Professional Documents
Culture Documents
CAPTULO I
INTRODUCCIN
10
1.1
Antecedentes
11
12
13
14
3.
Utilizar
un
sistema
de
procesamiento
de
informacin
Modelos Determinsticos
b.
Modelos Estocsticos
15
16
Y cuando no se utiliza la
17
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
19
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
Objetivo Especfico
21
Panama Pacfico
Figura 1.2.6.1 Value Stream Map del Proceso de Atendimiento de Orden para un cliente. Fuente: 3M
22
23
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
1.3
Marco Terico
procesos de manera que todos los planes estn sincronizados uno con el otro.
26
27
Sin embargo,
inmediato ante las condiciones cambiantes y que no puedan prever el futuro con
un cierto grado de precisin, estn condenadas a extinguirse.
28
29
30
la demanda. Las empresas pueden usar este mtodo para determinar el impacto
de las promociones en la demanda.
4.
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
tan
diversas
como
manufactura,
transporte,
construccin,
32
considerado. Se dice que una mejor solucin y no la mejor solucin porque pueden
existir muchas soluciones que empaten como la mejor.
a.
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
en
oficinas
$2 millones
de
reservaciones y aeropuertos
para
cumplir
con
las
Corp.
$800 millones
distribucin,
potenciales
sitios
reas
de
mercado.
Procter & Gamble
Rediseo
produccin
del
y
sistema
de 1997
$200 millones
distribucin
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
Comunicacin
Influencia
Planificacin
Gestin
de la
Demanda
Administrar y
Priorizar
35
La verdadera
36
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
37
Anlisis
Estadstico
Marketing
Input
Ventas Input
Plan de
Demanda
Gestin del
Producto/
Marca Input
Plan de
Negocios y
Estrategas
38
2.
demanda a las organizaciones de suministro y las finanzas y, cada vez ms, para
abastecer a socios de la cadena.
3.
39
40
41
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)
43
44
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
46
47
48
49
En el trabajo se
50
51
CAPTULO II
METODOLOGA
50
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.
52
53
Figura 2.3 Diagrama del nivel de inventario como funcin del tiempo para el
modelo bsico EOQ.
2.3.1
Operacionalizacin de Variables
Para tener un mejor entendimiento, se explica estos factores que son las
variables a considerar en este trabajo:
54
si = 0
si > 0
b)
55
c)
56
2.3.2
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)
(3.2)
Q/
+ +
2
2
()2
(3.3)
()
22 +
(3.4)
= 0.
()
()2
2 2
= 0.
(3.5)
S* =
+ ,
(3.6)
58
(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.
abrasivos.
2.
actual se conoce.
3.
Debe usarse una poltica (R, Q), entonces las nicas decisiones que
cantidad Q.
9.
61
10.
(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.
(3.10)
2.4
Poblacin y Muestra
62
2.5
2.5.1
Distribucin de la demanda
Tabla 2.5.1 Estadsticas Descriptivas de abrasivos. Fuente: Datos recolectados de 3M Panam Pacfico
63
64
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
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
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
Brasil
Costa Rica
Nicaragua
Colombia
Guatemala
El Salvador
Honduras
Panam
Jamaica
Mxico
Bolivia
Repblica
Chile
Per
Ecuador
Trinidad y
Dominicana
Tobago
67
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
Clasificacin ABC
Es necesario generar la clasificacin de datos de acuerdo a su importancia
( )
(2.1)
69
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%
72
73
CAPTULO III
PRESENTACIN Y ANLISIS DE RESULTADOS
74
3.1.
(3.1)
En donde A es la demanda anual, K el costo de pedir y h el costo de
Q*,
y R*.
Tomando Qw0} Q1 se obtendr R1, para esto se utiliza:
1 =
(3.2)
75
(3.3)
(3.4)
Q2=
(3.5)
76
CT= + ( 2 + ) +
Donde
3.2.
{( ) +
(3.6)
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
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
10
$
4,790
18,500
25,900
28,675
51
51
1
$
143,273
90
Cantidad a ordernar
60
60
$ 79,866.00
Nivel de Utilidad
Servicio Obtenida
Sugerido por WINQSB
66% 143,273
Esperado por la empresa
90%
79,866
78
Diferencia
24%
63,407
320
ao.
T=
320
9
79
Figura 3.2.1 Prueba Visual Basic 60510027539. Fuente: Visual Basic 2014
Normal
60
18
4790
8500
11900
13175
90
80
Valor
Normal
60
18
$
4,790
$
8,500
$
1,900
$
13,175
67
67
66%
$
34,022
90
Cantidad a ordernar
83
83
$
(18,362.00)
Nivel de Utilidad
Servicio Obtenida
67%
13,175
81
90%
-18,362
320
9
= 37 das entre rdenes (donde los 320 son los das hbiles que
82
Figura 3.2.2 Prueba aplicada al sku 70005109502. Fuente: Visual Basic 2014
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.
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
87
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.
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
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
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