https://doi.org/10.37815/rte.v34n2.930
Artículos originales
Diseño de políticas de inventario para una institu=
ción
pública utilizando modelos de simulación
Design of
inventory policies for a public institution using simulation models<=
/b>
Rafael
Andrade-Cedeño
Bianka
Cabanilla-Sánchez
1
lrandrad@espol.edu.ec, bbcabani@espol.edu.ec, jabad@espol.edu.ec
Enviado: 2021/05/03
Aceptado: 2022/06/21
Publicado:
2022/06/30
En la gestión de la cadena de suministro es
importante desarrollar políticas de inventario que sean capaces de satisfac=
er
demandas altamente volátiles y al mismo tiempo mantener la inversión requer=
ida
en inventario al mínimo posible. La presente investigación tiene como objet=
ivo
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 tam=
bién
las restricciones estatales en los procesos de compras públicas. Se proponen
tres opciones diferentes de políticas de inventario basadas en amortiguador=
es e
inventario objetivos con diferentes métodos para calcular la cantidad a ped=
ir.
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 inventari=
o 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.
Sumario: Introducción, Materiales y Métodos, Resultados y Discusión y
Conclusiones. Como citar:<=
/span> Andrade-Cedeño, R., Cabanilla-Sánchez, B. & Abad-Morán, J.=
(2022).
Diseño de políticas de inventario para una institución pública utiliza=
ndo
modelos de simulación. Revista Tecnológica - Espol, 34(2), 181-195.=
http://www.rte.espol.e=
du.ec/index.php/tecnologica/article/view/930
=
Pa=
labras
clave: =
Simulac=
ión,
bodegas, buffers, desabasto, inventario objetivo, compras.
Abstract
In supply chain management, it is essential to deve= lop inventory policies capable of meeting highly volatile demands while keeping= the required investment in inventory to a minimum. This research aims to compare different inventory management systems and select the most convenient for a public institution warehouse. Consideration is given to products with highly volatile demands and government restrictions in public procurement processe= s. Three different inventory policy options based on buffers and target invent= ory are proposed with different methods for calculating the order quantity. The three options are simulated using Flexsim and compared with the current system’s results. The best option is determined using the indicators of ave= rage inventory, inventory days, and stockout. It is determined that the three options perform better than the current situation. However, the best option= is third one, which asks for the maximum value between the difference between = the target inventory and the current inventory and the sum of the three previous consumptions. Additionally, a sensitivity analysis was performed considerin= g an increase in the variability of the demand and lead-time, with which the response of these models to the new proposed scenarios could be evidenced.<= o:p>
Introducción
Mirando en
retrospectiva, las organizaciones han tratado de encontrar una solución ópt=
ima
para la administración de los inventarios al menos en los últimos 100 años,=
y
hasta la actualidad se han desarrollado métodos numéricos, enfoques analíti=
cos,
técnicas de programación dinámica y optimización a fin de minimizar los cos=
tos
y maximizar el nivel de servicio de la organización (Jackson, Tolujevs & Kegenbekov=
, 2020).
Las cadenas de
suministro han despertado el interés de los investigadores en seguir
desarrollando soluciones que impacten positivamente el desempeño financiero=
de
las organizaciones, más aún sabiendo que el
inventario en bodega es uno de los recursos esenciales del día a día de las
operaciones (Dosdoğru, Asli,
& Göçken et al, 2020). Aunque la problemáti=
ca de
la administración de inventarios siempre cae en el desafío de determinar el
tamaño del lote y la frecuencia de pedido, cada contexto de cadena de sumin=
istro
tiene sus propias particularidades y restricciones. (Jackson, Tolujevs & Kegenbekov=
,
2020).
Dentro del con=
texto
del sector público, la mecánica de las cadenas de suministro no es muy dist=
inta
a la del sector privado. La gestión de inventario es un punto determinante =
en
el manejo estratégico de los recursos institucionales, debido a que busca
reducir al mínimo posible la inversión financiera requerida para inventario,
como también maximizar la disponibilidad de existencias en el momento justo=
(Macías-Aguayo,
Abad-Morán & Barragán-Robles, 2019).
Independientem=
ente
del destino del inventario, éstos requieren un gasto de capital que aumenta=
la
necesidad de financiación. Los costos de inventario incluyen no solo las
cantidades necesarias para producirlo, sino también las cantidades relacion=
ados
con el costo de calidad, deterioro, daño y obsolescencia (Muller,
2003). Por ende, es importante implementar metodologías de administración de
inventarios que logren minimizar la cantidad de inventario en bodega y el
agotamiento (stockout) al mismo tiempo.
