Beruflich Dokumente
Kultur Dokumente
T E S I S
QUE PARA OBTENER EL GRADO DE
PRESENTA:
DIRECTOR DE TESIS:
En la Ciudad de México D.F. el día 07 del mes de Junio de 2012 el que suscribe José Daniel Gómez
Hernández con el número de registro B101872, adscrito a la Maestría en Ciencias con Especialidad en
Ingeniería Industrial, manifiesta que es autor intelectual del presente trabajo de Tesis bajo la dirección
del Dr. Eduardo Gutiérrez González cede los derechos del trabajo titulado “METODOLOGÍA PARA
CALCULAR EL ABASTECIMIENTO DE UNA EMPRESA DE PARTES AUTOMOTRICES: CASO DE
ESTUDIO”, al Instituto Politécnico Nacional para su difusión con fines académicos y de investigación.
Los usuarios de la información no deben reproducir el contenido textual, gráficas o datos del
trabajo sin el permiso expreso del autor y/o director del trabajo. Este puede ser obtenido escribiendo a
la siguiente dirección danielgomez314@hotmail.com. Si el permiso se otorga el usuario deberá dar el
agradecimiento correspondiente y citar fuente del mismo.
III
DEDICATORIAS:
Gracias.
Mi admiración y agradecimiento.
IV
Índice
SIP-14 II
Carta cesión de derechos III
Dedicatorias IV
Índice V
Índice de tablas VIII
Índice de figuras X
Resumen XII
Abstract XIII
Introducción 1
Capítulo 1. Situación actual de la empresa 6
1.1 Situación actual de México 6
1.1.1 Situación de la logística en México 7
1.1.2 Problemática de la logística en México 9
1.2 Industrias Automotrices RC 11
1.2.1 Breve historia de la empresa 12
1.2.2 Los clientes 12
1.2.3 Los productos 13
1.2.4 Plantas de manufactura 14
1.2.5 Los procesos de producción 15
1.2.6 Responsabilidad social, misión y visión 18
1.2.7 Certificaciones, tecnología y diseño 19
1.3 Situación en el sector automotriz 21
1.4 Descripción del problema 22
V
Índice
Conclusiones 102
Bibliografía 105
Anexos 108
VII
Índice de tablas
Capítulo 1. Situación actual de la empresa
Tabla 1.1 Ubicación de México en el Índice de Percepción Logística 8
VIII
Índice de tablas
IX
Índice de figuras
Capítulo 1. Situación actual de la empresa
Figuras 1.1 Comportamiento del Producto Interno Bruto en México 7
Figuras 1.2 Distribución de los costos logísticos por sector 8
Figuras 1.3 Principales clientes de Industrias RC 13
Figuras 1.4 Muestra de algunos productos terminados 13
2
Figuras 1.5 Planta Cafetales con 3,600 m para el proceso de Estampado 14
Figuras 1.6 Planta Canela con 2,300 m2 para el proceso de Vulcanizado 15
Figuras 1.7 Proceso de estampado 16
Figuras 1.8 Proceso de Vulcanizado 17
Figuras 1.9 Proceso de hules 18
X
Índice de figuras
XI
Resumen
En el trabajo se desarrolla una metodología que tiene como objetivo principal
obtener el Listado final de requerimientos de materia prima que se debe tener en el
almacén de la empresa de estudio. Como primera etapa se realiza una selección de
material crítico tipo Pareto. Con los datos de la venta de los artículos seleccionados,
se determina el tipo de modelo que mejor representa la venta para cada artículo, éste
se elige con base en el criterio AIC y el valor de la log-verosimilitud. Para elegir el
mejor modelo fueron empleadas varias distribuciones, pero debido al
comportamiento de varios máximos de las ventas se introdujeron los modelos de
mezclas finitas de distribuciones. Para la estimación de los parámetros de estos
modelos se realizo un programa en el proyecto R que utilizo la log-verosimilitud de
las ventas.
Este trabajo está dirigido a empresas del sector automotriz que no cuentan con
bases solidas para el cálculo de la demanda y se desea resolver el problema de
desabasto.
XII
Abstract
The work develops a methodology which aims to obtain the final requirement list
of raw material that should be in the company warehouse being studied. As a first
step, a selection of the critical material with the Pareto method was performed. The
sale of the selected materials determines the type of model that best represents the
sales for each subject. This is chosen based on the AIC criterion and the value of the
log-verisimilitude. Several distributions were used to choose the best model, but due
to the behavior of some maximum sales, models of finite mixtures of distributions
were introduced. For the model parameter estimation a program on R project that
used the log-verisimilitude of the sales was presented.
Five scenarios are submitted for the supply level of the raw material
warehouse, and although it concludes with a feasible solution, the decision best
suited to space, economy, and political needs, is left to the company.
This work is aimed at companies in the automobile sector that do not have a
solid base to calculate the demand and solve the shortage problems.
XIII
Introducción
Contexto
En el entorno actual caracterizado por la creciente competitividad dentro de un
mercado globalizado, provoca que las economías mundiales deban tener respuestas
más eficientes, procesos bien planificados y estrategias que les permitan mantenerse
dentro de una economía de constante cambio. La globalización obliga a implementar
nuevas tecnologías para reaccionar ante las constantes variaciones en los
requerimientos del mercado, por lo que, la sincronización de los diversos agentes
involucrados en las diferentes cadenas de suministro, requiere una planificación
colaborativa con el fin de realizar un trabajo coordinado para poder satisfacer las
exigencias de un mercado cada vez más competitivo (Ribas, 2007). Entre los
capitales que se tienen dentro de las organizaciones, de manera general, están las
materias primas, materiales en proceso y productos terminados, que son recursos
ociosos temporales, razón por la cual deben ser reducidos al máximo (hasta el nivel
en el que no sea un factor del tiempo de entrega al cliente), ya que representa un alto
costo mantenerlos (Ballou, 2004).
1
Introducción
crecimiento sin un desarrollo basado con enfoque sistematizado, por lo que trae
consigo una expansión con planeación deficiente. Prueba de ello está, en las tres
plantas que tuvo que acondicionar, ya que por cuestiones de espacio no están
centralizadas y aunque las plantas están ubicadas con cierta cercanía, no deja de ser
una interferencia su flujo de proceso y los problemas que conllevan a una operación
normal de la empresa, situado todo esto en un problema en la logística.
Objetivos
• Establecer una metodología para el cálculo del abastecimiento de materia
prima que cumpla con la venta y el pronóstico de ventas.
• Elaborar el pronóstico de la venta para compararlo con el cálculo del
abastecimiento y determinar cuál es el nivel de servicio adecuado.
• Aplicar la metodología propuesta en Industrias Automotrices RC para obtener
el listado de requerimientos de materia prima, que sea base para los niveles
de inventario del almacén de materia prima.
• Contar con un almacén de materia prima que responda a las ventas de los
clientes evitando faltantes o sobrantes de materiales.
2
Introducción
Justificación
El tener un almacén de materia prima que cubra la demanda de los clientes,
con base en un buen modelo de pronósticos de la misma, es vital para toda empresa
aún más para Industrias Automotrices RC, ya que continuamente tiene problemas de
entrega, por tener excesos de algunos materiales o falta de otros. Es por ello que el
presente trabajo debe ser base para los niveles de abastecimiento del almacén de
materia prima y no como actualmente que es de acuerdo a la experiencia de los
encargados del mismo o por información del pronóstico de ventas dada por los
clientes.
Alcances y Limitaciones
El presente trabajo está dirigido a empresas proveedoras del ramo automotriz,
que no tiene una base sistemática para el cálculo de la demanda, y que basa sus
programas de producción en métodos subjetivos o el pronóstico de la venta que le
envían sus clientes. El estudio se concluye con un listado de requerimiento de
materia prima que será la base para cubrir la demanda real.
Resultados esperados
Considerando la falta de un pronóstico de ventas y una base sistemática para
el cálculo de los niveles del almacén de materia prima, el presente trabajo tiene como
fin principal el desarrollar una metodología para el cálculo del requerimiento de
materia prima acorde al comportamiento y/o pronóstico de la venta.
3
Introducción
Metodología general
Industrias Automotrices RC tiene 231 artículos de ventas de los cuales, como
en toda empresa, una minoría de ellos son el mayor volumen de las ventas, por lo
que se deben seleccionar aquellos artículos que sean los más representativos de las
ventas; para ello se utilizará el principio de Pareto, que como lo marca, es para
estudiar sólo el 20% de los artículos y que representen el 80% de las ventas. Como
inicio se analizará el comportamiento de los datos de los artículos seleccionados,
obteniéndose el modelo de su comportamiento. Después se realizará el análisis del
pronóstico de las ventas de cada uno de estos artículos. Posteriormente serán
comparados el comportamiento de los datos en diferentes niveles de servicio que
responda a los valores de la venta y los pronósticos, para que finalmente se obtenga
el Listado de Requerimientos de Materia Prima.
4
Introducción
5
Capítulo 1
Situación actual de la empresa
6
Capítulo 1
7
Situación actual de la empresa
Argentina 45 51 47 49 44 46 93 46
Brasil 61 74 49 75 49 65 126 71
Chile 32 24 34 34 35 37 115 44
Colombia 82 116 85 74 86 71 80 87
México 50 62 44 77 44 45 101 54
Perú 59 49 57 53 61 67 59 80
Estados
14 19 7 20 14 10 144 18
Unidos
España 26 30 24 23 24 22 107 29
COSTOS LOGÍSTICOS
35.0%
30.7%
30.0%
25.0%
20.0%
15.0% 13.5%
10.3%
7.9% 9.0%
10.0% 7.5%
4.9%
5.0%
0.0%
Eléctrico / Farmacéutico Alimentos, Comercio Automotriz PyMEs Promedio 2009
Electrónico bebidas y
consumo
8
Capítulo 1
9
Situación actual de la empresa
En el caso del comercio exterior, el estudio realizado en 2009 reveló que las
empresas ofrecen un mejor servicio logístico a clientes internacionales que a los
nacionales. Este resultado sugiere que las empresas cuentan con la capacidad para
mejorar sus niveles de servicio para clientes nacionales, con niveles de esfuerzo
relativamente bajos.
10
Capítulo 1
11
Situación actual de la empresa
12
Capítulo 1
13
Situación actual de la empresa
14
Capítulo 1
Figura 1.6 Planta Canela con 2,300 m2. Para el proceso de Vulcanizado
Planta de Estampado
En esta Planta (Figura 1.7) se inicia el proceso de producción para los
productos metal-mecánicos, entre los principales procesos se encuentran troquelado,
corte, doblez, formado, soldadura, desengrase y aplicación de adhesivos. Para la
fabricación de productos metálicos se tienen prensas mecánicas e hidráulicas con
capacidad desde 30 a 400 toneladas, equipo para soldadura y tornos para corte de
tubo y perfiles de aluminio. Las prensas cuentan con controles programables
integrados directamente a los sistemas de Control de Producción, los cuales les
permiten recopilar la información estadística de productividad. Para el proceso de
aplicación de adhesivo, se cuenta con equipo de lavado, desengrasado, granallado y
máquinas automáticas que aplican el primer y adhesivo.
15
Situación actual de la empresa
Planta de Vulcanizado
En esta planta (Figura 1.8) además de albergar las Oficinas Corporativas, se
realizan los procesos de vulcanizado, pintura, evaluación del producto y embarque.
