Page 1

“Gestión del Conocimiento para un Modelo de Administración de Inventarios” Investigación en una Empresa Maquiladora Local del Ramo Automotriz Tesis presentada por:

MIGUEL ANGEL ACUÑA CHÁVEZ Para obtener el grado de: MAESTRO EN CALIDAD Asesor: Dr. Pedro Martínez Ramos

Chihuahua, Chih., a 5 de noviembre de 2013


ii


iii

DEDICATORIA. Gracias a Dios por bendecirme con la vida. A mi Linda y Amada esposa Lucy por compartir tu vida y sueños conmigo, llenando de amor y sabiduría todas las etapas de nuestra vida, agradezco tu paciencia y comprensión ensenándome con el ejemplo el camino correcto de la felicidad. De verdad Te amo. A nuestros tres hermosos hijos: Valeria Sofía, Juan Pablo y Jesús Omar que son fuentes de inmensa

alegría

en

nuestro

hogar,

enseñándome con sóo una sonrisa lo valioso que es disfrutar la vida. Son una bendición de Dios que me inspira a superarme como ser humano cada día. A la memoria de mis seres queridos mi Madre, mi Padre y mi Hermano que se adelantaron en el camino dejando un enorme hueco en mi corazón pero un ejemplo insuperable de esfuerzo y amor por la vida.


iv

AGRADECIMIENTOS A la organización que me permite desarrollarme en un ambiente de crecimiento humano y profesional desde hace 18 años y me permite alcanzar este logro

tan

significativo

en

mi

carrera

profesional

ofreciéndome

retos

y

oportunidades constantes que han forjado en mí un mejor ser humano y profesionista orgulloso y agradecido de representar dignamente a esta organización. A mis amigos y compañeros del Departamento de Materiales, un exitoso equipo de seres humanos capaces de seguir la dirección de un servidor por mi nombre y persona y no por el puesto que desempeño. Gracias por permitirme ejercer en ustedes mis habilidades de liderazgo y administración a costa del aprendizaje a prueba y error siendo ustedes el ingrediente activo que inspiró este proyecto. A la Universidad La Salle Chihuahua por facilitarme los medios y los tiempos necesarios para completar la Maestría en una ambiente de tranquilidad y excelencia en la calidad humana de sus administradores. Quiero agradecer a mi maestro y asesor Dr. Pedro Martínez Ramos que me exigió y comprometió a completar este proyecto. Completar esta tesis será mi agradecimiento por su orientación y empeño en verlo culminado.


v

RESUMEN Esta investigación fue conducida en una empresa del ramo de la industria automotriz en Chihuahua, donde se desarrolló un modelo teórico-conceptualpráctico de gestión de inventarios, entrenando a los líderes en el modelo para institucionalizarlo. Además se plantearon objetivos específicos: identificar el nivel de conocimiento en el modelo de gestión y determinar la existencia de una correlación estadística entre las ventas y el indicador días de inventario obtenido en los periodos contables anteriores y posteriores a la investigación. El trabajo presentado tuvo un enfoque cuantitativo, de naturaleza no experimental transversal y correlacional descriptiva. El método propuesto para la recolección de datos fue a través de un muestreo probabilístico aplicado a los administradores del modelo de gestión de inventarios midiéndose el nivel de asociación a los cuatro constructos principales, utilizando el cuestionario auto administrado bajo escalas de acercamiento como instrumento de medición que le permitieron al encuestado indicar el nivel de asociación del modelo de gestión de inventarios con su actividad diaria. El nivel de asociación del modelo de gestión de inventarios se contrastó con el resultado del indicador “días de inventario” bajo una análisis de varianza. El método empleado para la recolección de datos del objetivo específico fue un muestreo probabilístico a través del tiempo de las variable de entrada “ventas” del modelo de gestión de inventarios y la variable de salida “días de inventario”. La información de las muestras se sujetó a un estudio de correlación antes y después del modelo de gestión para validar estadísticamente que el modelo de gestión de inventarios es una herramienta de mejora continua del indicador “días de inventario” independiente a la variable de entrada “ventas”. El modelo de gestión de inventarios se validó estadísticamente con un análisis de varianza Anova demostrando que el modelo mencionado es diferente y significativamente mejor y una prueba de regresión lineal para mostrar la no correlación entre las variables de entrada “ventas” y el indicador de salida “días de inventario”.


vi Los resultados sugieren que el indicador “días de inventario” ha mejorado significativamente a través del tiempo con el Modelo de Gestión de Inventarios y que no está relacionado en lo absoluto con el plan de ventas de la compañía como la percepción general en la organización lo manifiesta, pero sí esta positivamente relacionado con el conocimiento de los administradores del Modelo teóricoconceptual-práctico de gestión de inventarios diseñado para manejar la demanda del cliente, la planeación de la producción y la planeación de requerimientos de materia prima. Palabras Clave: Conocimiento; Planeación; Inventarios.


vii

ABSTRACT A research was conducted in a company that belongs to the automotive industry sector located in Chihuahua, Mexico, where it was developed a conceptual-theoretical-practical inventory management model and leaders where trained on a continuous base to institutionalize the model. In addition to the model development it was also determined specific objectives: identifying the level of knowledge in the management model of the leaders and the second objective was to determine if there is an statistical correlation between sales and inventory days metric obtained in both previous accounting periods and the subsequent to the investigation. The present study had a mixed approach, its nature is both non experimental transversal and correlational descriptive, the proposed method of data collection was through probabilistic sampling applied to the inventory management model administrators by measuring the level of association of four major constructs, using the self-administered questionnaire as measuring instrument under approaching scales allowing administrators to indicate the level of association of inventory management model with their daily activities. The association level inventory management model is contrasted with the result of the indicator "inventory days" under a variance analysis. The proposed method for data collection was probability sampling over time of the input variable "sales" and the output variable “inventory days”. The information of the samples were subjected to a correlation study before and after the management model was implemented to obtain an statistic validation and demonstrate that the inventory management model is a tool for continuous improvement of the metric “inventory days” independent of the input variable “sales”. The inventory management model was validated statistically with both an ANOVA variance analysis showing that the inventory management model is different and significantly better, and a regression testing to show non-linear correlation between the input variable "sales" and the metric “inventory days”. The results suggest that the metric “inventory days” has significantly improved over time


viii with the Inventory Management Model and it is not related at all with the sales plan of the company as the general perception in the organization will reflect, but is positively related to knowledge of administrators conceptual-theoretical model of inventory management practice designed to manage customer demand, production planning and planning raw material requirements. Keywords: Knowledge, Planning, Inventory.


ix

CURRICULUM VITAE

Miguel Angel Acuña Chávez (nacido en Chihuahua, Chihuahua; México, 31 de Diciembre de 1969) es Gerente de Materiales en TRW Occupant Restraints de Chihuahua desde Enero del 2010. Ingeniero Industrial Electrónico por el Instituto Tecnológico de Chihuahua y pasante de Maestro en Calidad por la Universidad La Salle Campus Chihuahua desde el 2012 y con Bachillerato Físico Matemático por el Colegio de Bachilleres Chihuahua Plantel 1 en 1988. Miembro del Comité de Carrera de Ingeniería de Calidad en la Universidad la Salle Campus Chihuahua en el periodo 2009-2010. Honrado en 1982 como “Alumno Distinguido del Estado de Chihuahua” por aprovechamiento académico visitando al Presidente de México, José López Portillo. Profesional vinculado a más de 18 años de experiencia en la industria Automotriz, desempeñándose en los puestos de Gerencias de Calidad, Manufactura y Materiales desde Abril del 2005 y, con especialización en: Administración de Calidad, Manufactura Esbelta, Análisis de la Cadena del Valor, Green Belt, Kaizen Análisis del Valor Agregado y Supervisión de Clase Mundial.


x

CONTENIDO “GESTIÓN DEL CONOCIMIENTO PARA UN MODELO DE ADMINISTRACIÓN DE INVENTARIOS”. ................................................................................................. I “GESTIÓN DEL CONOCIMIENTO PARA UN MODELO DE ADMINISTRACIÓN DE INVENTARIOS”. ................................... ¡ERROR! MARCADOR NO DEFINIDO. INTRODUCCIÓN...................................................................................................... 1 CAPÍTULO I. PLANTEAMIENTO DEL PROBLEMA. ........................................... 2 A. 1. 2.

Definición del problema. ....................................................................................................................... 2 Enunciado. ............................................................................................................................................... 2 Formulación. ............................................................................................................................................ 3

B. 1. 2.

Objetivos del trabajo. ............................................................................................................................ 6 Objetivo general. ...................................................................................................................................... 6 Objetivos específicos. .............................................................................................................................. 6

C. 1.

Justificación y delimitación de la investigación................................................................................... 6 Justificación. ............................................................................................................................................ 6 a) Práctica. ................................................................................................................................................ 6 b) Metodológica. .................................................................................................................................... 10 2. Delimitación de la investigación. ........................................................................................................... 11 a) Límites de tiempo. ............................................................................................................................. 11 b) Límites de espacio.............................................................................................................................. 11 c) Límites de recursos. ........................................................................................................................... 11

CAPÍTULO II. MARCO DE REFERENCIA. ......................................................... 12 1.

Marco teórico. .......................................................................................................................................... 12

2.

Marco Conceptual. ................................................................................................................................... 48

CAPÍTULO III. HIPÓTESIS Y VARIABLES ......................................................... 59 A. 1. 2.

Hipótesis. ............................................................................................................................................... 59 Principal. ................................................................................................................................................ 59 Secundarias. ........................................................................................................................................... 59

B. 1. 2.

Variables. .............................................................................................................................................. 59 Definición. ............................................................................................................................................. 59 Operacionalización. ............................................................................................................................... 68

CAPÍTULO IV. MÉTODOLOGÍA DE LA INVESTIGACIÓN ................................ 69 A.

Diseño de la investigación. ................................................................................................................... 69


xi 1. 2. 3. 4.

Enfoque paradigmático. ......................................................................................................................... 69 Naturaleza. ............................................................................................................................................. 69 Finalidad. ............................................................................................................................................... 69 Temporalidad. ........................................................................................................................................ 70

B. 1. 2.

Sujetos o población de interés. ............................................................................................................ 70 Descripción. ........................................................................................................................................... 70 Plan de acceso o muestreo ..................................................................................................................... 72 a) Unidad de análisis. ............................................................................................................................. 72 b) Tipo y método de muestreo................................................................................................................ 72 c) Tamaño de la muestra ........................................................................................................................ 72

C.

Procedimiento Metodológico............................................................................................................... 73

D.

Instrumentos de recolección de datos. ............................................................................................... 75

E.

Análisis de los datos. ............................................................................................................................ 76

F. Materiales y equipo utilizado. .............................................................................................................. 76 G.

Limitaciones y supuestos. .................................................................................................................... 77

CAPÍTULO VI. CONCLUSIONES Y RECOMENDACIONES ............................ 117 A.

Conclusiones. ...................................................................................................................................... 117

B.

Recomendaciones ............................................................................................................................... 118

REFERENCIAS .................................................................................................... 119 ANEXOS .............................................................................................................. 125 A. 1. 2. 3. 4.

Instrumentos de Recolección de Datos............................................................................................. 125 Cuestionario de Medición del Conocimiento. .................................................................................... 126 Lista de Colección de Datos de los resultados del Cuestionario. ........................................................ 129 Lista de colección de datos para las variables ventas y días de inventario. ....................................... 131 Lista de colección de datos de los componentes del inventario........................................................... 133


xii

ÍNDICE DE TABLAS Tabla 1. Revisión de Modelos de Aleatoriedad de la Demanda. ........................... 17 Tabla 2. Revisión de Modelos de Aleatoriedad de Tiempos de Reposición. ......... 21 Tabla 3. Revisión de Modelos para la Estimación de Políticas de Inventario. ....... 24 Tabla 4. Revisión de Modelos de Gestión de Inventarios. ..................................... 28 Tabla 5. Evolución de la Administración de la Cadena de Suministro. .................. 31 Tabla 6. Definiciones y palabras claves de la Cadena de Suministro. ................... 32 Tabla 7. Definición de Gestión del Conocimiento. ................................................. 38 Tabla 8. Criterios de Evaluación del Desempeño de la Cadena de Suministro. .... 43 Tabla 9. Prácticas desarrolladas con la Base de Proveedores de la Cadena de Suministro .............................................................................................................. 47 Tabla 10. Representación del Pronóstico de Ventas MidMonth de Junio 2013. .... 50 Tabla 11. Representación del MPS en la Tabla MF50 del Sistema ERP. ............. 52 Tabla 12. Representación del MRP en la Tabla MD04 del Sistema ERP. ............. 55 Tabla 13. Definición y operacionalización de variables. ......................................... 68 Tabla 14. Tipos de análisis de datos, según objetivos e hipótesis de trabajo. ....... 76 Tabla 15. Datos y Estadísticas Descriptivas de la Primera Encuesta. ................... 81 Tabla 16. Datos y Estadísticas Descriptivas de la Segunda Encuesta. ................. 82 Tabla 17. Datos y Estadísticas Descriptivas de la Tercera Encuesta. ................... 83 Tabla 18. Resultados de ANOVA unidireccional y Método de Comparación Tukey: Primera Encuesta para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. .................... 85 Tabla 19. Resultados de ANOVA unidireccional y Método de Comparación Tukey: Segunda Encuesta para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. ................................................................................................................................ 86 Tabla 20. Resultados de ANOVA unidireccional y Método de Comparación Tukey: Tercera Encuesta para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. .................... 88