Un sistema de
administración de inventario deficiente con respecto al nivel de rotación de
inventario y nivel de servicio conlleva a ineficiencias operativas y
financieras para la empresa. Las ineficiencias operativas ocurren en la bod=
ega
y en las áreas donde realizan las requisiciones debido a que estas no pueden
seguir con sus actividades cotidianas por la falta de insumos necesarios. L=
as
ineficiencias de carácter financiero ocurren debido a la caótica forma en q=
ue
se realizan los pedidos de abastecimiento y una mala administración del
inventario, el cual resulta en un incremento considerable de las existencia=
s,
incurriendo en costos de mantenimiento de inventario mayores a lo esperado.=
Este último as=
pecto de
ineficiencias es muy común en cualquier sistema de administración de
inventarios. Un estudio realizado por el Consejo de Profesionales de la Ges=
tión
de Cadenas de Suministros de EE.UU determinó que los costos de mantenimient=
o de
inventario pasaron de 386 billones de dólares en el año 2000 a 427 billones=
de
dólares en el año 2015 (Kearney, 2016), esta situación corresponde a que mu=
chas
de las organizaciones implementan un sistema de administración de inventari=
os
de forma empírica sin considerar un riguroso análisis teórico acorde a la
complejidad de la demanda de sus productos.
La gestión de
inventario se basa en 3 decisiones que forman parte de las políticas de
inventario (Silver, Pyke & Thomas, 2016):
1.&n=
bsp;
Decisión de volumen: Sugiere la cantidad a pedir cuando se revisan l=
os
niveles de inventario.
2.&n=
bsp;
Decisión de tiempo: Define la frecuencia con la que se va a realizar=
la
revisión del nivel del inventario.
3.&n=
bsp;
Decisión de control: Verifica el adecuado desempeño de las políticas=
de
inventario implementadas, es decir, las decisiones de volumen y tiempo.
Las políticas
tradicionales de inventario se basan en un sistema de revisión periódica o =
en
un sistema de revisión de punto fijo de re-orden, los
cuales trabajan con lotes económicos, costos de pedido, costos de mantenimi=
ento
de inventario, inventario mínimo e inventario máximo (Chopra & Meindl,
2007).
El tipo de pol=
ítica
de inventario tiene un efecto significativo en la variabilidad de las
cantidades de los pedidos y los niveles de inventario en l=
as
diversas etapas de una cadena de suministro. Una alta variabilidad en la
demanda motiva altos niveles de existencias de seguridad y hace que costos =
de
inventario elevados sean inevitables. La capacidad de responder ágilmente a=
la
variabilidad de la demanda o del tiempo de reposición es un factor clave que
determina el desempeño de las cadenas de suministro y, por lo tanto, es
importante analizar el efecto de las políticas de inventario en los pedidos=
y
en el inventario (Hoberg, Bradley & Thon=
emann,
2007).
Los niveles de
existencias y los plazos de entrega se determinan con el fin de minimizar e=
l stockout y la cantidad de inventario obsoleto en cada=
punto
de almacenamiento o venta (Beamon, 1998). En es=
te
sentido, es clave un sistema de administración de inventario robusto que sea
capaz de responder a la variabilidad de la demanda y tiempos de reposición =
con
la menor cantidad de inventario posible.
Los sistemas de
abastecimiento actuales giran en torno a dos modalidades principalmente, las
que son bajo pronóstico “push” y las que son ba=
jo
demanda “pull” (Robert, 2016). Los sistemas de
inventario basados en pronósticos asumen que la demanda sigue una distribuc=
ión
de probabilidad conocida y analítica, pero en la realidad eso rara vez suce=
de,
por lo cual el pronóstico siempre será errado (Prak, Teunter & Syntetos, 2=
017).
Un sistema de
suministro guiado por la demanda, o tipo “pull”=
, es
capaz de responder ágilmente a una demanda impredecible en un ambiente de
productos muy variados, manteniendo un inventario de existencias mínimo
(Robert, 2016).
Las metodologí=
as
modernas guiadas por la demanda, tales como Lean, TOC o Demand
Driven se basan en definir “Buffers” o “Targets=
de
inventario” que se ajustan de manera automática a lo largo del tiempo y
establecen la cantidad adecuada de inventario que se debe tener en una bode=
ga
para satisfacer la demanda del cliente, mientras se espera la llegada del
reaprovisionamiento en respuesta al pedido generado por el sistema de
administración de inventario de la empresa (Ihme
& Stratton, 2015).