Se tienen prensas de compresión y máquinas de inyección con capacidad hasta 4
litros, asistidas por computadora con sistemas de Control Estadístico del Proceso
(CEP), Control de Proceso de Manufactura (CIM) y Control Computarizado del
Tiempo de Curado (CURETRAC). Una vez que los productos han sido
manufacturados con prensas de compresión y máquinas de inyección, pasan al
laboratorio central donde se cuenta con los siguientes dispositivos:
16
Capítulo 1
Planta de Hules
En esta planta (Figura 1.9) se realiza el desarrollo de compuestos de hule,
premezclado y preformado, empleando molinos de diversas capacidades y máquinas
pre-formadoras. Se cuenta con un laboratorio donde se evalúan los materiales y
mezclas con equipo asistido por computadora como reómetro y tensiómetro para la
realización de pruebas mecánicas de tensión y elongación.
17
Situación actual de la empresa
Planta de Troqueles
Esta planta es un anexo de la empresa, donde se diseña, fabrica y
proporciona el mantenimiento a los moldes, troqueles y dispositivos de ensamble
necesarios en las plantas de manufactura. El taller cuenta con moderno equipo de
control numérico por computadora (CNC), centros de maquinado y torno, máquinas
de electroerosión por penetración y alambre, además de equipo convencional como
cepillos y fresadoras, rectificadora de superficies, horno de templado y afiladora de
herramientas. Los diseños son realizados por expertos que se apoyan con
herramientas asistidas por computadora, aplicando sistemas CAD y CAM.
18
Capítulo 1
Misión
“SOMOS UNA EMPRESA MEXICANA FABRICANTE DE PRODUCTOS
AUTOMOTRICES DE HULE-METAL, QUE SATISFACEN LOS
REQUERIMIENTOS DEL CLIENTE EN TÉRMINOS DE COSTOS, CALIDAD Y
SERVICIO. RESPETAMOS LAS NORMAS DE LA COMUNIDAD Y
RECONOCEMOS EN NUESTRO PERSONAL AL ELEMENTO MÁS VALIOSO,
PROCURANDO SU BIENESTAR Y DESARROLLO Y A LOS PROVEEDORES
COMO NUESTROS SOCIOS. BUSCAMOS LA GENERACIÓN DE UTILIDADES
QUE NOS PERMITA MANTENER EL LIDERAZGO EN NUESTRA ACTIVIDAD”.
Visión
“LA VISIÓN DE INDUSTRIAS AUTOMOTRICES R.C. ES LLEVAR A LA
COMPAÑÍA A SER UNA EMPRESA LIDER, GENERADORA DE UTILIDADES,
CON MENTALIDAD TRIUNFADORA Y VISIÓN INNOVADORA PARA APOYAR AL
CLIENTE, APLICANDO TECNOLOGÍAS ADECUADAS PARA OBTENER
PRODUCTOS DE EXCELENTE CALIDAD A BAJO COSTO Y ENTREGAS A
TIEMPO, CON EL COMPROMISO DE CADA UNO DE NOSOTROS EN UN BUEN
AMBIENTE DE TRABAJO”.
19
Situación actual de la empresa
ISO/TS 16949
Certificación otorgada por el despacho certificador TÜV Rheinland en Julio de
2001, abarcando los Sistemas de Calidad relativos a la administración de la
empresa, sus productos y procesos.
ISO 14001
Obtenido en Marzo de 2002, La norma internacional ISO 14001 especifica los
requerimientos de un Sistema de Administración Ambiental (SAA) y su aplicación en
la industria automotriz. Industrias Automotrices R.C. reforzando su amplio
compromiso con la ecología y en congruencia con sus clientes, respeta y cumple los
principios establecidos en su política ambiental para prevenir y evitar la
contaminación.
Tecnología RC
En Industrias Automotrices R.C, es dueña de toda su tecnología de diseño y
fabricación de productos, desarrollada a lo largo de 38 años de investigación. Se han
desarrollado mezclas para cubrir con diferentes valores de tensión y tasas dinámicas,
así como mezclas con protección al medio ambiente, según sean las
especificaciones del producto. Cuenta con laboratorios equipados con sistemas
altamente avanzados para evaluar las materias primas y realizar las pruebas
suficientes que aseguren la calidad de sus productos; realizan los procesos
productivos con maquinaria de punta bajo condiciones controladas y en estricto
apego a los procedimientos establecidos, operada por personal altamente calificado.
Cabe mencionar que todos los equipos en laboratorios cuentan con certificados de
calibración de acuerdo a estándares internacionales que les permite garantizar
excelentes resultados; así como la certificación por Chrysler de México. Entre los
equipos se encuentran Reómetro, Tensiómetro, Máquina de medición por
coordenadas CNC, Sistema de pruebas de elastómeros, Máquina de prueba de vida,
de adhesión, OscilografoYerzley, Durómetros para lámina y hule, Horno de
envejecimiento, entre otros.
20
Capítulo 1
Diseño
La empresa cuenta con su propia área de Ingeniería para diseñar y construir
todos los herramentales, moldes y troqueles utilizando sistemas de diseño asistido
por computadora (CAD), permitiéndoles también enlazarse desde los diferentes
sistemas de diseño de los clientes (sistemas como Catia, Unigraphics, proengineer,
etc.). El laboratorio de metrología cuenta con equipo de medición por coordenadas
para dimensionar las partes con un alto grado de precisión, como apoyo al control del
proceso, desarrollo del producto y fabricación de troqueles y moldes.
Embarque
La distribución y embarque está basada en entregas justo a tiempo (JIT), por
lo que la logística de manejo de materiales es desde el recibo de la materia prima
hasta el embarque de producto terminado, es controlada mediante la identificación
por código de barras. Los embarques se realizan en contenedores retornables,
asistidos de sistemas de pesaje electrónicos para asegurar la precisión en la
cantidad de piezas embarcadas.
Proveedores y Subcontratistas
En este mismo sitio se cuenta con un sólido sistema de información para
retroalimentar a los proveedores acerca de los requerimientos de materiales para
cumplir los pedidos de los clientes, permitiendo también que se retroalimenten las
cantidades embarcadas y fechas en que arribaran a las plantas; manteniendo así
una oportunidad de reacción en caso de contingencia.
21
Situación actual de la empresa
22
Capítulo 2
Marco teórico
23
Capitulo 2
24
Marco teórico
El término Supply Chain Management (SCM, por sus siglas en inglés y que
aunque su significado no se adecua totalmente, lo podemos definir como Gestión de
la Cadena de Suministro), fue introducido originalmente por los consultores a
principios de los años 1980 y posteriormente ha tenido una gran demanda. Desde
principios de 1990, los académicos han intentado dar forma a SCM (Lambert &
Cooper, 2000). Debemos empezar desde la propia definición de Logística, que es el
antecedente inmediato de la SCM y que tiene su origen desde la historia militar de
los antiguos romanos y griegos, siendo documentado por primera vez por Booz Allen
Hamilton en 1982 (Wienclaw, 2008). Se establece que la gestión de la logística es un
subconjunto de las actividades dentro del proceso de la cadena de toda la empresa.
25
Capitulo 2
26
Marco teórico
27
Capitulo 2
28
Marco teórico
2.1.4 Logística
La necesidad de las empresas de reducir los costos e incrementar las
utilidades ha generado que vean a las actividades logísticas como un foco para
alcanzar sus objetivos (Arango, Zapata, & Wilson, 2011) (Chopra & Meindl, 2008). La
29
Capitulo 2
alta competitividad del mercado actual, causada en gran parte por la globalización,
obliga a la empresas a ofrecer sus productos a menor precio, con mejores
características de calidad y con un mayor nivel de servicio al cliente (Porter, 1985)
(Sallenave, 2002).
(Sánchez Gómez, 2008) Establece una definición de logística que es dada por
el Council of Logistics Management define logística como:
30
Marco teórico
31
Capitulo 2
32
Marco teórico
33
Capitulo 2
2.1.7 El cliente
En los últimos años, el cliente se ha convertido en una fuente de información
estratégica sobre la calidad del producto y del servicio en lugar de ser únicamente el
objeto para venta de empresas productivas y de servicios (Parada, 2009). En
consecuencia, las formas clásicas de dirigir a las organizaciones basadas en el
análisis y la optimización de cada una de sus áreas funcionales van perdiendo
vigencia a favor de enfoques de dirección sistémicos, que abogan por conseguir un
funcionamiento del sistema suficientemente satisfactorio para cada una de sus
partes.
34
Marco teórico
35
Capitulo 2
36
Marco teórico
( )
( ) ( )
√
Tenemos en la Figura 2.1 la gráfica de las variables aleatorias con distribución
normal y parámetros µ (media) y σ2 (varianza) se suelen denotar por: N (µ, σ2).
37
Capitulo 2
38
Marco teórico
Definición: Sea X una variable aleatoria continua del experimento realizado, diremos
que tiene una distribución exponencial con parámetro positivo β en el intervalo ),
cuando su función de densidad de probabilidad es:
( ) {
c) Función Acumulada ( ) {
39
Capitulo 2
( ) { ( )
( ) ∫
( ) {
40
Marco teórico
Figura 2.4 Para alfa α igual a 1 y beta β con valores de 0.5, 1.2 y 3 (Gutiérrez
González, 2010).
c) Función Acumulada ( ) {
( )
∫
41
Capitulo 2
( ( ) )
( ) { √
42
Marco teórico
2.3 Pronósticos
En el entorno actual, caracterizado por pertenecer a sistemas de cadenas de
suministros cada vez más complejas, las exigencias del mercado son aún mayores,
por lo que es importante que se tenga una visión lo más exacto posible de las
demandas del mercado para tener una respuesta de reacción rápida, eficiente y
sobre todo económica.
La planeación y el control de las actividades de logística y de las cadenas de
suministro requieren estimados precisos de los volúmenes de producto y de servicio
que serán manejados por la cadena de suministro (Ballou, 2004). Estos estimados se
presentan en forma de predicciones o pronósticos, siendo la responsabilidad de su
generación no solo de un grupo especialmente conformado (marketing, planeación
económica, etcétera) sino también del encargado de la planeación y control de la
logística. Cuando la incertidumbre de la variable de predicción es tan alta que las
técnicas estándar de pronósticos y su aplicación en la planeación de la cadena de
suministro llevan a resultados insatisfactorios, se necesitan otros métodos más
complejos (Ballou, 2004).
El pronóstico de la demanda es una predicción de lo que sucederá con las
ventas existentes de los productos de la empresa. Lo ideal es determinar el
pronóstico de la demanda con un enfoque multifuncional. Se debe considerar las
entradas de ventas y mercadeo, finanzas y producción. El pronóstico final de la
demanda es el consenso de todos los gerentes participantes. También es
aconsejable conformar un grupo de Planeación de Ventas y Operaciones compuesto
de representantes de los distintos departamentos a los que se les encargará preparar
el pronóstico de la demanda (Nahmias, 2007).
