Anda di halaman 1dari 121

333

POLTICA DE MANEJO DE INVENTARIO EN UNA


EMPRESA DE VENTA DE ROPA

TESIS PARA OPTAR AL GRADO DE MAGISTER EN GESTIN DE


OPERACIONES

MEMORIA PARA OPTAR AL TITULO INGENIERO CIVIL INDUSTRIAL

PROFESOR GUA:
SR. ANDRS WEINTRAUB POHORILLE

ALUMNO TESISTA:
GUSTAVO ADOLFO SMITH MANSILLA

SANTIAGO DE CHILE
AGOSTO DE 2010
Resumen Ejecutivo

El presente trabajo de tesis consiste en el desarrollo de una poltica de manejo de


inventario para cuatro productos de la empresa de venta de ropa Wados. Se
seleccionaron estos cuatro productos, correspondientes a jeans femeninos, puesto que
son sus nicos productos de continuidad, es decir, que se venden todas las temporadas.
El modelo de negocios de la empresa consiste en comprar productos terminados y luego
venderlos al por mayor a Retails, aunque la empresa tambin tiene un pequeo volumen
de ventas en sus tiendas propias.

La empresa combina la importacin de productos desde el extranjero, con la compra


nacional de estos. Los proveedores en el extranjero le permiten disminuir sus costos
totales, mientras que los proveedores nacionales le permiten tener un menor tiempo de
respuesta a sus pedidos de compra.

Luego de analizar la informacin histrica, se desarroll una poltica de inventario


compuesta de dos partes:

1) Mantener la compra de los productos en el extranjero, aprovechando los buenos


precios que se pueden encontrar, pero mejorando la proporcin pedida de cada
talla segn las proporciones histricas demandadas.

2) Implementar un sistema de revisin continua de inventario, junto con una


cuantificacin de la variabilidad de la demanda en el corto plazo. Lo que permite
ocupar un sistema de compras locales para anticiparse a los quiebres de Stock.

Se opt por esta alternativa debido a que al analizar las caractersticas de la demanda por
los cuatro SKU, se encontr que era bastante aleatoria, lo que imposibilitaba hacer un
pronstico certero de su comportamiento fututo. Esto hizo descartar el comprar solamente
en el extranjero, debido que a los tiempos de traslado involucrados aumentaban el lapso
entre la decisin de compra y la realizacin de la demanda.

Sin embargo, pensando en compras nacionales, fue posible caracterizar la demanda por
los productos en el corto plazo mediante el ajuste a una distribucin de probabilidad
Gamma. Esto se hizo utilizando el software StatFit, el cual somete a las distribuciones
candidatas a distintos tests de bondad de ajuste. Con esto se pudo proponer un sistema
de revisin continua de inventario, definiendo inventarios de seguridad, donde la
aleatoriedad de la demanda esta dada por la distribucin Gamma, a diferencia del caso
tradicional, en el que se ocupa una distribucin Normal.

Los resultados obtenidos muestran que el modelo logra disminuir en un 25,8% el nivel de
inventario promedio, mejorando al mismo tiempo el nivel de servicio desde un 89.8% a un
96%. El sistema propuesto, a lo largo de los 9 meses evaluados, permite liberar ms de
43 millones en capital de trabajo, lo que si se depositara en algn banco, entregara por
concepto de intereses $1.890.210. Esto sumado al aumento de las utilidades provenientes
de evitar ventas perdidas, correspondiente a $1.224.000, significara un aporte de
$3.114.210 para la empresa, equivalente a un 2,48% de los costos operacionales de los
artculos estudiados.

2
NDICE

1 ndice de Tablas y Grficos ............................................................................................ 4


2 Introduccin.................................................................................................................... 6
3 Planteamiento del Problema ........................................................................................... 8
4 Descripcin de la Empresa ........................................................................................... 11
5 Metodologa.................................................................................................................. 12
6 Marco Terico .............................................................................................................. 15
6.1 Costos de inventario ............................................................................................. 15
6.2 Caractersticas de los proveedores........................................................................ 16
6.3 Demanda Enfrentada ............................................................................................ 17
6.4 Modelos tradicionales de administracin de inventario ....................................... 18
6.4.1 Cantidad Econmica de Pedido.................................................................... 18
6.4.2 Sistema de Revisin Continua...................................................................... 20
6.4.3 Sistema de Revisin Peridica ..................................................................... 22
6.5 Indicadores de manejo de inventario. ................................................................... 24
7 Contexto econmico..................................................................................................... 25
8 Datos utilizados ............................................................................................................ 27
9 Extraccin de informacin de la Base de Datos ........................................................... 28
10 Situacin Histrica ................................................................................................... 31
10.1 Nivel de inventario ............................................................................................... 31
10.2 Indicadores de desempeo.................................................................................... 35
10.3 Anlisis de la demanda ......................................................................................... 37
10.3.1 Comportamiento de la demanda ................................................................... 37
10.3.2 Proporciones ................................................................................................. 38
10.3.3 Correlaciones ................................................................................................ 42
10.4 Clientes ................................................................................................................. 44
11 Seleccin y calibracin del Modelo de Demanda .................................................... 47
11.1 Primeros acercamientos........................................................................................ 48
11.2 Otra mirada al problema. ...................................................................................... 51
11.2.1 Correlacin temporal de los datos ................................................................ 52
11.2.2 Ajuste de distribucin de probabilidad......................................................... 53
11.3 Sistema propuesto................................................................................................. 54
12 Poltica de Administracin de Inventario ................................................................. 56
13 Evaluacin del sistema propuesto............................................................................. 63
13.1 Nivel de inventario ............................................................................................... 64
13.2 Evolucin de la demanda...................................................................................... 82
13.3 Indicadores de desempeo.................................................................................... 86
13.4 Evaluacin Econmica. ........................................................................................ 95
14 Conclusiones............................................................................................................. 97
15 Bibliografa............................................................................................................... 99
16 Anexos .................................................................................................................... 100
16.1 Anexo1 ............................................................................................................... 100
16.2 Anexo2 ............................................................................................................... 105
16.3 Anexo 3 .............................................................................................................. 120

3
1 ndice de Tablas y Grficos

Tablas
Tabla 7-1 IVCM de Diciembre............................................................................................. 26
Tabla 10-1 Indicadores de desempeo SKU1 ...................................................................... 35
Tabla 10-2 Indicadores de desempeo SKU2 ...................................................................... 36
Tabla 10-3 Indicadores de Desempeo SKU3 ..................................................................... 36
Tabla 10-4 Indicadores de Desempeo SKU4 ..................................................................... 37
Tabla 10-5 Demanda ............................................................................................................ 37
Tabla 10-6 Proporciones de Demanda ................................................................................. 38
Tabla 10-7 Matriz de correlaciones entre las tallas SKU1 ................................................... 42
Tabla 10-8 Matriz de correlaciones entre las tallas SKU2 ................................................... 43
Tabla 10-9 Matriz de correlaciones entre las tallas SKU3 ................................................... 43
Tabla 10-10 Matriz de correlaciones entre las tallas SKU4 ................................................. 43
Tabla 10-11 Demanda efectuada por principales clientes .................................................... 44
Tabla 10-12 Duracin de las OC .......................................................................................... 45
Tabla 12-1 Parmetros de distribucin Gamma SKU1, SKU2 y SKU3 .............................. 60
Tabla 12-2 Puntos de reorden iniciales SKU1, SKU2 y SKU3............................................ 61
Tabla 12-3 Tamaos de pedidos iniciales SKU1, SKU2 y SKU3 ....................................... 61
Tabla 12-4 Punto de reorden inicial SKU4 .......................................................................... 62
Tabla 12-5 Tamaos de pedidos iniciales SKU4.................................................................. 62
Tabla 13-1 Guas de Compra Modelo Empresa SKU1 ........................................................ 65
Tabla 13-2 Guas de Compra Modelo Propuesto SKU1 ...................................................... 67
Tabla 13-3 Comparacin Guas de Compra SKU1 .............................................................. 67
Tabla 13-4 Comparacin porcentual Guas de Compra SKU1 ............................................ 67
Tabla 13-5 Guas de Compra Modelo Empresa SKU2 ........................................................ 69
Tabla 13-6 Guas de Compra Modelo Propuesto SKU2 ...................................................... 70
Tabla 13-7 Comparacin Guas de Compra SKU2 .............................................................. 71
Tabla 13-8 Comparacin porcentual Guas de Compra SKU2 ............................................ 71
Tabla 13-9 Guas de Compra Modelo Empresa SKU3 ........................................................ 73
Tabla 13-10 Guas de Compra Modelo Propuesto SKU3 .................................................... 75
Tabla 13-11 Comparacin Guas de Compra SKU3 ............................................................ 75
Tabla 13-12 Comparacin porcentual Guas de Compra SKU3 .......................................... 76
Tabla 13-13 Guas de Compra Modelo Empresa SKU4 ...................................................... 78
Tabla 13-14 Guas de Compra Modelo Propuesto SKU4 .................................................... 80
Tabla 13-15 Comparacin Guas de Compra SKU4 ............................................................ 80
Tabla 13-16 Comparacin porcentual Guas de Compra SKU4 .......................................... 81
Tabla 13-17 Indicadores principales SKU1.......................................................................... 87
Tabla 13-18 Indicadores principales SKU2.......................................................................... 88
Tabla 13-19 Indicadores principales SKU3.......................................................................... 88
Tabla 13-20 Indicadores principales SKU4.......................................................................... 88
Tabla 13-21 Indicadores Secundarios SKU1........................................................................ 91
Tabla 13-22 Indicadores Secundarios SKU2........................................................................ 92
Tabla 13-23 Indicadores Secundarios SKU3........................................................................ 93
Tabla 13-24 Indicadores Secundarios SKU4........................................................................ 94

4
Grficos
Ilustracin 7-1 Evolucin del IVCM .................................................................................... 25
Ilustracin 10-1 Inventario Histrico SKU1 ........................................................................ 31
Ilustracin 10-2 Inventario Histrico SKU2 ........................................................................ 32
Ilustracin 10-3 Inventario Histrico SKU3 ........................................................................ 33
Ilustracin 10-4 Inventario Histrico SKU4 ........................................................................ 34
Ilustracin 10-5 Demanda Mensual...................................................................................... 38
Ilustracin 10-6 Participacin de cada talla en la demanda del SKU1................................. 39
Ilustracin 10-7 Participacin de cada talla en la demanda para el SKU2, SKU3 y SKU4. 40
Ilustracin 10-8 Evolucin de las proporciones SKU1 ........................................................ 40
Ilustracin 10-9 Evolucin de las proporciones SKU2 ........................................................ 41
Ilustracin 10-10 Evolucin de las proporciones SKU3 ...................................................... 41
Ilustracin 10-11 Evolucin de las proporciones SKU4 ...................................................... 42
Ilustracin 11-1 Resultados de alizamiento exponencial ..................................................... 49
Ilustracin 13-1 Nivel de Inventario Modelo Empresa SKU1 ............................................. 64
Ilustracin 13-2 Nivel de Inventario Modelo Propuesto SKU2 ........................................... 65
Ilustracin 13-3 Nivel de Inventario Modelo Empresa SKU2 ............................................. 68
Ilustracin 13-4 Nivel de Inventario Modelo Propuesto SKU2 ........................................... 69
Ilustracin 13-5 Nivel de Inventario Modelo Empresa SKU3 ............................................. 72
Ilustracin 13-6 Nivel de Inventario Modelo Propuesto SKU3 ........................................... 73
Ilustracin 13-7 Nivel de Inventario Modelo Empresa SKU4 ............................................. 76
Ilustracin 13-8 Nivel de Inventario Modelo Propuesto SKU4 ........................................... 79
Ilustracin 13-9 Evolucin de la demanda para el periodo de evaluacin ........................... 82
Ilustracin 13-10 Evolucin de las proporciones SKU1 ...................................................... 84
Ilustracin 13-11 Evolucin de las proporciones SKU2 ...................................................... 84
Ilustracin 13-12 Evolucin de las proporciones SKU3 ...................................................... 85
Ilustracin 13-13 Evolucin de las proporciones SKU4 ...................................................... 85

5
2 Introduccin

El problema del manejo de inventario ha estado siempre presente en la historia,


ligado a la necesidad de producir algo hoy, para ser ocupado en el da de maana.
En nuestra sociedad moderna, la tarea de llevar inventarios ha alcanzado altos
grados de complejidad, ligada a la gran variedad de productos existentes y al
dinamismo de la demanda por ellos.

En la antigedad la mayor parte del comercio corresponda a productos de primera


necesidad, para los cuales se poda esperar una demanda relativamente
constante. Sin embargo, en la actualidad, una gran parte del comercio en pases
desarrollados y en vas de desarrollo corresponde a bienes de lujo o de moda, los
cuales tienen una demanda mucho ms incierta, afectada por elementos de
marketing como la publicidad, la localizacin de los puntos de venta, el precio y las
caractersticas diferenciadoras de los productos.

Junto con esto, la competencia entre empresas ha hecho que se busquen formas
ms eficientes de produccin y de almacenaje, con el objetivo de disminuir costos;
una produccin constante es ms barata que una produccin variable y tener un
bajo nivel de inventario es ms econmico que tener un gran inventario.

Al mismo tiempo, la globalizacin de la economa ha hecho que sea posible


producir en lugares muy lejanos al punto de venta, y de esta forma acceder ya sea
a menores costos de mano de obra, a mayores capacidades de produccin o a
mejores tecnologas. Sin embargo la produccin local tiene la gran ventaja poder
ofrecer menores tiempos de entrega y de esta manera adaptarse mejor a la
demanda de los clientes.

Es as como, la toma de decisiones tales como cunto, cundo y dnde producir


se vuelven fundamentales. Si bien durante mucho tiempo estas decisiones fueron
tomada en base a la experiencia de los productores, con el desarrollo de la

6
capacidad de clculo, fue posible introducir diversos modelos, que basados en
informacin histrica pueden dar estimaciones de la demanda que se enfrentar y
gracias a ello permiten definir modelos de manejo de inventario, los que deben
llegar a un equilibrio ente el nivel de servicio entregado a los clientes y el costo de
inventario.

En el presente trabajo de tesis se estudia el problema que tiene una empresa de


compra y venta de ropa para manejar los stock de cuatro de sus principales
productos. En los captulos siguientes se presenta cual es la situacin actual de la
empresa, luego se repasan distintos modelos utilizados tradicionalmente en el
rea de estudio, para posteriormente seleccionar la opcin ms adecuada. A
continuacin se mostrar cmo fueron calibrados los modelos usando un conjunto
de entrenamiento compuesto por un primer grupo de datos, para posteriormente
evaluar el desempeo del modelo al aplicarlo a un conjunto de datos diferente.
Estos resultados se contrastarn con los entregados por la operacin actual de la
empresa. Finalmente se expondrn las conclusiones del trabajo realizado.

7
3 Planteamiento del Problema

Esta tesis se enfocar en desarrollar un sistema de apoyo al manejo de inventario


para cuatro de los productos de la empresa Wados.

Se han elegido estos productos dada su importancia, y dado que son los nicos
tems de continuidad que comercializa la empresa, es decir, estn presentes
temporada tras temporada en la oferta hacia a sus clientes, a diferencia de sus
otros productos, los cuales, al tratarse son productos cuyo diseo est ligado a los
vaivenes de la moda, no repiten su venta entre temporadas. La continuidad en la
venta de estos tems es lo permite contar con un conjunto de datos histricos, que
es donde la aplicacin de las tcnicas de la gestin de operaciones pueden
obtener mejores resultados. Los cuatro productos mencionados corresponden a
cuatro modelos de jeans estndar femeninos, que en el futuro sern llamados
SKU1, SKU2 SKU3 y SKU4.

En este caso, una particularidad del manejo, es que las ventas business to
business que realiza Wados representan ms del 90% de sus ventas totales, es
decir, la empresa no atiende directamente la demanda de los consumidores, si no
que enfrenta una demanda de segundo orden, materializada en las rdenes de
compra que recibe la empresa. Buscando caracterizar completamente el problema,
tambin se consideran las ventas directas de la empresa, pero no se hace
distincin entre ellas y las ventas a las multitiendas, es decir, se piensa en las
tiendas de Wados como si fueran otro cliente. Esto significa que las ventas hechas
por una tienda de Wados, no se consideran como efectuadas en el momento en
que el consumidor efecta la compra, sino que se consideran como efectuadas
cuando la bodega central enva un cargamento de mercanca a esa tienda. De
esta manera, se homologan los movimientos internos de mercanca con las ventas
hechas a las multitiendas.

8
Wados cuenta con proveedores tanto nacionales como internacionales. Los
proveedores internacionales, ubicados en Asia, les ofrecen un costo total mucho
menor, por lo que se privilegian en la medida de lo posible. Sin embargo tienen el
inconveniente de que su tiempo de entrega es de aproximadamente 4 meses
desde que se realiza el pedido.

Los proveedores nacionales, dentro de los cuales se considera una pequea


produccin que la empresa an realiza, tienen costos mucho mayores, tanto as
que hace que los productos pierdan el margen de utilidad en su venta. Sin
embargo, tienen tiempos de entrega de 14 das.

Es as como en el primer conjunto de datos que se analizar ms adelante, cerca


del 60% de las unidades son abastecidas por proveedores nacionales

Otro aspecto de gran importancia a considerar es que los productos estudiados,


no representan nichos de utilidad significativos para la empresa, sino que ayudan
a que sta genere un volumen de venta, y mantenga una presencia entre sus
clientes. He aqu la importancia de mantener una continuidad en la oferta.

En definitiva, el problema a abordar consiste en desarrollar un sistema que


entregue informacin acerca de la demanda futura para cada uno de los productos
en cada una de sus tallas. Y luego de esto, se debe definir una poltica de manejo
de inventario, es decir, un conjunto de reglas que les diga a los administradores de
la empresa cuando ordenar nuevas unidades de producto a sus proveedores y en
qu cantidad. Es as como se plantean los siguientes objetivos:

9
El objetivo general de esta tesis se presenta como:

Definir una poltica de manejo de inventario para productos de continuidad


en una mediana empresa de importacin y venta de ropa. La cual signifique
un impacto considerable e el aumento del nivel de servicio y la disminucin
de los costos de inventario

Los objetivos especficos son:

Realizar levantamiento de la situacin actual, evaluando los indicadores de


desempeo que se definirn.
Desarrollar un sistema que ayude a la empresa a estimar la demanda,
utilizando informacin histrica.
Disear un modelo de administracin de inventario que busque un alto nivel
de servicio a un bajo costo de inventario. Para luego comparar el escenario
en que se hubiese implementado el sistema, con el escenario en que no se
hubiera hecho.

10
4 Descripcin de la Empresa

El presente trabajo de tesis se desarrolla en la empresa WADOS, cuyo nombre


legal es Creaciones Melody Ltda., empresa dedicada a la importacin y venta de
artculos textiles, los que en su mayora corresponden prendas de ropa femenina.

WADOS es una empresa familiar donde trabajan alrededor de 200 empleados


administrativos, lo que hace que calce dentro de la categora de mediana empresa.
En el pasado se produca localmente, pero actualmente la mayora de sus
productos son importados desde China. La empresa cuentan con 11 tiendas
propias distribuidas entre Antofagasta y Valdivia (6 de ellas en Santiago) las
cuales se ubican principalmente al interior de centros comerciales. Sin embargo, la
mayora de sus ventas se realiza a travs de grandes tiendas comerciales como
Ripley, Falabella o Pars. Todas las entregas que realiza la empresa pasan
primero por su bodega central, ubicada en avenida Espaa, comuna de Santiago.

La empresa cuenta con sistemas en lnea con sus clientes, los cuales les pueden
hacer llegar rdenes de compra en cualquier momento, eligiendo un mix de
productos y de tallas sin restricciones. Las entregas de productos se realizan
mediante una flota propia de vehculos, y en situaciones de alta demanda se
subcontratan vehculos adicionales.

Las rdenes de compra vienen con una fecha de vencimiento, es decir, un plazo
lmite para la entrega. Luego de este plazo, la orden de compra se considera como
vencida, pero dependiendo de la empresa se pueden aceptar entregas fuera de
plazo, en caso contrario, las unidades demandadas en esa orden de compra se
transforman en ventas perdidas para Wados. Tambin se da el caso de que,
dependiendo del cliente, se acepten entregas incompletas de productos, o se
acepte remplazar algn item que no se tenga disponible, por otro que si est. El
manejo de inventario es realizado de forma cualitativa, tratando de equilibrar las
compras con las ventas, y no incorpora herramientas matemticas.

