9

CAPTULO I
INTRODUCCIN

10

1.1

Antecedentes

Hace treinta aos, gestin de la demanda, segn (Frederick S. Hillier,

2002) dentro de la mayora de las empresas de fabricacin era un trmino poco
utilizado, casi inexistente en el vocabulario dentro de las compaas. Hoy en da,
las empresas y las cadenas de suministro estn desarrollando modelos
totalmente nuevos para la gestin de la demanda. Las empresas estn utilizando
el plan de demanda para impulsar su oferta y planes financieros, lo que est
provocando que los planes de demanda se actualicen mensualmente, en lugar de
trimestral o anualmente. Los clientes y los proveedores estn colaborando para
comunicar informacin de demanda mensual, semanal e incluso en tiempo casi
real y desarrollar tcticas para captar ventas. Como resultado, las funciones, las
responsabilidades y las mejores prcticas de gestin de la demanda estn
cambiando y siguen evolucionando.
Por ejemplo, los accionistas y analistas de Wall Street estn cada vez ms
implacable cuando los ingresos por ventas y los beneficios son menos de lo que
se ha prometido. Es bien sabido que los pronsticos de demanda inexactos
resultan en inventarios no deseados y problemas tcnicos de suministro de ese
servicio, compromiso al cliente, ventas y resultados financieros.
Con respectos a los clientes, cada vez ms son exigentes y menos
tolerantes con sus proveedores. Ellos esperan que el rendimiento de entrega,
disponibilidad de productos y la capacidad de respuesta sea a la brevedad

11

posible y que siempre se mantengan actualizados con las mejoras continuas.

Algunos clientes son tan audaces, por ejemplo en los Estados Unidos, segn
Sarmiento & Nagi (1999), como los comercios minoristas, estn exigiendo a sus
proveedores cumplir las normas de buenas prcticas para la colaboracin de la
demanda y la reposicin.
Para los proveedores, se est convirtiendo cada vez ms difcil lograr las
expectativas de rendimiento de los clientes. Crum (2003) dice que incluyendo las
expectativas de precios sin una previsin de la demanda precisa y gestin de la
demanda efectiva: costo, flujo de efectivo y ganancias son presiones que no
permiten el uso extensivo de inventario para amortiguar los efectos de un
pronstico fiable.
La palabra oportunidad, como nos dice George E. P. Box (2008), tambin
est impulsando una mayor conciencia de la necesidad de una gestin de la
demanda efectiva. Cada vez son ms los ejecutivos que reconocen los beneficios
financieros de todos los socios de la cadena de suministro, cuando el inventario
es mejor controlado y los residuos se eliminan de las cadenas de suministro.
Tambin reconocen que sin mecanismos de previsin y sin comunicar los planes
de demanda, es extremadamente difcil reducir inventarios y costos de la cadena
de suministro.
Hoy en da, muchas empresas, sobre todo en la industria de bienes de
consumo, se ponen en prctica la colaboracin de la demanda como parte de sus

12

esfuerzos para reducir la cantidad de capital necesario para apoyar la cadena de

suministro. La gran mayora de las empresas en la mayora de las industrias
estn al menos empezando a explorar las asociaciones comerciales de
colaboracin y se han dado cuenta que son beneficiosos y si es as, Qu se
requiere para asociarse con xito?

Estn descubriendo que la colaboracin

exitosa comienza con el proceso de gestin de la demanda interna efectiva

(Serna, 2010) que se integran con el suministro de la empresa y los procesos de
planificacin financiera.
Estos cambios, podran llamarse avances, logra alterar el paisaje de los que
trabajan en ventas, marketing y gestin de producto/marca, en lugar de operar
como silos funcionales dentro de una organizacin; las decisiones se basan cada
vez ms en el impacto en la organizacin en su conjunto.
El objetivo de la gestin empresarial integrada es doble, como indica
(Lederman, 2003):
1. Asegurar que la demanda, la oferta y los planes financieros estn
sincronizados y ejecutados segn lo previsto.
2. Garantizar que las decisiones con respecto a la demanda, la oferta y los
productos darn el mejor desempeo financiero de la empresa.
Algunas empresas ven sus esfuerzos de integracin internos como
requisito previo para ser un socio comercial eficaz. El pensamiento es: Vamos a
conseguir nuestra propia casa interna con el fin antes de comenzar a colaborar

13

con nuestros clientes y proveedores. Como resultado se cuenta con un nmero

creciente de empresas que se centran en el desarrollo de gestin de la demanda
como una competencia bsica.
Las ventajas de la gestin de la demanda efectiva en toda la cadena de
suministro se han hablado durante muchos aos. Un artculo publicado en una
importante revista de negocios observ en 1996:
Hasta ahora, los socios de la cadena de suministro han cooperado slo en
el corto plazo, a travs de rdenes. Lo que tienen que hacer es tener en sus
sistemas generales de pronsticos y planificacin integrada, para una visin a
largo plazo. Si todo el mundo puede estar de acuerdo en un pronstico y se
adhieren a ella, entonces no tendran que estar cambiando sus programas de
produccin de ida y vuelta. Esa es la manera de obtener mejores mrgenes.
Por qu no hay ms cadenas de suministro integradas con sus procesos
de planificacin de demanda con una visin a largo plazo? Para ello se requiere
una mayor competencia en tres reas: la integracin de procesos de negocio,
desarrollo de personas y la infraestructura de la informacin.
Demasiadas veces, se enfocan en la tecnologa de la informacin e
invierten mucho dinero y tiempo slo en esta rea; sin embargo, la tecnologa de
la informacin por s sola no da un pronstico exacto para garantizar una gestin
de la demanda efectiva.

14

En la actualidad, muchas compaas utilizan investigacin de operaciones

para mejorar sus polticas de inventarios respecto a cundo y cunto reabastecer
su inventario. Para ello, se aplica la administracin cientfica de inventarios que
comprende los siguientes pasos, segn (Frederick S. Hillier, 2002):
1.

Formular un modelo matemtico que describa el comportamiento

del sistema de inventarios.

2.

Derivar una poltica ptima de inventarios respecto a este modelo.

3.

Utilizar

un

sistema

de

procesamiento

de

informacin

computarizado para mantener un registro de los niveles del inventario.

4.

A partir de los registros de los niveles de inventario, utilizar la

poltica ptima de inventarios para sealar cundo y cunto conviene

reabastecer.
Los modelos matemticos de inventarios usados con este enfoque se
pueden dividir en dos grandes categoras segn la posibilidad de predecir la
demanda:
a.

Modelos Determinsticos

b.

Modelos Estocsticos

La demanda de un producto en inventario es el nmero de unidades que

ser necesario extraer del inventario para algn uso durante un periodo
especfico. Si la demanda en periodos futuros se puede pronosticar con precisin
considerable, es razonable usar una poltica de inventarios que suponga que los

15

pronsticos siempre sern muy precisos. ste es el caso de la demanda conocida

donde se usa un modelo de inventarios determinsticos. Sin embargo, cuando no
se puede predecir con exactitud, es necesario usar un modelo de inventarios
estocsticos donde la demanda en cualquier periodo es una variable aleatoria en
lugar de una constante conocida. Para esta investigacin se utiliz un Modelo
Estocstico, ya que la demanda vara constantemente y todos los meses se tienen
clientes nuevos con el inters de comprar el producto.
1.2

Descripcin del Problema

1.2.1 Planteamiento del problema

El plan de previsin o su demanda (Crum, 2003) a menudo es objeto de
mucho debate y de desconfianza, sobre todo por la oferta y organizaciones
financieras. Como son desarrolladas las ventas y mercadeo en las organizaciones
debera ser desarrollado en la previsin o en el desarrollo del plan de la
demanda, son temas como estos que traen debates. Por qu el debate, la
confusin y la frustracin resultante? La gestin de la demanda con frecuencia no
se considera como un proceso. El desarrollo de la previsin de la demanda es
visto como un evento ms, que como parte de un proceso ms amplio.
Cuando la previsin es tratada como un evento, algo que se debe hacer
una vez al mes, por ejemplo, la exactitud del pronstico sufre inevitablemente.
Cuando la previsin es crnica y significativamente inexacta, es frecuentemente
visto como segundo plano o simplemente se utiliza en absoluto para impulsar las

16

tasas de produccin y proyecciones financieras.

Y cuando no se utiliza la

previsin de la demanda, los responsables de la entrada en la previsin

consideran que sus esfuerzos han sido una prdida de tiempo, as lo menciona
Ketzenberg, Metters, & Semple (2006) en sus escritos. La calidad de la previsin
sufre inevitablemente, lo que perpeta la creencia de que la previsin no es
confiable.
Un primer concepto bsico por entender es que la gestin de la demanda
representa mucho ms que el desarrollo de una previsin de la demanda. Segn
Kotler (1999), un lder respetado en la gestin de marketing, gestin de la
demanda implica influir en el nivel, el tiempo y la composicin de la demanda.
Kotler (1997) hace referencia a dos puntos clave sobre gestin de la
demanda. En primer lugar, la gestin de la demanda es la responsabilidad de la
organizacin de marketing (que considera la parte funcin de venta de la funcin
de marketing). En segundo lugar, la previsin de la demanda es el resultado de
los esfuerzos de marketing planificadas. Esfuerzos de marketing planificadas no
slo debe estimular la demanda, sino que deben influir en la demanda por lo que
se logran objetivos en la compaa.
En este contexto, se evidencia la necesidad de generar herramientas de
apoyo para mejorar la gestin de dicho sistema, brindando soporte a las
decisiones que deben tomarse en niveles tcticos y operativos del sistema, tales
como:

17

Qu metodologa debe implementarse para darle tratamiento de

manera ptima a la aleatoriedad de la demanda productos de

abrasivos?

Cmo pueden modelarse los tiempos de suministro entre los

nodos de una cadena de abastecimiento?

Cmo pueden estimarse de manera conjunta las polticas de

inventarios de producto terminado a lo largo de una cadena de

abastecimiento?

1.2.2 Justificacin
Las compaas de fabricacin a menudo expresan su decepcin porque
sus herramientas de prediccin estadstica no predicen la demanda futura con un
alto grado de precisin. Su malestar se agudiza porque quieren la capacidad de
desarrollar las previsiones con poca intervencin humana.
Gestin de la demanda efectiva y los planes de demanda precisas,
requieren el liderazgo y la participacin, de las ventas, el marketing y las
organizaciones de productos y el funcionamiento de un proceso de rutina
regular. Muchos ejecutivos se preguntan: Vale la pena el esfuerzo?
Esta es una pregunta legtima. Despus de todo, ahora estamos hablando
de invertir no slo en la tecnologa de la informacin, sino en las personas y para
operar un proceso de gestin de la demanda. Las ventas y los ejecutivos de

18

marketing legtimamente quieren saber por qu es necesario desplegar recursos

humanos valiosos para llevar a cabo los cuatro elementos de la gestin de la
demanda. Su posicin a menudo es: Por qu nosotros no podemos usar una
previsin estadstica, o dejamos que la previsin de la organizacin de
suministro para nosotros? Aparte de eso: Por qu nosotros no podemos llegar a
un consenso sobre un plan de demanda? Por qu debemos tambin influir y
gestionar la demanda?
Para determinar el valor de la gestin de la demanda, es necesario tener en
cuenta las consecuencias de un proceso de gestin de la demanda ineficaz:
Cuando los clientes piden ms producto del que se ha pronosticado, el
producto no est disponible para satisfacer la demanda. Eso significa inadecuada
atencin al cliente en un retraso en los ingresos por ventas en el mejor de los
casos o una prdida de ingresos por ventas en el peor de los casos.
Cuando los clientes piden ms producto o productos diferentes que se
han previsto, la empresa debe cambiar las prioridades de abastecimiento.
Cambio de prioridades, por lo general, requiere agilizacin ineficaz e ineficiente.
Esto se traduce en mayores costos y menores mrgenes, lo que reduce la
rentabilidad.
Cuando los clientes no piden mayor cantidad de un producto como lo
tenan previsto, en un entorno en donde existe limitaciones de capacidad. La
capacidad que se tiene queda limitada por la combinacin equivocada de

19

productos producidos. Cuando una empresa se abastece del producto

equivocado en una situacin en donde la capacidad es ajustada, no se puede
producir del producto que podra ser vendido. Esto aumenta los costos y reduce
los ingresos.
Las situaciones anteriores tpicamente ocurren simultneamente. Qu
sucede cuando el producto no puede enviarse cuando los clientes quieren? Por
lo general, el gerente de ventas o cuenta trata de intervenir para asegurar que el
producto est disponible para su cliente. Los vendedores pasan valioso tiempo
compitiendo entre s para que el producto llegue a sus clientes. Los que pierden
pasan ms tiempo explicando a sus clientes por qu el producto no est
disponible. Estos giros toman tiempos que pueden ser utilizados por los
vendedores para planificar prximas ventas.
Viendo entonces las necesidades y las afectaciones que se dan
continuamente dentro de la cadena de suministro, es de suma importancia poder
contar con mecanismos de mejoras como una poltica de inventarios y un modelo
eficaz que se adapte al tipo de demanda dentro de la compaa.