xiii Tabla 21. Estadísticas Descriptivas de las Encuestas para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. ........................................................................... 89 Tabla 22. Nivel de Significancia Estadística de los Factores: Función; Antigüedad, Supervisión comparado contra las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. Primera Encuesta. .................................................................................................. 91 Tabla 23. Nivel de Significancia Estadística de los Factores: Función; Antigüedad, Supervisión comparado contra las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua: Tercera Encuesta. .................................................................................................. 92 Tabla 24. Comparativo de Puntos Totales de Encuestas vs Días de Inventario. .. 94 Tabla 25. Estadísticas Descriptivas de la Variable Ventas antes y después del Modelo Gestión de Inventarios. .............................................................................. 96 Tabla 26. Estadísticas Descriptivas de la Variable Días de Inventario antes y después del Modelo Gestión de Inventarios. ......................................................... 99 Tabla 27. Estadísticas Descriptivas de los Elementos del Inventario en función del tiempo durante el Modelo Gestión de Inventarios. ............................................... 103 Tabla 28. Estadísticas Descriptivas de los Elementos del Inventario durante el Modelo Gestión de Inventarios. ............................................................................ 104


xiv

ÍNDICE DE GRÁFICAS Y FIGURAS Gráfica 1. Tendencia Ventas y Días de Inventario 2005-2009.. ............................... 4 Figura 2. Administración de la Cadena de Suministro.. ......................................... 30 Figura 3. Modelo Conceptual del Rendimiento de las Organizaciones.. ................ 45 Figura 4. Modelo Conceptual de Gestión de Inventarios. ...................................... 48 Figura 5. Nivel de Asociación y Escala de Valor de la Encuesta Gestión del Conocimiento. ....................................................................................................... 61 Figura 6. Definición de la variable días de inventario.. ........................................... 64 Figura 7. Definición de la variable ventas. ............................................................. 66 Gráfica 8. Prueba ANOVA de un factor para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. Primera Encuesta. ..................................................................... 84 Gráfica 9. Prueba ANOVA de un factor para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. Segunda Encuesta. .................................................................... 86 Gráfica 10. Prueba ANOVA de un factor para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. Tercer Encuesta. ........................................................................ 87 Gráfica 11. Prueba Desviación estándar de dos Muestras para las Áreas del Conocimiento “Gestión del Inventario” y “Elementos del Inventario”: Primera y Tercera Encuesta. .................................................................................................. 94 Gráfica 12. Gráfico de Efectos Principales para el Indicador días de inventario. .. 95 Gráfica 13. Histograma de las estadísticas descriptivas de la variable ventas; antes y después del Modelo de Gestión de Inventarios. ................................................. 97 Gráfica 14. Prueba de Adherencia a la Distribución Normal de la variable de entrada ventas, antes y después del Modelo de Gestión de Inventarios.. ............. 98 Gráfica 15. Histograma de las estadísticas descriptivas de la variable días de inventario; antes y después del Modelo de Gestión de Inventarios.. ..................... 99 Gráfica 16. Prueba de Adherencia a la Distribución Normal de la variable de salida días de inventario, antes y después del Modelo de Gestión de Inventarios.. ...... 100


xv Gráfica 17. Gráfico de Control de Observaciones de la variable ventas, antes y después del Modelo de Gestión de Inventarios.. ................................................. 101 Gráfica 18. Gráfico de Control de Observaciones de la variable días de inventario, antes y después del Modelo de Gestión de Inventarios.. ..................................... 102 Gráfica 19. Gráfico de Control de Observaciones del Elemento del Inventario: Materia Prima en Tránsito durante el Modelo de Gestión de Inventarios.. .......... 105 Gráfica 20. Gráfico de Control de Observaciones del Elemento del Inventario: Materia Prima durante el Modelo de Gestión de Inventarios.. ............................. 106 Gráfica 21. Gráfico de Control de Observaciones del Elemento del Inventario: Inventario en Proceso durante el Modelo de Gestión de Inventarios.. ................. 106 Gráfica 22. Gráfico de Control de Observaciones del Elemento del Inventario: Producto Terminado durante el Modelo de Gestión de Inventarios.. ................... 107 Gráfica 23. Gráfico de Control de Observaciones del Elemento del Inventario: Partes de Servicio durante el Modelo de Gestión de Inventarios.. ...................... 108 Gráfica 24. Gráfico de Control de Observaciones del Elemento del Inventario: Bancos de Inventario durante el Modelo de Gestión de Inventarios.. .................. 109 Gráfica 25. Ecuación de Regresión de las variables ventas y días de inventario, antes del Modelo de Gestión de Inventarios. ....................................................... 110 Gráfica 26. Ecuación de Regresión de las Variables ventas y días de Inventario, después del Modelo de Gestión de Inventarios. .................................................. 111 Gráfica 27. Prueba t de dos Muestras para la variable ventas antes y después del Modelo de Gestión de Inventarios.. ...................................................................... 112 Gráfica 28. Prueba Desviación estándar de dos muestras para la variable ventas antes y después del Modelo de Gestión de Inventarios.. ..................................... 113 Gráfica 29. Prueba t de dos muestras para la variable días de inventario antes y después del Modelo de Gestión de Inventarios.. ................................................. 114 Gráfica 30. Prueba Desviación estándar de dos muestras para la variable días de inventario antes y después del Modelo de Gestión de Inventarios. ..................... 116


1

INTRODUCCIÓN. El autor de la presente investigación se desempeña como responsable de la Gerencia de Materiales en una empresa maquiladora local del ramo automotriz, lo cual permitió validar estadísticamente la gestión de inventarios en la organización. De esta manera y utilizando herramientas estadísticas se evalúa la variación en la demanda en la industria automotriz en un entorno de economía global y su impacto local en la gestión del indicador días de inventario, obligando al investigador a entender las prácticas de gestión de inventarios existentes y cuestionar la validez de ellas con el propósito de desarrollar un modelo que sea capaz de absorber la demanda sin que impacte financieramente el flujo de efectivo de la compañía. Ante la necesidad de entender la variación de la demanda surge el objetivo de desarrollar un modelo de gestión de inventarios documentado que se convierta en un legado de administración gerencial para la organización, para lo cual se necesitan identificar las variables y procesos que afectan y/o contribuyen a mejorar continuamente el indicador “días de inventario”, adicionalmente se identifica que las

procedimientos

y

prácticas

en

la

gestión

del

inventario

presentan

inconsistencias y son causales principales de variación, desarrollando entonces el investigador un proceso de gestión del conocimiento del modelo que permita reducir la variación del métrico. La estructura en la que está basada la presente investigación va de acuerdo a la revisión de la literatura del proyecto que incluye los antecedentes de los modelos de gestión de inventarios y sus elementos claves como la demanda, tiempos de reposición, ciclos de manufactura, políticas de inventario y modelos de integrados de gestión, todos ellos ligados a la administración de la cadena de suministro desde su evolución, retos y oportunidades, objetivos, tecnologías y finalmente el acoplamiento con la gestión del conocimiento iniciando con la detección de necesidades, diseño de planes de capacitación, implementación y medición de la efectividad.


2

Capítulo I. PLANTEAMIENTO DEL PROBLEMA. A.

Definición del problema. 1.

Enunciado.

El control de inventarios ha sido ampliamente aplicado en la industria de manufactura a través de los tiempos a medida que la industria evoluciona hacia la automatización. Existen modelos de control de Inventarios estáticos y dinámicos, todos ellos con el propósito de una planeación exacta. Desde el punto de vista de los administradores de inventario, los modelos de control del inventario más utilizados han sido los que están relacionados con el costo, como EOQ (Economic Order Quantity) dentro de los modelos estáticos o MRP (Material Requirement Planning) dentro de los modelos dinámicos de producción. El objetivo de cada compañía en el mercado es determinar el nivel de producción más económico para obtener la máxima rentabilidad. Para este propósito, los administradores intentan maximizar su rentabilidad tomando en consideración los costos e ingresos, donde en un ambiente real de manufactura de alto volumen los sistemas de administración de inventarios son dinámicos y con una alta influencia en los rubros de rentabilidad, capacidades de producción, costos de mano de obra y gastos directos e indirectos de manufactura. El impacto de tener un modelo de administración de inventarios es generalmente ignorado por los administradores afectando principalmente la capacidad de las organizaciones para pronosticar los periodos contables y su rentabilidad acertadamente. La definición de un modelo de gestión de inventarios es entonces una necesidad en la industria automotriz debido a los limitados y estrictos controles de la cadena de suministro de los fabricantes automotrices. Es claro observar que la definición de un modelo de gestión de la demanda del cliente, administración de las capacidades de producción y la planeación de requerimientos de materiales


3 impactara positivamente el indicador contable del inventario y como consecuencia la rentabilidad de la compañía. Con las nuevas tecnologías de información la demanda de la industria automotriz está en constante movimiento, obligando a las organizaciones a desarrollar sistemas de control de inventarios y planeación de capacidad de producción y requerimientos de materiales capaces de responder a los cambios a la brevedad posible. La capacidad de respuesta de las organizaciones a estas variaciones dependerá en mayor medida de sus modelos de gestión y capacidad de aprendizaje convirtiéndolas en ventajas competitivas, por lo que el desarrollo de un modelo de gestión de inventario, y la gestión del conocimiento del modelo pueden conducir al éxito a los organizaciones en un ambiente de constante cambios. Para que un modelo de gestión de inventarios y la gestión del conocimiento sean exitosas, se requiere de un análisis de los datos que permita identificar los antecedentes y su relación con la demanda, para entender sí existe una correlación entre ambas variables o identificar parámetros internos o externos que influencien positivamente el indicador días de inventario.

2.

Formulación.

El proceso de investigación desarrollado en una empresa maquiladora del ramo automotriz en la ciudad de Chihuahua, busca desarrollar un modelo de gestión de inventarios comprobando la validez científica del mismo, y delegar en el personal clave la ejecución del modelo, identificando los elementos necesarios para transformar los sistemas y prácticas actuales de administración del inventario en un indicador de mejora continua en la organización de estudio. Es en el sujeto de investigación, donde el investigador considera que es necesario desarrollar un modelo de gestión de inventarios científicamente válido, que mejore la exactitud del pronóstico de flujo de efectivo en cada periodo contable para la compañía, considerando todos los factores externos del mercado,


4 las variaciones en la demandas, las capacidades de producción tanto de la empresa como de la base de proveedores y las restricciones en las cadenas de suministro existentes en el periodo contable. El Indicador financiero "días de inventario" medido mensualmente, tiene objetivos directamente proporcional a las ventas, sin embargo el comportamiento no es proporcional, por lo que se desconocen las causas de su variación; los componentes del inventario; y los parámetros que influencian al indicador generando incertidumbre en el pronóstico financiero de flujo de efectivo en cada periodo contable. La relación entre las ventas y el resultado días de inventario a través del tiempo del periodo 2005-2009 se muestra en la gráfica 1.

Gráfica 1. Tendencia Ventas y Días de Inventario 2005-2009. Fuente: Elaboración del autor en base a los datos obtenidos (2013).


5 Desde el punto de vista del investigador los datos históricos indican la falta de un modelo de gestión de inventarios; el desconocimiento de los elementos del inventario; sus causas de variación; y la relación con las ventas de la compañía. Por lo que considera que existe la necesidad de desarrollar un modelo de gestión de inventarios científicamente validado, que garantice un pronóstico de flujo de efectivo constante en cada periodo contable para la compañía. El planteamiento consiste en validar un modelo de gestión de inventarios que

permita

pronosticar

acertadamente

el

indicador

días

de

inventario

independientemente de las variaciones en la demanda de los clientes además de gestionar el conocimiento del modelo entre los administradores para lograr la correcta aplicación e influenciar positivamente el indicador. Se requiere entonces la construcción de un modelo teórico-conceptualpráctico, para posteriormente gestionar el conocimiento del modelo entre los administradores y así lograr la mejora del indicador días de inventario independiente de las variaciones en la demanda de los clientes. Las principales preguntas de investigación que se formulan a partir del problema anteriormente descrito, son las siguientes: Pregunta general: ¿Existe en la empresa sujeta a investigación un modelo de gestión de inventarios validado estadísticamente que mejore el indicador días de inventario? Preguntas específicas: ¿Debería estar la variación o tendencia del indicador días de Inventario directamente relacionado a la variación de las ventas en la industria de manufactura? ¿Identifican los administradores del inventario los componentes del modelo de gestión de inventario y como pueden influenciar el resultado del indicador días inventario?


6 B.

Objetivos del trabajo. 1.

Objetivo general.

Desarrollar un modelo teórico-conceptual-practico de gestión de inventarios para una empresa maquiladora local del ramo de la industria automotriz, gestionando en los administradores el conocimiento del modelo que sirva como un legado de administración gerencial a esta empresa.

2.

Objetivos específicos.

Determinar sí existe correlación estadística entre las ventas y el indicador días de inventario obtenido en los periodos contables anteriores a la investigación.

C.

Justificación y delimitación de la investigación. 1.

Justificación. a)

Práctica.

En la industria automotriz resulta común el mantener objetivos e indicadores claves del desempeño de las organizaciones y asociarlos a los periodos contables, igual de común resulta entonces, el reportar los indicadores y retroalimentar los sistemas para corregir el rumbo o mantener la tendencia según sea el caso. Lo que es menos común es el documentar y describir las lecciones que vuelven o hacen exitoso un indicador, por lo tanto el desarrollo de modelos exitosos y la cultura de la gestión del conocimiento pretenden ser un legado de administración gerencial del investigador hacia la compañía en investigación.


