auto regresivo, que se ajusta a valores de tendencia y estacionalidad, estimando los parámetros apropiados de ponderación, validando el modelo y repitiendo el ciclo hasta encontrar los valores apropiados.

Modelos matemáticos Son métodos ajustados con los datos de series de tiempo, normalmente mediante regresión. Incluye las líneas de tendencia, polinomios, logaritmos lineales, series de Fourier, etc.

Descomposición de series de tiempo Este método es adecuado para identificar puntos críticos y es una buena herramienta de pronóstico para el período de tiempo mediano-largo, es decir, de tres a doce meses. Este método consiste en descomponer una serie de tiempo en componentes estacionales de tendencia y regularidad.

Métodos causales La premisa básica de estos métodos, es que el nivel de la variable pronosticada se deriva del nivel de otras variables relacionadas. Un problema principal con esta categoría de modelos de pronósticos es que con frecuencia resulta difícil encontrar verdaderas variables causales. En la medida que puedan describirse adecuadas


46

relaciones de causa y efecto, los modelos causales pueden ser bastante buenos para anticipar cambios mayores en las series de tiempo y para pronosticar de manera precisa sobre un periodo de mediano a largo plazo (Ballou, 2004).

Modelo de regresión El modelo de regresión relaciona la demanda con otras variables que “causan” o explican su nivel. Las variables se seleccionan sobre la base de la significancia estadística. Esta es una técnica de pronósticos popular, debido a la disponibilidad de programas de regresión por computadora. Este modelo es adecuado para planeación a corto o mediano plazo, para producción agregada o para inventarios que involucren pocos productos.

Modelos Econométricos Un modelo econométrico es un sistema de ecuaciones de regresión independientes que describe las ventas de cierto sector económico. Los parámetros de la ecuación de regresión por lo general se estiman de forma simultánea. Son modelos costosos a desarrollar, sin embargo, debido al modelo de ecuaciones inherentes, éstos expresan mejor las causalidades involucradas que una ecuación de relación ordinaria y por lo tanto, es más preciso.

Simulación Dinámica Este método utiliza la computadora para simular en el tiempo el efecto de la ventas de producto final sobre los requerimientos en distintos puntos del canal de distribución y suministros. Los requerimientos se indican mediante políticas de inventarios, programas de producción y políticas de compras. Estos pronósticos se pueden utilizar para las ventas de toda la compañía o para grupos de productos importantes e incluso puede aplicar para el mediano y largo plazo.

Métodos de series de tiempo Es un conjunto de fenómenos físicos o económicos observados en puntos discretos de tiempo, normalmente espaciados equitativamente (Nahmias, 2007). Utiliza la historia de la serie que se va a pronosticar. El objetivo es encontrar patrones predecibles y repetibles en los datos pasados. Las ventajas que se pueden incorporar fácilmente en un programa de computadora, siendo la actualización automática.

Capítulo 2

47

Existen cuatro patrones que puede presentar la serie de datos: Estacionaria, Tendencia, Estacional y Cíclico (Makridakis & Wheelwright, 2007). Entre los patrones repetibles están tendencia lineal creciente o decreciente, la tendencia curvilínea (incluyendo el crecimiento exponencial) y las fluctuaciones estacionales. Los pronósticos de series de tiempo consideran al sistema como una caja obscura y no intenta descubrir los factores que afectan su comportamiento. Se tiene un patrón Estacionario (horizontal), cuando no hay tendencia alguna en los datos (estadísticamente), conociéndose como serie Estacionaria (Makridakis & Wheelwright, 2007). Este patrón de datos se pueden estudiar básicamente con dos métodos: Promedios móviles y Suavización exponencial. Los otros tres patrones requieren de un estudio especial (más adelante se explicará el método adecuado en cada caso), por lo que al hacer el análisis de series de tiempo, se debe aislar los patrones que surgen con mayor frecuencia. Éstos son: Tendencia, Estacionalidad, Ciclos y Aleatoriedad (Nahmias, 2007). Tendencia: se refiere a la inclinación de una serie de tiempo a mostrar un patrón estable de crecimiento o de declive. Distinguimos entre tendencia lineal (que es el patrón descrito en una línea recta) y la tendencia no lineal (el patrón descrito por una función no lineal, como una curva exponencial o cuadrática). Cuando no se especifica el patrón de la tendencia, generalmente se da por hecho que es lineal. Estacionalidad: Un patrón estacional es aquel que se repite en intervalos fijos. En las series de tiempo, generalmente pensamos en el patrón que se repite cada año, aunque también son comunes los patrones estacionales mensuales, semanales y diarios. La moda, los helados y el combustible muestran un patrón estacional anual. El consumo de electricidad muestra un fuerte patrón estacional diario. Ciclos: La variación cíclica es similar a la estacionalidad, excepto porque la duración y la magnitud del ciclo puede variar. Los ciclos se asocian con variaciones económicas a largo plazo (esto es, los ciclos comerciales) que pueden presentarse además de las fluctuaciones estacionales. Aleatoriedad. Una serie aleatoria pura es aquella en la que no existe un patrón reconocible para los datos. Los datos pueden generarse de una forma que, aun siendo puramente aleatoria, muchas veces aparentan tener una estructura. Un ejemplo podría ser la metodología de tabuladores del mercado de valores que impone formas de patrones aleatorios en los datos de precios de mercado. Por otro lado, los datos que parecen ser aleatorios pueden tener una estructura definitiva. Los datos verdaderamente aleatorios fluctúan en torno a una media fija forman lo que se le conoce como patrón horizontal.


48

Métodos para pronosticar series estacionarias

Para pronosticar series de tiempo exponencial (siendo estacionarias), se utilizan dos métodos básicamente: Promedios móviles y Suavización exponencial (Nahmias, 2007). Una serie de tiempo exponencial es aquella en la que cada observación puede representarse por medio de una constante más una fluctuación aleatoria.

= +

Donde es una constante desconocida que corresponde a la media de la serie y

t es un error aleatorio con media cero y varianza σ2.

Promedios Móviles Cuando se realiza un pronóstico por promedio móvil, el valor puntual del pronóstico será el promedio aritmético o ponderado de un número de puntos consecutivos de la serie, donde el número de puntos de información se selecciona de manera que los efectos de estacionalidad o irregularidad se eliminen. Estos pronósticos aplican para cuando existen demasiados productos. Este es un método sencillo pero popular, un promedio móvil de orden N es sencillamente el promedio aritmético de las observaciones N más recientes (Nahmias, 2007). Tenemos que Ft es el pronóstico hecho en el periodo t - 1 para el periodo, está dado por:

= 1

=1

( + + ⋯ )

Esto es, que la media de las observaciones más recientes se utiliza como el pronóstico para el próximo periodo. Siendo la notación PM(N) los Promedios Móviles del periodo. Debemos notar que en un proceso de demanda en el que exista tendencia, los pronósticos de promedios móviles quedaran por debajo de la tendencia.

Capítulo 2

49

Suavización Exponencial Simple

Esta técnica es similar a la de promedios móviles, excepto que los puntos que son más recientes reciben mayor ponderación. El nuevo pronóstico será igual al anterior más cierta parte del error de los pronósticos pasados. La nivelación exponencial doble o triple son versiones más complejas del modelo básico que explican la variación de la tendencia de la serie de tiempo. Tal vez, la técnica más útil para el pronóstico de corto plazo sea el ajuste exponencial (Ballou, 2004). Este es otro método de pronóstico muy popular para las series de tiempo estacionarias. El pronóstico actual es el promedio ponderado del último pronóstico y el valor actual de demanda (Nahmias, 2007). Esto es:

ó = ( ó ) + (1 + )(Ú ó )

= + (1 − ) 0 < < 1

Donde: α es la constante de suavización que determina la ponderación relativa colocada en la observación de demanda actual. A su vez se interpreta (1 – α) como el peso asignado a las observaciones pasadas de la demanda. Debido a que la suavización exponencial requiere que en cada etapa tengamos un pronóstico previo, podemos recomendar dos alternativas: que el pronóstico inicial sea igual al valor inicial de la demanda o en caso de tenerse un número razonable de periodos, utilizar el promedio aritmético de esos periodos. Si α es grande, se realiza una mayor ponderación en la observación actual de demanda y menos ponderación sobre las observaciones pasadas, lo que da como resultado pronósticos que reaccionan rápidamente a los cambios en los patrones de demanda pero pueden tener mucha mayor variación de periodo a periodo. Si es pequeña, entonces se asigna mayor peso en los datos pasados y los pronósticos son más estables. Aunque la suavización con valor alto de α hace un mejor trabajo de seguimiento que la serie, para fines de la planeación se persigue la estabilidad proporcionada por una constante de suavización menor.


50

Métodos basados en la tendencia Los métodos de suavización exponencial y de promedios móviles se retrasaran en relación con una tendencia en caso de que la haya (Nahmias, 2007). Este retraso inherente de pronóstico en este tipo de modelo puede arrojar errores inaceptables (Ballou, 2004); por ello cuando se tenga modelos con cierta tendencia, se recomienda utilizar otro tipo de métodos. A continuación se analizarán esta serie de datos mediante dos métodos: el Análisis de regresión y el Método de Holt.

Evaluación de pronósticos Debido a que los pronósticos no pueden ser prefectos, el pronóstico de la demanda futura por lo general tendrá cierto grado de error. El error del pronóstico básicamente es qué tan cerca se encuentra el valor del pronóstico a la realidad (Ballou, 2004). Definido el pronóstico en cualquier período t, t,. como la diferencia entre el pronóstico y la demanda real para ese período. Para pronósticos de varios pasos adelante:

= , − Para los pronósticos de un paso adelante:

= −

Digamos que 1, 2,… n son los errores de pronósticos observados en periodos. Las dos medidas más comunes de exactitud de pronóstico durante estos periodos son la Desviación Absoluta Media (DAM) y el Error Cuadrático Medio (ECM), dados por las formulas siguientes:

= 1 | |

= 1

Capítulo 2

51

Con frecuencia se prefiere la desviación absoluta media, debido a que esta no requiere la elevación al cuadrado. Es más, cuando los errores de pronósticos se distribuyen normalmente como generalmente se suponen, un estimado de la desviación estándar del error de pronóstico σ , está dado por 1.25 veces la desviación absoluta media DAM. Aunque la DAM y el ECM son las dos medidas más comunes de la exactitud del pronóstico, existen otras medidas; Una que no es dependiente de la magnitud de los valores de demanda es el Error Porcentual Absoluto Medio (EPAM) dado por:

= 1 100

Los pronósticos validados sirven para establecer el plan de aprovisionamiento adecuado para la organización. Este plan de aprovisionamiento tiene el propósito de bajar el costo total de aprovisionamiento de la empresa al establecer tiempos y cantidades de compra de materia prima crítica, así como mantener bajos los niveles de inventario de seguridad (Ballou et al., 2000) y un alto nivel de servicio.

52

El siguiente capítulo describe la metodología que se utilizó para abordar el estudio de caso de la empresa Grupo Gaudir. Menciona la manera en que se analizó el problema, la recopilación de la información, depuración de datos, análisis de datos, realización del pronóstico de compras, desarrollo de la planeación de aprovisionamiento, los acuerdos propuestos y los resultados obtenidos a través de la investigación.

Capítulo 3

Metodología

INTRODUCCIÓN

Capítulo 3

53

3.1 ESTRUCTURA GENERAL

La presente investigación es un caso de estudio cuantitativo y documental de la empresa Grupo Gaudir. El siguiente esquema (Figura 3.1) contiene la estructura del enfoque metodológico utilizado en el caso de estudio.

Recopilación

de datos

Depuración de datos

Determinación de la

distribución de cada producto

Elección del pronóstico

para cada uno

Determinación de la cantidad

y fecha del siguiente pedido

Determinación del nivel

de servicio

Presentación de la propuesta

Metodología

54

Figura 3.1. Estructura de la metodología del estudio

Fuente: Elaboración propia

El objetivo principal del proyecto es establecer un modelo de abastecimiento de los productos críticos de la sucursal para evitar faltantes de materia prima, reducir los costos de almacén, evitar penalizaciones tangibles e intangibles por demoras en la entrega de materia prima y producto terminado, tener la materia prima preparada en función a la demanda y establecer las bases para el funcionamiento futuro de las franquicias que están por abrir.

3.2 RECOPILACIÓN DE DATOS

La primera etapa para llevar a cabo el inventario es elegir un criterio de decisión para seleccionar los artículos que más impactan en el inventario.