1.2.3 Pregunta de Investigacin

Qu mecanismo puede implementarse para tener una planificacin
efectiva en una demanda aleatoria de productos de abrasivos?

20

1.2.4 Hiptesis
Con la creacin de un mecanismo que tome en consideracin las polticas
de inventario, se puede lograr planificar una demanda aleatoria de productos de
abrasivos.

1.2.5 Objetivos
1.2.5.1

Objetivo General

Determinar un modelo de inventarios que permita el mejoramiento

de los procesos de compra, produccin y venta en la lnea de negocios de

productos abrasivos.
1.2.5.2

Objetivo Especfico

Mapear el proceso actual de planificacin de demanda tomando

como ejemplo una empresa dedicada al manejo de productos abrasivos.

Recolectar datos sobre los niveles de inventarios, historial de

ventas, rdenes de clientes, rdenes a proveedores y pronsticos por cliente.

Implementar herramientas de clculos de inventario.

Realizar una comparacin de resultados del estado actual versus la

herramienta de clculo de inventario.

21

1.2.6 Delimitacin del Estudio

Para realizar este estudio, estaremos recolectando datos dentro de un
Centro de Distribucin Regional dedicada a la manufactura local y de igual
forma a la importacin de productos terminados de abrasivos. En la Figura
1.2.6.1, se puede observar la operacin actual que ocurre desde que el cliente
posiciona una orden hasta cuando el producto llega a la puerta del cliente.

Panama Pacfico

Figura 1.2.6.1 Value Stream Map del Proceso de Atendimiento de Orden para un cliente. Fuente: 3M

22

23

En la Figura 1.2.6.2, se observa el proceso actual de un Centro de

Distribucin, que comienza con la recepcin de un pronstico por parte de los
clientes y a su vez, la recepcin de rdenes de compras, luego con esa
informacin el planificador procede a realizar anlisis de MPS y revisin de
niveles de inventario para informarle un Plan de abastecimiento por medio
de sistemas internos al suplidor.

Con esta informacin, el suplidor

el producto est listo, el proveedor notifica al embarcador (Forwarder) del

centro de distribucin y a su vez, al planificador que la carga est lista para
ser retirada. En ese instante entra servicio al cliente y realiza los trmites
de importacin de la carga. Una vez la importacin se hace efectiva y se
ingresa la carga a las bodegas y en el sistema, entonces el producto est
listo para ser enviado a los distintos clientes, la coordinacin de envos se
realiza por un agente de exportacin.

Figura 1.2.6.2 Regional Distribution Center Workflow Process. Fuente: 3M Panam Pacfico

confirma para cundo podra tener la orden de produccin lista. Una vez

24

25

Esta compaa cuenta con un portfolio amplio en donde la demanda est

enfocada en pases latinoamericanos y est cada vez ms aumenta, por lo que se
requiere tener mejores controles que permitan dar mayor visibilidad de
disponibilidad de producto.
Actualmente, esta compaa cuenta con herramientas que permiten
visualizar la informacin individualmente, es por ello que entre departamento es
difcil visualizar los datos que se requieren para poder no afectar el proceso
actual. Lastimosamente al no tener una herramienta de planificacin de
demanda, el tiempo de respuesta de disponibilidad de producto se hace cada vez
ms crtico, aumentando la inseguridad en las confirmaciones a los clientes.

1.3

Marco Terico

1.3.1 Planificacin de la Demanda

Segn Crum (2003), la planificacin de la demanda es uno de los
componentes de la cadena de suministro de la planificacin de procesos (PCS).
PCS es un proceso integrado que permite a las empresas planificar e integrar las
funciones de la cadena de suministro de adquisicin, fabricacin, y la realizacin.
La demanda, la oferta, la produccin y la planificacin de cumplimiento
operan funciones interdependientes de PCS.

El objetivo es integrar estos

procesos de manera que todos los planes estn sincronizados uno con el otro.

26

En concreto, el plan de demanda es el primer paso y un insumo clave en el

proceso de planificacin de la cadena de suministro. El plan de la demanda debe
ser comunicada a los planificadores de suministro y produccin para que puedan
considerar el impacto en su capacidad para construir y suministrar las
necesidades del cliente.

1.3.2 Pronsticos de Ventas

En vista de que las imprecisiones no se pueden separar del proceso,
entonces por qu son necesarios los pronsticos? La respuesta es que todas las
organizaciones operan en una atmsfera de incertidumbre; pero hoy deben
tomarse decisiones que afectarn su futuro. Para los administradores de una
empresa, las conjeturas sobre el futuro, con base en cierta informacin, son ms
valiosas que las presunciones sin bases.
La funcin de los pronsticos por juicio personal ha cambiado en aos
recientes. Antes de la llegada de las tcnicas modernas de pronstico y el poder
de la computadora, el juicio del administrador era la nica herramienta de
pronstico posible. No obstante, de acuerdo con George E. P. Box (2008), los
pronsticos generados al utilizar slo el juicio personal no son tan precisos como
aquellos que combinan los juicios personales con las tcnicas cuantitativas.

27

Los humanos poseen conocimientos nicos e informacin interna que no

se encuentran en los mtodos cuantitativos. Sin embargo, los estudios empricos
y los experimentos de laboratorio han demostrado sorpresivamente que esos
pronsticos no tienen mayor precisin que aquellos generados por mtodos
cuantitativos.

Los humanos tienden a ser optimistas y subestiman la

incertidumbre futura. Adems, el costo de los pronsticos con mtodos de juicio

personal comnmente es ms alto que cuando se utilizan mtodos cuantitativos.
Debido a que el mundo en el que operan las organizaciones cambia
constantemente, siempre han sido necesarios los pronsticos.

Sin embargo,

Frederick S. Hillier (2002) informa en su libro que en aos recientes se ha

incrementado la dependencia de los mtodos que implican tcnicas sofisticadas
de manipulacin de datos.

De la noche a la maana han surgido nuevas

tecnologas y disciplinas, se ha intensificado la actividad gubernamental en todos

sus niveles, la competencia en muchas reas se ha vuelto ms reida, ha
aumentado el comercio internacional en casi todas las industrias, se han creado y
han creado agencias de ayuda social y de servicios; el Internet se ha vuelto una
fuente importante de datos e informacin para la toma de decisiones. Estos
factores se combinan para crear un clima organizacional ms complejo, rpido y
competitivo que en el pasado.

Las organizaciones que no reaccionen de

inmediato ante las condiciones cambiantes y que no puedan prever el futuro con
un cierto grado de precisin, estn condenadas a extinguirse.

28

Quin necesita pronsticos? Cualquier compaa que se dedica a vender

bienes necesita pronosticar su demanda. Los fabricantes deben saber cunto
producir.

Los distribuidores y comerciantes deben tener idea de cunto

almacenar. Si la demanda se subestima de manera sustancial es probable que se

pierdan demasiadas ventas, los clientes se decepcionen y quiz la competencia
gane el mayor porcentaje del mercado. Por otro lado, subestimarla de forma
significativa tambin es costoso debido a: 1) costos de inventarios excesivos; 2)
reducciones de pecios forzadas; 3) capacidad de produccin o de almacenes
innecesarios; 4) prdida de oportunidad para vender bienes ms redituables. Los
gerentes de comercializacin y produccin inteligentes entienden bien la
importancia de obtener buenos pronsticos de ventas, segn Frederick S. Hillier
(2002).
Existen varios factores que deben ser considerados para poder realizar y
estos son:

Demanda Histrica: son las ventas realizadas en un cierto periodo.

Plazo de Obtencin/Disponibilidad de Producto: es el tiempo en

que se puede tener el producto en bodega.

Estado de la Economa: factores externos econmicos que pueden

impactar positiva o negativamente el pronstico.

29

Pronsticos: las proyecciones de consumo que cada cliente tendra

para el 2014, desde el RDC una vez el producto estuviera disponible.

Acciones tomadas por nuestros competidores: introducciones de

productos similares o innovadores en el mercado.

Toda compaa debe entender cada uno de estos factores antes de
seleccionar una apropiada metodologa de pronstico. Los mtodos de
pronsticos estn clasificados de acuerdo a estos 4 tipos, segn George E. P. Box
(2008):
1.

Cualitativos: son subjetivos y depende, por naturaleza, del juicio

personal y pueden incluir cualidades como intuicin, opinin de expertos y

experiencias. Estos mtodos se pueden usar cuando no se dispone de datos para
los mtodos estadsticos. Sin embargo, aun cuando se tengan buenos datos,
algunos tomadores de decisiones prefieren el mtodo subjetivo y no el formal.
En otros casos, se usa una combinacin de ellos.

Ejemplo de ellos: opinin del administrador, jurado de opinin

ejecutiva, mezcla de fuerza de ventas, investigacin de mercado y Mtodo

Delphi.
2.

Serie de Tiempo: utiliza demanda histrica para realizar un

pronstico. Son basados en suposiciones de que la demanda histrica pasada es

un buen indicador para la demanda futura. Este mtodo es bastante apropiado
cuando el patrn de la demanda no vara significativamente de un ao a otro.

30

Este es el mtodo ms sencillo de aplicar y puede servir como un punto de

referencia inicial para realizar pronsticos de demanda.

Ejemplo: As, si Xi es la variable aleatoria de inters en el tiempo i, y

si las observaciones se toman en los tiempos1i= 1,2,.,t, entonces los valores

observados {X1= x1, X2= x2,, Xt=xt} son la serie de tiempo.
3.

Causal: asume que el pronstico de la demanda es altamente

correlativa con algunos factores en el ambiente (El estado de la economa, las

tazas de impuestos, etc.). Este mtodo utiliza esta correlacin y estima que
factores ambientales pueden afectar el pronstico de la demanda futura. Cuando
las condiciones cambian con rapidez, quizs el ltimo valor sea el nico dato
relevante para pronosticar el siguiente valor.

Ejemplo: los precios de los productos son bastante correlativos con

la demanda. Las empresas pueden usar este mtodo para determinar el impacto
de las promociones en la demanda.
4.

Simulacin: este mtodo imita las decisiones de los consumidores

que dan lugar a la demanda para llegar a un pronstico. Utilizando este mtodo,
las compaas pueden combinar serie de tiempos y el mtodo causal para
responder preguntas como: Cul es el impacto de las promociones? Cul sera
el impacto de un competidor que abra su comercio cerca al de nosotros? Las
aerolneas simulan el comportamiento de las compras de sus clientes utilizando

31

pronsticos de demanda, cuando no tienen puestos disponibles de bajo costo y

slo tienen puestos de precios altos.

1.3.3 Investigacin de Operaciones

Como su nombre lo dice, la investigacin de operaciones significa
investigar sobre las operaciones. Entonces, la investigacin de operaciones se
aplica a problemas que se refieren a la conduccin y coordinacin de operaciones
(o actividades) dentro de una organizacin. La naturaleza de la organizacin es
en esencia inmaterial y de hecho, la IO se ha aplicado de manera extensa en
reas,

tan

diversas

como

manufactura,

transporte,

construccin,

telecomunicaciones, planeacin financiera, cuidado de la salud, milicia y

servicios pblicos, por nombrar slo unas cuantas. As, la gama de aplicaciones
es extraordinariamente amplia nos confirma Frederick S. Hillier (2002), en su
ltima edicin.
La parte de investigacin en el nombre significa que la IO usa un enfoque
similar a la manera en que se lleva a cabo la investigacin en los campos
cientficos esTablacidos.

