En la gestión de la cadena de suministro es importante desarrollar políticas de inventario que sean capaces de satisfacer demandas altamente volátiles y al mismo tiempo mantener la inversión requerida en inventario al mínimo posible. La presente investigación tiene como objetivo comparar distintos sistemas de administración de inventario, y seleccionar el más conveniente para una bodega de suministros de una institución pública. Se considera no solamente productos con demandas altamente volátiles, sino también las restricciones estatales en los procesos de compras públicas. Se proponen tres opciones diferentes de políticas de inventario basadas en amortiguadores e inventario objetivos con diferentes métodos para calcular la cantidad a pedir. Las tres opciones se simulan por medio de Flexsim, se las compara con los resultados del sistema actual y se determina la mejor opción utilizando los indicadores de inventario promedio, días de inventario y nivel de rompimiento de inventario (stockout). Se determina que las tres opciones presentan mejor desempeño que la situación actual, sin embargo, la mejor opción es la tercera, que pide el valor máximo entre la diferencia del inventario objetivo con el inventario actual, y la suma de los tres consumos anteriores. Adicionalmente se realiza un análisis de sensibilidad considerando un aumento en la variabilidad de la demanda y del lead-time, con lo cual se pudo evidenciar la respuesta de estos modelos ante los nuevos escenarios propuestos.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Referencias
Jackson, I., Tolujevs, J., & Kegenbekov, Z. (2020). Review of inventory control models: A classification based on methods of obtaining optimal control parameters. Transport and Telecommunication, 21(3), 191-202. https://doi.org/10.2478/ttj-2020-0015
Dosdoğru, A. T., Asli, B., Göçken, M., & Göçken, T. (2020). Simulation optimization approach to periodic review inventory control system with backorders. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 29(1), 200-212. https://doi.org/10.35379/cusosbil.718113
Macias-Aguayo, J., Abad-Morán, J., Barragán-Robles, C. (2019). Diseño de políticas de reabastecimiento de inventario: Caso en el Sector Hospitalario. 17 th LACCEI International Multi-Conference for Engineering, Education, and Technology. http://dx.doi.org/10.18687/laccei2019.1.1.318
Müller, M. (2003) Essentials of inventory management, AMACOM American Management, pp. 2-4
Kearney A.T. (2016). CSCMP’ annual State of the Logistics Report.
Silver, E. A., Pyke, D. F., & Thomas, D. J. (2016). Inventory and production management in supply chains. CRC Press. (4th ed, pp 239-245).
Chopra, S., & Meindl, P. (2007). Supply chain management. Strategy, planning & operation. In Das summa summarum des management (pp. 265-275). Gabler.
Kai Hoberg; James R. Bradley; Ulrich W. Thonemann (2007). Analyzing the effect of the inventory policy on order and inventory variability with linear control theory. 176(3), 1620–1642. https://doi:10.1016/j.ejor.2005.10.040
Beamon, B. M. (1998). Supply chain design and analysis: Models and methods. International journal of production economics, 55(3), 281-294.
Robert A Davis. (2016) Demand-Driven Inventory Optimization and Replenishment, Wiley (2dn ed, pp. 37-50)
Prak, D., Teunter, R., & Syntetos, A. (2017). On the calculation of safety stocks when demand is forecasted. European Journal of Operational Research, 256(2), 454-461. http://dx.doi.org/10.1016/j.ejor.2016.06.035
Ihme, M., & Stratton, R. (2015). Evaluating demand driven MRP: a case based simulated study.
Dubois, G. (2018). Modeling and simulation: challenges and best practices for industry. CRC Press. (1st ed, pp 1-8).
Nordgren, W. B. (2002, December). Flexsim simulation environment. In Proceedings of the winter simulation conference (Vol. 1, pp. 250-252). IEEE.