11
5 Metodologa

Reuniones con la Empresa

En primer lugar, se llevaron a cabo reuniones con la persona encargada del rea
de adquisiciones y del rea comercial. El que estas dos funciones estuvieran bajo
un mismo cargo facilit la comunicacin. Las reuniones tuvieron mayor duracin y
fueron ms frecuentes al inicio del trabajo, dada la necesidad de caracterizar el
problema y sus particularidades. Posteriormente se distanciaron las reuniones y
en ellas principalmente se pedan datos y se consultaban dudas puntuales.

Revisin Bibliogrfica

Una vez que se tuvo definido el problema se procedi a consultar la bibliografa


sobre el tema, en busca de la mejor alternativa para abordar la problemtica. As
mismo, se revisaron distintos instrumentos estadsticos que se utilizaran en el
desarrollo del trabajo.

Acotamiento del problema

Una vez que se decidi trabajar en el problema de manejo de inventario de la


empresa Wados, se procedi a acotar el alcance del problema a cuatro productos
de jeans femeninos para los cuales se cuenta informacin histrica. Estos SKU
tienen ventas en conjunto que alcanzan unas 70.000 unidades anuales. No son
productos relevantes en cuanto a margen de utilidad para la empresa, pero
ayudan a general volumen de ventas, adems son los productos tradicionales de
la empresa razn por la cual generan una importante imagen de marca.

12
Obtencin y limpieza de los datos

Para realizar el presente estudio, se pidi la mayor cantidad de datos que tuviera
la empresa, relacionados con estos productos. Los datos recibidos corresponden a
facturas emitidas, rdenes de compra realizadas por sus clientes, guas de
despacho interno (movimientos de productos hacia las distintas tiendas de Wados)
y guas de compra (entregas recibidas desde sus proveedores). Se cotejaron
estos datos identificando relaciones entre rdenes de compra y facturas, adems,
con esta informacin se recre el inventario histrico de la empresa, para el cual
no exista registro.

Levantamiento de la situacin actual

Se utilizaron los datos correspondientes al periodo que va de septiembre 2007 a


septiembre 2008, ambos meses incluidos, para analizar el comportamiento del
inventario. Para esto, se utilizaron los indicadores tradicionales: el nivel de
inventario promedio, la rotacin del inventario y las ventas perdidas.

Eleccin de los modelos a utilizar

Dadas las caractersticas del problema y la naturaleza de los datos disponibles se


hizo la seleccin de los modelos de estimacin de demanda y de poltica de
inventario a utilizar.

Calibracin de los modelos seleccionados

Se utiliza un conjunto de calibracin para estimar los parmetros de los modelos,


este conjunto corresponde al utilizado en el levantamiento de la situacin actual.

13
Evaluacin de desempeo del modelo propuesto.

Para este punto se utilizar un conjunto de datos distinto al ocupado en la


calibracin de los parmetros. Corresponden al periodo que va desde octubre de
2008 a junio de 2009, ambos meses incluidos. Se calcularon los indicadores de
desempeo al igual que en la seccin de levantamiento de situacin actual y de
esta manera se analizaron las diferencias entre el modelo propuesto y el sistema
usado actualmente por la empresa.

Conclusiones

Finalmente se analizaron los alcances y las aplicaciones de la solucin propuesta,


evaluando sus limitaciones y su contribucin al campo de estudio.

14
6 Marco Terico

En la actualidad se emplean diversas polticas de manejo de inventario, las cuales


toman en consideracin los distintos costos asociados, las caractersticas de los
proveedores y la naturaleza de la demanda enfrentada.

6.1 Costos de inventario

Los costos pueden ser divididos en las siguientes categoras:1

El costo propio del artculo: es el costo de compra o de manufactura del producto.


Este costo est asociado a cada unidad, pero no siempre es directamente
proporcional al nmero de unidades compradas, existiendo en muchos casos
descuentos por volumen de compra.

El costo de preparacin: es la cantidad monetaria asociado a la compra de un


grupo de productos y no depende de la cantidad de unidades compradas.
Representa por ejemplo los costos de hacer contratos, los costos de cotizacin, y
en el caso de una empresa productora: los costos de calibracin de maquinaria.

El costo de inventario: corresponde a los costos asociados a la permanencia de


productos en inventario durante un intervalo de tiempo. Estos costos son de
distinto tipo, e incluyen las siguientes variedades:

El costo de capital, es decir, las oportunidades de inversin perdidas debido


al estancamiento de capital en el inventario.

1
Kamlesh Mathur y Daniel Solow, 1996

15
El costo de almacenamiento, el que abarca costos variables como el
espacio utilizado, los seguros y los impuestos, en el caso de que estos sean
variables con la cantidad de unidades mantenidas en stock.
Costos de obsolescencia, deterioro y prdida: el riesgo de obsolescencia
corresponde a productos que tienen riesgos de ser superados
tecnolgicamente o pasar de moda; los riesgos de deterioro se asocian a
casos como los de de comida perecible o de maquinaria que necesita
mantenimiento; y los riesgos de robos internos se relacionan con fallas en
la operacin de una bodega.
Costos de inexistencias: es uno de los costos ms difcil de cuantificar.
Representa las prdidas econmicas asociadas a no tener productos
almacenados, esto se puede traducir de manera directa en ventas perdidas,
dado que el comprador no encuentra el producto en el momento en que lo
necesita, y de manera ms indirecta en costos de imagen, producto de que
el cliente deba esperar por el producto, o que se cambie a un producto de la
competencia.

6.2 Caractersticas de los proveedores

A la hora de elegir el modelo de inventario que se utilizar, es importante


considerar las caractersticas de los proveedores presentes en la industria, para lo
que defino los siguientes atributos como relevantes: los periodos en los que
reciben rdenes de compra; los periodos en los que hacen entregas; la capacidad
productiva; y los tiempos de entrega una vez recibida una orden.

Los periodos de recepcin de rdenes y de entrega de pedidos, si bien pueden


corresponder a todo el ao, tambin se puede dar el caso de que slo se reciban
rdenes de compra el primer da de cada semana, o al inicio de cada mes, por
ejemplo. Tambin en lo correspondiente a las entregas, es posible que existan
restricciones de este tipo. Estas inflexibilidades pueden estar dadas por
limitaciones operacionales de la compaa o por elementos externos, como por

16
ejemplo factores climticos que solo permiten la entrega de productos durante
cierta temporada del ao.

La capacidad productiva corresponde a cuantas unidades es capaz de


manufacturar el proveedor, lo que determina la cantidad mxima de unidades que
se pueden ordenar. Dentro de este tem tambin hay que evaluar la diferencia
entre cuantas unidades se pueden fabricar, y cuantas unidades se pueden fabricar
para una empresa en particular. Podra haber una poltica de satisfacer a los
principales clientes, en cuyo caso las grandes rdenes de compra tendran
prioridad por sobre las pequeas, pudiendo llegar el caso extremo de que hubiera
un proveedor exclusivo para un cliente; pero por otro lado, se podra tener la
poltica de diversificar la base de clientes, con lo que se tratara de satisfacer a
todos, aunque fuera parcialmente, con lo que podran existir limitaciones a las
unidades entregadas a una empresa en particular.

Los tiempos de entrega de pedidos incluyen el tiempo que se demora la empresa


en producir los productos ordenados, si es que no los tiene en stock, ms el
tiempo de viaje entre sus instalaciones y las del cliente. Para ciertas industrias
esta variable es ms importante que para otras, e incluso, dentro de una misma
industria, para distintos productos esta variable tiene distinta importancia. En el
caso visto en el presente trabajo, los productos textiles estudiados no varan de
acuerdo con las modas, es decir, pueden ser ordenados con anticipacin sin que
esto implique obsolescencia, sin embargo, como se discutir, el tiempo de entrega
si es un factor importante a la hora de mantener bajos niveles de inventario.

6.3 Demanda Enfrentada

Existen varias distinciones que hay que tener en cuenta relacionadas con la
demanda. En primer lugar, la diferenciacin entre demanda independiente y

17
2
demanda dependiente . La demanda independiente es determinada por
condiciones del mercado; mientras que la demanda dependiente se relaciona a la
demanda de otro artculo, este es el caso de productos que estn formados de
partes producidas externamente, entonces, si aumente la demanda por el
producto final, tambin aumentar la demanda por cada una de sus partes de
manera proporcional.

Dentro de la demanda independiente, hay que hacer una diferenciacin adicional,


relaciona a quienes son los clientes. Es as como el problema tiene distintas
caractersticas dependiendo de si se trata de una empresa que vende productos
terminados al consumidor final, una empresa que utiliza distintos productos para
prestar un servicio, o una empresa que vende productos al por mayor.

En el caso de un proveedor mayorista, como es el caso estudiado en el presente


trabajo, la naturaleza de la demanda podra ser constante (clientes que hicieran
siempre los mismos pedidos siguiendo un patrn conocido en el tiempo) o por el
contrario, la demanda podra ser aleatoria, recibiendo rdenes de compra de
magnitudes y fechas no conocidas de antemano.

A continuacin se presentarn los modelos usados tradicionalmente para el


manejo de inventario en el caso de demanda independiente.

6.4 Modelos tradicionales de administracin de inventario

6.4.1 Cantidad Econmica de Pedido

Este modelo es uno de los ms simples, y para poder ser aplicado se necesita
asumir que en el modelo no existe variabilidad, es decir, que la tasa de demanda
anual D, el tiempo de entrega L, el costos unitarios C y el costo fijo de colocar

2
Kamlesh Mathur y Daniel Solow, 1996

18
un pedido S sean constantes en el tiempo. Posterior a este modelo se
presentarn otros dos modelos en los que si se considera la variabilidad de la
demanda.

Otros supuestos que se deben realizar son los siguientes:

No existen descuentos por cantidad en la compra de artculos


El costo de mantener inventario es directamente proporcional a su nivel, se
usar la letra i para representar la tasa anual por llevar inventario
El material se produce y se recibe en grupos o lotes.

Al tratarse de un modelo sin variabilidad, tambin se impone que no existan


inexistencias, dado que siempre sera posible programarse adecuadamente.

Como el modelo no cambia en el tiempo, se desprende que siempre se har una


compra por la misma cantidad de unidades, la que se designar Q. Del mismo
modo, como todos los datos son conocidos, se puede programar el tiempo de
recepcin de una orden para que coincida con la ltima unidad de inventario
vendida, es as como despus de hacer unos clculos simples se obtiene que el
nivel promedio de inventario es de Q/2

De esta forma se llega a la siguiente ecuacin que representa el costo por llevar
inventario durante un ao:

Costo por llevar inventario = i*C*Q/2

El costo total a su vez, est dado por le costo mostrado anteriormente, ms el


gasto anual de colocacin de pedidos, ms el gasto propio de la compra de los
productos.

Costo Total = i*C*Q/2 + S*D/Q + DC

19
Se puede demostrar matemticamente existe un valor para la variable Q que
minimiza los costos totales, la que corresponde, segn se ha nombrado, a la
cantidad clsica econmica de pedido:

Q = ( 2*S*D/(i*C) )

De esta manera el modelo est completamente caracterizado. Sin embargo su


limitacin ms importante al intentar aplicarlo a situaciones reales, es el supuesto
de demanda constante. Los dos modelos presentados a continuacin no realizan
esta suposicin en orden de caracterizar un mayor nmero de fenmenos.

6.4.2 Sistema de Revisin Continua.3

Este modelo mantiene todos los supuestos del modelo visto anteriormente,
excepto el que la demanda sea constante. Por lo mismo, al tratarse de una
demanda aleatoria ya no se puede asegurar el tener stock en todo momento, sino
que se buscar acotar la probabilidad de que hayan inexistencias.

El sistema de revisin continua monitorea el inventario actual y las cantidades en


camino ya ordenadas, cuya suma llamaremos posicin de existencias. Cuando la
posicin de la existencia cae por debajo de un nivel definido R, se coloca una
orden por una cantidad fija Q. Son estas dos cantidades: Q y R las que
determinan completamente este modelo. Para demandas que no sean demasiado
inciertas, es aceptable aproximar Q a la cantidad econmica de pedido vista
anteriormente, pero para sistemas ms complejos, es necesario determinarla
simultneamente con R.

3
Kamlesh Mathur y Daniel Solow, 1996

20
Un concepto que se utilizar repetidamente, es el de nivel de servicio. El cual es
una medida de la satisfaccin de los requerimientos del comprador, pero que
tienen diferentes definiciones:

El nivel de servicio es la probabilidad de que todos los pedidos recibidos


sean abastecidos.
El nivel de servicio es el porcentaje de la demanda que se satisface
El nivel de servicio es el porcentaje del tiempo en que existe material
disponible

Como se ve, estas tres definiciones de nivel de servicio, aunque ligadas, ponen su
foco de atencin en diferentes partes: los pedidos, los productos o el tiempo. A
continuacin se trabajar con la primera definicin de nivel de servicio, la que
como ms adelante se argumentar es la ms adecuada para el problema en
cuestin.

El objetivo de un sistema de administracin de inventario con demanda aleatoria


corresponde entonces a definir valores de R y Q que permitan garantizar un cierto
nivel de servicio, es decir, acotar la probabilidad de inexistencias. Pero para hacer
esto, es necesario caracterizar la demanda aleatoria observada, ajustndola a una
distribucin de probabilidad conocida. El caso ms fcil y tambin representativo
para muchos problemas, es el de demanda normal durante el tiempo de entrega,
es decir, que las unidades demandadas durante el periodo de tiempo que dura
una entrega, se comporta segn la distribucin de probabilidad normal.

Es as como se puede definir un punto de reorden tal que la probabilidad de que la


demanda, caracterizada por una distribucin de probabilidad, que se materialice
para cierto periodo, no supere las unidades del punto de reorden. Para esto basta
utilizar tablas de distribuciones de probabilidad o herramientas similares.

21
Si se supone que la demanda en el tiempo de entrega se comporta como una
normal, se obtiene que el punto de reorden es el siguiente:

R= (Esperanza de la demanda en el tiempo de entrega)+s

Siendo s el inventario de seguridad. Al tratarse, en este ejemplo, de una


demanda que sigue una distribucin normal, se tiene que s puede ser expresado
de la siguiente forma:

s= z*(L*)

Siendo la desviacin estndar promedio de la demanda por unidad de tiempo.

6.4.3 Sistema de Revisin Peridica4

En este caso de mantienen todas las suposiciones hechas al encontrar la cantidad


econmica de pedido, excepto que la demanda sea constante, y a diferencia del
caso anterior, se supone que se revisa la cantidad de existencias de manera
peridica. Estos supuestos se ajustan a la realidad para muchos casos, en no se
tenga un sistema de contabilizacin de inventario a tiempo real, o en el que los
proveedores reciban o entreguen pedidos cada cierto nmero de das.

Aqu se aplica el mismo concepto de nivel de servicio visto anteriormente, pero se


agrega un concepto nuevo, el nivel objetivo de inventario. Dado que no existe un
punto de reorden, para mantener acotado el riesgo de inexistencias se utiliza el
nivel objetivo de inventario como la cantidad a la que se debe aspirar tener en
existencias.

Un sistema de revisin continua experimenta dos periodos de ceguera frente a la


demanda, el primero es el periodo que va entre dos revisiones, y el segundo es el
4
Kamlesh Mathur y Daniel Solow, 1996

22
periodo que va entre una revisin y la llegada de un pedido. La suma de estos dos
periodos se llamar periodo de previsin. Entonces, al momento de realizar una
orden a los proveedores, se debe considerar que la cantidad de unidades en
bodega ms la cantidad de unidades ya ordenadas, ms el pedido que se haga,
satisfagan la demanda que se materializar durante el periodo de previsin.

El sistema de revisin continua queda totalmente caracterizado por los parmetros


P, el tiempo entre rdenes y T, el inventario objetivo. El parmetro P es definido
por las caractersticas del problema, mientras que el parmetro T ser
determinado por la distribucin de probabilidad de la demanda, buscando
garantizar un cierto nivel de servicio.

Si se supone que la demanda en el tiempo de entrega se comporta como una


normal, se tiene que T es determinado de la siguiente manera:

T= (Demanda media durante el tiempo de previsin)+s

Donde s corresponde al inventario de seguridad. El en caso que se est viendo,


de demanda caracterizada por una distribucin de probabilidad normal, s puede
ser expresado de la siguiente forma:

s = z*( (P+L)* )

Donde L corresponde al tiempo de entrega, siendo (P+L) el periodo de previsin.

23
6.5 Indicadores de manejo de inventario.

En el presente trabajo se utilizaran los indicadores usuales de manejo de


inventario.

Uno de los indicador principal ser el nivel de servicio, que como ya se mencion
tiene distintas definiciones. La definicin con la que se realizar este trabajo es la
que considera la probabilidad de que todos los pedidos sean satisfechos, pero
tambin se tendrn en cuenta las otras dos definiciones a la hora de hacer un
anlisis ms detallado. Como contrapartida al nivel de servicio se encuentra el
inventario promedio, el cual se trata de mantener bajo, dada su ligazn a los
costos de inventario. Es el equilibrio de estos dos indicadores principales, al que
se dedicarn los esfuerzos de este trabajo de tesis.

Como indicador que se utiliza es la rotacin promedio anualizada de inventario, la


cual es una tasa que en teora indica cuantas veces en un ao se renueva
completamente el inventario en stock. Para los casos en que el periodo analizado
no corresponda a un ao, se utiliza un ponderador de manera de que los
indicadores sean todos comparables entre s. Entonces, si en un periodo de M
meses, el inventario promedio fue de IP y las ventas efectuadas durante los M
meses ascendieron a un total de V unidades, la rotacin promedio anualizada de
inventario corresponder a: (V/IP)*12/M

24
7 Contexto econmico

Para estudiar el comportamiento de la demanda que afectara a la empresa, fue


preciso analizar el comportamiento de la industria, a modo de buscar un patrn
macroeconmico que influencie las ventas. Este anlisis se hizo en marzo de 2009,
utilizando datos que van desde enero de 2005 a enero de 2009.

Se investigaron las bases de datos del Instituto Nacional de Estadsticas, donde se


revisaron los distintos indicadores de actividad econmica. Se encontr que el
indicador que mayor informacin entrega para el problema analizado, es el ndice
de Ventas de Comercio Minorista (IVCM) y dentro de este mismo ndice, el
subconjunto correspondiente a los productos textiles.

A continuacin en el grfico 7-1 se muestra la evolucin de estos dos ndices

Ilustracin 7-1 Evolucin del IVCM

300.00
IVCM 250.00
200.00
150.00
IVCM
100.00
Productos
Textiles 50.00
0.00
05

06

07

08

09
O li o

O li o

O li o

O li o
ri l

ri l

ri l

ri l
En re

En re

En re

En re
Ab

Ab

Ab

Ab
Ju

ub

Ju

ub

Ju

ub

Ju

ub
o

o
er

er

er

er

er
ct

ct

ct

ct
En

El ndice fue construido de manera que el promedio de ventas del comercio


minorista del ao 2005 marca el nivel 100.

25
La informacin que puede desprenderse del grfico es la siguiente:

Existe una tendencia al alza tanto en las ventas totales, como en la


industria textil, con un freno en los ltimos meses de 2008
Se observa una marcada estacionalidad en diciembre. Este aumento es
mayor para los productos textiles que para todos los productos.
Se aprecia una estacionalidad ms dbil a mitad de ao, encontrndose
una curva que alcanza su mximo alrededor de los meses de mayo y junio,
para luego descender nuevamente.

Al realizar este anlisis, se tena la idea de que la crisis econmica podra haber
afectado las ventas de la industria, sin embargo se observa que este efecto no ha
sido tan profundo. Por ejemplo, al ver solamente el ndice de diciembre, se
observa la siguiente evolucin, mostrada en la Tabla 7-1:

Tabla 7-1 IVCM de Diciembre


Diciembre de 2005 Diciembre de 2006 Diciembre de 2007 Diciembre de 2008
IVCM 131.58 144.15 156.61 154.93
IVCM
Textiles 179.95 211.12 246.62 241.06

Donde se observa que la tendencia al alza que se vena dando pasa ahora a
transformarse en una leve disminucin, comparado diciembre de 2008 con
diciembre de 2007, y no en una fuerte cada como si fue el caso de otras
industrias. Esto se repite para los ltimos meses del ao. Entonces, al ser este
efecto tan leve, no se incorporarn los factores econmicos a la estimacin de la
demanda.

26
8 Datos utilizados

Para la realizacin de la presente tesis se utilizaron datos correspondientes a los


periodos de enero de 2007 hasta julio de 2009. Estos datos fueron separados en
tres conjuntos, el primero de ellos, desde enero 2007 hasta agosto 2007 fue
utilizado para reconstruir la informacin histrica del nivel inventario mantenido por
la empresa, es decir, cuantos productos en bodega se mantuvieron en cada
momento. Fue necesario hacer esto para darle un punto de partida, un inventario
inicial, al siguiente grupo de datos. El segundo conjunto de datos, que va desde
septiembre 2007 a septiembre 2008 fue utilizado para calcular los indicadores de
desempeo de la empresa anterior a la realizacin de esta tesis, y para calibrar los
parmetros de los modelos. El tercer set de datos, que abarca desde octubre de
2008 a junio de 2009 se utiliz para comparar el desempeo del sistema
propuesto versus el sistema ocupado por la empresa.