En gran medida, se usa el mtodo cientfico para

investigar el problema en cuestin. De hecho, en ocasiones se usa el trmino

ciencias de la administracin como sinnimo de investigacin de operaciones.
Una caracterstica en particular es que la investigacin de operaciones
intenta encontrar una mejor solucin llamada solucin ptima para el problema

32

considerado. Se dice que una mejor solucin y no la mejor solucin porque pueden
existir muchas soluciones que empaten como la mejor.
a.

Impacto de la Investigacin de Operaciones

La investigacin de operaciones ha tenido un impacto impresionante en el

mejoramiento de la eficiencia de numerosas organizaciones en todo el mundo.
En el proceso, George E. P. Box (2008) nos dice que la IO ha aportado
contribuciones significativas al incremento de la productividad dentro de la
economa de varios pases.

Hoy existen ms de 30 pases miembros de la

International Federation of Operational Research Societies (IFORS) y cada uno

cuenta con una sociedad de investigacin de operaciones. Tanto en Europa como
en Asia, existen federaciones de sociedades de IO que realizan conferencias y
publican revistas internacionales en esos continentes.
Para dar una mejor idea del amplio uso de la IO, se enumeran en la Tabla
1.3.3 algunas aplicaciones reales que han tenido reconocimientos. Frederick S.
Hillier (2002) nos detallan diversas organizaciones y aplicaciones de IO en la
siguiente tabla:
Tabla 1.3.3 Algunas aplicaciones de Investigacin de Operaciones. Fuente:
(Frederick S. Hillier, 2002)
Organizacin

Naturaleza de la aplicacin

Ao

de Ahorros

publicacin* Anuales
The

Netherlands Desarrollo

Rigkswaterstaat

de

poltica 1985

nacional de administracin
del agua, incluye mezcla de

$15 millones

33

nuevas

instalaciones,

procedimientos de operacin
y costeo.
United Airlines

Programacin de turnos de 1986

trabajo

en

oficinas

$2 millones

de

reservaciones y aeropuertos
para

cumplir

con

las

necesidades del cliente a un

costo mnimo
Digital

Equipment Reestructuracin de toda la 1995

Corp.

$800 millones

cadena de proveedores entre

proveedores, plantas, centros
de

distribucin,

potenciales

sitios

reas

de

mercado.
Procter & Gamble

Rediseo
produccin

del
y

sistema

de 1997

$200 millones

distribucin

norteamericano para reducir

costos y mejorar la rapidez de
llegada al mercado.
Hewlett-Packard

Rediseo

de

tamao

y 1998

$280

millones

localizacin de inventarios de

de

seguridad en la lnea de

adicional

produccin
para

de

cumplir

produccin

impresoras
metas

de

ingreso

34

1.3.4 Gestin de la Demanda

El poder de la gestin de la demanda se encuentra en el proceso en s
mismo - un proceso formal y estructurado y la rutina en la que cada elemento de
la gestin de la demanda opera en un nivel ptimo. Los elementos de la gestin
de la demanda los podemos ver en la figura 1.3.4:

Comunicacin

Influencia

Planificacin

Gestin
de la
Demanda

Administrar y
Priorizar

Figura 1.3.4 Elementos de la Gestin de la Demanda

Cuando las empresas luchan con problemas de precisin en los
pronsticos, por lo general se debe a que uno o ms de los elementos de la
gestin de la demanda no estn en su lugar o no funcionan con eficacia. Segn
Frederick S. Hillier (2002) la Gestin de la Demanda, en este caso, es superficial.
La atencin se centra normalmente en perseguir rdenes para asegurar el
cumplimiento de las metas de fin de perodo o de fin de ao y en agilizar los

35

pedidos, cuando la organizacin de suministro no est en condiciones de

entregar los pedidos cuando los clientes necesitan los productos.
La gestin eficaz de la demanda, segn Mark Hillier (2002), requiere una
competencia que va ms all del uso experto de software de previsin estadstica
o comunicar curvas de demanda a travs de Internet o el intercambio de datos
electrnicos. Tecnologa de la informacin no puede sustituir esas cualidades
humanas tan esenciales para la gestin de la demanda.

La verdadera

competencia en la gestin de la demanda proviene del juicio humano, los

procesos de negocio integrados operados por personas con conocimientos y hbil
ejecucin.
La informacin de la demanda puede ser comunicada como el aumento de
las velocidades a lo largo de la cadena de suministro, pero el xito no se basa en
la mera comunicacin de informacin sobre la demanda. El xito viene dictada
por:
1. La fiabilidad de la informacin de la demanda.
2. Qu hacen los directivos de empresas y socios comerciales con la
informacin?; es decir, cmo la informacin de la demanda ilumina a las
decisiones y encamina las acciones.
Reconocemos que el proceso de gestin de la demanda, (Crum, 2003) si
ste funciona bien o no, la mayora de las veces impactan las funciones dentro de
una empresa, as como a los socios dentro de la cadena de suministro. Para saber

36

en posicin se encuentra la gestin de la demanda en cualquier empresa, es

importante saber en qu cuadrante de la siguiente Figura 1.3.4.1 est trabajando
la compaa. Una vez identificado, podemos saber en dnde nos encontramos y
hacia donde queremos llegar con la mejora continua.

No cuentan
con
Pronstico

Pronstico
interno en
Ventas
y
Mercadeo

Se informa
la demanda
al suplidor
en
cierto
periodo

La demanda y
la oferta estn
sincronizada e
integrada
al
negocio

Existe

una

colaboracin

en

toda la Cadena
de Suministro

Evolucin del Manejo de la Demanda

Figura 2.3.4.1 Evolucin de la Gestin de la Demanda. Mientras que la
previsin de la demanda era casi inexistente hace 30 aos, la gestin de la
demanda de hoy sigue evolucionando. Fuente: (Gupta & Maranas, 2003)

37

Anlisis
Estadstico

Marketing
Input

Ventas Input
Plan de
Demanda

Gestin del
Producto/
Marca Input

Plan de
Negocios y
Estrategas

Figura 1.2.4.2 Proceso de Planificacin de Demanda (Copyright Oliver Wight

International)
Las empresas con una visin ms amplia, casi siempre se dan cuenta de
mayores beneficios de este esfuerzo, los beneficios de la gestin de la demanda
impulsa a las empresas a entender mejor a sus clientes y sus mercados. Los
ejecutivos de marketing y ventas tambin utilizan este entendimiento como
mejor posicin de la empresa en el mercado. En resumen, esta visin ms amplia
hace que una empresa de un competidor ms fuerte y le da una ventaja en el
mercado. El amplio modelo de vista de la gestin de la demanda consta de los
siguientes elementos:
1.

Demanda de Planificacin, que implica algo ms que la previsin.

38

2.

Comunicar la demanda, lo que incluye la comunicacin del plan de

demanda a las organizaciones de suministro y las finanzas y, cada vez ms, para
abastecer a socios de la cadena.
3.

Influir en la demanda, que incluye la comercializacin y en las tcticas

de venta, el posicionamiento del producto, precios, promociones y otro tipo de

comercializacin y esfuerzos de ventas.
4.

Administrar y dar prioridad a la demanda, que incluye rdenes de

gestin de clientes para que coincida con la oferta disponible.

Este es un proceso mucho ms robusto que simplemente desarrollar un
pronstico de la demanda. Drucker (2001) dice que cada uno de los elementos
influye en los otros. Mediante la integracin de los cuatro elementos con
procesos de apoyo e informacin, se logra la visin ms completa de la demanda.
Y cuando hay una visin global de la demanda, la exactitud de la previsin de la
demanda mejora.
Una visin integral ms amplia de la gestin de la demanda es la
comprensin del trmino previsin de la demanda. Segn la Sociedad de
Produccin y Control de Inventario de Amrica, la definicin de una previsin
de la demanda es simplemente una estimacin de la demanda futura.
Es importante tener claro que cuando hablamos de la previsin, nos
referimos a una demanda futura, no a envos que vayan a ocurrir. Esta distincin
es frecuentemente confundida.

No es inusual que las compaas basan sus

39

previsiones de demanda en el historial de envos, en especial cuando la

organizacin de suministros tiene como cometido la previsin o cuando el
historial de la demanda no est disponible. El uso del historial de envos casi
siempre asegura pronsticos menos precisos.
Historial de envos no tiene en cuenta cuando los clientes queran que el
producto sea entregado. Las fechas de entrega solicitadas por los clientes y las
fechas reales de envo por lo general no coinciden; esto ocurre porque la mayora
de las empresas no son 100 por ciento efectivas en la entrega de productos de
acuerdo a los plazos de entrega solicitados por los clientes.
Cuando la organizacin de suministros es responsable de la previsin de
la demanda, no es inusual para la demanda prevista, estar sesgada hacia la
capacidad de la organizacin de suministros para producir y entregar. Este es
especialmente el caso cuando las personas responsables del desarrollo de la
previsin no tienen conocimiento de las actividades de marketing y ventas. Es
importante recalcar, que la previsin de la demanda es el resultado del esfuerzo
de ventas y de marketing para estimular la demanda. Esta es la razn por que la
gestin de la demanda debe ser vista desde el contexto ms amplio de la
comercializacin y no slo desde el contexto de la organizacin de suministro.
Cuando la gestin de la demanda se ve en el contexto ms amplio, debe
ser operado como un proceso continuo. Marketing y gestin de ventas deben

40

participar activamente en el proceso. De hecho, el marketing y las ventas deben

poseer y conducir el proceso: sta es una buena prctica.
Una responsabilidad clave de marketing y gestin de ventas es llegar a un
consenso sobre un plan de demanda. Las decisiones tomadas en llegar a un
consenso convierten la previsin, una estimacin de la demanda futura, en un
plan de demanda. La distincin es que el plan se convierte en un compromiso
para llevar a cabo las actividades de marketing y ventas necesarias para lograr el
plan. Estas actividades incluyen influir, administrar y dar prioridad a la
demanda.
En resumen, el consenso del plan de demanda es un acuerdo para ejecutar.
Cuando hay un compromiso de ejecutar, y medidas para determinar el
rendimiento de ejecucin, ocurre una exactitud del plan de mejora de la
demanda. Y con esa mejora viene una mayor confianza del plan de demanda.
Al averiguar por qu algunas empresas tienen ms xito que otras en la
operacin de sus procesos de gestin de la demanda, una diferencia comn entre
el xito y la mediocridad se hace evidente: si el marketing y gestin de ventas
participan activamente en el proceso o si se delega la responsabilidad a otros
menores en la organizacin, se dan cuenta de que los procesos de gestin de la
demanda no slo implican un acuerdo sobre los nmeros de prediccin, sino en
asegurar que dichas tcticas se realizan para estimular la demanda en el primer

41

lugar. Estos ejecutivos son diestros en el uso del proceso de gestin de la

demanda como de su proceso de gestin.
La Tabla 1.3.4 ilustra el desafo de comunicaciones. Observe la lnea
"Medicin" en la Tabla. Las organizaciones de marketing y ventas a menudo
piensan en la demanda como slo la demanda en trminos de unidad de
volumen y mix a nivel de artculo, al igual que el desarrollo de productos y
organizaciones de servicio al cliente. La organizacin financiera, por supuesto,
est interesada en los ingresos por ventas y los mrgenes brutos.
Tabla 1.3.4 Los clientes del plan de demanda. Autor Oliver Wight
Internacional
Ventas

Mercadeo

Produccin

Logstica

Desarrol

Servicio

lo de

al Cliente

Finanzas

Producci
n
Informacin

Famili

Familia de

Products

Products

Familia

Producto

Familia de

del Producto

a de

Producto por

SKU

SKU por

de

SKU

Producto

Produc

Territorio

locacin

Product

por

tos

Familia de

divisin y

Medicin

Units

Producto por

coorporaci

Cliente

Units and $

Units

Units

Units

Units

Up to

12-24

12-24

12-24

12-24

12

1-5+ years

12-24+

months

months

months

months

months

Monthly

Weekly and

Weekly

Monthly

Weekly

monthly

and

and

monthly

monthly

and $
Horizonte

month
s
Intervalo

Monthl

(frecuaencia

de la
comunicin

Monthly

42

y
actualizacio
nes)

Hay diferentes usuarios o clientes del plan de la demanda, como se

muestra en la Tabla 2 y es esencial que sea en su idioma. El plan de demanda no
slo se desarroll para las ventas internas y el consumo de comercializacin.
Debe ser utilizado para conducir la planificacin del suministro y la planificacin
financiera. En consecuencia, la persona responsable de desarrollar el plan de la
demanda tambin es responsable de comunicar en trminos significativos para
todos los clientes el plan de demanda.
Muchas organizaciones financieras crean sus propias proyecciones
financieras de manera independiente, lo que se traduce en las previsiones
financieras que son diferentes de la planificacin de la demanda. El uso de una
proyeccin financiera independiente a menudo est motivada por el deseo de las
proyecciones de ingresos que se aproximan mucho a los ingresos prometidos en
el plan de negocios. Esta prctica es la anttesis de la gestin empresarial
integrada. Si a menudo ocultan los problemas y si no se resuelve, impiden a la
empresa lograr el ingreso prometido y funcionamiento de beneficio en el plan de
negocios.
A veces los ejecutivos al financiar, en su afn por impulsar el rendimiento
financiero de sus empresas, olvidan un principio fundamental del negocio:

43

ingresos por ventas es el resultado de la entrega de algo de valor a los clientes.