Realizar pedid=
os de
acuerdo con un punto fijo de re-orden por cada =
ítem
de inventario, significaría que se puede pedir todos los días, lo que
ocasionaría un incremento en la carga de trabajo administrativo de la direc=
ción
de adquisición y suministro. Por otro lado, realizar pedidos por medio del
método de revisión periódica significaría trabajar con inventario máximo, q=
ue
tendría un impacto en el incremento de la cantidad de inventario necesario =
para
satisfacer la demanda y no garantiza una reducción en los niveles de stockout (Macías-Aguayo, Abad-Morán & Barragán-Ro=
bles,
2019).
Una herramient=
a muy
potente para el diseño, implementación y evaluación de mejoras en cualquier
sistema, incluyendo los sistemas de administración de inventarios es la sim=
ulación
de eventos discretos. La simulación es la representación virtual de un proc=
eso
real que mediante una computadora se realizan los cálculos correspondientes=
y
se obtienen resultados de manera numéricamente sencilla, por lo tanto, es u=
na
herramienta válida para evaluar distintos escenarios. Las simulaciones perm=
iten
verificar la confiabilidad de los modelos de manera muy flexible y se
constituyen en una herramienta útil para el diseño de varios sistemas físic=
os,
incluyendo los sistemas de inventario (Dubois, 2018).
Tradicionalmen=
te, el
ciclo de vida de un modelo de simulación consiste en su creación acorde al
sistema real, se corren los modelos de simulación, se valida que los result=
ados
del modelo correspondan al sistema real, se realizan los ajustes de mejora
respectivos sobre el modelo, se obtienen nuevos datos en el modelo mejorado=
y
dependiendo de los resultados se realizan los cambios respectivos al sistema
real para lograr el objetivo de mejora (Nordgren,
2002).
La presente
investigación tiene como objetivo comparar distintos modelos de administrac=
ión
de inventarios en la bodega de insumos de aseo y oficina de una institución
pública, a través de la simulación de eventos discretos, para lograr dismin=
uir
el nivel de existencias, y a la vez pueda alcanzar un buen nivel de servici=
o en
los pedidos solicitados por las distintas unidades que conforman la
institución, dentro de un ambiente de incertidumbre y complejidad.
Materiales y Métodos
Debido a la cr=
isis
sanitaria del COVID-19, los niveles de consumo e inventario por producto
disminuyeron drásticamente en el año 2020, por lo cual, el período de análi=
sis
para el presente trabajo es desde el año 2018 hasta el año 2019.
La demanda de =
los
ítems del año 2018 es utilizada para definir las políticas de inventario a =
ser
implementadas en cada uno de los ítems, y la demanda de los ítems del año 2=
019
es utilizada para evaluar la efectividad de las políticas de inventario
propuestas y seleccionar la más conveniente.
La metodología
utilizada consiste en las siguientes fases:
Fase 1:
Identificación de los ítems de inventario de la bodega.
Fase 2: Diagnó=
stico
de la gestión actual del inventario.
Fase 3: Defini=
ción
de las políticas para la gestión del inventario.
Fase 4:
Implementación y comparación de modelos simulación para las políticas de
inventario.
F=
ase 1:
Identificación de los ítems de inventario de la bodega
Según los regi=
stros
de movimiento de inventario desde el año 2004, existen 5,488 ítems de
inventario. De estos ítems, existen 2 categorías principales:
Ítems de inven=
tario
bajo pedido. - Ítems requeridos por las diferentes unidades de la instituci=
ón
para satisfacer las necesidades de un evento en particular, (e.g: Simposios, ponencias, entre otros).
Ítems de inven=
tario
para consumo interno. - Ítems requeridos por las diferentes unidades de la
institución para satisfacer su consumo regular para la prestación de servic=
ios.
Los ítems de inventario para consumo interno se clasifican en materiales de
oficina y materiales de aseo.
Acorde a la Tabla
1, de los 5,488=
ítems
de inventario, 111 son ítems de inventario para consumo interno, representa=
ndo
el 2% del total de tipos de ítems. El 98% de los ítems son inventario bajo
pedido. Los resultados de la Tabla
1 proviene de l=
a base
de datos de ítems que registraron algún consumo desde el año 2004 al año 20=
19.
Segregación de Tipos de Ítems
|
TIPO DE ÍTEM |
CANTIDAD |
PORCENTAJE |
|
Ítems de inventario para consumo interno |
111 |
2% |
|
Ítems de inventario bajo pedido |
5,377 |
98% |
|
Total
de ítems registrados |
5,488 |
100% |
Para esta inve=
stigación,
se seleccionan los ítems de inventario para consumo interno, debido a su mi=
sma
naturaleza de mantener niveles mínimos de stock en bodega para satisfacer l=
as
necesidades de las distintas unidades de la institución.