Los datos con los que se trabaj para analizar las ventas, provenan de dos
fuentes: las rdenes de compra que hacen llegar los clientes a la empresa; y el
registro de las facturas y guas de despacho interno (movimientos entre la bodega
central de Wados y sus tiendas) emitidos por la empresa. De esta manera, para
cada orden de compra satisfecha exista una factura que daba cuenta de esto. Es
as como se pudo limpiar la base de datos y se pudo calcular cuantas unidades
demandadas fueron satisfechas. Para cuantificar las unidades recibidas se
utilizaron los datos correspondientes a las guas de compra realizadas por la
empresa, denominacin dada a los embarques recibidos desde sus proveedores,
tanto nacionales como extranjeros.

Las bases de datos que fueron proporcionadas estaban organizadas de manera


que cada fila corresponda a un documento (tal como factura, orden de compra o
gua de despacho interno) y a un SKU. Mientras que las columnas de la base de
datos corresponden a: Tipo de documento, Cdigo del documento, Fecha, Cdigo
del producto, temporada, cliente, y las unidades involucradas de cada talla.

27
A la hora de calcular los indicadores de desempeo, efectu una limpieza extra de
los datos, la cual consisti en que el clculo de las ventas se realiz sin considerar
aquellas cuya factura corresponde a rdenes de compra emitidas anterior a
septiembre de 2007, dado que no se tienen registros de ellas y tampoco se
consideraron las rdenes de compra pendientes a fines de septiembre 2008. De
esta forma, se obtiene una mejor estimacin de las ventas perdidas durante el
periodo.

9 Extraccin de informacin de la Base de Datos

Ventas

Las ventas business to business se calcularon a partir de la informacin registrada


en las facturas emitidas por la empresa, buscando los cdigos de los productos
estudiados cuya factura correspondiera al intervalo de tiempo analizado. Se puede
asumir como confiable la informacin de las facturas registradas, pues estos datos
son utilizados para generar los informes contables de la empresa, incluidos
informes a CORFO y a Impuestos Internos.

Las ventas hechas por las tiendas propias de la empresa, fueron estimadas
utilizando Guas de Despacho Interno desde la bodega a estas tiendas. Es decir,
se trata a las tiendas propias como si fueran clientes que hicieran pedidos a la
empresa. Es importante considerar, que esta informacin podra no ser tan
confiable como la de las facturas, pero representa un porcentaje menor dentro de
las ventas totales.

Compras

Para calcular los ingresos de productos, se analizaron los registros de las


llamadas Guas de Compra utilizadas por la empresa. Las Guas de Compra,

28
representan los pedidos que la empresa hace a sus proveedores, y son
registradas en el sistema en el momento en que ingresan a la bodega central en
Santiago. Al limpiar esta informacin se encontr, hablando con la empresa, que
existan Guas de Compra falsas, las que eran utilizadas por la empresa cuando
realizaban un ajuste de inventario, es decir, no correspondan a entradas efectivas;
estas guas fueron eliminadas.

Demanda.

Se decidi considerar el ingreso de una orden de compra como la realizacin de


una demanda. Los clientes no tienen informacin de los niveles de inventario de la
empresa, entonces, cuando hacen un pedido, estn expresando la necesidad de
adquirir esos productos, poniendo un plazo lmite para cuando requieren que estos
productos sean entregados.

Para el anlisis, es necesario recalcar que se enfrentan dos tipos distintos de


demanda: la demanda externa, que corresponde a la efectuada por clientes ajenos
a la Wados, y la demanda interna, que corresponde a la efectuada por los distintos
locales propios que Wados tiene a lo largo del pas. La demanda externa se
calcula utilizando las rdenes de compra recibidas por la empresa, mientras que la
demanda interna se calcula utilizando las guas de despacho internas con las que
opera la empresa.

Las rdenes de compra tienen una fecha de emisin y una fecha de vencimiento,
por lo cual la demanda no est asociada a un momento especfico, sino que a un
intervalo de tiempo. Sin embargo, para realizar el anlisis fue necesario asignar la
demanda a un instante bien definido, y se decidi asignar la demanda expresada
en una orden de compra, al da en que esta es recibida por Wados. Tambin se
evalu asignar la demanda al da de vencimiento de la orden de compra, pero se
opt por la primera alternativa debido a que, adelantndose a la demanda, se
gana un colchn de tiempo para realizar cualquier ajuste, y as mismo, permite

29
programar de mejor manera el problema logstico de entrega a sus clientes. Es
importante consignar que la formulacin del problema logstico queda fuera del
alcance de esta tesis; sin embargo, como se dijo, al planificar que existan
productos en stock al momento de recibir ordenes de compra, se tiene todo el
periodo previo al vencimiento de estas para programar las entregas de la forma
que la empresa estime conveniente.

Para la demanda interna por productos, se consider que la emisin de una gua
de despacho interno corresponde a la realizacin de una demanda. Pero esta
metodologa tiene el inconveniente que si la empresa no cuenta con stock, no
realiza guas de despacho internas, entonces, en estos casos la demanda interna
no se expresar. Para lidiar con esto, las ventas internas perdidas se estiman
como una proporcin de las ventas internas realizadas. Esta proporcin se
considera como la misma de las ventas externas perdidas. Es decir, si las ventas
externas perdidas corresponden a un x% de las ventas externas satisfechas, se
considera que las ventas internas perdidas correspondern a un x% de las ventas
internas realizadas.

30
10 Situacin Histrica

10.1 Nivel de inventario

La siguiente evaluacin corresponde a la evolucin del nivel de inventario entre


septiembre 2007 y septiembre 2008, ambos meses incluidos. En este perodo de
trece meses, si el inventario estuviera bien manejado se encontraran entradas de
productos cada cierto tiempo y en cantidades que provocaran pocos o ningn
quiebre de inventario, manteniendo un inventario relativamente bajo. Adems, los
niveles de cada talla se deberan mover de manera proporcional. Se espera que
exista una mayor cantidad de unidades en stock para las tallas ms demandadas
y una menor cantidad para las tallas con menor demanda.

En el Grfico 10-1 se muestra la evolucin del inventario para el SKU1

Ilustracin 10-1 Inventario Histrico SKU1

1200

1000

Stock 34
800
Stock 36
Stock 38
Cantidad

600 Stock 40
Stock 42
Stock 44
400
Stock 46

200

0
01-09-2007

01-10-2007

01-11-2007

01-12-2007

01-01-2008

01-02-2008

01-03-2008

01-04-2008

01-05-2008

01-06-2008

01-07-2008

01-08-2008

01-09-2008

Fecha

31
Aqu los grandes aumentos de inventario corresponden a las guas de compra,
mientras que las disminuciones corresponden a ventas realizadas. Existen lapsos
de tiempo en los que el nivel de inventario es tan bajo, que corresponde en la
prctica a un out of stock puesto que no se alcanza a satisfacer rdenes de
compra enteras. Lo que en muchos casos provoca que no se realice una venta.

Otro punto que llama la atencin es el stock de la talla 42, que por largos pasajes
es muy superior al stock de las otras tallas, esto sugiere un problema en las
proporciones de cada talla ordenadas por la empresa.

En el Grfico 10-2 se muestra el inventario histrico para el SKU2

Ilustracin 10-2 Inventario Histrico SKU2

900

800

700
Stock 38
600 Stock 40
Stock 42
Cantidad

500
Stock 44
Stock 46
400
Stock 48
300 Stock 50
Stock 52
200

100

0
01-09-2007

01-10-2007

01-11-2007

01-12-2007

01-01-2008

01-02-2008

01-03-2008

01-04-2008

01-05-2008

01-06-2008

01-07-2008

01-08-2008

01-09-2008

Fecha

Se observa aqu una situacin parecida a la del SKU1, pero registrndose


mayores lapsos de tiempo en los que no ocurrieron movimientos en el nivel de
inventari, correspondiendo a periodos de fuera de stock efectivos.
A continuacin, en el grfico 10-3 se muestra el caso del SKU3

32
Ilustracin 10-3 Inventario Histrico SKU3

2500

2000

Stock 38
Stock 40
1500 Stock 42
Cantidad

Stock 44
Stock 46
1000 Stock 48
Stock 50
Stock 52

500

0
01-09-2007

01-10-2007

01-11-2007

01-12-2007

01-01-2008

01-02-2008

01-03-2008

01-04-2008

01-05-2008

01-06-2008

01-07-2008

01-08-2008

01-09-2008
Fecha

A diferencia de los SKU anteriores, aqu observamos que el producto viene


saliendo de un prolongado periodo de bajos stocks, para luego, aumentar su nivel
significativamente, alcanzando valores mayores que en los productos vistos
anteriormente; lo anterior sugiere malas programaciones de las guas de compra,
o deficientes pronsticos de ventas. Sin embargo, tambin hay que considerar que
el periodo en que suben extraordinariamente sus stocks, coincide con el
desencadenamiento de la crisis econmica internacional, lo que pudo haber
afectado a este producto particularmente.

33
En el grfico 10-4 se muestra lo ocurrido para el SKU4

Ilustracin 10-4 Inventario Histrico SKU4

250

200
Stock 38
Stock 40
150 Stock 42
Cantidad

Stock 44
Stock 46
100 Stock 48
Stock 50
Stock 52
50

0
8

08

08

08

08

08

08

08

08

08

08

08
00

20

20

20

20

20

20

20

20

20

20

20
-2

7-

7-

7-

7-

8-

8-

8-

8-

9-

9-

9-
07

-0

-0

-0

-0

-0

-0

-0

-0

-0

-0

-0
-
03

10

17

24

31

07

14

21

28

04

11

18 Fecha

Este producto es diferente a los anteriores en cuanto que es mucho ms joven, de


hecho es el nico para el cual no se pudo hacer un anlisis considerando todo el
periodo propuesto, sino que se tuvo que limitar a los meses de julio, agosto y
septiembre de 2008, observndose en estos meces movimientos de magnitudes
muy inferiores a las observadas para los SKU anteriores.

Debido a esta falta de datos histricos, se piensa que para este producto se
obtendrn resultados menos precisos, sin embargo, se decidi de todas formas
incluirlo en el estudio, dado que conversando con la administracin de la empresa,
estara en la misma categora que los productos anteriores, y presentara un
comportamiento similar, lo cual permitira asumir ciertas analogas con los otros
SKU, de ser necesario.

34
10.2 Indicadores de desempeo

Los indicadores de desempeo que se utilizarn para evaluar cuantitativamente el


desempeo de los distintos SKU sern: el nivel de inventario, el nmero de
rotaciones y las ventas perdidas. Estos indicadores son los usados
tradicionalmente en el anlisis de problemas de inventario.

En la tabla 10-1 se observa los resultados de los distintos indicadores para el


SKU1

Tabla 10-1 Indicadores de desempeo SKU1


Talla Talla Talla Talla Talla Talla Talla
34 36 38 40 42 44 46 Total
INV Promedio 73.33 71.22 77.12 76.43 296.78 53.74 85.47 734.10
Ventas Totales 1827 3365 5151 5132 4389 1813 839 22516
Rotacin Promedio
Anualizada 23.00 43.61 61.65 61.98 13.65 31.14 9.06 28.31
Demanda 2201 4822 7163 7190 5354 2551 1917 31003
Ventas Perdidas 374 1457 2012 2058 965 738 1078 8487
% Ventas Perdidas 17.0% 30.2% 28.1% 28.6% 18.0% 28.9% 56.2% 27.4%

Llama la atencin la cantidad de ventas perdidas, que asciende a un 27%, lo que


da cuenta de los problemas enfrentados. Para este SKU las ventas internas
corresponden a un pequeo porcentaje, alcanzando un 5% del total de las ventas
Tambin se observa el alto valor de las rotaciones de inventario, siendo la rotacin
total de 28.31, lo que indicara que en un ao se renuevan 28 veces la totalidad
del inventario. Sin embargo, es necesario considerar que debido a la sub-oferta de
artculos durante este periodo, las unidades pasan poco tiempo en stock, puesto
que al llegar reposiciones de inventario ya existen rdenes de compra esperando
a ser satisfechas. Esto provoca que los inventarios promedios sean muy bajos en
comparacin con la cantidad de ventas efectuadas. Es por esto que se disparan
los valores de rotacin de inventario, indicador que se calcula como el nmero de
ventas sobre el inventario promedio, como se detalla en el marco conceptual.

35
A continuacin, en la tabla 10-2 se muestran los resultados para el SKU2

Tabla 10-2 Indicadores de desempeo SKU2


Talla Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 52 Total
INV Promedio 19.63 61.62 75.38 79.26 104.57 73.41 34.31 130.47 578.65
Ventas Totales 1203 2375 3871 3887 3825 1852 1392 920 19325
Rotacin Promedio
Anualizada 56.57 35.58 47.40 45.27 33.76 23.29 37.45 6.51 30.83
Demanda 2069 3649 5830 5864 5243 2799 1901 1947 29067
Ventas Perdidas 866 1274 1959 1977 1418 947 509 1027 9742
% Ventas Perdidas 41.9% 34.9% 33.6% 33.7% 27.0% 33.8% 26.8% 52.7% 33.5%

Al igual que el caso anterior, se observa un importante nmero de ventas perdidas,


junto con un alto valor de rotacin de inventario. Tambin se puede identificar un
mayor porcentaje de ventas perdidas para las tallas extremas. Para este SKU se
tiene que las ventas internas alcanzan a un 10% del total, aproximadamente.

La tabla 10-3 contiene el resultado de los indicadores de desempeo para el SKU3

Tabla 10-3 Indicadores de Desempeo SKU3


Talla Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 52 Total
INV Promedio 124.64 254.32 508.30 545.66 421.02 260.53 143.35 29.69 2287.50
Ventas Totales 1739 3437 5558 5534 4825 3072 1648 237 26050
Rotacin Promedio
Anualizada 12.88 12.48 10.09 9.36 10.58 10.88 10.61 7.37 10.51
Demanda 2009 4030 6270 6308 5937 4002 2202 952 31806
Ventas Perdidas 270 593 712 774 1112 930 554 715 5756
% Ventas Perdidas 13.4% 14.7% 11.4% 12.3% 18.7% 23.2% 25.2% 75.1% 18.1%

Aqu se puede ver un menor nmero de ventas perdidas que en los SKU
anteriores, pero an corresponden a un importante porcentaje de la demanda.
Otro punto a destacar es que a diferencia de los casos anteriores, para este SKU
se tiene que las ventas internas representan un porcentaje importante del total,
correspondiendo aproximadamente a un 25%.

36
A continuacin, la tabla 10-4 presenta los indicadores para el SKU4

Tabla 10-4 Indicadores de Desempeo SKU4


Talla Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 52 Total
INV Promedio 46.824 86.396 118.25 122.24 113.11 75.791 41.055 81 684.53
Ventas Totales 130 264 336 329 277 209 133 98 1776
Rotacin Promedio
Anualizada 11.11 12.22 11.37 10.77 9.80 11.03 12.96 4.85 10.38
Demanda 359 652 901 866 744 554 339 187 4613
Ventas Perdidas 223 381 558 533 460 343 204 88 2801
% Ventas Perdidas 62.1% 58.4% 61.9% 61.5% 61.8% 61.9% 60.2% 47.1% 60.7%

Del anlisis efectuado se deduce un comportamiento estacional a partir de julio de


2008, estimndose que anteriormente el producto se encontraba en una situacin
transiente. Es por esto que los indicadores se calcularon entre julio de 2008 y
septiembre de 2008. De los pocos datos de que se dispone, se desprende que las
ventas internas corresponden a aproximadamente un 20% del total.

10.3 Anlisis de la demanda

10.3.1 Comportamiento de la demanda

La tabla10-5 muestra las unidades demandadas para cada SKU

Tabla 10-5 Demanda


SKU1 31003
SKU2 29067
SKU3 31806
SKU4 4613

Se observa claramente que el SKU4 tiene una mucha menor demanda que los
otros SKU, esto es debido a que se trata de un SKU que se est lanzando

37
recientemente al mercado. Se espera que en un futuro cercano, su
comportamiento sea similar a los otros SKU.

En el grfico 10-5 se muestra la demanda mensual observada en el periodo

Ilustracin 10-5 Demanda Mensual

12000
10000
SKU1
8000
SKU2
6000
SKU3
4000
2000 SKU4
0
e

zo
07

o
ril
re

de e

Fe 8

lio

e
ay
br

er

br
ni
0
br

Se ost
Ab
ub

Ju
ar
20

20

Ju
m

br
En ciem

m
M

Ag
M
ct

ie

ie
de

ov

pt
i
D
e

o
N
br

er
m
ie
pt
Se

Aqu se puede ver una cierta armona entre las ventas de los distintos SKU, con
una clara excepcin en enero de 2008, donde el SKU3 manifest una demanda
muy por sobre los otros SKU.

10.3.2 Proporciones

Las proporciones de cada talla demandada para los distintos SKU en el periodo
analizado se muestran en la siguiente tabla:

Tabla 10-6 Proporciones de Demanda


Talla Talla Talla Talla Talla Talla Talla Talla Talla Talla
Proporcin 34 36 38 40 42 44 46 48 50 52 Total
SKU1 0.070 0.157 0.238 0.240 0.167 0.083 0.043 0.000 0.000 0.000 1.000
SKU2 0.000 0.000 0.072 0.129 0.206 0.206 0.183 0.097 0.067 0.040 1.000
SKU3 0.000 0.000 0.064 0.130 0.192 0.193 0.189 0.128 0.072 0.033 1.000
SKU4 0.000 0.000 0.071 0.132 0.189 0.183 0.182 0.130 0.076 0.036 1.000

38
Como se observa, existe una diferencia en las tallas ofrecidas. El SKU1 parte
desde la talla 34 hasta la talla 46, mientras que el resto de los SKU van desde la
talla 38 hasta la talla 52. Esta diferencia observada se debe a que el SKU1
corresponde a un producto enfocado en un mercado juvenil, mientras que los otros
estn apuntando a consumidoras de mayor edad. Es debido a esta diferencia en
las tallas que se analizaran la participacin en la demanda para el SKU1,
separada de la participacin en la demanda de los otros SKU.

A continuacin se muestra grficamente la proporcin de cada talla demandada


para el SKU1.

Ilustracin 10-6 Participacin de cada talla en la demanda del SKU1

SKU1

0.300

0.250

0.200

0.150 SKU1

0.100

0.050

0.000
Talla 34 Talla 36 Talla 38 Talla 40 Talla 42 Talla 44 Talla 46

Mientras que para los otros tres SKU, la proporcin de las tallas demandadas se
muestra grficamente se ve a continuacin:

39
Ilustracin 10-7 Participacin de cada talla en la demanda para el SKU2, SKU3 y SKU4

0.250

0.200

0.150 SKU2
SKU3
0.100 SKU4

0.050

0.000
Talla 38 Talla 40 Talla 42 Talla 44 Talla 46 Talla 48 Talla 50 Talla 52

Como se puede observar, existe una mayor demanda por las tallas centrales, en
cada uno de los SKU, lo que debe estar relacionado con las caractersticas fsicas
de los chilenos.