Esta etapa se realizó con una clasificación ABC, que está basada en el análisis de Pareto, o regla 80-20, que básicamente indica que el 80% de las ganancias de una empresa viene de solamente el 20% de los productos, éstos son denominados “productos críticos”, y el 20% restante de ganancia suele venir del 80% de la demás variedad de productos ofrecidos.

Es importante tomar en cuenta que varios de los productos estrella comparten algunos insumos y por lo tanto, no todos los insumos varían.

Considerando que los datos de ambas sucursales son similares en proporción, se utilizó la información de una de las sucursales, a la que se denomina “800”, que es el nombre de la plaza donde se encuentra.

El restaurante Manzara 800 abrió el 9 de mayo de 2014 y es considerado el modelo de franquicias, por lo tanto, todos los productos ofrecidos por este, serán los ofrecidos por las franquicias se vendan en otras ciudades. También necesitarán el mismo aprovisionamiento de materia prima.

El restaurante cuenta con un sistema de información de una empresa subcontratada llamada Structure Soluciones. Existen el Sistema de Administración, reservado para los gerentes y directivos, el Sistema de Inventarios, donde se ingresa la materia prima que llega; y el Sistema de Punto de Venta, donde se ingresan las órdenes de los clientes.

El enfoque dado al trabajo es que las sucursales son los clientes inmediatos de la matriz, por lo tanto, cada que no se realiza el pedido completo, el nivel de servicio

Capítulo 3

55

disminuye. Dado que se busca vender franquicias a otras ciudades, es muy importante para la empresa aumentar el nivel de servicio de su sistema de aprovisionamiento.

La información presentada fue recolectada del Sistema de Punto de Venta, considerando toda la información desde que el restaurante abrió el 9 de mayo de 2014 hasta el 14 de agosto de 2015, día en que se realizó la recolección de los datos. El Sistema de Inventarios fue utilizado posteriormente para la realización de los pronósticos.

3.3 DEPURACIÓN DE DATOS

Debido a que el sistema de donde se obtuvieron los datos abrió el 9 de mayo de 2014, se utilizó la totalidad de los datos disponibles para la realización del pronóstico, sin embargo, se realizaron correcciones a algunos datos, principalmente, por discrepancias en las unidades.

No siempre se ingresaron los datos de la manera correcta al sistema y tampoco en el tiempo adecuado. Por ejemplo, la aceituna verde se compra y se manda en latas de 3.4 Kilogramos y el sistema pide esta información en Kilogramos, sin embargo, algunos trabajadores cometían el error de agregar 1 en cantidad, ingresando la información como si fueran “latas” y no “kilogramos”. Estos errores fueron corregidos y se explicó a las personas actualmente encargadas de este trabajo que debían tener más cuidado cuando ingresen la situación, revisando las unidades y el costo unitario.

Además, se encontró una discrepancia en las fechas, debido a que en algunas ocasiones aparece una gran cantidad de pedidos del mismo producto el mismo día, esto se debió a que los productos no siempre son ingresados al sistema en el momento en que llegan, por lo tanto, a veces a los trabajadores se les acumulan las órdenes sin ingresar. Estas órdenes son posteriormente ingresadas en un solo día, cuando se realiza el corte de inventario y debido a que el sistema registra cuándo se ingresó la orden, aparece como si se hubieran realizado varios pedidos del mismo producto con pocos minutos de diferencia. En este caso, para el plan de aprovisionamiento, se consideró que los pedidos tenían un lapso constante de tiempo que pasa entre cada orden.

Cabe aclarar que las órdenes llegan a tiempo, simplemente en ocasiones no se ingresaron al sistema.

Se dio una conferencia a los trabajadores encargados de esta actividad para que la comiencen a realizar de la manera apropiada y mantener un mejor registro, tanto en la cantidad de producto como en la fecha en que se ordena y recibe dicho producto.

Metodología

56

3.4 DETERMINACIÓN DE LA DISTRIBUCIÓN DE CADA PRODUCTO

En este paso, los datos ya depurados son introducidos a Excel para su análisis. Primeramente se realiza un diagrama de dispersión de los datos para conocer su comportamiento. Determinando a simple vista si los datos son aleatorios, esto es, que no presenten un patrón reconocible o aparente estructura (tendencia o ciclicidad).

Los diagramas se pueden apreciar en el capítulo 4 o en el anexo A.

El siguiente paso consiste en trazar un histograma de la distribución de los datos de las ventas de cada uno de los productos críticos, con la finalidad de visualizar su comportamiento.

Es importante remarcar que en muchas gráficas, es imposible notar a simple vista a qué distribución pertenecen, sin embargo, se aplicó el método de máxima verosimilitud con el fin de conocer a qué distribución se acercan los datos:

Normal Exponencial Gamma Log-Normal

El método de máxima verosimilitud fue aplicado utilizando el programa estadístico “R”. Este programa realiza un ajuste de los datos, dando finalmente un resultado con base en la verosimilitud y sus estimadores correspondientes a cada una de las distribuciones. Los comportamientos de los datos serán evaluados respecto a las distribuciones: Exponencial, gamma, log-normal y normal (Hanke & Wichern, 2006). En el capítulo 4 se encuentra la evaluación de las distribuciones antes mencionadas con respecto a los datos obtenidos para el estudio.

Posterior a esto, se comparan los estimadores para encontrar a qué distribución ajusta la información presentada. La distribución elegida es la que tiene el mayor valor de Verosimilitud o el menor valor AIC (Devore, 2008).

Una vez realizado el estudio del comportamiento de la distribución de todos los artículos críticos, se procede, con el modelo de mejor ajuste a calcular el cuantil de la venta a diferentes niveles de servicio posteriormente elegidos, en este caso, 80%, 85%, 90%, 95% y 99%. Esta información será comparada posteriormente con el resultado de los pronósticos con el fin de establecer la cantidad y fecha de abastecimiento con un nivel de servicio adecuado.

Capítulo 3

57

3.5 ELECCIÓN DEL PRONÓSTICO ADECUADO

Una manera efectiva de comprobar si el modelo de abastecimiento es adecuado, consiste en compararlo contra las ventas reales y los valores pronosticados (Nahmias, 2007).

En la administración de la producción y las operaciones, los pronósticos son parte integral de la planeación de un negocio. De su precisión dependen la supervivencia, el crecimiento y la rentabilidad a largo plazo, así como la eficiencia y la efectividad a corto plazo de la cadena de suministro (Ballou, 2004).

Una vez obtenidos los datos históricos de los productos críticos, se pasó a elegir el pronóstico adecuado. Para productos con una demanda constante, se utilizó el método de promedios móviles y para los productos con demanda variable se optó en específico por pronósticos utilizando el método de Winters, que es un método de suavizamiento exponencial que permite considerar variables de nivel, tendencia y estacionalidad de los datos para una mayor precisión. En cada uno de los insumos críticos se consideraron distintas iteraciones del método de Winters (1960) hasta llegar al apropiado. Además, se calculó el error cuadrado medio (MSE) de los pronósticos, comparando los valores obtenidos del pronóstico y la información real recabada posteriormente.

Según Hanke y Wichern (2006), los valores de nivel, tendencia y estacionalidad adecuados, se determinan en función de la minimización del MSE.

Además, Hanke y Wichern (2006) mencionan la manera de calcular los valores de tendencia, nivel y estacionalidad utilizando Minitab, que es el programa que se utilizó para la realización de los pronósticos en este trabajo.

3.6 DETERMINACIÓN DE LA CANTIDAD Y FECHA DEL SIGUIENTE PEDIDO

Para la determinación de la cantidad del siguiente pedido se toma en cuenta el valor puntual del pronóstico y la desviación estándar de los datos disponibles para el estudio. Esta desviación estándar permite conocer el nivel de servicio que se logrará alcanzar para determinado nivel. Una vez encontrado el nivel de servicio adecuado que no eleve demasiado los costos, pero que esté lo más cerca posible del óptimo, se determinará el nivel de inventario que se debe mantener para cada uno de los productos críticos.

Además, para determinar la fecha en es conveniente realizar el siguiente pedido, se utilizó el valor esperado. En este caso, es el promedio de tiempo entre cada pedido de cada uno de los insumos críticos. Los insumos críticos se deben solicitar en diferentes momentos y uno de los objetivos de este proyecto es reducir los costos de

Metodología

58

cadena de suministro, preparando a los departamentos de compras y finanzas para l la compra oportuna y nunca tardía de los insumos críticos.

3.7 DETERMINACIÓN DEL NIVEL DE SERVICIO

Una vez obtenido el pronóstico, se comparan los resultados del modelo de abastecimiento dado por el ajuste de distribución a distintos niveles de servicio, con el pronóstico y con los valores reales de los pedidos siguientes con el fin de observar hasta qué nivel de servicio se puede tener el almacén para cubrir la demanda de las ventas reales y los pronósticos. Una vez que se determina el nivel de servicio, este puede ser calculado utilizando el cuantil de la distribución elegida.

3.8 RESULTADOS

Los resultados se presentan en la forma de una tabla completa de las cantidades y las fechas de compra de los insumos críticos, junto con el nivel de servicio elegido y la información real presentada posterior al cálculo de los pronósticos. Esto con el fin de realizar una mejor comparación y mantener un buen servicio al cliente, tanto interno como externo.

Este proceso además, será constante dentro de la empresa, poniendo las bases para la medición adecuada de su cadena de abastecimiento y ofreciendo un sistema para la aplicación futura en las franquicias que se abrirán, principalmente en otras ciudades.

59

Capítulo 4

Resultados

INTRODUCCIÓN

El capítulo 4 contiene los resultados obtenidos tanto en el ajuste de las distribuciones de probabilidad, como en los pronósticos, así como una descripción breve del proceso mediante el cual se llegó a los mismos. La primera parte muestra un ejemplo de cómo se ajustaron los datos a distribuciones de probabilidad, calculando su verosimilitud y estimador. También se calculan los cuantiles propuestos y se propone un nivel de servicio con base en el cuantil. En el siguiente paso, se muestra cómo se aplicó el pronóstico de Winters de uno de los insumos para los productos críticos de la organización. Se mencionan los criterios de decisión para la realización del pronóstico y las consideraciones que se tomaron en cuenta. También se muestran los resultados a 5 períodos de cada uno de los insumos distintos utilizados para los productos críticos. Se explica cuáles son los pronósticos que se llevaron a cabo por medio de método de Winters y los que se llevaron a cabo por medio de Promedios Móviles. Además, se presenta la tabla de propuestas de los pedidos, en relación con el tiempo de pedido de los insumos. Posteriormente se calcula el nivel de servicio para la cadena de suministro utilizando los pronósticos realizados. Finalmente, se da una explicación general de los acuerdos propuestos con base en los pronósticos obtenidos y cómo la organización podrá seguir realizándolos en el futuro.

Resultados

60

4.1 CARACTERIZACIÓN DE LA CADENA DE SUMINISTRO

La información considerada para este estudio fue proporcionada por el Sistema de Inventario de la Sucursal 800 de Grupo Gaudir, una cadena de restaurantes localizada en la ciudad de Los Mochis, Sinaloa. Los datos hacen referencia a las requisiciones que los encargados y trabajadores de la Sucursal 800 han solicitado al Centro de Distribución localizado en la Matriz, localizado aproximadamente a 7 kilómetros de distancia. Los registros se encuentran en el sistema Structure, de manera electrónica y comprenden desde el mes de julio de 2014 al día 27 de octubre, día en que se recabó la información. Cabe aclarar que el restaurante abrió el día 9 de mayo de 2014, sin embargo, debido a que todavía no estaba listo el sistema el día de su apertura, no se cuenta con los primeros registros.

Algunos de los insumos utilizados tienen una demanda constante o se llevan sobre pedido en cantidades establecidas con anterioridad, por lo tanto, lo mejor para realizar los pronósticos de estos insumos es por medio del método de Promedios Móviles fijos. De esta manera, todos los productos que se envían en un solo paquete o latas, ya tendrá predeterminada la cantidad que se enviará. Sin embargo, para estos casos, es importante predecir qué días se requerirá mandar los insumos.

Para los demás productos se utilizó el método de Winters, estableciendo variables de nivel, tendencia y estacionalidad.

Se busca realizar la planeación del aprovisionamiento con un alto nivel de confianza y ahorro en compras y transporte.

Primeramente, se analizó la información en el sistema de Punto de Venta para conocer cuáles son los productos críticos de la empresa, para esto, se utilizó el diseño de Pareto. Con esta información y las recetas de los platillos, se determinaron los insumos de los productos críticos, que son los que no deben faltar en el restaurante en cualquier momento del día.