7 Este caso de estudio ayudará a la organización a sentar las bases para una cultura de gestión del inventario exitosa y sustentada en el conocimiento de sus administradores. El proyecto de investigación es recomendado como un modelo de aprendizaje continuo para futuros administradores en el área de control de inventarios, pero más aún para aquel que decida invertir su conocimiento y desarrollar sus ideas a través de conceptos y modelarlas hasta convertirlas en herramientas de mejora continua. Es además un proyecto de investigación a largo plazo que busca representar la mejora continua en la organización y obtener una ventaja competitiva en la industria automotriz, soportando el crecimiento con un modelo de gestión de inventarios independiente a la demanda del cliente. En la empresa sujeta a investigación el valor del inventario (días de inventario) es un indicador clave para el flujo de efectivo de la compañía. La incorrecta administración de este indicador causa que los resultados de los estados financieros de la compañía se vean afectados. La determinación de los objetivos del indicador días de inventario en la organización obedece a una planeación financiera anticipada, es decir aproximadamente seis meses antes se desarrolla el pronóstico de días de inventario objetivo para el futuro año calendario. Evidentemente el pronóstico estará alejado completamente del contexto en el futuro y más aún en una etapa de globalización, en el que minuto a minuto la economía y el mundo cambian rápidamente causando impactos financieros a las organizaciones contra sus objetivos anticipados. En específico para la industria en investigación, algunas de las implicaciones del no cumplimiento de los objetivos de este indicador son: a. Impacto directo al flujo de efectivo y a las ganancias del periodo contable: El inventario en exceso como todo activo de la compañía reduce la liquidez de la organización y le restringe para futuros negocios o inversiones comprometiendo la rentabilidad del periodo inmediato además del crecimiento a mediano y largo plazo.


8 b. Especulación innecesaria de los niveles de requerimientos de clientes y/o proveedores causando conflictos en todo la cadena de suministro tanto de clientes como de proveedores. La falta de un modelo de gestión de inventarios o la gestión inadecuada impactan negativamente no sólo a la empresa en investigación sino a toda la cadena de suministro. c. Uso inadecuado de las capacidades de producción. La rentabilidad de todo negocio se basa en maximizar sus capacidades de producción al más bajo costo. Una política de gestión de inventarios que no busque maximizar las capacidades de producción, atenta directamente contra el costo directo de manufactura. d. Ineficiencia en la administración del recurso humano directamente relacionado con la manufactura del producto. El recurso humano no administrado apropiadamente (escasez o excesos) se convierte en una carga laboral y fiscal innecesaria que impacta otros indicadores claves como la seguridad del personal, la calidad del producto, el costo de mano de obra y las entregas a cliente. e. Sobrevaloración del valor del inventario debido al tipo de cambio relacionado con el origen de los componentes. El exceso de inventario de materias primas adquirida a una tasa de cambio puede impactar negativamente el flujo de efectivo de la compañía al valorar nuevamente el valor del inventario contra su precio estándar de compra. La relevancia del modelo teórico-conceptual-práctico de gestión de inventarios a desarrollar puede representar los siguientes beneficios para la compañía: a. Sincronizar la variación en la demanda de la industria automotriz a los pronósticos financieros y a los resultados contables de la compañía. b. Impacto directo en la optimización del proceso de manufactura integrado

verticalmente

de

hasta

cinco

sub-procesos

internos,

eliminando desperdicios entre procesos tales como esperas, inventarios, traslados y sobre-producción. El éxito de un proceso de integración


9 vertical en cualquier industria radica en la rapidez con la que se transforman los bienes y materias primas al siguiente nivel. El mantenimiento de inventarios en exceso incrementa linealmente los riesgos de obsolescencia, limita la flexibilidad de manufactura ante los cambios de demanda e incrementa el costo de mantenimiento y administración de inventarios. c. Impacto directo favorable en el costo de transporte sí los tiempos de entrega de las localidades remotas de proveedores y clientes son optimizados apropiadamente. La sincronización de la cadena de suministro desde los puntos remotos de embarque o destino, están directamente relacionados con el valor del inventario debido a los términos comerciales con clientes y proveedores en los que incluso el material en tránsito es parte del activo fijo del inventario de la empresa en investigación. d. Los costos de inventario incluyen el costo del transporte que sin una adecuada planeación de recolecciones y optimización de las cargas incorporadas en el modelo de gestión impactan negativamente al indicador días de inventario. e. Optimización de las capacidades de producción y la apropiada programación de mantenimiento preventivo del equipo. El no mantener una política adecuada de programación que considere la demanda, la capacidad instalada, la capacidad contratada y la disponibilidad del equipo productivo para mantenimiento deterioran significativamente el indicador días de inventario, ya que el inventario representa la válvula de escape para soportar las excepciones o ineficiencias con bancos de inventario. f. La correcta programación de producción induce favorablemente los días de inventario de producto terminado promoviendo desarrollo de planes eficientes de contratación y selección de personal directo, impactando directamente a la productividad mediante un proceso controlado de contratación.


10

b)

Metodológica.

La gestión del conocimiento tiene diferentes significados para una organización dependiendo de la naturaleza de la iniciativa, ya que no es una tecnología o un conjunto de metodologías, sino una práctica o disciplina que involucra personas, procesos y tecnología, la cual, si es implementada correctamente aceptando el cambio cultural de los usuarios y administradores en conjunto con metas claramente definidas, puede mejorar la productividad y la eficiencia en toda la organización. Aunque la gestión del conocimiento es una iniciativa que debe aplicarse a todo lo ancho de la compañía, muchas organizaciones encuentran éxito si la iniciativa arranca en una sección, departamento, producto y a partir de ahí lo extienden hacia el resto de la organización. La gestión del conocimiento puede ser útil durante periodos en que la economía de la organización no es favorable y/o cuando existe un crecimiento acelerado. Cuando una organización re-estructura su plantilla laboral el conocimiento crítico y el capital intelectual es perdido, y cuando la economía reacciona, y generalmente reacciona aceleradamente, no se puede adquirir el conocimiento en la misma rapidez que el crecimiento y se dificulta mantener un nivel satisfactorio de desempeño en la organización, lo cual se puede evitar sí existen modelos de gestión del conocimiento que permitan a la organización identificar las necesidades y el capital intelectual de su fuerza laboral. En la organización en estudio se evaluó la gestión del conocimiento en los administradores del inventario con respecto a los componentes del inventario y los parámetros de control requeridos para poder absorber la demanda de los clientes y mantener el objetivo días de inventario en los niveles planeados.


11 La gestión del conocimiento del modelo de gestión de inventarios como legado hacia la organización requiere que la empresa en investigación conozca el potencial humano en cantidad y habilidades para llevarlo al éxito. La evaluación del conocimiento se justifica en la metodología porque sus resultados permitirán identificar las áreas de oportunidad que tiene el modelo de gestión de inventarios y su aplicación por parte de los administradores. Incrementando el conocimiento proporcionalmente incrementará la posibilidad de éxito en la gestión del indicador días de inventario.

2.

Delimitación de la investigación. a)

Límites de tiempo.

El estudio tiene un carácter retrospectivo teniendo como base el análisis del Inventario en los años 2005 - 2009, y prospectivo con el objetivo de evaluar en los años 2010- 2013, la aplicación y evolución del modelo teórico-conceptual-práctico desarrollado, así como la gestión del conocimiento del modelo entre los administradores.

b)

Límites de espacio.

El presente estudio se circunscribe a una empresa maquiladora local del ramo automotriz.

c)

Límites de recursos.

La investigación se pudiera ver limitada de información debido a la política de confidencialidad de datos de la empresa.


12

Capítulo II. MARCO DE REFERENCIA.

1.

Marco teórico.

Antecedentes de los Modelos de Gestión de Inventarios. Una de las primeras aplicaciones de los métodos cuantitativos para la toma de decisiones gerenciales han sido los modelos de inventarios. El desarrollo del primer modelo de inventario se le acredita a (Harris, 1915), con la conocida fórmula de raíz cuadrada de la cantidad económica de pedido óptima. Raymond extendió el trabajo de Harris a comienzo de los años 1930 (Raymond, 1931). La gestión de un sistema de inventarios es una actividad transversal a la cadena de suministro que constituye uno de los aspectos logísticos más complejos en cualquier sector de la economía. Las inversiones en los inventarios son cuantiosas y el control de capital asociado a las materias primas, los inventarios en proceso y los productos terminados, constituyen una oportunidad para lograr la mejora del flujo de efectivo en las organizaciones (Axsäter, 2000). Sin embargo, la gestión se vuelve cada vez más compleja tomando en cuenta los efectos que generan fenómenos como la globalización, la apertura de mercados, el incremento en la diversificación de productos, la producción y distribución de productos con altos estándares de calidad y la masificación de acceso a la información. Todo esto ha ocasionado que la administración de inventarios se convierta en el principal problema para gerentes y analistas de logística. Como lo menciona (Vidal C. , 2006) uno de los problemas típicos, es la existencia de excesos y faltantes: “Siempre tenemos demasiado de lo que no se vende o se consume y muchos agotados de lo que sí se vende o se consume”. Este problema se conoce como desbalance de inventarios. Las decisiones típicas que deben tomarse al respecto de los inventarios han sido apoyadas por técnicas cuantitativas de la investigación de operaciones


13 (Graves, Rinnooy Kan, & Zipkin, 1993) y por el desarrollo de sistemas computacionales integrados denominados Enterprise Resource Planning (ERP) que aplican parte de los conceptos fundamentales de gestión, pero que presentan fallas en su implementación, especialmente en entornos culturales distintos a los entornos donde originalmente fueron creados (Yajiong, Liang, Boulton, & Snyder, 2005). En campos como la investigación de operaciones, buena parte de los esfuerzos que desde los años cincuenta han tenido lugar en áreas de la logística, se han enfocado en la solución de los problemas complejos de la gestión de inventarios. Sin embargo, como lo menciona Wagner (Harvey, 2002), a pesar del extenso trabajo en la investigación de modelos para gestionar los inventarios, las teorías desarrolladas son poco prácticas y actualmente no existe un panorama claro de cuáles son realmente las metodologías que deben utilizarse para mejorar la gestión de los inventarios mediante herramientas cuantitativas. La variabilidad de la demanda y los tiempos de suministros agregan un grado de dificultad mayor a los modelos de gestión de inventarios y se puede afirmar que sus efectos han sido casi ignorados en las organizaciones, bien sea por desconocimiento o por limitaciones de recursos. En esta revisión de literatura se hace una revisión de los modelos de gestión para el diseño de políticas de inventarios de productos terminados y de materias primas en cadenas de suministro, teniendo en cuenta la variabilidad de la demanda y los tiempos de suministro. El esquema de revisión se clasifica en cuatro secciones: (1) Modelos de Aleatoriedad de la Demanda, (2) Modelos de Aleatoriedad de los Tiempos de Suministro, (3) Modelos de Políticas de Inventarios, y (4) Modelos Integrados para la Gestión de Inventarios. Para cada sección se presentan un resumen, describiendo las principales características de los modelos reportados.


14 Modelos de Aleatoriedad de la Demanda. De acuerdo con (Girlich & Chikan, 2001), el desarrollo conjunto de las teorías de inventarios y la aplicación de las matemáticas y la estadística se inició desde los años cincuenta cuando la Oficina de Investigación Naval de California destinaron recursos para la investigación en el área. Puede admitirse que los modelos de aleatoriedad de la demanda independiente se clasifican en dos grupos: (1) los modelos clásicos y (2) las nuevas tendencias. Dentro de la categoría de modelos clásicos, el método de tratamiento de la aleatoriedad de la demanda independiente más común, es ignorar dicho fenómeno en el diseño y operación de los sistemas de inventarios y de planeación de la producción. Cuando se empieza a tener en cuenta la variabilidad de la demanda, una de las metodologías clásicas más comúnmente usada es la aplicación de sistemas de pronósticos. Entre los autores que han desarrollado con mayor detalle la aplicación de pronósticos a sistemas de inventarios se encuentran (Vidal C. , 2006) y (Silver, Pyke, & Peterson, 1998). En la utilización de sistemas de pronósticos en modelos de gestión de inventarios,

(Snyder

R.

,

2002)

ilustra

que

los

sistemas

tradicionales

computacionales de control de inventarios confían en la suavización exponencial para pronosticar la demanda de artículos de alta rotación. (Gallego & Toktay, 2003) consideran un proveedor que enfrenta demandas estacionarias y usa información de pronósticos dinámicamente actualizados para generar las órdenes a su distribuidor anterior en la cadena. En Colombia, el trabajo desarrollado por (Vidal, Londoño, & Contreras, 2004) aplica los sistemas de pronósticos a industrias locales. Los autores desarrollan una implementación doméstica mediante el uso de técnicas sencillas de pronósticos y de control de inventarios, mediante modelos de control de inventario periódico (R, S) para las compras en una bodega central y distribución a detallistas en una cadena de abastecimiento de productos de consumo masivo.