Dado que exist=
en 111
ítems de inventario para consumo interno, y los administradores de la bodeg=
a no
pueden dar la misma cantidad de recursos para el control a todos los ítems =
por
igual, se deben agrupar en categorías amplias según su importancia monetaria
para dar una mejor perspectiva de control a la institución. Un método muy
aceptado para lograr esto es la clasificación ABC por consumo monetario de
productos, que consiste en multiplicar la demanda anual de cada producto po=
r su
costo unitario de adquisición.
La Figura
1 muestra la
concentración del nivel de consumo monetario (consumo valorado en dólares) =
en
cada ítem y la Tabla
2 muestran la
clasificación ABC monetaria de los ítems de inventario para consumo interno=
.
Figura = 1=
Diagrama de Pareto del Consumo Mo= netario de Ítems
Clasificación ABC Monetaria
|
CATEGORÍA |
CANTIDAD |
PORCENTAJE DE TIPO DE ÍTEMS |
PORCENTAJE DE CONSUMO MONETARIO |
|
A |
29 |
26% |
80% |
|
B |
40 |
36% |
15% |
|
C |
42 |
38% |
5% |
|
Total<=
/b> |
111 |
100% |
100% |
<= o:p>
S=
egún la Tabla
2, de los 111 ítems en bodega=
con
movimientos registrados hasta el año 2019, un total de 29 de estos ítems se
catalogan como tipo A y representan el 80% del consumo monetario, 40 de est=
os
están catalogados como ítems tipo B y representan el 15% del consumo moneta=
rio,
mientras que los 42 restantes son catalogados como ítems tipo C y represent=
an
apenas el 5% del consumo monetario.
F=
ase 2:
Diagnóstico de la gestión actual del inventario
La efectividad=
de
las propuestas de gestión inventario se deben verificar después de su
aplicación y su subsecuentemente comparación con los resultados de los
indicadores definidos.
A fin de obten=
er los
indicadores principales de los sistemas de inventarios propuestos, se defin=
en
las siguientes ecuaciones:
Inventario promedio =3D
Consumo anual =3D
Días de inventario =3D
Nivel de stockout =3D
Se utilizan los
datos del año 2018 como línea base de referencia. En la Tabla
3 se muestra los
niveles actuales de inventario promedio, consumo y días de inventario para =
los
29 ítems tipo A previamente identificados: Desempeño del Sistema Actual de
Inventario para Ítems Tipo A INDICADOR VALOR Inventario promedio $ 12,8=
81 Consumo anual $ 48,5=
82 Días de inventario 97 La institución
pública donde se realiza está investigación no registra el incumplimiento de
los requerimientos de los ítems en bodega, por ende, no hay datos disponibl=
es
para el indicador stockout. F=
ase 3:
Definición de las políticas para la gestión del inventario Una política p=
ara la
gestión de inventario basada en un “Buffer” o “Target de inventario” se aco=
pla
a la realidad de la institución sin incurrir en costos operativos extras. E=
stá
enfocada a minimizar la cantidad de inventario existente y a la vez maximiz=
ar
el nivel de servicio en los despachos. Existen 3 distintos escenarios defin=
idos
y aplicables como política de inventario, y mediante la evaluación de los
indicadores definidos en cada opción, se puede seleccionar la mejor. Para al
diseño de cada escenario, se definen 3 pasos: Paso 1: Det=
erminar
el tamaño del buffer de cada ítem El tamaño del =
buffer
está dado por la siguiente fórmula: Buffer =3D (De=
manda) x
(Lead Time) x (Factor de seguridad) La demanda
corresponde a los consumos promedios mensuales de cada ítem, el lead-time
(tiempo de reaprovisionamiento) es el tiempo promedio que toma reabastecer =
la
bodega de un ítem específico, y el factor de seguridad es el stock adicional
que se agrega al tamaño del buffer para amortiguar los cambios abruptos de =
la
demanda. El valor del factor de seguridad será directamente proporcional al=
valor
del coeficiente de variación (c.v) de la demand=
a de
cada ítem. La Tabla
4 Valores del Factor de Seguridad p=
or Rango C.V mayor a C.V menor o igual a Factor de seguridad 0 0.20 1.2 0.20 0.40 1.4 0.40 0.60 1.6 0.60 0.80 1.8 0.80 - 2 Los valores del
factor de seguridad mostrados en la Tabla
4 fueron determ=
inados
empíricamente con el equipo de investigación, con el fin de amortiguar la
variabilidad de la demanda sin incrementar desmesuradamente los niveles de
inventario. A manera de ej=
emplo
para calcular el tamaño de un buffer, se toma el ítem C0100 Jabón líquido, =
que
tiene una demanda promedio mensual de 32 unidades y una desviación estándar=
de
su demanda de 15 unidades, con lo cual se obtiene un c=
.v
de 0.47, acorde a la Tabla
4 el factor de
seguridad es de 1.6, y considerando un lead-time de 3 meses, el buffer qued=
aría
definido por la fórmula: Buffer C0100 Jabón líquido =3D 32 x 3 x 1=
.6 =3D
154 unidades. En el ejemplo expuesto, el tamaño del
inventario objetivo o b=
uffer del ítem C0100 Jabón líquido es de 154 unidade=
s.