A continuación se determinó, con la ayuda de los datos recolectados y la encargada de aprovisionamiento dentro del restaurante, cuáles son los insumos con demanda constante para aplicar método de Promedios Móviles y los de demanda variable para aplicar método de Winters.

Capítulo 4

61

4.2 ANÁLISIS DE PARETO

La tabla 4.1 muestra las ganancias totales generadas por los productos del restaurante divididos en clases. Se clasifican en Bebidas alcohólicas, bebidas y comida. El total de ventas está en pesos.

BEBIDAS ALCOHÓLICAS BEBIDAS COMIDA TOTAL

TOTAL DE VENTAS 124272.3 1079056 3836712 5040040.3 PROPORCIÓN 0.022111347 0.19199276 0.76124629 PORCENTAJE 2.211134719 19.199276 76.1246294 Tabla 4.1: Total de ganancias del 9 de mayo de 2014 al 14 de agosto de 2015

Fuente: Sistema de Punto de Venta de Manzara Salads and More

Como puede ser apreciado en la tabla 4.1, la venta de bebidas alcohólicas corresponde al 2.3% de las ventas totales del restaurante, por lo tanto, no será tomado en cuenta para el análisis. Para el caso de Bebidas, y dado que el 20% de ventas es significativo, se tomarán en cuenta sólo los primeros dos productos como críticos.

La comida, al formar el 76% de las ganancias de la empresa, será analizada más a profundidad, considerando que la mayoría de los productos estrella se encuentran en esta categoría.

La tabla 4.2 muestra una parte de las ganancias generadas por el total de las bebidas no alcohólicas durante el período de tiempo ya mencionado.

PRODUCTO VENTA TOTAL PRECIO

TOTAL DE GANANCIA

1 SANGRIA 1 LT 2042 115 234830 2 SANGRÍA 250 ML 2801 35 98035 3 SANGRÍA 500 ML 1633 60 97980 4 TE DE LA CASA 3382 19 64258 5 JAZTEA 2797 19 53143 6 JAMAICA 2664 19 50616 7 LIMONADA NATURAL 2569 19 48811 8 LIMONADA MINERAL 2474 19 47006

9 AMERICANO ESPRESSO 1495 25 37375

10 CAPUCCINO 1170 29 33930 11 COCA LIGHT 1383 24 33192 12 JAZTEA LIGHT 1565 19 29735

Resultados

62

Tabla 4.2: Tabla parcial de la ganancia generada por las bebidas no alcohólicas del 9 de mayo de 2014 al 14 de agosto de 2015.


Como es posible apreciar en la tabla 4.2, la sangría en sus tres distintas presentaciones encabeza la lista, generando una suma de la ganancia total de $430,845 pesos. Además, utilizando la tabla, se concluye que los productos críticos por parte de las bebidas son la sangría y el té de la casa.

Producto Cantidad Precio Total 1 BARRA ENSALADA 14106 84 1184904 2 ENSALADA KARENINA 6868 89 611252 3 ENSALADA GRECIA 5163 109 562767 4 NANDOS INTEGRAL 3930 79 310470 5 IBIZA INTEGRAL 2382 69 164358 6 ENSALADA CÉSAR 1615 85 137275 7 ENSALADA JOLIE 1312 87 114144 8 COMBO NANDOS 1786 60 107160 9 TOSCANA INTEGRAL 985 77 75845 10 BALI INTEGRAL 1123 59 66257 11 COMBO IBIZA 858 71 60918 12 DI ROMA INTEGRAL 997 56 55832 13 TABLA IBÉRICA 409 120 49080 14 COMBO TOSCANA 391 77 30107 15 COMBO BALI 374 77 28798 16 COMBO DI ROMA 351 77 27027 17 ENSALADA MYKONOS 296 87 25752 18 CHEESE CAKE FRESAS 463 45 20835 19 CHILAQUILES 267 69 18423 20 BROWNIE 441 39 17199 21 OMELETTE 205 59 12095 22 NANDOS 136 79 10744 23 MADELEINE INTEGRAL 153 68 10404 24 MACHACA 128 79 10112 25 YOGURT CON FRUTA 227 43 9761 26 ENSALADA CAPRESSE 126 74 9324 27 ENS BARRA 108 79 8532 28 SANDWICH FRESO 129 59 7611 29 IBIZA 105 69 7245

Capítulo 4

63

30 CROISSANT PAUL 79 69 5451 31 EXT CHIPOTLE 751 7 5257 32 COMBO MADELEINE 71 72 5112 33 DI ROMA EMPL 138 35 4830 34 EXT QUESO DE CABRA 286 15 4290 35 PANINI DE COCHINITA 60 69 4140

Tabla 4.3: Tabla parcial de la ganancia generada por la comida del 9 de mayo de 2014 al 14 de agosto de 2015.


Como se puede apreciar en la tabla 4.3, los primeros 13 productos han generado una ganancia total de $3,500,262 pesos, lo que supone un 91% de las ganancias totales generadas por la comida y un 69.44% de las ganancias totales del restaurante.

Con base en la información presentada hasta ahora, la tabla 4.4 muestra los productos críticos del restaurante.

Producto Total de Ganancia

1 BARRA ENSALADA 1184904 2 ENSALADA KARENINA 611252 3 ENSALADA GRECIA 562767 4 SANGRÍA 430845 5 NANDOS INTEGRAL 310470 6 IBIZA INTEGRAL 164358 7 ENSALADA CÉSAR 137275 8 ENSALADA JOLIE 114144 9 COMBO NANDOS 107160 10 TOSCANA INTEGRAL 75845 11 BALI INTEGRAL 66257 12 TÉ DE LA CASA 64258 13 COMBO IBIZA 60918 14 DI ROMA INTEGRAL 55832 15 TABLA IBÉRICA 49080 Tabla 4.4: Productos críticos del restaurante con el total de su ganancia del 9 de mayo de 2014 al 14 de agosto de 2015.


Resultados

64

Sumando la ganancia de los productos de la tabla 4.4, obtenemos que la ganancia generada por los 15 productos estrella del restaurante ha sido de $3,995,365 pesos, lo que supone el 79.2% del total de ventas.

La tabla 3.5 muestra los insumos necesarios para cada uno de los productos críticos. La barra de ensaladas contiene una lista más grande, ya que los ingredientes son elegidos por el cliente y existe una variedad en los productos elegidos.

ENSALADA CÉSAR

TOSCANA INTEGRAL COMBO IBIZA

DI ROMA INTERAL

Lechuga Pan Panini Pan Panini Pan Panini Pollo Jamón Serrano Jamón Serrano Pepperoni

Crouton Salami Queso de Cabra Queso Mozzarella

Queso Parmiggiano

Queso Mozzarella Mayonesa Champiñones

Aderezo César Pesto

Mayonesa ENSALADA KARENINA

ENSALADA JOLIE BALI INTEGRAL

TABLA IBÉRICA

Lechuga Lechuga Pan Panini Jamón Serrano

Pollo Pollo Jamón de Pavo Queso Mozzarella

Nuez garapiñada

Nuez garapiñada

Queso Mozzarella Pan Panini

Aderezo Ranch Manzana Verde Manzana Verde Aceituna Verde

Croutones Queso Gouda Cebolla morada Chimichurri

Queso de cabra Vinagreta Balsámica Mostaza Queso Brie

Mayonesa

Queso Provolon

ENSALADA GRECIA

COMBO NANDOS

BARRA ENSALADA

BARRA ENSALADA CONT.

Lechuga Lechuga Pollo Germinado de Alfalfa

Pollo Zanahoria Croutones Pollo Queso de Cabra Pepino

Queso Parmesano Mostaza

Pepino Tomate Jamón de Pavo Duraznos en almíbar

Zanahoria Aguacate Espinaca Nuez

Garapiñada Aderezo Queso Panela Nuez de la India

Capítulo 4

65

Pimiento morrón Croutones Manzana Verde Aderezo César

Mostaza Pan Panini Pasta Fussili Betabel Rallado

Croutones Pollo Zanahoria Queso de Cabra

Queso Manchego Pepino

Vinagreta Balsámica

Lechuga Queso Gouda

Nuez Garapiñada

Tomate Champiñón Arándanos

Cebolla Aderezo Ranch Brócoli

Queso Feta

Mayonesa Aceitunas

Nuez de la India

Pimiento morrón Mil Islas

Granos de elote Aceite de Oliva

Tomate

Tabla 4.5: Insumos de cada uno de los productos críticos del restaurante


Cabe aclarar que los insumos del té de la casa y la sangría no figuran dentro de la lista, debido a que estas bebidas son hechas en la matriz y posteriormente enviadas a las sucursales.

Debido a restricciones de espacio, el nivel de inventario no puede ser elevado, sin embargo es importante mantener un buen nivel de servicio.

Existe materia prima que se repite en algunos de los productos estrella, la figura 4.1 detalla en cuántos platillos estrella se repiten los insumos, los productos que no se repiten no formaron parte de la gráfica.

Resultados

66

Figura 4.1. Materia prima repetida en dos o más productos estrella.


4.3 INGRESO DE LA INFORMACIÓN AL PROGRAMA

Para conseguir la información, se ingresó al programa de Inventarios de la Sucursal 800 y después de ingresar la clave, se seleccionó la ventana de reportes, después compras y por último detallado. Como se muestra en la figura 4.2.

7

7

6

544

3

3

22

2

22

22

2 2Lechuga

pan panini

Pollo a la plancha

mayonesa

Crouton

queso manchego

jamón serrano

tomate

aguacate

cebolla

Capítulo 4

67

Figura 4.2. Ingreso a la base de datos en el sistema

Fuente: Sistema de Inventarios Manzara Salads and More

Posteriormente se seleccionó la fecha inicial, comenzando desde la fecha de apertura de la sucursal, el día 9 de mayo de 2014. Se tomó como la fecha en que se hizo el pronóstico como fecha final, el día 27 de octubre de 2015. Posteriormente se ordenaron los datos y se seleccionaron, eliminando las columnas que no tenían datos significativos. Las únicas columnas necesarias para la realización del pronóstico son la de fecha y la de cantidad solicitada, sin importar el costo unitario, la persona que realizó la compra, ni el total.

En la figura 4.3 se muestra el ejemplo de la base de datos de donde se tomó la información.

Figura 4.3. Base de datos para los pedidos de lechuga desde la fecha 9 de mayo de 2014 hasta el 27 de octubre de 2015

Fuente: Sistema de Inventarios Manzara Salads and More

Posteriormente se ingresaron los datos a Excel y se corrigieron algunos errores para su utilización, en este caso, se arreglaron las unidades del producto, dado que en realidad no se estaba tomando en cuenta la compra por kilogramos, sino por cajas o por piezas. Se dejó toda la información en términos de las piezas de lechuga que se compraron por día.

A continuación se pasaron los datos al software Minitab versión 17 para su análisis y la generación del pronóstico.

Resultados

68

4.4 DETERMINACIÓN DE LA DISTRIBUCIÓN

Una vez determinados los insumos de los productos críticos, se procede a analizar su comportamiento por separado, con el fin de ajustarlos a una distribución de probabilidad y calcular su valor esperado.

Comportamiento aleatorio

La tabla 4.6 muestra el diagrama de dispersión de algunos productos críticos. En el eje X se encuentra la cantidad del producto y en el eje Y se encuentran las fechas de la realización de los pedidos. Todos los diagramas de dispersión se encuentran en el anexo A.

Jamón Serrano Lechuga

Manzana Verde Nuez Garapiñada

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 1 2 3 46/10/2014 00:00

9/18/2014 00:00

12/27/2014 00:00

4/06/2015 00:00

7/15/2015 00:00

10/23/2015 00:00

0 20 40 60 80

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 1 2 3 4 510/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 1 2 3 4 5

Capítulo 4

69

Pan Panini Pasta Fusilli

Tabla 4.6. Diagramas de dispersión


Se realizó el diagrama de dispersión de cada uno de los insumos críticos que cuya cantidad varía en cada pedido. Para los demás, como ya se ha mencionado, se utiliza el pronóstico por método de promedios móviles simple y se determina la fecha en que será el siguiente pedido de estos insumos.

Histograma

Una vez realizado el diagrama de dispersión, se procede a realizar el histograma de cada uno de los insumos críticos con demanda variable, con el fin de observar si su comportamiento sigue de manera explícita alguna distribución de probabilidad.

La tabla 4.7 contiene 8 ejemplos de los histogramas realizados. El anexo B contiene los demás histogramas de los insumos críticos con demanda variable.

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 20 40 60 80 10010/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 2 4 6 8 10

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 2 4 6 8 1010/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 2

Resultados

70

Pan Panini Manzana Verde

Bowl para ensalada Tomate

Zanahoria Pepino

Tabla 4.7 Histogramas del comportamiento de los insumos críticos con demanda variable.