15 Otra de las metodologías clásicas para tratar la aleatoriedad de la demanda y más comúnmente utilizada es crear un esquema de tres escenarios: más probable, optimista y pesimista. Por ejemplo, (Bulter, 2003) desarrolla un método mediante el esquema de escenarios para diseñar cadenas de abastecimiento para nuevos productos; en la modelación, se toma la demanda como una variable que induce incertidumbre, y se evalúan los tres escenarios variando los posibles valores que puede tomar la demanda. Otra forma es la desarrollada por (Dimitris & Thiele, 2003) quienes proponen una metodología general basada en optimización robusta para enfrentar el problema de control óptimo de cadenas de abastecimiento sujetas a demandas estocásticas en tiempos discretos. Como parte de las nuevas tendencias para considerar la aleatoriedad de la demanda se reconocen dos grupos de metodologías: (1) la sistematización de los sistemas de pronósticos a través de la simulación y (2) la modelación estocástica. (Parker, 1967) fue uno de los primeros autores en trabajar la simulación como técnica de sistematización de los pronósticos. El autor desarrolla un caso de estudio con el que demuestra que se pueden lograr mejoramientos significativos en los niveles promedio de inventario, el número de órdenes y el número de faltantes de inventario a través de la aplicación de técnicas sencillas de la investigación de operaciones. Más recientemente, autores como (Snyder, Koehler, Hyndman, & Ord, 2004) han utilizado la simulación como técnica de mejoramiento de las metodologías de pronósticos mediante suavización exponencial. Los autores hacen una diferencia entre los ítems que tienen una alta rotación y los de baja rotación (caso que se presenta comúnmente en la mayoría de las industrias) y sistematizan el Análisis de Series de Tiempo, a través del uso de herramientas de simulación como Montecarlo para predecir los niveles de demanda y su relación con los Lead Times (tiempos de entrega). Otra de las formas de tratamiento de la aleatoriedad de la demanda es la modelación estocástica, la cual, a pesar de no ser muy conocida en el medio industrial, ha sido utilizada como técnica desde la década de los veinte (Girlich & Chikan, 2001) (Vazsonyi, 1955). Entre los trabajos más recientes (Xin, 2003)


16 analiza un modelo de revisión periódico y horizonte infinito para un producto, en el cual se toman decisiones de fijación de precios y de producción e inventarios simultáneamente. En el trabajo de políticas de inventarios desarrollado. (Gallego, Muriel, & Yildiz, 2007) se modela la toma de decisiones de ordenamiento e inventarios de seguridad, asumiendo que la demanda sigue un proceso Poisson. (Gudum, Muriel, & Yildiz, 2002) desarrollan una técnica denominada Safety Stock Adjustment Procedure (SSAP), la cual permite determinar los inventarios de seguridad de modo que se cumplan los niveles de servicio, en estudios de simulación de sistemas de inventarios. Otros autores que han trabajado en el tratamiento de la aleatoriedad de la demanda mediante modelación estocástica son (Meixell & Wu, 2001), (Hunter, Arthur, & Kamisnky, 2001), (Treharne, 2002). En la tabla 1 se presenta un resumen de los trabajos más relevantes en cada una de las categorías señaladas.


17

Metodología Pronósticos Modelación Estocástica

Nuevas Tendencias

Sistematización Refinación

Modelos Clásicos

Tipo de Método

Tabla 1. Revisión de Modelos de Aleatoriedad de la Demanda.

Trabajo

Temática Tratada

Proceso Demanda

Modelación

Solución

Sector Aplicado

Vidal (2002)

Aplicados como método estadístico

Series de tiempo predecibles

Promedio móvil, suavización exponencial

Hojas de Calculo

N/A

Montgomery et al. (1990)

Métodos Estadísticos

Series de tiempo

Aporte: Holt y Winters

Desarrollo Matemático

N/A

Silver et al. (1998)

Metodología de Aplicación

Probabilística

Métodos de Pronósticos

N/A

N/A

Snyder et al. (2002)

Adaptación Suavización exponencial

Estacionarias y estocástica

Método Croston: Procesos Bernoulli

Corridas paramétricas

Automotriz

Gallego y Toktay (2003)

Dinámicamente

Aleatoria

Minimización de costos

N/A

N/A

Vidal et al. (2004)

Aplicación en control (R. S)

Variabilidad que induce incertidumbre

Pronósticos Auto adaptativos, Políticas

Hoja de calculo Software propio

Bulter (2003)

Diseño de cadenas de abastecimiento

Estocásticas

MPL y modelación robusta

Análisis de escenarios

Empresa Fortune 200 No Indicada

Bertsimas y Thiele (2003)

Control de cadenas de abastecimiento

No asume distribución

Optimización robusta

N/A

N/A

Packer (1967)

Caso de estudio de simulación

Aleatoria. Pronósticos

Métodos clásicos de pronósticos clásicos

Simulación

N/A

Snyder et al. (2004)

Simulación de suavización exponencial

Aleatoria

Diferenciación ítems

Simulación. ARIMA, Montecarlo

N/A

Girlich y Chikán (2001)

Análisis histórico, análisis estadístico

Estocástica, cadenas de Markov

Estimación parámetros. Control de Inventarios

N/A

N/A

Chen (2003)

Modelo de revisión periódico

Probabilística i.i.d

Política estacionaria de inventarios

Tratamiento matemático

N/A

Gallego et al. (2003)

Políticas de Inventario, SS

Proceso Poisson

Costos de ordenamiento

N/A

N/A

Gudum y De Kok (2002)

Safety Stock Adjustment Procedure

Aleatoria

Redes

Simulación

N/A

Meixell y Wu (1998)

Metodología para análisis de escenarios

Aleatoria

Estocásticas

Estructuras bayesianas

Semiconductores

Fuente: (Vidal & Gutiérrez, 2008).


18 Modelos de Aleatoriedad de los Tiempos de Reposición.

A pesar de que en el medio industrial apenas se está empezando a reconocer la variabilidad del tiempo que toma una orden desde se expide hasta que se recibe (tiempo conocido como tiempo de reposición o Lead Time - LT), es lógico pensar que dicho fenómeno sigue un comportamiento aleatorio. El tratamiento de la aleatoriedad de los LT no es un campo nuevo de estudio. Las cinco principales formas de tratar los tiempos de reposición para la toma de decisiones en sistemas de inventarios es asumir que los LT son: (1) nulos, es decir tasa de reposición infinita, (2) diferentes de cero y determinísticos, (3) diferentes de cero, aleatorios, independientes e idénticamente distribuidos (4) diferentes de cero, aleatorios pero no independientes e idénticamente distribuidos; (5) el último caso es analizar la demanda durante el LT a través de pronósticos y crear LT de seguridad. Hay una última característica de los LT que es transversal a las cinco técnicas que se han mencionado y hace referencia al cruce de las órdenes en el tiempo, o 'Cross Orders'. En el contexto de las cadenas de abastecimiento reales, (Riezbos, 2006) demuestra que no es válido suponer que las órdenes de productos y materias primas llegan en la misma secuencia en que fueron puestas, por lo que las políticas de control tradicionales deben ajustarse a dichas condiciones. Tradicionalmente, los LT se asumen fijos o como variables independientes e idénticamente distribuidas (Gudum, 2003), que es el caso de las primeras tres técnicas de tratamiento presentadas. En lo que concierne a esta investigación, se tratan los LT como un fenómeno aleatorio, para lo cual resultan útiles las últimas tres técnicas citadas y no se consideran los trabajos que omiten la variabilidad de los LT. Entre los autores que han incorporado los LT utilizando la técnica de modelación con variables aleatorias independientes, (Kaplan, 1970) desarrolla un modelo dinámico de inventarios con LT estocásticos mediante un modelo de probabilidad que representa la llegada de órdenes pendientes, para lo cual, se


19 asume que dichas órdenes no se cruzan en el tiempo y que las probabilidades de llegada son independientes del número y tamaño de la orden. Otros autores que trabajan esta metodología son (Russell Richards, 1976) y (Sphicas, 1982). (Nevison & Burnstein, 1984) quienes tratan el problema de determinación dinámica de tamaños de lote con demandas determinísticos y LT estocásticos. Primero se asume que las distribuciones de los LT son arbitrarias e independientes del tamaño de lote y no se admite cruce de órdenes en el tiempo, por lo que cada solución óptima cumplirá de manera exacta una secuencia de demandas consecutivas, lo cual es una extensión del resultado clásico de (Wagner & Whitin, 2004). (Ehrhardt, 1984) estudia un modelo de inventarios con LT estocásticos bajo los supuestos de que los pedidos pendientes por llegar no se cruzan en el tiempo y que las distribuciones de los LT para una orden dada son independientes del número y tamaño de la orden. En el estudio se generan las condiciones para políticas de inventario óptimas en sistemas de control continuo para horizontes finitos e infinitos. En el contexto de cadenas de abastecimiento globales, (Vidal & Goetschalckx, 2000) desarrollan un modelo matemático de programación entera mixta en el que se incorpora la aleatoriedad de los tiempos de reposición asociada a la selección de modos de transporte. Para incluir la incertidumbre que inducen los tiempos de reposición, los autores hacen uso del desarrollo de (Silver, Pyke, & Peterson, 1998) quienes tratan los LT como variables aleatorias independientes. (Song & Yao, 2002) estudian un sistema en el que el producto final es ensamblado para despacho mientras que los componentes o sub-ensambles se fabrican contra inventario. Los autores asumen que la demanda sigue un proceso Poisson y que los tiempos de reposición para cada componente son variables aleatorias e idénticamente distribuidas. Eliminando el supuesto de que los LT se pueden representar como variables aleatorias e idénticamente distribuidas, se trabaja sobre la cuarta técnica de tratamiento mencionada. Suprimir este supuesto adquiere sentido por los trabajos desarrollados por autores citados (Gudum, 2003), quienes demuestran que dicho supuesto no es razonable y puede conducir a altos costos por


20 penalidades y niveles de servicios muy bajos. Gudum ha hecho una exhaustiva revisión de las técnicas estadísticas y matemáticas para modelar los tiempos de reposición (Gudum, 2002), (Gudum, A New Compound Lead Time Demand Ditribution Approach and a Comparison Study, 2003). En el trabajo desarrollado en el 2002, Gudum propone una metodología para modelar la variabilidad en cadenas de abastecimiento desde la perspectiva del control de inventarios. En el 2003, la autora desarrolla dos trabajos para modelar la variabilidad de los LT's. En (Gudum, 2003) se presenta una distribución alternativa de los LT, denominada distribución mixta de demoras atomizadas (mixed atom-delay distribution), la cual se basa en la idea de modelar los LT como una demora. En el trabajo, la autora crea una metodología para modelar la demanda durante los LT y la compara con las reglas tradicionales para tratar dicho fenómeno. Finalmente, la técnica de análisis de la demanda durante los tiempos de reposición y la creación de LT de segunda (Snyder, Koehler, Hyndman, & Ord, 2004) analizan la demanda durante los tiempos de reposición, creando LT de seguridad y proponen que la suavización exponencial se utiliza frecuentemente para pronosticar la demanda durante los tiempos de reposición (lead-time demand LTD). Los autores proveen una formulación para calcular las medias y las varianzas de las LTD para una amplia variedad de métodos de suavización exponencial. (Kumar, Kar, & Maiti, 2005) desarrollan un modelo de inventarios con demanda imprecisa, tiempos de reposición y costos de inventario para obtener una política que permita minimizar los costos. La tabla 2 presenta un resumen de los trabajos desarrollados en la modelación de los tiempos de suministro.


21 Tabla 2. Revisión de Modelos de Aleatoriedad de Tiempos de Reposición.

Metodología

LT ≠ Cero y Variables Aleatorias i.i.d

Trabajo

Temática Tratada

Proceso Reposición de la Demanda

Modelación

Solución

Kaplan (1970)

Modelo de Probabilidad de Ordenes

Estocásticos

Modelación dinámica

Minimización Matemática

Richards (1976)

Modelo de Inventarios

Aleatorios

Distribución para el inventario a la mano

Teórica Matemática

Sphicas (1982)

Modelo de Inventarios

Exponencial

Formulación Matemática

Teórica Matemática

Nevison y Burstein (1984)

Determinación dinámica de tamaños de lote

Estocásticos

Dinámica

Arboles de decisión

Ehrhardt (1984)

Modelos dinámicos con Políticas (s,S)

Estocástico

Dinámico (formulación matemática)

Corridas del modelo

Vidal y Goetschalkx (2000)

Modelación Matemática de incertidumbre en CAB Globales

Aleatorio, e i.i.d

Utilizan desarrollo de Silver et al. (1998)

AMPL - CPLEX

Song y Yao (2002)

Análisis de Sistemas ATO

Aleatorio

Teoría de Colas

Algoritmo de Tipo General

Gudum (2003)

Distribución de Alternativa de los LT

Se modelan como una demora

Funciones de Distribución Ajustadas

Relaciones estadísticas

Snyder et al. (2004)

LTD: Lead Time Demanda

Formulación para calcular promedio y variación de la LTD

Ajustes a la Suavización exponencial

Simulación y Métodos de Pronósticos

Kumar et al. (2005)

Modelación de Inventarios con demanda imprecisa

No lineales

Modelación de parámetros imprecisos

Minimización multiobjetivo

LT ≠ Cero y V.A. ≠ i.i.d

LT de Seguridad

Fuente: (Vidal & Gutiérrez, 2008).