(Vidal, Londoño, & Contreras, 2004) Establece que se debe destacar la
utilización de conocidos sistemas de pronósticos y de control y de otros adaptados a
la situación específica, como el caso de la predicción de demanda de productos
nuevos y el cálculo dinámico de pronósticos acumulados, en un sistema
extremadamente complejo. Un aspecto para puntualizar es la importancia que tienen
los procesos de colaboración en la cadena de abastecimiento. Por ejemplo, para los
43
Capitulo 2
44
Marco teórico
45
Capitulo 2
46
Marco teórico
47
Capitulo 2
48
Marco teórico
buenos para anticipar cambios mayores en las series de tiempo y para pronosticar de
manera precisa sobre un periodo de mediano a largo plazo (Ballou, 2004) Tabla 2.8.
49
Capitulo 2
50
Marco teórico
51
Capitulo 2
( ⁄ ) ∑ ( ⁄ )( )
Esto es, que la media de las observaciones más recientes se utiliza como el
pronóstico para el próximo periodo. Siendo la notación PM(N) los Promedios Móviles
del periodo .
Debemos notar que en un proceso de demanda en el que exista tendencia, los
pronósticos de promedios móviles quedaran por debajo de la tendencia.
( ) ( )( )
( )
52
Marco teórico
53
Capitulo 2
Y
̅ ( )⁄
Donde:
( )
∑ ∑
( )( ) ( )
54
Marco teórico
55
Capitulo 2
56
Marco teórico
normalizar los N factores más recientes para que sumen N. Por último, el pronóstico
realizado en el periodo para cualquier periodo futuro está dado por:
( )
Observe que esta ecuación de pronósticos supone que . Si , el
factor estacional adecuado será ; si , el factor estacional
adecuado será , y así sucesivamente.
57
Capitulo 2
( )⁄ ]
Donde para la primera estación, para la segunda estación y es el
periodo de la estación. Esto es, para y ; para
para y y así sucesivamente.
b) Promedie los factores estacionales. Asumiendo exactamente dos
estaciones de datos iniciales, obtenemos:
[ ]
∑
Este procedimiento de inicialización es el sugerido por Winters; aunque no es
el único medio para iniciar el sistema. Los factores estacionales pueden determinarse
por el método de promedios móviles. Otra alternativa puede ser ajustar la regresión
lineal a los datos de base y usar los valores de la pendiente resultante y la
intercepción, como se hizo en el método de Holt, para obtener y . Los factores
estacionales podrán obtenerse al dividir cada observación de demanda en el periodo
base por el valor correspondiente de la línea de regresión, promediando periodos
iguales, y normalizando. Los valores reales de los estimados iniciales intercepción, la
pendiente y los factores estacionales serán similares sin importar el esquema de
inicialización que se utilice.
58
Marco teórico
59
Capitulo 2
Los modelos ARIMA no son tan sencillos de construir como los otros métodos
analizados anteriormente. Desarrollar el modelo ARIMA requiere técnicas
matemáticas sofisticadas para estimar los parámetros del modelo, e incluso resulta
más complicado obtener una estimación razonable de la función de auto-correlación,
el uso de paquetes computarizados de programas es por demás recomendable y
entre los más usuales se tienen: SPSS, SCSS, BMDP, STATPACK, MINITAB,
SAS/EST, SIBYL, entre otros (Makridakis & Wheelwrigth, 2009). Se debe contar con
un historial de observaciones grande, recomendándose como mínimo 72
observaciones.
El modelo ARIMA parte del hecho de que la serie de tiempo que se trata
predecir es generalizada por un proceso estocástico y su naturaleza puede ser
determinada por un modelo, para estimación su modelo, se requiere de una serie de
tiempo mensual o trimestral que cuente con un mínimo de 72 observaciones.
Esta metodología consiste en encontrar un modelo matemático que represente
el comportamiento de la serie temporal de datos y permita hacer previsiones
únicamente introduciendo el periodo de tiempo correspondiente y explique el
comportamiento de la serie temporal a partir de observaciones pasadas de la propia
serie y a partir de los errores pasados de previsión.
La notación compacta de los modelos ARIMA es:
( )
Donde:
α = Número de parámetros auto-regresivos (Auto-Regressive)
β = Número de diferenciaciones para estacionar la serie (Integrate difference)
γ = Número de parámetros de medias móviles (Moving Average)
60
Marco teórico
( ⁄ ) ∑| |
( ⁄ )∑
[( ⁄ ) ∑| ⁄ |]
61
Capítulo 3
Metodología para calcular el abastecimiento
62
Capítulo 3
SELECCIÓN DE ARTÍCULOS
PERIODO 2010-11
PRINCIPIO DE PARETO
ETAPA A ETAPA B
ANÁLISIS DEL ANÁLISIS DEL PRONÓSTICO DE
COMPORTAMIENTO DE LOS LA DEMANDA DE VENTAS
DATOS MENSUAL
COMPORTAMIENTO DE LOS DATOS CLASIFICAR LOS ARTÍCULOS EN
BASE A VENTAS MENSUALES
HISTOGRAMA DE LA DISTRIBUCIÓN
ESTUDIO DEL COMPORTAMIENTO
DETERMINAR LA MEJOR DE LOS DATOS
DISTRIBUCIÓN EN BASE AL MAYOR
VALOR DE SU VEROSIMILITUD EVALUACIÓN DE LOS DATOS Y
CÁLCULO DEL PRONÓSTICOS DE
CÁLCULO DEL CUANTIL DEL LA DEMANDA
MODELO
ELECCIÓN DEL MEJOR
CÁLCULO DE LA DEMANDA A PRONÓSTICO EN BASE AL MAD
DIFERENTES NIVELES DE SERVICIO
ETAPA C
REQUERIMIENTOS DE MATERIA PRIMA
COMPARATIVO DE LOS RESULTADOS Y DECIDIR EL
CUANTIL EN BASE AL MEJOR COMPORTAMIENTO DEL
NIVEL DE SERVICIO
LISTADO DEL REQUERIMIENTO DE MATERIA PRIMA
63
Metodología para calcular el abastecimiento
El proyecto se lleva a cabo con la información de las ventas de los años 2010
y 2011 de la empresa en estudio. Se empieza por seleccionar los materiales que, con
base en el Principio de Pareto, representan el 20% de los artículos y que refleja el
80% de las ventas. Teniendo la selección de los artículos, la aplicación de la
metodología se llevará a cabo en tres etapas:
64
Capítulo 3
65
Metodología para calcular el abastecimiento
Con este nuevo enfoque, se procede a aplicar una metodología para poder
evaluar sólo los productos que sean mayormente representativos del total de datos;
por lo que aplicamos el denominado “Principio de Pareto o regla 80/20” (en honor a
Wilfredo Pareto).
En la Tabla 3.3 se tienen los 45 artículos de la Clase del Pareto que se deben
analizar, pero su porcentual está enfocado sobre el total de los 231 artículos,
teniéndose que los 45 artículos representan el 19.48% del total. En la misma tabla se
muestra el número de los movimientos o ventas de los años 2010-11. El número de
movimientos, serán analizados posteriormente de manera individual, con el fin de
determinar su comportamiento y poder elaborar un modelo de abastecimiento.
66
Capítulo 3
67
Metodología para calcular el abastecimiento
Tabla 3.3 Cantidad de datos del periodo 2010-11: 45 artículos más demandados
VENTA TOTAL 2010-2011
ITEM ARTÍCULO DESCRIPCIÓN NÚMERO ORDEN PORCENT
No. RC DE DATOS ACUMUL. (%)
1 0432-0 CENTER BEARING 125 1 0.43%
2 1941-0 REPUESTO SOPORTES 6694 Y 6686 494 2 0.87%
3 1815-0 BASE PARA AMORTIGUADOR DELANTERA 55 3 1.30%
4 3032-0 BUMP STOP 289 4 1.73%
5 0737-0 BUJE 117 5 2.16%
6 1995-0 SOPORTE DE MOTOR 219 6 2.60%
7 0431-0 DD/DJ ISOLATOR ASSEMBLY 104 7 3.03%
8 1984-0 SOPORTE MOTOR PICK UP NISSAN 459 8 3.46%
9 0225-0 GOMA CARDAN 131 9 3.90%
10 1994-0 BASE DELANTERA DE AMORT.DER. IZQ. 207 10 4.33%
11 3031-0 BUMPER 114 11 4.76%
12 3009-0 MOLDED RETAINER TING 125 12 5.19%
13 1715-R SOPORTE MOTOR IZQ Y DER 228 13 5.63%
14 1886-0 BASE AMORTIGUADORES 126 14 6.06%
15 3010-0 RUBBER BUMPER FOR BELLOW 112 15 6.49%
16 1797-0 SOPORTE MOTOR IZQ Y DER 224 16 6.93%
17 0437-0 CENTER BEARING ASSEMBLY 33 17 7.36%
18 1911-0 SOPORTE TRANSMISIÓN AUTO Y STD 384 18 7.79%
19 1829-0 BASE DELANTERA 156 19 8.23%
20 0434-0 NISSAN CB ASSY 42 20 8.66%
21 0422-0 CENTER BEARING ASSEMBLY 21 21 9.09%
22 1944-0 REPUESTO PARA SOPORTE 7010 280 22 9.52%
23 1985-0 SOPORTE DE TRANSMISIÓN 275 23 9.96%
24 1805-R SOPORTE 172 24 10.39%
25 1854-0 BASE AMORTIGUADORES 166 25 10.82%
26 1815-R BASE PARA AMORTIGUADOR DELANTERA 116 26 11.26%
27 1920-0 SOPORTE MOTOR IZQ Y DER 158 27 11.69%
28 1983-0 SOPORTE HIDRÁULICO TRANSMISIÓN 196 28 12.12%
29 1782-0 SOPORTE MOTOR IZQ. Y DER. 154 29 12.55%
30 1897-0 SOPORTE MOTOR IZQ Y DER 161 30 12.99%
31 3011-0 RUBBER BUMPER FOR BELLOW 98 31 13.42%
32 3039-0 SOPORTE DE MOTOR 41 32 13.85%
33 1884-0 SOPORTE TRANSMISIÓN AUTO SOLIDO 150 33 14.29%
34 1816-0 BASE DELANT SIN BALERO STD Y AUTO 130 34 14.72%
35 1900-0 SOPORTE MOTOR IZQ Y DER 209 35 15.15%
36 1934-0 SOPORTE MOTOR IZQUIERDO 145 36 15.58%
37 1928-0 REPUESTO SOPORTE 6668 138 37 16.02%
38 0738-0 SILENT BLOC 001770569005 59 38 16.45%
39 1973-0 REPUEST SOPORTE 6652 121 39 16.88%
40 1861-0 BASE PARA CARBURADOR 88 40 17.32%
41 3040-0 SOPORTE DE MOTOR 3040-0 33 41 17.75%
42 3018-0 RUBBER BUMPER 90 42 18.18%
43 1824-0 SOPORTE MOTOR IZQ Y DER 204 43 18.61%
44 1927-0 REPUESTO PARA SOPORTE 6651 242 44 19.05%
45 1988-0 SOPORTE HIDRÁULICO TRANS 132 45 19.48%
68
Capítulo 3
ETAPA A
3.2.2. Estudio del comportamiento de los datos
Después de haber definido la prioridad del estudio y reducir éste de 231
artículos a revisar sólo 45, se debe analizar su comportamiento o patrón que tienen
los datos de cada uno de los artículos.
