Académique Documents
Professionnel Documents
Culture Documents
+ + = CT E
En general, los sistemas de inventario controlan ms de un artculo, ya que
stos no son independientes, puesto que tienen interacciones en costos, recursos y
demandas. Pero por simpleza la mayor parte de los modelos que describen el
comportamiento de un sistema de inventario consideran un artculo.
Cuando los artculos se suponen independientes, la ecuacin de costo a
minimizar es la suma de las ecuaciones de costos de los artculos que intervienen.
=
(
+ + + =
n
i
i i
i
i
d i
i i
i
i
i
D c
Q
D
y
Q h
Q
D
K CT
i
1
2
.
En donde,
i
K costo fijo por hacer la orden i.
i
d o
i
D demanda en la orden i.
i
Q o
i
q cantidad pedida en la orden i.
i
h costo de almacenamiento unitario / unidad de tiempo en la orden i.
i
costo unitario por dficit.
i
d
y artculos por dficit en el almacn en la orden i.
i
c costo unitario en la orden i, tambin se denota por
i
p .
Captulo 2
35
2.2 MODELOS DE INVENTARIOS PROBABILSTICOS
Con frecuencia el decisor se enfrenta al problema de determinar el valor q de una
variable, que puede ser
6
:
Cantidad pedida,
Artculo almacenado,
Oferta de un contrato,
Cotizacin de un contrato, etc.
Despus de haber determinado el valor de q, se observa el valor d asumido por
una variable aleatoria D. De esta forma y dependiendo de los valores para d y q, se
incurre en un costo ) , ( q d c
7
. El problema en este punto consiste en determinar el
valor de q que minimice su costo esperado. Para esto se pueden tener diferentes
situaciones y cada una da origen a un modelo
8
.
2.2.1 ANSIS MARGINAL
Supngase que la variable aleatoria D, descrita en el modelo de periodo nico, es
discreta de valor entero, donde ) ( ) ( d p d D P = = . Sea el costo esperado ) (q E tal que
=
d
q d c d p q E ) , ( ) ( ) ( .
En la mayora de las aplicaciones prcticas ) (q E es una funcin convexa de q.
Fig. 2-3 Representacin del valor en donde se obtiene el costo esperado mnimo.
Fuente: Elaboracin propia.
Sea
*
q el valor de q que hace mnimo a ) (q E . Si ) (q E es una funcin convexa,
se tienen que
*
q es el valor mnimo de q para el cual
6
Winston L, Investigacin de Operaciones, Aplicaciones y Algoritmos. Grupo Editorial Iberoamericano, Mxico
1987. 6. Edicin. Captulo 15
7
Idem
8
Prawda, Witenber, Mtodos y modelos de Investigacin de Operaciones. Limusa, Mxico 1988 8. Edicin,
pgina 35
*
q 1
*
q
1
*
+ q
) (q E
q
Inventarios Probabilsticos
36
0 ) ( ) 1 (
* *
+ q E q E .
Esta ecuacin representa el cambio de costo esperado cuando se aumenta en
una unidad el lote q.
El anlisis se realiza aumentando q, a partir de cero, en una unidad y
observando el signo de la diferencia que se mantendr negativa hasta llegar a
*
q , en
donde la diferencia se convierte en positiva. Este mtodo para determinar a
*
q , al
calcular en forma repetida el valor esperado al sumar una unidad marginal el valor de
q, se denomina mtodo de anlisis marginal
9
. El mtodo es til cuando es fcil
determinar una expresin sencilla para ) ( ) 1 ( q E q E + .
2.2.2 MODELO DE INVENTARIOS DE ARTCULOS PERECEDEROS DEMANDA DISCRETA
Este tipo de modelos se aplica a situaciones como la del vendedor de peridicos o
empresas que tienen la siguiente sucesin de eventos:
La empresa decide cuntas unidades pedir o producir,
*
q .
La demanda es estocstica, pero se conoce su distribucin de
probabilidad ) (d p .
Dependiendo de d y q, se incurre en el costo ) , ( q d c .
ANLISIS DEL MTODO
Empleando el anlisis marginal para un problema tipo vendedor de peridicos,
cuando la demanda es una variable aleatoria discreta y ) , ( q d c tiene la forma:
+ = q c q d c
0
) , ( (trminos sin q) ) ( q d
+ = q c q d c
u
) , ( (trminos sin q) ) 1 ( + q d
En donde,
0
c es el costo unitario de comprar o producir demasiado,
sobreabastecimiento. Por lo tanto,
0
c es el costo debido a tener una unidad de
excedente, de tal manera que a
0
c se le suele llamar costo de sobreabastecimiento.
Similarmente,
u
c es el costo unitario de tener faltantes y se le llama costo de
subabastecimiento.
9
Taha, Hamdy, Investigacin de Operaciones. Prentice Hall, Mxico 2004. 7. Edicin. Captulos 2,5
Captulo 2
37
Para encontrar
*
q que minimiza el costo esperado, esto es, el valor mnimo de q
para el que
0 ) ( ) 1 ( + q E q E ,
se tiene lo siguiente:
[ ] [ ]( )
[ ]
[ ] { } 0 sin trminos ) (
sin trminos ) (
) ( 1 sin trminos ) ( sin trminos ) ( ) 1 (
0
0
0
+ + =
+ + =
+ + + = +
q q c q D P c c
q q c q D qP c c
q D P q q c q D P q q c q E q E
u u
u u
u
Por lo tanto, resulta que ) (q E ser reducida al mnimo por el valor mnimo de q
(denotado
*
q ) que satisface [ ] 0 ) (
0
+
u u
c q D P c c . Es decir,
*
q se obtiene de la
distribucin acumulada para la demanda, de tal forma que se cumpla
u
u
c c
c
q D P
+
0
*
) ( .
Adems, pedir en promedio 1 + q unidades costar
[ ] [ ]
u u u
c q D P c c q D P c q D P c + = ) ( ) ( 1 ) (
0 0
,
ms las q unidades que se piden.
2.2.3 MODELO DE INVENTARIOS DE ARTCULOS PERECEDEROS DEMANDA CONTINUA
Este tipo de modelos son del tipo del vendedor de peridicos pero con demanda D
variable aleatoria continua y funcin de densidad ) (d f . De forma similar que en el
caso discreto, se obtiene una expresin con la que se puede calcular el valor ptimo
de
*
q , pero a diferencia del caso discreto en el continuo se obtiene mediante una
igualdad
10
. Es decir, ) (q E ser reducido al mnimo por el valor mnimo de q
(denotado
*
q ) que satisface a
u
u
c c
c
q D P
+
=
0
*
) ( .
De tal forma que lo ptimo es pedir unidades hasta el punto en el que la ltima
unidad que se pida tenga probabilidad
u
c c
c
q D P
+
=
0
0 *
) ( ,
de venderse.
10
Idem
Inventarios Probabilsticos
38
2.2.4 MODELO ESTOCSTICO DE REVISIN CONTINUA
Estos modelos se caracterizan por lo siguiente:
La demanda no se conoce con certeza, se estima una distribucin de
probabilidad que describe su comportamiento.
El tiempo de entrega L es distinto de cero.
Los mayores problemas en estos modelos se presentan durante el tiempo de
entrega, por lo que se trabaja con la distribucin de probabilidad que describe
la demanda durante el tiempo de entrega ) (u f
L
.
Por otro lado, la probabilidad de que la demanda durante el tiempo de entrega L
est entre a y b es
b
a
L
du u f ) ( y la probabilidad de que la demanda durante el tiempo
de entrega no exceda a la cantidad es la distribucin acumulada
0
) ( ) ( du u f F
L L
,
para 0 u , estas distribuciones de probabilidad se suponen independientes del
tiempo en el que se ordena y el nivel de inventario. La demanda promedio por
unidad de tiempo d , entonces la demanda promedio durante el tiempo de entrega es
= =
0
) ( du u uf dL d
L
. Si s es el punto de reorden, entonces el nivel de inventario
cuando se recibe la orden es de L d s , tomando en cuenta la aleatoriedad de la
demanda el nivel esperado de inventario al recibir la orden es de:
=
s
L
du u f u s s y
0
) ( ) ( ) ( ,
=
s
L d
du u f s u s y ) ( ) ( ) ( (dficit).
Luego,
) ( ) (
) ( ) ( ) ( ) (
) ( ) (
) ( ) (
0
0
0 0
s y s y
du u f u s du u f u s
du u f u s
du u uf du u f s L d
d
s
L
s
L
L
L L
=
+ =
=
=
Captulo 2
39
Por lo tanto, resulta
) ( ) ( s y L d s s y
d
+ = .
Si se usa la poltica de inventario que consiste en llevar el inventario hasta el
punto s cada vez que se presenta una demanda
11
. El valor de s que minimiza el
costo de inventario, sin reconocer el costo por ordenar, se obtiene a partir de:
+ =
+ =
s
L
s
L
d
du u f s u
q
d
p du u f u s h
q
d
s y p s y h s CT
) ( ) ( ) ( ) (
) ( ) ( ) (
0
Minimizando con respecto a s, el mnimo se obtiene cuando la funcin de distribucin
acumulada est dada por:
q
d
p h
q
d
p
du u f s F
s
L L
+
= =
0
) ( ) ( .
Donde
L es el tiempo de entrega, es distinto de cero.
) (u F
L
describe la funcin de distribucin acumulada de la demanda durante el
tiempo L
d la demanda promedio por unidad de tiempo,
h costo por inventario por unidad
p costo por dficit por unidad
q tamao de la orden
2.2.5 MODELO DE VENTAS PENDIENTES O COSTO DE ORDENAR SIGNIFICATIVOS
Si el costo por ordenar K es significativo se usa la poltica ) , ( q s , esto es, se pide una
orden de tamao q, cada vez que el nivel de inventario es s
12
. Cuando la demanda
no se satisface se convierte en ventas pendientes, el nivel de inventario, ) , ( s q y ,
depende de q y s, y se estima a partir del inventario residual ) (s y ms la mitad de la
cantidad promedio aadida al almacn cuando se recibe la orden ) (s y q
d
, esto es
11
Idem
12
Hillier, Frederick, Lieberman, Introduccin a la Investigacin de Operaciones. Mc Graw Hill, Mxico 2002. 7.
Edicin Captulos 15,19
Inventarios Probabilsticos
40
[ ] ) (
2
1
) ( ) , ( s y q s y s q y
d
+ = .
De las expresiones anteriores
) ( ) ( s y L d s s y
d
+ = o L d s s y s y
d
+ = ) ( ) ( .
Luego,
[ ]
( ) [ ]
2 2 2 2
) (
) (
2
1
) (
) (
2
1
) ( ) , (
L d s q s y
L d s s y q s y
s y q s y s q y
d
+ + =
+ + =
+ =
El costo total
2 2
) (
2 2
) (
) ( ) , ( ) , (
2
L d h hs
s y
h q
h
q
L d p d ps s y d p d K
s y
q
d
p s q y h
q
d
K s q CT d
+ + +
+ +
=
+ + =
Despus de optimizar los costos con respecto a q y s se obtiene:
[ ]
h
s y p K d
q
d
) ( 2 +
=
2
2
) (
h
q
d p
h
q
d p
s F
L
+
= .
El uso de este modelo no resulta tan directo como los anteriores que se
recomiendan seguir los siguientes 4 pasos para su solucin
13
.
Paso 1. Suponer 0 ) ( = s y
d
y encontrar el valor de q con,
[ ]
h
s y p K d
q
d
) ( 2 +
= .
Paso 2. Con el valor ms reciente de q encontrar s, empleando la expresin con su
distribucin correspondiente.
Paso 3. Con el ltimo valor de s encontrar ) (s y
d
empleando
=
s
L d
du u f s u s y ) ( ) ( ) (
con su distribucin correspondiente.
13
Idem
Captulo 2
41
Nota
En el caso de la distribucin normal estndar se tienen tablas, llamadas
prdida de la normal unitaria, denotada por ) ( I e igual a
) (
2
exp
2
1
) ( ) (
2
d
y du
u
u I =
)
`
.
En el caso de la distribucin normal no estndar, primeramente se
estandariza
)
`
=
s
d
du
u
s u s y
2
2
2
) (
exp
2
1
) ( ) (
con el cambio
=
u
z , se estandariza, resultando
|
|
\
|
=
)
`
|
|
\
|
=
L
L
L
s
L
L
L
d
s
I du
z s
z s y
L
L
2
exp
2
1
) ( .
Paso 4. Con el ltimo valor de s y ) (s y
d
, regresar al paso 1 y calcular q.
Repetir hasta que dos valores sucesivos de q estn suficientemente
cercanos de modo que una iteracin ms no proporcione una mejora
apreciable.
2.2.6 MODELO CON VENTAS PRDIDAS
En estos modelos el nivel esperado de existencias se estima mediante
14
2
) ( ) , (
q
s y s q y + = .
Por consiguiente, el costo total se calcula con
q
d
s y c r p s q y h
q
d
K s q CT
d
) ( ) ( ) , ( ) , ( + + + = .
Donde el costo por dficit ) ( c r p + incluye la ganancia prdida, r precio de
venta y c su costo. Se va a obtener el lote econmico q y la probabilidad de tener un
nivel de inventario s, de tal forma que optimizando el costo con respecto a q y s,
resultarn los valores ptimos
14
Winston L, Investigacin de Operaciones, Aplicaciones y Algoritmos. Grupo Editorial Iberoamericano, Mxico
1987. 6. Edicin.
Inventarios Probabilsticos
42
[ ]
h
d s y c r p K
q
d
) ( ) ( 2 + +
= ,
h
q
d
c r p
q
d
c r p
s F
L
+ +
+
=
) (
) (
) ( .
Para su aplicacin se sigue la misma mecnica que en el modelo anterior.
2.2.7 MODELO ESTOCSTICO CON DFICIT CONVERTIDO EN COMBINACIN DE VENTAS
PENDIENTES Y PRDIDAS
En la prctica, es frecuente que una fraccin de los clientes que aparecen cuando
se ha agotado la existencia, acepte esperar a que se surta su pedido, y el resto 1
de estos clientes prefieran buscar la satisfaccin de la demanda con otro
proveedor
15
.
El modelo es una combinacin de los dos ltimos modelos, por tales razones se
usa el mismo razonamiento que en ellos, despus de optimizar los costos se obtiene
que los parmetros correspondientes al costo mnimo son:
( ) { }
h
d s y c r p K
q
d
) ( ) )( 1 ( 2 + +
=
,
[ ]
[ ]
2
) )( 1 (
2
) )( 1 (
) (
h
h
q
d
c r p
h
q
d
c r p
s F
L
+ +
+
= .
En donde las variables se explican en los dos modelos anteriores y su solucin
tambin sigue la misma mecnica que ellos
16
.
2.2.8 CANTIDAD ECONMICA DE PEDIDO CON DEMANDA INCIERTA: MTODO DE NIVEL
DE SERVICIO PARA DETERMINAR EL NIVEL DE LA RESERVA DE SEGURIDAD
En la prctica, generalmente resulta difcil determinar con exactitud el costo de
carecer de una unidad (costo de oportunidad). Por tal motivo, los gerentes
frecuentemente deciden controlar la escasez al cumplir con un nivel de servicio
especificado. Por tal razn resulta tener una importancia relativa la medicin del nivel
de servicio especificado, el cual se puede cuantificar por medio de dos medidas.
15
Idem
16
Taha, Hamdy, Investigacin de Operaciones. Prentice Hall, Mxico 2004. 7. Edicin. Captulos 2,5
Captulo 2
43
Medida 1 del nivel de servicio 1 SLM . Fraccin esperada (expresada
generalmente como porcentaje) de toda la demanda que se satisface a
tiempo.
= 1 SLM el porcentaje de demanda que se satisface oportunamente.
Medida 2 del nivel de servicio 2 SLM . Nmero esperado de ciclos por
ao durante el cual hay escasez.
= 2 SLM nmero esperado de ciclos por ao con dficit.
En esta parte se supondr que la escasez se acumula
17
.
1) DETERMINACIN DEL PUNTO DE REORDEN Y DE NIVEL DE RESERVA DE
SEGURIDAD PARA 1 SLM
Dado un valor deseado de 1 SLM , cmo determinar el punto de reorden que d el
nivel de servicio deseado?. Supngase que pedimos la cantidad econmica de
pedido q y y que usamos un punto de reorden r, de
q
y E
SLM
q
y E
SLM
d d
) (
1 1
) (
1 1 = = .
Ahora todo depende de la distribucin de la demanda durante el tiempo de entrega.
Cuando se trata de la distribucin normal ) , (
2
N anual, para el caso de un tiempo
de entrega L sera
|
|
\
|
L L
N
2
,
y se usa
|
|
\
|
=
)
`
|
|
\
|
=
=
L
L
L
r
L
L
L
r
L d
r
I
du
z r
z
du u f r u r y
L L
L
2
exp
2
1
) ( ) ( ) (
En donde el subndice L indica la media y desviacin estndar en el tiempo de
entrega. As, sustituyendo esta expresin de
d d
y y E = ) ( en
q
y E
SLM
d
) (
1 1 = , se
obtiene la frmula para el punto de reorden r.
17
Kaufmann, Arnold, Mtodos y modelos de la Investigacin de Operaciones. CECSA Mxico 1979
Inventarios Probabilsticos
44
L L
L
SLM q r
I
) 1 1 (
=
|
|
\
|
.
Luego de las tablas de la funcin de prdida normal se puede conocer r , con
L
L
L
SLM q
I r
+
(
=
) 1 1 (
1
.
2) DETERMINACIN DEL PUNTO DE REORDEN Y DE NIVEL DE RESERVA DE
SEGURIDAD PARA 2 SLM
Ahora suponga que el gerente desea tener suficiente reserva de seguridad como
para asegurar que
0
s ciclos por ao en promedio se tenga escasez. Sea
L
D la
demanda durante el tiempo de reorden y r un punto de reorden, una fraccin
) ( r D P
L
> de todos los ciclos conducir a escasez. Como se tendr un promedio de
q D E ) ( ciclos por ao (recurdese que se supone acumulacin de pedidos), un
promedio de
0
) ( ) (
s
q
D E r D P
L
>
o bien
) (
) (
0
D E
q s
r D P
L
> .
As, se obtiene el punto de reorden r de 2 SLM , para la demanda durante el tiempo
de entrega
18
. Slo falta determinar la distribucin de la demanda, misma que se
obtiene de las expresiones siguientes, segn sea el caso
Discreta
) (
) (
0
D E
q s
r D P
L
> .