Modelos de Políticas de Inventarios. Una política de inventarios debe dar respuesta a las preguntas de cada cuánto debe revisarse el inventario, cuándo ordenar y cuánto ordenar, bien sea ítems de demanda independiente o dependiente. Sin embargo, la metodología de estimación de políticas para darle respuesta a estas preguntas puede variar significativamente debido a dos aspectos: (1) el tipo de producto (terminado o materia prima) y (2) el ambiente de producción. En (Gallego, Muriel, & Yildiz, 2007) se hace un desarrollo matemático para abordar el problema de un minorista que se enfrenta con órdenes cuya demanda sigue un proceso Poisson, a un costo lineal con un tiempo fijo de reposición asociado. Mediante el desarrollo, los autores logran demostrar que una política de


22 nivel de inventario basada de orden en orden es óptima para este escenario. El aporte de este trabajo radica en el tratamiento matemático de la aleatoriedad de la demanda, y en el tratamiento de los LT que se consideran variables y fluctúan dependiendo del escenario de colocación de órdenes, para así generar una política de inventarios híbrida. (Bhatnagar, Chandra, & Goyal, 1993) se centran en la coordinación de la planeación de la producción cuando hay múltiples plantas en una empresa integrada verticalmente e identifican los aspectos que deben considerarse para determinar las decisiones de producción e inventarios para varias plantas, de modo que se logre un óptimo global. En este contexto, los autores clasifican la investigación de los aspectos a tener en cuenta en dicha coordinación en tres categorías: (1) planeación de producción y abastecimiento; (2) planeación de producción y distribución y (3) la planeación y distribución de los inventarios. Algunos autores citados por (Bhatnagar, Chandra, & Goyal, 1993) estudian la problemática del nerviosismo en sistemas de planeación. La principal desventaja de estos trabajos es que se asume que los inventarios de seguridad son nulos, por lo que no se estudia la variabilidad de los tiempos de reposición de materias primas. (Lederman, 2003) explora el problema de la gestión de inventarios en el contexto de cadenas de abastecimiento, y se enfoca en la problemática de determinar políticas óptimas para componentes, cuando existe una superposición entre su demanda y la de los productos finales. El autor hace una exhaustiva evaluación de los métodos disponibles para determinar políticas de inventarios y de sus dificultades de implementación. El modelo se desarrolla a través de la simulación en un ambiente de producción de ensamble para órdenes (ATO, de su sigla en inglés Assemble to Order). Una de las principales debilidades del modelo desarrollado consiste en la suposición de que los tiempos de reposición entre los nodos son nulos, y de hecho, entre las áreas futuras de investigación que el autor propone, se asume la correlación entre los LT y las decisiones que se toman en la ocurrencia de dichos periodos, así como la utilización de métodos heurísticos para la solución del problema, dada su particular complejidad.


23 En la estimación de políticas de inventarios en distintos ambientes de producción, el trabajo de (Sarmiento & Nagi, 1999) describe los trabajos que se han desarrollado en el análisis integrado de sistemas de producción y distribución, cuestionando cómo los aspectos logísticos han influenciado el campo de trabajo y cuáles son las ventajas competitivas que se obtienen de la integración de las funciones de distribución con las funciones de producción en distintas empresas, en los niveles estratégico y táctico. (Crama, Pochet, & Wera, 2001) generan una discusión alrededor de la literatura de metodologías de planeación de la producción con el objetivo de resaltar las diferencias y similitudes entre los aspectos y los modelos que surgen en distintos ambientes productivos y tener un mejor conocimiento de las situaciones que pueden presentarse en los sistemas de manufactura discreta. El aporte que los autores hacen para la determinación de políticas de inventarios, se centra en la discusión de las dificultades encontradas en la implementación de técnicas de control como los MRP y el JIT (Just in Time), enfocados especialmente en el concepto de 'receta', llevado a la práctica a través de la extensión del Bill of Materials (BOM) comúnmente utilizado en los sistemas de manufactura discreta. (Rosa, 2001) obtiene parámetros y políticas de control en la industria manufacturera del vidrio, en el cual se considera un sistema de produccióninventarios, multi-producto, multi-etapas de capacidad discreta en el tiempo, con ocurrencia de demanda aleatoria cada periodo. En el trabajo se analizan tres estrategias de producción: Make to Order (MTO), Make to Stock (MTS), Delayed Differenciation (DD de su sigla en inglés, que puede entenderse como principio de posposición de forma o más conocido como postponement). El autor utiliza datos del sector, y logra definir políticas de control de inventarios mediante simulación. (Pundor, 2002) trabaja la simulación de cadenas de abastecimiento para evaluar el impacto de la reprogramación en la producción, en ambientes MTS y MTO y su efecto sobre la determinación de necesidades de materias primas y/o componentes. El autor justifica la simulación dada su flexibilidad para modelar fenómenos complejos típicos de los sistemas de suministro, y hace uso del software de simulación discreta ARENA. (Teunter, Laan, & Vlachos, 2004)


24 describen un sistema híbrido manufactura/re-manufactura con un LT largo para manufactura y un LT corto para la re-manufactura, y hacen una revisión bibliográfica de las estrategias de inventarios para sistemas híbridos cuando se asumen LT iguales. El principal aporte de este trabajo es el análisis sobre los LT de manufactura en sistemas de naturaleza push o pull, enfocado hacia una política de control de inventario de revisión continua (s, Q), en el sistema de manufactura. (Soman, Pieter van Donk, & Gaalman, 2004) hacen una revisión del estado del arte de los ambientes combinados MTS-MTO, enfocados hacia el sector de alimentos. Los autores proponen un sistema integral de planeación jerárquica para dar soporte a las decisiones en los ambientes productivos híbridos que hasta ahora se reconocen. En la Tabla 3 se presenta un resumen de los trabajos citados esta sección, describiendo aquellos que hacen alusión al control de inventarios en distintos ambientes productivos. Tabla 3. Revisión de Modelos para la Estimación de Políticas de Inventario.

Trabajo

Temática Tratada

Metodología

Ambiente de Producción

Modelación

Solución

Gallego (2003)

Políticas de inventario base para productos

Evaluación de políticas demanda independiente

Comerciantes minoristas

Desarrollo Matemático

Experimentos computacionales

Bhatnagar et. al (1993)

Coordinación de planeación de la producción

Análisis de los inventarios en CAB.

N/A

N/A

N/A

Lederman (2003)

Política optimas para componentes

Evaluación de Técnicas

ATO

Simulación

N/A

Sarmiento y Nagi (1999)

Investigación de trabajos de producción y distribución

Clasificación de modelos e identificación de autores

Distintos ambientes

N/A

N/A

Crama et al. (2001

Investigación de trabajos de planeación de producción

Análisis de técnicas de control de inventarios

Manufactura discreta y continua

N/A

N/A

Rosa (2001)

Parámetros de políticas de control en la industria del vidrio

Evaluación y comparación de políticas de control

MTO, MTS y DD

Modelo de Simulación

Hojas electrónicas Visual Basic

Pundoor (2002)

Simulación de cadenas de abastecimiento

Evaluación de las necesidades de materias primas

MTS-MTO

Simulación

ARENA

Teunter et al. (2002)

Control de inventarios para sistemas híbridos

Políticas (s,Q) en manufactura lenta y

Push-Pull

N/A

N/A

Soman (2002)

Investigación trabajos en ambientes MTS-MTO

Modelo de planeación jerárquica

Híbridos MTS-MTO

N/A

N/A

Fuente: (Vidal & Gutiérrez, 2008).


25 Modelos Integrados de Gestión. En la estimación de inventarios de seguridad, (Abhyankar & Graves, 2001) describen una aplicación a una empresa de la industria de semiconductores, en la que se implementa un inventario de seguridad para protegerse de la variabilidad de la demanda cíclica. Se construye un modelo sencillo de una cadena de abastecimiento de dos etapas y un modelo de optimización no lineal que permite determinar la localización óptima de inventarios de seguridad para minimizar el costo total de mantenimiento del inventario. (Graves, Gutiérrez, Pulwer, Sidhu, & Weihs, 1998) aplican el trabajo a una multinacional norteamericana que fabrica herbicidas para maíz, soya y trigo, y para la cual se analiza la variabilidad de la demanda periodo a periodo, realizando comparaciones con los pronósticos y su grado de incertidumbre. Se evalúan múltiples escenarios de la demanda clasificándolos en los tres grupos típicos de escenarios: pesimista, más probable y optimista. La temática de estimación de políticas óptimas y niveles de inventarios, ha sido trabajada por (Shervais, 2000) quien enfrenta el problema de determinar un conjunto de políticas óptimas de inventarios y de transporte en un sistema de distribución multi-producto, multi-eslabón y multi-modal sujeto a demandas no estacionarias. El autor define que deben responderse las preguntas de dónde, cuándo y cómo en cuanto a: (1) la localización, es decir, cuánto de cada ítem debe mantener cada planta y cada depósito; (2) el ordenamiento, que se refiere a cuándo y cuánto ordenar de cada ítem y (3) el transporte, es decir, cómo deben despacharse los productos. En el diseño de la metodología, el autor desarrolla un algoritmo genético para encontrar la política base que permita iniciar cada siguiente etapa en la cadena. (Katok, Lathrop, Tarantino, & Xu, 2000) desarrollan un sistema de soporte de decisiones para gestionar los inventarios de un proveedor mayorista de artículos de información para aviación. En el sistema se involucra la determinación del tamaño de órdenes de manuales de aviación, usados como herramientas de seguridad en los vuelos. (Ketzember, Metters, & Semple, 2006) desarrollan un


26 modelo heurístico para el problema común de producción e inventarios: múltiples productos, con demandas estacionarias y estocásticas, muchas ventas, y restricciones a lo largo de la producción, e intentan darle respuesta a tres preguntas comunes que surgen en estos ambientes: (1) cuándo empezar a producir más de las necesidades inmediatas en anticipación a las temporadas de alta demanda; (2) cómo programar la acumulación del inventario para los productos; (3) qué producir cuando las restricciones de la capacidad actual pueden resultar en faltantes inmediatos. Los autores concluyen que el uso de heurísticos es fundamental en el cálculo de políticas óptimas para los sistemas reales, pues argumentan que es imposible hacerlo de manera exacta. La problemática de la gestión de los inventarios en cadenas de abastecimiento ha sido tratada por (Van Mieghem & Rudi, 2002) quienes desarrollan una aplicación de redes derivada del problema tradicional del vendedor de periódicos (the news vendor problem), denominada News Vendor Network, en la que se admiten múltiples productos y múltiples procesos y puntos de almacenamiento para evaluar cómo las propiedades de un sistema de un sólo periodo se extienden a una estructura dinámica. (Smits, 2003) desarrolla un diseño táctico de producción y distribución en cadenas de abastecimiento, teniendo en cuenta los inventarios de seguridad, las políticas de despacho y la planeación de la producción. En el trabajo se demuestra que en los modelos de nivel estratégico y táctico se asume comúnmente que los tiempos de reposición son variables exógenas, cuando en la realidad, ésta es una característica intrínseca de cada sistema y por lo tanto, se debe considerar como variable endógena. (Song & Chuin Lau, 2004) consideran un modelo de inventarios de revisión periódica y demanda estocástica, en el que se presenta obsolescencia repentina. En el trabajo se caracteriza la estructura de las políticas óptimas y se propone un algoritmo de programación dinámica para computar los parámetros. (Liu, Xiaoming, & Yao, 2005) buscan resolver los problemas de optimización que tienen restricciones no-lineales que capturan puntos clave de la dinámica de los sistemas complejos de producción e inventarios desarrollando un modelo de múltiples


27 etapas de colas en los inventarios y el sistema de producción, con el objetivo de minimizar los costos de inventarios a lo largo de la cadena. Finalmente,

en

el

trabajo

desarrollado

por

(Kapuscinski,

Zhang,

Carbonneau, Moore, & Reeves, 2004), se diseña un sistema de gestión para la toma de decisiones de los inventarios de la cadena de suministro de la empresa Dell Computers. Esta empresa, que no maneja inventarios de producto terminado, reconoce que debe enfocar sus esfuerzos al control de los componentes. Para ello se desarrolla un modelo de control de inventarios, el cual, mediante la aplicación de técnicas de pronósticos para la gestión de la demanda independiente y haciendo un análisis a los tiempos de reposición entre los nodos de la cadena, define los niveles de inventario de seguridad de los componentes. Igualmente, se crea una herramienta en Excel para la implementación de los métodos de control. La tabla 4 presenta un resumen de los trabajos revisados en esta sección.


28 Tabla 4. Revisión de Modelos de Gestión de Inventarios.

Trabajo

Temática Tratada

Demanda

Tiempos de Reposición

Producción

Políticas

Modelación

Solución

Abhyankar y Graves (2000)

Localización optima de inventarios de Seguridad Sector: Semiconductores

No estacional Proceso Poisson de dos etapas Markov

LT de producción largos

MTO Mezcla de volumen

Revisión continua MPS y BOM

Optimización PNL Minimizar Costos de mantener

Solver-Excel

Graves et al. (1998)

Modelo estratégico de produccion - distribucion Sector: Herbicidas

Pronosticada (no especifican método)

N/A

N/A

N/A

Optimización PL Minimización de Costos Anuales

Modelación de múltiples escenarios

Shervais (2000)

Determinación de políticas optimas de inventarios y de transporte

Aleatoria, estacionaria y creciente

N/A

N/A

A definir por el modelo

Algoritmo genético Programación Dinámica

Simulación de eventos discretos. Microsoft VB

Katok et al. (2001)

Gestión de Inventarios en tamaños de ordenes Sector: Aviación

Variable aleatoria (i.i.d.)

N/A

N/A

Revisión Periódica con R aleatorio

Programación Dinámica Política de ordenar

Procedimiento Heurístico Excel - Access

Ketzember et al. (2006)

Determinación de inventarios de Producto terminado y producción

Aleatoria y estacionaria

N/A

MTS

N/A

Algoritmos Heurísticos

Programación Dinámica

VanMieghm y Rudi (2002)

Aplicación de Newsvendor Networks

Estocástica

N/A

N/A

Inventario de base

Estocásticos de redes

Analítica y técnicas de simulación

Smits (2003)

Políticas de inventario transporte y producción

Variables estocásticas continuas Proceso agregado

Variables de Espera

N/A

(s, nQ) (R, S)

Desarrollo matemático adaptado

Bisecciónsimulación discreta

Song y Chuin (2004)

Modelos de inventarios con obsolescencia

Variable aleatoria discreta

N/A

N/A

Continua

Estocástico de revisión periódica

Algoritmo de programación dinámico

Liu et al. (2004)

Evaluación de sistemas de manufactura y abastecimiento en serie

Proceso Poisson

N/A

Sistemas Multietapas MTS

(Q,r)

Multi-etapas de colas. Optimización entera

Algoritmo de relajación del programa original

Kapuscinski et a. (2004)

Estimación de Políticas de inventario para componentes de computadoras

Aleatoria modelada mediante pronósticos

Variables aleatorias i.i.d.