Este buffer<=
/i> de inventario está diseñado para abastecer a la
organización de dicho ítem por 3 meses, incluyendo la variabilidad implícit=
a de
su demanda, hasta que llegue un nuevo aprovisionamiento del ítem a bodega.<=
o:p> Paso 2: Det=
erminar
el periodo de revisión del inventario (¿cuándo pedir?) Dado que la
institución pertenece al sector público, está sometida a regulaciones estat=
ales
sobre el proceso de compra de insumos, ocasionando las siguientes
restricciones: 1.&n=
bsp;
Hasta el mes de febrero de cada año el organismo de finanzas
correspondiente realiza la transferencia del presupuesto anual aprobado, y =
con
ello se puede retomar el proceso de compras para el resto del año. 2.&n=
bsp;
Hasta noviembre de cada año, se puede utilizar el presupuesto anual,=
por
ende, hasta ese mes se pueden realizar compras de insumos en la institución=
. Adicionalmente=
, el
tiempo que transcurre desde que se emite el pedido hasta que los productos
llegan a la bodega es variable con un promedio aproximado de 3 meses. La Figura
2 muestra el es=
quema
de pedido de abastecimiento a fin de cumplir con las restricciones estatale=
s: Figura =
2=
Esquema de Abastecimiento – Nivel=
de
Inventario en Bodega vs Tiempo Acorde a la Figura
2, dinámica que=
se
ejecuta en cada mes hábil de pedido consiste en verificar los niveles de
inventario de cada ítem, y si la cantidad de inventario del ítem en bodega =
es
menor al tamaño de su respectivo buffer, se genera un pedido, caso contrari=
o,
no se genera el pedido. Los meses hábiles para pedidos son febrero, mayo,
agosto y noviembre. Paso 3: Det=
erminar
la cantidad a pedir (¿cuánto pedir?) Existen 3 opci=
ones
de pedido que son las que determinan la diferencia entre las políticas de
inventario propuestas. Opción 1: Pedir la dife=
rencia
entre el inventario objetivo y el nivel de inventario actual. Por ejemplo, =
el
inventario objetivo definido para el ítem C0100 Jabón líquido es de 154 uni=
dades,
y si en un mes hábil de pedido el inventario actual del ítem es de 96 unida=
des,
el pedido sugerido será de 58 unidades. Opción 2: Pedir la suma=
de
los consumos de los 3 meses anteriores. Es decir, si el consumo del ítem C0=
100
Jabón líquido en los meses de agosto, septiembre y octubre fueron de 44, 67=
y
41 unidades respectivamente, el pedido de noviembre será de 152 unidades. Opción 3: Pedir el valor
máximo entre la diferencia del inventario objetivo con el inventario actual=
, y
la suma de los 3 consumos anteriores. Bajo esta opción, el pedido sugerido =
para
el ítem C0100 Jabón líquido es el máximo entre las opciones 1 y 2, por ende=
, es
152 unidades. Fase 4: Implementación y comparación de
modelos simulación para las políticas de inventario El software de
simulación utilizado para los modelos propuestos es Fl=
exsim,
con el cual se puede modelar, visualizar, analizar y optimizar cualquier
proceso de interés. El interfaz visual en 3D, permite apreciar claramente l=
os
comportamientos de los elementos que conforman el sistema simulado y a la v=
ez
modificar los modelos fácilmente con el fin de experimentar y encontrar al
menos una solución factible. Se desarrollan=
3
modelos de simulación, uno por cada opción de política de inventario propue=
sta,
y los parámetros más relevantes de cada modelo están descritos en la Tabla
5. Parámetros de los Modelos de Simu=
lación Parámetro Datos Abastecimiento de ítems Lead-time:
Beta (73, 93, 3.8, 2.7) Almacenamiento de ítems - Demanda de ítems Mismos valores de los consumos del año 2019 Armado de pedidos de ítems Tiempos de ciclo: 1 día Despacho de pedidos de ítems - A continuación, se explica detalladamente cada uno de los parámetros
mencionados en la Tabla
5. El abastecim=
iento
de ítems representa la cantidad de producto solicitado y el tiempo de
reaprovisionamiento. La cantidad solicitada a reaprovisionar estará en func=
ión
de la política de inventario simulada, mientras que los datos del tiempo de
reabastecimiento (lead-time) fueron extraídos en la base de datos de
consumo del año 2018, con sus respectivas transacciones desde la generación=
del
pedido hasta la recepción física de los productos en bodega. La Figura
3 fue obtenida =
de la
herramienta Experfit de Flexsim
y representa la distribución de probabilidad del lead-time de todos los ped=
idos
de ítems.