4,000
Cant. de Piezas
2,000
Cant. de Piezas
3,000 1,500
2,000 1,000
1,000 500
- -
0 100 200 300 400 500 600 0 50 100 150 200 250
No. de Dato No. de Dato
1941-0 1995-0
1,500
Cant. de Piezas
Cant. de Piezas
4,000
1,000 3,000
2,000
500
1,000
- -
0 100 200 300 400 500 0 50 100 150 200 250
No. de Dato No. de Dato
1984-0 1715-R
Cant. de Piezas
1,000
Cant. de Piezas
800
600
400 500
200
- -
0 50 100 150 200 250 0 50 100 150 200 250 300
No. de Dato No. de Dato
1797-0 1944-0
69
Metodología para calcular el abastecimiento
80 200
Frecuencia
Frecuencia
60 150
40 100
20 50
0
0
y mayor...
510.9
1,001.8
1,492.7
1,983.6
2,474.5
2,965.5
3,456.4
3,947.3
4,438.2
4,929.1
5,420.0
20.0
1.0
345.0
689.0
1,033.0
1,377.0
1,721.0
2,065.0
2,409.0
2,753.0
3,097.0
3,441.0
3,785.0
Clase Clase
0432-0 1941-0
25
Frecuencia
80
Frecuencia
20 60
15 40
10
5 20
0 0
y mayor...
y mayor...
400.0
1.0
127.4
253.7
380.1
506.4
632.8
759.1
885.5
2,057.1
3,714.3
5,371.4
7,028.6
8,685.7
1,011.9
1,138.2
1,264.6
1,390.9
1,517.3
1,643.6
1,770.0
10,342.9
12,000.0
Clase Clase
1815-0 1995-0
30 40
Frecuencia
Frecuencia
20 30
20
10 10
0 0
y mayor...
y mayor...
120.0
1,068.0
2,016.0
2,964.0
3,912.0
4,860.0
5,808.0
6,756.0
7,704.0
8,652.0
9,600.0
251.2
487.4
723.6
959.8
15.0
1,196.0
1,432.2
1,668.4
1,904.6
2,140.8
2,377.0
Clase Clase
0431-0 0737-0
70
Capítulo 3
###########################################################################################
#### PRODUCTO 1941-0 #### PRODUCTO 1941-0 #### PRODUCTO 1941-0 #### PRODUCTO 1941-0 ####
###########################################################################################
productos <- as.matrix(read.csv(file="c:/rexcel/datosrc.csv", header=T))
datos1 <- productos[1:494,2]
veroexponencial <- function(x)
{
n <- length(datos1)
(sum(datos1)/x + n*log(x))
}
logverosimilitud <- -optimize(veroexponencial,c(0,100000) )$objective
estimador <- mean(datos1)
logverosimilitud ### -3608.072
estimador ### 546.6397
verogama <- function(x)
{
n<- length(datos1)
-((x[1]-1)*sum(log(datos1)) - sum(datos1)/x[2]- n*log(gamma(x[1]))-n*x[1]*log(x[2]))
}
logverosimilitud <- -optim(c(1, 2),verogama)$value
estimador <- optim(c(1, 2),verogama)$par
logverosimilitud #### -3605.438
estimador #### 0.8812101 620.0071361
verolognormal <- function(x)
71
Metodología para calcular el abastecimiento
{
n<- length(datos1)
sum((log(datos1)-x[1])^2) / (2*(x[2])^2)+ sum(log(datos1)) + n*log(x[2]) + n*log(2*pi)/2
}
logverosimilitud <- -optim(c(200, 40000),verolognormal)$value
estimador <- optim(c(6, 20000),verolognormal)$par
logverosimilitud ### -3646.269
estimador ### 5.639578 1.380862
vernormal <- function()
{
n<- length(datos1)
a <- mean(datos1)
b <- sd(datos1)
-n*log(b*sqrt(2*pi))- sum((datos1-a)^2) / (2*(b)^2)
}
logverosimilitud <- vernormal()
estimador <- c(mean(datos1),sd(datos1))
logverosimilitud ### -3824.602
estimador ### 546.6397 557.9016
hist(datos1,freq = FALSE)
aux11 <- function(x){media <- mean(datos1); exp(-x/media)/media }
plot(aux11,type = "l",col = 1,lty = 1,lwd = 3,main=" ", xlab="", ylab=" ",xlim=c(-1,4000),ylim=c(0,0.0020),add=TRUE) ##,xlim=c(-
10,3000),ylim=c(0,0.0010),add=TRUE)
aux12 <- function(x){a <- 0.8812101 ; b<- 620.0071361 ; x^(a-1)*exp(-x/b)/(gamma(a)*b^a) }
plot(aux12,type = "l",col = 2,lty = 1,lwd = 3, main=" ", xlab="", ylab=" ",xlim=c(-1,4000),ylim=c(0,0.0020),add=TRUE)
aux13 <- function(x){ a <- 5.639578 ; b <- 1.380862 ; exp(-(log(x)-a)^2/(2*b^2)) / (x*b*sqrt(2*pi)) }
plot(aux13,type = "l",col = 4,lty = 1,lwd = 3,main=" ", xlab="", ylab=" ",xlim=c(-1,4000),ylim=c(0,0.0020),add=TRUE)
aux14 <- function(x){ a <- mean(datos1) ; b <- sd(datos1) ; exp(-(x-a)^2/(2*b^2)) / (b*sqrt(2*pi)) }
#aux14 <- dnorm(datos1)#, mean(datos1), sd(datos1))
plot(aux14,type = "l",col = 3,lty = 1,lwd = 3, main=" ", xlab="", ylab=" ",xlim=c(-1,4000),ylim=c(0,0.0020),add=TRUE)
legend(1000, 0.0010, c("Exponencial", "Gamma","Log-normal","Normal"),lty = 1,col=c(1,2,4,3),bty = "n")
72
Capítulo 3
Las fórmulas utilizadas para calcular las distribuciones son las siguientes:
⁄
Distribución Exponencial: ( )
( )
Distribución Normal: ( )
√
( ( ) )
Distribución Log-Normal: ( )
√
⁄
Distribución Gamma: ( )
( )
( ) ∫
73
Metodología para calcular el abastecimiento
74
Capítulo 3
75
Metodología para calcular el abastecimiento
76
Capítulo 3
77
Metodología para calcular el abastecimiento
Distribución Exponencial: ( )
Distribución Log-normal: ( )
Distribución Normal: ( )
Distribución Gamma: ( )
78
Capítulo 3
79
Metodología para calcular el abastecimiento
80
Capítulo 3
81
Metodología para calcular el abastecimiento
82
Capítulo 3
83
Metodología para calcular el abastecimiento
84
Capítulo 3
ETAPA B
Para comprobar si el modelo de abastecimiento es adecuado y determinar qué
nivel de servicio es el más acorde, se deben realizar los cálculos correspondientes
de los pronósticos de las ventas mensuales y posteriormente compararlos para cada
uno de los 45 artículos.
Se aplicará para cada uno de los productos la metodología para el cálculo del
pronóstico, utilizando los modelos descritos previamente, obteniendo el valor del
MAD (Middle Absolute Difference, Desviación Absoluta Media por sus siglas en
inglés) y decidiendo que el valor menor, será el método a utilizar para obtener el
pronóstico de los dos meses proyectados. Finalmente estos valores serán
comparados con los dos valores últimos reales para observar su variación.
85
Metodología para calcular el abastecimiento
1 0432 9,600 14,400 19,200 19,200 25,800 27,000 19,200 9,600 14,400 19,140 19,140 19,800 216,480
2 1941 12,029 10,143 7,955 11,880 8,413 7,206 15,969 16,348 13,443 12,000 9,000 17,900 142,286
3 1815 18,000 19,500 18,000 18,000 16,500 19,500 19,500 24,000 7,900 21,000 24,000 18,000 223,900
4 3032 150 5 455 3,050 5,100 1,500 9,535 27,000 33,500 39,000 41,500 43,500 204,295
5 0737 7,989 8,160 0 0 6,480 18,220 18,700 25,080 24,614 9,600 16,464 6,240 141,547
6 1995 1,119 5,106 3,508 5,726 1,554 1,953 3,522 1,718 3,653 3,912 3,145 3,761 38,677
7 0431 4,650 6,000 6,000 1,500 1,500 4,500 4,500 2,940 4,540 4,980 3,485 3,000 47,595
8 1984 3,800 3,780 2,635 2,533 3,303 3,033 1,790 4,865 5,268 4,428 3,401 3,887 42,723
9 0225 2,250 2,950 5,399 6,427 2,800 1,000 4,212 3,200 4,595 5,850 2,250 2,400 43,333
10 1994 2,017 2,228 3,600 5,907 2,720 2,329 3,151 910 4,338 3,562 2,945 2,700 36,407
11 3031 0 2,725 360 0 954 3,463 3,796 1,787 1,500 4,444 5,151 5,062 29,242
12 3009 4,560 2,040 3,440 5,600 4,960 6,800 6,720 6,880 0 5,920 3,760 4,480 55,160
13 1715 0 8,592 7,601 4,431 7,000 8,403 6,758 6,802 10,229 8,636 6,460 7,054 81,966
14 1886 1,834 166 3,370 7,669 1,776 2,118 734 1,366 420 2,014 1,700 568 23,735
15 3010 960 640 400 1,216 2,540 2,272 1,408 3,055 216 2,537 1,904 992 18,140
16 1797 1,300 1,289 1,400 0 1,000 928 2,514 1,819 1,299 1,202 1,300 679 14,730
17 0437 0 0 0 0 0 0 0 0 0 0 2,490 2,700 5,190
18 1911 2,100 1,781 1,228 1,922 510 2,293 2,765 2,814 2,195 3,137 0 1,869 22,614
19 1829 1,325 1,171 809 2,091 713 2,244 2,318 1,145 355 1,300 1,159 1,045 15,675
20 0434 0 4 288 288 338 0 0 0 288 0 0 539 1,745
21 0422 2,940 5,400 5,400 2,700 3,900 8,700 0 0 0 2,700 300 0 32,040
22 1944 2,800 2,000 1,494 898 2,024 2,431 3,019 1,951 966 1,700 1,615 1,600 22,498
23 1985 1,000 1,000 63 674 2,026 1,438 2,295 1,013 1,209 1,533 862 1,634 14,747
24 1805 0 0 1,935 1,125 2,995 2,028 1,187 2,414 0 2,000 0 1,770 15,454
25 1854 3,000 2,000 1,946 2,000 1,700 3,383 985 0 0 0 0 29 15,043
26 1815 2,200 1,500 4,250 4,000 1,500 1,500 4,600 2,052 548 1,400 1,750 1,750 27,050
27 1920 401 1,381 700 0 599 184 515 1,781 775 593 317 1,090 8,336
28 1983 226 761 676 1,642 496 2,290 1,773 1,009 871 400 986 426 11,556
29 1782 722 1,291 1,123 0 750 953 779 1,698 938 774 1,126 0 10,154
30 1897 769 13 726 250 650 500 680 409 1,104 787 529 65 6,482
31 3011 1,496 782 306 3,000 2,946 2,325 1,768 4,250 800 1,988 1,870 1,018 22,549
32 3039 0 0 0 0 0 0 0 990 0 0 2,000 0 2,990
33 1884 463 568 646 0 1,300 699 898 436 414 600 700 450 7,174
34 1816 1,000 1,519 500 1,600 550 900 1,392 837 863 750 700 700 11,311
35 1900 716 1,132 801 532 954 491 550 434 1,597 1,049 600 793 9,649
36 1934 39 833 43 323 326 847 329 728 746 856 592 249 5,911
37 1928 597 1,559 1,000 323 193 1,457 438 1,034 1,493 926 0 0 9,020
38 0738 473 1,000 1,000 1,000 1,500 1,500 1,940 3,590 3,480 0 1,500 946 17,929
39 1973 712 586 650 600 581 612 700 671 156 923 550 514 7,255
40 1861 900 219 900 1,600 176 950 988 252 1,084 900 400 700 9,069
41 3040 0 0 0 0 0 0 0 985 0 0 2,000 0 2,985
42 3018 200 100 50 100 430 504 528 460 434 406 361 52 3,625
43 1824 262 988 450 0 0 500 564 490 446 270 584 514 5,068
44 1927 432 658 1,000 760 1,200 800 1,650 350 1,160 912 897 829 10,648
45 1988 333 717 168 439 1 1,596 986 335 561 743 407 779 7,065
86
Capítulo 3
87
Metodología para calcular el abastecimiento
30,000
Cant. de Piezas
25,000 25,000
20,000 20,000
15,000 15,000
10,000 10,000
5,000 5,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No. de Mes No. de Mes
0432-0 1941-0
40,000
Cant. de Piezas
Cant. de Piezas
250,000
30,000 200,000
150,000
20,000
100,000
10,000
50,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No. de Mes No. de Mes
1815-0 3032-0
40,000 8,000
Cant. de Piezas
Cant. de Piezas
30,000 6,000
20,000 4,000
10,000 2,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No. de Mes No. de Mes
0737-0 1995-0
88
Capítulo 3
A continuación se dará sólo el ejemplo del artículo 0432-0, así como los pasos
que se realizaron para el cálculo de los pronósticos de las ventas:
1. Cálculo en Excel del mejor MA (Promedio Móvil), del artículo 0432-0, para 3,
6, 9 y 12 periodos, mostrado en la Figura 3.2. después de analizarlo, el mejor
PM es para 9 periodos, pues bien ahora en Minitab se obtiene la gráfica,
correspondiente y esta mostrada en la Figura 3.3.