Una vez analizados los histogramas, se puede observar que presentan un comportamiento variado, sin embargo, es posible agrupar los datos en clases de distribuciones: normal, exponencial, gamma y log-exponencial.

020406080

Frec

uenc

ia

Clase

010203040

Frec

uenc

ia

Clase

0

50

100

150

Frec

uenc

ia

Clase

05

101520

0.4

0.67

80.

956

1.23

41.

512

1.79

2.06

82.

346

2.62

42.

902

y m

ayor

...

Frec

uenc

ia

Clase

05

101520253035

Frec

uenc

ia

Clase0

5

10

15

20

25

30

Frec

uenc

ia

Clase

Capítulo 4

71

Para el ajuste de los datos a las distribuciones de probabilidad, se utilizó el programa Project R, programa especializado en el análisis de datos, el cual tiene la característica de dar libertad al usuario de mostrar y manipular los datos de una manera que los demás programas no pueden.

Primeramente, se ingresó la base de datos de compras al sistema desde Excel. Para este proceso, se abre el documento en Excel se guarda en formato CSV. El programa R es capaz de leer el formato CSV. Posteriormente, se carga la base de datos a R y se procede a calcular cada uno de los estimadores y valores de verosimilitud para cada producto y cada distribución.

Un ejemplo de cómo se utiliza el programa se encuentra en la figura 4.4.

prod<- read.csv(file="c:/rexcel/datosrc.csv", header=T))

datostom<- prod[1:50,1]

vernormaltom<- function() { n<- length(datostom) a <- mean(datostom) b <- sd(datostom) -n*log(b*sqrt(2*pi))- sum((datostom-a)^2) / (2*(b)^2) }

logverosimilitud <- vernormaltom()

estimador <- c(mean(datostom),sd(datostom))

logverosimilitud

estimador

veroexponencialtom<- function(x)

{

n <- length(datostom)

(sum(datostom)/x + n*log(x)

}

logverosimilitud <- -optimize(veroexponencialtom,c(0,100000) )$objective

estimador <- mean(datostom)

Resultados

72

logverosimilitud

estimador

verogamatap<- function(x)

{

n<- length(datostom)

-((x[1]-1)*sum(log(datostom)) - sum(datostom)/x[2]- n*log(gamma(x[1]))-n*x[1]*log(x[2]))

}

logverosimilitud <- -optim(c(1, 2),verogamatom)$value

estimador <- optim(c(1, 2),verogamatom)$par

logverosimilitud

estimador

verolognormatom<- function(x)

{ n<- length(datostom) sum((log(datostom)-x[1])^2) / (2*(x[2])^2)+ sum(log(datostom)) + n*log(x[2]) + n*log(2*pi)/2 }

logverosimilitud <- -optim(c(200, 40000),verolognormaltom)$value

estimador <- optim(c(6, 20000),verolognormaltom)$par

logverosimilitud

estimador

Figura 4.4. Cálculo de la máxima Verosimilitud utilizando Project R


También, el anexo C muestra una captura de pantalla de la corrida del programa Project R.

Capítulo 4

73

Las fórmulas utilizadas se pueden encontrar en la descripción de las distribuciones de probabilidad del capítulo 2.

Posterior al cálculo de la verosimilitud y los estimadores, se procedió a encontrar cuál es la distribución más apropiada para cada uno de los insumos. Para este caso, se realizó la elección con base en el valor de verosimilitud, considerando el valor más alto de las cuatro opciones.

La tabla 4.8 muestra los valores de verosimilitud y los estimadores correspondientes, resaltando los valores de las distribuciones elegidas.

Cabe mencionar que solamente se están considerando los productos con demanda variable, por lo tanto, no se consideraron los insumos críticos con demanda constante.

PRODUCTO

Vero-exponencial Logverosimilitud/ Estimador

Vero-Gamma Logverosimilitud/ Estimador

Vero-Lognormal Logverosimilitud / Estimador

Vero-Normal Logverosimilitud/ Estimador

Aceite de Oliva 69.02003 1.16221

-26.27314 8.8968955 0.1306362

-19.28991 0.0929831 0.3040170

-42.99757 1.1622222 0.4995843

Aderezo Ranch -487.22 3.922039

-280.1425 16.614158 0.236069

-306.8628 1.3361759 0.2820612

-282.4143 3.9220388 0.9554545

Aguacate -45.00752 0.6873611

-2.723288 6.7537471 0.1017773

-3.523846 -0.4508582 0.3985619

-9.516441 0.6873611 0.278087

Arándanos -252.4415 1.1774

-101.5829 8.5682615 0.1374154

-82.67529 0.1037916 0.3191443

-152.7335 1.1774 0.4902728

Betabel -11.6279 .624

-1.80761 4.8909083 0.1276042

-1.373511 -0.5771129 0.4587539

-4.138849 0.6240909 0.2987698

Brócoli -52.28336 0.8223077

-25.25698 4.54209 0.1810398

-25.34483 -0.3095803 0.487063

-30.92713 0.8223077 0.3924115

Cebolla morada -16.56674 .590714

0.8515087 5.5096217 0.1071876

3.11508 -0.6201232 0.4115027

-8.182092 0.5905714 0.310094

Chimichurri -15.21175 0.6603846

-2.821941 5.2462829 0.1258827

-3.199514 -0.5132752 0.4573074

-3.72004 0.6603846 0.2846117

Croutones -628.6525 2.832273

-437.6747 7.2637697 0.3899387

-433.1494 0.9708085 0.3742077

-468.4491 2.832273 1.109183

Jamón de Pavo -64.4672 0.5183511

19.54176 4.8948226 0.1058966

23.0924 -0.7627119 0.4589217

-7.836519 0.5183511 0.2529419

Resultados

74

Jamón Serrano -123.6225 .7678571

-42.49864 5.3254825 0.1441829

-29.43785 -0.3610514 0.4136938

-84.65366 0.7678571 0.4016912

Lechuga -540.5364 38.85345

-527.4328 1.97912 19.63238

-490.2317 3.386561 0.560209

-670.1003 38.85345 78.42152

Manzana Verde -106.7468 1.471558

-93.40758 2.403927 0.612196

-77.35611 0.1640066 0.5606519

-157.1478 1.471558 1.874675

Nuez Garapiñada

-196.2719 1.13274

-113.316 5.4605759 0.2167104

-99.2036 0.07404842 0.4056077

-160.3851 1.1832738 0.6304703

Pan Panini -1799.003 30.90887

-1563.534 6.641206 4.654272

-1570.67 3.3540879 0.4050616

-1585.654 30.90887 12.03530

Pasta Fussili -557.2908 2.692107

-380.8742 7.4266207 0.3625107

-382.7383 0.9215682 0.3778096

-396.5633 2.692107 0.9991449

Pepino -226.7097 4.698764

-204.9494 2.948129 1.593858

-181.6643 1.3680898 0.4743587

-275.2936 4.698764 5.364834

Pepperoni -29.68995 0.4547857

33.10183 4.9152423 0.0925175

36.35748 -0.8929167 0.4556939

9.768894 0.4547857 0.2264695

Pesto -66.22521 0.7087129

-40.29774 3.0470959 0.2326334

-40.89112 -0.5176180 0.6083671

-53.16691 0.7087129 0.4116495

Pimiento Morrón

-192.1135 3.622143

-187.5969 1.567751 2.310641

-156.4339 0.9353546 0.6112751

-295.5171 3.622143 8.207716

Pollo -1296.396 8.057929

-996.7305 8.9112357 0.9043057

-1028.896 2.0296057 0.3683191

-976.5312 8.057929 2.477689

Queso Mozzarela

-36.48323 0.5679762

12.79083 6.742085 0.084243

24.2618 -0.6416175 0.3443985

-14.57473 0.5679762 0.2895355

Queso Provolone

-32.47859 0.6712963

-22.21006 2.5279066 0.2655377

-28.12818 -0.6088156 0.7490463

-22.79203 0.6712963 0.3724678

Salami -15.22622 0.4805263

-7.826538 2.096063 0.229261

0.3506004 -0.9899016 0.6469795

-38.09417 0.4805263 0.476233

Tomate -149.234 1.523905

-100.0058 5.155331 0.295596

-101.1289 0.3212341 0.4597024

-106.1288 1.5239048 0.6680274

Bowls para ensalada

-1334.15 66.1051

-1290.43 2.383038 27.743308

-1384.149 3.967416 1.000097

-1255.781 66.10510 32.11471

Tapadera de Bowl

-1190.524 65.11743

-1152.93 2.334501 27.890087

-1236.788 3.947179 1.011867

-1125.893 65.11743 32.40859

Zanahoria -201.9581 3.748506

-172.0208 3.8181501 0.9816733

-155.8644 1.184690 0.443826

-235.0298 3.748506 3.626618

Tabla 4.8: Verosimilitud y Estimadores de cada una de las distribuciones

Capítulo 4

75


A continuación, se realiza el cálculo de los cuantiles: 80%, 85%, 90%, 95% y 99% de cada uno de los productos críticos en función de la distribución más adecuada.

Las fórmulas utilizadas para el cálculo de los cuantiles se presentan a continuación.

Distribución Exponencial: ( , )

Distribución Log-normal: ( , , )

Distribución Normal: ( , , )

Distribución Gamma: ( , , )

El anexo D un ejemplo en el programa R del cálculo de los cuantiles por producto. Los valores de los cuantiles serán comparados posteriormente con el valor obtenido por el pronóstico por método de Winters y con el valor real histórico obtenido para establecer el nivel de servicio óptimo y el valor final de los pronósticos para el plan de aprovisionamiento.

La tabla 4.9 muestra el cálculo de los cuantiles de las distribuciones de cada uno de los productos. Este cálculo fue realizado en R, utilizando el método mostrado en la figura 4.6.

PRODUCTO 80% 85% 90% 95% 99% Aceite de Oliva 1.38482 1.632352 1.98123 2.577639 3.962459 Aderezo Ranch 4.700601 4.915407 5.194672 5.62726 6.50008 Aguacate 0.8944864 0.9574252 1.040604 1.172214 1.446652 Arándanos 1.451199 1.544289 1.6699 1.875 2.3308 Betabel 0.8261 0.9033 1.0108 1.1941 1.6324 Brócoli 1.1173 1.2123 1.33915 1.5421 1.973 Cebolla morada 0.760488 0.8239 0.911411 1.05837 1.4009 Chimichurri 0.883 0.9531 1.046 1.19 1.508 Croutones 3.6173 3.8909 4.2647 4.8857 6.30501 Jamón de Pavo 0.6862 0.75045 0.8398 0.9921 1.3564

Resultados

76

Jamón Serrano 0.9872 1.07006 1.18426 1.37632 1.8245 Lechuga 47.372 52.8353 60.6122 74.293 108.8316 Manzana Verde 1.88865 2.1066 2.41696 2.9629 4.3417 Nuez Garapiñada 1.515 1.6395 1.8109 2.09848 2.76663 Pan Panini 40.29 43.15 46.93 52.911 65.39 Pasta Fussili 3.469371 3.70265 4.01032 4.495872 5.504367 Pepino 5.85514 6.422 7.2138 8.57062 11.84153 Pepperoni 0.60085 0.65663 0.73423 0.86643 1.18197 Pesto 1.009193 1.113132 1.253346 1.480982 1.974007 Pimiento Morrón 4.26233 4.80136 5.577469 6.9644 10.56338 Pollo 10.1432 10.6258 11.23322 12.1333 13.8219 Queso Mozzarela 0.70344 0.75226 0.81852 0.92762 1.17301 Queso Provolone 0.9772896 1.08743 1.236887 1.48128 2.016034 Salami 0.64057 0.72662 0.85149 1.077114 1.67397 Tomate 2.041462 2.204895 2.422236 2.76885 3.50028 Bowls para ensalada 93.133 99.38 107.26 118.92 140.8151 Tapadera de Bowl 92.39 98.706 106.65 118.42 140.51 Zanahoria 4.75037 5.1793 5.77464 6.785031 9.18143 Tabla 4.9: Cuantiles 80%, 85%, 90%, 95% y 99% en cada una de las distribuciones.


4.5 PRONÓSTICO DE WINTERS

Se utilizó el método de Winters para realizar los siguientes pronósticos, tomando en consideración las variables de nivel, tendencia y estacionalidad.

Un método elección de los parámetros se basa en la minimización del error MSE de cada uno de los pronósticos (Chatfield & Yar, 1988; Grubb & Mason, 2001).

