Maestría en logística integral Simulación y Modelos de Información Logísticos.

Universidad Autónoma De Occidente, Diciembre 6 de 2015

Planning strategy purchases of raw materials (Primary package) in a sugar mill in Valle del Cauca,
using System Dynamics.

Estrategia para la planeación de compras de materias primas (empaque primario) en un

Ingenio azucarero del Valle del Cauca, aplicando Dinámica de Sistemas.

Claudia Milena Gómez Zuluagaa & Nubia del Rosario Tapieb

a
Estudiante Maestría en Logística Integral, Universidad Autónoma de Occidente , Colombia. clamigozul@hotmaill.com
b
Estudiante Maestría en Logística Integral, Universidad Autónoma de Occidente , Colombia. Ntm4864@hotmail.com

Abstract
This article presents results of an exercise to show the problems in purchases planning of
raw materials, primary package specifically in one of the mills in the Valle del Cauca
applying system dynamics to understand causes that affect the planning and improve
performance of the same. The model was constructed based on the actual information
supplied by the company confidentially and is prepared using the software Vensim.

Keywords: System Dynamics, Inventory, systemic model, inventory management.

Resumen

Este artículo presenta los resultados de un ejercicio que muestra la problemática en la

planeación de compras de materias primas, específicamente empaques primarios, en uno
de los Ingenios del Valle del Cauca aplicando la dinámica de sistemas para entender las
causas que afectan esta planeación y mejorar el desempeño de la misma. El modelo fue
construido basado en la información real suministrada por la empresa de forma
confidencial y se elabora utilizando el software Vensim.

Palabras Clave: Dinámica de sistemas, Inventario, sistémico modelo, Gestión de

Inventarios.