89
Metodología para calcular el abastecimiento
Figura 3.2 Cálculo en Excel del Promedio Móvil del Artículo 0432-0
Figura 3.3 Gráfica del Promedio Móvil para 9 periodos del Artículo 0432-0
MA PE 21
18000 MA D 3102
MSD 14780093
16000
14000
12000
10000
2 4 6 8 10 12 14 16 18 20 22 24
Index
90
Capítulo 3
Smoothing C onstant
20000
A lpha 0.0609571
VENTAS
A ccuracy Measures
MA PE 26
15000 MA D 3917
MSD 22887901
10000
5000
2 4 6 8 10 12 14 16 18 20 22 24
Index
20000
A ccuracy Measures
MA PE 29
MA D 4133
15000 MSD 30892799
10000
5000
2 4 6 8 10 12 14 16 18 20 22 24
Index
12000
10000
2 4 6 8 10 12 14 16 18 20 22 24
Index
30,000
25,000
20,000
15,000 REAL
ARIMA
10,000
5,000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
92
Capítulo 3
En la tabla 3.14 se muestran los resultados del MAD para los 45 artículos y el
pronóstico de los datos 23 y 24 para el método que tiene el menor valor del MAD,
remarcado en color amarillo y que será utilizado en la Etapa C.
93
Metodología para calcular el abastecimiento
21 0422-0 0
0
94
Capítulo 3
ETAPA C
En este apartado se establecen las características generales del estudio y se
determinan las mejores condiciones que se deban tener en cuanto al modelo de
abastecimiento en función del análisis de la demanda y el pronóstico de ventas
analizadas en las Etapas A y B.
95
Metodología para calcular el abastecimiento
29,000
24,000
PIEZAS
19,000
14,000
9,000
4,000
MES 23 MES 24
REAL 2011 6,000 5,800
PRONOSTICO 9,856 12,911
MODELO 80% 8,875 8,875
MODELO 85% 10,708 10,708
MODELO 90% 13,325 13,325
MODELO 95% 17,868 17,868
MODELO 99% 28,639 28,639
Como se puede observar en la gráfica, el valor del Cuantil varía en función del
nivel de servicio, teniéndose que a niveles del 80% y 85%, aunque cumple con las
ventas reales, está por debajo del pronóstico de ventas. Para niveles de servicio del
95% y 99% estaremos muy por arriba; teniendo almacenes con inventario muy alto.
Por lo que se concluye que el nivel de servicio adecuado para este artículo es del
90%, que responde a las necesidades reales y el pronóstico de la demanda.
96
Capítulo 3
Tabla 3.15 Comparativo entre venta real, valor pronóstico y Cuantil del modelo
ITEM ARTÍCULO MES VENTAS VALOR CUANTIL DEL MODELO
REAL PRONÓSTICO 80% 85% 90% 95% 99%
1 0432-0 23 23,400 17,387 25,393 25,513 25,675 26,054 32,500
24 13,860 16,540
2 1941-0 23 12,051 14,521 14,504 17,264 21,201 27,963 43,822
24 12,500 8,495
3 1815-0 23 6,000 31,387 20,809 21,849 23,161 25,102 28,747
24 0 14,688
4 3032-0 23 60,639 95,396 114,332 133,265 159,752 204,647 307,820
24 48,250 97,310
5 0737-0 23 18,600 13,463 27,498 31,050 35,922 43,974 61,896
24 19,439 4,574
6 1995-0 23 2,697 2,578 3,520 4,173 5,089 6,659 10,333
24 3,300 3,682
7 0431-0 23 5,940 4,334 7,630 7,650 7,722 10,167 10,167
24 3,960 4,411
8 1984-0 23 3,200 3,231 4,990 5,921 7,223 9,490 14,751
24 3,300 4,106
9 0225-0 23 4,538 6,248 7,531 8,381 9,526 11,396 15,491
24 3,171 4,999
10 1994-0 23 2,700 3,753 5,510 6,526 7,973 10,446 16,225
24 5,000 4,538
11 3031-0 23 4,763 2,374 5,664 6,475 7,589 9,451 13,648
24 5,390 4,387
12 3009-0 23 4,180 5,472 9,640 10,960 12,780 15,813 22,607
24 1,360 6,627
13 1715-R 23 6,000 9,856 8,875 10,708 13,325 17,868 28,639
24 5,800 12,911
14 1886-0 23 2,000 2,545 3,331 4,029 5,023 6,757 10,869
24 61 2,729
15 3010-0 23 2,288 2,387 3,342 3,792 4,410 5,448 7,758
24 2,752 1,253
16 1797-0 23 1,100 1,485 1,410 1,673 2,055 2,700 4,215
24 350 1,837
17 0437-0 23 2,400 1,144 2,259 2,539 2,912 3,523 4,830
24 2,100 131
18 1911-0 23 2,000 2,895 3,367 3,883 4,600 5,800 8,550
24 2,336 1,559
19 1829-0 23 1,074 1,764 1,876 2,225 2,712 3,548 5,497
24 971 320
20 0434-0 23 864 118 1,320 2,120 3,366 5,280 5,280
24 288 824
21 0422-0 23 0 0 0 0 0 0 0
24 0 0
22 1944-0 23 1,400 1,957 2,291 2,672 3,198 4,095 6,152
24 1,900 1,886
97
Metodología para calcular el abastecimiento
98
Capítulo 3
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Niv. Tipo Sec. Nro. De parte Revisión Descripción Cant. /ppal. Cant. req. UM
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
100
Capítulo 3
101
Conclusiones
Actualmente la empresa Industrias Automotrices RC tiene un problema de
desabasto de materia prima en las áreas de producción, derivado de no contar con
metodologías actuales para el cálculo de la demanda o el pronóstico de ventas, que
prevengan los cambios constantes de la demanda del mercado. Todo esto propicia
que el departamento de compras no puedan reaccionar a cambios y abastecer los
almacenes de materia prima a tiempo; teniéndose que modificar los programas y
procesos de producción a aquellos en los que se disponga de las materias primas
que los contengan; con el consecuente pago, no planeado de re-procesos, tiempo
extra, compras urgentes, fletes extras, etcétera.
Como inicio se aplicó el principio de Pareto, para obtener del total de los
artículos, los que representan el mayor peso de ventas; teniéndose que de los 231
102
Conclusiones
En la Parte C se comparó el valor real de los meses 23 y 24, los valores del
pronóstico y los valores Cuantil del modelo (al nivel de servicio 80%, 85%, 90%, 95%
y 99%) de cada uno de los 45 artículos; teniéndose los siguientes resultados (ver
Tabla 3.15 y Anexo H):
103
Conclusiones
Al 80% en el nivel de servicio, se tienen 9 artículos con valores por debajo del
pronóstico y 2 artículos abajo del real.
Al 85% en el nivel de servicio, se tienen 5 artículos con valores por debajo del
pronóstico.
A partir del 90% en el nivel de servicio, se tiene sólo 1 artículo por debajo del
pronóstico.
Con base en los resultados anteriores, es posible concluir que el mejor valor del
Cuantil del modelo es al 90% del nivel de servicio (Tabla 3.15).
El objetivo principal del presente trabajo se cumplió, ya que, a partir del análisis
para el cálculo del Cuantil del modelo al 90% del servicio, la lista de materiales (BOM
Bill Of Materials) y la frecuencia con la cual se demandaron los 45 artículos en el año
2011; se obtuvo finalmente el Listado de Requerimientos de Materia Prima (Tabla
3.16) del almacén para cumplir a un nivel de servicio del 90% los 44 de los 45
artículos (recordando que el 0422-0 dejo de existir a partir del 2011), la venta real y el
pronóstico de ventas, de los meses 23 y 24 en estudio.
104
Bibliografía
1. Arango, M. D., Zapata, J. A., & Wilson, A. J. (Julio de 2011). Aplicación del
modelo de inventario manejado por el vendedor en una empresa del sector
alimentario colombiano. Escuela de Ingeniería de Antioquia . (R. EIA, Ed.)
Medellin, Colombia.
2. Ballou, R. H. (2004). Logística Administración de la Cadena de Suministro.
México: Pearson Prestice Hall.
3. Bowersox, D. J., Closs, D. J., & Cooper, M. B. (2007). Administración y
logística en la cadena de suministro. D.F., México: McGraw-Hill.
4. Carranza, O. (2004). Logística. USA: Thomson.
5. Chopra, S., & Meindl, P. (2008). Administración de la cadena de suministro.
Estrategias, planeación y operación. D. F., México: Pearson Prentice Hall.
6. Christopher, M. (1992). Logistic and Supply Chain Management strategies to
reducing costs and improving service. (Pitman, Ed.) London, UK.
7. CSCMP. (2008). Logistics Management. Council Supply Chain Management
Professionals . USA: Research Starters.
8. Díaz G., H. B., García C., R. G., & Porcell M., N. (Agosto de 2008). Las PyME:
Costos en la cadena de abastecimiento. (R. EAN, Ed.)
9. Flores A., J. F. (2004). Medición de la efectividad de la cadena de suministro.
México: Panorama.
10. Giménez, J. L. (2007). ¿Pocos lotes grandes o muchos lote pequeños? IESA .
Caracas, Venezuela.
11. Goldratt, E. M., & Cox, J. (2006). La Meta. Un proceso de mejora contínua.
Monterrey, México: Edicione Regiomontanas , S.A. de C.V.