La información para el pronóstico se consiguió del sistema de inventarios de la sucursal de Plaza 800, que es el modelo de franquicias. Los datos están ordenados por fecha.

Primeramente se realizó el pronóstico de las piezas de lechuga que se necesitarán. Debido a que los datos no estaban correctamente organizados, se tuvo que realizar una corrección en los mismos para su análisis.

Se realizó el primer pronóstico, utilizando como variable la cantidad de lechugas ordenadas en el tiempo estipulado. Este tiempo no es necesariamente cíclico, debido

Capítulo 4

77

a que los pedidos no siempre se hacen en un momento especificado con anterioridad.

En este caso, el total de datos útiles para el pronóstico fue de 109.

A continuación se dejaron ambas columnas, fecha y piezas de lechuga. Se seleccionó la ventana Stat, luego Time Series y Winters’ Method. Posteriormente se abrió una ventana como la de la figura 4.5 donde se seleccionó la columna de Piezas de Lechuga como variable, se seleccionó una longitud estacional de 3 y para el primer pronóstico se utilizaron las variables de nivel (level), tendencia (trend) y estacionalidad (seasonal) de 0.2, ya que están por default.

Además se seleccionó un número de pronósticos de 5, para que los cree el programa.

Figura 4.5 Selección de parámetros para el método de Winters en Minitab


La figura 4.6 muestra la gráfica del primer pronóstico realizado, con los parámetros de nivel, tendencia y estacionalidad de 0.2.

Resultados

78

Figura 4.6. Gráfica del Pronóstico por método de Winters, prediciendo los siguientes 5 datos con parámetros de nivel, tendencia y estacionalidad de 0.2.


Los valores puntuales de las 5 predicciones realizadas aparecen en la tabla 4.10.

Period Forecast Lower Upper 110 27.9252 3.89244 51.9580 111 28.2120 3.80269 52.6213 112 24.5582 -0.27088 49.3874 113 26.9396 1.64949 52.2296 114 27.2044 1.41438 52.9943 Tabla 4.10. Valores puntuales del pronóstico de cantidad de lechugas para los siguientes 5 períodos con los parámetros de nivel, tendencia y estacionalidad de 0.2


A continuación se realizaron más pronósticos variando los parámetros de nivel y tendencia, con el fin de encontrar el más cercano a la realidad.

La elección de los parámetros se basó en la minimización del error cuadrado medio (MSE), que se calcula una vez que son obtenidos los datos reales del pronóstico.

En este caso, el error cuadrado medio con estos valores fue de 73.34688.

El objetivo de este método es minimizar este valor hasta encontrar los parámetros óptimos.

1109988776655443322111

80

70

60

50

40

30

20

10

0

α (level) 0.2γ (trend) 0.2δ (seasonal) 0.2

Smoothing Constants

MAPE 35.311MAD 9.809MSD 191.863

Accuracy Measures

Index

Piez

as d

e Le

chug

a

ActualFitsForecasts95.0% PI

Variable

Winters’ Method Plot for Piezas de LechugaMultiplicative Method

Capítulo 4

79

Se realizaron más pronósticos variando los parámetros de nivel, tendencia y estacionalidad y comparando cómo afectan estos al error cuadrado medio. Finalmente, se obtuvo un valor aproximado de cada uno con el error más bajo. Los valores de los parámetros fueron los siguientes:

Nivel: 0.2

Tendencia: 0

Estacionalidad: 0

La tabla 4.11 muestra los valores puntuales del pronóstico con un menor error y la figura 4.7 muestra la gráfica de dicho pronóstico. Los valores de MAPE, MAD y MSD se pueden ver en la figura 4.5. El valor de MSE en este caso es de 52.32.

Period Forecast Lower Upper 110 30.6159 8.00994 53.2220 111 27.3695 4.40935 50.3297 112 26.8058 3.45074 50.1609 113 30.6159 6.82729 54.4046 114 27.3695 3.11064 51.6284

Tabla 4.11 Valores puntuales del pronóstico de cantidad de lechugas para los siguientes 5 períodos con parámetros de nivel = 0.2, tendencia = 0 y estacionalidad = 0


Resultados

80

Figura 4.7. Gráfica del Pronóstico por método de Winters, prediciendo los siguientes 5 datos con parámetros de nivel = 0.2, tendencia = 0 y estacionalidad = 0


Por lo tanto, según el pronóstico, se espera que el próximo pedido sea de 31 piezas de lechuga.

Debido a que algunos de los insumos de los productos críticos se repiten en la lista, se han hecho las adecuaciones necesarias y se determinó que existen 47 productos distintos que forman parte de los insumos de todos los productos clave de la empresa.

Se realizó un proceso similar con cada uno de los insumos distintos de los productos clave.

Para cada uno de los insumos se realizó el pronóstico a 5 períodos en el futuro, sin embargo, ya teniendo los valores de nivel, tendencia y estacionalidad, se pueden volver a realizar pronósticos en el futuro o incluso actualizar la información y volver a hacerlo para tener más pronósticos. En cada uno se realizaron varias iteraciones hasta encontrar el pronóstico con un menor error.

Capítulo 4

81

4.6 PRONÓSTICO POR PROMEDIOS MÓVIILES

Un ejemplo de utilización del método de Promedios Móviles es en el caso de los duraznos en almíbar. En este caso, los duraznos en almíbar son siempre comprados en latas con 3.4 kg de producto drenado, por lo tanto, siempre que se solicite este producto, se mandará en las mismas cantidades. El método de promedios móviles darán como resultado este valor, por lo tanto, lo único que se debe pronosticar es una aproximación de cuánto dura el producto para prepararse para mandar la lata en el tiempo necesario.

Este pronóstico es un poco más fácil de realizarse, debido a que no es necesario elegir valores de nivel, estacionalidad ni tendencia.

La figura 4.8 muestra la opción elegida en el programa Minitab para la realización de este tipo de pronósticos.

Figura 4.8. Opción para la realización del pronóstico por Promedios Móviles

Fuente: Minitab 17 Statistical Software

Posteriormente, se elige la opción del producto que se planea pronosticar en la ventana emergente, como se muestra en la figura 4.8. y se agrega la longitud del Promedio Móvil, mostrada en la ventana como MA length. Esta opción decide

Resultados

82

cuántos valores se tomarán para sacar el promedio. En este caso se utilizaron 3, sin embargo, debido a que la cantidad siempre es la misma, el resultado no varía si se cambia el número. También se debe elegir que se generen pronósticos. En este paso, se puede elegir la cantidad que se busque de pronósticos.

Figura 4.9. Ventana emergente para la realización de pronósticos por Promedios Móviles


La gráfica no tiene variación, como se puede apreciar en la figura 4.10.

9080706050403020101

4.0

3.8

3.6

3.4

3.2

3.0

Length 5Moving Average

MAPE 0MAD 0MSD 0

Accuracy Measures

Index

Dur

azno

en

Alm

íbar

ActualFitsForecasts95.0% PI

Variable

Moving Average Plot for Durazno en Almíbar

Capítulo 4

83

Figura 4.10. Gráfica del pronóstico por Promedios Móviles del Durazno en Almíbar


Además, la tabla 4.12 muestra el valor puntual del pronóstico, sin variación de límites superiores o inferiores. En este caso el error es prácticamente nulo.

Period Forecast Lower Upper 92 3.4 3.4 3.4 93 3.4 3.4 3.4 94 3.4 3.4 3.4 95 3.4 3.4 3.4 96 3.4 3.4 3.4

Tabla 4.12. Valores puntuales del pronóstico de Durazno en almíbar para los siguientes 5 períodos


Esto se realizó para cada uno de los 18 insumos con una cantidad de demanda constante.

4.7 DETERMINACIÓN DE LA FECHA DE LOS PEDIDOS

Debido a que los productos tienen una demanda variable y también las fechas de pedido no están definidas, se consideró pertinente predecir cada cuánto se realiza el pedido de cada uno de los productos para, de esta manera, preparar el centro de distribución para mandar los insumos aún antes de que estos hayan sido solicitados, con base en los datos históricos obtenidos con anterioridad.

Para realizar esta actividad, se consideraron las fechas de los pedidos de cada uno de los insumos. Se restó la fecha final del pedido utilizada para los pronósticos a la fecha del primer pedido realizado y posteriormente esta cantidad de días se dividió entre la cantidad de pedidos realizados del producto en este intervalo de fechas. Por ejemplo, para el betabel rallado, se tiene una cantidad de 22 datos, o sea, 22 pedidos. El primer pedido fue realizado el 3 de agosto de 2014 y el último pedido registrado fue el 28 de septiembre de 2015, estos son 421 días. Por lo tanto, dividiendo 421 días entre 22 pedidos, se tiene que cada pedido de betabel rallado ocurre aproximadamente cada 19 días.

Considerando que el último pedido registrado fue el 28 de septiembre de 2015, se predice que el siguiente pedido será 19 días después, o sea el día 17 de octubre aproximadamente. Esto se realizó con cada uno de los productos, prediciendo los siguientes 5 pedidos.

El pronóstico muestra la cantidad de producto que se requerirá en el siguiente período y esto muestra las fechas aproximadas del siguiente pedido.

Resultados

84

Se realizaron las proyecciones de las fechas de cada uno de los insumos hasta la primer fecha del 2016.

4.8 PRESENTACIÓN DE LOS RESULTADOS

La tabla 4.13 muestra los resultados de los pronósticos obtenidos por Promedios Móviles. Se pronosticaron los siguientes 5 períodos en cada uno de los insumos de productos críticos y estos son los que se muestran en las tablas.

La tabla 4.14 muestra los resultados de los pronósticos de Winters. El pronóstico mostrado es el elegido, debido a que, de las iteraciones realizadas, es el que tiene el menor error cuadrado medio (MSE).

Insumo Primer período

Segundo período

Tercer Período

Cuarto Período

Quinto Período

1 Aceituna negra 3 3 3 3 3 2 Aceituna verde 3.4 3.4 3.4 3.4 3.4 3 Aderezo César 3.78 3.78 3.78 3.78 3.78 4 Champiñones 1 1 1 1 1

5 Duraznos en

almíbar 3.4 3.4 3.4 3.4 3.4 6 Espinaca 1 1 1 1 1

7 Germinado de

alfalfa 0.2 0.2 0.2 0.2 0.2 8 Granos de elote 3.4 3.4 3.4 3.4 3.4 9 Mayonesa 3.78 3.78 3.78 3.78 3.78

10 Mil Islas 3.78 3.78 3.78 3.78 3.78 11 Mostaza 3.78 3.78 3.78 3.78 3.78 12 Nuez de la India 1 1 1 1 1

13 Queso

Parmiggiano 0.85 0.85 0.85 0.85 0.85 14 Queso Brie 0.26 0.26 0.26 0.26 0.26 15 Queso Feta 0.35 0.35 0.35 0.35 0.35 16 Queso Gouda 2.2 2.2 2.2 2.2 2.2 17 Queso Panela 1.8 1.8 1.8 1.8 1.8

18 Vinagreta Balsámica 1 1 1 1 1

Tabla 4.13. Pronósticos calculados por Promedios Móviles para los insumos con una demanda constante