1 Introducción
La industria azucarera colombiana está
ubicada en el valle geográfico del río
Cauca, desde Santander de Quilichao,
en el norte del departamento del Cauca,
atravesando el departamento del Valle
del Cauca por su zona plana, hasta La
Virginia, en el departamento de
Risaralda.
Su área de influencia cubre más de 47
municipios del Cauca, Valle del Cauca,
Risaralda, Caldas y Quindío. Esta región
ofrece condiciones especiales para la
siembra y cosecha de la caña de azúcar
a lo largo de todo el año debido a sus
ventajas agro climáticas [1]. La
presencia de los ingenios hace que los
municipios del área de influencia tengan
mejores ingresos, sean más prósperos y
que haya mejor calidad de vida para sus
habitantes.
Este artículo tomara como referencia uno
de estos ingenios, específicamente la
problemática en la planeación de
compras de materias primas, como lo es
el empaque del azúcar para los
diferentes clientes, en donde algunas
referencias se quedan en el almacén por
mucho tiempo, generando costos de
inventarios y ocupando espacios que la
empresa requiere para otros insumos
necesarios para el funcionamiento de la
organización.
La gestión de compras constituye un
componente primordial para el éxito de
muchas empresas. Si la compra es
eficaz, además de satisfacer al cliente en
el tiempo y la cantidad requerida,
permite ahorrar costos y obtener
beneficios empresariales directos, por
consiguiente este artículo hace
referencia a esta problemática y la
búsqueda de una estrategia que por
medio de la dinámica de sistemas que
permita mejorar la planeación.
“El objetivo básico de la dinámica de
Sistemas es llegar a comprender las
causas estructurales que provocan el
comportamiento del sistema” (Martin,
2003), motivo por el cual se hace uso de
esta herramienta, aplicada en un Ingenio
del Valle del Cauca, con el fin de analizar
las compras del material de empaque de
la empresa y planear la mejor manera
para lograr su optima rotación en el
inventario.
El artículo comienza con revisión de
literatura acerca de la dinámica de
sistemas en los inventarios,
posteriormente la propuesta
metodológica seguida del desarrollo de la
misma y finalmente las conclusiones.
2. Revisión de literatura
2.1 Dinámica de sistemas en
Inventarios
En [2] construye una política de
operación que conduce a la disminución
de costos, trabajando en tres etapas
encadenadas: transporte; inventario en
los almacenes; y distribución-inventario,
experimentando con un modelo de
simulación que usa como valores
iniciales las soluciones de los dos
problemas anteriores, con esta técnica
muestra como los costos generados con
este análisis son menores que los
obtenidos sin controlar el sistema.
El artículo [3] “Un enfoque multicriterio
para la toma de decisiones en la gestión
de inventarios presenta y aplica en dos
organizaciones dos enfoques altemativos
(muiticriterio de aplicación del método
ABC y la matriz de adquisición/índice de
rotación), para clasificar los productos en
existencia y servir de soporte a una
gestión de aprovisionamiento eficiente y
orientada al cliente. El estudio revela la
pertinencia teórica y la factibilidad
práctica de los métodos empleados para
la toma de decisiones en la gestión de
los inventarios. En el artículo [4] “efecto
látigo en la planeación de la cadena de
abastecimiento, medición y control”, se
propone un método de medición y control
basado en técnicas de la Dinámica de
Sistemas, específicamente, la aplicación
de alisado exponencial y de Holt-Winters.
Para disminuir el efecto látigo como
consecuencia de la falta de coordinación
estratégica y operativa en relación a los
tiempos de respuesta, capacidad de
almacenamiento, administración de los
costos logísticos ocultos y procesos de
negociación, entre otros aspectos.
El articulo [5] “Diseño de sistema
experto para toma de decisiones de
compra de materiales” muestra la
factibilidad de integración entre las
teorías de inventarios y de sistemas
expertos a través del diseño de un
sistema informático basado en el
conocimiento para apoyar el proceso de
toma de decisiones en el área de
Logística y abastecimiento.
El Artículo [6] “Programación y Control
de Sistemas de Fabricación Flexibles: un
Enfoque Holónico”, propone un sistema
de programación y control para sistemas
de fabricación flexibles desarrollado
según el paradigma holónico.
El artículo [7] “Análisis de
comportamiento caótico en variables de
la cadena de suministro” desarrolla un
modelo de dinámica de sistemas en la
cadena de suministros en cuatro niveles
y se estudia a partir de la teoría de Caos.
Esta teoría ayuda a identificar cuáles son
las variables más sensibles que puedan
llevar a un estado de caos. En este
artículo se construye un modelo de
estructura genérica que comprende los
eslabones de fábrica, distribución,
mayorista, minorista y cliente. Se simula
la dificultad que los gerentes de
operaciones y logística encuentran para
decidir sobre cuánto ordenar y en qué
momento, de acuerdo con lo que ocurre
en los eslabones del nivel anterior y
posterior, mediante dos parámetros de
Decisión: el primer parámetro
denominado A indica la participación de
la cantidad de unidades (entre 0 y 1) que
se tiene en cuenta de los productos en el
inventario actual y los pedidos
pendientes, al momento de hacer el
pedido. El segundo parámetro
denominado B es la participación de la
cantidad de unidades (entre 0 y 1) que se
encuentran en la línea de suministro (en
Tránsito) al momento de hacer el pedido
en cada uno de los eslabones de la
cadena de suministros. Finalmente se