12. Gutiérrez González, E. (2010). Fundamentos de la Teoría de las
Probabilidades. Estado de México, México: Nauka-Educación.
13. Handfield, R. B., & Nichols Jr., E. L. (1999). Introduction to supply chain
management. NJ, USA: Prestice Hall.
14. Hernández Ochoa, C. E. (2010). Facilitación Comercial y Retos Logísticos.
México: Secretaría de Economía.
15. Kearney, A. T. (2009). Encuesta de Evaluación de Cadenas de Suministro en
México. México: Kearney.
16. Khai, E. (1988). What is Vendor Managed Inventory? USA.
105
Bibliografía
106
Bibliografía
107
Anexo A
Ventas totales del periodo 2010-11
VENTA TOTAL 2010-11
ARTÍCULO
ITEM No. RC DESCRIPCIÓN CANTIDAD MONTO
(Piezas) (MILES $)
1 0001-0 GOMA 1,924 5.25
2 0050-0 GOMA CILINDRICA VAN 968 2.93
3 0064-0 GOMA UNIVERSAL 59,350 151.42
4 0065-0 GOMA CILINDRICA VAN, FORD 106,085 187.59
5 0069-0 GOMA SUJETADORA DE ESCAPE 150 5.82
6 0074-0 GOMA BARRA ESTABILIZ 1,873 23.02
7 0075-0 GOMA REPUESTO BASE AMORT. TRAS. 5,733 49.38
8 0076-0 GOMA REPUESTO BASE AMORT. TRAS. 5,485 40.31
9 0077-0 GOMA COMBI 79-98 3,761 57.69
10 0092-0 TOPE PARA CAJUELA 130 0.48
11 0094-0 GOMA BARRA ESTABILIZADORA 6,000 109.28
12 0207-0 GOMA CARDAN 740 15.87
13 0207-R GOMA CARDAN 3,644 152.31
14 0209-0 GOMA CARDAN 3,045 81.00
15 0209-R GOMA CARDAN 18,036 476.16
16 0217-R GOMA CARDAN 84 1.64
17 0220-0 GOMA CARDAN 954 47.28
18 0220-R GOMA CARDAN 4,846 242.26
19 0225-0 GOMA CARDAN 103,176 3,325.19
20 0225-R GOMA CARDAN 1,220 51.29
21 0226-0 GOMA CARDAN 580 29.15
22 0226-R GOMA CARDAN 4,514 254.28
23 0227-0 GOMA CARDAN 120 5.35
24 0227-R GOMA CARDAN 6,426 366.36
25 0228-0 GOMA CARDAN 200 9.79
26 0228-R GOMA CARDAN 6,528 396.41
27 0229-0 GOMA CARDAN 670 24.52
28 0229-R GOMA CARDAN 2,202 102.80
29 0230-R GOMA CARDAN 834 21.44
30 0231-R GOMA CARDAN 3,200 123.66
31 0312-0 TOPE DE SUSPENSION 104 2.49
32 0315-0 TOPE DE SUSPENSION 246 5.00
33 0331-0 TOPE DE AMORTIGUADOR 5,302 84.18
34 0332-0 GOMA DE AMORTIGUADOR 3,840 92.68
35 0357-0 TOPE DE SUSPENSION 250 6.83
36 0390-0 TOPE DE SUSPENSION 489 6.69
37 0409-0 GOMA AUMENTO PARA RESORTE 1,540 22.82
38 0422-0 CENTER BEARING ASSEMBLY 32,040 1,734.06
39 0431-0 DD/DJ ISOLATOR ASSEMBLY 103,680 5,049.32
40 0432-0 CENTER BEARING 420,819 23,274.19
41 0433-0 CENTER BEARING ASSEMBLY 8,190 470.38
42 0434-0 NISSAN CB ASSY 16,182 1,740.73
43 0437-0 CENTER BEARING ASSEMBLY 29,910 2,007.42
108
Anexos
109
Anexos
110
Anexos
111
Anexos
112
Anexos
Anexo B
Comportamiento aleatorio de las ventas
COMPORTAMIENTO DE VENTAS POR ARTÍCULO ( PERIODO 2010-11)
6,000
Cant. de Piezas
4,000
Cant. de Piezas
3,000
4,000
2,000
2,000
1,000
- -
0 50 100 150 0 100 200 300 400 500 600
No. de Dato No. de Dato
0432-0 1941-0
Cant. de Piezas
15,000 20,000
Cant. de Piezas
15,000
10,000
10,000
5,000 5,000
- -
0 10 20 30 40 50 60 0 100 200 300 400
No. de Dato No. de Dato
1815-0 3032-0
15,000 2,000
Cant. de Piezas
Cant. de Piezas
1,500
10,000
1,000
5,000
500
- -
0 50 100 150 0 50 100 150 200 250
No. de Dato No. de Dato
0737-0 1995-0
2,500 1,500
Cant. de Piezas
Cant. de Piezas
2,000
1,500 1,000
1,000 500
500
- -
0 20 40 60 80 100 120 0 100 200 300 400 500
No. de Dato No. de Dato
0431-0 1984-0
Cant. de Piezas
3,000
Cant. de Piezas
3,000
2,000 2,000
1,000 1,000
- -
0 50 100 150 0 50 100 150 200 250
No. de Dato No. de Dato
0225-0 1994-0
113
Anexos
Cant. de Piezas
3,000 4,000
Cant. de Piezas 3,000
2,000
2,000
1,000
1,000
- -
0 20 40 60 80 100 120 0 50 100 150
No. de Dato No. de Dato
3031-0 3009-0
Cant. de Piezas
Cant. de Piezas
4,000 4,000
3,000 3,000
2,000 2,000
1,000 1,000
- -
0 50 100 150 200 250 0 50 100 150
No. de Dato No. de Dato
1715-R 1886-0
1,500 800
Cant. de Piezas
Cant. de Piezas
600
1,000
400
500
200
- -
0 20 40 60 80 100 120 0 50 100 150 200 250
No. de Dato No. de Dato
3010-0 1797-0
2,000
Cant. de Piezas
Cant. de Piezas
800
1,500 600
1,000 400
500 200
- -
0 10 20 30 40 0 100 200 300 400 500
No. de Dato No. de Dato
0437-0 1911-0
1,500
Cant. de Piezas
Cant. de Piezas
1000
800
1,000
600
500 400
200
- 0
0 50 100 150 200 0 10 20 30 40 50
No. de Dato No. de Dato
1829-0 0434-0
Cant. de Piezas
Cant. de Piezas
3,000 1,000
800
2,000
600
1,000 400
200
- -
0 5 10 15 20 25 0 50 100 150 200 250 300
No. de Dato No. de Dato
0422-0 1944-0
114
Anexos
Cant. de Piezas
600 1,500
Cant. de Piezas
400 1,000
200 500
- -
0 50 100 150 200 250 300 0 50 100 150 200
No. de Dato No. de Dato
1985-0 1805-R
Cant. de Piezas
Cant. de Piezas
1,500 3,000
1,000 2,000
500 1,000
- -
0 50 100 150 200 0 50 100 150
No. de Dato No. de Dato
1854-0 1815-R
Cant. de Piezas
Cant. de Piezas
500 800
400 600
300
400
200
100 200
- -
0 50 100 150 200 0 50 100 150 200 250
No. de Dato No. de Dato
1920-0 1983-0
Cant. de Piezas
800 800
Cant. de Piezas
600 600
400 400
200 200
- -
0 50 100 150 200 0 50 100 150 200
No. de Dato No. de Dato
1782-0 1897-0
Cant. de Piezas
2,500 600
Cant. de Piezas
2,000
1,500 400
1,000
200
500
- -
0 20 40 60 80 100 120 0 10 20 30 40 50
No. de Dato No. de Dato
3011-0 3039-0
1,500
Cant. de Piezas
Cant. de Piezas
800
600 1,000
400
500
200
- -
0 50 100 150 200 0 50 100 150
No. de Dato No. de Dato
1884-0 1816-0
115
Anexos
Cant. de Piezas
600
Cant. de Piezas
600
400 400
200 200
- -
0 50 100 150 200 250 0 50 100 150 200
No. de Dato No. de Dato
1900-0 1934-0
Cant. de Piezas
3,000
Cant. de Piezas
500
400
2,000
300
200
1,000
100
- -
0 50 100 150 0 20 40 60 80
No. de Dato No. de Dato
1928-0 0738-0
Cant. de Piezas
800 800
Cant. de Piezas
600 600
400 400
200 200
- -
0 50 100 150 0 20 40 60 80 100
No. de Dato No. de Dato
1973-0 1861-0
Cant. de Piezas
Cant. de Piezas
600 500
400
400 300
200 200
100
- 0
0 10 20 30 40 0 20 40 60 80 100
No. de Dato No. de Dato
3040-0 3018-0
Cant. de Piezas
Cant. de Piezas
400 600
300
400
200
200
100
- -
0 50 100 150 200 250 0 50 100 150 200 250 300
No. de Dato No. de Dato
1824-0 1927-0
800
Cant. de Piezas
600
400
200
-
0 50 100 150
No. de Dato
1988-0
116
Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
0
0
5
10
20
30
10
15
20
25
0
20
40
60
80
0
10
20
30
40
0
10
20
30
40
25.0 15.0 120.0 400.0 20.0
0225-0
0431-0
0737-0
1815-0
0432-0
1,375.0 7,028.6 2,965.5
1,432.2 5,808.0
1,600.0 3,456.4
1,668.4 6,756.0 8,685.7
1,825.0 3,947.3
1,904.6 7,704.0 10,342.9
2,050.0 4,438.2
2,275.0 2,140.8 8,652.0
4,929.1
12,000.0
2,500.0 2,377.0 9,600.0 5,420.0
y mayor... y mayor... y mayor... y mayor... y mayor...
Clase
Clase
Clase
Clase
Clase
Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
0
20
40
60
80
0
20
40
60
80
100
150
100
150
200
0
0
50
50
100
0
20
40
60
80
1.0 1.0 5.0 1.0
2.0
127.4 1,063.5
175.0 100.0 345.0
253.7 2,122.1
348.0 3,180.6
198.9 380.1 689.0
521.0 4,239.1
297.9 506.4 1,033.0
694.0 5,297.6
632.8 6,356.2
867.0 396.8 1,377.0
759.1 7,414.7
1,040.0
495.8 885.5 8,473.2 1,721.0
1,213.0
1994-0
1984-0
1995-0
3032-0
1941-0
9,531.8
1,386.0 1,011.9 2,065.0
594.7 10,590.3
1,559.0 1,138.2
11,648.8 2,409.0
693.7 1,264.6
1,732.0 12,707.4
2,753.0
1,905.0 792.6 1,390.9 13,765.9
1,517.3 14,824.4 3,097.0
2,078.0 891.6 15,882.9
2,251.0 1,643.6
HISTOGRAMA DE LAS VENTAS POR ARTÍCULO ( PERIODO 2010-11)
16,941.5 3,441.0
990.5 1,770.0
2,424.0 18,000.0 3,785.0
y mayor... y mayor... y mayor... y mayor...