Continua
) (
) (
0
D E
q s
r D P
L
= .
2.2.9 MODELOS MULTIARTCULOS CLASIFICACIN ABC
Muchas empresas deben elaborar polticas de existencias para miles de artculos. En
este caso, una empresa no puede dedicar mucha atencin para determinar una
poltica ptima de inventarios para cada artculo. De tal forma que la clasificacin
ABC, inventada en General Electric durante los aos 50 ayuda a que una empresa
identifique un pequeo porcentaje de sus artculos que alcanzan un alto porcentaje
del valor en dinero de las ventas anuales. A estos artculos se les llaman artculos
tipo A. Como la mayor parte de la inversin de la empresa en inventarios es para
18
Idem
Captulo 2
45
artculos tipo A, la concentracin de esfuerzos en la creacin de polticas efectivas de
control de existencias para esos artculos debe producir ahorros apreciables
19
.
Clasificaciones
Clasificacin A. Se obtiene del 5% al 20% de los artculos que producen del 55% al
65% del ingreso (ventas) y representan la mayor parte de la inversin.
Como la mayor parte de la inversin en inventario est en los artculos tipo A,
altos niveles de servicio para ellos darn como resultado enormes inversiones en
reservas de seguridad. Por lo tanto, Hax y Candea en 1984 recomendaron que la
reserva de seguridad, SLM1 debe estar, slo entre en el 80% y 85% de los artculos
tipo A. Es esencial un control gerencial estrecho de los procedimientos de pedido
para cada artculo tipo A; se deben hacer pronsticos individuales de demanda para
cada artculo tipo A. Se baja el tiempo de entrega L, el tiempo del periodo T y se
estima D con acuciosidad (vehementemente), as como los costos por dficit, la
revisin frecuente de los parmetros tales como estimaciones de la demanda anual
promedio, longitud del tiempo de entrega, desviacin estndar de la demanda anual
y costos de escasez.
Clasificacin B. Se obtiene del 20% al 30% de los artculos que producen del 20%
al 40% del ingreso (ventas). Hax y Candea en 1984 recomendaron que la reserva de
seguridad, SLM1 se establezca en 95%. Se controla por computadora, la revisin de
los parmetros menos frecuente. Los parmetros de los artculos tipo B se deben
revisar con menos frecuencia que los de tipo A.
Clasificacin C. Se obtiene del 50% al 75% de los artculos que producen del 5% al
25% del ingreso (ventas). Para los artculos tipo C, en general es adecuado el
sistema sencillo de dos lugares. La demanda de los artculos tipo C se puede
pronosticar mediante mtodos simples de extrapolacin. Se recomienda un alto valor
de la reserva de seguridad, SLM1, en general debe estar entre el 98% y 99%. Se
requerir de poca inversin adicional en reserva de seguridad para mantener estos
altos niveles de servicio.
Existe una gran gama de modelos de inventarios, en las subsecciones
anteriores se revisaron los ms comunes y representativos de la literatura, que se
pudiesen aplicar al problema del trabajo de investigacin. Se finalizar la seccin con
otro modelo que en apariencia tambin se puede aplicar, pero que en realidad queda
distante de la solucin del problema
20
.
19
Taha, Hamdy, Investigacin de Operaciones. Prentice Hall, Mxico 2004. 7. Edicin. Captulos 2,5
20
Idem, Captulo 5
Inventarios Probabilsticos
46
2.2.10 MODELOS MULTIARTCULOS ORDENACIN COORDINADA
En el caso de varios artculos el costo por ordenar es importante, por consiguiente es
conveniente coordinar la ordenacin para ahorrar.
Ordenacin
individual
i i
n
i i
i
y h
T
k k
+
+
=1
;
i
k costo de lnea del artculo i,
i
h costo de
almacenamiento del artculo i,
i
T periodo de tiempo del artculo i,
k costo de pedido,
i i i
d q y = .
Ordenacin
coordinada
i i
n
i i
i
y h
T
k
T
k
+ +
=1 1
. En donde las componentes de la expresin se
explican arriba.
Pasos a seguir para la obtencin del costo
Paso1. Estimar la duracin de cada ciclo a partir de
j j
j
j
d h
k 2
= . Tau estima el ciclo,
t duracin del ciclo
21
.
Paso2. Determinar
1
j
j
= . Donde,
1
es el ciclo menor de duracin.
Paso 3. Definir
j j
= entero ms prximo a
j
.
Paso 4. Calcular
1
t como la duracin del menor ciclo que minimiza el costo por
controlar el inventario
= =
+ + =
n
j
j j j
n
j j
j
t d h
t
k
t
k
CT
1 1 1
2
1
.
Donde se utiliza DT q = .
=
=
|
|
\
|
+
=
n
j
j j j
n
j j
j
d h
k
k
t
1
1
1
2
y
1
t t
j j
= .
21
Winston L, Investigacin de Operaciones, Aplicaciones y Algoritmos. Grupo Editorial Iberoamericano, Mxico
1987. 6. Edicin. Captulo 15, 16.
Captulo 2
47
2.3 CONCEPTOS ESTADSTICOS BSICOS
Cuando se tiene un conjunto de datos de la demanda en los inventarios, una de las
primeras tareas que se debe llevar a cabo est relacionada con el trazado de la
grfica de los mismos con el objetivo de llevar a cabo un estudio mucho ms rpido y
simple del problema
22
. De tal forma que la tarea de revisar los tipos de grficas ms
comunes se relacionan con la forma de su distribucin.
Sean
n
x x x , , ,
2 1
K , n datos con media x y desviacin estndar muestral
1 n
s ,
entonces se llama coeficiente de sesgo o coeficiente de asimetra a la medida
que representa el grado de asimetra de la grfica y lo denotremos por CA, en la
literatura se usan comnmente dos frmulas para el clculo
3
1 1
1
) 2 )( 1 (
=
|
|
\
|
=
n
i n
i
s
x x
n n
n
CA o
3
1 1
3
1
3
2
1
) (
=
|
|
\
|
= =
n
i n
i
n
s
x x
n s
m
CA .
En donde,
=
=
n
i
i
x x
n
m
1
3
3
) (
1
y
1 n
s es la desviacin estndar correspondiente a
la varianza insesgada. Podemos apreciar que las dos frmulas casi coinciden,
cuando n es grande, y estn relacionadas por
1
2
2
) 2 )( 1 (
CA
n
n n
CA
= .
El coeficiente de asimetra caracteriza el grado de alejamiento de los datos con
respecto a su media y generalmente se encuentra entre 4 y 4. Cuando el
coeficiente de asimetra vale cero, esto indica que su distribucin es simtrica. Por
otro lado, para calcular el coeficiente de asimetra se requieren mnimo de 3 datos.
Fig. 2.4 En (a) se observa una asimetra hacia la derecha, datos sesgados a la derecha,
mientras que en (b) a la izquierda, datos sesgados a la izquierda.
Fuente: Elaboracin propia
22
Gutirrez, Eduardo, Fundamentos de Estadstica descriptiva e inferencial para ingeniera y ciencias. Nauka
educacin. Mxico 2006 1 edicin. Captulo 1.
a b
moda
mediana
media
moda
mediana
media
0
0
3
>
>
CA
m
0
0
3
<
<
CA
m
Inventarios Probabilsticos
48
De la figura anterior, se puede apreciar que en el caso de asimetra positiva (a
la derecha, figura a), la moda es ms pequea que la mediana y sta ms pequea
que la media
23
. De forma contraria, cuando el sesgo es negativo (a la izquierda,
figura b), la media es la ms pequea, le sigue en tamao la mediana y finalmente la
moda es ms grande. En el caso de que la distribucin sea simtrica, coinciden las
tres medidas centrales. Resumiendo tenemos
>
< =
derecha. la a sesgados estn datos los , 0
izquierda. la a sesgados estn datos los , 0
simtrica. es datos los de n distribuci la , 0
CA
Otra caracterstica de la grfica de los datos se refiere a la elevacin o el
achatamiento relativo de la distribucin de los datos comparada con la distribucin
normal. De forma similar al coeficiente de asimetra, la curtosis tambin se puede
calcular analticamente.
Sean
n
x x x , , ,
2 1
K , n datos con media x y desviacin estndar muestral
1 n
s ,
entonces se llama curtosis
24
a la medida que representa el achatamiento relativo de
la distribucin de los datos al compararse con la distribucin normal, en la literatura
encontramos diferentes frmulas para su clculo, las cuales coinciden cuando n es
grande
3
1
3
) (
) 3 )( 2 (
) 1 ( 3
) 3 )( 2 )( 1 (
) 1 (
4
1 1
4
1
4
3
2
4
1 1
1
|
|
\
|
= =
|
|
\
|
+
=
=
=
n
i n
i
n
n
i n
i
s
x x
n s
m
CU
n n
n
s
x x
n n n
n n
CU
El desplazamiento de la funcin en 3 unidades influye en la comparacin para
determinar el tipo de curtosis
<
> =
ca leptocrti
ca platicrti
a mesocrtic
llama se y normal, la que pesadas menos colas con y aguda ms , 0
llama se y normal, la que pesadas ms colas con y chata ms , 0
llama se y normal una para , 0
0
3 1
CU CU
En el caso de las frmulas
3 1
0 CU CU para la curtosis de la distribucin normal
vale 0.
23
Idem
24
Gutirrez, Eduardo, Fundamentos de Estadstica descriptiva e inferencial para ingeniera y ciencias. Nauka
educacin. Mxico 2006 1 edicin. Pgina 79
Captulo 2
49
Una curtosis negativa indica una distribucin relativamente elevada, mientras
que una curtosis positiva indica una distribucin relativamente plana.
Finalmente, para calcular la curtosis se requiere mnimo de 4 datos y
tericamente la curtosis se calcula para distribuciones con 0 CA (simtricas), pero
tambin se puede utilizar en el caso de que la distribucin de los datos sea
asimtrica.
2.3.1 TCNICAS PARA UNA PRUEBA DE AJUSTE DE DISTRIBUCIONES
El problema general para la determinacin de la distribucin de procedencia de los
datos es tan antiguo como complejo, y en la Estadstica se le suele llamar: Prueba
de bondad de ajuste o Ajuste de curvas
25
. Su planteamiento general est
relacionado con las llamadas pruebas de hiptesis.
Para la solucin del problema existen ms de 60 pruebas diferentes para la
normalidad, y tal vez la ms socorrida es la prueba de Shapiro Wilk, ya que sta
parte de una muestra aleatoria donde se desea saber si procede de una poblacin
con distribucin normal, contrastando el ajuste de la muestra a una recta con
distribucin normal que mide su ajuste.
1) Prueba ji-cuadrada de bondad de ajuste
26
(prueba paramtrica)
:
0
H la distribucin es ) (x f
:
1
H la distribucin no es ) (x f
La prueba se basa en la comparacin de las frecuencias observadas por clase,
contra las frecuencias esperadas, suponiendo que
0
H es cierta, es decir, que la
distribucin poblacional es ) (x f . El estadstico de prueba que se utiliza es:
) 2 ( ~
) (
2
1
2
2
=
k
np
np n
k
i i
i i
c
.
En general, con m parmetros a estimar se tiene que la distribucin es
) 1 (
2
m k , donde k-nmero de clases en la tabla de distribucin de frecuencias;
i
n
el nmero de datos en la clase i; n tamao de la muestra y
i
p es la probabilidad de
que la variable aleatoria X (poblacional) tome valores en el intervalo i.
En ocasiones se simboliza
25
Idem. Pgina 81, Ejemplo en Anexo pg 110
26
Idem. Pgina 122, Ejemplo en Anexo pg 110
Inventarios Probabilsticos
50
esperada frecuencia
observada frecuencia
i i
i i
Fe np
Fo n
=
=
Regla de decisin:
Rechazar :
0
H la distribucin es ) (x f , al nivel de significancia ,
si: ) , 1 (
2 2
> m k
t c
.
Nota
Se debe cuidar que la frecuencia en cada una de las clases construidas en
la tabla de frecuencias sea mayor o igual a 5, en caso contrario se agrupan
las clases contiguas, para que su frecuencia sea mayor o igual a 5.
2) Prueba de Kolmogorov-Smirnov de bondad de ajuste (no paramtrica)
Otra prueba de bondad de ajuste, pero que no es de tipo paramtrico se refiere a la
prueba de Kolmogorov-Smirnov, la cual consta de los siguientes pasos:
Paso 1. Ordenar los datos en forma creciente y obtener sus frecuencias
observadas (en caso de repetirse un dato se pone en esta frecuencia).
Paso 2. Calcular las frecuencias acumuladas relativas para cada dato
observado,
i
FRO .
Paso 3. Calcular las frecuencias acumuladas relativas esperadas para cada
dato, segn sea la distribucin propuesta en la hiptesis nula, los
parmetros de la distribucin se calculan de la muestra,
i
FRE .
Paso 4. Se calculan los valores absolutos de la diferencia entre las frecuencias
acumuladas observada y terica, | |
i i
FRE FRO .
Paso 5. Evaluar el estadstico de prueba | | max
i i
i
cal
FRE FRO D = .
Esta prueba es de una cola, porque lo que se est calculando son las
diferencias y como es una prueba no paramtrica (no tiene distribucin).
Utilizando una tabla de Kolmogorov-Smirnov, se busca el valor equivalente en
tablas y se hace la comparacin.
51
Captulo 3
METODOLOGA PARA MODELAR EL INVENTARIO
INTRODUCCIN
La civilizacin humana es impensable sin la generacin y uso de productos que por
su uso consideramos indispensables. Es por ello que, como consecuencia de la
urgente necesidad de adquirirlos en todo momento se han ideado las tiendas de
conveniencia, las cuales hoy en da representan una opcin real para todo
comprador, por su ubicacin estratgica y sobre todo por la gran variedad de
productos que pueden ofrecer desde un desodorante hasta una cebolla, incluyendo
algunos antigripales y bebidas alcohlicas.
Su horario 7x24 brinda la seguridad de tener siempre lo indispensable en
cualquier momento, aunque a veces se deba sacrificar el precio del mismo. Por ello,
este tipo de negocio ha florecido colocndose como una de las primeras opciones
para los compradores representando el 40% de la venta total del ao.
Uno de sus objetivos primordiales que han llevado este concepto al xito, es
tener siempre el producto solicitado. Sin embargo, una de sus principales
preocupaciones es contar con el producto en cantidad exacta sin sobre inventariarse,
ya que esto provocara saturar los almacenes de productos, incluso con poco lugar
de desplazamiento, alargar el tiempo de vida dentro de la tienda genera el riesgo de
manejar productos caducos, generar problemas por falta de espacio en el momento
de almacenarlos e incluso, aumentar notoriamente su costo de mantener.
Por todo lo antes mencionado y su creciente importancia en el mercado, en este
captulo se desarrollarn la metodologa que conduzca a una mejor planeacin del
inventario en el sector de las tiendas de conveniencia.
La metodologa propuesta ser utilizada en el Captulo 4 para implementar un
modelo de inventario en una tienda de conveniencia, que ser utilizada como caso
Metodologa para planear el inventario
52
de estudio. A continuacin se presenta el diagrama de flujo de la metodologa
propuesta. Ver Fig. 3.1
. 1.1
Fig. 3.1 Diagrama de flujo de la metodologa propuesta
Fuente: Elaboracin propia
3.1 ORDENAR LA INFORMACIN
Para iniciar la planeacin de un inventario en las tiendas de conveniencia, por su
gran variedad de productos y el poco espacio que tienen, es indispensable que
primeramente se identifiquen los diferentes artculos con los que cuentan para el
trabajo, puesto que de ellos se obtendrn los datos con los que se obtendr y
verificarn los modelos. Para ello se requiere solicitar al departamento
correspondiente la informacin y verificar que sta sea confiable en todo momento.
Definir la estructura de los datos es el siguiente paso, lo cual se logra
generando una relacin de stos a fin de identificar si la informacin obtenida es
suficiente para resolver las necesidades, en caso de no ser as, pedir ms
informacin al rea involucrada en conjunto con el departamento de sistemas, e
incluso idear algn sistema de control que permita obtenerla de forma rpida y veraz.
Es importante mencionar que cada artculo deber ser identificable por su
nmero de artculo y deber estar Inter-relacionado con el cdigo de proveedor.
Los campos ms indispensables que se pueden considerar en el manejo de la
informacin para su control y diseos de los modelos son los siguientes:
1. Nombre del artculo
Nombre de cada producto que maneja la tienda sin importar su rotacin.
2. Descripcin del artculo
Ordenar la
informacin
Seleccin de la
informacin
Determinacin
de la demanda
Eleccin del
Modelo de
inventario
Determinacin
del tamao de q
Comprobacin del
Modelo utilizado
FIN
INICIO
Captulo 3
53
Breve representacin de las caractersticas especficas del producto, gramaje,
tipo de presentacin, etc.
3. Nmero de artculo
Es un cdigo que identifica a cada producto independientemente de su
presentacin o gramaje. Puede ser numrico o alfanumrico.
4. Cdigo de proveedor
Es el cdigo que identifica a cada proveedor, puede ser numrico o
alfanumrico.
5. Nombre del proveedor
Nombre o razn social del proveedor.
6. Costo del artculo
Es el costo de cada producto especificado en pesos y centavos mexicanos.
7. Precio del artculo
Es el costo al que se pone el artculo en venta en la tienda.
8. Nmero de movimiento en inventario
Es el nmero asignado a cada movimiento que se registra en tienda.
9. Tipo de movimiento en inventario
Con el fin de identificar correctamente los movimientos en una tienda y con
fines especficos de inventarios, generalmente se dividen en tres:
I. Entradas.
II. Salidas.
III. Otros movimientos.
10. Descripcin de movimiento
Breve representacin de cada movimiento de productos en inventario.
11. Nmero de unidades en existencia
Referente a la cantidad de artculos existentes en tienda, ya sea dentro de
almacn o en exhibicin.
Metodologa para planear el inventario
54
Posteriormente, visualizar la posibilidad del manejo eficiente de la informacin
a fin de obtener reportes como:
a) Lista de artculos: por precio o por demanda
En este reporte, se debern listar todos los artculos ordenados por cdigo,
incluyendo nombre del artculo, costo y precio. Otro reporte sobre artculos
puede basarse en la demanda / periodo por producto.
b) Lista de proveedores por cdigo e importancia
En este reporte, se debern listar los proveedores por cdigo, nombre o razn
social, ordenados por importancia, es decir por nmero de artculos
entregados/ periodo.
c) Relacin proveedor- artculos das de entrega
Se debern relacionar todos los artculos con su proveedor, ordenados por
nombre de proveedor donde se indiquen los das de entrega de artculos en
tienda.
d) Lista de movimientos diarios
Se deber obtener una relacin de todos los movimientos que se manejan en
el sistema de la tienda, incluyendo la descripcin de cada uno de ellos, a fin de
identificarlos descartndolos o incluyndolos en el estudio segn sea el caso.