Figura =
3=
Distribución de Tiempos de
Reaprovisionamiento
Tal como se ob=
serva
en la Figura
3, y según lo
indicado por el análisis de datos en Experfit,
los valores del lead-time siguen una distribución beta con un mínimo=
de
73 días, un máximo de 93 días, parámetro de forma 1 de 3.8 y forma 2 de 2.7=
.
El almacenamie=
nto de
los ítems está representado por los “Buffers” del modelo, cuya capacidad de
almacenamiento es lo suficientemente grande para no interrumpir las operaci=
ones
de abastecimiento y despacho.
La demanda gen=
erada
en los modelos de simulación corresponde a los datos reales de la base de d=
atos
de consumo del año 2019 proporcionada por la institución, por ende, poseen =
la
misma variabilidad de la demanda real. Las demandas o pedidos de productos =
se
generan cada mes.
E=
l armado de
pedidos de ítems tiene como intensión representar la consolidación física d=
el
pedido de productos a las distintas unidades de la institución, y se establ=
eció
un tiempo fijo de 1 día.
<= o:p>
F=
inalmente,
el despacho de pedidos de ítems representa la operación de despacho en sí, y
después del mismo se obtiene el nivel de stockout.
Las variables =
de
salida de los modelos de simulación son el inventario promedio valorado en
dólares, el consumo anual para determinar los días de inventario y el nivel=
de stockout. El inventario promedio es el inventario pon=
derado
en el tiempo que el modelo otorga para cada objeto de almacenamiento de íte=
ms
multiplicado por su respectivo precio de compra, el consumo anual correspon=
de a
los pedidos despachados de todos los ítems por cada modelo, y el nivel de <=
span
class=3DSpellE>stockout se determina evaluando si el consumo en cada
período de 3 meses es mayor o igual a la demanda generada en ese mismo perí=
odo,
en caso de no cumplirse dicha relación, se dice que en ese período hubo
Debido a que la
primera demanda mensual a despachar es la de febrero (por las restricciones=
del
Estado mencionadas en el paso 2 de la fase 3), los modelos se simulan sobre=
un
horizonte de tiempo de 11 meses.
Con el fin de =
conocer
la robustez de los modelos propuestos frente a un eventual aumento en la
variabilidad de los parámetros de demanda y lead-time, se incluye en el
presente trabajo un análisis de sensibilidad considerando 2 escenarios:
Escenario 1=
Demanda más va=
riable
y la misma distribución del lead-time. Se genera un nuevo conjunto de datos=
de
consumo con una variabilidad mayor que la de los datos otorgados por la
institución, esto conlleva a aplicar una transformada a los datos de consumo
original mediante la forma:
Dij x [1 + U(-0.3=
0 ,
0.30) ], donde Dij es la demanda del ítem i en =
el mes
j, y U es la distribución de probabilidad uniforme continua que oscila entre
-0.30 y 0.30. Esto implica un aumento o disminución para cada uno de los da=
tos
de demanda original que puede ir del 0% al 30% respecto a su valor original,
logrando así aumentar la varianza en los datos de demanda mensual de cada í=
tem.
El esquema de
transformación se ilustra en la Figura
4 para una mues=
tra de
datos.
Figura =
4=
Esquema de la Transformación de D= atos de Demanda
Escenario 2=
Demanda original y distribución del lead-time con más variabilidad. =
Para
el lead-time de los productos, se utiliza la misma distribución de probabil=
idad
Beta, pero aplicando cambios a los valores de sus parámetros de mínimo y
máximo, con el fin de incrementar la varianza de dicha distribución. La Figura
5 ilustra el ca=
mbio
de valores de la distribución del lead-time.
Figura =
5=
Distribución de Probabilidad del Lead-Time original y alterada
Acorde a la Figura
5, la nueva
distribución de probabilidad de lead-time posee un rango más amplio que la
distribución original y, por ende, una varianza mayor.