Clase
Clase
Clase
Clase
Clase
Histograma de la distribución de las ventas
Anexos
Anexo C
117
Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
0
10
20
30
0
10
20
30
40
0
5
10
15
0
2
4
6
8
10
100
0
0
20
40
60
20
40
60
80
1.0 12.0 1.0 16.0
240.0 8.0
85.9 237.3 224.4
121.2
473.7
170.8 432.8
366.4 230.4 710.0
855.0 255.8 946.3 641.2
339.6
340.7 1,182.7
724.8 448.8 849.6
425.6 1,419.0
1,470.0
558.0 1,655.3 1,058.0
510.5
0422-0
1829-0
0437-0
3010-0
3031-0
1715-R
1,083.2 1,891.7
595.4 667.2 1,266.4
2,085.0 2,128.0
680.3 2,364.3 1,474.8
1,441.6 776.4
765.3 2,600.7
885.6 1,683.2
2,700.0 850.2 2,837.0
1,800.0 994.8 3,073.3 1,891.6
935.1
3,309.7
1,020.0 1,104.0 2,100.0
y mayor... 3,546.0
y mayor...
y mayor... y mayor... y mayor... y mayor...
Clase
Clase
Clase
Clase
Clase
Clase
0
10
20
30
0
0
20
40
60
80
10
20
30
0
20
40
60
80
0
20
40
60
80
100
150
0
50
2.0 1.0 1.0 2.0 40.0
4.0 35.1
61.1 46.6
69.1 314.0 312.7
120.3 92.1
147.3 103.2
179.4 626.0 585.5
137.2 137.7
238.5 171.3 938.0 858.2
183.3
297.6 290.7 205.3
239.4 228.9 1,250.0 1,130.9
356.8
415.9 273.4 274.4
434.0 1,562.0 1,403.6
307.5
475.0 320.0
341.5
1944-0
0434-0
1911-0
1797-0
1886-0
3009-0
1,874.0 1,676.4
534.1 375.6 365.6
577.3 1,949.1
593.3 409.6 411.1 2,186.0
652.4 443.7 2,221.8
456.7 2,498.0
711.5 720.7 477.7
511.8 502.3 2,810.0 2,494.5
770.6
545.8 547.9
829.8 864.0 3,122.0 2,767.3
579.9
888.9 593.4
613.9 3,434.0 3,040.0
948.0 648.0 639.0
y mayor...
y mayor... y mayor... y mayor... y mayor... y mayor...
Clase
Clase
Clase
Clase
Clase
Clase
Anexos
118
Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
0
20
40
60
80
0
0
0
10
20
30
40
20
40
60
80
20
40
60
0
20
40
60
0
100
20
40
60
80
1884-0
3011-0
1782-0
1920-0
1854-0
1985-0
1,225.8
341.1 338.2 275.8 817.1 263.7
389.7 1,469.3 386.3 315.0 933.7 292.9
322.1
438.3 1,712.9 434.5 354.3 1,050.3
351.3
486.8 482.7 393.5 1,166.8 380.4
1,956.4
535.4 530.8 432.8 1,283.4 409.6
2,200.0 438.8
584.0 579.0 472.0 1,400.0
468.0
y… y mayor... y mayor... y… y mayor... y…
Clase
Clase
Clase
Clase
Clase
Clase
Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
0
20
40
60
0
5
0
10
15
20
20
40
60
80
0
20
40
60
80
100
0
20
40
60
80
0
20
40
60
1.0 1.0 1.0 1.0
1.0 1.0
45.8 95.5
90.4 56.6 250.9
90.6 190.1
179.7 90.8 112.2
135.4 500.8
284.6
167.8
269.1 180.1 750.7
180.7 379.2
223.3 224.9
358.5 473.7
1,000.6
278.9 269.7
447.8 270.5 568.2
334.5 314.5 1,250.5
662.8
1816-0
3039-0
1897-0
1983-0
537.2
1815-R
1805-R
Clase
Clase
Clase
Clase
Clase
Clase
Anexos
119
Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
0
5
10
15
0
0
10
20
30
40
50
20
40
60
0
20
40
60
80
0
20
40
60
80
100
0
20
40
60
80
1988-0
1824-0
3040-0
1973-0
1928-0
1900-0
Clase
Clase
Clase
Clase
Clase
Clase
Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia
0
10
20
30
0
10
20
30
40
0
0
10
20
30
40
20
40
60
100
0
20
40
60
80
1.0 3.0 2.0 20.0 1.0
38.2 34.6
45.6 84.3
75.4 377.1 68.2
112.6 88.1 166.7
101.8
149.8 734.3
187.0 130.7 249.0 135.3
224.2 1,091.4 168.9
173.2 331.3
261.4 202.5
1,448.6
1927-0
3018-0
1861-0
0738-0
1934-0
Clase
Clase
Clase
Anexos
120
Anexos
Anexo D
Ejemplos del cálculo de la mejor
Verosimilitud en el Proyecto R
EJEMPLO DE DISTRIBUCION EXPONENCIAL, GAMMA, LOG-NORMAL Y NORMAL
###################################################################################
#### ARTICULO 1941-0 #### ARTICULO 1941-0 #### ARTICULO 1941-0 #### ARTICULO 1941-0 ####
###################################################################################
121
Anexos
hist(datos1,freq = FALSE)
122
Anexos
tabla[imayor, ]
}
salida
p*(t)^(a1-1)*exp(-t/b1)/(gamma(a1)*b1^a1) + (1-p)*exp(-((t-a2)^2)/(2*b2^2))/sqrt(2*pi*b2^2)
}
#############################################################################################
## GRÁFICAS ### GRÁFICAS #### GRÁFICAS #### GRÁFICAS #### GRÁFICAS #### GRÁFICAS
#############################################################################################
hist(datos1,freq=FALSE,ylim=c(0,0.06),xlim=c(0.,60),cex.axis=1.1)
curve(auxreal,type = "l",col = 1,lty = 1,lwd = 2.5,main=" ", xlab="", ylab=" ",xlim=c(0,60),add=TRUE)
> salida
[1] 0.5285417 0.4922742 32.2429710 46.5759001 0.6916908
[6] -404.5550806
123
Anexos
tabla[imayor, ]
}
salida
p*exp(-((t-a1)^2)/(2*b1^2))/sqrt(2*pi*b1^2) + (1-p)*exp(-((t-a2)^2)/(2*b2^2))/sqrt(2*pi*b2^2)
}
#############################################################################################
## GRÁFICAS ### GRÁFICAS #### GRÁFICAS #### GRÁFICAS #### GRÁFICAS #### GRÁFICAS
#############################################################################################
hist(datos1,freq=FALSE,ylim=c(0,0.025),xlim=c(0.,60),cex.axis=1.1)
curve(auxreal,type = "l",col = 1,lty = 1,lwd = 2.5,main=" ", xlab="", ylab=" ",xlim=c(0,60),add=TRUE)
> salida
[1] 0.4059348 46.6528660 1.0842578 21.7657249 21.4260044
[6] -424.5450708
124
Anexos
Anexo E
Ajuste de la distribución de las ventas en
forma gráfica
AJUSTE DE LA DISTRIBUCIÓN DE LAS VENTAS
(Exponencial, Gamma, Log-normal y Normal)
f(x) f(x) f(x)
125
Anexos
126
Anexos
127
Anexos
128
Anexos
f(x) f(x)
0434-0-B x 0422-0-B x
f(x) f(x)
0434-0-C x 0422-0-C x
129
Anexos
Anexo F
Cálculo del Cuantil en proyecto R
ARTICULO TIPO DE FORMULACION PROYECTO “R” AL 90% DE CUANTIL
No. RC DISTRIBUCIÓN SERVICIO (Piezas)
1941-0 Gamma qgamma(0.90, 0.8812, 1/620.0071) 1,297.679
3032-0 Gamma qgamma(0.90, 1.1603, 1/3063.1382) 7,888.759
0737-0 Gamma qgamma(0.90, 1.9087, 1/1595.0684) 5,986.802
1995-0 Gamma qgamma(0.90, 0.9426, 1/314.9590) 693.607
1984-0 Gamma qgamma(0.90, 0.9255, 1/196.8058) 427.462
0225-0 Gamma qgamma(0.90, 2.5570, 1/307.8216) 1,446.617
1994-0 Gamma qgamma(0.90, 0.9349, 1/379.9896) 831.655
3031-0 Gamma qgamma(0.90, 1.5630, 1/441.2534) 1,422.835
3009-0 Gamma qgamma(0.90, 1.6880, 1/560.9347) 1,917.393
1715-R Gamma qgamma(0.90, 0.7653, 1/904.2080) 1,700.649
1886-0 Gamma qgamma(0.90, 0.7479, 1/459.2973) 848.863
3010-0 Gamma qgamma(0.90, 1.7359, 1/210.6392) 735.477
1797-0 Gamma qgamma(0.90, 0.9047, 1/128.1700) 273.648
1911-0 Gamma qgamma(0.90, 1.3453, 1/95.7548) 275.682
1829-0 Gamma qgamma(0.90, 0.9485, 1/186.2051) 411.998
1944-0 Gamma qgamma(0.90, 1.1734, 1/126.4675) 328.467
1985-0 Gamma qgamma(0.90, 1.0228, 1/84.1311) 197.037
1805-R Gamma qgamma(0.90, 0.8422, 1/261.0246) 527.935
1854-0 Gamma qgamma(0.90, 0.8781, 1/301.2699) 628.882
1815-R Gamma qgamma(0.90, 0.8402, 1/593.2031) 1,197.624
1920-0 Gamma qgamma(0.90, 0.8454, 1/113.4040) 230.024
1983-0 Gamma qgamma(0.90, 1.0108, 1/112.7839) 261.805
1782-0 Gamma qgamma(0.90, 0.8811, 1/142.3258) 297.863
1897-0 Gamma qgamma(0.90, 0.7431, 1/111.2188) 204.546
3011-0 Gamma qgamma(0.90, 1.4327, 1/344.2517) 1,039.337
3039-0 Gamma qgamma(0.90, 0.8242, 1/85.4092) 169.940
1884-0 Gamma qgamma(0.90, 0.8661, 1/102.1555) 211.036
130
Anexos
p*(t)^(a1-1)*exp(-t/b1)/(gamma(a1)*b1^a1) +
(1-p)*exp(-((t-a2)^2)/(2*(b2)^2))/sqrt(2*pi*b2^2)
}
f <- function(x)
{
abs(0.90-integrate(auxreal,0,x)$value)
}
(optimize(f,c(0,60))$minimum)*100
131
Anexos
p*(t)^(a1-1)*exp(-t/b1)/(gamma(a1)*b1^a1) +
(1-p)*exp(-((t-a2)^2)/(2*(b2)^2))/sqrt(2*pi*b2^2)
}
f <- function(x)
{
abs(0.90-integrate(auxreal,0,x)$value)
}
(optimize(f,c(0,20))$minimum)*100
p*(t)^(a1-1)*exp(-t/b1)/(gamma(a1)*b1^a1) +
(1-p)*exp(-((t-a2)^2)/(2*(b2)^2))/sqrt(2*pi*b2^2)
}
f <- function(x)
{
abs(0.90-integrate(auxreal,0,x)$value)
}
(optimize(f,c(0,30))$minimum)*100
132
Anexos
p*(t)^(a1-1)*exp(-t/b1)/(gamma(a1)*b1^a1) +
(1-p)*exp(-((t-a2)^2)/(2*(b2)^2))/sqrt(2*pi*b2^2)
}
f <- function(x)
{
abs(0.90-integrate(auxreal,0,x)$value)
}
(optimize(f,c(0,20))$minimum)*100
p*(t)^(a1-1)*exp(-t/b1)/(gamma(a1)*b1^a1) +
(1-p)*exp(-((t-a2)^2)/(2*(b2)^2))/sqrt(2*pi*b2^2)
}
f <- function(x)
{
abs(0.90-integrate(auxreal,0,x)$value)
}
(optimize(f,c(0,40))$minimum)*100
133
Anexos
Anexo G
Comportamiento mensual de las ventas
COMPORTAMIENTO MENSUAL DE VENTAS POR ARTÍCULO (AÑOS 2010-11)
Cant. de Piezas
Cant. de Piezas
30,000 30,000
25,000 25,000
20,000 20,000
15,000 15,000
10,000 10,000
5,000 5,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
0432-0 1941-0
Cant. de Piezas
250,000
Cant. de Piezas
40,000
30,000 200,000
150,000
20,000
100,000
10,000
50,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1815-0 3032-0
Cant. de Piezas
Cant. de Piezas
40,000 8,000
30,000 6,000
20,000 4,000
10,000 2,000
- -
1 3 5 7 9 11 13 15 17 19 21 23 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
0737-0 1995-0
Cant. de Piezas
Cant. de Piezas
10,000 6,000
8,000 5,000
4,000
6,000
3,000
4,000 2,000
2,000 1,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