3.2 CRITERIOS PARA SELECCIONAR LA INFORMACIN
Las tiendas de conveniencia cuentan en su inventario general con un promedio de
tres mil artculos, de los cuales aquellos que tienen gran desplazamiento son slo
una tercera parte, sin embargo, los restantes representan un posicionamiento clave
para este tipo de comercio, ya que procuran ofrecer al cliente productos de primera
necesidad en conjunto con productos de ocasin como: revistas, bronceadores,
comida para mascotas, tarjetas telefnicas, etc. Intentando satisfacer cualquier
necesidad del cliente en tiempo y oportunidad.
Dada la naturaleza de la tienda, la demanda de los artculos suele ser
probabilstica, aunque, para este tipo de comercio se han definido cuatro grandes
grupos:
El primero, se desarrolla en lugares con oficinas y su demanda principal tiene
ocurrencia de lunes a viernes.
Captulo 3
55
El segundo, se desarrolla cerca de casas habitacin, fraccionamientos, donde
su demanda principal es en fines de semana cuando los trabajadores regresan
y no siempre desean recorren grandes distancias para adquirir algn artculo a
pesar del incremento en el precio del producto.
El tercero, las tiendas situadas en lugares de oficina y casas habitacin, que
tienen una demanda mixta.
El cuarto, las tiendas situadas en lugares de servicio, como gasolinerias.
A pesar de la variabilidad de los requerimientos de los productos, tambin es
indispensable tomar en cuenta el tiempo de entrega del proveedor desde que la
mercanca es solicitada, hasta su entrega en tienda, as como los posibles periodos
de entrega pre-definidos por proveedor. De esta forma, encontramos proveedores
que su entrega es semanal, o dos veces por semana, inclusive diario, etc.
Por las razones anteriores, se requiere establecer criterios que permitan planear
adecuadamente un sistema de inventarios en las tiendas de conveniencia. Es decir,
determinar criterios para establecer debidamente un nivel de inventario, tamao del
lote econmico y frecuencia de pedido.
Al contemplar las necesidades de un buen sistema de inventario, el
administrador de las tiendas de conveniencia debe establecer criterios con los que se
puedan alcanzar dichos objetivos. Para la investigacin sobre las tiendas de
conveniencia se establecieron los siguientes.
1. Determinar un tiempo adecuado de anlisis y un periodo conveniente de
estudio.
2. Analizar la cantidad de proveedores que tiene la tienda.
3. Identificar qu productos tiene cada proveedor.
4. En caso de que un proveedor tenga una gran cantidad de productos,
identificar los productos representativos para cada uno de ellos. En este caso
el criterio a utilizar puede ser:
El costo ms alto por artculo.
El mayor desplazamiento durante el periodo controlado.
La mayor demanda.
Metodologa para planear el inventario
56
Con los criterios es indispensable reconocer cul artculo puede ser
considerado como lder de entrega para cada proveedor, pues ste guiar la
regularidad de las visitas en la tienda.
5. Es indispensable realizar un estudio de pareto sobre el 80-20 o de un criterio
similar, para amortiguar el trabajo de pedir por cada artculo, y de esta forma
estudiar para el modelo de inventario slo aquellos productos que sean los
ms significativos por cada proveedor.
Una vez identificados los artculos lderes para la planeacin de la entrega de
artculos en tienda, es importante reunir todos los datos relacionados de dichos
artculos, a fin de facilitar la metodologa y eliminar tiempos posteriores de bsqueda
de informacin.
3.3 USO DE HERRAMIENTAS ESTADSTICAS PARA DETERMINAR LA DEMANDA
Despus de haber seleccionado la informacin llega el momento de su anlisis para
establecer un modelo de inventario adecuado. De los sistemas de inventarios se
sabe que los modelos estn basados en el tipo de demanda de los artculos. Por
tales razones, es indispensable que a partir de la informacin obtenida se haga
primeramente un anlisis del tipo de demanda.
Por la misma naturaleza de las tiendas de conveniencia, sus tipos de demanda
de los productos son siempre probabilsticas. Luego, existe la necesidad de estudiar
herramientas estadsticas que ayuden a determinar la demanda.
Existen varias herramientas estadsticas que permiten a los administradores
adentrarse en el anlisis de la informacin a fin de comprender mejor el
comportamiento de la demanda durante un periodo pre-establecido.
Cuando se tiene un proceso aleatorio en estudio, siempre se parte del
conocimiento de su distribucin. As, al tener demandas aleatorias, se debe realizar
un estudio de su comportamiento, el mismo que puede llevarse a cabo de la
siguiente manera:
a) Calcular su coeficiente de asimetra. Se utiliza para determinar si los datos
estn sesgados o tienen un comportamiento simtrico.
b) En caso de mostrar indicios de simetra, calcular la curtosis, para hacer un
comparativo con la distribucin normal.
c) Agrupar los datos en clases de frecuencia.
Captulo 3
57
d) Con las clases construir un histograma y formular una hiptesis sobre el
comportamiento de la demanda.
e) En caso de ser necesario conocer la distribucin de la demanda, para utilizar
los modelos clsicos de inventario, se debe llevar a cabo una prueba de
bondad de ajuste.
En este caso se puede considerar una prueba no paramtrica que mida la
discrepancia que existe entre una distribucin observada y otra terica, indicando
en qu medida las diferencias encontradas entre ambas se deben al azar. Es decir,
las pruebas tienen por objeto determinar si los datos se ajustan a cierta distribucin,
la cual puede ser una hiptesis simple, es decir que est totalmente especificada o
una hiptesis compuesta, que es aquella que pertenece a una clase paramtrica.
En los modelos de inventarios probabilsticos frecuentemente ocurre que la
demanda no tiene un comportamiento conocido, es decir, la distribucin de la
demanda no es de las ms usuales, como son la distribucin normal, tipo gamma,
poisson, etc. Lo que origina un problema al querer determinar un modelo de
inventario ms conveniente, lo cual hace que la bsqueda de dicho modelo se vuelva
un arte.
Por la naturaleza de las tiendas de conveniencia, se puede notar que sus
demandas pueden ser de alguno de los tipos:
a) Simtrica. Este ocurre cuando el coeficiente de asimetra es casi cero y al
utilizar los modelos probabilsticos, vistos en el Captulo 2, con demanda
normal su ajuste es peor que el realizado con un modelo seleccionado del
conjunto de modelos clsicos o del modelo que se propondr en la
siguiente seccin para el caso de demandas simtricas.
b) Sesgada. Cuando la demanda tiene un sesgo, derecho o izquierdo, se dice
que la demanda tiene una distribucin tipo gamma o beta no normalizado.
En estos casos tambin se desarrolla y propone en la siguiente seccin un
modelo ms sencillo que el utilizado en la teora clsica.
c) Tipo espordico. Finalmente el otro tipo de demanda que ocurre con
frecuencia en las tiendas de conveniencia se tiene cuando los productos se
piden espordicamente, de tal forma que la demanda es de tipo poisson,
Metodologa para planear el inventario
58
pero tambin se puede proponer un modelo ms simple que los modelos de
la teora clsica.
Para efectuar las operaciones correspondientes, actualmente existe una gran
cantidad de paquetes computacionales que facilitan la tarea. Al tener toda la
informacin en Microsoft-Excel, se tiene que las exploraciones y tratamientos que se
deben efectuar a los datos obtenidos se simplifican en las correspondientes hojas de
clculo.
Los resultados estadsticos por otro lado, son altamente efectivos para observar
el comportamiento y las diversas asociaciones, permitiendo sacar conclusiones y
realizar predicciones. Adems, revelan patrones ocultos cuando los datos son
agrupados y comparados, ms aun permiten la realizacin de informes y grficos
diversos.
3.4 ELECCIN DEL MODELO DE INVENTARIO
En un sistema de inventario el administrador de una empresa se enfrenta al clculo
de q que representa la cantidad solicitada a un proveedor de un artculo, sin
embargo, el reto consiste en minimizar su costo, para ello, se tienen en la literatura
diversos modelos de inventarios probabilsticos, mismos que se revisaron en el
Captulo 2 y a continuacin son resumidos.
3.4.1 El anlisis marginal
Cuando es de inters el incremento de las utilidades totales de la empresa al vender
una unidad adicional de producto, se dice que se trata de un anlisis marginal. Es
decir, el anlisis marginal se presenta cuando se estudia el incremento en la utilidad
de la empresa por cada $1 adicional.
El anlisis marginal estudia el aporte de cada producto o servicio brindado por
la tienda a las utilidades de la empresa. Permite, por ejemplo, contestar las
siguientes preguntas:
A partir de qu volumen mnimo de ventas conviene introducir un nuevo
producto?
Conviene dejar de vender un determinado producto existente?
Convendra cerrar una sucursal?
Cunto tengo que vender para que convenga continuar manteniendo la
tienda?
Captulo 3
59
En estos modelos es importante diferenciar las variables de precio, volumen y
costos por producto. Esto es, si consideramos que los productos son independientes
entre s, significa que ante el aumento, disminucin o incluso la eliminacin de alguno
de los productos, las variables de los dems no se vern afectadas.
El anlisis marginal se centra en la variacin de las utilidades por incrementos
o disminuciones de los volmenes de cada producto. Sin embargo, tambin se
podra analizar la sensibilidad de la utilidad a las variaciones de precios, costos
variables o costos fijos.
Para implementar estos modelos se deben calcular los costos esperados,
cuando q se aumenta, a partir de cero, en una unidad y se observa el signo de la
diferencia de los costos esperados con q y q+1, hasta que exista cambio de signo.
3.4.2 Inventario de artculos perecederos con demanda discreta
Este tipo de inventario se usa en caso de alimentos sin enlatar que se pueden echar
a perder, en la venta de peridicos, etc., en fin de productos que despus de un
determinado tiempo de no venderse pueden ocasionar prdidas a la tienda. Para
este modelo se maneja el costo de sobre abastecimiento
0
c y
u
c el costo unitario de
tener faltantes y se le llama costo de sub- abastecimiento.
3.4.3 Inventarios de artculos perecederos con demanda contina
Estos modelos de inventarios se utilizan en la misma situacin que la anterior, slo
se diferencian en el tipo de distribucin de la demanda. Aqu, se considera que la
venta a los clientes se repetir de forma sistemtica a lo largo del tiempo, por lo
tanto, este modelo considera que lo ptimo es pedir unidades hasta el punto en el
que inclusive el ltimo producto que se pida, tenga probabilidades de venta.
3.4.4 Modelo estocstico de revisin continua
Se basa en el hecho de que la demanda es constante con el tiempo, con
reabastecimiento instantneo y sin escasez. El nivel ms alto del inventario ocurre
cuando se entrega la cantidad ordenada, la demora en la entrega se supone una
constante conocida.
Mientras ms pequea es la cantidad ordenada, ms frecuente ser la
colocacin de nuevos pedidos, sin embargo se reducir el nivel del inventario
promedio mantenido en la bodega. En general, este modelo se puede traducir
convenientemente para su implantacin prctica especificando slo el nivel de
inventario en que se debe volver a pedir. Esto es equivalente a observar
Metodologa para planear el inventario
60
continuamente el nivel del inventario hasta que se alcance el punto de reorden, por
ello se denomina modelo de revisin contina.
Problemas en la aplicacin de este modelo consisten en la determinacin de la
distribucin de la demanda, para esto se recomiendan las pruebas de bondad de
ajuste.
3.4.5 Modelo de ventas pendientes o costos de ordenar significativos
Estos modelos se utilizan cuando el costo por ordenar K es significativo y se basan
en la poltica ) , ( q s , esto es, se pide una orden de tamao q, cada vez que el nivel de
inventario es s. Si la demanda no se satisface, entonces se convierte en ventas
pendientes y el inventario se estima a partir del inventario residual ms la mitad de la
cantidad promedio aadida al almacn cuando se recibe la orden. Por lo tanto, si el
cliente no ha encontrado el producto que desea, volver por l en otra ocasin; este
tipo de modelos se aplican a empresas monopolizadoras.
3.4.6 Modelo con ventas perdidas
Estos modelos se utilizan cuando la demanda no se satisface y el cliente podr
encontrar un artculo igual o similar en otro establecimiento con lo que satisface su
necesidad. El establecimiento habr perdido una venta.
3.4.7 Modelo estocstico con dficit convertido en combinacin de ventas
pendientes y perdidas
Estos modelos se utilizan cuando en una fraccin, , de las demandas los clientes
regresan y en el complemento se convierten en ventas prdidas.
3.4.8 Cantidad econmica de pedido con demanda incierta: Mtodo de nivel de
servicio para determinar el nivel de la reserva de seguridad
Estos modelos se emplean cuando un artculo no tiene una demanda definida y tiene
periodos constantes de desabasto. De tal forma los modelos se basan en determinar
niveles de seguridad para sus reservas sobre los porcentajes de servicios
satisfechos en un periodo y los porcentajes de periodos con servicios deficientes.
Para esto deber asegurarse un nivel de reserva de seguridad que prevenga las
ventas extras eliminado al mximo el costo por escasez.
3.4.9 Modelos multiartculos con clasificacin ABC
Estos modelos se utilizan cuando se requiere una clasificacin ABC que es la que
ayuda a identificar los artculos que representan un alto porcentaje del valor de las
ventas anuales; a estos artculos se les llamar A, por lo tanto deber contener la
Captulo 3
61
mayor concentracin de esfuerzos. Los artculos B representarn del 20 al 40% de
los esfuerzos y los artculos C producen del 5 al 25 % del ingreso de las ventas.
Estos modelos siempre se utilizan en combinacin con alguno o algunos
modelos, como los que se han analizado, para determinar la cantidad a pedir.
Tambin se utilizan cuando una empresa no puede dedicar mucha atencin para
determinar una poltica ptima de inventarios para cada artculo.
En ocasiones se suelen utilizar algunas clasificaciones similares a la ABC, pero
bajo contextos y necesidades diferentes a las ventas.
3.4.10 Modelos propuestos
En los modelos clsicos slo se contemplan las demandas, pero en los inventarios
de las tiendas de conveniencia a parte de la demanda se tiene que tomar en
consideracin que el reabastecimiento de productos en muchas ocasiones ocurre por
devoluciones por parte del centro de abastecimiento a las tiendas. Dichas
devoluciones tambin son aleatorias y esto dificulta el problema del inventario,
porque se debe tener una demanda real que sera
>
=
devolucin clientes demanda si; 0,
devolucin clientes demanda si; , devolucin clientes demanda
real Demanda
Es decir, para conocer la distribucin de la demanda real se requiere conocer la
distribucin de la demanda de los clientes y la distribucin de las devoluciones.
Posteriormente, por medio de alguna tcnica de transformacin de distribuciones
1
encontrar la distribucin deseada. Por tales razones este problema en general resulta
demasiado complejo, los nicos casos que se simplifican es cuando ambas
distribuciones (demanda y devoluciones) son normales, pero esto no ocurre.
En la seccin 3.3 se concluy que los tipos de demandas en las tiendas de
conveniencia podran ser de tres tipos: Simtrica, sesgada y espordica. Mientras
que la distribucin de las devoluciones generalmente son espordicas, dificultando la
bsqueda de la distribucin de la demanda real. Por tales razones, partiendo de
ideas mucho ms simples de la estadstica, se propone utilizar los modelos
siguientes para cada caso.
1
Las tcnicas estadsticas ms conocidas para determinar la distribucin de una suma o resta de
variables son: Jacobianos, distribucin acumulada, convolucin y funcin generatriz de momentos.
Metodologa para planear el inventario
62
a) Demandas simtricas
Las distribuciones simtricas, tienen la particularidad de que sus tres medidas
centrales ms comunes, media, mediana y moda coinciden. Luego, se requiere de un
tiempo de analices de la informacin mayor al periodo establecido para los
inventarios, sean estos T y t, respectivamente. Por otro lado, sea k la cantidad de
das entre pedidos dentro del tiempo de periodo t, el tiempo de estudio y
a
I el nivel
de inventario anterior al tiempo de pedido. Luego, la cantidad a pedir en un periodo k
dentro del tiempo t, estar dada por:
a n T
I
t
k
S k X Q |
\
|
+ = 2 .
En donde,
T
X promedio de la demanda efectiva diaria en un tiempo de estudio
T,
n
S desviacin estndar diario en un tiempo de estudio T, k la cantidad de das
entre pedidos dentro de un tiempo de periodo t e
a
I inventario restante del pedido
anterior.
En el caso de pedir una sola vez en el tiempo t
a n T
I S X t Q + = 2 .
En el caso de pedir a los 3 das
a
n
T
I
t
S
X Q + =
6
3 .
En el caso de pedir a los 4 das
a
n
T
I
t
S
X Q + =
8
4 .
b) Demandas sesgadas
En el caso de demandas sesgadas no es de importancia el sesgo, puesto que lo
nico que vara sera el da de pedido en el periodo de tiempo t. Luego, la cantidad a
pedir en un periodo k dentro del tiempo t, estar dada por:
a
n m t
I
t
S X k
Q
+
=
) 2 (
) (
.
En donde,
) (m t
X y
n
S son el promedio y la desviacin estndar de la demanda
efectiva en m periodos de estudio con duracin en t das, k la cantidad de das entre
pedidos dentro de un periodo t e
a
I inventario restante del pedido anterior.
En el caso de pedir una sola vez en el periodo t,
a n m t
I S X Q + = 2
) (
.
Captulo 3
63
En el caso de pedir a los 3 das
a
n m t
I
t
S X
Q
+
=
6 3
) (
.
En el caso de pedir a los 4 das
a
n m t
I
t
S X
Q
+
=
8 4
) (
.
c) Demandas espordicas
En el caso de demandas espordicas el comportamiento es muy similar, puesto que
las demandas que ocurren repentinamente tienen forma de un pico y posteriormente
nada, algo similar a las distribuciones sesgadas. Por lo tanto, se emplean las mismas
frmulas que en el inciso anterior.