Para efectos de
simplicidad, en el análisis de escenarios solo se evalúa los indicadores de
inventario promedio y stockout.
Resultados y Dis= cusión
La Tabla 6<=
/span> muestra los resultados de los indicadores de
Inventario Promedio, Días de Inventario y Nivel de Sto=
ckout,
del sistema actual de inventario (datos del año 2018) y los sistemas de
inventario propuestos con los parámetros de demanda (datos del año 2019) y
lead-time originales.
Tabla 6=
Resultados de las Simulaciones – Demanda y Lead Time Originales
|
Sistema |
Inventario
promedio |
Días
de inventario |
Nivel
de Stockout |
|
Sistema
actual de inventario |
$ 12,881 |
97 |
No hay
registros |
|
Opción
1: Diferencia entre buffer e inventario actual |
$ 10,084 |
86 |
12% |
|
Opción
2: Consumo de los 3 últimos meses |
$ 8,067 |
72 |
19% |
|
Opción
3: Máximo entre opciones 1 y 2 |
$ 10,795 |
91 |
8% |
Como se observa en la Tabla 6<=
/span>, las propuestas de políticas de inventario bas=
adas
en inventario objetivo (opciones 1, 2 y 3) tienen mejores desempeños que el
sistema actual con respecto a inventario promedio y días de inventario
(rotación de inventario). LaTabla<=
/span> 7 muestra los porcentajes de reducción respecto =
al
sistema actual de inventario.
Tabla 7=
Porcentajes de Reducción respecto al Sistema de Actual de Inventario
|
Sistema |
Inventario
promedio |
Días
de inventario |
|
Opción
1: Diferencia entre buffer e inventario actual |
22% |
12% |
|
Opción
2: Consumo de los 3 últimos meses |
37% |
26% |
|
Opción
3: Máximo entre opciones 1 y 2 |
16% |
6% |
Acorde a la Tabla 7<=
/span>, la opción 2 muestra la mayor reducción en los
indicadores de inventario promedio y días de inventario, sin embargo, posee=
el stockout más alto como se observa en la Tabla 6<=
/span>. Por otro lado, la opción 3 otorga el stockout más bajo y logra una considerable reducción =
en los
indicadores de inventario promedio y días de inventario de 16% y 6%
respectivamente.
Se observa que con base en los resultados obten=
idos
existe una relación inversamente proporcional entre el inventario promedio =
y el
nivel de stockout para los sistemas simulados. =
Los
tomadores de decisiones deben balancear los requerimientos entre la inversi=
ón
necesaria que se refleja en el inventario promedio, los días de inventario =
y el
nivel de servicio definido (que se refleja en el nivel de stockout).
Por lo tanto, la opción que mejor se desempeña en los indicadores estableci=
dos
es la opción 3 con los parámetros de demanda y lead-time originales.
Los resultados del análisis de sensibilidad se
resumen en la Tabla 8<=
/span> para el escenario 1 y en la Tabla 9<=
/span> para el escenario 2. Tabla 8=
Resultados
del Análisis de Sensibilidad – Escenario 1 Sistema Inventario promedio Nivel de Stockout<=
/span> Sistema actual de inventario $
12.881 No hay registros Opción 1: Diferencia entre buffer e inventario
actual $
9.936 16% Opción 2: Consumo de los 3 últimos meses $
7.894 19% Opción 3: Máximo entre opciones 1 y 2<=
/span> $
10.758 8% Tabla 9=
Resultados
del Análisis de Sensibilidad – Escenario 2 Sistema Inventario promedio Nivel de Stockout<=
/span> Sistema actual de inventario $
12.881 No hay
registros Opción 1: Diferencia entre buffer e inventario
actual $
12.393 27% Opción 2: Consumo de los 3 últimos meses $
11.559 30% Opción 3: Máximo entre opciones 1 y 2<=
/span> $
15.507 23% En la <=
/span>Tabla 8<=
/span> se puede observar que los indicadores de los 3
modelos de simulación no cambian significativamente respecto a los valores =
de
la Tabla 6<=
/span> con los parámetros de demanda y lead-time
originales, sin embargo, en la Tabla 9<=
/span> se puede notar claramente un cambio en sus
indicadores respecto a la Tabla 6<=
/span>, ya que los valores de inventario promedio y <=
span
class=3DSpellE>stockout se elevan considerablemente. Esto implica qu=
e los
sistemas de inventario propuestos son muy sensibles a la variación del
lead-time, pero responden muy bien ante el incremento de la variabilidad de=
la
demanda, siendo la opción 3 la mejor propuesta, al poseer el menor valor de=
stockout y lograr disminuir el inventario promedio re=
specto
al valor original. Se debe consid=
erar
para una futura investigación, incorporar un factor de seguridad tanto para=
la
demanda como para el lead-time, con ello se lograría obtener un buffer
adecuado para responder a un eventual aumento de la variabilidad de ambos
parámetros mencionados. Al implementar=
un
sistema de control de indicadores de desempeño sobre una política de