Otro punto que es necesario tener en cuenta es que las proporciones cambian a lo
largo del tiempo, aunque ligeramente. En las tablas a continuacin se muestran
las evoluciones de las proporciones para cada uno de los SKU

Ilustracin 10-8 Evolucin de las proporciones SKU1

0.30
0.25
0.20 Talla 34
0.15 Talla 36
0.10
Talla 38
0.05
0.00 Talla 40
Talla 42
07

li o
08
e

e
e

o
o
o

il
e

o
br

br
ni
er
br

ay
z
r

st
20

Ju
Ab
ub

20

ar

Ju
m

Talla 44
m

br

o
M
M

Ag
ct

ie
de

ie

ie
Fe
de
O

pt
ic
ov
e

Talla 46
Se
N
br

er
m

En
ie
pt
Se

40
Ilustracin 10-9 Evolucin de las proporciones SKU2

0.25
0.20
Talla 38
0.15
Talla 40
0.10
Talla 42
0.05
Talla 44
0.00
Talla 46

08
07

zo

to

e
re

lio
ril
Talla 48

er

ay
br

br
ni
br

Ab

os
ub

Ju
ar
20

20

Ju
m

m
br

Ag
M
ct

ie

ie
ie

Fe
Talla 50
de

de
O

ov

ic

pt
D
e

Se
N
br

er
Talla 52
En
m
tie
p
Se

Ilustracin 10-10 Evolucin de las proporciones SKU3

0.30
0.25
0.20 Talla 38
0.15 Talla 40
0.10
Talla 42
0.05
Talla 44
0.00
Talla 46
Talla 48
07

08

zo

lio
re

e
ril

ay
br

er

ni
br

br
st
Ab
ub

Ju
ar
20

20

Ju

o
br
m

m
M

Ag Talla 50
M
ct

ie

ie

ti e
Fe
de

de
O

ov

ic

p
Talla 52
D
e

ro

Se
N
br

e
m

En
ti e
p
Se

Como se observa en los SKU1, SKU2 y SKU3, si bien existe un cierto orden en la
demanda de las distintas tallas, las proporciones en que es demandada cada talla
no son estticas, por lo que es necesario incorporar este comportamiento en el
modelo de poltica de inventario que se ha de utilizar

El grfico 10-11 muestra la variacin en las proporciones para el SKU4, que como
se observa tiene una mucho menor historia que los SKU anteriores, pero sin
embargo, ya demuestra un comportamiento similar al visto en los otros SKU
SKU4

41
Ilustracin 10-11 Evolucin de las proporciones SKU4

0.25
Talla 38
0.20 Talla 40
Talla 42
0.15
Talla 44

0.10 Talla 46
Talla 48
0.05 Talla 50
Talla 52
0.00
Junio Julio Agosto Septiembre

10.3.3 Correlaciones

Para el SKU1, se calcul la matriz de correlaciones entre las tallas. Los resultados
son los siguientes:

Tabla 10-7 Matriz de correlaciones entre las tallas SKU1


34 36 38 40 42 44 46
34 1.00 0.94 0.93 0.92 0.84 0.93 0.24
36 0.94 1.00 0.96 0.96 0.91 0.96 0.31
38 0.93 0.96 1.00 1.00 0.85 0.96 0.24
40 0.92 0.96 1.00 1.00 0.86 0.96 0.23
42 0.84 0.91 0.85 0.86 1.00 0.92 0.41
44 0.93 0.96 0.96 0.96 0.92 1.00 0.27
46 0.24 0.31 0.24 0.23 0.41 0.27 1.00

Como se ve, es una matriz simtrica con respecto a la diagonal, la cual est
compuesta por valores 1, pues todas las tallas tienen una correlacin perfecta
consigo misma.

Si excluimos del anlisis a la talla 46, se observan valores altos de correlacin,


superiores al 85% y con un promedio de 92%. Sin embargo, el comportamiento de
esta ltima talla, la 46, hace pensar que su demanda sigue patrones distintos a la
de las otras tallas.

42
Se realiz el mismo anlisis para los restantes SKU, encontrndose tambin altos
niveles de correlacin, a excepcin de la talla 52, la que en los tres casos,
demostraba un comportamiento distinto, lo que refleja que la demanda por esta
talla no est directamente relacionada con la demanda de las otras tallas. A
continuacin se muestran las matrices de correlaciones para los SKU2, SKU3 y
SKU4

Tabla 10-8 Matriz de correlaciones entre las tallas SKU2


38 40 42 44 46 48 50 52
38 1.00 0.94 0.88 0.89 0.86 0.84 0.92 0.58
40 0.94 1.00 0.97 0.97 0.93 0.92 0.94 0.59
42 0.88 0.97 1.00 1.00 0.97 0.89 0.89 0.57
44 0.89 0.97 1.00 1.00 0.98 0.90 0.91 0.57
46 0.86 0.93 0.97 0.98 1.00 0.90 0.89 0.49
48 0.84 0.92 0.89 0.90 0.90 1.00 0.90 0.57
50 0.92 0.94 0.89 0.91 0.89 0.90 1.00 0.53
52 0.58 0.59 0.57 0.57 0.49 0.57 0.53 1.00

Tabla 10-9 Matriz de correlaciones entre las tallas SKU3


38 40 42 44 46 48 50 52
38 1.00 0.98 0.98 0.98 0.96 0.97 0.95 0.51
40 0.98 1.00 1.00 1.00 0.99 0.98 0.98 0.52
42 0.98 1.00 1.00 1.00 0.99 0.98 0.98 0.52
44 0.98 1.00 1.00 1.00 0.99 0.98 0.98 0.52
46 0.96 0.99 0.99 0.99 1.00 1.00 0.98 0.57
48 0.97 0.98 0.98 0.98 1.00 1.00 0.98 0.58
50 0.95 0.98 0.98 0.98 0.98 0.98 1.00 0.57
52 0.51 0.52 0.52 0.52 0.57 0.58 0.57 1.00

Tabla 10-10 Matriz de correlaciones entre las tallas SKU4


38 40 42 44 46 48 50 52
38 1.00 0.99 0.98 0.98 0.98 0.97 0.93 0.37
40 0.99 1.00 1.00 1.00 0.99 0.99 0.95 0.34
42 0.98 1.00 1.00 1.00 1.00 0.99 0.94 0.29
44 0.98 1.00 1.00 1.00 1.00 1.00 0.95 0.30
46 0.98 0.99 1.00 1.00 1.00 0.99 0.95 0.29
48 0.97 0.99 0.99 1.00 0.99 1.00 0.97 0.35
50 0.93 0.95 0.94 0.95 0.95 0.97 1.00 0.53
52 0.37 0.34 0.29 0.30 0.29 0.35 0.53 1.00

43
En definitiva, se observa que la demanda de las distintas tallas en los 4 SKU est
muy correlacionada, a excepcin de la talla mayor en cada uno de los casos. Al
analizar la base de datos, se puede ver que en muchas ocasiones, las rdenes de
compra no incluan a la ltima talla, teniendo a todas las otras presentes en alguna
proporcin. As tambin, existan rdenes de compra que consistan solamente en
unidades de la ltima talla. Esto viene a comprobar que la demanda por la talla
ms grande tiene un comportamiento en gran medida disociado de la demanda
por las otras tallas.

10.4 Clientes

El siguiente es un anlisis hecho a la demanda efectuada por los distintos clientes


de la empresa, a modo de comprender mejor su modelo de negocios.

Como se ha dicho, el negocio de Wados es principalmente la venta a minoristas,


quienes luego revenden los productos al consumidor final. La siguiente tabla fue
construida considerando las demandas de los 4 SKU estudiados de manera
agregada

Tabla 010-11 Demanda efectuada por principales clientes


Porcentaje
Cliente Demandado Porcentaje acumulado
Falabella 19587 23.122% 21.657%
Ripley 18346 21.657% 44.779%
La Polar 10881 12.845% 57.624%
Paris 10621 12.538% 70.162%
Corona 7619 8.994% 79.156%
Johnsons 4445 5.247% 84.403%
Tricot 3202 3.780% 88.183%
Hites 2252 2.658% 90.842%
Otros 7758 9.158% 100.000%
Total 84711 100.000%

44
Como se observa, la empresa cuenta con dos grandes clientes, Falabella y Ripley,
los que en conjunto representan casi el 45% de sus unidades demandadas. Si a
estos clientes les sumamos luego las 6 multitiendas siguientes, se tiene que
representan el 90% de la demanda externa de la empresa. Con esto se tiene que
el gran porcentaje de las ventas de la empresa est concentrado en relativamente
pocos clientes, lo que recalca la importancia de mantener un buen nivel de servicio
con ellos.

Otro punto a tomar en cuenta, es la exigencia en los tiempos de entrega de los


distintos clientes. La siguiente tabla se construy calculando dos indicadores. El
primero es el promedio simple de la duracin de las rdenes de compra, es decir,
se sumaron las duraciones de todas las rdenes de compra y se dividi por el total
de estas. El siguiente indicador, refleja la duracin ponderada, es decir cada orden
de compra se ponder por la cantidad de unidades que fueron ordenadas en ella,
este nmero se sum y luego el total se dividi por el nmero de unidades totales
demandadas. Esto significa que rdenes de muchos productos tienen una mayor
importancia relativa en el indicador.

Tabla 10-12 Duracin de las OC


Porcentaje Duracin Duracin Ponderada
Cliente Demanda OC OC
Ripley 23.122% 18.36 26.82
Falabella 21.657% 8.42 9.91
La Polar 12.845% 30.61 35.39
Paris 12.538% 26.55 33.72
Corona 8.994% 17.74 16.80
Johnsons 5.247% 23.75 24.59
Tricot 3.780% 10.83 11.20
Hites 2.658% 35.92 39.95
Otros 32.280% 28.16 24.21
Total 100.000% 23.83 23.38

45
Como se observa, en promedio las empresas entregan un periodo de alrededor de
23 das, ms de tres semanas, para que sus rdenes sean satisfechas. Un caso
que hay que destacar sin embargo, es el de Falabella, uno de los principales
clientes. Esta empresa entrega el menor tiempo de antelacin para satisfacer sus
rdenes, de tan solo 10 das aproximadamente.

46
11 Seleccin y calibracin del Modelo de Demanda

La opcin que se evalu en primera instancia para desarrollar el modelo de


pronstico de demanda, fue el utilizar series de tiempo. Esta opcin presentaba
distintos puntos a favor y en contra. Por un lado, es una herramienta que en
algunos casos resulta ser bastante precisa, y es de fcil explicacin al usuario final,
para que luego ste se sienta cmodo utilizndola; pero como punto en contra
est el que se contaba con un pequeo conjunto de datos, de solamente trece
meses; adems, no se estaba seguro del impacto que tendran elementos
externos como la publicidad, las promociones, las variaciones de precio o el
esfuerzo de venta de la empresa.

Del anlisis de los datos, se descart el tomar periodos diarios o semanales,


debido a la gran varianza que presentaban, lo que imposibilitaba el modelamiento.
Adems, considerando los tiempos de entrega de productos, es ms adecuado
pensar en modelar la demanda de forma que abarque periodos ms extensos de
tiempo.

A continuacin se mostrar el anlisis de factibilidad que se realiz a la opcin de


utilizar series de tiempo (alternativa que tuvo que ser descartada), posteriormente
se muestra el modelo definitivo a utilizar, el cual, debido a la gran variabilidad de la
demanda, no entrega una estimacin exacta de las unidades demandas, sino que
cuantifica la probabilidad de que las unidades demandadas estn dentro de cierto
rango en el corto plazo.

47
11.1 Primeros acercamientos

Se calibr un modelo de alizamiento exponencial con tendencia y estacionalidad


(Modelo de Holt Winters) utilizando los datos de informacin histrica, y luego se
utilizaron esos parmetros para pronosticar la demanda futura entre octubre de
2008 y junio de 2009. No se saba a priori si se encontrara una tendencia o
estacionalidad, pero se decidi incluirla en el modelo con la intencin de
caracterizar lo mejor posible el comportamiento del fenmeno estudiado. De no
encontrarse estacionalidad o tendencia, estos parmetros luego podran ser
descartados del modelo. La calibracin se efectu utilizando el complemento
Solver, del programa Excel, y en esa misma planilla se introdujeron las formulas
para que luego de calibrados los parmetros, se hiciera el pronstico de la
demanda.

La bsqueda de los parmetros ptimos del modelo, consisti en minimizar la


suma de los cuadrados de las diferencias obtenidas entre lo real y lo proyectado.
En este modelo, los parmetros de nivel, de estacionalidad y de tendencia eran las
variables, mientras que las ecuaciones del alizamiento exponencial con tendencia
y estacionalidad correspondan a las restricciones. Para correr la optimizacin se
tuvo que dar valores iniciales a los parmetros; se probaron diversas
configuraciones de valores iniciales, observndose que la calibracin de los
parmetros era tremendamente sensible a ellos, lo que ya haca pensar en la mala
calidad del modelo que se obtendra. Los resultados que se muestran
corresponden a una configuracin inicial que toma el componente de nivel inicial
como el promedio mensual del primer ao, y no se consideran componentes de
estacionalidad iniciales, es decir, los parmetros de estacionalidad son iniciados
en valores 1. De esta forma no se impone una forma a priori para la curva.

A continuacin se muestran grficamente los resultados obtenidos para el SKU1,


con el cual se empezaron a hacer las pruebas:

48
Ilustracin 11-1 Resultados de alizamiento exponencial

Demanda Observada
Demanda Pronosticada
6000
5000
4000
3000
2000
1000
0
7 07 08 8 8 8 8 08 9 9 9 9
p-
0
v- e- -0 -0 l-0 p-
0
v- -0 -0 -0 l-0
se o n ar ay ju se o e ar ay ju
n e m m n en m m

Se observa que existe una gran diferencia para el periodo de evaluacin, entre el
pronstico efectuado y la realizacin de la demanda. Tambin se observa que el
pronstico toma una forma similar a la observada en los meses utilizados para la
calibracin, siendo esta muy distinta a la demanda real de los meses siguientes. Al
observar los parmetros calibrados, se tiene que los parmetros de tendencia y de
estacionalidad dan 1 esto quiere decir que el modelo valora en un 100% el
comportamiento del mes recin concluido, desechando el comportamiento
histrico. El parmetro de nivel da un valor muy cercano a cero, lo que significa
que pondera totalmente el comportamiento del ltimo mes, ms la tendencia
anterior, desechando el nivel actual ajustado por la estacionalidad anterior. Por
ltimo, se tienen los siguientes indicadores de desempeo del modelo:

MAPE 118.06%
Desv.
Standard 1520.91

Son estos resultados los que terminan por descalificar el modelo de series de
tiempo, pues es totalmente inaplicable un modelo con un error MAPE superior al
100%, y adems, esa desviacin Standard mensual hara que los inventarios de
seguridad ascendieran muy por encima de lo utilizado actualmente por la empresa.

49
A diferencia de otros casos en los que podra haber una diferencia, en el presente
estudio no se piensa que el comportamiento del modelo mejorara si se agregaran
ms datos al anlisis. Los datos hacen presumir que se trata de un fenmeno que
no puede ser modelado por series de tiempo.

La misma escasez de datos y gran varianza de estos, hace tambin descartar


otros mecanismos de estimacin de demanda, como podra ser un modelo
determinstico, lo que hace descartar la incorporacin de variables
macroeconmicas al pronstico.

En vista de la imposibilidad de realizar un buen pronstico de demanda para los


SKU estudiados, debido a la variabilidad de los datos, se decidi que lo ms
adecuado es que el pronstico de demanda a largo plazo lo siga realizando la
empresa segn los criterios cualitativos que ha usado hasta ahora, pero ajustando
de mejor manera la proporcin de cada talla dentro del total de la orden. Mientras
que para el corto plazo, se puede ocupar una herramienta matemtica que se
explicar a continuacin.

50
11.2 Otra mirada al problema.

Buscando definir una poltica de inventario que asegure satisfacer un cierto nivel
de servicio, se lleg a la conclusin de que si se utilizaran solo proveedores
internacionales, los niveles de inventario de seguridad seran muy altos debido a la
variabilidad de los datos y a la extensin del periodo de entrega.

Es as como se reconoce que deben existir pedidos al extranjero, debido a los


menores precios que ofrecen esos proveedores, sin embargo, el manejo del riesgo
debe hacerse con los pedidos hechos a proveedores locales, puesto que tienen
periodos de entrega de tan solo dos semanas, mucho menos que los cuatro
meses de los proveedores internacionales.

Es aqu cuando surge la idea de caracterizar la demanda como una funcin de


probabilidad, es decir, modelar la demanda de manera que la cantidad solicitada a
la empresa en un lapso de tiempo tenga cierta probabilidad de ocurrencia. De esta
manera se podran llegar a conclusiones del tipo: la probabilidad de que la
demanda de aqu a tres das sea menor a 100 unidades es de 80%, por dar un
ejemplo; es decir, se puede acotar el riesgo.

En el caso del problema estudiado, se piensa que de utilizarse un sistema de


revisin continuo de inventario, la variabilidad de la demanda, que como se ha
visto es muy grande, tendra un menor impacto. Se enfrentara solamente la
varianza del tiempo de entrega de los pedidos, que en el caso de los proveedores
locales es de dos semanas.

Hay que destacar que la empresa se encuentra en condiciones de implementar un


sistema de revisin continuo, dado que sus proveedores aceptan rdenes en
cualquier momento. Adems, la empresa registra en el instante todas sus
transacciones, y si bien no mantiene su stock contabilizado a tiempo real, solo le

51
hace falta un sistema que haga las sumas y restas de sus registros de entradas y
salidas.

De esta forma, al combinar el uso de proveedores locales con un sistema continuo


de revisin de inventario, se enfrenta la menor varianza posible, lo que indica que
es la mejor opcin que se tiene para obtener un buen comportamiento del modelo.
Entonces, se buscarn distribuciones de probabilidad que se ajusten a la demanda
bisemanal, pensando en realizar un sistema de revisin continuo para las compras
locales.

Si se encuentra una distribucin de probabilidad que caracterice la demanda con


un bajo margen de error, considerando todo el largo del periodo, se podr estimar
la demanda futura basados en la distribucin de probabilidad encontrada para la
demanda pasada. Esto bajo la hiptesis de que exista constancia en el
comportamiento de la demanda.

11.2.1 Correlacin temporal de los datos

Para que la demanda pueda ser caracterizada como una funcin de probabilidad,
es necesario que los datos no estn correlacionados temporalmente, es decir, que
el valor en un periodo, no afecte al valor del periodo siguiente. Para verificar esto,
se ejecutaron dos tests de autocorrelacin para la demanda de cada SKU, los que
se pueden ver en el Anexo 1.

Luego de analizar el resultado de los tests anteriores se puede concluir que no


existe evidencia que sugiera una autocorrelacin de los datos. Se esperara
obtener este tipo de resultado para un producto que tuviera muchos compradores
independientes, y por el contrario, si un producto tuviera solo un comprador, el
hecho de que compre o no durante una semana afectar su compra de la semana
siguiente.

52
En el caso estudiado, no se tienen tantos clientes: 8 multitiendas representan el
90% de la demanda por los productos, dos de las cuales acaparan el 45% del total.
Sin embargo, Falabella y Ripley, sus principales cliente hacen en promedio mas
de 60 rdenes de compra al ao, es decir, ms de 5 rdenes de compra
mensuales; al mismo tiempo, las otras multitiendas hacen una o dos rdenes de
compra mensuales. Estos datos indican que si bien son pocos clientes, estos no
concentran su demanda, sino que la distribuyen en el tiempo, se piensa que
guiadas por la demanda que reciben de los consumidores finales. Es en esta
situacin que se piensa que la demanda de los distintos retails separada en
mltiples rdenes de compra y distribuida en el tiempo, puede asemejarse a la
demanda de muchos clientes independientes, que es lo que indica el anlisis
estadstico realizado.

11.2.2 Ajuste de distribucin de probabilidad

Para determinar cual es la distribucin de probabilidad que mejor se ajusta a los


datos observados, se utiliz el software StatFit, el cual en primera instancia calibra
los parmetros que mejor se adaptan a los datos para cada distribucin, y luego
ejecuta distintos tests de bondad de ajuste a las distribuciones de probabilidad,
rankeando las distribuciones entre 0 y 100, siendo 100 el mximo, dependiendo de
los resultados obtenidos. Como restriccin al ajuste se pidi que el mnimo valor
que pudieran tomar las distribuciones fuera cero, puesto que no existen ventas
negativas.

El resultado del ajuste de distribuciones de probabilidad puede observarse en el


Anexo 2, donde se muestra que se encontraron de forma satisfactoria las
Funciones de probabilidad que se ajustan a la demanda observada para tres de
los SKU, entonces se puede decir que en el futuro la demanda que se enfrentar
se comportar como la realizacin de estas distribuciones de probabilidad. En
captulos posteriores se detallar que se har en el caso del SKU4 (como se ha
dicho, este SKU no cuenta con la cantidad de datos necesarios para realizar un

53
ajuste de probabilidad), pero se puede adelantar que tambin se modelar su
demanda como una distribucin Gamma.

Con estos resultados, las distribuciones de probabilidad sern utilizadas para


calcular el inventario de seguridad que se debe mantener para cada SKU. De esta
manera, si se busca un X% de probabilidad de que no haya out of stock, las
curvas de la funcin Gamma entregarn el inventario de seguridad que se debe
mantener para que se logre este X% de probabilidad de cumplimiento.

11.3 Sistema propuesto

Es as como se opta por implementar un sistema mixto:

Hacer grandes rdenes de compra al extranjero basadas en los pronsticos


de demanda de la empresa y a la bsqueda de buenos precios, pero
ajustando la proporcin de cada talla segn la informacin histrica.
En el da a da utilizar un sistema de revisin continua de inventario,
utilizando proveedores nacionales, con el fin de garantizar un nivel de
servicio.