3.5 DETERMINACIN DEL TAMAO DE Q
Una de las funciones primordiales de los almacenes en tiendas de conveniencia es
acumular materiales para poder realizar las ventas a los clientes en el momento en
que los necesiten. Con este fin, las empresas han optado por elevar el nivel de stock
de seguridad, puesto que no siempre puede excluirse el error de pronstico, sin
embargo, esto implica tener costos muy elevados de almacenaje.
El nivel del stock de seguridad para cada artculo en concreto depende de los
siguientes factores:
Nivel de servicio seleccionado
Es la disposicin de productos en el momento en el que el cliente lo
requiera, segn una oferta de servicio previamente definida.
La oferta de servicio se basa en que la demanda es irregular, por lo tanto a
un nivel estadstico tiene un promedio y una desviacin estndar. Si nuestra
oferta de servicio es solamente el promedio, dejaremos desabastecido el
mercado toda vez que los clientes en total compren ms del promedio, por
ello es necesario establecer la oferta de servicio adecuada para la zona en
que se encuentre la tienda de conveniencia en estudio
Tiempo de reaprovisionamiento
En este tipo de problemas el tiempo de reaprovisionamiento representa el
tiempo entre el inicio de un procedimiento de aprovisionamiento y el traslado
del material al almacn. Dado que la probabilidad de que falte material es
mayor en un perodo ms largo, el nivel de stock de seguridad tambin debe
ser mayor durante los tiempos de reaprovisionamiento largos.
Metodologa para planear el inventario
64
Precisin del pronstico
En la administracin de la produccin y de las operaciones comerciales, los
pronsticos son parte integral de la planeacin de un negocio. De su
precisin dependen la supervivencia, el crecimiento y la rentabilidad a largo
plazo, as como la eficiencia y efectividad a corto plazo.
Es importante que las empresas tengan pronsticos eficaces y que el
pronstico integre la planeacin empresarial, por lo tanto: planear significa
determinar los cursos de accin que se tomarn a futuro. El primer paso en
la planeacin es el pronstico, es decir estimar la demanda futura de
productos, servicios y los recursos necesarios para producirlos. Las
estimaciones de la demanda para productos y servicios por lo general se
conocen como pronsticos de venta, que en la administracin de la
produccin y de las operaciones, constituye el punto de partida de todos los
dems pronsticos.
Stock
Dado que un almacn que acumula materiales debe estar preparado para
realizar entregas en cualquier momento, es necesario que se mantenga un
nivel suficiente de stock de seguridad en dicho almacn, puesto que no
siempre puede excluirse el error de pronstico. Adems, esto implicara un
nivel elevado de costos de almacenaje. El nivel del stock de seguridad
depende del nivel de servicio que se seleccione, del tiempo de
reaprovisionamiento y de la precisin del pronstico.
Para mantener un stock de seguridad, y por lo tanto costos de almacenaje
mnimos, el planificador de necesidades suele especificar un nivel de
servicio para cada material. Desde un punto de vista matemtico, el nivel de
servicio representa la capacidad de una organizacin para evitar que falte
material durante el tiempo de reaprovisionamiento.
Uno de los retos diarios ms importantes es conciliar un stock de seguridad
adecuado que garantice un alto nivel de servicio al cliente con costos mnimos de
almacenaje. Para ello, habr que definir el nivel de servicio para cada producto, es
decir, la capacidad de una tienda de conveniencia para evitar que falte un artculo
durante el tiempo que dura el reabasto de artculos por proveedor.
Si se opta por un nivel de servicio relativamente alto, el nivel de stock de
seguridad calculado por el sistema tambin ser alto. Si se opta por un nivel de
Captulo 3
65
servicio bajo, el stock de seguridad tambin ser bajo. La probabilidad de que falte
material es mayor en un perodo ms largo, el nivel de stock de seguridad tambin
deber ser mayor durante los tiempos de surtimiento largos.
Finalmente, el nivel del stock de seguridad tambin depende de la precisin del
pronstico. Si un pronstico se desva mucho de los valores de consumo reales, el
nivel del stock de seguridad tambin ser excepcionalmente elevado. Adems del
nivel del stock de seguridad, el sistema deber recalcular el punto de pedido o
reorden para aquellos materiales sujetos a un ajuste automtico del punto de pedido.
Luego, para el clculo del lote econmico, hay que tomar en cuenta una gran
cantidad de suposiciones, las ms importantes que se pueden hacer para una tienda
de conveniencia son:
1. La demanda es conocida y constante.
2. El tiempo de entrega, esto es, el tiempo entre la colocacin de la orden y la
recepcin del pedido, se conoce y es constante.
3. La recepcin del inventario es instantnea. En otras palabras, el inventario de
una orden llega en un lote el mismo momento.
4. Los descuentos por cantidad en estos casos no son posibles.
5. Los nicos costos variables son el costo de preparacin o de colocacin de
una orden (costos de preparacin) y el costo del manejo o almacenamiento
del inventario a travs del tiempo (costo de manejo).
6. Las faltas de inventario (faltantes) se pueden evitar en forma completa, si las
rdenes se colocan en el momento adecuado.
A continuacin se definir el clculo de q para cada modelo uno de los modelos
revisados en la seccin anterior.
3.5.1 El anlisis marginal
Para determinar el valor de q que minimice los costos esperados. Es decir, el valor
*
q , tal que
0 ) ( ) 1 (
* *
+ q E q E
Esta ecuacin representa el cambio de costo esperado cuando se aumenta en
una unidad el lote q, la bsqueda es simple pero siempre muy tediosa.
Metodologa para planear el inventario
66
3.5.2 Inventario de artculos perecederos demanda discreta
Para encontrar
*
q que minimiza el costo esperado, esto es, el valor mnimo de q
para el que 0 ) ( ) 1 ( + q E q E , de esta forma se busca
*
q por medio de la
distribucin acumulada de la demanda
u
u
c c
c
q D P
+
0
*
) ( .
Despejando
*
q
|
|
\
|
+
u
u
D
c c
c
F q
0
1 *
.
Donde:
*
q son las unidades a pedir.
0
c en el caso mencionado, esto puede escribirse en funcin de sobre-abastecimiento
u
c en este caso, es el costo unitario de tener faltantes, se escribe en funcin de sub-
abastecimiento.
1
D
F la funcin inversa de la distribucin acumulada.
3.5.3 Inventarios de artculos perecederos con demanda contina
El valor de
*
q est dado de forma similar que en el caso anterior. Es decir, se obtiene
de
u
c c
c
q D P
+
=
0
0 *
) ( o
|
|
\
|
+
u
u
D
c c
c
F q
0
1 *
.
Donde,
0
c y
u
c son las mismas que en la demanda discreta
3.5.4 Modelo estocstico de revisin continua
En este modelo se busca el punto de reorden, valor de s que minimiza el costo de
inventario, sin reconocer el costo por ordenar, se obtiene a partir de
q
d
p h
q
d
p
s F
L
+
= ) ( .
Conociendo la distribucin de la demanda durante el tiempo de entrega resulta
Captulo 3
67
|
|
\
|
+
=
q d p h
q d p
F s
L
1
.
Donde:
L es el tiempo de entrega, es distinto de cero,
) (u F
L
describe la funcin de distribucin acumulada demanda durante el tiempo L,
d la demanda promedio por unidad de tiempo,
h costo por inventario por unidad,
p costo por dficit por unidad,
q tamao de la orden.
3.5.5 Modelo de ventas pendientes o costos de ordenar significativos
En este modelo se obtiene el valor de q y s por medio de las frmulas
[ ]
h
s y p K d
q
d
) ( 2 +
= ,
2
2
) (
h
q
d p
h
q
d p
s F
L
+
= .
Donde:
K es el costo por ordenar,
q tamao de la orden,
s es el nivel de inventario,
) (s y
d
es el inventario residual,
L es el tiempo de entrega,
) (u F
L
describe la funcin de distribucin acumulada demanda durante el tiempo L,
d la demanda promedio por unidad de tiempo,
h costo por inventario por unidad,
p costo por dficit por unidad.
3.5.6 Modelo con ventas prdidas
En este modelo se obtiene el valor de q y s por medio de las frmulas
Metodologa para planear el inventario
68
[ ]
h
d s y c r p K
q
d
) ( ) ( 2 + +
= ,
h
q
d
c r p
q
d
c r p
s F
L
+ +
+
=
) (
) (
) ( .
Donde, K, q, s, ) (s y
d
, L, ) (u F
L
, d , h, p se describen en el modelo anterior, mientras
que r es el precio de venta y c su costo.
3.5.7 Modelo estocstico con dficit convertido en combinacin de ventas
pendientes y perdidas
En este modelo se obtiene el valor de q y s por medio de las frmulas
( ) { }
h
d s y c r p K
q
d
) ( ) )( 1 ( 2 + +
=
,
[ ]
[ ]
2
) )( 1 (
2
) )( 1 (
) (
h
h
q
d
c r p
h
q
d
c r p
s F
L
+ +
+
= .
Donde, K, q, s, ) (s y
d
, L, ) (u F
L
, d , h, p, r y c se describen en el modelo anterior,
es el porcentaje de ventas pendientes, por lo tanto si:
0 = entonces el valor de q sern las ventas prdidas.
1 = entonces el valor de q sern las ventas pendientes.
3.5.8 Cantidad econmica de pedido con demanda incierta: Mtodo de nivel de
servicio para determinar el nivel de la reserva de seguridad
Medida del nivel de servicio 1 SLM . Fraccin esperada (expresada
generalmente como porcentaje) de toda la demanda que se satisface a
tiempo.
= 1 SLM el porcentaje de demanda que se satisface oportunamente.
La frmula para el punto de reorden r se obtiene de
q
y E
SLM
d
) (
1 1 = .
Captulo 3
69
En donde,
d
y es el inventario residual y
=
r
L d
du u f r u y E ) ( ) ( ) ( .
En el caso normal ) , (
2
N , el punto de reorden es
L
L
L
SLM q
I r
+
(
=
) 1 1 (
1
.
Donde:
r es el punto de reorden,
q es la cantidad econmica de pedido,
[ ] x I
1
se obtiene de las tablas de la funcin de prdida normal unitaria.
Medida del nivel de servicio 2 SLM . Nmero esperado de ciclos por ao
durante el cual hay escasez. En esta parte se supondr que la escasez se
acumula, por lo tanto el punto de reorden se obtiene, segn la demanda,
L
D , durante el tiempo de reorden:
Discreta
) (
) (
0
D E
q s
r D P
L
> .
Continua
) (
) (
0
D E
q s
r D P
L
= .
En donde,
0
s cantidad de ciclos por ao en promedio con escasez, sea
L
D la
demanda durante el tiempo de reorden, r punto de reorden, ) ( r D P
L
> fraccin de
todos los ciclos que conducir a la escasez, ) (D E demanda promedio por ao.
3.6 COMPROBACIN DEL MODELO DE INVENTARIO UTILIZADO
Finalmente se llega a la etapa de verificacin del modelo propuesto para la
planeacin del inventario. As, con el valor obtenido en la etapa de la seccin 3.5 se
realiza la comprobacin de que bajo este resultado durante los periodos establecidos
y tiempos de reorden de inventario no se tenga un nivel de inventario excesivo, ni
tampoco varios das con dficit. Adems de que los costos de inventario sean bajos.
Metodologa para planear el inventario
70
Por otro lado, se deben comparar los resultados obtenidos con los actuales. Es
decir, una vez que los datos han sido obtenidos a lo largo del trabajo metodolgico
realizado, ser importante corroborarlos con los modelos utilizados hoy en da.
Actualmente en la tienda de conveniencia del caso de estudio, el Stock se
calcula con base en:
Stock = ( X
30
+ 2 ) F
- X
30
= Promedio de ventas en 30 das (o 31 segn el mes)
- 2 = El doble de la desviacin estndar
- F = Frecuencia de visita
Por la naturaleza de la tienda, se manejan dos tipos principales de productos:
Productos de Alta Frecuencia (PAF), se manejan alrededor de 250 artculos
promedio, su algoritmo de clculo es:
Stock = ( X
30
x 2 x F)
Productos de baja frecuencia, donde su rotacin es mnima
Es importante resaltar la trascendencia de corroborar los resultados obtenidos,
puesto que stos debern ser verificados a fin de evitar algn error en la puesta en
marcha, tambin con la finalidad de revisar que la secuenciacin lgica del trabajo no
ha perdido su cause a lo largo del desarrollo metodolgico.
Ser necesario tambin adquirir consistencia y contundencia en los datos para
confirmar que la metodologa antes mencionada se aplica al caso de estudio al que
se aplic y que los resultados obtenidos concuerdan con los esperados al inicio del
procedimiento.
Es decir, ser necesaria una etapa de concrecin de resultados mediante la
cual, se verificar la aplicacin y la funcionalidad de los modelos, basados en los
objetivos del estudio del caso.
Captulo 4
71
Captulo 4
CASO DE ESTUDIO
Desde que los medios masivos han resaltado la importancia en la adquisicin de
productos, la compra de stos es indispensable para el hombre. La compra representa
un estatus por obtener ms que la satisfaccin de una necesidad no resuelta.
Por ello, as como por la creciente importancia que han tenido las tiendas de
conveniencia en nuestra cotidianidad en los ltimos aos, se hace imperante el
desarrollo de una metodologa y de un modelo de inventarios que establezca los
parmetros idneos sobre los que es necesario basarse para el pedimento ptimo de la
mercanca.
En el presente captulo se revisar la metodologa desarrollada en el Captulo 3, a
fin de poder proponer un modelo de inventario para una tienda de conveniencia, y
verificar su eficiencia con respecto al inventario actualidad.
Los datos presentados en el caso de estudio pertenecen a una tienda de
conveniencia de la cul no se mencionar su marca comercial ni su ubicacin por
razones de privacidad comercial. Sin embargo, es importante mencionar que la tienda
en donde se realiz el estudio se encuentra en una zona mixta, es decir, su demanda
es variable ya que en su ubicacin se encuentran casas habitacin y oficinas.
Las tiendas de conveniencia son aquellas que basan su xito en el amplio
catlogo que manejan; alrededor de tres mil artculos, de los cules el treinta por ciento
es de alta frecuencia. Estas tiendas estn situadas en lugares estratgicos que
permiten al cliente tener casi cualquier producto a su alcance las 24 hrs del da. Esta
ventaja en servicio al cliente representa tambin un problema en el momento del clculo
de la cantidad de artculos a pedir.
Captulo 4
72
4.1 ORDENAMIENTO DE LOS PRODUCTOS DE LA TIENDA
Como se hizo mencin en la seccin 3.1, primeramente es indispensable identificar los
datos con los que se cuenta. Realizando la solicit de informacin al departamento de
sistemas de la tienda, fue entregada una lista de 180 mil datos en Microsoft Excel de
movimientos diarios, que tiene la siguiente presentacin.
MOV FECHA UDS VALOR_VTA CDIGO ARTCULO
12 01/10/2007 2 33 0098
12 13/10/2007 186 1429.58 75002459 BOLILLO 1 PZS
12 06/10/2007 166 1327.46 75002459 MEDIASNOCHESBIMBO8PZ
12 12/10/2007 162 1238.94 75002459 PILA ALCA SONY D 2PZ
12 10/10/2007 155 1007.5 75007614 PILA ALC SONY AA 4PZ
12 03/10/2007 136 884 75007614 SONYBAT RECARGA AAA
12 17/10/2007 135 877.5 75007614 CARGADORBATERIASNIMH
12 02/10/2007 129 614.25 7501031310012 PILA SONYLITHIUM CR2
12 05/10/2007 128 631 7501031310012 MERENGUE P/POSTRE PZ
12 05/10/2007 127 825.5 75007614 EMPANADA DE CAJETA
12 09/10/2007 127 611 7501031310012 PAY 1 PZ
12 17/10/2007 125 608.5 7501031310012 FIDEO CAMBRAY YEMINA
Tabla 4.1 Muestra de movimientos diarios de la tienda de estudio.
Fuente: Departamento de sistema de la tienda de estudio.
Tambin se entreg una relacin de artculo proveedor en Microsoft Excel que
tiene la siguiente presentacin.
ARTICULO PROVEEDOR DESCRIPCIN PRECIO COSTO
0001 1379 BOLILLO 1 PZS 3 2.2
0004 5118 MEDIASNOCHESBIMBO8PZ 9 8.3
008562000261 9999999018 PILA ALCA SONY D 2PZ 42.9 0
008562000278 9999999018 PILA ALCA SONY C 2PZ 42.9 0
008562000285 9999999018 PILA ALC SONY AA 4PZ 43.9 0
008562000292 9999999018 PILA ALC SONY AAA2PZ 31.9 0
008562005952 9999999002 SONYBAT RECARGA AAA 110 0
008562006133 0 CARGADORBATERIASNIMH 250 0
008562006157 9999999018 PILAS RECARG SONY AA 130 0
008562006850 9999999002 PILAS STAMINA AA 6PZ 42.9 0
008562007055 9999999002 PILAS SONYLITH CR123 89 0
008562007116 9999999002 PILA SONYLITHIUM CR2 89 0
0092 5397 MERENGUE P/POSTRE PZ 6 3.75
0093 5358 EMPANADA DE CAJETA 3.5 2.25
Tabla 4.2 Muestra de la relacin de artculo proveedor de la tienda de estudio.
Fuente: Departamento de sistema de la tienda de estudio.
Captulo 4
73
Se entreg otra relacin de los 105 proveedores que tiene la tienda, tambin en
Microsoft Excel, dada por cdigo de proveedor y nombre que tiene la siguiente
presentacin.
PROVEEDOR NOMBRE
4186 BIMBO INT5
36 ALIMENTOS Y CEREALES 10MON
57 ASESORIA FLORAL DEL NORTE 10MO
91 CIA ALIMENTICIA DEL NORTE 10MO
93 MARIBEL ALONSO PALOS 10MON
196 BOTANAS CHE CHE 10MON
445 COMERCIAL LAMA 10MON
598 DIESTEL, S.A. DE C.V. 10MON
770 EDITORA REGIO 10MON
777 EDITORA EL SOL 10MON
1015 CADBURY ADAMS MEXICO INT
1095 ILUSIONES DE CERAMICA 10MON
1098 INTRADE CORPORATION 10MON
1334 CARLOS DAVID MENDEZ GARZA 10MO
1422 NACIONAL DE ALIMENTOS Y H 10MO
1596 PROA Y DIST AZTECA 10MON
1604 PRODUCTOS DELTA DEL NORTE 10MO
1683 PRODUCTOS MEDELLIN 10MON
1685 PRODUCTOS MELY 10MON
Tabla 4.3 Muestra de proveedores por cdigo de la tienda de estudio.