ATO

Control Continuo (s, Q)

Modelos de optimización de inventarios con productos

Desarrollo implementado en Excel

Fuente: (Vidal & Gutiérrez, 2008).


29

Cadena de Suministro y los Modelos de Gestión de Inventarios. La administración de la cadena de suministro es una red de instalaciones que producen materias primas, las transforman en bienes intermedios y finalmente en productos terminados, para entregarlos a los clientes a través de un sistema de distribución. Las organizaciones adoptan numerosas metodologías de mejoramiento continuo para mejorar el rendimiento del negocio. Los fabricantes y los investigadores han observado una serie de problemas relacionados con las actividades de la cadena de suministro en sus investigaciones y en la práctica (Shridharan, Patterson, & Caines, 2005). Se observa que por lo general ya sea un sistema o un subcomponente de la cadena de suministro son discutidos y tratados en la literatura, pero no se responde a las preguntas racionales (por qué, qué, cómo) que existen detrás de las actividades de la cadena de suministro (Spens & Bask, 2002). La administración de la cadena de suministro incluye la adquisición, fabricación y distribución con el objetivo básico de "optimizar el rendimiento de la cadena de suministro para añadir valor tanto como sea posible por el mínimo coste posible”. En otras palabras, se pretende vincular a todos los agentes de la cadena de suministro a cooperar en forma conjunta dentro de la empresa como una forma para maximizar la productividad en la cadena de suministro y ofrecer los mayores beneficios a todas las partes involucradas. La adopción de prácticas de gestión de la cadena de suministro en las industrias ha aumentado constantemente desde la década de 1980. Existe un sinnúmero de definiciones que se propongan y que discuten el concepto desde muchas perspectivas; sin embargo (Cousins, Lawson, & Squire, 2006) proporcionan excelente revisión de literatura sobre la gestión de la cadena de suministro. Administración de la Cadena de Suministro (SCM por sus siglas en inglés Supply Chain Management) es la gestión del material, el flujo de efectivo, los


30 recursos humanos y la información dentro de la cadena de suministro para maximizar la satisfacción del cliente y obtener una ventaja sobre sus competidores, como se indica en la Figura 2.

Materia Prima Flujo de Información Flujo de Efectivo

Cliente Final

Producto Terminado Operaciones Finanzas Mercadotecnia

Figura 2. Administración de la Cadena de Suministro. Fuente: Elaboración del autor en base a los conocimientos adquiridos (2013).

Evolución de la SCM. En las décadas de los años 1950 y 1960, muchos manufactureros enfatizaron la producción masiva para minimizar los costos unitarios de producción como parte de sus estrategias de operación, con muy poca flexibilidad en los productos y en los procesos. En la década de 1970 la planeación de requerimientos de material (MRP) fue desarrollada y entonces los administradores notaron el impacto de altos inventarios de productos en proceso en sus costos de manufactura, sus resultados de calidad, en sus tiempos de desarrollo del producto y en los tiempos de entrega. La intensa competencia mundial de la década de 1980 obligó a las organizaciones de clase mundial a ofrecer productos de bajo costo, alta calidad y productos confiables con una alta flexibilidad en el diseño.


31

Los fabricantes utilizaron el Justo a Tiempo (JIT por sus siglas en inglés Just in Time) y otros programas de administración para mejorar sus eficiencias de manufactura y sus tiempos de ciclo. La evolución de la SCM continuó en la década de 1990 en las organizaciones extendiendo sus mejores prácticas a la administración de recursos corporativos que incluían a proveedores estratégicos y funciones de logística. Una gran cantidad de fabricantes adoptaron el concepto de SCM para mejorar su eficiencia y efectividad a través de la cadena de suministro. La Tabla 5 muestra la evolución de la administración de la cadena de suministro. Tabla 5. Evolución de la Administración de la Cadena de Suministro. Etapa

Época

Descripción

Creación

El término gestión de la cadena de suministro fue acuñado por primera vez por un estadounidense consultor de la industria a principios de 1980. Sin embargo, el concepto de gestión de la cadena de suministro, fue de gran importancia mucho antes de principios de los años 20's, sobre todo por la creación de la línea de montaje.

Integración

Esta época de estudios de gestión de la cadena de suministro se puso de relieve con el desarrollo de sistemas de intercambio electrónico de datos (EDI) en 1960 y desarrollado a través de la década de 1990 con la introducción de recursos empresariales de sistemas de planificación (ERP).

3

Globalización

Esta época se caracteriza por la globalización de la cadena de suministro en organizaciones con el objetivo de aumentar la ventaja competitiva, la creación de mayor valor añadido, y la reducción de costos a través de abastecimiento global.

4

Especialización Fase 1: Desvinculación de la cadena de suministro y distribución

En 1990 la industria comenzó a centrarse en "competencias básicas" y adoptó un modelo de especialización. Las empresas abandonaron la integración vertical, vendieron operaciones no esenciales y las funciones subcontratadas a otras empresas

5

Especialización Fase 2: Administración de la cadena de suministro como un servicio

La especialización en la cadena de suministro se inició en la década de 1980 con el inicio de las cadenas de transportistas, la gestión de almacenes, y transportación no basada en los activos, y ha madurado más allá del transporte y la logística en los aspectos de suministrar la planificación, colaboración, ejecución y gestión del rendimiento

6

Gestión de la cadena de suministro 2.0

Web 2.0 se define como una tendencia en el uso de la World Wide Web que es destinado a aumentar la creatividad, el intercambio de información y la colaboración entre los usuarios.

1

2

Fuente: (Shukla, Garg, & Agarwal, 2001).


32 Definiciones y palabras claves de la SCM Diferentes investigadores han desarrollado su definición e ideas claves a través del tiempo, según la Tabla 6. Tabla 6. Definiciones y palabras claves de la Cadena de Suministro. Autor

Definicion de Cadena de Suministro

Descripción

Scott y Brook, (1991)

La cadena que une cada elemento de la fabricación y el proceso de suministro desde la materia prima hasta el usuario final, abarcando varios segmentos de la organización.

Destaca la importancia de coordinación entre los miembros constituyentes.

Lee y Billington, (1992)

La integración de los procesos, sistemas y organizaciones que controlan el movimiento de mercancías desde el proveedor hasta el cliente satisfecho eliminando los desperdicios .Redes de centros de producción y

Destaca la necesidad de integración entre la organizacion, movimientos fisicos y la eliminacion del desperdicio elemento principal del JIT (Justo a Tiempo)

Christopher, (1992,1998)

distribución que adquieren materias primas, transformandolas en productos en proceso y productos terminado, dsitrinuyendolos a los clientes.

Intentos de demostrar las funciones convencionales de la cadena de suministro

Ellrarn Cooper, (1993)

La gestión de las relaciones con proveedores y clientes para entregar valor al cliente final a un costo menor de la cadena de suministro.

Significa la importancia de enfoque de orientación al cliente y la reducción de costos

Berry et al., (1994)

Una filosofía de la integración para gestionar el flujo total de un canal de distribución desde el proveedor hasta el cliente final.

Identifica la importancia de la integración en la cadena de suministro.

Cox et al., (1995)

SMC tiene por objeto la construcción de confianza, el intercambio de información sobre las necesidades del mercado, el desarrollo de nuevos productos, y la reducción de la base de proveedores hasta el fabricante original del equipo a fin de liberar los recursos de gestión para el desarrollo a largo plazo.

Destaca la importancia de la relaciones con los proveedores para lograr los objetivos de la cadena de suministro

Saunders, (1997)

Las funciones dentro y fuera de la empresa, que permiten a la cadena de valor hacer y proporcionar productos para el cliente.

Intentos de identificar socios estrategicos en la cadena de suministro

La red física que se inicia con proveedor y termina con el cliente.

el

Red de organizaciones interactuando dentro de una cadena de suministro incluyendo desde el suministro de materia prima hasta la entrega final al cliente

Monczka y Morgan, (1997)

Una cadena de suministro integrada trata de ir del cliente externo a la gestion de los procesos, que son necesarios para proveer el cliente valor.

Destaca la necesidad estructuras organizacionales planas y orientadas al cliente

Tan et al., (1998)

Es la filosofía de gestión que extiende las actividades tradicionales dentro de la empresa, para reunir a los socios comerciales con el objetivo común de optimización y eficiencia.

Se centra en cómo las empresas utilizan sus procesos de los proveedores, la tecnología y la capacidad para mejorar la ventaja competitiva.

Houlihan y Houlihan, (1999)

La integración de las distintas áreas funcionales dentro de una organización para mejorar el flujo de mercancías desde proveedores estratégicos inmediatos a través de la fabricación y la cadena de distribución para el usuario final.

Considera de importancia estratégica proveedores e integración entre miembros constituyentes

Patricia et al., (1996)

Fuente: (Shukla, Garg, & Agarwal, 2001).


33 Administración de la cadena de suministro – Retos y Oportunidades. La implementación exitosa de SMC está estrechamente relacionada con la necesidad de romper las barreras no sólo entre los departamentos internos y procesos de negocio, sino también a través de las empresas dentro de la totalidad de la cadena de suministro. Su éxito también está asociado con el reto de desarrollar una nueva cultura basada en la capacitación, en el aprendizaje compartido

y la

mejora continua. Otro desafío y dificultad que enfrenta la

administración de la cadena de suministro está vinculado con el surgimiento de las redes organizacionales que pueden conducir a una compleja red de vínculos que requieren gestión y coordinación externos a la organización. Esto puede implicar dificultades que incluyen la falta de: objetivos comunes, metas múltiples y ocultas, desequilibrios de poder, cultura y procedimientos, conflictos sobre la autonomía y rendición de cuentas, conflictos sobre la dependencia y la continua falta de transparencia y un comportamiento oportunista. Objetivos de la Administración de la cadena de suministro. La razón principal y objetiva de SMC es proporcionar un arma estratégica para construir y mejorar sosteniblemente la ventaja competitiva mediante la reducción de costes sin comprometer la satisfacción del cliente. Por otra parte, la capacidad de comprender las presiones ambientales que impulsan la SMC identificando claramente las barreras e implementando soluciones que permitan mantener la ventaja competitiva. El objetivo principal y aspecto importante de la SCM es aprovechar las experiencias, habilidades y capacidades de los miembros que conforman esta red. Barreras, puentes y beneficios para una Administración de la Cadena de Suministro efectiva.


34 Hay una serie de obstáculos que bloquean el camino de las empresas para desarrollar un sistema integrado de prácticas y procesos de la cadena de suministro. Revisando la literatura científica más reciente sobre los posibles obstáculos a la SMC, se clasifican las barreras en dos categorías, llamadas “rivalidad entre las empresas” y la “complejidad de gestión”. Se han identificado las siguientes barreras de la categoría “rivalidad entre las empresas”, ordenadas en orden de importancia: guerras territoriales internas y externas, pobre planificación de la SMC, la falta de visión de SMC, la falta de confianza, un pobre compromiso ejecutivo y un pobre entendimiento de la SMC. Todas estas barreras afectan directamente la flexibilidad de la cadena de suministro y es responsabilidad de los administradores reducir el impacto negativo tan rápido como sea posible. Sin embargo la peor barrera son las “guerras territoriales internas externas” ya que requieren la atención urgente de los administradores porque su impacto negativo es rápido y severo y conduce a la ruptura de la cadena de suministro. La mala planificación y falta de visión son síntomas de la incapacidad de los administradores y aunque sus efectos pueden tardar en aparecer su impacto final es desastroso. “La complejidad de gestión” incluye procesos, estructuras y culturas organizacionales desalineadas. En la categoría de la complejidad de gestión se identifican las siguientes barreras en orden de importancia: deficiencias en los sistemas o tecnologías de información, las deficiencias de la estructura y cultura organizacional, la falta de medición de parámetros claves de la cadena de suministro y la falta de dirección. Estos problemas ocurren tanto a nivel de las empresas como de toda la cadena de suministro y por lo tanto, la necesidad de hacerles frente en los dos frentes. La peor barrera de esta categoría son las deficiencias en los sistemas o tecnologías de información ya que significan la pérdida de ventaja competitiva por toda la cadena de suministro. Una cadena es tan fuerte como el más débil de sus eslabones. Se han examinado las soluciones a las barreras de la cadena de suministro propuestas por la literatura científica e identificado las siguientes soluciones plausibles en


35 orden de importancia: la transparencia informativa, la colaboración de los equipos funcionales, la planificación colaborativa, la arquitectura de tecnologías de información, el seguimiento formal de los indicadores, adopción de una visión y planeación estratégica de la SMC visión, atención a los factores humanos, la certificación de proveedores/clientes, segmentación de clientes y la compartición de beneficios e inversiones. La revisión de los principales beneficios de la SMC propuesto por la literatura señala lo siguiente en el orden de importancia, mayor rotación de inventarios, aumento de los ingresos, la reducción del costo de la administración de la cadena de suministro, incremento de la disponibilidad del producto, reducción del tiempo de ciclo de pedido, incremento en la capacidad de respuesta, incremento en las actividades de valor agregado, mejora en la utilización del capital, disminución de tiempo de lanzamientos al mercado de nuevos productos y la reducción de los costos de logística. Necesidad de Administrar la Cadena de suministro. La siguiente cuestión importante es por qué las empresas deben gestionar conscientemente la cadena de suministro. La cadena de suministro implica el costo de transmitir la información, la producción de componentes, almacenarlos, transportarlos y transferir fondos, y así sucesivamente. El costo total de la cadena de suministro tiende a aumentar debido a muchos parámetros como el costo enorme de capital necesario para la gestión de negocios a nivel mundial, los crecientes costos de bienes raíces y los gastos de transportación (Koch, 2006). Sin embargo, la planificación perfecta de la cadena de suministro en relación con la llegada de materiales, programa de producción y distribución no sólo reduce el inventario y el costo de inventario, sino también reduce la pérdida de tiempo y energía. La gestión de la cadena de suministro altera drásticamente la inversión en inventarios y ayuda a hacer frente a las fluctuaciones económicas (Heng, Wang, & He, 2005).