El nivel de servicio que se utilizar para encontrar el inventario de seguridad del


sistema de compra local, corresponde un 90%, es decir, con un 90% de
probabilidad satisfacer todos los pedidos en el momento en que se efectan. Se
utiliza este porcentaje, aparentemente bajo, debido a que en la prctica existen
otros factores que harn aumentar el nivel de servicio. Adems, si se forzara un
nivel de servicio terico de un 95% por ejemplo, el inventario de seguridad
aumentara cerca de un 50%, debido al comportamiento de la distribucin de
probabilidad Gamma en los puntos extremos.

54
Un factor que har aumentar el nivel de servicio efectivo es que convivir el
sistema de revisin continua local con el sistema de hacer grandes pedidos al
extranjero. Esto implica que existirn periodos de tiempo en los que se sobrepase
holgadamente el inventario de seguridad, lo que contribuir a mejorar el nivel de
servicio, que en la prctica se espera que sea bastante superior al 90%.

Otro punto a considerar y que incrementar el nivel de servicio, es que la empresa


tiene la posibilidad de retrasar la entrega de los pedidos a sus clientes, de hecho,
las rdenes de compra vienen con una fecha de vencimiento, plazo lmite para
efectuar la entrega, el cual en promedio es de 22 das. Esto quiere decir que
aunque algunos pedidos no sean satisfechos al momento de ser recibidos, si
podran ser satisfechos antes de la fecha de vencimiento de la orden de compra,
ya que en este plazo podran llegar lotes de productos en camino, o simplemente
se podra hacer una nueva compra local, la que demora 14 das.

En el caso de que el plazo para realizar la entrega sea menor a 14 das y de que
no existan guas de compra en camino que lleguen previo al vencimiento, se
perdern ventas. Este caso sera ms probable que ocurriera con clientes como
Falabella, su segundo comprador ms importante, cuyas rdenes de compra solo
tienen 10 das de plazo para ser satisfechas.

Hay que destacar que esta metodologa difiere de lo utilizado tradicionalmente en


el hecho de que no se hizo un pronstico de demanda ni se trabaj pensando en
que los errores de prediccin se distribuan como una normal en torno al
pronstico. En cambio se model el fenmeno completo de la demanda como la
realizacin de una funcin de probabilidad Gamma.

55
12 Poltica de Administracin de Inventario

El sistema que se propone en este trabajo de tesis se puede separar en dos


partes. Una que opera para las compras que la empresa realiza a China, cuya
entrega puede tardar entre 3 y 4 meses, y otra que opera cuando se producen los
SKU localmente. Se ha elegido trabajar de esta forma dado que comprar en China
es ms barato, pero por los largos tiempos de entrega no se puede utilizar un
sistema estndar de administracin de inventario, dado que con la gran
variabilidad de la demanda, y ausencia de patrones, se dificulta el pronstico y los
inventarios de seguridad seran extremadamente altos, pensando en que se opere
solamente con esta opcin. Es por esto que se plantea combinar ambos tipos de
proveedores: las compras en el extranjero para las grandes guas de compra, y
cuando se vea que se ha bajado a un nivel de stock crtico, utilizar la produccin
nacional para evitar tener ventas perdidas. Este ltimo sistema funcionara como
una poltica de inventario de revisin continua, siendo el tiempo de entrega de 14
das.

Para la futura operacin de la empresa se recomienda seguir los siguientes pasos:

1) Hacer las grandes rdenes de compra al extranjero buscando buenos precios,


economas de escala, y un pronstico cualitativo hecho por la empresa. La
proporcin de cada talla a ordenar ser la proporcin histrica de la demanda
tomando el ltimo ao cronolgico.

2) El inventaro se revisar continuamente, y si el inventario cae por debajo del


nivel de inventario de seguridad, se efectuar una compra local por una cantidad
fija. Las proporciones de esta orden, estarn dadas por las proporciones
observadas en la demanda los ltimos tres meses cronolgicos

56
A continuacin se explicar ms extensamente el sistema de revisin continua,
que se debe precisar producto de la existencia de distintas tallas dentro de cada
SKU.

El modelo de calibracin de la distribucin de probabilidad, se realiz utilizando


como dato de entrada, la sumatoria de todas las tallas para cada SKU. Es decir,
para el SKU1 por ejemplo, se calibr la distribucin de probabilidad de las ventas
totales, la sumatoria desde la talla 34 a la 46. Para esta distribucin, se encontr
un nivel de inventario de seguridad, es decir, un nmero que permite garantizar
que con 90% de probabilidad no se dejar de satisfacer ninguna orden de compra.
Este inventario de seguridad, corresponde la situacin agregada de todas las
tallas. Sin embargo, no se puede trabajar solamente con el nivel de inventario total
de cada SKU, pues no se vera lo que pasa con cada talla en particular.

Es as como el inventario de seguridad encontrado para cada SKU se divide


proporcionalmente entre todas sus tallas. Encontrndose para cada SKU, un
inventario de seguridad distinto para cada talla. Las proporciones que se utilizarn
para distribuir el inventario de seguridad, sern las entregadas por la demanda
observada durante los tres meses anteriores.

Se espera que las ventas de cada talla se muevan armoniosamente, dada la gran
correlacin existente entre las tallas, y que en todas se alcance el punto de
reorden, es decir el inventario de seguridad, de manera relativamente simultnea.
Es posible que la talla 46 para el SKU1, y la talla 52 para el esto de los SKU se
escape de esta armona, dado que tienen una menor correlacionada con las otras
tallas dentro de cada SKU. Sin embargo, no se espera que este comportamiento
sea relevante, debido al bajo nivel de ventas de estas tallas. Cabe recordar que en
el inventario de seguridad se consideran tanto las unidades actuales en bodega,
como las unidades en camino.

57
Entonces, con las ventas alcanzando los puntos de reorden de manera simultnea,
se generara una gua de compra por una cantidad fija de unidades, la que, al igual
que en el caso de las proporciones del inventario de seguridad, estara repartida
en cada talla segn las proporciones histricas de la demanda de los ltimos tres
meses.

Se eligi en estos casos trabajar con las proporciones de los ltimos tres meses, a
diferencia del ltimo ao cronolgico (como en el caso de los pedidos
internacionales) pensando en que tres meses es un menor lapso de tiempo, lo que
favorecer un mejor ajuste a la contingencia de la demanda. Adems tres meses
tampoco es tan poco tiempo como para que las proporciones sean afectadas por
situaciones demasiado puntuales, en realidad, se trata de algo parecido a un
promedio mvil en el que en vez de considerar la demanda, se consideran las
proporciones de esta.

Sin embargo, se ha visto que las proporciones demandadas varan a lo largo del
tiempo, por lo que es posible que, una o ms tallas, caigan hasta el punto de
reorden antes que otras. En este caso, se generar una gua de compra
solamente por las tallas que se encuentren en esta situacin. De esta manera, se
corregir la proporcin de las tallas dentro del total, segn cambios no esperados
en la demanda para cada una.

Otro punto que hay que tener en cuenta, es que, a diferencia del sistema
tradicional, en que las ventas se realizan una a una; en este caso, se trata de
ventas que se realizan por un conjunto de unidades a la vez. Es decir, no existe un
momento en que se alcance exactamente el punto de reorden, sino que se
observa que en un instante de tiempo se est en varias unidades por encima de
ste, y al instante siguiente, varias unidades por debajo de ste. Para lidiar con
esta particularidad, se decidi que la gua de compra a generar, correspondera a
la una cantidad fija, como es tradicional para este sistema, ms la diferencia entre
el inventario actual y el punto de reorden.

58
A la hora de elegir el tamao ptimo de pedido, es decir, el valor Q del sistema de
revisin continua, se tiene que el valor indicado por la teora, corresponde a:

Q = ( 2*S*D/(i*C) )

Donde se recuerda que S corresponde al costo de colocacin de pedidos, D


corresponde a la tasa anual de demanda, i corresponde a la tasa anual de llevar
inventario, y C corresponde al costo unitario de un producto.

Pero se tiene que en el caso estudiado, no existe un costo asociado directamente


a la colocacin de pedidos, lo que sugerira que la cantidad ptima de Q es cero
(en realidad debera ser uno, para que el sistema funcione).

Este resultado tiene sentido, ya que al no haber costos de colocacin de pedidos,


lo ptimo, para mantener bajo el inventario, es pedir de una unidad a la vez, cada
vez que se realice una venta.

Sin embargo, existen costos indirectos no considerados en la colocacin de


pedidos: el costo del tiempo de la persona encargada de esta tarea, el cual es muy
difcil de cuantificas, y el costo de hacer las entregas. Junto con esto se tiene que,
si bien los proveedores no ponen restricciones explcitas a la cantidad de unidades
que fabrican por lote, se cree que no estaran dispuestos a trabajar produciendo
cantidades demasiado bajas todo el tiempo.

Es as como se plantea encontrar un tamao mediano de pedido, que no implique


la realizacin de muchos pedidos, pero que tampoco haga aumentar demasiado el
inventario promedio. Encontrndose en la imposibilidad de definir esta cantidad
de manera rigurosa, se observa que actualmente el tamao promedio de los
pedidos (excluyendo a los grandes pedidos internacionales, los que no se regirn
por esta cantidad) es de 296 unidades, lo cual parece una cifra razonable.

59
Entonces, se opta por conservar esta cifra, eso si, redondendola a 300 unidades
para efectos de simplificar el modelo. Cabe recordar que los pedidos no sern por
esta cantidad todo el tiempo, habrn pedidos por menos unidades cuando algunas
tallas alcancen el punto de reorden antes que otras, y habrn pedidos por ms
unidades cuando un cliente coloque una orden de compra que haga que el
inventario baje, en algunos casos muchas unidades, del punto de reorden; sin
embargo se piensa que los valores promedio de las guas de compra estarn
alrededor de estas 300 unidades.

Es as como el procedimiento en el corto plazo se define de la siguiente manera:

Se calcula en todo momento el inventario actual y el inventario en camino


para las prximas dos semanas.

En el momento en que el nivel de inventario actual, ms el inventario en


trnsito para alguna o algunas tallas baje del nivel de seguridad, hacer un
pedido para las tallas involucradas, segn el sistema expuesto
anteriormente. En el Anexo 3 se muestra un punteo y un diagrama de flujo
del proceso.

Para los SKU1, SKU2 y SKU3, como se expuso, se modelar su demanda segn
una distribucin Gamma, cuyos parmetros se indican a continuacin:

Tabla 12-1 Parmetros de distribucin Gamma SKU1, SKU2 y SKU3


Alfa Beta
SKU1 0.811 1300
SKU2 0.693 1420
SKU3 0.882 999

60
Es as como los puntos de reorden iniciales, o sea, del mes de octubre de 2008,
quedan definidos distribuyendo el inventario de seguridad segn las proporciones
de la demanda observada en los meses de julio, agosto y septiembre. En la tabla
12-2 se muestran estos puntos de reorden iniciales.

Tabla 12-2 Puntos de reorden iniciales SKU1, SKU2 y SKU3


Talla Talla Talla Talla Talla Talla Talla Talla Talla Talla
34 36 38 40 42 44 46 48 50 52 Total
SKU1 209 422 608 614 436 227 43 0 0 0 2560
SKU2 0 0 162 329 499 504 518 254 166 35 2468
SKU3 0 0 135 274 409 413 395 265 158 42 2092

Los puntos de reorden varan mensualmente, pues se ajustan las proporciones


demandadas de cada talla, sin embargo se mantiene siempre el nmero total de
unidades.

Del mismo modo, las cantidades iniciales a ordenar son las siguientes:

Tabla 12-3 Tamaos de pedidos iniciales SKU1, SKU2 y SKU3


Talla Talla Talla Talla Talla Talla Talla Talla Talla Talla
34 36 38 40 42 44 46 48 50 52 Total
SKU1 25 49 71 72 51 27 5 0 0 0 300
SKU2 0 0 20 40 61 61 63 31 20 4 300
SKU3 0 0 19 39 59 59 57 38 23 6 300

Para el SKU4 no se pudo modelar la demanda como funcin de probabilidad, dada


la carencia de datos para este producto. Pero en base a lo conversado con la
empresa, se puede esperar un comportamiento similar el de los otros SKU. Es as
como se decide modelar su demanda como una distribucin Gamma, al igual que
en los casos anteriores. El parmetro Alfa de la distribucin, el cual determina la
forma de sta, se estim como el promedio de los parmetros alfa de las otras
distribuciones, mientras que el parmetro beta, el cual es un elemento que
determina la escala de la distribucin de probabilidad, se estim promediando los
beta de las otras distribuciones gamma, y luego ponderando este nmero por un

61
indicador de magnitud, construido como la proporcin de las ventas bisemanales
del SKU4 durante 6 periodos (los nicos datos que se tenan) sobre el promedio
de las ventas bisemanales de los otros 3 SKU, considerando un lapso de 6
periodos.

Es as como se obtiene un valor de alfa de 0.79 y un valor de beta de 680.79, lo


que entrega que el inventario de seguridad a dos semanas es de 1312 unidades.

La estimacin de las proporciones de cada talla para este SKU se hizo


considerando los datos disponibles, que si bien son menos que para los otros
productos estudiados, se estima que sern suficientes para caracterizar el
comportamiento de la demanda en el corto plazo, es decir a 14 das. Esto debido a
que las proporciones utilizadas solo consideran los ltimos tres meses, es decir,
tienen una menor memoria.

Entonces, el punto de reorden inicial est dado por:

Tabla 12-4 Punto de reorden inicial SKU4


Talla Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 52 Total
95 179 251 243 227 165 99 53 1312

Y la cantidad a ordenar inicial es la mostrada en la siguiente tabla:

Tabla 12-5 Tamaos de pedidos iniciales SKU4


Talla Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 52 Total
22 41 57 56 52 38 23 12 300

62
13 Evaluacin del sistema propuesto

Con el objetivo de analizar el impacto del sistema propuesto en la operacin de la


empresa, se simul su utilizacin durante los meses de octubre 2008 y junio 2009.
Como se ha mencionado, este conjunto de datos es distinto al conjunto de datos
utilizado para la calibracin del modelo, de modo de lograr resultados validos.

El punto de comparacin de la poltica propuesta, ser la poltica aplicada


actualmente en la empresa, la cual es en gran parte cualitativa. Sin embargo fue
necesario en algunos casos modificar las fechas de despacho de rdenes de
compra efectuadas por la empresa, de manera de hacer comparables los
resultados de ambos modelos.

La dificultad que se tenan era que en algunos casos la empresa no satisface


inmediatamente las rdenes de compra recibidas siendo que tiene unidades en
stock. Esto se debe a que existe un problema logstico relacionado con las
entregas de los pedidos a sus clientes. Sin embargo, el sistema logstico no se
incluye en este trabajo de tesis, por lo que para hacer confrontables el sistema de
administracin de inventario propuesto, con el sistema ocupado actualmente por la
empresa, se modelaron en ambos casos las entregas como ocurridas al momento
de producirse la demanda, o en caso de no haber stock suficiente, en cuanto lo
hubiere, siempre que se est an dentro del plazo definido por el cliente, antes de
la fecha de vencimiento de la orden de compra.

63
13.1 Nivel de inventario

SKU1

El siguiente grfico muestra el nivel de inventario para las distintas tallas del SKU1
segn el modelo de la empresa:

Ilustracin 13-1 Nivel de Inventario Modelo Empresa SKU1

1800
1600
1400
34
1200 36

1000 38
40
800 42
600 44
46
400
200
0
8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9
0 0 00 00 00 00 00 00 00 00 00 00 00 00 0 0 00 00 00 00 00 00
0 -2 0-2 0-2 1-2 1-2 2-2 2-2 1-2 1-2 2-2 2-2 3-2 3-2 4-2 4-2 4-2 5-2 5-2 6-2 6-2
-1 -1 -1 -1 -1 -1 -1 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0
01 15 29 12 26 10 24 07 21 04 18 04 1 8 01 15 29 13 27 10 2 4

Analizando el comportamiento del inventario se observa que la empresa recibe


una importante gua de compra desde el extranjero a inicios del periodo de
evaluacin, el primero de octubre. Con estas unidades se satisface
adecuadamente la demanda hasta inicios de enero, donde se produce un quiebre
de inventario para la talla 44 y posteriormente para la talla 34, en los cuales llama
la atencin que la empresa no ponga pedidos locales buscando remediar
rpidamente estos quiebres de stock. Esto se prolonga hasta fines de enero,
cuando se recibe otra gua de compra tambin proveniente desde fuera de Chile.
Posteriormente, la empresa enfrenta de manera adecuada la demanda y antes de
caer en un quiebre de inventario, a fines de febrero, recibe una pequea gua de
compra producida localmente, seguida de una mayor gua de compra, tambin

64
producida localmente. Estas son las ltimas guas de compra recibidas en el
periodo de evaluacin y en general bastan para satisfacer la demanda del periodo,
a excepcin de lo ocurrido con la talla 44, la cual a fines de junio vuelve a caer en
un quiebre de inventario.

El detalle de las guas de compra realizadas por la empresa se muestra en la


siguiente tabla, donde tambin se incluyen las unidades totales y la proporcin
ordenada de cada talla:

Tabla 13-1 Guas de Compra Modelo Empresa SKU1


Fecha Talla Talla Talla Talla Talla Talla Talla
desde 34 36 38 40 42 44 46 Total
01-10-2008 289 580 855 849 872 295 188 3928
27-01-2009 282 572 866 865 866 290 284 4025
27-02-2009 0 86 129 129 129 44 43 560
04-03-2009 290 581 874 872 871 292 293 4073
Total 861 1819 2724 2715 2738 921 808 12586
Proporcin 6.84% 14.45% 21.64% 21.57% 21.75% 7.32% 6.42% 100.00%

Se ve en el siguiente grfico la evolucin del inventario del SKU si se hubiese


utilizado el sistema propuesto:

Ilustracin 13-2 Nivel de Inventario Modelo Propuesto SKU2

1600

1400

1200 34
36
1000
38
800 40
42
600 44
46
400

200

0
8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
0 -2 0-2 0-2 1-2 1-2 2-2 2-2 1-2 1-2 2-2 2-2 3-2 3-2 4-2 4-2 4-2 5-2 5-2 6-2 6-2
-1 -1 -1 -1 -1 -1 -1 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0
01 15 29 12 26 10 24 07 21 04 18 04 18 01 15 29 13 27 10 24

65
A diferencia del sistema anterior, aqu se propone aumentar el nmero de guas de
compra efectuadas por la empresa. Se mantienen las dos guas de compra
internacionales, pero desaparece la gran gua de compra nacional, siendo
reemplazada por 10 pequeas guas de compra que se efectan segn el
pronstico del comportamiento de la demanda a corto plazo.

Luego de la gran gua de compra del primero de octubre, la cual no puede ser
modificada pues se entrega en el inicio del periodo en que se toman las decisiones,
no es necesario hacer ms guas de compra hasta fines de noviembre, donde los
niveles de las tallas 34 y 44 hacen suponer un quiebre de stock a dos semanas
plazo, por lo que se pide una gua de compra para estas tallas. Posteriormente,
entre el 24 de diciembre y el 26 de enero se piden ms guas de compra, esta vez
involucrando todas o casi todas las tallas.

A fines de Enero se recibe la segunda gua de compra proveniente del extranjero,


pero a diferencia de la primera, para sta si se contaba con el tiempo suficiente
para modificar la proporcin de las tallas que venan incluidas, lo que se hizo. El
stock acumulado con esta gua permiti que no fuera necesario hacer ms
rdenes hasta mediados de marzo y principios de abril, donde las tallas 42 y 46
necesitaron ser ajustadas mediante la colocacin de una gua de compra local.
Posteriormente, a principios de mayo, se tuvieron que hacer pedidos para todas
las tallas, lo que dara a entender que el sobre stock acumulado gracias la orden
proveniente del extranjero habra alcanzado el umbral de seguridad establecido.

Luego viene un periodo de poca demanda, en el que el stock se mantiene, para


luego caer a mitad de junio, situacin que es compensada mediante el pedido de
una ltima gua de compra.