Fuente: Departamento de sistema de la tienda de estudio.
Con base en la metodologa del Captulo 3, se hizo una descripcin de cada uno
de los movimientos a fin de identificarlos (tipos de movimiento: entradas y salidas) y se
clasificaron de acuerdo a su naturaleza generando la tabla 4.4.
La informacin obtenida se considera confiable ya que fue proporcionada
directamente de la base de datos del sistema de control de inventarios de la tienda. El
periodo de tiempo proporcionado es del primero de octubre 2007 a la segunda semana
de noviembre del mismo ao.
As, el siguiente paso consiste en definir la estructura de los datos obtenidos. Para
ello, se orden la informacin por tipo de movimiento, y se identificaron los campos
indispensables para la aplicacin del modelo, donde cada artculo se Interrelacion con
el cdigo de proveedor, tipo de movimiento y fecha de movimiento.
Captulo 4
74
NM.
MOV MOVIMIENTO DESCRIPCIN DEL MOVIMIENTO
10 Compras Directas Compra directa a diversos proveedores
30 Ajustes x Entradas Reajuste del Inventario Fsico vs Inventario Stock en sistema
13 Dev.Provdrs Directs
Devolucin de artculos al proveedor (por ejemplo por caducidad
del producto)
27 Ent. x Trans. / Tie Entrada al almacn por transferencia entre tiendas
26 Sal. x Trans. / Tie Salida del almacn por transferencia entre tiendas
14 Mermas Autorizadas Cuando se dan regalos a inspectores/ supervisores
31 Ajustes x Salidas Reajuste del Inventario Fsico vs Inventario Stock en sistema
0 Inventario Inicial
Proceso mensual de conteo de mercanca Se reinicia el conteo
en almacenes
12 Ventas a Clientes Ventas a clientes
11 Dev. de Clientes Devoluciones de clientes
18 Cambio de Precios Cambio de precios a artculos
6 Transf. de Almacn Transferencia de mercanca en almacenes
4 Dev. de Almacenes Devolucin de mercanca en almacenes
21 Bonific. x Promoc.
Cuando existe alguna promocin, por ejemplo de 3x2, la tienda
absorbe la diferencia negativa que ser bonificada por el
proveedor
22 Obsequios x Promoc. Salida de mercanca por obsequios por promocin
51 Dev.Bonif. x Promoc Devolucin del movimiento 21
52 Dev. de Obsequios Cliente devuelve a tienda los obsequios
34 Ped.Adicional Cedis Pedidos adicionales al Centro de Distribucin
35 Ped. Adicional Prov Pedidos adicionales a proveedores diversos
99 Pagos Pagos propios de la tienda
98 Servicios Pagos de servicios propios de la tienda
66 Inventario Cclico Desconocido
61 Ajus./Ent.x Inv.Neg
Cuando en lugar de marcar mercanca correcta, el cajero
sustituye por mercancas de igual precio, entonces el inventario
se descuenta negativamente, para ello habr que hacer ajustes
70 Ent. Insumos FastFoo
Entrada de insumos como (catsup, mayonesa, azcar, crema de
caf, etc.)
71 Sal. Insumos FastFoo
Salida de insumos como (catsup, mayonesa, azcar, crema de
caf, etc.)
72 Ent. Insumos Diferen.
Entrada de insumos como (servilletas, palitos para mover el
caf, etc.)
73 Sal. Insumos Diferen
Salida de insumos como (servilletas, palitos para mover el caf,
etc.)
Identificacin
Datos a considerar en el modelo
No se encontraron datos
Datos que no se consideran en el trabajo
Tabla 4.4 Muestra de proveedores por cdigo de la tienda de estudio.
Fuente: Departamento de sistema de la tienda de estudio.
En la tabla 4.5 se muestra, como ejemplo, el movimiento 10 referente a compras
directas (aquellas que hace la tienda directamente al proveedor).
Captulo 4
75
Compras Directas
MOV FECHA UNIDADES PRECIO
CDIGO /
ARTCULO
NOMBRE DEL
ARTCULO
CDIGO/
PROVEE NOMBRE DEL PROVEEDOR
10 30/09/2007 2 14 7501000165001 TAKIS BARCEL 62GR 2521 EDITORIAL MONTERREY 10MON
10 01/10/2007 2 23 758104000258 FRESCA ZERO 600ML NR 3378 TOSTIRICAS NIETO 10AGC
10 01/10/2007 5 20 087335138004 CHIVAS REGAL 375 ML 0 #N/A
10 01/10/2007 11 10 611042000011 GOMA DE MASCAR TOTIT 9999999002 Monterrey Operacin
10 01/10/2007 5 5 611042000042 GOMA DE MASCAR TOTIT 9999999002 Monterrey Operacin
10 01/10/2007 19 5 611042000028 GOMA DE MASCAR TOTIT 9999999002 Monterrey Operacin
10 01/10/2007 3 7 037287114380 PROPEL TORONJA 591ML 9999999002 Monterrey Operacin
10 01/10/2007 2 5 037287114366 PROPEL TORONJA 591ML 9999999002 Monterrey Operacin
10 01/10/2007 18 8.5 7501054906094 LABELLO ROSA 4.7 GR 9999999018 Monterrey Operacin
10 01/10/2007 10 8.5 066640100487 CHOCOLATE KITKAT 50G 9999999002 Monterrey Operacin
10 01/10/2007 4 8 9771665213142 FRESCA ZERO 600ML NR 3378 TOSTIRICAS NIETO 10AGC
10 01/10/2007 40 5.5 039465011009 CONCHITA ENCANT 60GR 5520 ALIMENTOS SR NATURAL 10MON
10 01/10/2007 15 12.5 039465012006 CONCHITA ENCANTO200G 5520 ALIMENTOS SR NATURAL 10MON
10 01/10/2007 10 12.5 039465022005 CHICHOS ENCANTO200GR 5520 ALIMENTOS SR NATURAL 10MON
10 01/10/2007 10 6 039465051005 CHICHOS ENCANTO200GR 5520 ALIMENTOS SR NATURAL 10MON
10 01/10/2007 12 8 039465111211 CHICHOS ENCANTO200GR 5520 ALIMENTOS SR NATURAL 10MON
10 01/10/2007 10 4.5 604722005154 CHURRITOS 50 G 5520 ALIMENTOS SR NATURAL 10MON
10 01/10/2007 10 4.5 604722005833 PAPIRRINGAS 40 G 5520 ALIMENTOS SR NATURAL 10MON
10 01/10/2007 8 14 756702131305 FRESCA ZERO 600ML NR 3378 TOSTIRICAS NIETO 10AGC
10 01/10/2007 3 12 7501800819814 HIELERIMPRESOXXOFANO 9999999002 Monterrey Operacin
10 01/10/2007 4 10.5 7501800819845 HIELERIMPRESOXXOFANO 9999999002 Monterrey Operacin
Tabla 4.5 Muestra las demandas del movimiento 10 sobre compras directas en la tienda de estudio.
Fuente: Elaboracin propia.
Captulo 4
76
Despus de la utilizacin de frmulas y macros en Microsoft-Excel, se obtuvieron
en forma ordenada los datos, donde se identificaron claramente todos los campos que
se consideran indispensables en el manejo de informacin, ver seccin 3.1 (Nombre del
artculo, descripcin del artculo, nmero de artculo, cdigo de proveedor, nombre del
proveedor, costo del artculo, precio del artculo, nmero de movimiento en inventario,
tipo de movimiento en inventario, descripcin de movimiento y nmero de unidades en
existencia)
Con ellos, se gener por cada hoja de Excel reportes que brindaron un manejo
eficiente de la informacin a fin de obtener reportes como el mostrado en la tabla 4.6.
MOV FECHA UNID PRECIO
CDIGO /
ARTCULO
NOMBRE DEL
ARTCULO
CODIGO/
PROV
NOMBRE DEL
PROVEEDOR
10 04/10/2007 40 4.5 7501000355556
BARRITA
SALVADO/FRES
5125 COMER DE LACTEOS Y
10 11/10/2007 40 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 16/10/2007 10 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 18/10/2007 6 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 21/10/2007 30 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 25/10/2007 15 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 30/10/2007 30 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV I
10 01/11/2007 10 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 06/11/2007 30 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 15/11/2007 16 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 18/11/2007 10 4.5 7501000355556 BARRITA SALVADO/FRES5125 COMER DE LACTEOS Y DERIV INT
10 22/11/2007 10 17 7501040031236 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
10 22/11/2007 5 21 7501040004742 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
10 22/11/2007 5 17.5 7501040003912 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
10 22/11/2007 1 23 7501040008245 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
10 22/11/2007 4 28 7501040017285 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
6 23/11/2007 5 40 7501040004223 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
21 24/11/2007 1 66 7501035010116 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
6 24/11/2007 10 13 7501035025929 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
10 25/11/2007 18 17 7501040031236 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
10 25/11/2007 15 10 7501040032325 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
10 25/11/2007 10 22.5 7501040017681 YOMILALA CHOCO 1LT 5201 COMER DE LACTEOS Y DERIV INT
Tabla 4.6 Muestra las demandas por fecha, de todos los movimiento, indicando
cdigos de proveedor y nombre
Fuente: Elaboracin propia.
Tambin se gener un reporte que interrelaciona al precio, costo, artculo y
proveedor, como se observa en la tabla 4.7.
Captulo 4
77
ARTCULO PROVEEDOR DESCRIPCIN PRECIO COSTO
0001 1379 BOLILLO 1 PZS 3 2.2
0004 5118 MEDIASNOCHESBIMBO8PZ 9 8.3
0092 5397 MERENGUE P/POSTRE PZ 6 3.75
0093 5358 EMPANADA DE CAJETA 3.5 2.25
0098 5358 PAY 1 PZ 6.5 4
0107 5358 EMPANADAS RELLENAS 3.5 2.1
010722076429 5344 REVISTA CLUB NINTEND 24 24
010722076467 5344 IDEAS PARA TU HOGAR 22 22
010722076481 5344 REVISTA MENS HEALTH 30 30
010722076696 5344 MECANICA POPULAR 25 25
Tabla 4.7 Muestra la relacin precio-costo por artculo con su descripcin
Fuente: Elaboracin propia.
4.2 CRITERIOS PARA SELECCIONAR LA INFORMACIN DE LA TIENDA
Para la seleccin de la informacin de la tienda en estudio, el primer paso consiste en
identificar la localizacin del tipo de tienda. En este caso la tienda se localiza dentro del
tercer tipo, de los tres posibles que se contemplan en la seccin 3.2 y que se refiere a
las tiendas situadas en lugares de oficina y casas habitacin.
Ahora se seguirn los puntos indicados en la metodologa de la seccin 3.2.
1.Determinar un periodo adecuado de estudio. Debido al extenso catlogo de
productos, proveedores y servicios con los que cuenta la tienda de conveniencia,
es apropiado fijar como periodo de anlisis una semana, ya que sta nos marca
el periodo de demanda ms adecuado para el estudio.
2.Analizar la cantidad de proveedores que tiene la tienda. Ahora como punto 2
es indispensable hacer una seleccin de aquellos productos que representen el
mayor desplazamiento en inventario. Sin embargo, stos son alrededor de mil
artculos distribuidos en 104 proveedores directos ms el centro de distribucin
considerado tambin como proveedor. El centro de distribucin es donde se
centralizan muchas de las operaciones de compra-venta de los artculos. Los
franquicitarios hacen compras masivas a proveedores especficos y estos
artculos son vendidos directamente a las tiendas. Es una relacin ganar-ganar,
ya que la tienda de conveniencia elimina gran parte de sus proveedores
reduciendo en gran medida su relacin con proveedores evitndose operaciones
administrativas y por supuesto costos. Los franquicitarios, quienes hacen las
negociaciones, obtienen precios especiales y revenden la mercanca a cada
tienda, generndoles importantes utilidades.
Captulo 4
78
3. Identificar qu productos tiene cada proveedor. Despus se identific a los
proveedores que hagan posible que la tienda de conveniencia cuente con todos
los productos de primera necesidad y de ocasin que el cliente pudiera buscar.
Luego, se orden en las hojas de Excel por tipo de movimiento, fecha y
proveedor, para contabilizar cada uno de los 180 mil artculos vendidos en el
mismo periodo predeterminado, este trabajo artesanal arroj una tabla donde se
reflejan cada artculo por proveedor con el nmero de unidades vendidas por
periodo, ver la tabla 4.8.
NOMBRE DEL ARTCULO NOMBRE DEL PROVEEDOR UNIDADES
AGUA ELECTROPUR 20LT ALIMENTOS SR NATURAL 10MON 227
CACAHUATE BOKA2 55GR ALIMENTOS SR NATURAL 10MON 629
CACAHUATESPBOKA2 50G ALIMENTOS SR NATURAL 10MON 205
CHICHARRON BOKA2 30G ALIMENTOS SR NATURAL 10MON 219
CHICHOS ENCANTO 60GR ALIMENTOS SR NATURAL 10MON 188
CHICHOS ENCANTO200GR ALIMENTOS SR NATURAL 10MON 523
CHURRITOS 50 G ALIMENTOS SR NATURAL 10MON 331
CONCHITA ENCANT 60GR ALIMENTOS SR NATURAL 10MON 765
RIELITOS BOKADOS 40G ALIMENTOS SR NATURAL 10MON 251
GANSITO 100G PAQUETE BIMBO INT4 34
ALAS CON FILTRO C S BRITISH AMERICAN TOBACCO INT 134
BUBBALOO TUTIFRUT 5G CADBURY ADAMS MEXICO INT 102
CLORETS ADAMS 4 PZ CADBURY ADAMS MEXICO INT 1376
HALLSSUGARFREE MENTA CADBURY ADAMS MEXICO INT 48
TRIDENTWHIT YER 8.5G CADBURY ADAMS MEXICO INT 148
PAN DE AZUCAR CARLOS DAVID MENDEZ GARZA 12
CHOCOLALA 500 ML COMER DE LACTEOS Y DERIV INT 594
LECHE LALA FRSA250ML COMER DE LACTEOS Y DERIV INT 2041
PASTELITO INTEGRA40G COMER DE LACTEOS Y DERIV INT 12774
Tabla 4.8 Muestra de artculos por proveedor indicando nmero de unidades vendidas/periodo
Fuente: Elaboracin propia.
4.En caso de que un proveedor tenga una gran cantidad de productos, identificar
los productos representativos para cada uno de ellos. Despus de analizar toda
la tabla se determin que existen 17 proveedores, mismos que surten todos los
productos y por tal razn se determin un criterio para reconocer cul artculo
puede ser considerado como lder de entrega para cada proveedor, pues ste
guiar la regularidad de las visitas en la tienda. El criterio que se sigui fue la
mayor demanda y se tienen los resultados en la tabla 4.9
Captulo 4
79
5.Es indispensable realizar un estudio de pareto sobre el 80-20 o de un criterio
similar.
El primer paso consiste en identificar los productos representativos para cada
proveedor, el criterio utilizado fue la mayor demanda de un artculo durante el periodo
controlado, ya que ste guiar la regularidad de las visitas en tienda por parte de los
proveedores. De cada proveedor, se seleccion el artculo de mayor desplazamiento
generando as una lista de productos prototipo, es decir aquellos que marcarn la
entrega del proveedor. Ver tabla 4.9
NM NOMBRE DEL ARTCULO NOMBRE DEL PROVEEDOR UNIDADES
1 CONCHITA ENCANTO200G ALIMENTOS SR NATURAL 10MON 765
2 GANSITO 100G PAQUETE BIMBO INT4 34
3 ALAS CON FILTRO C S BRITISH AMERICAN TOBACCO INT 134
4 CLORETS ADAMS 4 PZ CADBURY ADAMS MEXICO INT 1376
5 PASTEL DE CORAZON PZ CARLOS DAVID MENDEZ GARZA 10MO 21
6 PASTELITO INTEGRA40G COMER DE LACTEOS Y DERIV INT 12774
7 CONCHASBIMBO VAI120G DIESTEL, S.A. DE C.V. 10MON2 127
8 TAKIS BARCEL 62 GR EDITORIAL MONTERREY 10MON 243
9 SALADITAS GAMESA 137 GR GRUPO GAMESA INT 344
10 ACTIVIABEBFRES 250G GUIA ROJI INT 211
11 ALLBRAN/CHOCOLAT 40G KELLOGG COMPANY MEXICO INT 53
12 CHUPACHUPS CALCI 21G Monterrey Operacin 3416
13 DORITOS NACHO 47GR PRODUCTOS TOSTI GAR 10MON 625
14 PONTE ALMEJA PROVOLO PROVOLOTO INT 945
15 TOCINO REBANADO 1 KG SIGMA ALIMENTOS COMERCIAL INT 1161
16 FRESCA ZERO 600ML NR TOSTIRICAS NIETO 10AGC 13502
17 CHOCO BELL 236 ML UNILEVER DE MEXICO S DE R INT 294
Tabla 4.9 Muestra el artculo lder por proveedor con el nmero de unidades demandadas/periodo.
Fuente: Elaboracin propia.
Los artculos lder son aquellos que mostraron mayor demanda en un periodo de
tiempo controlado, por lo tanto sern los que marcarn la constancia en las visitas del
proveedor, a fin surtir los artculos antes de que haya faltantes en tienda.
Es importante mencionar que los artculos implcitos de cada proveedor sern
igualmente surtidos al momento de su visita en tienda, pero como su desplazamiento es
menor que el estimado para los productos lderes, stos no se vern afectados, ya que
al momento del surtimiento, an habr existencias nulificando las posibilidades de falta
de producto.
Captulo 4
80
4.3 CMO DETERMINAR LA DEMANDA EN LA TIENDA
Tomando en cuenta la teora revisada en el captulo 3.3, se reconoci la importancia de
basar el desarrollo del modelo en herramientas estadsticas que brinden informacin
sobre los datos recolectados. Considerando esto, inicialmente debe identificar el tipo de
demanda que tiene la tienda de conveniencia en estudio, para ello, se hizo un reporte
por cada artculo lder condensando sus movimientos por periodo.
Primeramente ser necesario condensar las ventas ordenadas por fecha, no hay
que olvidar que los datos iniciales estn ordenados por movimiento, es decir, si se
venden tres productos iguales a lo largo del da, entonces el registro aparecer tres
veces, luego ser necesario condensar la demanda por da. Por cada artculo result
una tabla que muestra el nmero de ventas obtenidas, ver tabla 4.10.