muestra que los cambios en A y B, que
fueron los parámetros de decisión en
este modelo, significaron alteraciones en
niveles de inventarios, pedidos y costos.
2.2. Dinámica de sistemas
El artículo [8] “Una nueva técnica de
visualización dinámica para simulaciones
en dinámica de sistemas”, nos muestra
la correcta comprensión de la relación
entre la estructura y el comportamiento
de un modelo, a partir de un enfoque
novedoso: el de Visualización de
información. Se propone una nueva
técnica de visualización que a diferencia
de las existentes de naturaleza estática,
ofrece un modo dinámico para
representar resultados de simulación. Se
aplica esta técnica para un modelo
clásico mediante la creación de un
software visual e interactivo como prueba
de concepto. El caso ilustra el potencial
de la técnica para atacar la problemática
porque brinda al usuario una experiencia
visual en tiempo real que facilita una
comprensión más directa e inmediata.
Esta técnica puede adaptarse y
generalizarse para la visualización de
datos de simulación obtenidos no
solamente con Dinámica de Sistemas.
Los autores del artículo[9] “Modelado de
sistemas complejos mediante simulación
basada en agentes y mediante dinámica
de sistemas” muestran dos técnicas
como la simulación basada en agentes y
la dinámica de sistemas que tienen el
potencial de complementar modelos no
formales (normalmente verbales) de
Sistemas complejos y modelos
matemáticos más abstractos. Ellos
muestran que al usar estas técnicas hay
un potencial de construir modelos que
combinan la riqueza descriptiva de los
modelos verbales con el rigor formal de
los modelos matemáticos más
abstractos. Ellos dicen que para poder
aprovechar al máximo el potencial que
cada una de estas técnicas debemos ser
conscientes de las diferencias que
existen entre ellas y de aquellas
características que las separan de los
métodos tradicionales. Finalmente
muestran que la principal diferencia entre
la simulación basada en agentes y la
dinámica de sistemas radica en la forma
en que se construye la primera
abstracción del sistema real objeto de
estudio. Por tanto, para ellos resulta claro
que el principal factor que determina cuál
de las dos técnicas será más útil, viene
determinado por lo apropiada que sea
esta primera abstracción dados los
objetivos del proceso de modelado. Sin
duda, un segundo factor que también
afecta la elección en la práctica es la
disponibilidad de herramientas para
construir un modelo de acuerdo con un
paradigma u otro (y, sobre todo, la
pericia del modelador en el uso de estas
herramientas).
En el artículo [10] “Inteligencia
estratégica: un sistema para gestionar la
innovación” es muestra una propuesta
conceptual del término inteligencia
estratégica, generado a partir de la
combinación de diferentes herramientas
utilizadas actualmente de forma
independiente. La investigación parte de
un análisis de la literatura con técnicas
bibliométricas, identificando líderes,
redes de trabajo y dinámicas en
publicación, obteniendo como resultado
que actualmente la literatura no reporta
una definición específica que sea
aplicable en contextos gerenciales y
administrativos. Finalmente, se propone
un proceso para gestionar la inteligencia
estratégica organizacional, concebida
desde la integración estratégica para
garantizar la gestión de la innovación
estructurada, el incremento de la
productividad y la competitividad.
Finalmente en el artículo [11], construyen
un modelo basado en dinámica de
sistemas para describir el
comportamiento del mercado piscícola.
Esto con el objetivo de anticiparse a los
posibles acontecimientos, crear
escenarios supuestos y determinar si es
viable o no invertir en el corto a mediano
plazo en este mercado y definen sus
conclusiones en donde muestran que los
altos costos de insumos, terminan por
afectar en forma negativa la utilidad.
3. Planteamiento del problema.
Durante los últimos 3 años se ha venido
incrementando el nivel del inventario del
Ingenio de manera significativa en los
materiales de empaque para el azúcar,
Este comportamiento está dado por
diversos factores que están relacionados
con la planeación de compras, de
acuerdo a las necesidades de
producción, impactando de manera
negativa a la cadena de abastecimiento.
4. Metodología para el análisis.
De acuerdo a la aplicación de las
metodologías observadas en los artículos
revisados, se presenta un análisis de la
situación, aplicando paso a paso la guía
para crear el modelo de Dinámica de
Sistemas y la aplicación en el software
VENSIM, con las respectivas
conclusiones y recomendaciones como
acción de mejoramiento ante la situación
presentada.
4.1 Aplicación de dinámica de
sistemas
Para realizar un análisis bajo la
herramienta de dinámica de sistemas es
necesario seguir los siguientes pasos.
 Definir el problema
 Realizar el diagrama de
influencias
 Definir las relaciones
 Identificar los bucles de
retroalimentación
 Depurar las influencias no
relevantes
 Realizar el diagrama causal
 Realizar el diagrama de flujos
 Definir las ecuaciones
 Asignar los valores
parámetros
  Crear una primera versión del
modelo
 Estabilizar el modelo
 Identificar los elementos
claves
 Realizar la simulación
 Realizar las conclusiones
4.1.1 Definir el problema
4.1.2 Realizar el diagrama de
influencias
Inicialmente se identificaron las
variables de primer nivel que tienen
influencia directa en el problema y de
segundo nivel, que son las que influyen
indirectamente en el problema, como se
muestra a continuación, en la figura no.1