El detalle de las guas de compra efectuadas se puede ver en la siguiente tabla,


donde las guas de compra internacionales se destacan en verde:

66
Tabla 13-2 Guas de Compra Modelo Propuesto SKU1
Talla Talla Talla Talla Talla Talla Talla
Fecha desde 34 36 38 40 42 44 46 Total
01-10-2008 289 580 855 849 872 295 188 3928
28-11-2008 51 0 0 0 0 84 0 135
24-12-2008 91 144 124 117 0 189 0 665
15-01-2009 44 87 130 128 105 67 4 565
26-01-2009 42 53 83 83 83 10 11 365
27-01-2009 294 626 969 973 661 337 165 4025
17-03-2009 0 0 0 0 0 0 53 53
02-04-2009 0 0 0 0 170 0 49 219
04-05-2009 0 40 63 118 120 0 56 397
06-05-2009 0 12 33 45 70 23 17 200
15-05-2009 0 0 0 0 47 49 3 99
19-06-2009 149 191 380 449 459 175 127 1930
Total 960 1733 2637 2762 2587 1229 673 12581
Proporciones 7.63% 13.77% 20.96% 21.95% 20.56% 9.77% 5.35% 100.00%

Ahora, si analizamos los ingresos totales de ambos sistemas se ve lo siguiente:

Tabla 13-3 Comparacin Guas de Compra SKU1


Talla Talla Talla Talla Talla Talla Talla
34 36 38 40 42 44 46 Total
Total Histrico 861 1819 2724 2715 2738 921 808 12586
Total Propuesto 960 1733 2637 2762 2587 1229 673 12581
Variacin 99 -86 -87 47 -151 308 -135 -5

Donde se aprecia que el total es prcticamente el mismo, pero analizando las


distintas tallas y las variaciones porcentuales en cuanto a su proporcin se
obtienen los siguientes resultados:

Tabla 13-4 Comparacin porcentual Guas de Compra SKU1


Talla Talla Talla Talla Talla Talla Talla
34 36 38 40 42 44 46 Total
Proporcin Histrico 6.8% 14.5% 21.6% 21.6% 21.8% 7.3% 6.4% 100.0%
Proporciones
Propuesto 7.6% 13.8% 21.0% 22.0% 20.6% 9.8% 5.3% 100.0%
Variacin Porcentual 11.5% -4.7% -3.2% 1.8% -5.5% 33.5% -16.7% 0.0%

Donde se observa que el modelo cambi fuertemente la proporcin de la talla 44,


aumentndola a cerca de un tercio de lo que haba anteriormente. Tambin

67
disminuyeron considerablemente las proporciones de las tallas 46 y 34, que
estaban sobre representadas en el total.

SKU2

En el Grfico 13-3 se muestra el diagrama correspondiente a la evolucin del


inventario del SKU2, para todas las tallas segn el modelo de la empresa:

Ilustracin 13-3 Nivel de Inventario Modelo Empresa SKU2

1600

1400

1200 38
40
1000 42
44
800
46

600 48
50
400 52

200

08 08 08 08 08 08 08 09 09 09 09 09 09 09 09 09 09 09 09 09
- 20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20 -20
0 0 0 1 1 2 2 1 1 2 2 3 3 4 4 4 5 5 6 6
-1 -1 -1 -1 -1 -1 -1 -0 - 0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0
01 15 29 12 26 10 24 07 21 04 18 04 18 01 15 29 13 27 10 24

Observando el comportamiento del inventario, salta a la vista que al igual que en


el SKU1, se comienza el periodo con un importante inventario, proveniente de un
embarque llegado desde el extranjero, para caer luego paulatinamente hasta fines
de enero, cuando se recibe una pequea gua de compra de produccin local,
seguida de una gran gua de compra con productos provenientes desde el exterior.
Pero antes de llegar estos embarques, se produce un quiebre de inventario para la
talla 38 a mediados de diciembre, y a principios de enero para las tallas 40 y 48.
Luego de esto, la talla 38 vuelve a caer hasta el nivel cero a los pocos das.

68
A principio de marzo se recibe una nueva gua de compra, esta vez
correspondiente a un proveedor nacional y posterior a esto se observa que la talla
38 vuelve a tener un quiebre de inventario a los pocos meses, seguida a fines de
junio por situaciones de out of stock para las tallas 38, 40, 42, 44 y 46, lo que ya
demuestra un problema generalizado en el manejo de inventario para esta talla.

A continuacin se muestran las guas de compra recibidas en este periodo:

Tabla 13-5 Guas de Compra Modelo Empresa SKU2


Talla Talla Talla Talla Talla Talla Talla
Fecha 38 40 42 44 46 48 50 Talla 52 Total
01-10-2008 283 559 845 838 842 287 280 0 3934
20-01-2009 48 96 141 141 94 94 47 0 661
27-01-2009 267 542 803 792 546 538 267 272 4027
04-03-2009 271 532 803 792 537 537 271 271 4014
Total 869 1729 2592 2563 2019 1456 865 543 12636
Proporcin 6.88% 13.68% 20.51% 20.28% 15.98% 11.52% 6.85% 4.30% 100.00%

Se ve en el siguiente grfico la evolucin del inventario del SKU si se hubiese


utilizado el sistema propuesto:

Ilustracin 13-4 Nivel de Inventario Modelo Propuesto SKU2

1400

1200
38
1000 40
42
800 44
600 46
48
400 50

200 52

08 08 08 08 08 08 08 09 09 09 09 09 09 09 09 09 09 09 09 09
0- 0- 0- 1- 1- 2- 2- 1- 1- 2- 2- 3- 3- 4- 4- 4- 5- 5- 6- 6-
1-1 5-1 9-1 2-1 6-1 0-1 4-1 7-0 1-0 4-0 8-0 4-0 8-0 1-0 5-0 9-0 3-0 7-0 0-0 4-0
0 1 2 1 2 1 2 0 2 0 1 0 1 0 1 2 1 2 1 2

69
Lo primero que llama la atencin es que se lograron eliminar los quiebres de
inventario. Como se vio anteriormente, existen dos guas de compra provenientes
del extranjero; la primera de ellas arriba el primero de octubre, por lo que no es
posible modificarla, sin embargo, para la segunda gua de compra esperada a
finales de enero, si se ajustaron las proporciones de las tallas dentro del pedido.
Entre octubre y enero se efectuaron 4 guas de compra locales; la primera de ellas
se gatill por un bajo nivel en el inventario de las tallas 38, 46 y 48, mientras que
las posteriores incluyeron a todas las tallas, exceptuando la talla 52, la que al
parecer se encontraba con un sobre stock.

Luego, no se reciben ms guas de compra en el mes de febrero, y solo a


mediados de marzo se alcanzan nuevamente los valores lmites de inventario, y se
reactiva el modelo de pedidos locales, pidindose 10 guas de compra hasta el
final del periodo.

En la tabla 13-6, se puede observar el detalle de las guas de compra ordenadas.

Tabla 13-6 Guas de Compra Modelo Propuesto SKU2


Talla Talla Talla Talla Talla Talla Talla
Fecha 38 40 42 44 46 48 50 Talla 52 Total
01-10-2008 283 559 845 838 842 287 280 0 3934
20-11-2008 90 0 0 0 139 99 0 0 328
28-11-2008 45 85 49 66 56 68 11 0 380
24-12-2008 115 210 176 195 156 192 90 0 1134
15-01-2009 52 86 134 134 37 128 53 0 624
27-01-2009 262 504 816 818 759 394 270 205 3823
17-03-2009 61 44 0 0 0 0 0 0 105
02-04-2009 67 137 65 0 0 0 0 0 269
06-04-2009 46 86 89 0 0 0 0 0 221
04-05-2009 40 91 135 126 0 0 0 0 392
06-05-2009 40 61 119 102 0 0 0 0 322
15-05-2009 0 0 0 15 0 40 49 0 104
22-05-2009 0 0 101 115 20 29 29 0 294
10-06-2009 35 110 174 176 114 111 57 16 777
19-06-2009 63 133 244 236 190 83 60 30 1009
23-06-2009 64 122 181 181 124 111 68 48 851
Total 1263 2228 3128 3002 2437 1542 967 299 14567
Proporcin 8.67% 15.29% 21.47% 20.61% 16.73% 10.59% 6.64% 2.05% 100.00%

70
Si analizamos los ingresos totales para ambos sistemas, se encuentran los
siguientes resultados:

Tabla 13-7 Comparacin Guas de Compra SKU2


Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 Talla 52 Total
Total empresa 869 1729 2592 2563 2019 1456 865 543 12636
Total propuesto 1263 2228 3128 3002 2437 1542 967 299 14567
Diferencia 394 499 536 439 418 86 102 -244 1931

Como se observa, existe un aumento en las unidades ordenadas. Esto ocurre en


todas las tallas menos en la 52.
Si ahora se observa el comportamiento de las proporciones de las unidades
ordenadas se tiene lo siguiente:

Tabla 13-8 Comparacin porcentual Guas de Compra SKU2


Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 Talla 52 Total
Proporcin Histrico 6.9% 13.7% 20.5% 20.3% 16.0% 11.5% 6.9% 4.3% 100.0%
Proporciones
Propuesto 8.7% 15.3% 21.5% 20.6% 16.7% 10.6% 6.6% 2.1% 100.0%
Variacin Porcentual 26.0% 11.8% 4.7% 1.6% 4.7% -8.1% -3.1% -52.3% 0.0%

Donde se observa que si bien existe un aumento generalizado de las unidades


recibidas, estas ingresan en proporciones distintas a las ordenadas por la empresa.
Es as como por ejemplo, las tallas 48 y 50, si bien aumentaron sus unidades
totales ingresadas, sufren una disminucin de su proporcin dentro del total.

71
SKU3

La siguiente tabla muestra el comportamiento del inventario para las distintas


tallas del SKU3 segn el modelo de la empresa.

Ilustracin 13-5 Nivel de Inventario Modelo Empresa SKU3

3000

2500
38
40
2000
42
44
1500
46
48
1000 50
52
500

0
8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9
-0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0 -0
- 10 -10 -10 -11 -11 -12 -12 -01 -01 -02 -02 -03 -03 -04 -04 -04 -05 -05 -06 -06
01 15 29 12 26 10 24 07 21 04 18 04 18 01 15 29 13 27 10 24

A diferencia de los dos SKU anteriores, en este caso se alcanzan niveles muchos
ms altos de inventario, los que en algunas tallas superan ampliamente lo que
pudiera parecer adecuado. En el periodo analizado, se recibieron 17 guas de
compra, dos de las cuales tienen su origen en proveedores extranjeros, recibidas
en el mes de enero. Las otras 15 guas de compra corresponden a proveedores
nacionales, lo que permite un amplio campo de accin para la aplicacin del
modelo propuesto en este caso, ya que si bien, las decisiones tomadas por la
empresa no provocan ningn periodo de fuera de stock, los grandes inventarios si
podran ser disminuidos mediante la reprogramacin de fechas y magnitudes para
las guas de compra locales.

En la tabla 13-9 se muestran las guas de compra recibidas por la empresa en


este periodo.

72
Tabla 13-9 Guas de Compra Modelo Empresa SKU3
Talla Talla Talla Talla Talla
Fecha Talla 38 40 42 44 46 Talla 48 50 Talla 52 Total
07-10-2008 10 12 21 13 18 11 10 10 105
09-10-2008 30 70 100 110 100 70 30 30 540
14-10-2008 46 88 139 139 137 93 47 45 734
27-10-2008 40 80 164 148 118 79 40 38 707
29-10-2008 49 99 148 149 99 100 50 50 744
05-11-2008 49 97 98 118 149 99 48 47 705
22-12-2008 82 175 261 262 262 173 89 87 1391
13-01-2009 116 227 467 462 344 234 120 115 2085
27-01-2009 164 331 656 681 499 333 168 164 2996
10-02-2009 36 72 119 109 108 75 36 18 573
16-02-2009 12 24 33 33 33 24 12 12 183
18-02-2009 12 23 33 34 33 24 12 12 183
25-02-2009 20 50 62 84 59 38 27 0 340
13-03-2009 9 20 29 24 16 19 8 0 125
21-04-2009 44 89 176 180 133 89 46 44 801
13-05-2009 9 16 42 33 26 16 9 6 157
20-05-2009 50 100 208 202 152 100 50 50 912
Total 778 1573 2756 2781 2286 1577 802 728 13281
Proporcin 5.86% 11.84% 20.75% 20.94% 17.21% 11.87% 6.04% 5.48% 100.00%

En el grfico 13-6 se presentan los niveles de inventario de haberse ocupado el


modelo propuesto

Ilustracin 13-6 Nivel de Inventario Modelo Propuesto SKU3

1600

1400
38
1200 40
1000 42
44
800
46
600 48
400 50
52
200

0
8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9
-0 -0 -0 -0 - 0 -0 -0 -0 -0 -0 - 0 -0 -0 -0 -0 -0 -0 - 0 -0 -0
- 10 -10 -10 -11 -11 -12 -12 -01 -01 -02 -02 -03 -03 -04 -04 -04 -05 -05 -06 -06
01 15 29 12 26 10 24 07 21 04 18 04 18 01 15 29 13 27 10 24

73
Se observa que a simple vista el inventario disminuy considerablemente y sin
embargo, se logr mantener en todo momento el inventario por sobre el nivel cero
para todas las tallas.

Se generaron en total 20 guas de compra en este periodo, de las cuales 2


corresponden a las rdenes provenientes del extranjero, de las cuales se
modificaron las proporciones de cada talla, manteniendo el nmero total de
unidades. Las rdenes nacionales se modificaron considerablemente. Para el
periodo previo a la llegada de las guas de compra internacionales, las magnitudes
de las rdenes de compra disminuyeron considerablemente, pero se ordenaron
productos para todas las tallas.

Posteriormente, en los meses de febrero, marzo y abril, se observa que las guas
de compra se remiten a hacer pedidos para la talla 52, en 7 rdenes de compra
consecutivas, esto hace pensar en que hubo un aumento inesperado de la
demanda para esta talla.

Finalmente, entre mayo y junio, el sistema opera como es de esperarse,


generando guas de compra cada cierto tiempo, las que incluyen a todas las tallas.

74
Tabla 13-10 Guas de Compra Modelo Propuesto SKU3
Talla Talla Talla Talla Talla Talla Talla
Fecha 38 40 42 44 46 48 50 Talla 52 Total
31-10-2008 129 165 0 0 0 28 88 0 410
03-12-2008 20 37 0 0 77 32 21 6 193
09-12-2008 33 64 95 0 92 61 33 34 412
15-12-2008 0 0 0 0 0 0 0 24 24
02-01-2009 47 93 196 84 144 84 37 51 736
13-01-2009 134 269 418 420 388 260 143 54 2086
27-01-2009 192 387 601 603 557 374 206 77 2997
15-02-2009 0 0 0 0 0 0 0 24 24
23-02-2009 0 0 0 0 0 0 0 26 26
19-03-2009 0 0 0 0 0 0 0 42 42
10-04-2009 0 0 0 0 0 0 0 120 120
15-04-2009 0 0 0 0 0 0 0 38 38
24-04-2009 0 0 0 0 0 0 0 46 46
26-04-2009 0 0 0 0 0 0 0 44 44
22-05-2009 33 0 106 103 108 169 0 76 595
25-05-2009 15 0 74 59 46 28 9 12 243
01-06-2009 52 76 212 206 155 102 50 50 903
08-06-2009 51 100 296 311 153 111 50 50 1122
09-06-2009 66 132 200 198 198 132 66 66 1058
24-06-2009 57 139 265 248 165 95 54 42 1065
Total 829 1462 2463 2232 2083 1476 757 882 12184
Proporcin 6.80% 12.00% 20.22% 18.32% 17.10% 12.11% 6.21% 7.24% 100.00%

La tabla 13-11 muestra la comparacin de las unidades ordenadas en los dos


sistemas.

Tabla 13-11 Comparacin Guas de Compra SKU3


Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 Talla 52 Total
Total empresa 778 1573 2756 2781 2286 1577 802 728 13281
Total
propuesto 829 1462 2463 2232 2083 1476 757 882 12184
Diferencia 51 -111 -293 -549 -203 -101 -45 154 -1097

Aqu se ve como se disminuyeron las unidades totales, y que las nicas tallas para
las que se ordenaron ms productos, son las tallas 38 y 52. Esto se puede
observar ms claramente en la tabla 13-12

75
Tabla 13-12 Comparacin porcentual Guas de Compra SKU3
Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 Talla 52 Total
Proporcin Histrico 5.9% 11.8% 20.8% 20.9% 17.2% 11.9% 6.0% 5.5% 100.0%
Proporciones
Propuesto 6.8% 12.0% 20.2% 18.3% 17.1% 12.1% 6.2% 7.2% 100.0%
Variacin Porcentual 16.1% 1.3% -2.6% -12.5% -0.7% 2.0% 2.9% 32.1% 0.0%

Comos se dijo, aqu se observa que las tallas ubicadas en los extremos tuvieron
los mayores aumentos en cuanto a su representacin dentro de total. Se piensa
que esto se debe tanto al aumento de demanda por estas tallas, como a que el
sistema, al tratar de mantener un inventario de seguridad para todas las tallas,
hace que las tallas minoritarias tengan una mayor participacin en el total.

SKU4

El grfico 13-7 muestra el nivel de inventario para todas las tallas del SKU4, de
acuerdo a su comportamiento generado mediante la operacin tradicional de la
empresa.

Ilustracin 13-7 Nivel de Inventario Modelo Empresa SKU4

2500

38
2000
40
42
1500
44
46
1000 48
50
500 52

0
8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9
- 0 - 0 -0 -0 -0 - 0 - 0 - 0 - 0 - 0 - 0 -0 -0 - 0 - 0 - 0 - 0 -0 -0 -0
-10 -10 -10 -11 -11 -12 -12 -01 -01 -02 -02 -03 -03 -04 -04 -04 -05 -05 -06 -06
01 15 29 12 26 1 0 24 0 7 21 04 18 04 1 8 0 1 1 5 29 13 27 10 24

76
Como se ha dicho, el SKU4 tiene una menor historia que los SKU anteriores, es
un producto nuevo, pero para el que se espera que tenga un nivel de ventas
importante en el futuro.

Otra particularidad de este producto, es que a fines del mes de enero se recibe
una gua de compra bastante grande proveniente del extranjero, siendo las otras
21 guas de compra generadas, de pequeo tamao comparativamente hablando.

Tambin se pueden distinguir dos periodos claramente marcados, uno previo a la


llegada de la gua de compra desde el extranjero, caracterizado por un nivel muy
bajo de inventario, relacionado a una baja demanda por el producto, y el periodo
que comienza en febrero y se extiende hasta el final del lapso de tiempo analizado,
donde se enfrenta una mayor demanda. Esto se puede explicar por un mayor
esfuerzo de venta en el segundo periodo, correspondiente al posicionamiento
definitivo del producto en el mercado.

Otra cosa que cabe destacar, es el mal comportamiento que se tiene para la talla
52, la cual, a partir de febrero se encuentra en una situacin de fuera de stock,
solo interrumpida brevemente a mediados de junio. Tambin se tiene una quiebre
en el stock para la talla 48 durante el mes de junio.

En la tabla 13-13 se muestran las distintas guas de compra generadas por la


empresa.

77
Tabla 13-13 Guas de Compra Modelo Empresa SKU4
Talla Talla Talla Talla Talla Talla Talla
Fecha 38 40 42 44 46 48 50 Talla 52 Total
13-10-2008 29 60 90 84 86 53 30 0 432
18-11-2008 29 55 81 81 86 57 28 0 417
27-01-2009 631 1286 1895 1934 1281 638 639 0 8304
24-02-2009 8 16 24 24 16 16 8 0 112
06-03-2009 8 12 48 39 24 10 8 39 188
16-03-2009 30 64 68 70 33 10 14 4 293
19-03-2009 7 28 37 42 32 31 17 8 202
23-03-2009 5 20 48 40 23 18 4 3 161
07-04-2009 20 40 60 60 40 40 20 0 280
14-04-2009 21 28 33 48 38 24 18 0 210
15-04-2009 113 161 265 273 152 32 52 0 1048
16-04-2009 44 147 165 171 73 32 36 0 668
27-04-2009 2 10 7 12 4 2 0 0 37
28-04-2009 269 528 866 860 428 106 135 0 3192
13-05-2009 5 10 15 15 10 0 5 0 60
26-05-2009 2 7 5 7 7 0 2 0 30
12-06-2009 65 100 151 147 150 104 50 52 819
17-06-2009 50 100 151 149 145 106 48 51 800
22-06-2009 0 0 159 142 10 10 0 0 321
30-06-2009 20 33 1 0 45 21 19 0 139
06-07-2009 20 60 180 177 97 72 23 0 629
07-07-2009 3 3 6 13 1 2 2 0 30
Total 1381 2768 4355 4388 2781 1384 1158 157 18372
Proporcin 7.52% 15.07% 23.70% 23.88% 15.14% 7.53% 6.30% 0.85% 100.00%

El grfico 13-8 muestra el comportamiento de las tallas del SKU4 de haberse


ocupado el sistema de administracin de inventario propuesto.