FECHA UNIDADES
01/10/2007 20
02/10/2007 10
03/10/2007 19
04/10/2007 17
05/10/2007 12
06/10/2007 14
07/10/2007 4
08/10/2007 11
09/10/2007 20
10/10/2007 21
11/10/2007 11
12/10/2007 16
13/10/2007 7
14/10/2007 3
15/10/2007 8
16/10/2007 14
17/10/2007 12
18/10/2007 9
19/10/2007 24
20/10/2007 9
21/10/2007 7
Tabla 4.10 Muestra la demanda diaria por artculo producto: Conchita encanto
Fuente: Elaboracin propia.
Posteriormente, para cada artculo prototipo se hizo una grfica de demanda
semanal a fin de comparar resultados. Ver grficas 4.1, 4.2, 4.3
Captulo 4
81
Grfica 4.1 Muestra la demanda diaria por artculo entre las fechas 01/10/2007 al 07/10/2007
Fuente: Elaboracin propia.
Grfica 4.2 Muestra la demanda diaria por artculo entre las fechas 08/10/2007 al 14/10/2007
Fuente: Elaboracin propia.
Grficas 4.3 Muestra la demanda diaria por artculo entre las fechas 15/10/2007 al 21/10/2007
Fuente: Elaboracin propia.
Para lograr el objetivo, lo importante es conocer la distribucin de la demanda.
As, con la informacin de cada producto se calculan el coeficiente de asimetra (sesgo),
curtosis y su histograma. En caso de tener indicios de normalidad se le realiza la
prueba de normalidad, obteniendo la grfica correspondiente en cada caso.
Captulo 4
82
a)Para el artculo Conchita Encanto se clculo sus coeficientes, obteniendo
Coeficiente de asimetra
Curtosis
Se calcularon las clases de frecuencias y se traz su histograma para
corroborar los resultados de los coeficientes, ver tabla 4.11 y grfica 4.4.
CLASE FRECUENCIA PROBABILIDAD
2 2 0.040816327
5 3 0.061224490
7 4 0.081632653
10 7 0.142857143
12 8 0.163265306
14 7 0.142857143
17 4 0.081632653
19 8 0.163265306
22 3 0.061224490
24 3 0.061224490
Tabla 4.11 Muestra las clases y frecuencias para el artculo Conchita encanto
Fuente: Elaboracin propia.
Grfica 4.4 Histograma de la demanda para el producto Conchita encanto
Fuente: Elaboracin propia.
Posteriormente, se lleva a efecto la prueba de bondad de ajuste para la
distribucin normal. Para el artculo: Conchita Encanto
Media: 13
Desviacin Estndar: 5.76. Ver grfica 4.5
Captulo 4
83
Grfica 4.5 Grfica q-q para el producto Conchita encanto, distribucin normal.
Fuente: Elaboracin propia.
Se comprueba que los datos tienen un comportamiento normal.
b)Para el artculo Allbran Chocolate se clculo sus coeficientes, obteniendo:
Coeficiente de asimetra.
Curtosis (no se calcula porque los datos son sesgados).
Se calcularon clases de frecuencias y se traz su histograma para corroborar los
resultados de los coeficientes, ver tabla 4.12 y grfica 4.6.
CLASE PRODUCTOS PROBABILIDAD
0 23 0.4791
1 12 0.2500
2 5 0.1041
3 6 0.1250
4 1 0.0208
5 1 0.0208
Tabla 4.12 Muestra las clases y frecuencias para el artculo Allbran Chocolate
Fuente: Elaboracin propia.
Captulo 4
84
Grfica 4.6 Histograma de la demanda para el producto Allbran Chocolate
Fuente: Elaboracin propia.
En este caso no tiene sentido realizar la prueba de normalidad, puesto que los
datos son sesgados.
c)Para el artculo Tocino rebanado se calcularon sus coeficientes, obteniendo
Coeficiente de asimetra
Curtosis (no se calcula porque los datos son espordicos)
Se calcularon clases de frecuencias y se traz su histograma para corroborar
los resultados de los coeficientes, ver tabla 4.13 y grfica 4.7.
CLASE PRODUCTOS PROBABILIDAD
40 44 0.8979
61 0 0
81 0 0
101 1 0.0204
121 3 0.0612
141 0 0
162 0 0
182 0 0
202 1 0.0204
Tabla 4.13 Muestra las clases y frecuencias para el artculo Tocino rebanado.
Fuente: Elaboracin propia.
Captulo 4
85
Grfica 4.7 Histograma de la demanda para el producto Tocino rebanado
Fuente: Elaboracin propia.
En la tabla 4.14 se resumen los resultados encontrados al realizar los clculos
como se mostr en los tres incisos anteriores
NM NOMBRE DEL ARTCULO Asimetra Curtosis Normal Simtrico Sesgado
Espor-
dicos
1 CONCHITA ENCANTO 200G -0.2096 0.0051 X X
2 GANSITO 100G PAQUETE -0.7110 -0.8453 X
3 ALAS CON FILTRO -0.7994 0.5368 X
4 CLORETS ADAMS 4 PZ -0.1389 0.1111 X X
5 PASTEL DE CORAZON PZ -1.5227 1.1224 X
6 PASTELITO INTEGRA40G 1.4788 1.7291 X
7 CONCHAS BIMBO VAI -2.3594 7.4980 X
8 TAKIS BARCEL 62 GR -1.1317 0.9781 X
9 SALADITAS GAMESA 137GR 0.0462 -1.2110 X
10 ACTIVIA BEBFRES 250G -0.7910 0.7876 X
11 ALLBRAN/CHOCOLAT 40G -2.2493 7.3639 X
12 CHUPACHUPS CALCI 21G 0.7615 -0.2302 X
13 DORITOS NACHO 47GR -0.0630 -0.5619 X
14 PONTE ALMEJA PROVOLO -0.07672 -0.8186 X
15 TOCINO REBANADO 1 KG -2.5608 6.6564 X
16 FRESCA ZERO 600ML NR 0.1797 0.2791 X X
17 CHOCO BELL 236 ML 0.3930 -0.1413 X
Tabla 4.14 Resumen de los clculos para la demanda de cada artculo prototipo del proveedor.
Fuente: Elaboracin propia.
Captulo 4
86
4.4 MODELO DE INVENTARIO
Se hizo un anlisis de todos los productos lderes encontrados, dividindolos en tres
grupos. As, con base en el anlisis de los datos, se encontr que stos pueden
clasificarse en demandas simtricas, sesgadas y espordicas. Ahora se construir el
desarrollo para determinar el modelo adecuado de cada producto lder.
4.4.1 APLICACIN DE LOS MODELOS CLSICOS DE INVENTARIO
Los modelos de inventario clsicos propuestos en el captulo 2 se aplicarn a los
productos lderes para determinar el valor de q.
a) Demandas simtricas
A partir de las demandas de la seccin anterior se eligi el producto de Conchita
encanto, para ilustrar los clculos que se realizan con los modelos clsicos de
Inventarios probabilsticos revisados en el Captulo 2, y resumidos en la seccin 3.3. De
esta forma, para el anlisis marginal discreto
( ) ( ) ( ) q d c d p q E , = .
Donde:
q* = unidades q* y representa el valor de q que hace mnimo a E(q).
p(d) = probabilidad de la demanda.
c(d,q) = costo incurrido.
Co = Costo unitario compra (sobre abastecimiento).
Cu = Costo sub abastecimiento.
Conchita Encanto del proveedor Alimentos Sr. Natural tiene costo de $3.22 y se
vende a precio de $4.5, de esta forma los costos para el modelo marginal propuesto son
22 . 3
0
= C y d q 5 . 4 22 . 3 . Luego,
q q q 28 . 1 5 . 4 22 . 3 = .
Por lo tanto, 28 . 1 =
u
C . De tal forma que a partir de las ecuaciones de la
probabilidad para la demanda
( ) 28 . 0
28 . 1 22 . 3
28 . 1
0
*
=
+
=
+
<
u
u
C C
C
q D P .
Captulo 4
87
Por lo tanto, ( ) 28 . 0
*
= < q D P . Posteriormente se construye la tabla de las
probabilidades acumuladas para el producto Conchita Encanto por clases de
frecuencia. Ver tabla 4.15
CLASE FRECUENCIA PROBABILIDAD
PROBABILIDAD
ACUMULADA
2 2 0.0408 0.0408
5 3 0.0612 0.1020
7 4 0.0816 0.1837
10 7 0.1429 0.3265
12 8 0.1633 0.4898
14 7 0.1429 0.6327
17 4 0.0816 0.7143
19 8 0.1633 0.8776
22 3 0.0612 0.9388
24 3 0.0612 1.0000
Tabla 4.15 Muestra las clases y frecuencias para el artculo Conchita Encanto
Fuente: Elaboracin propia.
As, la demanda requerida diaria de acuerdo con la Teora Clsica es 10, si se
toma en cuenta la demanda semanal ser por lo tanto 70 unidades.
b) Demandas sesgadas y espordicas
A partir de las demandas encontradas en 3.3, la demanda del producto Allbran
Chocolate tiene una distribucin sesgada. El costo de compra es de $3.4, y se vende a
precio de $5.
Similarmente para el modelo marginal, los costos 4 . 3
0
= C con ecuacin de costo
d q 5 4 . 3 . Luego, q q q 6 . 1 9 . 9 23 . 7 = . De donde 6 . 1 =
u
C , ahora la probabilidad
acumulada
( )
32 . 0
4 . 3 6 . 1
6 . 1
0
*
=
+
=
+
<
u
u
C C
C
q D P
Por lo tanto, ( ) 32 . 0
*
= < q D P .
Posteriormente, se construye la tabla de las probabilidades acumuladas para el
producto Allbran Chocolate por clases de frecuencia. Ver tabla 4.16.
Captulo 4
88
CLASE FRECUENCIA PROBABILIDAD
PROBABILIDAD
ACUMULADA
Cero 23 0.4791 0.4791
Uno 12 0.2500 0.7291
Dos 5 0.1041 0.8333
Tres 6 0.1250 0.9583
cuatro 1 0.0208 0.9791
Cinco 1 0.0208 1
Tabla 4.16 Muestra las clases y frecuencias para el artculo Allbran Chocolate
Fuente: Elaboracin propia.
La demanda requerida diaria de acuerdo con la Teora Clsica sera cero si se
toma en cuenta la demanda semanal ser de cero unidades. Esto muestra que los
modelos clsicos en estos casos no dan buenas respuestas.
4.4.2 PROPUESTA DE OTROS MODELOS DE INVENTARIO
Tomando en cuenta los modelos clsicos de Inventarios probabilsticos revisados en el
Captulo 2 y resumidos en la seccin 3.4 referente a la eleccin del modelo de
inventario, se observa que los modelos existentes contemplan nicamente la demanda,
pero no existe ningn modelo que se refiera a las entradas no controladas en la tienda,
por ejemplo, a las devoluciones de clientes. As mismo que el modelo incluya el stock
de seguridad para eliminar el riesgo de desabasto, buscando siempre el menor costo de
mantener en tienda.
Es importante tambin mencionar que los datos obtenidos con los modelos
clsicos para los tres tipos de demanda que se han establecido son inadecuados, ya
que el resultado no es lgico, puesto que para la demanda sesgada y espordica, el
valor que arroja es de cero productos.
De tal forma, se desarrollar un nuevo modelo que no se encuentra en la literatura
de inventarios, pero que resulta mucho ms sencillo que los modelos clsicos. Pero sin
importar su sencillez, se ver en la seccin siguiente que da mejores resultados
comparado con los obtenidos de los inventarios clsicos aplicados a los tipos de
demandas establecidas en las tiendas de conveniencia.
a) Demandas simtricas
Se elige el mismo producto que en los modelos clsicos, Conchita encanto, para ilustrar
los clculos.
Se parte del hecho de que en el anlisis de los datos, tambin ser necesario
tomar en cuenta el comportamiento de las diferencias en la tienda que no son
controladas entre la demanda y las entradas, por ejemplo las devoluciones de
Captulo 4
89
mercanca por parte de los clientes. En la tabla 4.17 se muestra el comportamiento de
las entradas no controladas del producto, su grfica se muestra en el histograma 4.8.
CLASE FRECUENCIA
0 16
2 7
4 5
6 2
8 0
Tabla 4.17 Muestra las entradas no controladas para el artculo Conchita encanto.
Fuente: Elaboracin propia.
Grfica 4.8 Histograma de las entradas controladas para el artculo Conchita encanto.
Fuente: Elaboracin propia.
Por otro lado, el comportamiento de la demanda est dado en la tabla 4.18, junto
con su histograma en la grfica 4.9.
CLASE FRECUENCIA
-20.4 1
-16.9 4
-13.3 3
-9.7 8
-6.1 9
-2.6 4
1 2
Tabla 4.18 Clases de frecuencia para la demanda de la conchita encanto.
Fuente: Elaboracin propia.
Captulo 4
90
Grfica 4.9 Histograma para las clases de frecuencia
Fuente: Elaboracin propia.
El problema estadsticamente es un poco complejo, puesto que se debe estudiar
el comportamiento que resulta de la suma entre una distribucin tipo gamma (entradas
no controladas del producto) y de una distribucin tipo normal (demanda del producto).
Pero tomando consideraciones ms simples, por ejemplo que las distribuciones
simtricas estn especificadas en cierta medida por dos veces su desviacin estndar.
As, considerando lo anterior y que este producto tiene un comportamiento simtrico, se
puede utilizar la frmula de la seccin 4.3 con 30 = T y 7 = t , para el clculo del stock
semanal.
La cantidad a pedir en k das, dentro de una semana
a n
I
k
S k X Q
+ =
7
2
30
.
En donde,
30 X promedio de la demanda efectiva diaria en un mes,
n
S desviacin
estndar diario en un mes, k la cantidad de das entre pedidos dentro de una semana e
a
I inventario restante del pedido anterior.
En el caso de pedir una sola vez a la semana
a n
I S X Q + = 2 7
30
.
En el caso de pedir a los 3 das
a
n
I
S
X Q + =
7
6
3
30
.
En el caso de pedir a los 4 das
a
n
I
S
X Q + =
7
8
4
30
.
Captulo 4
91
Por ejemplo, para el producto Conchita encanto con inventario inicial 0 =
a
I , con
pedidos una vez a la semana
) ( 22 . 86 0 9 . 5 2 6 . 10 7 2 7
30
= + = + =
a
I X Q
Por lo tanto la cantidad a pedir semanal con este modelo es 86 unidades.
b) Demandas sesgadas y espordicas
Se elige el mismo producto que en los modelos clsicos, Allbran Chocolate, para ilustrar
los clculos. Tambin se parte del hecho de que en el anlisis de los datos ser
necesario tomar en cuenta el comportamiento de las diferencias en la tienda que no son
controladas entre la demanda y las entradas, como las devoluciones de mercanca por
parte de los clientes.
En este caso no hubo devoluciones de mercanca teniendo cero entradas no
controladas y el comportamiento de la demanda no varia. Ver tabla 4.19 y grfica 4.10.
CLASE FRECUENCIA
-9 1
-7.2 0
-5.4 0
-3.6 1
-1.8 10
y mayor... 19
Tabla 4.19 Muestra el comportamiento de la demanda para el artculo Allbran chocolate.
Fuente: Elaboracin propia.
Grfica 4.10 Histograma del comportamiento de la demanda para el artculo Allbran.
Fuente: Elaboracin propia.
Captulo 4
92
Tomando en cuenta lo anterior, se encontr en este producto un comportamiento
con sesgo a la izquierda, para ello se utiliz la frmula de la seccin 4.3 para el clculo
del stock semanal, con 30 = t y 7 = w . Luego, la cantidad a pedir en un periodo k,
dentro de una semana ser
a
n
I
S X k
Q
+
=
7
) 2 (
) 4 ( 7
.
En donde, 30 X promedio de la demanda efectiva diaria en un mes,
n
S desviacin
estndar diario en un mes, k la cantidad de das entre pedidos dentro de una semana e
a
I inventario restante del pedido anterior.
En el caso de pedir una sola vez a la semana
a n
I S X Q + = 2
) 4 ( 7
.
En el caso de pedir a los 3 das
a
n
I
S X
Q
+
=
7
6 3
) 4 ( 7
.
En el caso de pedir a los 4 das
a
n
I
S X
Q
+
=
7
8 4
) 4 ( 7
.
Por ejemplo, para el producto Allbran Chocolate con inventario inicial 0 =
a
I , con
frecuencia de pedidos una vez a la semana
16 . 10 0 1 2 3 . 8 2
) 4 ( 7
= + = + =
a n
I S X Q .
Por lo tanto, la cantidad a pedir semanal con este modelo es 10 unidades.
A continuacin se presenta la tabla 4.20 que muestra Cu y Co para los artculos
Simtricos, sesgados y espordicos.
Captulo 4
93
SIMETRICOS
NOMBRE DEL ARTICULO
NOMBRE DEL
PROVEEDOR Cu Sub Co Sobre P(D<q*) P(D>q*) Precio Costo Clase Frec Prob
Probabilidad
Acumulada
CONCHITA ENCANTO ALIMENTOS SR NATURAL 1.28 3.22 0.28444444 0.71555556 4.5 3.22 10 7 0.14285714 0.32653061
ALAS CON FILTRO BRITISH AMERICAN T 2.58 9.42 0.215 0.785 12 9.42 1 5 0.10417 0.22917
CLORETS ADAMS 4 PZ CADBURY ADAMS MEXICO 0.56 0.44 0.56 0.44 1 0.44 30 12 0.24489796 0.6122449
SALADITAS GAMESA GRUPO GAMESA INT 2.03 4.17 0.32741935 0.67258065 6.2 4.17 5 4 0.08163265 0.40816327
DORITOS NACHO PRODUCTOS TOSTI 1.64 3.36 0.328 0.672 5 3.36 13 12 0.24489796 0.55102041
PONTE ALMEJA PROVOLO PROVOLOTO INT 0.7 4.3 0.14 0.86 5 4.3 12 4 0.08163265 0.16326531
FRESCA ZERO TOSTIRICAS NIETO 1.63 4.87 0.25076923 0.74923077 6.5 4.87 255 7 0.14285714 0.32653061
ESPORDICOS
NOMBRE DEL ARTICULO
NOMBRE DEL
PROVEEDOR Cu Sub Co Sobre P(D<q*) P(D>q*) Precio Costo Clase Frec Prob
Probabilidad
Acumulada
GANSITO 100G PAQUETE BIMBO INT4 3 8 0.27272727 0.72727273 11 8 Ceros 24 0.50000 0.50000
PASTEL DE CORAZON PZ CARLOS DAVID MENDEZ 5.8 19.2 0.232 0.768 25 19.2 Ceros 32 0.66666667 0.66666667
SESGADOS
NOMBRE DEL ARTICULO
NOMBRE DEL
PROVEEDOR Cu Sub Co Sobre P(D<q*) P(D>q*) Precio Costo Clase Frec Prob
Probabilidad
Acumulada
PASTELITO INTEGRA COMER DE LACTEOS DERIV 4 0 1 0 4 0
CONCHAS BIMBO DIESTEL, S.A. DE C.V. 3.06 5.44 0.36 0.64 8.5 5.44 2 15 0.3125 0.52083333
TAKIS BARCEL EDITORIAL MONTERREY 1.97 3.53 0.35818182 0.64181818 5.5 3.53 4 14 0.29167 0.58333
ACTIVI ABEBFRES 250G KELLOGG COMPANY MEX 1.6 3.4 0.32 0.68 5 3.4 cero 23 0.12500 0.29167
ALLBRAN/CHOCOLAT GUI A ROJI INT 2.67 7.23 0.26969697 0.73030303 9.9 7.23 2 6 0.47916666 0.47916666
CHUPACHUPS CALCI Monterrey Operacin 2 0 1 0 2 0
TOCINO REBANADO 1 KG SIGMA ALIMENTOS COM 1.17 27.83 0.04034483 0.95965517 58 27.83 40 44 0.89795918 0.89795918
CHOCO BELL UNILEVER DE MEXICO 1.9 2.6 0.42222222 0.5778 4.5 2.6 5.5 8 0.16326531 0.44897959
Tabla 4.20 Muestra Cu y Co para los artculos Simtricos, sesgados y espordicos
Fuente: Elaboracin propia.