Como Drucker (2001) observa:
Debido a que los ingresos por ventas son el resultado de la demanda de
productos y servicios, las proyecciones financieras deben basarse en la demanda
prevista. Por la misma razn, los productos y servicios que deben ser producidos
son impulsados por la demanda. Por lo tanto, las proyecciones de suministro
tambin deben basarse en el plan de demanda.
El trmino Integracin est llegando ms all de las paredes de la empresa
y los miembros de las cadenas de suministro estn compartiendo la demanda y
las ventas de la informacin. Punto de venta de datos, as como los planes de
demanda y las proyecciones futuras de la demanda, se estn comunicando de
forma rutinaria por los clientes de sus socios comerciales, este proceso se
denomina colaboracin. El Internet y el intercambio electrnico de datos se
utilizan para automatizar el intercambio de informacin entre los socios de la
cadena de suministro. Esta actividad se refiere con frecuencia a la vinculacin de
los clientes. La colaboracin y la vinculacin de cambiar los roles y el mtodo de
trabajo de los responsables de la planificacin de la demanda y la oferta, tambin
cambian los lmites de toma de decisiones.

44

1.3.5 Modelos de Polticas de Inventarios

Una poltica de inventarios debe dar respuesta a las preguntas de cada
cunto debe revisarse el inventario, cundo ordenar y cunto ordenar, bien sea,
tems de demanda independiente o dependiente.
Sin embargo, la metodologa de estimacin de polticas para darle
respuesta a estas preguntas puede variar significativamente debido a dos
aspectos: (1) el tipo de producto (terminado o materia prima); y (2) el ambiente
de produccin.
En G. Gallego (2007), se hace un desarrollo matemtico para abordar el
problema de un minorista que se enfrenta con rdenes cuya demanda sigue un
proceso Poisson, a un costo lineal con un tiempo fijo de reposicin asociado L.
Mediante el desarrollo, los autores logran demostrar que una poltica de nivel de
inventario basada de orden en orden es ptima para este escenario. El aporte de
este trabajo radica en el tratamiento matemtico de la aleatoriedad de la
demanda y en el tratamiento de los LT que se consideran variables y fluctan
dependiendo del escenario de colocacin de rdenes, para as generar una
poltica hbrida de inventarios.
Bhatnagar, Chandra, & Goyal (1993) se centran en la coordinacin de la
planeacin de la produccin cuando hay mltiples plantas en una empresa
integrada verticalmente e identifican los aspectos que deben considerarse para
determinar las decisiones de produccin e inventarios para varias plantas, de

45

modo que se logre un ptimo global. En este contexto, los autores clasifican la
investigacin de los aspectos a tener en cuenta en dicha coordinacin en tres
categoras: (1) planeacin de produccin y abastecimiento; (2) planeacin de
produccin y distribucin; y (3) la planeacin y distribucin de los inventarios.
Algunos autores citados por Bhatnagar, Chandra, & Goyal (1993) estudian la
problemtica del nerviosismo en sistemas de planeacin. La principal desventaja
de estos trabajos es que se asume que los inventarios de seguridad son nulos, por
lo que no se estudia la variabilidad de los tiempos de reposicin de materias
primas.
Lederman (2003) explora el problema de la gestin de inventarios en el
contexto de cadenas de abastecimiento y se enfoca en la problemtica de
determinar

polticas

ptimas

para

componentes,

cuando

existe

una

superposicin entre su demanda y la de los productos finales. El autor hace una

exhaustiva evaluacin de los mtodos disponibles para determinar polticas de
inventarios y de sus dificultades de implementacin. El modelo se desarrolla a
travs de la simulacin en un ambiente de produccin de ensamble para rdenes
(ATO, por su sigla en ingls Assemble to Order). Una delas principales
debilidades del modelo desarrollado consiste en la suposicin que los tiempos de
reposicin entre los nodos son nulos y de hecho, entre las reas futuras de
investigacin que el autor propone, se asume la correlacin entre los LT y las
decisiones que se toman en la ocurrencia de dichos periodos, as como la

46

utilizacin de mtodos heursticos para la solucin del problema, dada su

particular complejidad.
En la estimacin de polticas de inventarios en distintos ambientes de
produccin, el trabajo de Sarmiento & Nagi (1999) describe los trabajos que se
han desarrollado en el anlisis integrado de sistemas de produccin y
distribucin, cuestionando cmo los aspectos logsticos han influenciado el
campo de trabajo y cules son las ventajas competitivas que se obtienen de la
integracin de las funciones de distribucin con las funciones de produccin en
distintas empresas, en los niveles estratgico y tctico.
Crama, Poche, & Wera (2007) generan una discusin alrededor de la
literatura de metodologas de planeacin de la produccin con el objetivo de
resaltarlas diferencias y similitudes entre los aspectos y los modelos que surgen
en distintos ambientes productivos y tener un mejor conocimiento de las
situaciones que pueden presentarse en los sistemas de manufactura discreta. El
aporte que los autores hacen para la determinacin de polticas de inventarios, se
centra en la discusin de las dificultades encontradas en la implementacin de
tcnicas de control como los MRP y el JIT (Justin Time), enfocados especialmente
en el concepto de receta, llevado a la prctica a travs de la extensin del Bill of
Materials (BOM), comnmente utilizado en los sistemas de manufactura discreta.
Soman, Van Donk, & Gaalman (2004) hacen una revisin del estado del
arte de los ambientes combinados MTS-MTO, enfocados hacia el sector de

47

alimentos. Los autores proponen un sistema integral de planeacin jerrquica

para dar soporte a las decisiones en los ambientes productivos hbridos que hasta
ahora se reconocen.
1.3.6 Modelos Integrados de Gestin
En la estimacin de inventarios de seguridad, Graves (2001) describe una
aplicacin a una empresa de la industria de semiconductores, en la que se
implementa un inventario de seguridad para protegerse de la variabilidad de la
demanda cclica.

Se construye un modelo sencillo de una cadena de

abastecimiento de dos etapas y un modelo de optimizacin no lineal que permite

determinar la localizacin ptima de inventarios de seguridad para minimizar el
costo total de mantenimiento del inventario.
Graves (2001) aplica el trabajo a una multinacional norteamericana que
fabrica herbicidas para maz, soya y trigo y para la cual se analiza la variabilidad
de la demanda periodo a periodo, realizando comparaciones con los pronsticos
y su grado de incertidumbre. Se evalan mltiples escenarios de la demanda
clasificndolos en los tres grupos tpicos de escenarios: pesimista, ms probable y
optimista.
La temtica de estimacin de polticas ptimas y niveles de inventarios, ha
sido trabajada por Shervais (2000), quien enfrenta el problema de determinar un
conjunto de polticas ptimas de inventarios y de transporte en un sistema de
distribucin multi-producto, multi-eslabn y multi-modal sujeto a demandas no

48

estacionarias. El autor define que deben responderse las preguntas de dnde,

cundo y cmo en cuanto a: (1) la localizacin, es decir, cunto de cada tem debe
mantener cada planta y cada depsito; (2) el ordenamiento, que se refiere a
cundo y cunto ordenar de cada tem; y (3) el transporte, es decir, cmo deben
despacharse los productos. En el diseo de la metodologa, el autor desarrolla
un algoritmo gentico para encontrar la poltica base que permita iniciar cada
siguiente etapa en la cadena.
Lathrop, Tarantino, Katok, & Xu (2001) desarrollan un sistema de soporte
de decisiones para gestionar los inventarios de un proveedor mayorista de
artculos de informacin para aviacin. En el sistema se involucra la
determinacin del tamao de rdenes de manuales de aviacin, usados como
herramientas de seguridad en los vuelos. Ketzenberg, Metters, & Semple (2006)
desarrollan un modelo heurstico para el problema comn de produccin e
inventarios: mltiples productos, con demandas estacionarias y estocsticas,
muchas ventas y restricciones a lo largo de la produccin, e intentan darle
respuesta a tres preguntas comunes que surgen en estos ambientes: (1)cundo
empezar a producir ms de las necesidades inmediatas en anticipacin a las
temporadas de alta demanda; (2) cmo programar la acumulacin del inventario
para los productos; (3) qu producir cuando las restricciones de la capacidad
actual pueden resultar en faltantes inmediatos.

49

Los autores concluyen que el uso de heursticos es fundamental en el

clculo de polticas ptimas para los sistemas reales, pues argumentan que es
imposible hacerlo de manera exacta.
La problemtica de la gestin de los inventarios en cadenas de
abastecimiento ha sido tratada por Mieghem & Rudi (2002), quienes desarrollan
una aplicacin de redes derivada del problema tradicional del vendedor de
peridicos (the newsvendor problem), denominada Newsvendor Network, en la
que se admiten mltiples productos y mltiples procesos y puntos de
almacenamiento para evaluar cmo las propiedades de un sistema de un solo
periodo se extienden a una estructura dinmica.
Smits (2003) desarrolla un diseo tctico de produccin y distribucin en
cadenas de abastecimiento, teniendo en cuenta los inventarios de seguridad, las
polticas de despacho y la planeacin de la produccin.

En el trabajo se

demuestra que en los modelos de nivel estratgico y tctico se asume

comnmente que los tiempos de reposicin son variables exgenas, cuando en la
realidad, sta es una caracterstica intrnseca de cada sistema y por lo tanto, se
debe considerar como variable endgena.
Song & Chuin Lau (2004) consideran un modelo de inventarios de revisin
peridica y demanda estocstica, en el que se presenta obsolescencia repentina.
En el trabajo se caracteriza la estructura de las polticas ptimas y se propone un
algoritmo de programacin dinmica para computar los parmetros.

50

Liu, Xiaoming, & Yao (2004) buscan resolver los problemas de

optimizacin que tienen restricciones no-lineales que capturan puntos clave de la
dinmica de los sistemas complejos de produccin e inventarios desarrollando
un modelo de mltiples etapas de colas en los inventarios y el sistema de
produccin, con el objetivo de minimizar los costos de inventarios a lo largo de la
cadena.
Finalmente, en el trabajo desarrollado por R. Kapuscinski (2004) se disea
un sistema de gestin para la toma de decisiones de los inventarios de la cadena
de suministro de la empresa Dell Computers.
Esta empresa, que no maneja inventarios de producto terminado, reconoce
que debe enfocar sus esfuerzos al control de los componentes. Para ello se
desarrolla un modelo de control de inventarios, el cual mediante la aplicacin de
tcnicas de pronsticos para la gestin de la demanda independiente y haciendo
un anlisis a los tiempos de reposicin entre los nodos de la cadena, define los
niveles de inventario de seguridad de los componentes.

51

CAPTULO II
METODOLOGA

50

En este trabajo, se presenta un modelo lineal de programacin matemtica

para la planificacin de la demanda con productos terminados de abrasivos, con
incertidumbre en la demanda determinando con tiempo suficiente de antelacin
la capacidad a contratar al proveedor de cada recurso. Con el modelo se
determina la estrategia ms conveniente dependiendo de la configuracin de la
cadena de suministro para responder rpidamente al mercado dependiendo del
tiempo de transito de cada uno de los productos y componentes, y costos
asociados a la compra de capacidad.
Como futuras lneas de investigacin, est en aplicar el modelo a un caso
real y en evaluar el impacto de las diferentes estrategias de las cadenas de
suministro sobre el desempeo y los costos, como Make to Stock (MTS) (Wong,
Stentoft, Hvolby, & Johansen, 2006); de igual forma, es interesante poder
experimentar diferentes diseos internos de cadenas de suministros como son
MRP, Kanban, Packing Centre y Design and Build (Aitken, Childerhouse, & Towill,
2003).