78
Ilustracin 13-8 Nivel de Inventario Modelo Propuesto SKU4

2500

2000

38
40
1500 42
44
46
1000 48
50
52

500

8 8 8 8 8 8 8 9 9 9 9 9 9 9 9 9 9 9 9 9
2 00 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200
0- 0- 0 - 1- 1- 2- 2- 1- 1- 2- 2- 3- 3- 4- 4- 4- 5- 5- 6 - 6-
1 -1 5-1 9-1 2-1 6-1 0-1 4-1 7-0 1-0 4-0 8-0 4-0 8-0 1-0 5-0 9-0 3-0 7-0 0-0 4-0
0 1 2 1 2 1 2 0 2 0 1 0 1 0 1 2 1 2 1 2

Cabe recordar, que a diferencia de los modelos usados en los tres SKU anteriores,
en este caso no se pudieron calibrar los parmetros necesarios debido a la
insuficiencia de datos. Lo que se hizo fue construir un promedio inteligente con los
parmetros encontrados para los otros SKU. Es por esto que los resultados
encontrados aqu se esperan que sean aceptables, pero no tan buenos como los
obtenidos paras los otros SKU.

Al igual que en los SKU anteriores, no se modific la cantidad total de la gua de


compra proveniente del extranjero, pero si se ajustaron sus proporciones basado
en los datos histricos de los que se disponan. Se observa que en la primera
mitad del periodo aument en inventario para todas las tallas, esto es debido a
que se estaba por debajo del umbral de confianza del modelo, el cual cuida que no
se produzcan situaciones de fuera de stock. En contraparte, en la segunda mitad
del periodo, bajan las magnitudes de las rdenes de compra. Tambin se observa,
que al igual que para el SKU3, existe un periodo en el cual se efectan guas de
compra solamente para la talla 52.

79
En la tabla 13-14 se pueden apreciar las guas de compra generadas por el
modelo propuesto.

Tabla 13-14 Guas de Compra Modelo Propuesto SKU4


Talla Talla Talla Talla Talla Talla Talla
Fecha 38 40 42 44 46 48 50 Talla 52 Total
13-10-2008 29 60 90 84 86 53 30 0 432
15-10-2008 54 105 141 132 120 98 62 0 712
10-11-2008 37 75 111 114 114 85 45 0 581
27-01-2009 631 1286 1895 1934 1281 638 639 0 8304
15-02-2009 0 0 0 0 0 0 0 34 34
17-02-2009 0 0 0 0 0 0 0 18 18
19-03-2009 0 0 0 0 0 0 0 47 47
03-04-2009 0 0 0 0 0 0 0 13 13
19-04-2009 0 0 0 0 0 0 0 40 40
22-04-2009 0 0 114 91 11 78 0 0 294
06-05-2009 44 159 211 214 112 46 50 22 858
08-05-2009 104 155 256 263 142 30 50 0 1000
13-05-2009 74 157 193 170 121 92 50 0 857
27-05-2009 81 170 227 178 168 10 13 0 847
19-06-2009 115 221 321 318 196 66 82 0 1319
22-06-2009 68 136 204 204 204 136 68 25 1045
Total 1237 2524 3763 3702 2555 1332 1089 199 16401
Proporcin 7.54% 15.39% 22.94% 22.57% 15.58% 8.12% 6.64% 1.21% 100.00%

En la tabla 13-15 se puede observar como varan las cantidades ordenadas entre
los dos sistemas.

Tabla 13-15 Comparacin Guas de Compra SKU4


Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 Talla 52 Total
Total empresa 1381 2768 4355 4388 2781 1384 1158 157 18372
Total
propuesto 1237 2524 3763 3702 2555 1332 1089 199 16401
Diferencia -144 -244 -592 -686 -226 -52 -69 42 -1971

Aqu se ve, que bajan las unidades ordenadas para todas las tallas, excepto para
la talla 52, lo que era de esperarse debido al prolongado out of stock que present
esta talla en el modelo utilizado por la empresa.

80
La tabla 13-16 muestra como varan las proporciones de las distintas tallas entre
los dos sistemas.

Tabla 13-16 Comparacin porcentual Guas de Compra SKU4


Talla Talla Talla Talla Talla Talla Talla
38 40 42 44 46 48 50 Talla 52 Total
Proporcin Histrico 7.5% 15.1% 23.7% 23.9% 15.1% 7.5% 6.3% 0.9% 100.0%
Proporciones
Propuesto 7.5% 15.4% 22.9% 22.6% 15.6% 8.1% 6.6% 1.2% 100.0%
Variacin Porcentual 0.3% 2.1% -3.2% -5.5% 2.9% 7.8% 5.3% 42.0% 0.0%

Se observan variaciones de bajo orden para todas las tallas, a excepcin del la
talla 52, la que aumenta su representacin en el total considerablemente, pero
mantenindose en magnitud an muy por debajo de las otras tallas.

81
13.2 Evolucin de la demanda

En este punto se muestra como se comport la demanda real, tanto en el periodo


utilizado para calibrar el modelo propuesto, como posteriormente en el periodo
utilizado para evaluarlo. Aqu se realizar un anlisis a posteriori de la adecuacin
del sistema propuesto.

En el grfico 13-9 se muestra como evolucion la demanda para los productos


estudiados.

Ilustracin 13-9 Evolucin de la demanda para el periodo de evaluacin

12000
10000
8000
6000
4000
2000
0
Oc 0 7

08

09
ri l

ri l
re

re
yo

yo
Ag o
rzo

rzo
ro

ro
io

io
p tie sto
Oc re
No u bre

No tu bre
de re

e ro m bre
i
Ab

Ab
J ul
J un

J un
mb

mb
bre

bre
mb
20

Ma

Ma
b
20

20
Ma

Ma
o
En ic iem
t
v ie

v ie
Fe

Fe
de

ie
de

SKU1
Dic
re

e ro
D

Se

SKU2
mb

En

SKU3
p tie

SKU4
Se

Como se observa, durante el periodo utilizado para evaluar el modelo existen


shocks de demanda en abril para el SKU4 y en mayo para el SKU3, y al mismo
tiempo algunos SKU tienen ventas muy bajas en ciertos meses, de hecho el SKU1
prcticamente tiene ventas nulas en el mes de mayo. Este comportamiento poco
previsible, era el que se esperaba encontrar cuando se descart el uso de series
de tiempo se opt por modelar la probabilidad de incumplimiento como una
distribucin de probabilidad Gamma.

82
Al analizar el comportamiento de la demanda durante el periodo de evaluacin, se
volvi a utilizar el software StatFit, encontrndose los siguientes resultados:

Para el SKU1 se tiene existen otras distribuciones mejor rankeadas que la Gamma
en cuanto a bondad de ajuste, pero sin embargo, la distribucin Gamma no puede
ser rechazada, y se ubica con un ranking superior al 50%. Para el SKU2 se
obtienen resultados similares para el SKU1, mientras que para el SKU3 se
encuentra que la distribucin Gamma obtiene un segundo lugar en el ranking de
bondad de ajuste, con un valor superior al 90%.

Los mejores resultados se obtienen para el SKU4, el cual no haba sido posible
calibrar con los datos iniciales, pero si se puede hacer ahora con los datos del
periodo de evaluacin. Se obtiene que efectivamente, la distribucin de
probabilidad que mejor describe la demanda para este producto es una funcin
Gamma.

Estos resultados no son tan buenos como se hubiera podido esperar, ya que el
presente trabajo realiza la suposicin de que existe una distribucin de
probabilidad subyacente en el comportamiento de la demanda. Sin embargo, es
necesario considerar que se los datos del periodo de evaluacin abarcan un
menor lapso de tiempo que los datos usados en la calibracin inicial de las
funciones, y que an as, en ningn caso es posible descartar que la demanda se
distribuya segn una distribucin Gamma.

En relacin a los parmetros de las distribuciones Gamma, se observa que en


todos los casos varan ligeramente de los parmetros iniciales, lo que junto con el
haber encontrado mejores ajustes para otras distribuciones de probabilidad en
algunos SKU, sugiere que sera bueno buscar cada cierto tiempo nuevas
distribuciones de probabilidad que expresen cambios en el comportamiento de la
demanda.

83
Por otro lado, la proporcin en que cada talla fue demandada, se muestra en las
siguientes tablas:

Ilustracin 13-10 Evolucin de las proporciones SKU1

0.30
0.25
Talla 34
0.20
Talla 36
0.15
0.10 Talla 38
0.05 Talla 40
0.00 Talla 42
Marzo

Mayo

Marzo

Mayo
Noviembre

Enero de

Julio

Noviembre

Enero de
Septiembre

Septiembre
Talla 44
Talla 46

Ilustracin 13-11 Evolucin de las proporciones SKU2

0.25
Talla 38
0.20
Talla 40
0.15
Talla 42
0.10
Talla 44
0.05
Talla 46
0.00
Talla 48
Marzo

Mayo

Marzo

Mayo
Noviembre

Enero de

Julio

Noviembre

Enero de
Septiembre

Septiembre

Talla 50
Talla 52

84
Ilustracin 13-12 Evolucin de las proporciones SKU3

0.30
0.25 Talla 38
0.20 Talla 40
0.15 Talla 42
0.10 Talla 44
0.05
Talla 46
0.00
Talla 48

Marzo

Mayo

Marzo

Mayo
Noviembre

Enero de

Julio

Noviembre

Enero de
Septiembre

Septiembre
Talla 50
Talla 52

Ilustracin 13-13 Evolucin de las proporciones SKU4

0.30
0.25 Talla 38
0.20 Talla 40
0.15
Talla 42
0.10
0.05 Talla 44
0.00 Talla 46

o Talla 48
zo

ril
to

re

o
lio
o

o
e
e

09
e

ay
er

Ab
ni

ni
br
br

br
os

ar
ub

Talla 50
Ju

20

M
Ju

Ju
br
m

em
m

M
Ag

ct

ie

Fe
ie

de
O

ici
ov
pt

Talla 52
D
Se

o
N

er
En

Aqu se observa como existe una importarte variabilidad en la demanda para cada
talla al interior de los distintos SKU. Esta variabilidad es mayor para el SKU1, el
SKU2 y el SKU4. Siendo mucho menos marcada para el SKU3.

La variabilidad observada en la proporcin demanda de cada talla hace suponer


acertada la decisin de tomar el historial de trimestres mviles a la hora de definir
las proporciones de las guas de compra locales. De esta manera se evitan
cambios bruscos en las proporciones y sin embargo se conserva cierta
sensibilidad.

85
13.3 Indicadores de desempeo

Para el estudio efectuado, se estim que la mejor forma de evaluar el desempeo


del sistema es mediante el anlisis de los inventarios promedio y del nivel de
servicio. Se eligieron estos dos indicadores pues son los que tienen mayor
impacto en la empresa, tanto en su desempeo interno, como en su relacin con
sus clientes.

La definicin de nivel de servicio corresponder al porcentaje de pedidos para los


cuales hay suficientes unidades en stock al momento en que ingresan al sistema.
Es decir, es el porcentaje de rdenes de compra que no necesitan esperar para
ser satisfechas.

Se eligi esta definicin de nivel de servicio como la principal, debido a la


importancia que tiene para la empresa el poder satisfacer pedidos completos,
adems, el sistema de revisin continua de inventario se construy de manera de
entregar un nivel de servicio de al menos un 90% considerando esta definicin.

A continuacin se exponen los resultados principales encontrados, y


posteriormente indicadores complementarios del desempeo del sistema, como
son las rotaciones de inventario, la cantidad de ventas perdidas, la cantidad de
ventas diferidas (retrasadas en el tiempo) y el porcentaje de tiempo que se estuvo
sin stock.

Indicadores principales

Las siguientes tablas contienen el inventario promedio que se desprende de la


aplicacin de la poltica actual de la empresa y el inventario promedio que se
obtiene con la aplicacin de la poltica propuesta. Luego de esta informacin,
separada por tallas, la ltima columna de cada tabla contiene el nivel de servicio
para cada uno de los modelos. Finalmente, la ltima fila de cada tabla indica la

86
variacin porcentual del sistema propuesto tomando como base el sistema
aplicado por empresa.

SKU1.

La demanda de este producto en el periodo analizado fue de 14,685 unidades. Los


indicadores de su comportamiento se ven en la tabla 13-17

Tabla 13-17 Indicadores principales SKU1


Nivel
Talla Talla Talla Talla Talla Talla Talla de
Inventario Promedio 34 36 38 40 42 44 46 Total servicio
Empresa 242 540 834 799 993 191 395 3994 91.4%
Propuesto 270 460 688 676 669 329 246 3338 100.0%
Variacin porcentual 11.7% -14.7% -17.5% -15.4% -32.7% 72.2% -37.6% -16.4% 8.6%

Aqu se observa, como se indic, el inventario promedio de ambos sistemas


separados por tallas, junto con el nivel de servicio. En este caso en particular, se
tiene que para el caso del sistema ocupado por la empresa se dejan de satisfacer,
al momento de ser recibidas, 6 rdenes de compra de un total de 70 efectuadas
en el periodo, lo que da un nivel de servicio de (1-6/70)= 0.914.

La variacin porcentual se calculo de la siguiente forma, tomando como ejemplo la


variacin del nivel de inventario total: Variacin porcentual = (3338 3994)/3994 =
-0.164

Los restantes indicadores de esta tabla, as como los que se mostraran en los
siguientes indicadores de esta seccin fueron calculados de manera anloga.

SKU2.

La demanda de este producto en el periodo analizado fue de 16,101 unidades. Los


indicadores de su comportamiento se ven en la tabla 13-18

87
Tabla 13-18 Indicadores principales SKU2
Nivel
Inventario Talla Talla Talla Talla Talla Talla Talla Talla de
Promedio 38 40 42 44 46 48 50 52 Total servicio
Empresa 82.09 316.63 623.20 648.58 469.58 410.72 256.07 491.40 3298.28 81.0%
Propuesto 196.08 394.00 583.86 599.26 590.29 342.77 235.27 336.89 3278.43 98.7%
Variacin
porcentual 138.9% 24.4% -6.3% -7.6% 25.7% -16.5% -8.1% -31.4% -0.6% 17.7%

SKU3.

La demanda de este producto en el periodo analizado fue de 14,675 unidades. Los


indicadores de su comportamiento se ven en la tabla 13-19

Tabla 13-19 Indicadores principales SKU3


Nivel
Inventario Talla Talla Talla Talla Talla Talla Talla Talla de
Promedio 38 40 42 44 46 48 50 52 Total servicio
Empresa 278.69 701.97 1458.72 1688.67 1197.82 775.40 373.23 263.16 6737.66 98.6%
Propuesto 183.68 406.66 673.06 743.59 608.91 364.32 213.39 88.70 3282.31 95.9%
Variacin
porcentual -34.1% -42.1% -53.9% -56.0% -49.2% -53.0% -42.8% -66.3% -51.3% -2.7%

SKU4.

La demanda de este producto en el periodo analizado fue de 16,806 unidades. Los


indicadores de su comportamiento se ven en la tabla 13-20

Tabla 13-20 Indicadores principales SKU4


Nivel
Inventario Talla Talla Talla Talla Talla Talla Talla Talla de
Promedio 38 40 42 44 46 48 50 52 Total servicio
Empresa 232.47 457.36 669.96 700.34 417.99 158.31 178.26 31.74 2846.44 89.3%
Propuesto 200.00 395.65 567.80 574.44 409.87 226.14 193.37 49.49 2616.77 90.5%
Variacin
porcentual -14.0% -13.5% -15.2% -18.0% -1.9% 42.8% 8.5% 55.9% -8.1% 1.2%

88
Del anlisis de los indicadores se desprende que se logr mejorar el desempeo
para todos los SKU.

Para el SKU1 se logr disminuir en un 16% el inventario promedio mientras


se aumentaba el nivel de servicio de un 91.4% a un 100%.

Para el SKU2 se logr disminuir marginalmente el inventario promedio, pero


se aument el nivel de servicio de un 81% a un 98.7%

Para el SKU3 se logr la mayor disminucin en el inventario promedio,


correspondiendo a un 51.3%. Sin embargo, el nivel de servicio baj un poco
desde un 98.6% a un 95.9%

Para el SKU4, se obtuvieron las mejoras menos pronunciadas. Se redujo un


8.1% el nivel de inventario, y el nivel de servicio aument de un 89.3% a un
90.5%. Se piensa que esto es debido a que a diferencia de los otros SKU,
es un producto que se ha introducido recientemente, contndose con
menos informacin para calibrar el modelo. Adems, presenta un
comportamiento que puede calificarse como transiente, a diferencia de los
otros productos, que se encuentran en un estado estacionario en cuanto a
su penetracin en el mercado.

Finalmente, considerando los 4 SKU, el modelo logra disminuir en un 25,8% el


nivel de inventario, mejorando al mismo tiempo el nivel de servicio en un 6.2%,
para pasar de un 89.8% a un 96% de nivel de servicio.

89
Indicadores secundarios.

Los indicadores secundarios que se mostrarn son:

La rotacin promedio anualizada de inventario


Las ventas perdidas: aquellas ventas que no pueden ser satisfechas en el
momento ni tampoco con las unidades que se recibirn hasta antes de la
fecha de vencimiento de la orden de compra
Las ventas diferidas, que son las ventas que no pueden satisfacerse en el
momento, pero si pueden ser satisfechas antes de la fecha de vencimiento
de la orden de compra
El nmero de das registrados con stock positivo.
Junto con esto se muestran las ventas desagregadas por tallas, a manera de
poner en contexto los indicadores.

En el caso de las ventas perdidas, las ventas diferidas y los das con stock
positivos, es importante destacar que corresponden a definiciones
complementarias del nivel de servicio. Al haberse hecho el presente trabajo
buscando acotar el nmero de pedidos insatisfechos, no se tiene una cota para
estos otros indicadores. Sin embargo, al estar los pedidos satisfechos muy ligados
a las unidades de demanda satisfechas y al porcentaje del tiempo con inventario
disponible, se espera que estos otros indicadores se mantengan bajos.

A continuacin se presentan Tablas agrupando los indicadores mencionados para


cada SKU, seguidas de una explicacin y comentarios.

90
Tabla 13-21 Indicadores Secundarios SKU1
SKU1 Talla 34 Talla 36 Talla 38 Talla 40 Talla 42 Talla 44 Talla 46 Total
Ventas
Empresa 1030 2018 3060 3103 3093 1390 991 14685
Propuesto 1030 2018 3060 3103 3093 1390 991 14685
Rotacin de
Inventario
Empresa 639.6% 561.0% 550.1% 582.4% 467.1% 1092.7% 376.6% 551.6%
Propuesto 572.7% 657.7% 667.1% 688.2% 693.6% 634.4% 603.9% 659.9%
Ventas Perdidas
Empresa 0 0 0 0 0 0 0 0
Propuesto 0 0 0 0 0 0 0 0
Ventas Diferidas
Empresa 90 94 89 96 0 189 0 558
Propuesto 0 0 0 0 0 0 0 0
Das con Stock
Positivo
Empresa 97.4% 99.6% 99.6% 99.6% 100.0% 86.8% 100.0%
Propuesto 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0%

Para los indicadores de la empresa se observa que la rotacin de inventario esta


alrededor del 550%, es decir, que en trminos anualizados, el inventario se
repondra completamente 6 veces. Tambin se observa que la rotacin de
inventario para la talla 44 se escapa por sobre el 1000%, muy por encima de la
rotacin de las otras tallas. Para el modelo efectuado por la empresa, se ve que no
existen ventas perdidas, pero si, un cierto porcentaje de ventas que deben
diferirse por no tener productos para satisfacerlas en el momento en que se
efectan. En cuanto a los das sin stock, se ve que casi no existen, a excepcin de
la talla 44 en la que se alcanza un 13,2% de das sin stock.

En el caso del modelo propuesto, se observa que aumenta levemente la rotacin


de inventario y que se normaliza la rotacin de la talla 44, hacindola comparable
a las otras tallas. Siguen si haber ventas perdidas y adicionalmente, desaparecen
las ventas diferidas. Se tiene tambin que los das con stock positivo alcanzan el
100% para todas las tallas.

91
Tabla 13-22 Indicadores Secundarios SKU2
SKU2 Talla 38 Talla 40 Talla 42 Talla 44 Talla 46 Talla 48 Talla 50 Talla 52 Total
Ventas
Empresa 951 2057 3068 3050 2354 1669 1078 736 14963
Propuesto 1315 2381 3251 3122 2468 1750 1078 736 16101
Rotacin de
Inventario
Empresa 2402.7% 1128.0% 782.5% 722.0% 788.4% 639.1% 631.5% 224.7% 732.2%
Propuesto 1005.9% 906.5% 835.2% 781.5% 627.1% 765.8% 687.3% 327.7% 736.7%
Ventas
Perdidas
Empresa 364 324 183 72 114 81 0 0 1138
Propuesto 0 0 0 0 0 0 0 0 0
Ventas
Diferidas
Empresa 185 110 0 0 0 0 0 0 295
Propuesto 0 0 25 38 12 19 0 0 94
Das con
Stock Positivo
Empresa 73.5% 95.2% 98.5% 98.9% 98.9% 93.0% 100.0% 100.0%
Propuesto 100.0% 100.0% 99.6% 99.6% 99.6% 99.6% 100.0% 100.0%

Para el caso de la poltica de la empresa, la rotacin de inventario en este caso


alcanza ms de un 700%, pero presentando valores bastante dispares, desde ms
de un 2400% para la talla 38, hasta un 224% para la talla 52. Se observa que
existen ventas perdidas, es decir, que ni siquiera difiriendo su entrega hasta antes
de la fecha de vencimiento pueden ser satisfechas. Junto con esto, tambin
existen ventas diferidas para las dos tallas menores, talla 38 y talla 40. A su vez,
los das con stock positivo son mayores al 93%, a excepcin de la talla 38, en la
cual solo alcanza a un 73,5%.