36 Dificultades de la Cadena de suministro. Se ha encontrado que SMC abarca la planificación, fabricación y gestión de operaciones necesarias para llevar un producto al mercado, desde el abastecimiento de materias primas hasta la entrega del producto terminado. Tecnología de la Información y la Gestión de la Información. El advenimiento del Internet y la comunicación electrónica ha permitido a las empresas incrementar más que nunca sus tiempos de respuestas a sus clientes. La situación actual justica la integración de tecnologías de información mediante el análisis de los problemas de planificación de recursos de la empresa planificación (ERP), intercambio electrónico de datos (EDI) y como una solución para la SMC. La rica experiencia de las empresas con ERP tiende a ofrecer un mayor rendimiento general, pero no se ha encontrado evidencia de un efecto similar en el rendimiento de la cadena de suministro. En el lado opuesto al ERP en las empresas adoptantes del EDI se perciben más beneficios operativos, más entendimiento mutuo, y menos dificultades técnicas y organizativas que los no adoptantes de EDI. Las prácticas de intercambio de información como Vendor – Managed Inventory (VMI) dan accesos a los fabricantes con información más precisa de la demanda y su comportamiento. (Småros, Lehtonen, & Holmström, 2003) utilizaron la simulación de eventos discretos para examinar cómo un fabricante puede combinar los datos tradicionales de órdenes disponibles procedentes de clientes no VMI integrados con los datos de ventas disponibles de los clientes VMIintegrados y el impacto en su producción y control de inventarios, así como el impacto que éstos tienen en la eficiencia operativa del fabricante. La principal conclusión fue que, incluso para productos con una demanda estable, una mejora parcial de visibilidad de la demanda podría mejorar la producción y la eficiencia de control de inventario. Otro hallazgo fue que el valor de la visibilidad en gran medida depende de las frecuencias de reposición de los


37 productos de destinatarios y el ciclo de planificación de la producción empleado por el fabricante. Gestión del Conocimiento. El conocimiento es crítico para las organizaciones que tienen el propósito de satisfacer las necesidades de los clientes para productos y servicios personalizados, y con un servicio más rápido y mejor. El conocimiento indica el capital intelectual de una empresa: incluidos los trabajos relacionados con la experiencia, los conocimientos, el “Know-How” y las mejores prácticas, que pueden ser adquiridas y compartidas. La competencia global y la aceleración de los cambios tecnológicos, especialmente en la comunicación de la información y las tecnologías de Internet hacen que la competencia basada en el conocimiento afecte a la gestión de la cadena de suministro a través de empresas (Lang, 2001). (Desouza, Chattaraj, & Kraft, 2003) relacionó el impacto de la estructura organizacional en la transferencia de conocimientos y la utilización entre las diferentes funciones que participan en la perspectiva de la teoría del sistema. La gestión del conocimiento (KM) involucra a individuos y grupos, tanto dentro como entre las empresas, administrando el conocimiento tácito y el explícito para tomar mejores decisiones, tomar acciones y obtener resultados para apoyar la estrategia de negocio. La gestión del conocimiento se define como el proceso sistemático y organizado de adquirir, organizar y comunicar el conocimiento para que los empleados lo puedan utilizar para ser más eficaces y productivos en su trabajo. Numerosos intentos se han realizado para definir los procesos de gestión del conocimiento, algunas contribuciones importantes y relevantes se muestran en la Tabla 7.


38 Tabla 7. Definición de Gestión del Conocimiento. Experto Grey, (1996)

O'Dell y Grayson, (1998)

Bair, (1997)

Lytras et al., (2002)

Semana de Información, (2003)

Kimiz y Dalkir, (2005)

Definición

Enfoque

KM es un enfoque integrado y de colaboración para la creación, captura, organización, el acceso y el uso de un activo intelectual de la empresa.

Perspectiva del Negocio

KM es una estrategia consiente para mover los conocimientos adecuados a las personas correctas en el momento adecuado, ayudando a compartir y permitiendo que la información sea convertida en acciones que mejoren el desempeño organizacional.

Basado en los Procesos

KM tiene como objetivo captar el conocimiento que los empleados realmente necesitan . Se usa la tecnología para capturar el conocimiento residente en la mente de los empleados y que pueda ser fácilmente compartida en toda la empresa.

Basado en las necesidades

La capacidad acumulativa para utilizar el valor incorporado en los diversos activos de una organización. KM es la integración de los activos de conocimiento en formatos reutilizables que establece una relación ganarganar para todas las partes del conocimientos Web. KM es el concepto según el cual la información se convierte en acciones concretas, y pone disponible el conocimiento en una forma utilizable para la gente pueda aplicarlo.

KM es la coordinación deliberada y sistemática de las personas de una organización, tecnología, procesos y estructura organizacional con el fin de agregar valor través de la reutilización y la innovación.

Naturaleza Holística

Basado en los Procesos

Naturaleza Holística

Fuente: (Shukla, Garg, & Agarwal, 2001).

Ha sido observado que estableciendo un sistema interno de administración del conocimiento en las organizaciones, se crean oportunidades de minimizar el aislamiento del conocimiento en las funciones departamentales y crea una base más grande para el aprendizaje. La relación Cliente-Proveedor. La satisfacción del cliente es absoluta para mantenerse al día en el entorno competitivo que se puede lograr sólo por responder con rapidez a las necesidades


39 del cliente. La Respuesta Eficiente al Consumidor (ECR) es una gestión de la cadena de suministro que trata de corregir las ineficiencias en la cadena de suministro. (Hoffman & Mehra, 2000) examinaron la respuesta eficiente al consumidor (ECR) como una estrategia de cadena de suministro al analizar la adopción de la estrategia de ECR en algunas industrias. (Johnson & Zineldin, 2003) propusieron un modelo conceptual que incluye las dimensiones del comportamiento en las relaciones cliente-proveedor y la hipótesis acerca de cómo se pueden alcanzar satisfactorias relaciones inter-organizacionales. (Lambert & Pohlen, 2001) proporcionaron un marco para el desarrollo de métricas de la cadena de suministro que se traduce en rendimiento en valor para los accionistas. El marco usado hizo hincapié en el manejo de la interfaz entre la gestión de relaciones con clientes y gestión de relaciones con los proveedores en cada eslabón de la cadena de suministro. Se concluye que las relaciones de largo plazo entre el cliente y el proveedor pueden conducir a una mayor satisfacción. Relaciones con los clientes. Las prácticas llevadas a cabo en las relaciones con los clientes de una compañía pueden afectar su éxito en la gestión de la cadena de suministro de sus proveedores, así como su rendimiento. Un elemento clave en la gestión de una base de proveedores exitosos implica la integración vertical desde los clientes hasta los proveedores de materias primas. Cada entidad de la cadena de suministro es un proveedor, así como un cliente. Cuando un cliente despliega su visión corporativa y es implementada simultáneamente con un sistema de Administración Total de la Calidad (TQM Total Quality Management) e incluye la gestión de la cadena de suministro de proveedores se puede producir una ventaja competitiva en un sinnúmero de maneras diferentes. Estos beneficios incluyen aumentos en la productividad, la reducción en el inventario y el tiempo de ciclo, el aumento de la satisfacción del cliente, el porcentaje de participación en el mercado y la rentabilidad. Sin embargo, hay poca evidencia empírica en la literatura que conecte las prácticas de relaciones con los


40 clientes y su desempeño en la cadena de suministro cuando es impulsada por los clientes corporativos. Problema de Diseño de la cadena de suministro. El diseño de la cadena de suministro en una empresa se basa en una integración efectiva de todos los elementos. (Power, 2005) examino diferentes perspectivas sobre la integración y sugirieron que la integración de varias funciones en diferentes niveles de la organización le permite a las empresas alcanzar resultados financieros y rendimiento superiores a la media de las demás organizaciones. Se observa que el enfoque estático y los modelos teóricos no son efectivos al no considerar todas las variables y las limitaciones para el diseño de una cadena de suministro. (Mason-Jones, Naylor, & Towill, 2000) demostraron cómo los conceptos de “”lean” (manufactura esbelta) y “agile” (ciclos cortos de desarrollo de productos) deberían ser integrados al diseño de la cadena de suministro. Ellos diseñaron un métrico de desempeño total y una hoja de ruta para la integración de “Lean” y “Agile” en la cadena de suministro. (Lalwani, Disney, & Naim, 2006) sugirió que una de las razones para implementación de estos modelos podría ser la dificultad de comprender la complejidad dinámica de los procesos y sistemas ya instalados. Los autores propusieron que los desarrollos actuales en el pensamiento sistémico y la simulación de sistemas continuos, cuando se aplican en el contexto de un marco de gestión de operaciones, puede ofrecer un buen diseño de la cadena de suministro y mejorar el rendimiento de la cadena. La gestión logística. Los empíricos de muchos años y los profesionales se confunden entre "logística" y "gestión de la cadena de suministro" ya que el uso de cada término varía de acuerdo con la industria. La definición histórica de ambos términos


41 propone una relación jerárquica para la relación entre la logística y la gestión de la cadena de suministro. (Srivastava & Srivastava, 2006) presentaron un marco para gestionar devoluciones de productos en la logística inversa, centrándose en los datos de propiedad del producto, ciclo de vida promedio de los productos, más allá de las ventas, la demanda prevista y el impacto probable de las medidas de política ambiental. Se observa que la logística inversa es uno de los retos más difíciles de la cadena de suministro. Una vez que el producto ha sido fabricado es muy importante que exista una estructura adecuada para su distribución a los clientes. Algunos autores han explorado el uso de un enfoque iterativo para el diseño de la cadena de distribución en un entorno virtual ágil, y se ha demostrado que la adaptación rápida a la evolución de la situación del mercado y la automatización de los procesos de gestión de la cadena de suministro es esencial para el éxito de las compañías. Cuestiones globales. El acortar los ciclos de vida del producto y la creciente competencia mundial, ha tentado a los fabricantes tradicionales a contemplar en sus competidores los compendios tales como el diseño y desarrollo de productos, y los ha llevado a la decisión de “outsourcing”, es decir, subcontratar estas competencias. (Jennings, 2002) prevé beneficios estratégicos y problemas relacionados con las decisiones de subcontratación. Éstas incluyen las cuestiones de costo, calidad, flexibilidad, orientación estratégica y la diversificación; la pérdida potencial de habilidades críticas y conocimientos; y la apropiación de valor del producto final. Un modelo fue desarrollado con la estructuración de los factores: capacidad, costos, tecnología, condiciones de la cadena de suministros y la posición del producto en el mercado que permitan la consideración de las decisiones de subcontratación. (Buxey, 2005) exploró la relación entre las actividades de subcontratación de las empresas y la ocurrencia de interrupciones


42 en la cadena de suministro. (Blowfield, 2005) expuso la experiencia del empleo de los estándares globales ambientales y sociales, en términos de una ética global. Se concluyó que el desarrollo estratégico de las capacidades de SCM como: la eficiencia en el transporte de entrada y salida, almacenamiento, control de inventario, apoyo a la producción, empaque, compra, procesamiento de pedidos, y la difusión de información permite a una empresa de fabricación identificar las medidas clave de rendimiento. Cuestiones de la Alianza. Mientras los mercados globales se hacen cada vez más eficientes, la competencia ya no se lleva a cabo entre las empresas individuales, sino entre las cadenas de valor. Por lo tanto los ejecutivos están desarrollando las asociaciones de cadenas de suministro o de colaboración en un intento por reducir costos, mejorar el servicio y obtener una ventaja competitiva. La colaboración a través de redes inteligentes de e-business proporciona una ventaja competitiva a todos los participantes en una cadena de valor que la hace prevalecer y crecer. Se ha encontrado que las asociaciones de colaboración se pueden lograr tanto a través de la confianza y mediante el intercambio de medios electrónicos. (Frankel, Goldsby, & Whipple, 2002) mostraron que uno de los más comunes usos de las asociaciones es la prestación de servicios de transporte y distribución. Los autores recomendaron que en lugar de dedicar esfuerzos y recursos para construir una cadena de suministro en la empresa, a menudo resulta mucho más rentable para una compañía formar una alianza con una empresa de transporte que les permiten realizar el trabajo de distribución en un menor costo que el que la empresa pudiera manejar.


43 Medición del Desempeño en la Cadena de Suministro. La medición del rendimiento es muy importante como herramienta estratégica ya que proporciona los medios para lograr los objetivos requeridos sí se incluye en el enunciado de la misión de una empresa. Muchas empresas se han enfocado a evaluar el rendimiento de la organización, principalmente sobre la base del costo y eficiencia. Esto ha resultado en que la mayoría de las medidas de rendimiento estén centradas en los datos financieros, tales como el retorno sobre la inversión, la rentabilidad sobre las ventas, las variaciones de los precios, las ventas por empleado, la productividad y la ganancia por unidad de producción. Como resultado de la globalización, las organizaciones han iniciado la adopción de prácticas empresariales innovadoras e iniciativas de mejora del rendimiento, tales como TQM,

JIT y SMC. La Tabla 8 muestra los diferentes

criterios que la cadena de suministro usa para la evaluación del desempeño.