inventario, se debe considerar los valores objetivos de los indicadores. Pa=
ra
el caso del inventario promedio, días de inventario y nivel de stockout, lo ideal para los tres indicadores es que t=
engan
el menor valor posible. Para la gestió=
n de
los “ítems de inventario bajo pedido”, al ser productos de demanda dependie=
nte,
el cuándo y cuánto pedir, se debe basar en la planificación de las necesida=
des
de los usuarios, para esto las unidades solicitantes de la bodega deberían
realizar sus pedidos en los meses de enero, abril, julio y octubre, es deci=
r,
un mes antes de llegar a algún mes hábil de pedido. El objetivo de=
la
presente investigación es comparar las distintas políticas de inventario co=
n el
fin de disminuir el nivel de inventario promedio en la bodega, regular los
pedidos con base en un criterio simple y sólido, considerando el nivel de
servicio más alto para las áreas solicitantes de la institución. Tres opcio=
nes
diferentes fueron simuladas con Flexsim conside=
rando
la realidad de la institución pública. Las tres opciones presentan mejor
desempeño que la situación inicial y la opción 3 presenta un mejor desempeñ=
o en
conjunto con respecto a la inversión requerida y nivel de servicio ofrecido=
. La
metodología propuesta es simple de entender, efectiva regulando los niveles=
de
inventario en bodega y es aplicable para cualquier tipo de producto que pos=
ea
demanda independiente. Para realizar =
el
cálculo del tamaño del buffer de algún producto de bodega, se debe consider=
ar
su demanda mensual promedio, su lead time y un factor de seguridad que esta=
rá
en función del coeficiente de variación del producto a fin de amortiguar los
cambios abruptos de la demanda. Tomando la opc=
ión 3,
donde se pide el valor máximo entre la diferencia de inventario (buffer men=
os
el inventario actual), y la suma de los tres consumos anteriores, se dismin=
uye
el inventario promedio valorado en dólares en 16%, se disminuye los días de
inventario de 97 a 91 días, es decir un 6%, y se tiene un nivel de stockout del 8%. Mediante un an=
álisis
de sensibilidad, se logró determinar que los sistemas de inventario propues=
tos
responden muy bien ante un eventual aumento en la variabilidad de la demand=
a,
pero son muy sensibles ante un aumento en la variabilidad del lead-time, de=
bido
a que la fórmula de cálculo de buffer contempla un factor de segurid=
ad
solo en función de la variación de la demanda. Ante esta situación, se
recomienda implementar una fórmula de cálculo de buffer que incorpor=
e un
factor de seguridad tanto para la variación de la demanda como para la
variación del lead-time, y posteriormente verificar su efectividad mediante=
modelos
de simulación. A través de una buena política de inventario se logra regular el pro=
ceso
de compra de insumos mediante un sistema de control sencillo y eficaz que p=
ide
lo necesario para abastecer los requerimientos de la organización en cada
período de tiempo sin incurrir en costos adicionales de operación. Reconocimientos Esta investiga=
ción fue
posible gracias a la colaboración de la institución pública que facilitó
oportunamente los datos requeridos para su desarrollo. Referencias Jackson, I., T=
olujevs,
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.
Dosdoğru<=
/span>, 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, 2=
9(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 Interna=
tional
Multi-Conference for Engineering, Education, and Technology. http://dx.doi.org/10.18687/laccei2019.1.1.318
Müller, M. (2003) Essentials of inv=
entory
management, AMACOM American Management, pp. 2-4
Kearney A.T. (2016). CSCMP’ annual =
State of
the Logistics Report.
Silver, E. A., Pyke, D. F., & T=
homas,
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). Anal=
yzing
the effect of the inventory policy on order and inventory variability with
linear control theory. 176(3), 1620–1642. https://doi:10.1=
016/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<=
/span>,
R., & Syntetos, A. (2017). On the calcul=
ation
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). Ev=
aluating
demand driven MRP: a case based simulated study.
Dubois, G. (2018). Modeling and
simulation: challenges and best practices for industry. CRC Press. (1st
Nordgren, W. B. (2002, December). Flexsim simulation environment. In Proceedings o=
f the
winter simulation conference (Vol. 1, pp. 250-252). IEEE.
5
Diseño de políticas de in=
ventario
para una institución pública utilizando modelos de simulación