Aumento en el nivel de inventario de los

materiales de empaque de azúcar en el
Ingenio generando costos dentro de la
cadena logística.

Figura 1. Diagrama de Influencias

4.1.3 Definir las relaciones
Realizando el análisis de las variables
identificadas en el diagrama de
influencias, se establecen relaciones
donde se identifican ciclos de
retroalimentación, cómo lo ilustra la
figura 2.
 Nivel de Inventarios de materiales
de empaque-planificación de
necesidades
 Nivel de inventario de materiales
de empaque-compras
 Políticas de inventarios-nivel de
inventarios de materiales e
insumos
 Materiales estratégicos-políticas
de inventario
 Mercancía en consignación-
políticas de Inventarios
 Mínimos y máximos-políticas de
inventarios
 Puntos de reorden - mínimos y
máximos
 Producción-planificación de
necesidades
 Pronósticos de ventas-producción
 Adquisición de nuevos equipos-
producción
 Incremento en capacidad de
producción-mantenimiento-
planificación de necesidades
 Tiempos de espera-proveedores-
compras y nivel de inventarios
 Tiempo de reposición-
proveedores-nivel de inventario.
 Incremento de precios-compras-
nivel de inventarios
 Ejecución presupuestal-compras-
nivel de inventarios
 Políticas de compras-compras-
nivel de inventarios.
 Servicios contratados-
proveedores-compras-nivel de
inventarios.
4.1.4 Elaboración del diagrama causal
Cuando se analiza los ciclos de
retroalimentación en la figura 2,
se procede a interpretar la
relación de cada una de las
variables, para así facilitar la
comprensión del sistema y
descartar las alternativas que no
se consideran relevantes.
En este diagrama se usan signos
negativos que son relaciones
inversamente proporcionales y
positivas que definen relaciones
directamente proporcionales
dentro del diagrama.
El modelo obtenido para los
niveles de inventarios nos permite
visualizar un sistema con bucles
positivos y negativos buscando la
estabilidad del sistema. Figura 2-
Diagrama Causal.
- Lead time: 30 días de entrega
del Proveedor para este tipo de
material.
- Compra: Órdenes de compra
en curso * precio * lead time *
punto de reorden – cantidad
mínima de entrega / rotación.
- Rotación de inventario: Nivel
de inventario de material de
empaque / 30 días
- Orden de compra en curso: 60
días/ Proveedores. Teniendo en
cuenta que se ordenan compras
para 30 y 60 días de entrega.
- Precio: dato fijo promedio de
precios de compra durante los
años analizados. -
Cantidad mínima de entrega:
300 kg por referencia que
suministre cada proveedor.
- Proveedores: 2 proveedores (1
con el 95% de participación y 1
con el 5% de participación.
 - Necesidades de producción:
Pronóstico de ventas –
Planificación de necesidades.

Figura No.2 – Diagrama causal. este caso se representan como

número de unidades de empaque
4.1.5 Elaboración del diagrama en el inventario, las variables de
flujos y resultados flujo están representadas por
necesidades de producción * lead
Se observa en la figura No.3 - time - inventario de seguridad -
Diagrama de Flujo, en donde se órdenes de compra en curso y
representa con la ayuda del las necesidades de producción y
Software Vensim, el sistema compras.
analizado, teniendo en cuenta las
diferentes variables, como lo son
las variables de nivel, flujo y
auxiliares.
Las variables de nivel que son
también las acumulativas y en

Figura No. 3 – Diagrama de Flujo.

 4.1.6 Definición de Ecuaciones
Después de realizar el diagrama
de flujo, se procede a incluir las
ecuaciones y se asignan valores
a los parámetros, para iniciar con
una primera visualización del
modelo que representa la
situación actual del inventario de
empaque. Se muestran a inventarios del material de empaque, con
continuación los resultados
obtenidos en gráfico No.4:
Figura No. 4 – Diagrama de Flujo-
Simulación inicial
- Punto de reorden: Máximo -
mínimo
- Planificación de necesidades:
Dato fijo calculado con base en el
promedio de consumo de la
empresa durante los años 2013,
2014 y 2015.
- Pronóstico de ventas: cantidad
promedio de ventas durante los 3
años analizados, con base en un
80% estimado del consumo total.
- Nivel de inventarios: stock actual a 30
de noviembre de 2015.
4.1.7 Simulación Inicial – Condiciones.
¿Qué pasaría si?
En el contexto de los tres años
analizados (2013,2014, y 2015) de un
ingenio azucarero, encontramos datos
básicos para la modelación del nivel de
tendencia a subir.
4.1.7 Gráficas de las simulación;
Para la simulación inicial tuvimos en
cuenta los datos capturados del software
SAP, tales como:
Stock actual, consumos promedio,
compras promedio, precio de compra
promedio, número de proveedores,
mínimos y máximos establecidos por la
empresa.
Esta primera simulación, nos arroja un
inventario de material de empaque con
tendencia al alza en los siguientes tres
años 2016,2017 y 2018, como lo muestra
la gráfica No. 5.
 Gráfica No. 5 – Resultado: Nivel
de inventario Material de
Empaque

4.1.8 Segunda Simulación: Figura 7. Resultados segunda simulación

Tomando como referencia los resultados

de la simulación inicial y considerado el
panorama real, se realizaron los
siguientes cambios para una segunda
simulación, con el fin de mejorar el nivel
de inventarios del material de empaque
de la empresa sin dejar de responder a
las necesidades de la misma.