85

Insumo Nivel Tendencia Estacionalidad

Primer período

Segundo período

Tercer Período

Cuarto Período

Quinto Período

MSE MAPE MAD MSD

1 Aceite de

oliva 0.1 0.9 0.9 1.2 2.2 1.1 1.4 2.6

.092 24.771 0.3132 0.3216

2 Aderezo Ranch 0.3 0.2 0.2 3.56 3.56 3.78 3.56 3.56

3.26384 16 0.68 1.4

3 Aguacate 0.05 0.05 0.05 0.75 0.72 0.79 0.76 0.72

.03784 28.23 0.18 0.088 4 Arándano 0.5 0.05 0.05 1.04 1.03 0.9 1.04 1.04

.00314 24.3169 0.2967 0.2297

5 Betabel rallado 0.3 0 0.5 0.77 0.42 0.59 0.54 0.29

.1272666 31.2323 0.2085 0.0947

6 Brócoli 0.4 0.1 0 0.59 0.63 0.69 0.56 0.6

.45524 55.6677 0.3898 0.23

7 Cebolla morada 0.5 0.3 0.3 0.54 0.36 0.31 0.45 0.27

0.009866 48.8638 0.2691 0.1256

8 Chimichurri 0.6 0.5 0.3 0.65 0.62 0.45 0.59 0.45

.0245 57.487 0.3312 0.1916 9 Croutones 0 0 0.2 2.4 2.6 2.4 2.4 2.6

.2 32.59 0.8241 1.1958

10 Jamón de

Pavo 0.1 0.1 0 0.59 0.51 0.54 0.56 0.48

.02926 44.7701 0.2056 0.0765

11 Jamón Serrano 0.1 0.1 0.2 0.71 0.86 0.67 0.72 0.88

0.06908 38.4513 0.3099 0.2021

12 Lechuga 0.2 0 0 31 27 27 31 28

52.32 33.787 9.227 145.052

13 Manzana

Verde 0.5 0.1 0.1 0.8 0.62 0.64 0.67 0.51

.24496 52.7505 0.5866 0.6273

14 Nuez

Garapiñada 0.9 0.1 0.1 1 0.94 0.93 0.98 0.92

.0018 34.5084 0.4211 0.6369

15 Pan Panini 0.05 0.5 0.2 40 40 38 40 40

186.8 40.899 10.257 173.46 16 Pasta Fusilli 0.2 0.2 0.2 2.8 2.9 3 2.9 2.9

1.048 37.9325 0.8699 1.2034

17 Pepino 0.1 0.2 0.2 5 4.5 5 5.4 5

1.3795 30.2128 1.1619 2.5053 18 Pepperoni 0.3 0.2 0.2 0.6 0.9 0.9 0.8 1.1

.0575 45.9402 0.1766 0.066

19 Pesto 0.5 0.1 0.1 0.5 0.5 0.4 0.4 0.4

.006 55.61 0.3213 0.1916

20 Pimiento Morrón 0.3 0.2 0 3.3 3.1 3 3.8 3.5

2.8753 60.8456 1.2254 3.101

21 Pollo 0.2 0.1 0 9.8 10 10 10 10.5

16.946 33.3712 1.98 6.7646

22 Queso de

Cabra 0.1 0.2 0.1 1.5 1.4 1.5 1.5 1.5

1.542 46.4546 0.5887 0.6319

Resultados

86

23 Queso

Mozzarella 0.3 0.2 0.1 0.7 0.7 0.7 0.8 0.8

.67 29.2495 0.1811 0.0958

24 Queso

Provolone 0.8 0.2 0.3 0.5 0.6 0.5 0.5 0.5

.13 85.1875 0.364 0.2516

25 Salami 0.3 0.1 1 0.93 0.5 0.3 1 0.5

.11872 66.2929 0.2798 0.2333 26 Tomate 0.05 0.3 0.3 1.7 1.5 1.5 1.6 1.4

.52474 48.6315 0.6032 0.5716

27 Bowl para ensalada 0.2 0.3 0.05 82 88 80 94 102

320 2379.06 23.68 1154.24

28 Tapadera de

Bowl 0.45 0.2 0 87 93 82 94 100

419.6 2871.43 24.9 1234.27

29 Zanahoria 0.1 0.3 0.05 4.4 4.3 4.7 4.7 4.5

.8038 34.0555 0.9611 1.4402

Tabla 4.14. Pronósticos calculados con el Método de Winter para una demanda móvil


Se realizaron las fechas de las proyecciones de los pedidos para cada uno de los insumos de los productos críticos hasta la primer fecha del año 2016.

La tabla 4.15 contiene las proyecciones de las fechas de cada producto en los siguientes 5 períodos, las cantidades de estos períodos fueron pronosticadas anteriormente.

Aceituna verde Aceituna negra Aderezo César Aderezo Ranch Aguacate Arándanos 10/28/2015 07:14 11/01/2015 21:31 10/23/2015 21:47 10/27/2015 01:09 10/31/2015 02:15 10/29/2015 18:24 11/03/2015 05:36 11/07/2015 04:23 10/30/2015 04:47 10/29/2015 12:06 11/06/2015 12:38 10/31/2015 22:09 11/09/2015 03:57 11/12/2015 11:15 11/05/2015 11:47 10/31/2015 23:04 11/12/2015 23:01 11/03/2015 01:54 11/15/2015 02:19 11/17/2015 18:07 11/11/2015 18:47 11/03/2015 10:01 11/19/2015 09:25 11/05/2015 05:39 11/21/2015 00:40 11/23/2015 00:59 11/18/2015 01:48 11/05/2015 20:59 11/25/2015 19:48 11/07/2015 09:24

Pollo Betabel Brócoli Cebolla morada Champiñón Chimichurri 10/28/2015 17:16 10/17/2015 17:06 10/27/2015 23:23 11/06/2015 23:31 10/30/2015 19:14 11/06/2015 02:37 10/29/2015 19:53 11/05/2015 20:28 11/03/2015 23:54 11/20/2015 07:10 11/02/2015 23:49 11/20/2015 20:40

Capítulo 4

87

10/30/2015 22:31 11/24/2015 23:50 11/11/2015 00:25 12/03/2015 14:49 11/06/2015 04:24 12/05/2015 14:43 11/01/2015 01:08 12/14/2015 03:12 11/18/2015 00:55 12/16/2015 22:28 11/09/2015 08:59 12/20/2015 08:46 11/02/2015 03:45 1/02/2016 06:35 11/25/2015 01:26 12/30/2015 06:07 11/12/2015 13:34 1/04/2016 02:49

Croutones Durazno en Almíbar Espinaca Germinado de Alfalfa Granos de elote Jamón de Pavo

10/29/2015 02:43 10/29/2015 16:18 10/13/2015 08:07 10/07/2015 13:16 10/30/2015 22:51 10/27/2015 01:32 10/30/2015 14:48 11/03/2015 18:24 11/09/2015 02:14 10/16/2015 12:49 11/03/2015 07:04 10/29/2015 12:24 11/01/2015 02:53 11/08/2015 20:30 12/05/2015 20:21 10/25/2015 12:21 11/06/2015 15:17 10/31/2015 23:16 11/02/2015 14:58 11/13/2015 22:37 1/01/2016 14:28 11/03/2015 11:54 11/09/2015 23:30 11/03/2015 10:08 11/04/2015 03:03 11/19/2015 00:43 1/28/2016 08:35 11/12/2015 11:26 11/13/2015 07:42 11/05/2015 21:00

Jamón Serrano Mayonesa Manzana Verde Aderezo Mil Islas Mostaza Nuez de la India 10/30/2015 08:14 10/29/2015 23:07 10/30/2015 16:13 11/06/2015 10:24 11/11/2015 10:48 10/28/2015 14:18 11/02/2015 01:49 11/04/2015 07:48 11/05/2015 16:35 12/01/2015 02:24 12/01/2015 12:43 11/03/2015 16:27 11/04/2015 19:24 11/09/2015 16:29 11/11/2015 16:57 12/25/2015 18:23 12/21/2015 14:38 11/09/2015 18:36 11/07/2015 13:00 11/15/2015 01:10 11/17/2015 17:19 1/19/2016 10:23 1/10/2016 16:33 11/15/2015 20:45 11/10/2015 06:35 11/20/2015 09:51 11/23/2015 17:40 2/13/2016 02:22 1/30/2016 18:28 11/21/2015 22:54

Nuez Garapiñada Pan Panini Queso Parmiggiano Pasta Fussili Pepino Pepperoni 10/27/2015 07:02 10/28/2015 18:22 10/31/2015 20:17 10/26/2015 05:51 10/29/2015 21:34 10/27/2015 22:32 10/29/2015 23:52 10/29/2015 22:06 11/08/2015 01:55 10/27/2015 21:48 11/04/2015 03:16 10/31/2015 06:25 11/01/2015 16:42 10/31/2015 01:50 11/15/2015 07:32 10/29/2015 13:45 11/09/2015 08:58 11/03/2015 14:18 11/04/2015 09:32 11/01/2015 05:34 11/22/2015 13:10 10/31/2015 05:42 11/14/2015 14:41 11/06/2015 22:10 11/07/2015 02:22 11/02/2015 09:17 11/29/2015 18:47 11/01/2015 21:39 11/19/2015 20:23 11/10/2015 06:03

Pesto Pimiento Morrón Queso Brie Queso de Cabra Queso Feta Queso Gouda 10/29/2015 04:14 11/03/2015 03:47 10/31/2015 11:26 10/29/2015 03:35 10/31/2015 00:06 10/31/2015 13:48 11/02/2015 18:02 11/08/2015 19:39 11/07/2015 08:13 10/30/2015 16:31 11/08/2015 15:53 11/04/2015 12:57 11/07/2015 07:50 11/14/2015 11:31 11/14/2015 05:00 11/01/2015 05:28 11/17/2015 07:40 11/08/2015 12:07 11/11/2015 21:38 11/20/2015 03:23 11/21/2015 01:46 11/02/2015 18:24 11/25/2015 23:27 11/12/2015 11:16 11/16/2015 11:26 11/25/2015 19:15 11/27/2015 22:33 11/04/2015 07:21 12/04/2015 15:14 11/16/2015 10:26

Queso Mozzarela Queso Panela Queso Provolone Salami Tomate Uva

Resultados

88

10/29/2015 20:24 10/24/2015 03:44 10/20/2015 00:55 10/24/2015 13:18 11/01/2015 23:21 10/26/2015 15:47 11/04/2015 02:08 10/25/2015 19:19 10/28/2015 10:15 11/01/2015 14:05 11/06/2015 10:46 10/28/2015 17:22 11/09/2015 07:52 10/27/2015 10:53 11/05/2015 19:35 11/09/2015 14:52 11/10/2015 22:11 10/30/2015 18:58 11/14/2015 13:36 10/29/2015 02:28 11/14/2015 04:54 11/17/2015 15:39 11/15/2015 09:37 11/01/2015 20:33 11/19/2015 19:20 10/30/2015 18:02 11/22/2015 14:14 11/25/2015 16:26 11/19/2015 21:02 11/03/2015 22:08

Vinagreta Balsámica Zanahoria Bowls para ensalada Tapadera de Bowl 10/27/2015 06:50 10/29/2015 19:23 10/26/2015 09:57 10/26/2015 15:04 11/05/2015 22:54 11/03/2015 22:55 10/28/2015 05:28 10/28/2015 15:41 11/15/2015 14:57 11/09/2015 02:27 10/30/2015 00:59 10/30/2015 16:19 11/25/2015 07:01 11/14/2015 05:58 10/31/2015 20:30 11/01/2015 16:56 12/04/2015 23:04 11/19/2015 09:30 11/02/2015 16:01 11/03/2015 17:33

Tabla 4.15. Proyecciones de las primeras 5 fechas de pedido del Restaurante Manzara 800


89

Con base en las cantidades de los pronósticos y las fechas obtenidas, se realizó un plan de aprovisionamiento para la sucursal 800 que servirá en un futuro para las sucursales de franquicias que se proyecta, abrirán a mediados del año 2016.

Además de la propuesta de la creación del puesto de Coordinador de Logística y Almacenamiento, que está encargado, entre otras actividades, de planear el aprovisionamiento del restaurante matriz y de las sucursales, también se propuso descontinuar los productos que obtienen la menor cantidad de ganancias para la empresa. Esto con la finalidad de simplificar la Cadena de Suministro, recortando insumos innecesarios.

4.9 NIVEL DE SERVICIO DE LOS INSUMOS DE PRODUCTOS CRÍTICOS

Para el cálculo del nivel de servicio, se utilizó el método estándar. Se realizó el cálculo de la materia prima necesaria para cumplir con distintos porcentajes de nivel de servicio. Corroborando esto con los pronósticos, se llegó al nivel de servicio adecuado para cada uno de los insumos.

Para la determinación del nivel de servicio, se tomaron en cuenta los datos reales adquiridos posterior a la realización del estudio. Estos datos se tomaron del Sistema de Inventario de Manzara 800 y también fueron utilizados para el cálculo del Error Cuadrado Medio de los pronósticos por método de Winters.

La tabla 4.16 muestra el valor máximo de los cinco periodos de los datos reales obtenidos del sistema, que se compararon con los pronósticos y las distribuciones obtenidas, así como los valores de los cuantiles obtenidos por la distribución.