2.1 rea de Estudio

El objetivo principal del negocio de un Centro de Distribucin Regional es
de poder manejar suplidores a nivel mundial, preferiblemente aquellos
suplidores distantes del Centro de Distribucin, ya que ayuda a disminuir el

51

tiempo de trnsito a los clientes finales, es por ello que los seis suplidores que
maneja este RDC para los productos de abrasivos quedan en Asia y Europa.

2.2 Tipo de Investigacin.

En el campo como la investigacin de operaciones, buena parte de los
esfuerzos que desde los aos cincuenta han tenido lugar en reas de la logstica,
se ha enfocado en la solucin de los problemas complejos de la gestin de
inventarios. Sin embargo, como lo menciona Whitin (2004), a pesar del extenso
trabajo en la investigacin de modelos para gestionar los inventarios, las teoras
desarrolladas son poco prcticas y actualmente no existe un panorama claro de
cules son realmente las metodologas que deben utilizarse para mejorar la
gestin de los inventarios. A raz de esto, se considera realizar una investigacin
cuantitativa aplicada descriptiva en donde aporta informacin enriquecedora
para realizar una investigacin analtica.

2.3 Definicin Operacional de trminos y/o variables

La situacin de inventarios ms comn que enfrentan los fabricantes,
distribuidores y comerciantes, segn Frederick S. Hillier (2002), es que los niveles
de inventarios se reducen con el tiempo y despus se reabastecen con la llegada
de nuevas unidades. Una representacin de esta situacin es el modelo del lote
econmico o modelo EOQ (Economic Order Quantity).

52

Para este proyecto, se supone que los artculos bajo consideracin se

sacaron en forma continua a una tasa constante conocida denotada por a; es
decir, la demanda es de a unidades por unidad de tiempo. Se supone tambin
que el inventario se reabastece al ordenar un lote de tamao fijo (Q unidades),
donde las Q unidades llegan juntas en el tiempo deseado. Para el modelo EOQ
bsico que se presentar primero, los nicos costos considerados son:
K = costo de preparacin para ordenar un lote;
c= el costo de comprar cada unidad;
h= el costo de mantener el inventario por unidad, por unidad de tiempo.
Al momento de crear este modelo se piensa en el objetivo principal que
consiste en determinar con qu frecuencia y en qu cantidad reabastecer el
inventario de manera que se minimice la suma de estos costos por unidad de
tiempo.
Se supone una revisin continua, por lo que el inventario se puede
reabastecer cuando el nivel baje lo suficiente. Primero, dentro de modelo se
analiza el nivel faltantes que puede ser admitido, tomando en consideracin que
debe ser mnimo, sin embargo, al inicio de la aplicacin no se admite faltante.
Con la tasa de demanda fija, se pueden evitar los faltantes reabasteciendo el
inventario cada vez que el nivel baje a cero, y esto tambin minimizar el costo
de mantener.

53

En la siguiente Figura podemos ver como se describe el patrn de los

niveles de inventario que resulta al comenzar en el tiempo 0 si se ordena un lote
de Q unidades, con el fin de aumentar el inventario inicial de 0 a Q y repetir el
proceso cada vez que el inventario desciende a 0.

Figura 2.3 Diagrama del nivel de inventario como funcin del tiempo para el
modelo bsico EOQ.

2.3.1

Operacionalizacin de Variables

Es obvio que las polticas de inventarios afectan las ganancias, la eleccin

entre una poltica y otra depende de su rentabilidad relativa. Los costos que
determinan la rentabilidad en cualquier compaa son:
a) Costo de Ordenar o Fabricar
b) Costos de mantener o almacenar
c)

Los costos de penalizacin por faltantes o demanda insatisfecha

Para tener un mejor entendimiento, se explica estos factores que son las
variables a considerar en este trabajo:

54

a) El costo de Ordenar o Fabricar una cantidad z se puede representar

por una funcin c(z). La forma ms sencilla de esta funcin es aquella donde s
directamente proporcional a la cantidad ordenada o producida, es decir, c.z,
donde c representa el precio unitario pagado. Otra suposicin comn es que c(z)
se compone de dos partes: un trmino que es directamente proporcional a la
cantidad ordenada o producida y un trmino que es una constante K para z
positiva y 0 para z= 0. En este caso,
c(z)= costo de ordenar z unidades
0
={
+

si = 0
si > 0

K= costo fijo y c= costo unitario.

La constante K incluye el costo administrativo de ordenar.

b)

El costo de mantener inventario, a veces llamado el costo de

almacenar, representan los costos asociados con el almacenamiento del

inventario hasta que se vende o se usa. Incluyen el costo del capital invertido,
espacio, seguros, proteccin e impuestos atribuibles al almacenamiento. Este
costo se puede evaluar de manera continua o por periodo. En este caso, puede
ser una funcin de la cantidad mxima que se guarda durante un periodo, de la
cantidad promedio en el almacn o de la cantidad en inventario al final del
periodo.

55

c)

El costo por faltantes, a veces llamado costo de demanda insatisfecha,

surge cuando la cantidad que se requiere de un bien (demanda) es mayor que el

inventario disponible.
En un caso, llamado con faltantes la demanda excesiva no se pierde, sino
que se queda pendiente hasta que se pueda satisfacer con el siguiente
reabastecimiento normal. Para una empresa que incurre en un faltante temporal
para cumplir con sus clientes el costo por faltantes se puede interpretar como la
prdida de la Figura con los clientes debido al retraso, su duda para realizar
negocios subsecuentes con la empresa, el costo del ingreso retrasado y el trabajo
administrativo adicional.
Otro caso podra ser sin faltantes, si ocurre en exceso de demanda sobre el
inventario disponible, el distribuidor no puede esperar a la siguiente entrega
normal para reabastecer el inventario. Ya sea que: 1) el exceso de demanda se
satisfaga mediante un envo prioritario; o 2) no se cumpla todo porque las
rdenes fueron canceladas. Para la situacin 1, el costo por faltantes se puede
interpretar como el costo del envo prioritario. Para la situacin 2, este costo por
faltantes se puede ver como la prdida en la que se incurre por no satisfacer la
demanda, ms el costo de perder negocios futuros debido a la prdida de la
Figura.

56

2.3.2

Modelo EOQ bsico tomando en consideracin faltantes

Al realizar este proyecto se toma en consideracin algunas suposiciones,

ya que el negocio lo permite, estas son:
1. Se conoce la tasa de demanda de a unidades por unidad de tiempo.
2. La cantidad ordenada (Q) para reabastecer el inventario llega toda junta
cuando se desea, es decir, cuando el nivel del inventario baja a 0.
3. Se permiten faltantes planeados.
Cuando ocurren faltantes, los clientes afectados esperan que el producto
est disponible de nuevo. Sus rdenes se satisfacen de inmediato cuando llega
la cantidad ordenada para reabastecer el inventario.
Con estas suposiciones analizadas con los expertos en el tema dentro de la
compaa, el patrn de niveles de inventario en el tiempo tiene la apariencia
mostrada en la Ilustracin 5

Figura 2.3.2 Diagrama del nivel de inventario como una funcin del tiempo,
cuando se planea faltantes.

57

Por lo tanto,
costo total por ciclo = + +

2
2

()2

(3.1)

y el costo total por unidad de tiempo es

T=

++2 /(2)+()2 /(2)

(3.2)

Q/

+ +

2
2

()2

(3.3)

Este modelo tiene dos variables de decisin (S y Q) y los valores ptimos

(S* y Q*) se encuentran al establecer las derivadas parciales T/S y T/Q igual
a cero. Entonces,

()

22 +

(3.4)

= 0.

()

()2
2 2

= 0.

(3.5)

Al resolver estas ecuaciones simultneas se obtiene

S* =

+ ,

(3.6)

58

La longitud ptima del ciclo t* est dada por

t*=

(3.7)

El faltante mximo es
2

Q*-S*=

+ .

(3.8)

Ms an, en la Figura 2.3.2 Diagrama del nivel de inventario como una funcin
del tiempo, cuando se planea faltantes. se observa que la fraccin de tiempo en que
no existen faltantes es:

= +,

(3.9)

que es independiente de K.
Cuando el valor de p o de h se hace mucho ms grande que el otro, las
cantidades anteriores se comportan de manera intuitiva. En particular, cuando
p con h constante (los costos por faltantes dominan), Q*S*0 mientras
que tanto Q* como t* convergen a sus valores dados en el modelo EOQ bsico.
Aunque el modelo actual permite faltantes, p implica que no vale la pena
tenerlos.
Por otro lado, cuando h con p constante (de manera que dominan los
costos de mantener inventario), S* 0. As, el tener h hace que no sea

59

econmico tener niveles de inventario positivos, con lo que cada nuevo lote de
Q* unidades va no ms all de eliminar los faltantes actuales.
Ahora bien, tomando en consideracin el estado actual de la compaa
tomada como ejemplo para realizar este proyecto, se ha considerado utilizar un
Modelo Estocstico con Revisin Continua. Los inventarios estocsticos estn
diseados para analizar sistemas de inventarios, segn Frederick S. Hillier (2002),
donde existe una gran incertidumbre sobre las demandas futuras. Tambin se
considera un sistema de inventario con revisin continua, por lo que una orden
se coloca en cuanto el nivel de inventario llega al punto de reorden (nivel de
inventario al que debe colocarse la orden para que el reabastecimiento llegue
cuando el nivel de inventario baja a 0).
Como plantea Mark Hillier (2002), es comn que un sistema de
inventarios de revisin continua para un producto especfico se base en dos
nmeros crticos:
R= punto de reorden.
Q= cantidad a ordenar.
Utilizando estos dos nmeros crticos, se plantean una poltica de
inventario, siempre que el nivel de inventario de un producto baje a R unidades,
se coloca una orden de Q unidades para reabastecer el inventario.
Al momento de crear el modelo, se toma en consideracin las siguientes
suposiciones:

60

1.

Cada vez que se aplique el modelo, se referir a un solo producto de

abrasivos.
2.

El nivel de inventario ser bajo revisin continua, por lo que su valor

actual se conoce.
3.

Debe usarse una poltica (R, Q), entonces las nicas decisiones que

deben tomarse son las selecciones de R y Q.

4.

Existe un tiempo de entrega entre la colocacin de la orden y la

recepcin de la cantidad ordenada. Este tiempo de entrega puede ser fijo o

variable.
5.

La demanda para retirar unidades del inventario y venderlas durante

este tiempo de entrega es incierta. Sin embargo, se estima la distribucin de

probabilidad de la demanda.
6.

Si ocurren faltante antes de recibir la orden, el exceso de demanda

queda pendiente, de manera que estos faltantes se satisfacen cuando llega la

orden.
7.

Se incurre en un costo de preparacin (denotado por K) cada vez que

se coloca una orden.

8.

Excepto por este costo fijo, el costo de la orden es proporcional a la

cantidad Q.
9.

Se incurre en un costo de mantener (denotado por h) por cada unidad

en inventario por unidad de tiempo.

61

10.

Cuando ocurren faltantes, se incurre en cierto costo por faltantes

(denotado por p) por cada unidad que falta por unidad de tiempo hasta que se
satisface la demanda pendiente.
En este modelo por la demanda incierta para el modelo actual, debe
agregarse un inventario de seguridad cuando se esTablace el punto de reorden
para proporcionar un atenuante si se tiene una demanda por encima del
promedio durante el tiempo de entrega.

Para obtener la cantidad a ordenar Q

2

(3.10)

Donde es la demanda promedio por unidad de tiempo, y K, h y p estn

definidos en las respectivas suposiciones 7, 9 y 10.

2.4

Poblacin y Muestra

Se obtienen datos histricos de venta de cada uno de los clientes. Se

realiza una media contabilizando los 12 ltimos meses de compra, es decir
nmeros del 2013.

Una vez obtenido los datos se consolida y obtenemos un

promedio aproximado de venta.