Captulo 4
94
4.5 CLCULO DE LA FRECUENCIA Y TAMAO DE PEDIDO DE LA TIENDA
En la seccin 4.4 fueron revisados los modelos clsicos y los propuestos para cada uno
de los tipos de demanda de la tienda. Ahora en dichos casos se revisar el mejor
tamao de lote y cunto pedir de inventario para cada uno de los casos de demanda
revisados.
a) Demandas simtricas
El anlisis del modelo se seguir ejemplificando para el caso simtrico con el artculo
Conchita encanto. Con esto se estar probando cul es el modelo que conviene utilizar
en los inventarios. Ver tabla 4.21
MODELO CLSICO (Sem) MODELO PROPUESTO (Sem)
DEMANDA ENTRADAS EXISTENCIA
UNIDADES
CALCULADAS 70
CANTIDAD A
PEDIR/SEM q
UNIDADES
CALCULADAS 86
CANTIDAD A
PEDIR q/Sem
20 0 -20 50 70 66 86
10 2 -8 42 58
19 1 -18 24 40
17 5 -12 12 28
12 3 -9 3 19
14 2 -12 -9 7
4 1 -3 -12 4
11 0 -11 59 70 75 82
20 0 -20 39 55
21 2 -19 20 36
11 4 -7 13 29
16 6 -10 3 19
7 3 -4 -1 15
3 4 1 0 16
8 0 -8 62 70 78 70
14 1 -13 49 65
12 3 -9 40 56
9 0 -9 31 47
24 0 -24 7 23
9 0 -9 -2 14
7 2 -5 -7 9
15 0 -15 55 70 71 77
12 0 -12 43 59
9 0 -9 34 50
16 0 -16 18 34
10 0 -10 8 24
14 0 -14 -6 10
4 0 -4 -10 6
10 10 0 70 80
Tabla 4.21 Muestra la demanda vs unidades calculadas por artculo Conchita encanto en
ambos modelos clsico y propuesto.
Fuente: Elaboracin propia.
Captulo 4
95
En la primera columna se muestra la demanda diaria del producto, en la segunda
columna se muestran las entregas hechas del producto a lo largo del mismo periodo de
tiempo, en la columna siguiente se indican las existencias en la tienda por da, es decir,
demanda menos salida del producto. Posteriormente, se desglosa el clculo diario en
existencias cuando (tomando en cuenta la Teora Clsica) se hace un pedido de 10
unidades/da, es decir de 70 unidades/semana. Similarmente, en las dos ltimas
columnas, pero considerando los resultados con el modelo propuesto.
Con base en la tabla anterior, se encuentra un error en el abasto semanal del
producto del 26% cuando se utiliza el modelo clsico y cero en desabasto con el
modelo propuesto. Ver tabla 4.22
MODELO CLSICO (Sem) MODELO PROPUESTO (Sem)
DFICIT
UNIDADES
CALCULADAS 70
CANTIDAD A
PEDIR/Sem q
DFICIT
UNIDADES
CALCULADAS 86
CANTIDAD A
PEDIR q/Sem
50 70 66 86
42 58
24 40
12 28
3 19
Si -9 7
Si -12 4
59 70 75 82
39 55
20 36
13 29
3 19
Si -1 15
0 16
62 70 78 70
49 65
40 56
31 47
7 23
Si -2 14
Si -7 9
55 70 71 77
43 59
34 50
18 34
8 24
Si -6 10
Si -10 6
70 80
Tabla 4.22 Muestra la cantidad a pedir q/semana por artculo Conchita encanto
Fuente: Elaboracin propia.
Captulo 4
96
b) Demandas sesgadas o espordicas
El anlisis del modelo se seguir ejemplificando para el caso de una demanda sesgada
o de tipo espordico con el artculo Allbran Chocolate. Con esto se estar probando que
modelo conviene utilizar en los inventarios. Ver tabla 4.23
MODELO CLSICO (Sem) MODELO PROPUESTO (Sem)
DEMANDA ENTRADAS EXISTENCIA
UNIDADES
CALCULADAS 0
CANTIDAD A
PEDIR/Sem q
UNIDADES
CALCULADAS 10
CANTIDAD A
PEDIR q/Sem
2 0 -2 -2 0 8 10
1 0 -1 -1 7
0 0 0 0 7
3 0 -3 -3 4
0 0 0 0 4
1 0 -1 -1 3
0 0 0 0 3
1 0 -1 -1 0 9 7
0 0 0 0 9
1 0 -1 -1 8
0 0 0 0 8
4 0 -4 -4 4
2 0 -2 -2 2
0 0 0 0 2
0 0 0 0 0 10 8
2 0 -2 -2 8
3 0 -3 -3 5
3 0 -3 -3 2
0 0 0 0 2
0 0 0 0 2
1 0 -1 -1 1
3 0 -3 -3 0 7 9
3 0 -3 -3 4
3 0 -3 -3 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
0 0 0 0 1
2 0 -2 -2 0 8 9
Tabla 4.23 Muestra la demanda vs unidades calculadas por artculo Allbran Chocolate en
ambos modelos clsico y propuesto.
Fuente: Elaboracin propia.
En la primera columna se muestra la demanda diaria del producto, en la segunda
columna se muestran las entregas hechas del producto a lo largo del mismo periodo de
tiempo, la columna siguiente indica las existencias en la tienda por da, es decir,
demanda menos salida de producto.
Captulo 4
97
Posteriormente se desglosa el clculo diario en existencias cuando (tomando en
cuenta la Teora Clsica) se hace un pedido de 0 unidades/da, es decir de 0
unidades/semana. Similarmente, en las dos ltimas columnas, pero considerando los
resultados con el modelo propuesto.
Con base en la tabla anterior, se encuentra un error en el abasto semanal del
producto del 100% cuando se utiliza el modelo clsico y cero en desabasto con el
modelo propuesto. Ver tabla 4.24
MODELO CLASICO (Sem) MODELO PROPUESTO (Sem)
Dficit
Unidades
calculadas
0
Cantidad a
pedir/sem
Q
Dficit
Unidades
calculadas
10
Cantidad a
pedir
q/sem
Si -2 0 8 10
Si -1 7
0 7
Si -3 4
0 4
Si -1 3
0 3
Si -1 0 9 7
0 9
Si -1 8
0 8
Si -4 4
Si -2 2
0 2
Si 0 0 10 8
Si -2 8
Si -3 5
Si -3 2
0 2
0 2
Si -1 1
Si -3 0 7 9
Si -3 4
Si -3 1
0 1
0 1
0 1
0 1
-2 0 8 9
Tabla 4.24 Muestra la cantidad a pedir q/semana por artculo Allbran de Chocolate.
Fuente: Elaboracin propia.
Captulo 4
98
4.6 COMPARACIN CON EL NUEVO MODELO DE INVENTARIO
En la seccin anterior se mostr la eficiencia de los modelos propuestos sobre los
modelos clsicos para el tipo de inventario que se maneja en las tiendas de
conveniencia.
Retomando el modelo que se maneja actualmente en las tiendas, segn la seccin
1.8 descripcin de la situacin actual, el algoritmo de clculo es:
F X Stock * 2 *
30
=
En donde, X
30
= Promedio de ventas en 30 das (o 31 segn el mes), = la desviacin
estndar y F = Frecuencia de visita.
Se desarrollar el clculo del stock para el artculo simtrico Conchita encanto. El
valor de
30
X ser el promedio de las ventas a lo largo del mes, con 2 . 12
30
= X y 7 = F .
Sustituyendo valores:
F X Stock * 2 *
30
= = 16 . 171 7 * 2 * 2 . 12 =
Por lo tanto, debern pedirse bajo el modelo actual 171.16 unidades por semana. Con
base en la seccin 4.4.2, con el modelo propuesto el clculo para el artculo conchita
encanto, ser:
a n
I S X Q + = 2 7
30
El valor de
30
X ser el promedio de las ventas reales a lo largo del mes; esto es,
tomando en cuenta las entradas no controladas como son devoluciones de clientes
Donde: 6 . 10
30
= X 9 . 5 =
n
S 0 =
a
I .
Sustituyendo valores:
En el caso de pedir una sola vez a la semana
a n
I S X Q + = 2 7
30
= 229 . 86 0 9 . 5 * 2 6 . 10 * 7 = + .
por lo tanto, debern pedirse 86 unidades por semana.
En el caso de pedir a los 3 das
a
n
I
S
X Q + =
7
6
3
30
= 34 0
7
9 . 5 * 6
6 . 10 * 3 = + .
Por lo tanto, debern pedirse 34 unidades por 3 das.
Captulo 4
99
En el caso de pedir a los 4 das
a
n
I
S
X Q + =
7
8
4
30
= 27 . 49 0
7
9 . 5 * 8
6 . 10 * 4 = + ,
por lo tanto, debern pedirse 49 unidades por 4 das.
Igualmente, se desarrollar el clculo del stock para el artculo sesgado Allbran,
Donde: 5 . 1
30
= X y 7 = F . Sustituyendo valores:
F X Stock * 2 *
30
= = 32 . 20 7 * 2 * 5 . 1 = .
Por lo tanto, debern pedirse bajo el modelo actual 20 unidades por semana. Con el
modelo propuesto, el clculo para el artculo Allbran chocolate, ser:
a n
I S X Q + = 2 7
30
.
Donde: 3 . 8
30
= X , 1 =
n
S y 0 =
a
I .
Sustituyendo valores:
En el caso de pedir una sola vez a la semana
a n
I S X Q + = 2 7
30
= 16 . 10 0 1 * 2 3 . 8 * 7 = + .
por lo tanto, debern pedirse 10 unidades por semana.
En el caso de pedir a los 3 das
a
n
I
S
X Q + =
7
6
3
30
= 35 . 4 0
7
1 * 6
3 . 8 * 3 = + ,
por lo tanto, debern pedirse 4 unidades por 3 das.
En el caso de pedir a los 4 das
a
n
I
S
X Q + =
7
8
4
30
= 8 . 5 0
7
1 * 8
3 . 8 * 4 = + .
Luego, debern pedirse 6 unidades por 4 das.
A continuacin se presenta la tabla comparativa para cada artculo resumiendo el
nmero de unidades calculadas con el modelo actual y el propuesto, as como la
diferencia entre ambos clculos. Ver tabla 4.25.
Captulo 4
100
SIMTRICOS
NOMBRE DEL ARTICULO NOMBRE DEL PROVEEDOR
MODELO
PROPUESTO
q
MODELO
ACTUAL
q
DIFERENCIA
EN
ARTCULOS
CONCHITA ENCANTO ALIMENTOS SR NATURAL 86 171 85
ALAS CON FILTRO BRITISH AMERICAN T 20 35 15
CLORETS ADAMS 4 PZ CADBURY ADAMS MEXICO 204 349 145
SALADITAS GAMESA GRUPO GAMESA INT 52 88 36
DORITOS NACHO PRODUCTOS TOSTI 96 179 83
PONTE ALMEJA PROVOLO PROVOLOTO INT 139 256 117
FRESCA ZERO TOSTIRICAS NIETO 1258 3678 2420
ESPORDICOS
NOMBRE DEL ARTICULO NOMBRE DEL PROVEEDOR
MODELO
PROPUESTO
q
MODELO
ACTUAL
q
DIFERENCIA
EN
ARTCULOS
GANSITO 100G PAQUETE BIMBO INT4 7 9 2
PASTEL DE CORAZON PZ CARLOS DAVID MENDEZ 4 6 2
SESGADOS
NOMBRE DEL ARTICULO NOMBRE DEL PROVEEDOR
MODELO
PROPUESTO
q
MODELO
ACTUAL
q
DIFERENCIA
EN
ARTCULOS
PASTELITO INTEGRA COMER DE LACTEOS DERIV 1716 3587 1871
CONCHAS BIMBO DIESTEL, S.A. DE C.V. 25 47 22
TAKIS BARCEL EDITORIAL MONTERREY 58 65 7
ACTIVIABEBFRES 250G KELLOGG COMPANY MEX 49 60 11
ALLBRAN/CHOCOLAT GUIA ROJI INT 10 20 10
CHUPACHUPS CALCI Monterrey Operacin 493 896 403
TOCINO REBANADO 1 KG SIGMA ALIMENTOS COM 343 441 98
CHOCO BELL UNILEVER DE MEXICO 43 80 37
Tabla 4.25 Muestra comparativo q/semana modelo propuesto y modelo actual.
Fuente: Elaboracin propia.
Con base en las tablas anteriores y tomando en cuenta el valor
0
C calculado en la
seccin 4.4 para cada artculo, se calcula el costo por mantener cada unidad extra
pedida con el modelo actual por artculo, de tal forma que ser posible conocer el costo
Captulo 4
101
total por artculo, as como el ahorro sustancial que se tiene con la aplicacin del
modelo propuesto. Ver tabla 4.26.
SIMTRICOS
NOMBRE DEL
ARTICULO
NOMBRE DEL
PROVEEDOR
DIFERENCIA
No.
ARTCULOS
Co
SOBRE
ABASTE-
CIMIENTO
COSTO
MANTENER POR
SOBRE
ABASTECIMIENTO
%
AHORRO
CON
NVO.
MODELO
CONCHITA ENCANTO ALIMENTOS SR NATURAL 85 3.22 $273.70 50%
ALAS CON FILTRO BRITISH AMERICAN T 15 9.42 $141.30 57%
CLORETS ADAMS 4 PZ CADBURY ADAMS MEXICO 145 0.44 $63.80 58%
SALADITAS GAMESA GRUPO GAMESA INT 36 4.17 $150.12 59%
DORITOS NACHO PRODUCTOS TOSTI 83 3.36 $278.88 54%
PONTE ALMEJA
PROVOLO PROVOLOTO INT 117 4.3 $503.10 54%
FRESCA ZERO TOSTIRICAS NIETO 2420 4.87 $11,785.40 34%
ESPORDICOS
NOMBRE DEL
ARTICULO
NOMBRE DEL
PROVEEDOR
DIFERENCIA
No.
ARTCULOS
Co
SOBRE
ABASTE-
CIMIENTO
COSTO
MANTENER POR
SOBRE
ABASTECIMIENTO
%
AHORRO
CON
NVO.
MODELO
GANSITO 100G
PAQUETE BIMBO INT4 2 8 $16.00 78%
PASTEL DE CORAZON
PZ CARLOS DAVID MENDEZ 2 19.2 $38.40 67%
SESGADOS
NOMBRE DEL
ARTICULO
NOMBRE DEL
PROVEEDOR
DIFERENCIA
No.
ARTCULOS
Co
SOBRE
ABASTE-
CIMIENTO
COSTO
MANTENER POR
SOBRE
ABASTECIMIENTO
%
AHORRO
CON
NVO.
MODELO
PASTELITO INTEGRA
COMER DE LACTEOS
DERIV 1871 0 $0.00 48%
CONCHAS BIMBO DIESTEL, S.A. DE C.V. 22 5.44 $119.68 53%
TAKIS BARCEL EDITORIAL MONTERREY 7 3.53 $24.71 89%
ACTIVIABEBFRES 250G KELLOGG COMPANY MEX 11 3.4 $37.40 82%
ALLBRAN/CHOCOLAT GUIA ROJI INT 10 7.23 $72.30 50%
CHUPACHUPS CALCI Monterrey Operacin 403 0 $0.00 55%
TOCINO REBANADO 1
KG SIGMA ALIMENTOS COM 98 27.83 $2,727.34 78%
CHOCO BELL UNILEVER DE MEXICO 37 2.6 $96.20 54%
Tabla 4.26 Muestra el porcentaje de ahorro por artculo con el modelo propuesto
Fuente: Elaboracin propia.
Captulo 4
102
El modelo propuesto brinda adems la ventaja de hacer el clculo en funcin de la
frecuencia de visita del proveedor, para disminuir la cantidad en existencia del
inventario, pero aumentando la frecuencia de pedido. As, retomando la seccin 4.4.2,
donde:
6 . 10
30
= X 9 . 5 =
n
S 0 =
a
I .
Sustituyendo valores:
En el caso de pedir una sola vez a la semana
a n
I S X Q + = 2 7
30
= 229 . 86 0 9 . 5 * 2 6 . 10 * 7 = + .
Por lo tanto, debern pedirse 86 unidades por semana.
En el caso de pedir a los 3 das
a
n
I
S
X Q + =
7
6
3
30
= 37 0
7
9 . 5 * 6
6 . 10 * 3 = + .
Por lo tanto, debern pedirse 37 unidades por 3 das.
En el caso de pedir a los 4 das
a
n
I
S
X Q + =
7
8
4
30
= 27 . 49 0
7
9 . 5 * 8
6 . 10 * 4 = + .
Por lo tanto, debern pedirse 49 unidades por 4 das.