En este caso se establece una política Entre la simulación inicial y la segunda,

de inventarios de mínimos y máximos
hasta del 10% de los actuales. Logrando
una disminución significativa en el nivel
de inventario como lo muestra la gráfica
No. 6 y 7.
Figura 6.Segunda Simulación
se puede evidenciar la disminución del
nivel de 95.318 kg a 3.177,27 kg
4.1.9 Tercera simulación
En este caso se establece una política
de inventarios de rotación de inventarios
de 30 a 15 días. Logrando una
disminución significativa en el nivel de
inventario como lo muestra la gráfica No.
8y9
Figura 8. Tercera simulación.
En este caso los resultados arrojados no
tuvieron cambios en el nivel de inventario
frente al panorama inicial
Figura 9 Resultados tercera simulación
4.1.8 Conclusiones
Con el apoyo de la Dinámica de
Sistemas y diversa aplicabilidad, como lo
demuestran los diferentes artículos
consultados alrededor de la temática del
problema planteado en este artículo, se
puede deducir que la simulación de un
sistema con el panorama actual vs. Un
panorama ideal, permite mejorar el
comportamiento del mismo, ya que se
toman datos históricos dentro de un
lapso de tiempo considero, que puede
ser modificado con la propuesta
presentada, conllevando a una posible
solución al problema actual y Administración y Organizaciones. Académica
minimizando el nivel de inventarios,
permitiendo mejorar la cadena de
suministros.
4.1.9 Recomendaciones
Después de haber observado la
simulación anterior la recomendación
está basada en trabajar sobre el
establecimiento de punto de reorden que
está influenciado por mínimos y
máximos, que permitan la disminución el
nivel de inventario de material de
empaque. Como también trasladar el
inventario al proveedor aprovechando el
espacio y condiciones de
almacenamiento, que permiten
garantizar el suministro oportuno del
material a la producción y la reducción
de costos del mantenimiento del
inventario.
5. Referencias bibliográficas
[1] Asocaña, 2012 (consultado el 18 de
noviembre de 2015) disponible en:
http://www.asocana.org/StaticContentView.a
spx.
[2] Ramírez, Ana Elena Narro.
Premier. Dic 2010, Vol. 13 Issue 25, Pág:
133-148.
[3] Torres Navarro, Carlos A.; Córdova
Neira, Javier A. Design of Expert System for
Decision Making in Materials Purchasing.
Académica premier.Jul-Dic2014, Vol. 30
Issue 52, Pág: 20-30.
[4] Juan Carlos, Mejía Villamizar; Óscar,
Palacio León; Wilson, Adarme Jaimes.
Ciencia e Ingeniería Neogranadina. Scielo.
Bogotá: Universidad Militar Nueva Granada
Jun 2013. Vol 23. Pág: 37-54.

[5] Torres Navarro, Carlos A.; Córdova

Neira, Javier A. Design of Expert System for
Decision Making in Materials Purchasing.
Académica Premier. Jul-Dic2014, Vol. 30
Issue 52, Pág: 20-30.

[6] Araúzo, J.A.; del-Olmo-Martínez, R.;

Laviós, J.J.; de-Benito-Martín. Scheduling
and Control of Flexible Manufacturing
Systems: a Holonic Approach . Revista
Iberoamericana de Automática e Informática
Industrial. January-March 2015 12(1). Pág:
58-68.

[7] Ramírez, Sergio A.; Peña, Gloria E.

Analysis of Chaotic Behaviour in Supply
Chain Variables. Journal of Economics,
Finance & Administrative Science. Dec2011,
Vol. 16 Issue 31, Pág: 85-106.

[8] Ricardo, Sotaquirá-Gutiérrez. DYNA.

Medellín: Universidad Nacional de
Colombia. SciELO. Dec 2014 81(188). Pág:
229-236.

[9] Pereda, María; Zamarreño, Jesús M.

Agent-Based Modelling: an Approach from
the Systems Engineering. Revista
Iberoamericana de Automática e Informática
Industrial. July-September 2015 12(3). Pág:
304-312.

[10] Aguirre, Joao. Strategic intelligence: A

system to manage innovation. Estudios
Gerenciales. ScienceDirect. January-March
2015 31(134). Pág :100-110

[11] Ceballos, Yony F.; Uribe, Maribel;

Sánchez, German. System Dynamics
Modeling for Pig Breeding Market Behavior
Prediction. Información Tecnológica.
Académica premier. 2013, Vol. 24 Issue 4.
Pág: 117-124.