Con esta informacin y en conjunto con el Gerente Desarrollador de
Negocios se realizan reuniones de sincronizacin con cada uno de los pases
mencionados anteriormente para dar a conocer los productos escogidos, el

62

modelo de negocio que se pretenda realizar en el RDC y mostrar las ventajas

que podan tener de tomar al Centro de Distribucin como su fuente de
suministro.
Una vez aceptado el proyecto por cada uno de los pases, entonces
obtuvimos los pronsticos de cada pas con los volmenes de futuras compras, se
analizan los nmeros y se discuten los volmenes segn las ventas obtenidas por
los suplidores. Con esta informacin recolectada empieza el proceso de compra
y anlisis de inventario.

2.5

2.5.1

Tcnicas e Instrumentos de Recoleccin y Anlisis de Datos

Distribucin de la demanda

Para poder determinar el modelo de inventario, es necesario conocer la

distribucin de la demanda, debido a que en la mayora de los casos es incierta, y
depende de muchas variables que afectan el mercado de abrasivos. De esta
manera se concluy que el modelo de inventarios apropiado es probabilstico.
En la evaluacin de un modelo probabilstico se deben realizar pruebas
estadsticas para poder estimar los parmetros generales necesarios, para la
correcta prueba del modelo de inventarios.
A continuacin se muestra un ejemplo de las pruebas que se realizaron a
cada referencia para determinar la distribucin, las dems pruebas de las
referencias del grupo A segn clasificacin ABC.

Tabla 2.5.1 Estadsticas Descriptivas de abrasivos. Fuente: Datos recolectados de 3M Panam Pacfico

63

64

2.5.2 Determinacin de costos

Para evaluar el modelo de inventarios es necesario conocer y calcular los
costos involucrados, como lo son el costo de mantener, el costo unitario, el costo
de ordenar y el costo por faltantes.
De los costos antes mencionados, el costo unitario se obtuvo de la lista de
precios de los proveedores, y el costo de faltantes fue estimado junto con el
gerente de almacn de acuerdo a varios supuestos como: atraso en la produccin,
incumplimiento a los clientes razones que se ven reflejadas afectando
directamente las utilidades de la empresa. En este caso se utiliz como referencia
un problema suscitado en la compaa anteriormente, en donde un cliente estaba
insatisfecho y estaba llevando a la compaa a una prdida de prestigio, aunado
a esto la disminucin de utilidad que incluye un costo por concepto de prdida
de ciertos clientes. Es por ello que se acord que el costo por faltantes es el 55%
ms del costo unitario de cada sku (Stock Keeping Units). En este porcentaje se
incurre cuando no se tiene el producto terminado en inventario en el momento
que sea requerida por el cliente.
Como el costo de ordenar no est establecido por la empresa, y es un costo
indispensable para determinar el modelo de inventario, a continuacin se
mencionan varios aspectos que se consideraron para el clculo de este caso.
El costo por faltantes es uno de los costos donde se pueden tener ms
factores intangibles para calcularlo, por esta razn el gerente decidi el
porcentaje a incrementar, basado en la experiencia y en algunos anlisis
matemticos internos.
En el costo de ordenar se encuentran involucrados, el gerente del almacn
quien es el encargado de pedirle al Supply & Demand Planner Specialist generar

65

las rdenes de compra con los requerimientos para cumplir con la planeacin. (
Ver tabla 2.5.2.1 )

Costo de Ordernar
Valor
del
minuto

Total

2,000,000.00 10.00

139.00

1,388.89

1,200,000.00 20.00

83.00

1,666.67

Tiempo
(min)

Salario
Mano de Obra

Gerente de
Almacn
Supply &
Demand
Planner

Costo total de
Mano de Obra

3,055.56
Valor del
mes
ilimitado
Comunicacin
Telefnica
130,000.00

Otros

Valor del
minuto

Total
minutos

118.00

7.00

827.00

Papelera
Luz

500.00

CO=

4,382.56

El costo de mantener no se conoce, luego se debi calcular teniendo en

cuenta

los

criterios

definidos

referenciados

en

el

captulo

2.3.1

Operacionalizacin de Variables.
Tabla 2.5.2.2 Costo de Mantener los productos terminados. Fuente: La autora
2014
Categora

Costo de Edificio ( Renta o

depreciacin del almacn, costos de
operacin, impuesto, seguros)
Costo de manejo de materiales
Costos de mano de obra

Costos (Porcentaje del

valor del inventario)

Costos( Rango del

porcentaje del valor
del inventario)

6 (3-10%)
2 (1-3.5%)
4 (3-5%)

66

Costos de inversin
Robo, dao obsolescencia
Costos generales por mantenimiento
%

7 (6-24%)
4 (2-5%)
23

Calculando la sumatoria de los porcentajes definidos en la tabla, se

concluy que el costo de mantener un producto terminado es igual a 23%.
Al determinar los costos, se finaliza la etapa de desarrollo de informacin
obteniendo los skus que pertenecen al grupo A, junto con la distribucin y
costos necesarios para la evaluacin del modelo de inventario en el siguiente
captulo.
2.5.3 Informacin del producto terminado
En la siguiente tabla, se presentan los pases a donde se distribuyen estos
abrasivos y que fueron considerados para la realizacin de este proyecto:

Tabla 2.5.3.1 Pases que Representan la Demanda Actual de Productos de

Abrasivos. Fuente: Recoleccin de datos dentro de la Compaa 3M Panam
Pacfico
Argentina

Brasil

Costa Rica

Nicaragua

Colombia

Guatemala

El Salvador

Honduras

Panam

Jamaica

Mxico

Bolivia

Repblica

Chile

Per

Ecuador

Trinidad y

Dominicana

Tobago

67

Para escoger estos pases, se realiz un estudio de consumo en donde se

tomaron las ventas mensuales y se dividieron entre los 12 meses, dando como
resultado un promedio anual. Luego se convers con cada uno de los
planificadores de cada pas con el fin de conocer cmo estn manejando la
demanda actual de los productos abrasivos, luego cada pas envo sus
pronsticos para el 2014 y con esta informacin se procedi a solicitar ms
producto para nivelar los inventarios tomando en consideracin el tiempo de
produccin y tiempo de trnsito para tener el producto disponible en las bodegas
del Centro de Distribucin.
Con respecto al proveedor, se ha escogido al proveedor con quin
mayormente se ha estado trabajando y con quin la rotacin de los productos es
la ms elevada, esto quiere decir que es el producto de mayor consumo, sin
embargo la demanda es impredecible.

Tabla 2.5.3.2 Ejemplo de recoleccin de datos para producto terminado. Fuente:

datos recolectados en 3M Panam Pacfico
Familia de
Producto

SKU

Demanda
Anual

Costo
Unitario

ASD

60510026853 3,536

10,000.00

ASD

60510027539 681

18,500.00

ASD

WX300923744 636

14,500.00

ASD

WX300940672 730

8,500.00

ASD

XC002057617

3,000.00

382

68

ASD

XC002062617

522

3,800.00

ASD

XC002062641

512

5,500.00

Una vez obtenida la informacin sobre las referencias, se ingresan los

datos a una hoja de Excel, elaborando unas tablas con los skus y la demanda
presentad mes a mes para trabajar sobre el modelo de inventarios.
Con toda la informacin recolectada para cada referencia durante un
perodo de un ao, se sigui con una clasificacin ABC para la determinacin del
modelo de inventarios de producto terminado.
2.5.4

Clasificacin ABC
Es necesario generar la clasificacin de datos de acuerdo a su importancia

y asignacin de recursos econmicos en el inventario fsico del almacn.

La clasificacin se realiz de la siguiente manera:

Se sumaron las cantidades correspondientes a las ventas de cada

referencia en los 12 meses para tener un total del columen anual.

Teniendo las cantidades se multiplicaron por el costo unitario de

cada referencia, dando como resultado la participacin anual total.

A continuacin se calcul el porcentaje de participacin el cual est

dado por la siguiente frmula.
% ( ) =

( )

(2.1)

69

Se orden el porcentaje de participacin de mayor a menor de todas

las referencias y se realiz toda la clasificacin.

Tabla 2.5.4 Clasificacin ABC de los producto terminados

N

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

%
SKU

SKUS

1%
2%
3%
4%
5%
5%
6%
7%
8%
9%
10%
11%
12%
13%
14%
15%
15%
16%
17%
18%
19%
20%
21%
22%
23%
24%
25%
25%
26%
27%
28%
29%

60510026853
70005197630
70005223436
70005223444
70005223485
BB144000050
BB144000068
60510027539
CP004003036
CP004003069
CP004004018
CP004004026
CP005203015
CP005203023
WX300923744
CP005210010
GT500083123
GT500083131
WX300940672
70005100550
70005109502
70005144400
70005144582
70005148708
70005148716
70005181329
70005181352
70005181360
GT500083149
H0002296087
H0002319053
H0002319061

VOLUMEN
ANUAL

3536
3276
3020
2841
2711
2492
1325
681
628
1161
567
549
515
509
636
868
519
666
730
726
717
571
284
516
495
421
478
210
457
577
165
304

COSTO

10000
10000
10000
10000
10000
10000
10000
18500
18500
10000
18500
18500
18500
18500
14500
10000
14500
10000
8500
8500
8500
10000
18500
10000
8500
10000
8500
18500
8500
5500
18500
10000

TOTAL

35360000
32760000
30200000
28410000
27110000
24920000
13250000
12598500
11618000
11610000
10489500
10156500
9527500
9416500
9222000
8680000
7525500
6660000
6205000
6171000
6094500
5710000
5254000
5160000
4207500
4210000
4063000
3885000
3884500
3173500
3052500
3040000

% PAT

7.83%
7.26%
6.69%
6.29%
6.01%
5.52%
2.94%
2.79%
2.57%
2.57%
2.32%
2.25%
2.11%
2.09%
2.04%
1.92%
1.67%
1.48%
1.37%
1.37%
1.35%
1.27%
1.16%
1.14%
0.93%
0.93%
0.90%
0.86%
0.86%
0.70%
0.68%
0.67%

% PAA

7.83%
15.09%
21.78%
28.08%
34.08%
39.60%
42.54%
45.33%
47.90%
50.48%
52.80%
55.05%
57.16%
59.25%
61.29%
63.21%
64.88%
66.36%
67.73%
69.10%
70.45%
71.71%
72.88%
74.02%
74.95%
75.89%
76.79%
77.65%
78.51%
79.21%
79.89%
80.56%

70

33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72

30%
31%
32%
33%
34%
35%
35%
36%
37%
38%
39%
40%
41%
42%
43%
44%
45%
45%
46%
47%
48%
49%
50%
51%
52%
53%
54%
55%
55%
56%
57%
58%
59%
60%
61%
62%
63%
64%
65%
65%

H0002319079
HK100009230
HK100009255
XC002062641
IJ000000041
IJ000000082
IJ000000090
IJ000000140
IJ000000231
IJ000000272
WX300910352
WX300910378
WX300910386
XC002062617
WX300910394
WX300910402
WX300910410
WX300910436
WX300910469
70005181402
IJ000000033
XA007707830
XA007707848
XA007707855
XA007707863
XA007707871
XA007707889
XC002057617
60410009314
60440098071
60440098089
60440126138
60440239931
60440239949
60440239956
60440281800
60440281826
60440281834
60440281891
60440281917

204
157
156
512
507
146
490
137
128
218
393
371
366
522
223
488
475
437
404
285
520
406
171
170
357
360
225
382
60
194
186
347
250
172
248
241
240
233
153
220

14500
18500
18500
5500
5500
18500
5500
18500
18500
10000
5500
5500
5500
3800
8500
3800
3800
3800
4000
5500
3000
3800
8500
8500
4000
3800
5500
3000
18500
5500
5500
2800
3800
5500
3800
3800
3800
3800
5500
3800

2958000
2904500
2886000
2816000
2788500
2701000
2695000
2534500
2368000
2180000
2161500
2040500
2013000
1983600
1895500
1854400
1805000
1660600
1616000
1567500
1560000
1542800
1453500
1445000
1428000
1368000
1237500
1146000
1110000
1067000
1023000
971600
950000
946000
942400
915800
912000
885400
841500
836000