PRODUCTO

80% 85% 90% 95% 99%

Valor máximo de los últimos 5 períodos

Aceite de Oliva 1.38482 1.632352 1.98123 2.577639 3.962459 1.7

Aderezo Ranch 4.700601 4.915407 5.194672 5.62726 6.50008 4.548

Aguacate 0.8944864 0.9574252 1.040604 1.172214 1.446652 0.564

Arándanos 1.451199 1.544289 1.6699 1.875 2.3308 1

Betabel 0.8261 0.9033 1.0108 1.1941 1.6324 0.562

Brócoli 1.1173 1.2123 1.33915 1.5421 1.973 0.822

Cebolla morada 0.760488 0.8239 0.911411 1.05837 1.4009 0.382

Resultados

90

Chimichurri 0.883 0.9531 1.046 1.19 1.508 1

Croutones 3.6173 3.8909 4.2647 4.8857 6.30501 2.6

Jamón de Pavo 0.6862 0.75045 0.8398 0.9921 1.3564 0.65

Jamón Serrano 0.9872 1.07006 1.18426 1.37632 1.8245 0.7

Lechuga 47.372 52.8353 60.6122 74.293 108.8316 27.84

Manzana Verde 1.88865 2.1066 2.41696 2.9629 4.3417 0.84

Nuez Garapiñada 1.515 1.6395 1.8109 2.09848 2.76663 0.982

Pan Panini 40.29 43.15 46.93 52.911 65.39 31.2

Pasta Fussili 3.469371 3.70265 4.01032 4.495872 5.504367 3.14

Pepino 5.85514 6.422 7.2138 8.57062 11.84153 4.002

Pepperoni 0.60085 0.65663 0.73423 0.86643 1.18197 0.73

Pesto 1.009193 1.113132 1.253346 1.480982 1.974007 0.5

Pimiento Morrón 4.26233 4.80136 5.577469 6.9644 10.56338 1.922

Pollo 10.1432 10.6258 11.23322 12.1333 13.8219 8.04

Queso Mozzarela 0.70344 0.75226 0.81852 0.92762 1.17301 0.8

Queso Provolone 0.9772896 1.08743 1.236887 1.48128 2.016034 0.8

Salami 0.64057 0.72662 0.85149 1.077114 1.67397 0.5

Tomate 2.041462 2.204895 2.422236 2.76885 3.50028 1.198

Bowls para ensalada 93.133 99.38 107.26 118.92 140.8151

74.8

Tapadera de Bowl 92.39 98.706 106.65 118.42 140.51 74.8

Zanahoria 4.75037 5.1793 5.77464 6.785031 9.18143 4.196

Tabla 4.16. Tabla de cuantiles y promedios reales para los primeros 5 períodos de los insumos calculados por método de Winters.


Capítulo 4

91

Como se puede apreciar en la tabla 4.16, la mayoría de los productos tienen una demanda real que se puede satisfacer con un nivel de servicio de 80% y los demás, se pueden satisfacer con un nivel de servicio del 90%.

Debido a que el espacio es un factor importante a considerar, se realizó el cálculo de los requerimientos de materia prima con base en el nivel de servicio mostrado en la tabla 4.16.

En la tabla 4.17, se puede apreciar el valor puntual del cuantil elegido para cada uno de los insumos junto con su valor promedio y el promedio de los pronósticos de Winters.

PRODUCTO Nivel de Servicio Promedio pronósticos Promedio real Aceite de Oliva 1.98 1.7 1.7 Aderezo Ranch 4.700601 3.604 4.548 Aguacate 0.8944864 0.748 0.564 Arándanos 1.451199 1.01 1 Betabel 0.8261 0.522 0.562 Brócoli 1.1173 0.614 0.822 Cebolla morada 0.760488 0.386 0.382 Chimichurri 1.046 0.552 1 Croutones 3.6173 2.48 2.6 Jamón de Pavo 0.6862 0.536 0.65 Jamón Serrano 0.9872 0.768 0.7 Lechuga 47.372 28.8 27.84 Manzana Verde 1.88865 0.648 0.84 Nuez Garapiñada 1.515 0.954 0.982 Pan Panini 40.29 39.6 31.2 Pasta Fussili 3.469371 2.9 3.14 Pepino 5.85514 4.98 4.002 Pepperoni 0.73 0.86 0.73 Pesto 1.009193 0.44 0.5 Pimiento Morrón 4.26233 3.34 1.922 Pollo 10.1432 10.06 8.04 Queso Mozzarela 8.4 0.74 0.8 Queso Provolone 0.9772896 0.52 0.8 Salami 0.64057 0.646 0.5 Tomate 2.041462 1.54 1.198 Bowls para ensalada 93.133 89.2 74.8

Resultados

92

Tapadera de Bowl 92.39 91.2 74.8 Zanahoria 4.75037 4.52 4.196

Tabla 4.17. Promedio de pedidos real, promedio del valor de los pronósticos y valor puntual del nivel de servicio.


Como se puede observar, tanto el método de los pronósticos como el de las distribuciones son confiables para realizar la planeación anticipada de la materia prima para productos críticos.

Además, se pudo observar que para un nivel de servicio de 90%, todos los artículos tienen valores por debajo del pronóstico y, a excepción de 4, todos los artículos tienen sus valores por debajo del pronóstico a un nivel de servicio del 80%.

Utilizando lo anterior, se propone una planeación de requerimientos de materia prima anticipada de dos semanas, manejando directamente un presupuesto estable y un plan de compra que muestre la cantidad y la fecha a adquirir el producto, como se muestra en la determinación de la fecha del siguiente pedido.

4.10 ACUERDOS ALCANZADOS

Posterior a aplicar los métodos estadísticos y mostrar los resultados, se propuso realizar la planeación de requerimientos de materia prima considerando cantidad y fecha de adquisición con base en el 80% del nivel de servicio y el pronóstico de Winters.

Esta planeación permite a la empresa prepararse económicamente para la adquisición de su materia prima, mejorar la relación con proveedores y evitar multas por cheques botados.

Además, se acordó que las distribuciones ajustadas se tomarán en consideración para el abastecimiento de las franquicias que se abrirán en el futuro.

El principal acuerdo que se tomó con la empresa fue tomar como base el aprovisionamiento de los productos críticos de la sucursal 800, para las futuras franquicias y así, ofrecerle al franquiciatario el nuevo servicio de apoyo con la distribución de materia prima desde la matriz. Esto llevará a un ahorro en costos de logística por parte de la empresa, tanto en las sucursales localizadas en Los Mochis, como en las futuras franquicias que estarán localizadas en diversas ciudades de la República Mexicana.

Capítulo 4

93

Una vez implementado, el plan de abastecimiento de materia prima, solamente en la sucursal 800, que es la actual, ayudó a reducir el costo de logística de un promedio de 20,000 pesos al mes a 7,000 pesos al mes. Esto debido a que se evitan los viajes extra, las multas de los proveedores por rebotar cheques y se aprovechan las ofertas por comprar por volumen.

Conclusiones

94

Actualmente la cadena de restaurantes Grupo Gaudir tiene un gran problema de suministro en las sucursales existentes, además de que tienen una mayor responsabilidad futura, dado que actualmente están ofreciendo franquicias a diversas ciudades de la República Mexicana, por lo que sus obligaciones de controlar el aprovisionamiento de materia prima son de vital importancia.

La empresa no cuenta con una planeación de aprovisionamiento y peor aún, el modelo de franquicias (restaurante denominado Manzara 800) tiene un almacén muy pequeño. Los costos de logística y aprovisionamiento son elevados y se multiplicarán considerablemente si no se empiezan a controlar, una vez que se tengan franquicias fuera de la ciudad, como es la proyección de la empresa.

Comúnmente se tienen que hacer pedidos extra, dar doble vuelta, comprometer el servicio al cliente y gastar tiempo y dinero sin necesidad. Además, un grave problema que ocurre en la empresa es que, al no proyectar los gastos por aprovisionamiento, no es poco común entregar cheques sin fondos, que no sólo son una gran molestia para los proveedores al cobrar, sino que incurren en una multa que la empresa debe absorber.

Tomando en consideración la información del Sistema de Inventarios otorgada por la empresa, se realizó una propuesta de solución, basada en una metodología que fue estructurada bajo los siguientes principios:

Selección de los productos críticos, modelación estadística clásica y moderna, principios de inventarios y pronósticos.

Una vez concluida la investigación y comprobado el funcionamiento de la metodología, corroborado con los datos de las fechas siguientes a la toma de los mismos, se puede concluir que la conjunción de estos métodos y teorías da como resultado la propuesta de abastecimiento de los insumos críticos no solamente en la sucursal 800, sino en las futuras franquicias.

La comprobación del funcionamiento de la metodología se puede observar en la tabla 4.13, la cual muestra los valores reales del requerimiento de materia prima, así como los valores del ajuste de las distribuciones y los pronósticos. Esta comparación muestra resultados aceptables que dependen del nivel de servicio deseado.

Debido a que la empresa maneja aproximadamente 400 insumos, el primer paso de la metodología fue la aplicación del principio de Pareto, con el fin de obtener los

Conclusiones

95

artículos clave y, con base en estos, se determinaron los insumos críticos, ya que es la materia prima que utilizan los artículos clave.

Se concluyó que los 15 productos que más ganancia generan, suponen el 79.2% (Tabla 4.4) de la ganancia total de ventas. Estos 15 productos, son producidos con un total de 47 insumos, que son los analizados en la investigación.

Posteriormente, se pasó a recolectar y corregir la información del Sistema de Inventarios, analizando su dispersión y distribución en Excel.

A continuación se utilizó el programa Project R, ajustando el comportamiento de los datos a las distribuciones Exponencial, Log-Normal, Gamma y Normal, calculando y comparando su verosimilitud.

Se obtuvo el siguiente resultado:

Un producto ajustado a distribución exponencial, 9 productos ajustados a distribución Gamma, 15 productos ajustados a distribución Log-Normal y 3 productos ajustados a distribución Normal. Los demás insumos críticos no se tomaron en cuenta para el ajuste de las distribuciones debido a que la cantidad que se compra de los mismos siempre es constante, por lo tanto, se limitó a calcular los pronósticos utilizando el método más simple de promedios móviles.

Una vez obtenida la distribución, se calcularon los cuantiles 80%, 85%, 90%, 95% y 99% con el fin de obtener el nivel de servicio más conveniente. Posteriormente se realizaron los pronósticos utilizando el método de Winters, debido a que éste toma en cuenta los parámetros de nivel, tendencia y estacionalidad, por lo que se pueden ajustar a cualquier variedad de datos. Se realizaron varias iteraciones de este proceso, comparando el error cuadrado medio, que se obtiene una vez que se obtuvieron más datos históricos. Además, se promedió el tiempo entre cada uno de los pedidos de los insumos para conocer las fechas en que es probable que se soliciten los mismos. En el plan de aprovisionamiento, esto otorga la fecha en que se debe mandar el producto y la distribución otorga la cantidad de producto que se debe enviar. Por último, se estableció el nivel de servicio, con base en los pronósticos y la información real obtenida posteriormente. El nivel de servicio se estableció en 80% para 25 insumos y en 90% para los otros 4 insumos (los resultados se pueden ver en la tabla 4.12). Además, se estableció un acuerdo con la empresa de comenzar a realizar estos pronósticos para la sucursal 800 y de tomar esta investigación como base para el aprovisionamiento de futuras franquicias fuera de la ciudad. También se acordó

Conclusiones

96

que las franquicias en otras ciudades se planearán con un almacén más grande, debido a que la capacidad de la sucursal 800 es muy baja. Uno de los principales retos que se presentaron en la realización del presente trabajo fueron los siguientes: La gran cantidad de insumos que utiliza la empresa, muchos de ellos muy poco significativos (hay una lista de más de 400 insumos diferentes, algunos que ya ni siquiera se utilizan, sin embargo, los encargados no los han eliminado del sistema). Los datos tenían un gran número de errores que debían ser corregidos. Debido a que el sistema es alimentado por la información que el trabajador en turno ingrese, en ocasiones existen problemas con las unidades, errores de captura, etc. Que tuvieron que ser corregidos antes de analizar los datos. Para continuar el estudio, se propone eliminar todos los insumos que ya no sean utilizados del sistema, considerar y eliminar insumos que no están otorgando valor a la empresa y realizar el ajuste de las distribuciones y los pronósticos de cada uno de los insumos de la empresa. Además, se propone que al menos cada mes, se revise la información y se vuelvan a calcular los pronósticos con el fin de tener la información más actualizada y que en un futuro las franquicias sean abastecidas utilizando su misma información. Es posible también introducir los costos para trabajar la investigación además bajo el enfoque económico, aprovechando los descuentos de compra por volumen, acuerdos con clientes y proveedores, etc.

97

BIBLIOGRAFÍA

7 eleven. (2015). Recuperado en septiembre de 2015 de: http://www.sej.co.jp/company/en/g_stores.html.

Aguilar Santamaría, P. A. (2012). Un modelo de clasificación de inventarios para incrementar el nivel de servicio al cliente y la rentabilidad de la empresa. Pensamiento & Gestión, (32), 142-164.

Aldave, A., & Cristina, M. (2010). Las franquicias en México en 1999 y 2007.Contaduría y administración, (230), 131-146.