Con el modelo propuesto, el clculo para el artculo Allbran chocolate, con
3 . 8
30
= X 1 =
n
S 0 =
a
I . De tal forma que sustituyendo valores se tiene:
En el caso de pedir una sola vez a la semana
a n
I S X Q + = 2 7
30
= 16 . 10 0 1 * 2 3 . 8 * 7 = + .
Por lo tanto, debern pedirse 10 unidades por semana.
En el caso de pedir a los 3 das
a
n
I
S
X Q + =
7
6
3
30
= 35 . 4 0
7
1 * 6
3 . 8 * 3 = + .
Por lo tanto, debern pedirse 4 unidades por 3 das.
En el caso de pedir a los 4 das
Captulo 4
103
a
n
I
S
X Q + =
7
8
4
30
= 8 . 5 0
7
1 * 8
3 . 8 * 4 = + .
Por lo tanto, debern pedirse 6 unidades por 4 das.
Ver tablas 4.27 y 4.28 para artculos Conchita encanto y Allbran chocolate
respectivamente.
49 q lunes 37 q jueves
29 12
21
3 37
25 34
16
4
49 1
38 48
18
-1 37
30 37
20
16
49 17
41 32
28
19 37
28 18
4
-5
49 -10
34 49
22
13 37
21 24
11
-3
49 -7
49 49
41
28
Tabla 4.27 Muestra la distribucin de artculos a lo largo del mes con base en el nmero
de unidades calculadas para 2 visitas lunes y jueves de una distribucin
simtrica. Ejemplo, producto Conchita encanto.
Fuente: Elaboracin propia.
Captulo 4
104
6 q lunes 4 q jueves
4 6
3
3 4
1 1
1
0
6 0
5 6
5
4 4
4 0
0
-2
6 -2
6 6
4
1 4
1 4
1
1
6 0
3 6
0
-3 4
4 4
4
4
6 4
4 6
3
-6
Tabla 4.28 Muestra la distribucin de artculos a lo largo del mes con base en el nmero
de unidades calculadas para 2 visitas lunes y jueves artculo sesgado Allbran
chocolate.
Fuente: Elaboracin propia.
105
Conclusiones
La elaboracin del presente trabajo permiti proponer una metodologa susceptible
a ser aplicada para el clculo de q, lote econmico, en tiendas de conveniencia o en
todas aquellas tiendas que estn sujetas al mismo esquema de trabajo, permitiendo
as cumplir con el objetivo propuesto que es el de generar una propuesta
metodolgica que eficientice la planeacin del inventario, el proceso de suministro y
el tiempo de almacenaje en tiendas de conveniencia, disminuyendo los costos por
mantener y asegurando la existencia del producto.
Mediante el estudio del caso, as como la propuesta del nuevo modelo, queda
demostrado que el inventario disminuye su costo de mantenimiento, manteniendo
un stock de seguridad y disminuyendo el riesgo de quedar sin producto.
La metodologa propuesta permite, en primera instancia, ordenar los datos en
forma adecuada para definir los mejores artculos para el clculo del lote
econmico. En este estudio se tomaron en cuenta 2600 artculos diferentes
diferidos en 180,000 registros, los datos se encontraban entre las fechas octubre y
noviembre 2007 de una tienda de conveniencia de zona mixta.
A fin de encontrar el clculo correcto de q se estudiaron los diferentes modelos
actuales de inventario en la literatura. Sin embargo, ninguno de ellos incluye dentro
del mismo modelo el stock de seguridad, las entradas no controladas, ni un estudio
minucioso del comportamiento de la demanda por cada artculo. Por tal motivo, se
propuso un modelo que contempla lo antes mencionado.
El modelo propuesto para artculos con distribucin simtrica
a n
I
k
S k X Q
+ =
7
2
30
.
y para artculos con distribucin sesgada y espordica:
a
n
I
S X k
Q
+
=
7
) 2 (
) 4 ( 7
.
Dentro del nuevo modelo se toma en cuenta dos veces la desviacin estndar
n
S 2 ya que con ello se cubre el 95% de los casos.
En el caso de los artculos sesgados y espordicos, se cambi la frmula ya
que el promedio de demanda por semana es ms homognea que el promedio
Comercio Detallista en Mxico
106
diario. En ambos casos, el comportamiento de la demanda es similar, es decir, hay
picos de demanda y nula demanda en el mismo periodo.
Concluyendo el caso de estudio, se hizo un comparativo entre q del modelo
actual y del propuesto, encontrando un ahorro del 63% con el nuevo modelo. Ver
tabla conclusiones 1.
SIMETRICOS
NOMBRE DEL ARTICULO
NOMBRE DEL
PROVEEDOR
DIF. No.
ART.
Co SOBRE
ABASTE-
CIMIENTO
COSTO MANTENER
POR SOBRE
ABASTECIMIENTO
%
AHORRO
CON NVO.
MODELO
CONCHITA ENCANTO ALIMENTOS SR NATURAL 85 3.22 $273.70 50%
ALAS CON FILTRO BRITISH AMERICAN T 15 9.42 $141.30 57%
CLORETS ADAMS 4 PZ CADBURY ADAMS MEXICO 145 0.44 $63.80 58%
SALADITAS GAMESA GRUPO GAMESA INT 36 4.17 $150.12 59%
DORITOS NACHO PRODUCTOS TOSTI 83 3.36 $278.88 54%
PONTE ALMEJA PROVO PROVOLOTO INT 117 4.3 $503.10 54%
FRESCA ZERO TOSTIRICAS NIETO 2420 4.87 $11,785.40 34%
$13,196.30
ESPORDICOS
NOMBRE DEL ARTICULO NOMBRE DEL PROVEEDOR
DIFERENCIA
No.
ARTCULOS
Co SOBRE
ABASTE-
CIMIENTO
COSTO MANTENER
POR SOBRE
ABASTECIMIENTO
%
AHORRO
CON NVO.
MODELO
GANSITO 100G PAQUETE BIMBO INT4 2 8 $16.00 78%
PASTEL DE CORAZON CARLOS DAVID MENDEZ 2 19.2 $38.40 67%
$54.40
SESGADOS
NOMBRE DEL ARTICULO NOMBRE DEL PROVEEDOR
DIFERENCIA
No.
ARTCULOS
Co SOBRE
ABASTE-
CIMIENTO
COSTO MANTENER
POR SOBRE
ABASTECIMIENTO
%
AHORRO
CON NVO.
MODELO
PASTELITO INTEGRA COMER DE LACTEOS 1871 0 $0.00 48%
CONCHAS BIMBO DIESTEL, S.A. DE C.V. 22 5.44 $119.68 53%
TAKIS BARCEL EDITORIAL MONTERREY 7 3.53 $24.71 89%
ACTIVIABEBFRES 250G KELLOGG COMPANY MEX 11 3.4 $37.40 82%
ALLBRAN/CHOCOLAT GUIA ROJI INT 10 7.23 $72.30 50%
CHUPACHUPS CALCI Monterrey Operacin 403 0 $0.00 55%
TOCINO REBANADO SIGMA ALIMENTOS COM 98 27.83 $2,727.34 78%
CHOCO BELL UNILEVER DE MEXICO 37 2.6 $96.20 54%
$3,077.63
Total $16,328.33
Tabla c.1 Muestra beneficios nuevo modelo para todos los artculos. Simtricos,
sesgados y espordicos
Fuente: Elaboracin propia.
Captulo 1
107
Por lo tanto, el costo por mantener sobre abastecimiento disminuye
mensualmente $16,328.00 solamente de los 17 artculos clave.
Finalmente, la investigacin demuestra que utilizando la metodologa as como
el modelo propuesto, en promedio se puede disminuir el pedimento de productos en
un 63%, manteniendo un stock de seguridad y disminuyendo los riesgos de carecer
del producto. De esta forma y atendiendo a la poltica de inventarios, la propuesta
metodolgica referir los artculos que debern solicitarse al proveedor, la cantidad
de cada uno de ellos as como la planeacin de visita del proveedor en tienda.
A pesar de que las tiendas de conveniencia actualmente trabajan con un
modelo inadecuado para el clculo de inventarios, si se implementa el modelo, cada
tienda podra tener ahorros substanciales en sus costos, lo que se traduce en mayor
ganancia para el propietario de la franquicia.
108
Bibliografa
Berenson., Levine, Estadstica para la Administracin. Prentice Hall. Mxico
2005. Captulos 7,9,11.
Bonini, Charles E, Hausman Warren, H., Bierman, Harold, Anlisis Cuantitativo
para los negocios. McGraw-Hill, Colombia 2004. Novena edicin. Captulos: 5,6,8.
Gutirrez Gonzlez, Eduardo, Fundamentos de estadstica descriptiva e inferencial
para Ingeniera y Ciencias. Nauka educacin, Mxico 2006. Primera Edicin. 448
pginas.
Gutirrez Gonzlez, Eduardo, Fundamentos de la Teora de las Probabilidades.
Nauka educacin, Mxico 2007. Primera Edicin. 401 pginas.
Hillier, Frederick, Lieberman, Gerald, Introduccin a la Investigacin de
Operaciones. Mc Graw Hill, Mxico 2002. Sptima edicin. Captulos: 15,19.
Jay, Devore., Probabilidad y Estadstica para Ingeniera y Ciencias. Prentice Hall,
Colombia 2005, Primera edicin. 795 pginas. Captulos: 2,3,4.
Kaufmann, Arnold, Mtodos y Modelos de la Investigacin de Operaciones.
C.E.C.S.A., Mxico 1979. Sexta edicin. 570 pginas.
Lind, Marchal, Mason, Estadstica para Administracin y Economa. Alfaomega,
Colombia 2004.Onceava edicin. Captulos:8,10.
Prawda Witenber, Juan, Mtodos y Modelos de Investigacin de Operaciones.
Limusa, Mxico 1988. Octava edicin.
Rojas, Lagarde., Canzian, Fundamentos de la probabilidad y estadstica. Editorial
de la Universidad Tecnolgica Nacional U.T.N. Argentina 2001. Captulo 4
Schiffman, L., Kanuk, L. Comportamiento del Consumidor. Prentice-Hall, Mxico
2001. Captulos: 3,5,6,11.
Solomon, Michael, Comportamiento del Consumidor.. 3Edicin en espaol.
Pearson educacin, Mxico 1997, 792 pginas. Captulos: 11,14,15.
Bibliografa
109
Solow, Mathur, Investigacin de Operaciones, El arte en la toma de decisiones.
Prentice Hall Hispanoamericana, Mxico 1993. Primera edicin.
Taha Hamdy, A., Investigacin de Operaciones. Prentice Hall, Mxico 2004.
Sptima edicin. Captulos:2,5.
Vilaplana, Montse, Comida rpida: una alternativa a la alimentacin
convencional?. OFFARM 2002. Vol. 21. p 112 - 118.
Winston L., Wayne, Investigacin de Operaciones, Aplicaciones y Algoritmos.
Grupo Editorial Iberoamericano, Mxico 1987. Sexta edicin. 1424 pginas,
Captulos:1,13,15,16.
Zeithaml, Valarie, Marketing de Servicios. 2Edici n en espaol. Mc Graw-Hill
Mxico 2002, Interamericana Editores. Captulos 4,6.
Azzato, Mauren, Profiling for Profit. Consumers Attitudes. Convenience Store
News; Vol. 37 Issue 2, p 6.
El Financiero. Tiendas de conveniencia inundan al mercado mexicano. Logstica
y Comercio Exterior. 27Enero 2005.
Jenkins, Richard. Convenience Store News, ao 2000. Vol. 36 Issue 15, p 51.
http://www.acnielsen.com.mx/press/acn20051226.shtml 21 Octubre 2007
http://www.circulokmexico.com.mx/index.php 30 Octubre 2007
http://www.edutecne.utn.edu.ar/probabilidad/C5%20V.A.U.2303.pdf 20
http://www.mktglobal.iteso.mx/numanteriores/2006/septiembre06/septiembre062.htm
http://www.monografias.com
http://www.tiendasoxxo.com.mx/oxxo/tiendas.html 21 Octubre 2007
http://www.supercity.com.mx/site/?p=7042 21 Octubre 2007
http://www.7-eleven.com.mx/ 30 octubre 2007
110
Anexos
1.- Prueba ji-cuadrada de bondad de ajuste (prueba paramtrica)
El problema general para determinar la distribucin de procedencia de los datos es
tan antiguo como complejo y, en la Estadstica se le suele llamar: Prueba de
bondad de ajuste o Ajuste de curvas. Su planteamiento general est relacionado
con las pruebas de hiptesis.
:
0
H la distribucin es ) (x f
:
1
H la distribucin no es ) (x f
La prueba se basa en la comparacin de las frecuencias observadas por clase,
contra las frecuencias esperadas, suponiendo que
0
H es cierta, es decir, que la
distribucin poblacional es ) (x f . El estadstico de prueba que se utiliza es:
) 2 ( ~
) (
2
1
2
2
=
k
np
np n
k
i i
i i
c
.
En general, con m parmetros a estimar, se tiene que la distribucin es ) 1 (
2
m k ,
donde
k-nmero de clases en la tabla de distribucin de frecuencias.
i
n el nmero de datos en la clase i,
n tamao de la muestra,
i
p es la probabilidad de que la variable aleatoria X (poblacional) tome valores en
el intervalo i.
En ocasiones se simboliza
esperada frecuencia
observada frecuencia
i i
i i
Fe np
Fo n
=
=
Regla de decisin:
Rechazar :
0
H la distribucin es ) (x f , al nivel de significancia ,
si: ) , 1 (
2 2
> m k
t c
.
Anexos
111
Nota
Se debe cuidar que la frecuencia en cada una de las clases construidas en
la tabla de frecuencias sea mayor o igual a 5, en caso contrario se agrupan
las clases contiguas, para que su frecuencia sea mayor o igual a 5.
EJEMPLO
Sean los 180 datos de un proceso de produccin, ver Tabla A-1.
26.20 29.40 30.30 31.10 31.70 32.60
26.30 29.40 30.30 31.20 31.80 32.60
26.40 29.50 30.30 31.20 31.80 32.60
26.60 29.50 30.40 31.30 31.80 32.70
27.50 29.50 30.50 31.30 31.80 32.70
27.60 29.50 30.50 31.30 31.80 32.70
27.80 29.50 30.50 31.30 31.90 32.70
28.00 29.60 30.50 31.30 31.90 32.70
28.00 29.60 30.50 31.30 31.90 32.70
28.10 29.60 30.50 31.40 31.90 32.70
28.20 29.70 30.50 31.40 31.90 32.80
28.30 29.80 30.50 31.40 31.90 32.80
28.40 29.90 30.60 31.40 32.00 32.80
28.40 29.90 30.60 31.50 32.00 33.00
28.60 29.90 30.70 31.50 32.00 33.00
28.60 29.90 30.70 31.50 32.00 33.10
28.80 29.90 30.70 31.50 32.10 33.10
28.80 30.00 30.70 31.50 32.10 33.20
29.00 30.00 30.70 31.50 32.20 33.30
29.00 30.00 30.70 31.50 32.20 33.40
29.00 30.00 30.80 31.50 32.30 33.50
29.00 30.00 30.80 31.50 32.30 33.50
29.00 30.00 30.90 31.50 32.30 33.50
29.10 30.00 31.00 31.60 32.40 33.60
29.10 30.10 31.00 31.60 32.40 33.60
29.10 30.10 31.00 31.60 32.40 33.60
29.20 30.20 31.10 31.60 32.50 33.90
29.20 30.20 31.10 31.60 32.60 34.10
29.40 30.30 31.10 31.70 32.60 35.30
29.40 30.30 31.10 31.70 32.60 35.30
Tabla A-1 Datos de la muestra para probar normalidad
Fuente: Produccin de una boquilla en la fabricacin de pay de nuez empresa BIMBO.
Pruebe si los datos provienen de una distribucin normal e indique sus parmetros.
Anexos
112
Valores observados en cada intervalo
de clase
0
5
10
15
20
25
30
35
40
2
6
,
9
0
2
7
,
6
0
2
8
,
3
0
2
9
,
0
0
2
9
,
7
0
3
0
,
4
0
3
1
,
1
0
3
1
,
8
0
3
2
,
5
0
3
3
,
2
0
3
3
,
9
0
3
4
,
6
0
Clase
F
r
e
c
u
e
n
c
i
a
Solucin
Calculando la media y desviacin estndar, tenemos que 7 . 1 ; 9 . 30 = = .
El nmero de intervalos de clase es 13 41 . 13 180 = = = n k .
La amplitud del intervalo est dado por: 7 . 0
13
2 . 26 3 . 35
min max
=
=
k
X X
X .
Las hiptesis formuladas son:
:
0
H la distribucin es ( )
2
, ) ( N x f =
:
1
H la distribucin no es ( )
2
, ) ( N x f
En este caso el nmero de intervalos es reducido a 10 debido a que la
frecuencia en cada una de las clases construidas es menor a 5.
Clase Frecuencia
27,60 6
28,30 6
29,00 11
29,70 18
30,40 23
31,10 27
31,80 35
32,50 21
33,20 21
33,90 12
Tabla A-2. Clases de frecuencia para los datos de la muestra.
Fuente: Fuente propia.
Grfica A-1. Histograma de las clases de frecuencia para los datos de la muestra.
Fuente: Fuente propia.
Anexos
113
En la tabla A-3 se presentan los valores distribuidos en los intervalos de clase y
la frecuencia absoluta de cada intervalo, correspondientes al nmero de
observaciones que caen en l. Igualmente se presentan los clculos necesarios para
realizar la prueba ji cuadrada.
Clase
i
intervalos i
n i
p
i
np
2
) (
i i
np n
i
i i
np
np n
2
) (
1 27,60 6 0,026 4,68 1,7424 0,3723
2 28,30 6 0,037 6,66 0,4356 0,0654
3 29,00 11 0,069 12,42 2,0164 0,1624
4 29,70 18 0,108 19,44 2,0736 0,1067
5 30,40 23 0,144 25,92 8,5264 0,3290
6 31,10 27 0,163 29,34 5,4756 0,1866
7 31,80 35 0,155 27,9 50,41 1,8068
8 32,50 21 0,125 22,5 2,25 0,1000
9 33,20 21 0,085 15,3 32,49 2,1235
10 33,90 12 0,088 15,84 14,7456 0,9309
Suma= 1 Suma= 6,1836
Tabla A-3. Valores tericos y muestrales para la prueba de bondad de ajuste de los datos muestrales.
Fuente: Fuente propia.
El valor crtico con un nivel de significancia del 5% y 7 grados de libertad es de
( )
067 . 14
2
7 ,
=