0.66%
0.64%
0.64%
0.62%
0.62%
0.60%
0.60%
0.56%
0.52%
0.48%
0.48%
0.45%
0.45%
0.44%
0.42%
0.41%
0.40%
0.37%
0.36%
0.35%
0.35%
0.34%
0.32%
0.32%
0.32%
0.30%
0.27%
0.25%
0.25%
0.24%
0.23%
0.22%
0.21%
0.21%
0.21%
0.20%
0.20%
0.20%
0.19%
0.19%

81.22%
81.86%
82.50%
83.12%
83.74%
84.34%
84.94%
85.50%
86.02%
86.50%
86.98%
87.44%
87.88%
88.32%
88.74%
89.15%
89.55%
89.92%
90.28%
90.63%
90.97%
91.31%
91.63%
91.95%
92.27%
92.57%
92.85%
93.10%
93.35%
93.58%
93.81%
94.03%
94.24%
94.45%
94.66%
94.86%
95.06%
95.26%
95.44%
95.63%

71

73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110

66%
67%
68%
69%
70%
71%
72%
73%
74%
75%
75%
76%
77%
78%
79%
80%
81%
82%
83%
84%
85%
85%
86%
87%
88%
89%
90%
91%
92%
93%
94%
95%
95%
96%
97%
98%
99%
100%

60440281925
60440282055
60440282097
60440282113
60510026838
DE272923769
DE272923785
XC991060820
XC991060887
XC991060903
DC272921024
DC272930009
XC004807019
XA007707897
XA007707905
XA007707913
XA007707921
XL457000021
XL457000161
XL457000203
XL457000229
XL457000260
70071606472
WX700901829
WX700901712
WX700901720
WX700901738
XH003897648
XA010009422
70005188027
70005187110
70005245694
70005245736
70005245751
70005245744
70071622123
70071622107
IJ000000181

293
146
210
138
255
187
230
178
45
162
164
218
160
156
191
62
189
131
137
184
183
177
58
172
153
53
82
117
156
153
152
134
113
111
94
78
58
54

2800
5500
3800
5500
2800
3800
3000
3800
14500
4000
3800
2800
3800
3800
2800
8500
2800
4000
3800
2800
2800
2800
8500
2800
3000
8500
5500
3800
2800
2800
2800
2800
2800
2800
2800
2800
2800
2800

820400
803000
798000
759000
714000
710600
690000
676400
652500
648000
623200
610400
608000
592800
534800
527000
529200
524000
520600
515200
512400
495600
493000
481600
459000
450500
451000
444600
436800
428400
425600
375200
316400
310800
263200
218400
162400
151200

0.18%
0.18%
0.18%
0.17%
0.16%
0.16%
0.15%
0.15%
0.14%
0.14%
0.14%
0.14%
0.13%
0.13%
0.12%
0.12%
0.12%
0.12%
0.12%
0.11%
0.11%
0.11%
0.11%
0.11%
0.10%
0.10%
0.10%
0.10%
0.10%
0.09%
0.09%
0.08%
0.07%
0.07%
0.06%
0.05%
0.04%
0.03%

95.81%
95.99%
96.16%
96.33%
96.49%
96.65%
96.80%
96.95%
97.10%
97.24%
97.38%
97.51%
97.65%
97.78%
97.90%
98.01%
98.13%
98.25%
98.36%
98.48%
98.59%
98.70%
98.81%
98.92%
99.02%
99.12%
99.22%
99.32%
99.41%
99.51%
99.60%
99.68%
99.75%
99.82%
99.88%
99.93%
99.97%
100.00%

La informacin de la tabla anterior corresponde a lo siguiente:

72

La primera columna se refiere a la cantidad de referencias de producto

terminado que existe en la compaa de la lnea de negocios de abrasivos, la
segunda columna es el porcentaje de participacin que tiene cada producto sobre
el total de las referencias, la tercera columna muestra las distintas referencias de
producto terminado, seguido est la columna de volumen anual de cada
producto, que se multiplica por el volumen anual para poder obtener el total que
se muestra en la columna 6.
La sptima columna es el porcentaje anual total, es que tanto afecta a la
empresa, tomando en cuenta su utilizacin y el impacto que tiene costo unitario
de la produccin, teniendo como ltima columna el porcentaje acumulado.
Se tomaron 22 skus del grupo A para la implementacin del modelo de
inventario. Para las referencias de los grupos B y C se llev un inventario menos
controlado, verificando su nivel constantemente para determinar en qu
momento se debe pedir, para estos grupos la empresa continuar con el sistema
de control actual, ya que el presente trabajo de tesis se enfocar en los skus del
grupo A.

73

CAPTULO III
PRESENTACIN Y ANLISIS DE RESULTADOS

74

3.1.

Evaluacin del Modelo de Inventarios

Una vez que la informacin ha sido debidamente analizada y procesada,

se trabaj el modelo de inventario.
El modelo utilizado es revisin continua y demanda probabilstica con un
comportamiento de distribucin normal.
Para el modelo de producto terminado, se inici la evaluacin en Excel
partiendo de la cantidad ptima a pedir (Q*), as como el punto de reorden (R*).
Se debe partir de una Q inicial, siendo esta la Q de Wilson (Qw) con el fin de
mejorar la cifra hasta obtener la cantidad ptima que nos permitir calcular el
costo total mnimo.
La Qw es la cantidad a ordenar del modelo determinstico de lote
econmico, la cual da una aproximacin para iniciar el proceso de mejora. Qw=
2

(3.1)
En donde A es la demanda anual, K el costo de pedir y h el costo de

mantener una unidad en el inventario.

Los valores ptimos para Qn y Rn sern obtenidos mediante Qn

Q*,

donde Qn tiende a Q* (cantidad ptima).

Rn

R*, a medida que se avance en las iteraciones y se cumplan con Q*

y R*.
Tomando Qw0} Q1 se obtendr R1, para esto se utiliza:
1 =

(3.2)

Donde L1 es el valor de X para poder obtener Z en la tabla de distribucin

normal, C es el costo unitario del producto terminado y P es costo por faltantes.

75

Debido a que la distribucin del comportamiento de la demanda es

normal, se utilizan las tablas de probabilidad normal y en ella se encuentra un
valor para Z1 para el L1, obtenido de Z1=

. Una vez calculado Z1 se

encontr el punto de reorden R1

R1= +Z1

(3.3)

Encontrando los primeros resultados para Qn y Rn, se procede a iterar Q2

a fin de encontrar la solucin ptima, resolviendo primero
N(R1)= (-R1)*L1+
Donde

(3.4)

es la funcin de densidad de la distribucin normal de L1.

Una vez obtenido el valor de n(R1) se procede a calcular Q2

2 (+(1)

Q2=

(3.5)

Donde n(R1) es la variable que toma el punto de reorden junto con la

densidad de la probabilidad para obtener un nuevo Qn.
Se debe llevar un ciclo iterativo, por lo que este procedimiento se repetir
varias veces, pero siempre considerando el nuevo valor de Qn y Rn.
El siguiente paso fue calcular Ln=

una vez ms buscando en la tabla

de distribucin normal se encontr un nuevo valor de Z, y de esta manera se

obtiene un nuevo valor para R2 y Q3.
Este procedimiento se sigue realizando hasta encontrar Q* y R*, los cuales
son valores ptimos. El criterio de parao para las iteraciones se da cuando los

76

valores de Qn y Rn no varan de forma considerable, es decir que la parte entera

no sufra ningn cambio.
Cuando se ha alcanzado el Q* y R*, se calcul el costo total teniendo en
cuenta la siguiente ecuacin:

CT= + ( 2 + ) +
Donde

3.2.

{( ) +

(3.6)

es la funcin de densidad de la distribucin normal.

Evaluacin del Modelo Probabilstico para producto

terminado
En las pruebas para el modelo de producto terminado adems de Excel se
us el Software WINQSB porque es un programa que presenta un listado de 8
tipos de modelos de inventarios que da la facilidad de depurarlos de acuerdo a
las variables y supuestos especficos, adems tiene en cuenta el costo y precio de
producto que para el caso de los productos terminados es necesario involucrarlos
en el modelo.
A continuacin se muestra la ejecucin y resultados obtenidos para dos
referencias que pertenecen al grupo A de acuerdo a la clasificacin ABC.
3.2.1

Prueba al sku 60510027539

Tabla 3.2.1.1 Ejemplo de prueba realizada al sku 60510027539. Fuente:

WINQSB. 2014
Problema con demanda estocstica
Datos de Entrada
Distribucin de la demanda( en aos)
La media ()
Desviacin estndar (s>0)

Normal
47
10

77

Costo de ordernar
Costo unitario
Precio de Venta
Costo de Faltante
Nivel de servicio deseado (%)
Solucin WinQSB 60510027539
Resultado
Distribucin de la demanda (en aos)

4790
18500
25900
28675
90

Valor
Normal

Demanda media

47

Demanda de la desviacin estndar

Costo de ordenar
Costo Unitario
Precio de Venta
Costo de faltante

10
$

4,790

18,500

25,900

28,675

Cantidad ptima de pedido

51

Nivel de invetnario ptimo

51

Nivel ptimo de servicio

Benerficio ptimo esperado

1
$

143,273

Si se desea un nivel de servicio

90

Cantidad a ordernar

60

Nivel mximo de inventario

Beneficio esperado

60
$ 79,866.00

Teniendo en cuenta el resultado arrojado por WINQSB para el caso de la

referencia 60510027539 se pueden hacer las siguientes comparaciones:
Tabla 3.2.1.2 Anlisis de Resultados 60510027539. Fuente: La autora 2014

Nivel de Utilidad
Servicio Obtenida
Sugerido por WINQSB
66% 143,273
Esperado por la empresa
90%
79,866

78

Diferencia

24%

63,407

De lo anterior se observa que se puede alcanzar una utilidad ptima de

$143,273, pero con un nivel de servicio de 66%, es decir que con un 24% menos
de nivel de servicio deseado por la empresa, y si se desea seguir con el nivel de
servicio deseado por la empresa que es de un 90%, el beneficio esperado sera de
$79,866, es decir 63,407 menos de la utilidad ptima.
Con la informacin obtenida tambin se puede determinar la cantidad de

rdenes en el ao teniendo en cuenta que N=.

Donde D es la demanda anual y Q* es la cantidad ptima a producir,
entonces para el caso del sku 60510027539 sera:
567

N= 60 = 9 rdenes de produccin por ao.

Adempas se pudo determinar el tiempo que transcurre entre cada pedido
que est dado por T=

320

, donde 320 son los das hbiles que trabaja a empresa al

ao.
T=

320
9

= 37 das entre rdenes.

Con el objetivo de confirmar los resultados obtenidos en WiNQSB se

ingresaron los datos en Visual Basic, donde se puede corroborar los resultados
obtenidos de Q* y la utilidad.

79

Figura 3.2.1 Prueba Visual Basic 60510027539. Fuente: Visual Basic 2014

3.2.2 Prueba al sku 70005109502

Tabla 3.2.2.1 Datos para el Modelo Estocstico 70005109502. Fuente: WINQSB

2014

Problema con demanda estocstica

Datos de Entrada
Distribucin de la demanda( en aos)
La media ()
Desviacin estndar (s>0)
Costo de ordernar
Costo unitario
Precio de Venta
Costo de Faltante
Nivel de servicio deseado (%)

Normal
60
18
4790
8500
11900
13175
90

80

Solucin WinQSB 70005109502

Resultado
Distribucin de la demanda (en aos)
Demanda media

Valor
Normal
60

Demanda de la desviacin estndar

Costo de ordenar
Costo Unitario
Precio de Venta
Costo de faltante

18
$
4,790
$
8,500
$
1,900
$
13,175

Cantidad ptima de pedido

67

Nivel de invetnario ptimo

Nivel ptimo de servicio

67
66%
$
34,022

Benerficio ptimo esperado

Si se desea un nivel de servicio

90

Cantidad a ordernar

83

Nivel mximo de inventario

Beneficio esperado

83
$
(18,362.00)

De acuerdo con los resultados obtenidos en WINQSB se puede hacer la

siguiente comparacin:
Tabla 3.2.2.2 Anlisis de Resultados del sku 70005109502. Fuente: La autora
2014

Sugerido por WINQSB

Nivel de Utilidad
Servicio Obtenida
67%
13,175

81

Esperado por la empresa

90%

-18,362

De lo anterior se puede observar que con el nivel deseado de la empresa

(90%) se tiene una prdida de $(18,362) y con el nivel sugerido por WiNQSB del
66% se tiene un beneficio ptimo de $13,175. En este caso es recomendable para
la empresa estudiar los costos y precios del producto, para determinar la causa
de dicha perdida.
Con la informacin obtenida en la prueba anterior (tabla 7), se puede
determinar la cantidad de rdenes en el ao:
721

N= 83 = 9 rdenes de produccin por ao

Tambin podemos terminar el tiempo que transcurre entre cada pedido:
T=

320
9

= 37 das entre rdenes (donde los 320 son los das hbiles que

trabaja la empresa al ao.