0431-0 1984-0
Cant. de Piezas
Cant. de Piezas
8,000 8,000
6,000 6,000
4,000 4,000
2,000 2,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
0225-0 1994-0
134
Anexos
10,000
Cant. de Piezas
Cant. de Piezas
8,000
8,000
6,000
6,000
4,000
4,000
2,000 2,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
3031-0 3009-0
Cant. de Piezas
10,000
Cant. de Piezas
12,000
10,000 8,000
8,000 6,000
6,000
4,000
4,000
2,000 2,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1715-R 1886-0
Cant. de Piezas
Cant. de Piezas
4,000 3,000
2,500
3,000
2,000
2,000 1,500
1,000 1,000
500
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
3010-0 1797-0
Cant. de Piezas
Cant. de Piezas
5,000 5,000
4,000 4,000
3,000 3,000
2,000 2,000
1,000 1,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
0437-0 1911-0
Cant. de Piezas
Cant. de Piezas
2,500 3,000
2,000 2,500
2,000
1,500
1,500
1,000
1,000
500 500
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1829-0 0434-0
Cant. de Piezas
Cant. de Piezas
10,000 4,000
8,000 3,000
6,000
2,000
4,000
1,000
2,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
0422-0 1944-0
135
Anexos
Cant. de Piezas
Cant. de Piezas
2,500 4,000
2,000 3,000
1,500
2,000
1,000
500 1,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1985-0 1805-R
Cant. de Piezas
5,000
Cant. de Piezas
5,000
4,000 4,000
3,000 3,000
2,000 2,000
1,000 1,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1854-0 1815-R
Cant. de Piezas
Cant. de Piezas
2,000 2,500
2,000
1,500
1,500
1,000
1,000
500 500
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1920-0 1983-0
Cant. de Piezas
2,000
Cant. de Piezas
1,200
1,000
1,500
800
1,000 600
400
500
200
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1782-0 1897-0
Cant. de Piezas
Cant. de Piezas
5,000 2,500
4,000 2,000
3,000 1,500
2,000 1,000
1,000 500
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
3011-0 3039-0
Cant. de Piezas
4,000
Cant. de Piezas
1,500
3,000
1,000
2,000
500
1,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1884-0 1816-0
136
Anexos
Cant. de Piezas
Cant. de Piezas
2,500 1,000
2,000 800
1,500 600
1,000 400
500 200
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1900-0 1934-0
Cant. de Piezas
2,000
Cant. de Piezas
4,000
1,500 3,000
1,000 2,000
500 1,000
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1928-0 0738-0
Cant. de Piezas
Cant. de Piezas
1,500 2,000
1,500
1,000
1,000
500
500
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1973-0 1861-0
Cant. de Piezas
Cant. de Piezas
2,500 1,000
2,000 800
1,500 600
1,000 400
500 200
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
3040-0 3018-0
Cant. de Piezas
Cant. de Piezas
1,200 2,000
1,000
1,500
800
600 1,000
400
500
200
- -
1 2 3 4 5 6 7 8 9 101112131415161718192021222324 1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes No de Mes
1824-0 1927-0
Cant. de Piezas
2,000
1,500
1,000
500
-
1 2 3 4 5 6 7 8 9 101112131415161718192021222324
No de Mes
1988-0
137
Anexos
Anexo H
Comparativo: Venta real, Pronóstico y Cuantil
COMPARATIVO VENTAS: REAL, PRONÓSTICO Y CUANTIL DEL MODELO A 80%, 85%,
90%, 95% Y 99% DE NIVEL DE SERVICIO DE LOS MESES 23 Y 24
40,000 REAL
PRONOSTICO
30,000
MODELO 80%
20,000
MODELO 85%
10,000 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
0432-0
50,000 REAL
40,000 PRONOSTICO
30,000 MODELO 80%
20,000 MODELO 85%
10,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1941-0
40,000 REAL
30,000 PRONOSTICO
MODELO 80%
20,000 MODELO 85%
10,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1815-0
400,000 REAL
300,000 PRONOSTICO
MODELO 80%
200,000
MODELO 85%
100,000 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
3032-0
138
Anexos
80,000 REAL
60,000 PRONOSTICO
MODELO 80%
40,000
MODELO 85%
20,000 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
0737-0
12,000 REAL
10,000 PRONOSTICO
8,000 MODELO 80%
6,000
MODELO 85%
4,000
MODELO 90%
2,000
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1995-0
15,000 REAL
PRONOSTICO
10,000 MODELO 80%
MODELO 85%
5,000
MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
0431-0
20,000
REAL
15,000
PRONOSTICO
10,000
MODELO 80%
5,000
MODELO 85%
0 MODELO 90%
MES 23 MES 24
1984-0
20,000 REAL
15,000 PRONOSTICO
MODELO 80%
10,000
MODELO 85%
5,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
0225-0
139
Anexos
20,000 REAL
15,000 PRONOSTICO
1994-0
15,000 REAL
PRONOSTICO
10,000
MODELO 80%
MODELO 85%
5,000
MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
3031-0
25,000 REAL
20,000 PRONOSTICO
15,000 MODELO 80%
10,000 MODELO 85%
3009-0
12,000 REAL
10,000 PRONOSTICO
8,000 MODELO 80%
6,000
MODELO 85%
4,000
MODELO 90%
2,000
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1886-0
10,000 REAL
8,000 PRONOSTICO
6,000 MODELO 80%
4,000 MODELO 85%
2,000 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
3010-0
140
Anexos
5,000 REAL
4,000 PRONOSTICO
3,000 MODELO 80%
2,000 MODELO 85%
1797-0
6,000 REAL
5,000 PRONOSTICO
4,000 MODELO 80%
3,000
MODELO 85%
2,000
MODELO 90%
1,000
MODELO 95%
0
MES 23 MES 24 MODELO 99%
0437-0
10,000 REAL
8,000 PRONOSTICO
6,000 MODELO 80%
4,000 MODELO 85%
2,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1911-0
6,000 REAL
5,000 PRONOSTICO
4,000 MODELO 80%
3,000
MODELO 85%
2,000
MODELO 90%
1,000
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1829-0
6,000 REAL
5,000 PRONOSTICO
4,000 MODELO 80%
3,000
MODELO 85%
2,000
MODELO 90%
1,000
MODELO 95%
0
MES 23 MES 24 MODELO 99%
0434-0
141
Anexos
1 REAL
1 PRONOSTICO
1 MODELO 80%
0 MODELO 85%
0 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
0422-0
8,000 REAL
PRONOSTICO
6,000
MODELO 80%
4,000
MODELO 85%
2,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1944-0
4,000 REAL
3,000 PRONOSTICO
MODELO 80%
2,000
MODELO 85%
1,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1985-0
10,000 REAL
8,000 PRONOSTICO
6,000 MODELO 80%
4,000 MODELO 85%
2,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1805-R
15,000 REAL
PRONOSTICO
10,000 MODELO 80%
MODELO 85%
5,000
MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1854-0
142
Anexos
15,000 REAL
PRONOSTICO
10,000 MODELO 80%
MODELO 85%
5,000
MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1815-R
3,000 REAL
2,500 PRONOSTICO
2,000 MODELO 80%
1,500
MODELO 85%
1,000
MODELO 90%
500
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1920-0
5,000 REAL
4,000 PRONOSTICO
3,000 MODELO 80%
2,000 MODELO 85%
1983-0
5,000 REAL
4,000 PRONOSTICO
3,000 MODELO 80%
2,000 MODELO 85%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1782-0
4,000 REAL
3,000 PRONOSTICO
MODELO 80%
2,000
MODELO 85%
1,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1897-0
143
Anexos
12,000 REAL
10,000 PRONOSTICO
8,000
MODELO 80%
6,000
MODELO 85%
4,000
MODELO 90%
2,000
0 MODELO 95%
MES 23 MES 24 MODELO 99%
3111-0
800 REAL
600 PRONOSTICO
MODELO 80%
400
MODELO 85%
200 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
3039-0
3,000 REAL
PRONOSTICO
2,000 MODELO 80%
MODELO 85%
1,000
MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1884-0
8,000 REAL
6,000 PRONOSTICO
MODELO 80%
4,000
MODELO 85%
2,000 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1816-0
6,000 REAL
5,000 PRONOSTICO
4,000
MODELO 80%
3,000
MODELO 85%
2,000
MODELO 90%
1,000
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1900-0
144
Anexos
2,500 REAL
2,000 PRONOSTICO
1,500 MODELO 80%
1,000 MODELO 85%
500 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1934-0
2,500 REAL
2,000 PRONOSTICO
1,500 MODELO 80%
1,000 MODELO 85%
500 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1928-0
6,000 REAL
5,000 PRONOSTICO
4,000 MODELO 80%
3,000
MODELO 85%
2,000
MODELO 90%
1,000
MODELO 95%
0
MES 23 MES 24 MODELO 99%
0738-0
3,000 REAL
2,500 PRONOSTICO
2,000 MODELO 80%
1,500
MODELO 85%
1,000
MODELO 90%
500
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1973-0
2,500 REAL
2,000 PRONOSTICO
1,500 MODELO 80%
1,000 MODELO 85%
1861-0
145
Anexos
1,000 REAL
800 PRONOSTICO
600 MODELO 80%
400 MODELO 85%
200 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
3040-0
2,000 REAL
1,500 PRONOSTICO
MODELO 80%
1,000
MODELO 85%
500 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
3018-0
2,500 REAL
2,000 PRONOSTICO
1,500 MODELO 80%
1,000 MODELO 85%
500 MODELO 90%
0 MODELO 95%
MES 23 MES 24 MODELO 99%
1824-0
5,000 REAL
4,000 PRONOSTICO
3,000 MODELO 80%
2,000 MODELO 85%
1,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1927-0
4,000 REAL
3,000 PRONOSTICO
MODELO 80%
2,000
MODELO 85%
1,000 MODELO 90%
MODELO 95%
0
MES 23 MES 24 MODELO 99%
1988-0
146