Arango, J., Castrillón, O., & Giraldo, J. (2012). Modelo de Gestión de Compras basado en inventarios por demanda según nivel de servicio a partir de pronósticos de ventas.

Ballou, R. H., Gilbert, S. M., & Mukherjee, A. (2000). New managerial challenges from supply chain opportunities. Industrial Marketing Management, 29(1), 7-18.

Ballou, R. H. (2001). Unresolved issues in supply chain network design. Information Systems Frontiers, 3(4), 417-426.

Ballou, R. H. (2004). Logística: Administración de la cadena de suministro. Pearson Educación.

Ballou, R. H. (2006). The evolution and future of logistics and supply chain management. Production, 16(3), 375-386.

Blair, R. D., & Lafontaine, F. (2005). The economics of franchising. Cambridge University Press.

Burger King. (2010). Recuperado en septiembre de 2015 de: http://www.bk.com/international.

Caldeira, S., (2015). ECONOMIC IMPACT OF FRANCHISED BUSINESSES.. International Franchise Association

Carrefour. (2014). Recuperado en septiembre de 2015 de: http://www.carrefour.com/sites/default/files/Registration Document 2014.pdf.

Cerón, G., (2011). Franquicias mexicanas. El empresario.

98

Chandra, C., & Kumar, S. (2000). Supply chain management in theory and practice: a passing fad or a fundamental change?. Industrial Management & Data Systems, 100(3), 100-114.

Chase, R. B., Aquilano, N. J., & Jacobs, F. R. (2001). Administración de producción y operaciones: manufactura y servicios. McGraw-Hill Interamericana.

Chatfield, C., & Yar, M. (1988). Holt-Winters forecasting: some practical issues. The Statistician, 129-140.

Chen, F., Drezner, Z., Ryan, J. K., & Simchi-Levi, D. (2000). Quantifying the bullwhip effect in a simple supply chain: The impact of forecasting, lead times, and information. Management science, 46(3), 436-443.

Chopra, S., & Meindl, P. (2008). Administración de la cadena de suministro. Estrategia, planeación y operación, 3.

Christopher, J. (1992). Logistics and Supply Chain Management: Strategies for Reducing Cost and Improving Cost and Improving Services. MA: Pitman, Boston.

DIA. (2013). Recuperado en septiembre de 2015 de: http://www.diacorporate.com/es/negocio/franquicias-dia/.

Domino’s Pizza. (2010). Recuperado en septiembre de 2015 de: http://www.recipepizza.com/the_history_of_dominos_pizza.htm.

Dunkin’ Donuts. (2015). Recuperado en septiembre de 2015 de: http://www.entrepreneur.com/franchises/dunkindonuts/282304-0.html.

Fisher Marshall, L. (1997). What is Right Supply Chain for the Product?. Harvard Business Review, 111.

Frazelle, E. H. (1999). The Language of Logistics. Logistics Resources International.

Gale, T. (2007). Encyclopedia of Small Business. Recuperado en septiembre de 2015 de: http://www.encyclopedia.com/topic/Small_business.aspx

GNC Franchising. (2015). Recuperado en septiembre de 2015 de: http://www.entrepreneur.com/franchises/gncfranchising/282377-0.html.

González, D. (2010). Los Siete Desperdicios de la Cadena de Suministro. Recuperado en septiembre de 2015 de: https://cadenadesuministro.wordpress.com/2010/04/14/los-siete-desperdicios-de-la-cadena-de-suministro/

Grubb, H., & Mason, A. (2001). Long lead-time forecasting of UK air passengers by

99

Holt–Winters methods with damped trend. International Journal of Forecasting, 17(1), 71-82.

Handfield, R. B., & Nichols, E. L. (1999). Introduction to supply chain management (Vol. 1). Upper Saddle River, NJ: prentice Hall.

Hertz. (2014). Recuperado en septiembre de 2015 de: https://www.hertz.com/rentacar/misc/index.jsp?targetPage=hertzfranchise.jsp.

INEGI. (2014). Resultados Censo Económico 2014. Recuperado en septiembre de 2015 de: http://www.inegi.org.mx/est/contenidos/proyectos/ce/ce2014/default_t.aspx.

Juarez, J., 2015. 5 puntos para tener una franquicia exitosa. Recuperado en septiembre de 2015 de: http://www.forbes.com.mx/5-puntos-para-tener-una-franquicia-exitosa/

Kentucky Fried Chicken. (2015). Recuperado en septiembre de 2015 de: http://www.kfc.com/about/franchising.

Lafontaine, F., & Kaufmann, P. J. (1994). The evolution of ownersip patterns in franchise systems. Journal of Retailing, 70(2), 97-113.

Lambert, D. M., Stock, J. R., & Ellram, L. M. (1998). Fundamentals of logistics management. McGraw-Hill/Irwin.

Lee, H. L., & Billington, C. (1995). The evolution of supply-chain-management models and practice at Hewlett-Packard. Interfaces, 25(5), 42-63.}

Libava, J., 2014. 5 elementos de una franquicia exitosa. soyEntrepreneur.com. Recuperado en septiembre de 2015 de: https://www.entrepreneur.com/article/267663

Liu, L. M., Hudak, G. B., Box, G. E., Muller, M. E., & Tiao, G. C. (1992). Forecasting and time series analysis using the SCA statistical system (Vol. 1). DeKalb, IL: Scientific Computing Associates.

Makridakis, S. G., & Wheelwrigth, S. C. (2007). Métodos de pronósticos. Limusa.

Mentzer, J. T., DeWitt, W., Keebler, J. S., Min, S., Nix, N. W., Smith, C. D., & Zacharia, Z. G. (2001). Defining supply chain management. Journal of Business logistics, 22(2), 1-25.

Nahmias, S. (2007). Análisis de la producción y las operaciones.

Parsa, H. G., Self, J. T., Njite, D., & King, T. (2005). Why restaurants fail. Cornell Hotel and Restaurant Administration Quarterly, 46(3), 304-322.

100

Períbañes, A., 2015. Caracteristicas principales de la franquicia. Recuperado en septiembre de 2015 de http: //www.laboris.net/static/franquicias_aseso3.aspx

Pizza Hut. (2015). Recuperado en septiembre de 2015 de: http://blog.pizzahut.com/our-story/.

Santesmases, M. (2004). Marketing: conceptos y estrategias.

Shane, S., 2011. How Much does Franchising Contribute to the Economy? Recuperado en septiembre de 2015 de: https://www.americanexpress.com/us/small-business/openforum/articles/how-much-does-franchising-contribute-to-the-economy-1/

Simchi-Levi, D., Snyder, L., & Watson, M. (2002). Strategies for uncertain times. Supply Chain Management Review, 6(1), 11-12.

Sniegowiski, D., 2008. IFA Shows Franchising Strong. Blue MauMau. Recuperado en septiembre de 2015 de: http://www.bluemaumau.org/7899/elusive_earnings_claim

Subway. (2015). Recuperado en septiembre de 2015 de: http://www.subway.com/subwayroot/exploreourworld.aspx.

Tan, K. C. (2001). A framework of supply chain management literature. European Journal of Purchasing & Supply Management, 7(1), 39-48.

Vidal Holguín, C. J., Londoño Ortega, J. C., & Contreras Rengifo, F. (2011). Aplicación de modelos de inventarios en una cadena de abastecimiento de productos de consumo masivo con una bodega y N puntos de venta.

Winters, P. R. (1960). Forecasting sales by exponentially weighted moving averages. Management Science, 6(3), 324-342.

Wyndham Hotel Group. (2015). Recuperado en septiembre de 2015 de: http://careers.wyndhamworldwide.com/about/wyndham-hotel-group.

101

ANEXO A Comportamiento aleatorio de las ventas

Comportamiento por producto (del 9 de mayo de 2014 al 14 de agosto de 2015)

Aceite de Oliva Aderezo Ranch

Aguacate Arándano

Betabel Rallado Brócoli

6/10/2014 00:009/18/2014 00:00

12/27/2014 00:004/06/2015 00:007/15/2015 00:00

10/23/2015 00:001/31/2016 00:00

0 1 2 3 46/10/2014 00:009/18/2014 00:00

12/27/2014 00:004/06/2015 00:007/15/2015 00:00

10/23/2015 00:001/31/2016 00:00

0 1 2 3 4

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 2

10/06/2014 00:0018/09/2014 00:0027/12/2014 00:0006/04/2015 00:0015/07/2015 00:0023/10/2015 00:0031/01/2016 00:00

0 1 2 3 4 5

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

0 0.5 1 1.510/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 2

102

Cebolla morada Chimichurri

Croutones Jamón de Pavo


10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 2 2.510/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 5 10 1510/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 2 2.5

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 1 2 3 46/10/2014 00:00

9/18/2014 00:00

12/27/2014 00:00

4/06/2015 00:00

7/15/2015 00:00

10/23/2015 00:00

0 20 40 60 80

103



Pepino Pepperoni

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 1 2 3 4 510/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 1 2 3 4 5

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 20 40 60 80 10010/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 2 4 6 8 10

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 2 4 6 8 1010/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 2

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 2 2.510/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 2 4 6 8

Series1

104

Pesto Pimiento Morrón

Pollo Queso de Cabra

Queso Mozzarella Queso Provolone

Salami Tomate

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 5 10 15 20 2510/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 2 4 6 8

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 210/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 0.5 1 1.5 2 2.5

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 1 2 3 4

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 1 2 3 4

105

Bowl para ensalada Tapadera de Bowl para ensalada

Zanahoria

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 50 100 150 200 250

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 50 100 150 200 250

10/06/2014 00:00

18/09/2014 00:00

27/12/2014 00:00

06/04/2015 00:00

15/07/2015 00:00

23/10/2015 00:00

31/01/2016 00:00

0 5 10

106

ANEXO B Histograma

Comportamiento por producto (del 9 de mayo de 2014 al 14 de agosto de 2015)

Aceite de Oliva Aderezo Ranch

Aguacate Arándano

Betabel Rallado Brócoli

0

20

40

60

Frec

uenc

ia

Clase 0

50

100

150

200

Frec

uenc

ia

Clase

0

10

20

3040

Frec

uenc

ia

Clase 0

50

100

150

200

Frec

uenc

ia

Clase

02468

10

Frec

uenc

ia

Clase

05

101520

Frec

uenc

ia

Clase

107

Cebolla morada Chimichurri

Croutones Jamón de Pavo



05

10152025

Frec

uenc

ia

Clase

0

5

10

15

Frec

uenc

ia

Clase

050

100150200

Frec

uenc

ia

Clase

020406080

100

Frec

uenc

ia

Clase

020406080

100120

0.5

0.62

50.

750.

875 1

1.12

51.

251.

375

1.5

1.62

51.

751.

875

y m

ayor

...

Frec

uenc

ia

Clase

01020304050

Frec

uenc

ia

Clase

010203040

Frec

uenc

ia

Clase0

50

100

150

Frec

uenc

ia

Clase

108


Pepino Pepperoni

Pesto Pimiento Morrón

020406080

Frec

uenc

ia

Clase

0

50

100

150

Frec

uenc

ia

Clase

0

5

10

15

20

25

30

Frec

uenc

ia

Clase 0

20

40

60

80

Frec

uenc

ia

Clase

01020304050

0.2

0.38

0.56

0.74

0.92 1.

11.

281.

461.

641.

82y

may

or...

Frec

uenc

ia

Clase0

5

10

15

20

25

30

35

Frec

uenc

ia

Clase

109

Pollo Queso de Cabra

Queso Mozzarella Queso Provolone

Salami Tomate

020

406080

100120

140

Frec

uenc

ia

Clase 0

50

100

150

200

Frec

uenc

ia

Clase

0

20

40

60

80

Frec

uenc

ia

Clase

05

10152025

Frec

uenc

ia

Clase

01020304050

Frec

uenc

ia

Clase

05

101520

0.4

0.67

80.

956

1.23

41.

512

1.79

2.06

82.

346

2.62

42.

902

y m

ayor

...

Frec

uenc

ia

Clase

110

Bowl para ensalada Tapadera de Bowl para ensalada

Zanahoria

0

50

100

150

Frec

uenc

ia

Clase

020406080

100120140

Frec

uenc

ia

Clase

05

101520253035

Frec

uenc

ia

Clase

111

ANEXO C Ejemplo de la estimación de verosimilitud en R

112

ANEXO D Ejemplo de cálculo de los cuantiles en R

T E S I S - 148.204.210.201148.204.210.201/tesis/1471977445301TesisPedroAnt.pdf · para la mayoría...

Documents

Transcript of T E S I S - 148.204.210.201148.204.210.201/tesis/1471977445301TesisPedroAnt.pdf · para la mayoría...