La formulacin en Visual Basic, se bas en la operacin matemtica
explicada al inicio de este captulo, de manera que los datos coincidan en
cualquiera de las herramientas aplicadas.

82

Figura 3.2.2 Prueba aplicada al sku 70005109502. Fuente: Visual Basic 2014

En resumen, se hizo la prueba de los modelos en Excel, en el Software

WINQSB (propiedad de la compaa) y una aplicacin en Visual Basic, todo esto
con el objetivo de validar los datos obtenidos en cada prueba y adems presentar
una herramienta til a la empresa como el uso de Visual Basic.

83

CAPTULO IV
CONCLUSIONES Y RECOMENDACIONES

84

4.1 Conclusiones
Para que las empresas mantengan su competitividad, es necesario definir
una metodologa que permita estimar las polticas de control de inventarios de
productos terminados y materias primas a lo largo de su cadena de
abastecimiento, considerando la naturaleza aleatoria de la demanda de
productos terminados y de los tiempos de suministro entre las etapas de la
cadena.
En la determinacin de un modelo de inventarios se encuentran unas
limitantes como la disponibilidad de informacin y los recursos necesarios para
la evaluacin, por esto las empresas prefieren determinar un modelo de
inventarios para los skus ms importantes, por lo que es indispensable hacer
una clasificacin ABC que permita identificar aquellas referencias que merecen
una supervisin minuciosa.
Una de las polticas para el grupo A conviene disminuir los niveles de
existencia, sin embargo eso no quiere decir que se deba caer en riesgos de
posibles desabastecimientos.
Los productos que encajan en el grupo B, constituyen aproximadamente
un 25% de las existencias totales y el consumo anual respectivo, en valor
representa ms o menos el mismo porcentaje del total. Para el manejo se debe
tener en cuenta un factor diferencial a futuro que constituye la importancia que
tienen los artculos de la clase B, respecto al inventario total.

85

Los skus del grupo C, representan la gran mayora, pero con un valor
relativamente bajo.

La compra o venta de estos skus, debe basarse en

procedimientos sencillos para no incurrir en gastos innecesarios.

En general el modelo de inventarios, busca mejorar la disponibilidad de
los productos, considerando el capital para financiar el inventario, y as lograr
una disminucin de costos que fomenta el sostenimiento de la compaa.
Teniendo en cuenta las variables involucradas para la aplicacin del
modelo y analizando las cifras de costos y utilidades generadas en la evaluacin,
es evidente el alto nivel de favorabilidad en cuanto a ganancias para la empresa y
tomando los indicadores anteriores a la determinacin del modelo, se mostraba
en promedio 5 das de atraso o 20 unidades faltantes en la operacin de los
inventarios, esto quiere decir que si la empresa aplica el modelo de inventarios
este contribuir con un valor aproximado de $927,996 en cada caso.
Por ltimo, el modelo de inventario probabilstico evaluado, est
acondicionado a los parmetros y necesidades de 3M Panam Pacfico, siendo un
instrumento aceptado por la compaa, quienes presentan la necesidad
inmediata de su aplicacin para perfeccionar las actividades desarrolladas en la
empresa.

86

4.2 Recomendaciones
Algunos de los modelos revisados resuelven de manera prctica el
problema de estimacin de polticas de control; pero en ocasiones la separacin
de las problemticas no permite lograr mejoramientos globales, sino que se
centran en la bsqueda de ptimos en cada una de las ramas de estudio. Sin
embargo, la optimizacin localizada en los mdulos que conforman el sistema de
inventarios y la utilizacin conjunta de parmetros ptimos a lo largo de la
cadena de una empresa, pueden generar mejoramientos significativos en la
gestin de la industria nacional, especialmente en aquellas que no manejan
ninguna herramienta de control. Por esta razn considero:
La aplicacin de las nuevas metodologas de modelacin de la demanda
como

los

procesos

estocsticos

el

refinamiento

de

herramientas

computacionales existentes.
Generar y evaluar nuevas tcnicas

para crear metodologas que

permitan determinar la mejor forma de relacionar la demanda independiente con

la demanda dependiente en las diversas divisiones dentro de la compaa.
La formulacin y solucin de modelos ms robustos que permitan darle
solucin al problema de investigacin planteado, integrando la aleatoriedad de la
demanda y los tiempos de reposicin, la determinacin de inventarios de
seguridad, la localizacin de inventarios y la diversidad y complejidad que se
alcanza cuando se consideran mltiples tems de diversas caractersticas.

87

Es necesario tener un seguimiento a los cotos de mantener los

inventarios y los costos por faltantes, ya que con el paso del tiempo van
cambiando, dependiendo de los volmenes de productos terminados que se
manejan asumiendo que dichos valores influyen en el objetivo de los inventarios
que es minimizar los costos totales.

Con respecto al nivel de servicio deseado sugiero mantener el nivel

establecido por la empresa, as la utilidad es menor, ya que para muchos casos el

nivel de servicio sugerido por WINQSB es muy bajo a pesar de que la utilidad
era mayor.

Considero la posibilidad de llevar esta investigacin un nivel de

poder simular las variables que ms se vieron impactadas en la investigacin.

88

BIBLIOGRAFA
Aitken, J., Childerhouse, P., & Towill, D. (2003). The impact of product life cycle
on supply chain strategy. International Journal of Production Economics, 127140.
Bakir, M. A., & Byrne, M. D. (1998). Stochastic linear optimisation of an MPMP
production planning model. International Journal of Production Economics,
87-96.
Berkelaar, M., & Eikland, K. (2005). lpsolve: Open source (mixed-integer) linear
programming system. version 5.5.0.15.
Bhatnagar, M. R., Chandra, P., & Goyal, S. K. (1993). Models for multi-plant
coordination. European Journal of Operations Research, 67, 141-160.
Chen, Z. L., & Tirupati, D. (2002). A scenario-based stochastic programming approach
for technology and capacity planning (Vols. 29, n7). Computers & Operations
Research.
Crama, Y., Poche, Y., & Wera, Y. (15 de 08 de 2007). A discussion of production
planning

approaches

in

the

process

industry.

Obtenido

de

http://citeseer.ist.psu.edu/cache/papers/cs/23107/http:zSzzSzwww.cor
e.ucl.ac.bezSzserviceszSzpsfileszSzdp01zSzdp200142.pdf/crama01discussion.pdf
Crum, C. (2003). Fundamentals of Demand Management. En G. E. Colleen Crum,
Demand Management Best Practices: Process Priciples and Collaboration (pgs.
9-16). U.S.A: J. Ross Publishing, Inc.
Dantzig, G. B. (1955). Linear programming under uncertainty. Management
Science, 1, 197-206.

89

Drucker, P. F. (2001). The Gurus Guru: A Lively Conversation with Peter

Drucker. En Dean of the Deep Thinkers (pgs. 70-71). Business 2.0.
Fisher, M. L. (1997). What Is the Right Supply Chain for Your Product? Harvard
Business Review, 105-116.
Frederick S. Hillier, G. J. (2002). Investigacin de Operaciones.Mxico, DF: McGrawHill Interamericana Editores, S.A. de C.V.
G. Gallego, L. B. (14 de 08 de 2007). All-or-Nothing Ordering Under a Capacity
Constrain

and

Forecast

of

Stationary.Obtenido

de

http://faculty.insead.edu/toktay/Articles/fcost
Garcia, Sabater; Cardos, M. (2006). Un algoritmo para la Planificacin de
Produccin en un Sistema en Red de Fabricacin basada en Sistemas
Multiagente. X Congreso de Ingeniera de Organizacin.
George E. P. Box, G. M. (2008). Times Series Analysis, Forecasting and Control.
Hoboken, New Jersey: John Wiley & Sons, Inc.
Graves, H. S. (2001). Creating an Inventory Hedge for Markov Modulated
Poisson Demand: An Application and Model. Manufacturing and Service
Operations Management, 2001, 306-320.
Gupta, A., & Maranas, C. D. (2003). Managing demand uncertainty in supply
chain planning. Computers & Chemical Engineering, 1219-1227.
Ketzenberg, M., Metters, R., & Semple, J. (2006). A Heuristic for Multi-Item
Production with Seasonal Demand. IIE Transactions, 38, 201-211.
Kotler, P. (1997). Marketing Management: Analysis, Planning, Implementation,
and Control, Ninth Edition. Prentice Hall.

90

Lathrop, A., Tarantino, W., Katok, E., & Xu, S. H. (2001). Jeppesen Uses a
Dynamic Programming-Based DSS to Manage Inventory. Interfaces, 31, 5465.
Lederman, R. (2003). Optimization of Stochastic Inventory Control with Correlated
Demands. USA: Undergraduate Thesis. Department of Computer Science.
Brown University.
Li, J., & Liu, L. (2008). Supply chain coordination with manufacturer's limited
reserve capacity: An extended newsboy problem. International Journal of
Production Economics, 112, 860-868.
Liu, L., Xiaoming, L., & Yao, D. D. (2004). Analysis and Optimization of a
Multistage Inventory-Queue System. Management Science, 50, 365-380.
Mark Hillier, M. O. (2002). Teora de Inventarios. En M. O. Mark Hillier,
Investigacin de Operaciones (pgs. 933-1052). Mxico, D.F.: McGraw-Hill
Companies.
Meade, N., & Islam, T. (2006). Modelling and forecasting the diffusion of
innovation - A 25-year review. International Journal of Forecasting, 519-545.
Mieghem, J. A., & Rudi, N. (2002). Newsvendor Networks: Inventory
Management and Capacity Investment with Discretionary Activities.
Manufacturing and Service Operations Management, 4, 313-335.
Morrison, J. (1995). Lyfe-Cycle Approach to new Product Forecasting. The Journal
of Business Forecasting Methods and Systems, 14, n2, 3-5.
R. Kapuscinski, R. Q. (2004). Inventory Decisions in Dells Supply Chain.
Interfaces, 34, 191-205.

91

Sarmiento, A. M., & Nagi, R. (1999). A review of integrated analysis of

production-distribution systems. IIE Transactions, 31, 1061-1074.
Scitovski, R., & Meler, M. (2002). Solving parameter estimation problem in new
product diffusion models. Applied Mathematics and Computation, 127, 45-63.
Serna, M. D. (2010). Supply Chain Management Logisitcs under uncertainty
with indicators. En Ciencia e Ingeniera Neogranadina (pgs. 97-115). Bogot,
Colombia.
Shervais, S. (2000). Adaptive critic design of control policies for multi-echelon inventory
systems. USA: Doctoral Thesis. Portland State University.
Smits, S. (2003). Tactical design of production distribution networks: safety stock,
shipment, and production planning. Doctoral Thesis. Technische Universiteit
Eindhoven, 109-152.
Soman, C. A., Van Donk, D. P., & Gaalman, G. (2004). Combined make-to-order
make-to-stock in a food production system. International Journal of
Production Economics, 90, 223-235.
Song, H., & Chuin Lau, H. (2004). A periodic review inventory model with
application to continuous review obsolescence problem. European Journal
of Operational Research, 159, 110-120.
Sultan, F., Farley, J. U., & Lehmann, D. R. (1990). A meta-analysis of applications
of diffusion models. Journal of marketing research 27, International Journal of
Forecasting, 6, 70-77.
Whitin, H. W. (2004). Dynamic version of the economic lot size model.
Management Science, 50, 1770-1774.

92

Wong, C.-Y., Stentoft, J., Hvolby, H.-H., & Johansen, J. (2006). Assessing
responsiveness of a volatile and seasonal supply chain: A case study.
International Journal of Production Economics, 709-721.

93

ANEXO

Datos histricos de Ventas Brindada por los Proveedores, Datos del 2013. Fuente: Base de Datos 3M Panam Pacfico,
Departamento de Supply Chain

94