En el caso del sistema propuesto se observa que prcticamente se mantiene la


rotacin de inventario, pero los distintos valores de rotacin se acercan entre las
tallas. En este caso no se producen ventas perdidas, y las ventas diferidas
alcanzan a unas pocas unidades solamente. Los das con stock positivo tambin
experimentan una mejora, teniendo ms de un 99% para todas las tallas.

92
Tabla 13-23 Indicadores Secundarios SKU3
SKU3 Talla 38 Talla 40 Talla 42 Talla 44 Talla 46 Talla 48 Talla 50 Talla 52 Total
Ventas
Empresa 869 1682 3050 3004 2559 1752 889 870 14675
Propuesto 869 1682 3050 3004 2559 1752 889 770 14675
Rotacin de
Inventario
Empresa 467.7% 359.4% 313.6% 266.8% 320.5% 338.9% 357.3% 438.9% 326.7%
Propuesto 709.7% 620.4% 679.7% 606.0% 630.4% 721.3% 624.9% 1302.2% 670.6%
Ventas
Perdidas
Empresa 0 0 0 0 0 0 0 0 0
Propuesto 0 0 0 0 0 0 0 0 0
Ventas
Diferidas
Empresa 0 0 0 0 0 0 0 12 12
Propuesto 0 17 0 0 0 0 0 12 29
Das con Stock
Positivo
Empresa 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 91.9%
Propuesto 96.7% 96.3% 94.9% 94.9% 96.7% 96.7% 96.7% 96.3%

En el caso del sistema de la empresa se observa que hubo una rotacin promedio
de alrededor de un 300%, sin que ninguna talla se escapara demasiado lejos de
este valor. No se tuvieron ventas perdidas y tan solo 12 ventas diferidas
correspondientes a la talla 52. Los das con stock positivo tuvieron un 100% para
todas las tallas, a excepcin de la 52, en que estuvo un poco por encima del 90%.

Al ver los resultados del sistema propuesto, se observa que se aumento


considerablemente la rotacin del inventario, para ms que doblar la que se tena
con el modelo de la empresa; esto esta ligado a los bajos niveles de inventario
promedio que se obtuvieron para este SKU. Se observa que no existen ventas
perdidas, mientras que las ventas diferidas son muy bajas. Sin embargo, se ve
que existen das con stock cero, los cuales alcanzan cerca de un 4% del total.

93
Tabla 13-24 Indicadores Secundarios SKU4

SKU4 Talla 38 Talla 40 Talla 42 Talla 44 Talla 46 Talla 48 Talla 50 Talla 52 Total
Ventas
Empresa 1263 2544 3853 3832 2621 1296 1115 196 16720
Propuesto 1263 2544 3853 3832 2621 1327 1115 251 16806
Rotacin de
Inventario
Empresa 814.9% 834.4% 862.7% 820.7% 940.6% 1257.3% 938.2% 1186.0% 885.6%
Propuesto 947.2% 964.5% 1017.9% 1000.6% 959.2% 880.2% 864.9% 760.8% 963.4%
Ventas
Perdidas
Empresa 0 0 0 0 0 31 0 55 86
Propuesto 0 0 0 0 0 0 0 0 0
Ventas
Diferidas
Empresa 0 0 0 0 0 0 0 58 58
Propuesto 63 175 149 140 163 104 59 10 863
Das con
Stock
Positivo
Empresa 100.0% 100.0% 100.0% 100.0% 100.0% 96.0% 100.0% 68.4%
Propuesto 81.6% 81.6% 77.9% 79.4% 83.5% 92.3% 90.4% 79.8%

En el caso del sistema de la empresa, se observa que la rotacin es de un 885,6%,


sin embargo hay que tener en cuenta que en la primera mitad del periodo
evaluado, el SKU tuvo muy pocos movimientos, manteniendo un bajo inventario.
Se observa que se tuvieron algunas ventas perdidas y tambin ventas diferidas.
Estas afectaron levemente a la talla 48, pero fueron de mayor importancia para la
talla 52. Los das con stock positivos, presentan altos valores, a excepcin del
caso de la talla 52, en el que solo alcanzan un 68%.

En el sistema propuesto este SKU aumenta ligeramente su rotacin de inventario,


y elimina las ventas perdidas. Pero por el contrario, aumenta las ventas diferidas,
a cerca de un 5% del total. A su vez, los das con stock positivo disminuyen a
valores entre un 77% y un 93%.

94
13.4 Evaluacin Econmica.

Al evaluar el beneficio econmico que tendra el presente trabajo de tesis al ser


aplicado en la empresa, es necesario evaluar que costos de inventario son los
relevantes para la empresa. La empresa no tiene costos variables de
almacenamiento, al poseer una bodega que sobrepasa el tamao de su operacin
actual. Tampoco son relevantes los costos de obsolescencia, ya que como se ha
dicho, los productos estudiados no son afectados por modas pasajeras. Junto con
esto los deterioros y las prdidas no son un problema para la empresa, por lo que
sus costos asociados no se consideran. Sin embargo, el costo de capital y el costo
de inexistencias si son significativos.

En el caso del costo de capital, se tiene que una unidad en bodega, tiene un costo
de inversin de aproximadamente $10.000 pesos. Al disminuir el inventario
promedio en un 25,8% se tiene que hay 4.360 unidades menos en el inventario, en
promedio. Es decir, en promedio se liberan $43.600.000, posibilitando que este
dinero sea invertido. Durante el periodo analizado, la tasa promedio de inters
bancario nominal fue de 5,78% anual. Esto quiere decir, que si los $43.600.000
hubieran sido puestos en el banco durante los nueve meses en que se prob el
sistema propuesto, se hubiera obtenido un beneficio de $1.890.210. Sin embargo,
es posible que la empresa disponga de oportunidades de inversin que entreguen
una rentabilidad muy superior a este 5,78%, lo que aumentara la utilidad obtenida.

Respecto a los costos de inexistencias, se tiene que las ventas perdidas que se
evitan utilizando el sistema propuesto, alcanza las 1224 unidades. Para estas
unidades se tiene que, considerando los distintos proveedores, en promedio se
tiene un margen de utilidad de 10%. Con estos datos se tiene una utilidad de
$1.224.000 adicionales.

95
Finalmente, considerando las dos fuentes ingresos indicadas, la aplicacin del
sistema propuesto aportara una utilidad adicional de $3.114.210, que equivale a
un 2,48% del costo operacional de estos artculos.

96
14 Conclusiones

Luego de desarrollar el presente trabajo, se ha encontrado un sistema adecuado a


las necesidades actuales de la empresa Wados para la problemtica estudiada, el
cual logra disminuir en ms de un 25% el nivel de inventario de la empresa para
los 4 productos en cuestin, con el consiguiente ahorro en costos de inventario,
disminuyendo los costos de capital invertido, con lo que se liberan recursos
econmicos para ser invertidos por la empresa.

Por otro lado, se mejora el nivel de servicio en ms de un 6%, lo que significa


clientes ms satisfechos, menores ventas perdidas, y adems, dado el sistema
propuesto, un mejor punto de partida para optimizar el sistema logstico de entrega
de productos.

Al considerar las utilidades provenientes de la disminucin del capital de trabajo y


de la disminucin de las ventas perdidas, se tiene que durante los 9 meses en que
fue evaluado el sistema propuesto, se hubiera obtenido un beneficio para la
empresa estimado en $3.114.210.

Para los SKU1, SKU2 y SKU3, acorde con la rigurosidad del trabajo realizado, se
obtuvieron buenos resultados, especialmente para el SKU3, el cual disminuy en
un 50% su inventario promedio. La pequea disminucin en el nivel de servicio
experimentada por el SKU3 tiene su origen en que la talla 52 de este producto
tuvo un periodo de alta demanda (no esperada), como se puede apreciar en la
generacin de guas de compra para este SKU; sin embargo, se ha mostrado que
esta talla tiene un comportamiento poco correlacionado con las otras, y es por esta
razn que surge como propuesta aumentar el inventario de seguridad para esta
talla en particular, buscando aumentar el nivel de servicio.

Para el SKU4 existan mayores elementos de incertidumbre, ya que se asumieron


bastantes analogas con los otros SKU, debido a que se dispona de una menor

97
cantidad de datos de la cual obtener informacin. Sin embargo tambin se
obtuvieron resultados satisfactorios.

Un punto a considerar es que la aplicabilidad del presente trabajo de tesis est


asociada a que la empresa contine utilizando un sistema mixto de proveedores,
donde conviven fabricantes nacionales y extranjeros, siendo que la tendencia que
se ha conversado con la empresa es que vayan aumentando sus compras en el
extranjero debido a las grandes economas de precio asociadas. Respecto a esto,
es de esperarse que, en efecto, las importaciones sean cada vez un mayor
componente dentro de las guas de compra totales, pero dada la gran variabilidad
de la demanda y los largos tiempos de entrega de los proveedores internacionales,
se considerara un error eliminar la compra local de productos, puesto que permite
disminuir enormemente los inventarios.

Es as como para la operacin futura de la empresa se recomienda mantener las


grandes compras en el extranjero, pero con estimaciones conservadoras en
cuanto a las ventas futuras, dado que de enfrentarse una mayor demanda de lo
esperado, esta podra ser anticipada y remediada localmente utilizando el sistema
propuesto. Por el contrario, si se enfrentara una menor demanda de lo esperado,
esto solo desencadenara en un sobre stock, con todos sus problemas asociados.

98
15 Bibliografa

1. BENJAMIN, JACK R. McGraw-Hill. Bogota. 1981. Probabilidad y Estadstica en


Ingeniera Civil

2. DEGROOT, MORRIS H. Addison-Wesley Iberoamerican. Welmington. 1988.


Segunda Edicin. Probabilidad y Estadstica

3. MATHUR, KAMLESH & SOLOW, DANIEL. Prentice-Hall Hispanoamericana.


Mxico. 1996. Investigacin de Operaciones

4. SCHROEDER, ROGER G. McGraw-Hill. Mxico. 1992. Tercera Edicin.


Administracin de Operaciones

5. TORAL, JOSE MANUEL. 2007. Tesis. Poltica de Inventario con Pronsticos de


Demanda para una Empresa de Venta de Neumticos.

99
16 Anexos

16.1 Anexo1

SKU1

El primer test evala las corridas por sobre o por debajo de la media que tiene la
serie de datos. De existir corridas demasiado largas, es decir, muchos datos
seguidos por sobre la media, o por debajo de esta, el test sospecha de que exista
una correlacin. Lo mismo ocurre si el largo de las corridas fuera demasiado corto,
lo que podra significar correlacin negativa.

El segundo test, evala el nmero de veces que los datos cambian de direccin,
es decir cuando pasan de crecer a decrecer o de decrecer a crecer. Al igual que

100
en el test anterior, muchos, o muy pocos eventos hacen pensar en que exista una
correlacin.

Como se observa en los resultados, ambos tests descartan el rechazar la hiptesis


nula de que los datos sean no correlacionados, es decir, no se puede afirmar que
exista correlacin. El p-value mostrado, el cual corresponde a la probabilidad de
que al aceptar la hiptesis nula (datos no correlacionados) se obtenga un conjunto
de datos como el mostrado, es en ambos casos mucho mejor que 0.05, que es el
nivel de confianza utilizado.

A modo de complemento de los tests anteriores, se muestra a continuacin un


grfico de las correlaciones obtenidas, donde se ve que estn muy alejadas de los
valores extremos 1 y -1, lo que quiere decir que no existira correlacin.

Para los otros SKU, se muestran los resultados a continuacin.

101
SKU2

Al igual que en el caso anterior, no se puede rechazar el que los datos sean
independientes, aunque para este producto se obtiene peores valor del p-value, lo
que tambin se puede ver grficamente siguiente diagrama

102
SKU3

Como en los casos anteriores, los resultados permiten proseguir con el modelo
propuesto. Sin embargo, el grfico pareciera ser indicador de un comportamiento
un poco peor que en los casos anteriores, al haber ms rea separada del eje
horizontal como se ve a continuacin

103
SKU4

Para este producto, como ya se ha mencionado, se tiene un muy acotado conjunto


de datos, los que en esta ocasin no permitieron realizar el presente anlisis. Sin
embargo, se sospecha un comportamiento anlogo al estudiado en los SKU
anteriores.

104
16.2 Anexo2

A continuacin se muestra el ranking obtenido para el SKU1

Como se observa, la distribucin Gamma es la que obtiene mejores resultados,


aqu se muestra un grfico que compara los datos con la curva de la distribucin.

El eje X representa la demanda, separada en intervalos de alrededor de 1200


unidades. En el caso de los rectngulos, el eje Y representa la cantidad de datos
en cada intervalo (donde 1 corresponde a todos los datos, y 0 a ninguno de los

105
datos), mientras que en el caso de la curva, el eje Y corresponde a la probabilidad
de ocurrencia para la distribucin Gamma que se indica.

Es as como el primer rectngulo a la izquierda corresponde a la cantidad de datos


menores a 1200, el segundo rectngulo corresponde a la cantidad de datos entre
1200 y 2400, y as sucesivamente. Se observa que la cantidad de datos en cada
tramo se ajusta a la forma de la curva, situacin que queda ms clara al ver los
residuos, que corresponden a las diferencias entre los datos reales y la curva de la
distribucin Gamma:

Este grfico muestra la demanda en el eje X, en la misma escala que el grfico


anterior, mientras que en el eje Y se muestra la diferencia entre la cantidad de
datos reales en ese tramo, y la esperanza de los que debera haber en ese tramo
segn la distribucin Gamma.

El detalle del desempeo en los tests de bondad de ajuste de las primeras tres
distribuciones en el ranking se muestra a continuacin:

106
107
108
Se observa que el comportamiento del test Chi-cuadrado, el cual evala el ajuste
por intervalos, tiene el mismo p-value para las distribuciones Gamma y Weibull,
siendo menor para la distribucin Pearson 6. Por otro lado, en el tests
Kolmogorov-Smirnov que calcula la mayor diferencia absoluta entre la distribucin
acumulada de los datos de entrada y la distribucin que se est analizando, los
resultados que se obtienen son que la distribucin Gamma se comporta mejor,
seguida por la Weibull y por ltimo la Pearson6. Finalmente, para el test Anderson-
Darling que es sensible a los puntos extremos, muy pequeos o muy grandes, se
obtuvieron para todas las distribuciones resultados similares, pero a diferencia de
los test anteriores, que presentaron altos valores de p-value, en este caso los
valores estn solo un poco por encima del umbral de rechazo.

109
Para el SKU2 se obtiene el siguiente Ranking:

Donde anlogamente al caso anterior, se obtiene que la distribucin Gamma es la


que mejor se ajusta a los datos, eso si, esta vez con parmetros distintos, aunque
en los mismos ordenes de magnitud.

El ajuste de la curva de la distribucin Gamma, con los residuos correspondientes


se muestra a continuacin

110
Como en el caso anterior, aqu se presentan los resultados de los tests de bondad
de ajunte para las tres primeras distribuciones en el ranking.

111
112
Aqu se observa para el test Chi-cuadrado que las distribuciones Weibull y
Pearson6 se comportan mejor, estando luego la distribucin Gamma, pero siendo
todos los p-value relativamente altos. Para el test Kolmogorov-Smirnov se tiene
que la mejor distribucin es la Gamma, seguida por la Pearson6 y luego la Weibull,
todas con altos valores de p-value. El mismo orden anterior se repite para el test
Anderson-Darling. Es importante destacar que ninguno de los tests aconseja
rechazar la hiptesis de que la distribucin se ajuste correctamente a los datos,
para las tres distribuciones analizadas.

113
Para el SKU3 se obtuvo el siguiente ranking al pedir un ajuste por parte del
software.

Se observa que a diferencia de los SKU anteriores, este producto tiene en primer
lugar del ranking a la distribucin Exponencial, sin embargo, los nmeros
muestran que la demanda por este producto tendra un comportamiento mucho
ms fcil de modelar, puesto que existen 4 distribuciones de probabilidad con
valores superiores a 99 en el ranking. A continuacin se mostrarn los tests de
bondad de ajuste para las primeras 3 distribuciones, la Exponencial, la Erlang y la
Gamma.

114
115
116
Es as como se observa que en ninguno de los casos se rechaza la hiptesis nula
de que alguna de estas tres distribuciones describa de manera adecuada el
comportamiento de los datos. Respecto al comportamiento de las distribuciones
en cada uno de los tests, se tiene que para el test Chi-cuadrado las tres
distribuciones tienen valores superiores a 0.85 en el p-value, lo que es muy bueno.
Para el test Kolmogorov-Smirnov, se observa que el resultado es an mejor,
teniendo las tres distribuciones resultados por sobre 0.98 en el p-value. Por ltimo,
en el test Anderson-Darling se tiene tambin un resultado muy bueno, estando los
tres tests con valores superiores a 0.95 en sus p-value.

117
Luego de analizar los estadsticos anteriores para las distribuciones mostradas, se
puede observar que en dos de los SKU, la distribucin Gamma es la que describe
mejor el comportamiento de los datos, con una diferencia considerable en los
valores de bondad de ajuste respecto a las distribuciones que la siguen. Mientras
tanto, para el tercer SKU se puede ver que las tres primeras distribuciones en el
ranking, la Exponencial, la Erlang y la Gamma se comportan muy bien, teniendo
pocas diferencias en la bondad de ajuste entre ellas.

Es as, que pensando que los tres productos estn en una misma categora y son
demandados por los mismos clientes, se decide que se privilegiar la uniformidad
en el modelamiento de las distribuciones de probabilidad, y es as que se tomar a
la distribucin Gamma como la que modelar el comportamiento de la demanda
en los captulos siguientes. Sin embargo, se trabajar con los diferentes
parmetros encontrados para cada caso, los que reflejan comportamientos de
escala y de forma distintos.

A continuacin se muestran los grficos de ajuste de distribucin y de residuos del


SKU3, al ajustarlo utilizando la distribucin Gamma.

118
Otro punto a considerar es que al comparar los resultados de los 3 SKU
estudiados en este captulo, se observa que si bien, los SKU1 y SKU2 son
descritos de mejor forma por la distribucin Gamma, la bondad de ajuste difiere
entre ellos, observando los resultados de los tests efectuados. Para el test Chi-
cuadrado y el Kolmogorov-Smirnov, la distribucin Gamma del primer SKU obtiene
mejores resultados que la del segundo, siendo todos valores altos, con un p-value
superior a 0.5. Sin embargo el test de Anderson Darling es mucho mejor para la
distribucin Gamma del segundo SKU que para la del primero, en donde est
apenas por sobre el umbral de aceptacin, esto indicara que en los puntos
extremos se tiene un mejor comportamiento para la distribucin Gamma del SKU2,
por sobre la del SKU1. Para el SKU3 todos los tests de la distribucin Gamma
dieron muy buenos resultados, con p-value por sobre los 0.85 en todos los casos.

Para el SKU4 no se pudo realizar este anlisis, dado que como se ha dicho, se
dispone de muchos menos datos que para los otros productos.

119
16.3 Anexo 3

Punteo del sistema de reposicin para un SKU:

La demanda por productos va descontando unidades del stock.

En un momento el Stock de una u ms tallas alcanza su punto de reorden,


o cae por debajo de el. Se asigna la sigla DROi a las unidades por debajo
de su punto de reorden en que se encontrara el Stock de la talla i

Se toma la demanda de los ltimos tres meces para el SKU, y se saca la


proporcin en que fue demandada cada talla. Se asigna la sigla PTi a la
participacin de la talla i en el total de la demanda del SKU,
correspondiendo a un porcentaje de esta.

Se genera la gua de compra en que la cantidad pedida para cada talla


corresponde a 300*PTi + DROi

120
Diagrama de Flujo del sistema de reposicin:

El Stock cae por debajo del


punto de reorden para una o
ms tallas

Calculo de PTi Calculo de DROi

Gernar Gua de compra por


300*PTi + DROi para cada i

121