Tabla 8. Criterios de Evaluación del Desempeño de la Cadena de Suministro. Autor

Criterio

Ideas Claves

Lambert y Cooper, (2000)

Basado en los Procesos

Una gestión de la cadena de suministros exitosa requiere un cambio en la gestión de personal cambiando de administrar funciones individuales a administrar actividades claves integradas en los procesos de la cadena de suministro.

Alineacion Estrategica

El sistema de medición debe ser coherente con la estrategia global de la cadena de suministro. Si el objetivo global de la organizacion es los tiempos de entrega cortos, entonces estrategias logísticas que se enfoquen en el bajo costo podrían estar en conflicto.

Coyle et al., (2003) Keebler et al., (1999) Coyle et al., (2003)

Herramienta de Mejora

El sistema de medición del desempeño debe centrarse en la mejora.

El sistema de medición del desempeño debe evaluar los diferentes arreglos dentro de una cadena de suministro y visualizar los resultados para prevenir sub-optimización.

Lambert y Poblen, (2001)

Objetivos de Manejo de Conflictos

Busi, (2005) Lapide, (2000) Neely et al, (1997)

Simplicidad

El sistema de medición de rendimiento debe ser fácil de entender en todos los niveles en las organizaciones y debe contener un número limitado de serie de medidas pertinentes.

Gumsekaram et al., (2004) Coyle et al., (2003)

Comparabilidad

El sistema de medición del desempeño debe permitir a la cadena de suministro para comparar su rendimiento a un conjunto de normas.

Fuente: (Shukla, Garg, & Agarwal, 2001).


44

(Agarwal & Shankar, 2002) propusieron un proceso de análisis de red (ANP), basado en el modelo para analizar las alternativas que afectan el desempeño de la cadena de suministro. También proporciona la metodología de decisión para priorizar estas alternativas para que el rendimiento de la cadena de suministro pueda ser mejorado. Una perspectiva sistemática basada en el proceso fue empleada para construir un modelo eficaz de medir el rendimiento global de las cadenas de suministro complejas.

(Fynes, Voss, & Burca, 2005) desarrollaron un marco

conceptual para vincular la dinámica de las relaciones y de la cadena de suministro y el desempeño de manufactura y no se encontró falta de evidencia en esta relación. Importancia de la Evaluación del Desempeño. La literatura revisada hasta el momento destaca la importancia de la gestión del diseño y desarrollo de sistemas de medición de desempeño para asegurar que siguen reflejando el entorno y los objetivos de la organización. La literatura también sugiere que los factores que afectan un cambio evolutivo dentro de las organizaciones, y por lo tanto la evolución de las medidas de desempeño, son muchos y muy complejos. Con eficacia la medición y gestión del rendimiento de la cadena de suministro es una tarea compleja y difícil. Sí la medición del desempeño conduce a la mejora continua del rendimiento a largo plazo,

las diferentes etapas de la

medición del desempeño y los procesos de gestión como el diseño de sistemas de medición, su aplicación, y la identificación de las medidas apropiadas para ser utilizadas deben ser implementadas con éxito. El apoyo de la organización en términos de intercambio de conocimientos, el liderazgo, la estructura y el aprendizaje es sumamente necesario para una implementación exitosa.


45 Clasificación de rendimiento medidas. El rendimiento de las organizaciones se clasifica conceptualmente en dos grandes categorías: “Relacionadas con los costos” y “No relacionadas” cada una con algunas ramificaciones como se muestra en la Figura 3.

Costos de Manufactura y Distribución

Indicadores Financieros

Costo de Desperdicios, Retornos, Obsolescencia

Productividad

Medición del Desempeño de la Cadena de Suministro

Tiempo

Indicadores No Financieros

Calidad

Flexibilidad

Figura 3. Modelo Conceptual del Rendimiento de las Organizaciones. Fuente: (Shukla, Garg, & Agarwal, 2001).

Los indicadores no financieros incluyen medidas relacionadas con el tiempo, la flexibilidad y la calidad. Estos indicadores influyen directamente en los resultados económicos y financieros (ingreso neto y la rentabilidad), el vínculo con ellos no se puede calcular en un manera precisa. El factor tiempo tiene una


46 importancia estratégica en los negocios y por lo tanto, "tiempo" tiene que ser utilizada como una métrica estratégica en la medición del rendimiento. Estos autores argumentan que medir, controlar y comprimir el tiempo mejora la calidad, reduce costos y mejora la capacidad de respuesta a pedidos de los clientes, mejora la prestación, aumenta la productividad, aumenta la cuota de mercado y finalmente aumenta los beneficios. La flexibilidad (para medir la capacidad para hacer frente a la naturaleza dinámica de la empresa) es un indicador significativo, ya que es una capacidad de cambiar algo (por ejemplo, el volumen de producción o mezcla) en relación con todos los tres indicadores de costo, tiempo y calidad. (Gunasekaran, Patel, & Tirtiroglu, 2001) delinearon seis conjuntos de parámetros de rendimiento. Se hace hincapié también en la importancia de medir los aspectos no financieros y los aspectos no cuantificables e intangibles de rendimiento. Estos parámetros y los indicadores se incluyen las medidas a nivel estratégico, operacional y táctico y deben estar alineados con los cuatro vínculos básicos que constituyen la cadena de suministro. Prácticas de Gestión de la Cadena de Suministro. Las prácticas de SCM se definen como un conjunto de actividades llevadas a cabo en una organización para promover una gestión eficaz de su cadena de suministro. Gestión de la cadena de suministro se refiere a cómo las empresas utilizan los procesos de sus proveedores, tecnologías, y capacidades para mejorar la ventaja competitiva y la forma en cómo la fabricación, logística de los materiales, distribución y transporte se coordinan dentro de las organizaciones. Muchas empresas han reducido su base de suministro para que puedan gestionar con más eficacia las relaciones con los proveedores estratégicos. Sin embargo las empresas tropiezan con problemas debido a una mayor dependencia de los proveedores en utilizar una variedad de enfoques para abordar los problemas. Los proveedores pueden cambiar su énfasis de reducción de personal y regresar productos y servicios subcontratados a sus organizaciones, asegurar


47 fuentes alternativas de suministro, o el trabajo con los actuales proveedores para aumentar su rendimiento y sus capacidades. Los esfuerzos de desarrollo de proveedores varían en términos del esfuerzo ejercido por la firma de compra y en la variedad de herramientas utilizadas. Un estudio reciente encontró que las empresas utilizan a menudo una evaluación de medición del desempeño de proveedores, para identificar deficiencias específicas y desarrollar planes para hacer frente a ellos. Tales esfuerzos pueden implicar la medición de la entrega a tiempo, calidad y desempeño de los costos, auditorias de procesos, certificación de sub proveedores y la fijación de metas de desempeño. Las prácticas utilizadas para manejar efectivamente la base de proveedores incluyen el uso de programas de aseguramiento de calidad para los procesos de control de proveedores y productos. La Tabla 9 muestra las prácticas para medir el desempeño de la base de proveedores.

Tabla 9. Prácticas desarrolladas con la Base de Proveedores de la Cadena de Suministro Autor

Descripción

(Donlon 1996)

La práctica de la cadena de suministro incluye la asociación de proveedores, contratación externa, reducción del tiempo de ciclo, un flujo de proceso continuo y el intercambio de información.

(Tan et al. 1998)

La práctica de la cadena de suministro incluye el proceso de compras, la calidad y la relación con los clientes.

(Alvarado y Kotzab 2001)

(Tan et al. 2002)

(Chen y Paulraj 2004)

(Min y Mentzer 2004)

Usando sistemas inter-organizacionales en la práctica la cadena de suministro, tales como EDI, y la eliminación de los niveles de existencias en exceso al posponer la personalización hacia el final de la cadena de suministro. Seis elementos de la práctica de la cadena de suministro (mediante análisis factorial): integración de la cadena de suministro, intercambio de información, características de la cadena de suministro, gestión de servicio al cliente, proximidad geográfica y capacidad de JIT (Justo a Tiempo). Implementando la reducción de la base de proveedores, las relaciones a largo plazo, la comunicación entre equipos multifuncionales y la participación de proveedores de para medir la relación comprador -proveedor Hay siete elementos de la práctica de la cadena de suministro, tales como la visión acordada y los objetivos, el intercambio de información, el riesgo y premio compartido, la cooperación, integración de procesos, la relación a largo plazo y el liderazgo acordado para la cadena de suministro.

Fuente: (Shukla, Garg, & Agarwal, 2001).


48 2.

Marco Conceptual.

El presente proyecto de investigación plantea las relaciones de un modelo teórico-conceptual-práctico, que permita establecer las mejores técnicas de gestión de Inventarios, en una empresa maquiladora local del ramo automotriz, bajo el modelo mostrado en la figura 4. Figura 4. Modelo Conceptual de Gestión de Inventarios Fuente: Elaboración del autor en base a los

conocimientos adquiridos (2013).

En función de una variable de entrada “Venta” se plantea el Modelo de gestión de inventarios con tres procesos claves (MM, MPS y MRP) y sus parámetros de control (Horizonte de Planeación, Capacidad de Producción, Tiempos de Entrega, Parámetros de Cobertura, Tiempos de Manufactura, Inventarios de Seguridad y Exactitud del Inventario) así como las influencias del entorno y su estrategia de medición del modelo a través del periodo contable. Es


49 muy importante definir cada uno de los componentes del modelo, para la comprensión y aplicación del mismo. MidMonth (MM). Pronóstico de ventas que se origina a través del envío electrónico de los releases (plan semanal de requerimientos) de los clientes a las bases de datos de la compañía vía EDI (Intercambio electrónico de datos por sus siglas en inglés). El pronóstico de unidades es convertido en ventas multiplicando por el precio de venta por los próximos tres periodos contables y comparado contra el pronóstico previo. La Tabla 10 representa el pronóstico MidMonth. El reporte es revisado antes de enviar al corporativo. El análisis semanal del MidMonth se lleva a cabo mensualmente y se compara semana a semana contra el pronóstico inicial y consiste en lo siguiente: a. Confirmar que exista demanda por un periodo mínimo de 13 semanas. b. Confirmar que no exista interrupción en la demanda. Sí existiera debe confirmarse la causa, la cual pudiera estar relacionada a un cambio de nivel, a un paro programado del cliente, o a la falta de un contrato. c. Confirmar sí los requerimientos exceden la capacidad instalada. Sí excediera la capacidad comunicar al cliente que se requiere un plan para alcanzar la demanda requerida. d. Confirmar si los requerimientos exceden la capacidad contratada. Si excediera debe notificarse al corporativo de ventas para que coticen el volumen adicional al cliente. e. Comparar contra el pronóstico de la semana anterior y entender las principales variaciones.


50

Tabla 10. Representación del Pronóstico de Ventas MidMonth de Junio 2013. PLANT

(All)

Month

Data

6/1/2013 Product_Reference

J$SALES

7/1/2013 LF SALES

J$SALES

Total Sum of Total Sum of J$SALES LF SALES

8/1/2013 LF SALES

J$SALES

$ 5,421,886

$ 5,598,980

LF SALES

SIAB

$ 5,332,610

$ 5,002,269

$ 5,179,126

PAB

$ 8,318,652

$ 8,479,605

$ 9,911,681 $ 10,830,703 $ 10,221,107 $ 10,462,391 $ 28,451,440 $ 29,772,699

CAB

$ 10,690,540 $ 10,943,200 $ 11,153,731 $ 11,215,159

$ 9,616,643 $ 10,003,363 $ 31,460,915 $ 32,161,722

KAB

$ 2,596,094

$ 2,660,461

$ 2,996,326

$ 3,064,703

$ 3,039,305

$ 3,042,307

$ 8,631,725

$ 8,767,471

DAB

$ 1,318,811

$ 1,329,904

$ 1,843,293

$ 1,977,747

$ 1,892,758

$ 1,984,001

$ 5,054,862

$ 5,291,652

Grand Total

$ 5,616,834 $ 16,110,716 $ 16,040,989

$ 28,256,707 $ 28,415,439 $ 31,084,157 $ 32,510,198 $ 30,368,794 $ 31,108,895 $ 89,709,658 $ 92,034,533

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Proceso MM: (MidMonth).

El proceso del MidMonth consiste en la revisión semanal del plan de ventas con el grupo gerencial. Éste se revisa una vez concluida la semana y se compara con el pronóstico de las próximas 4 semanas (en el caso de un mes de 5 semanas). Esa primera revisión se le llama 1+4. El reporte 1+4

compara las

ventas reales de la primera semana más el pronóstico de las siguientes cuatro y se compara contra el pronóstico inicial del mes MM. Es en este punto donde se toman las decisiones necesarias con respecto al plan de producción y como consecuencia el suministro de materia prima y a su vez el indicador días de inventario. Si las variaciones son significativas (mayor o igual al 10%), en el mayor de los casos se ajustará el plan de producción para soportar el incremento de


51 demanda, pero si las variaciones son significativas a la baja, será decisión del gerente de planta y contralor decidir si reducir el plan de producción y por consecuencia cortar el suministro de materia prima o mantener el plan de producción original en el MM. La decisión de sostener, reducir y/o incrementar el plan de producción, está estrictamente ligado a la capacidad de la organización de reducir sus gastos proporcionalmente al gasto directo de mano de obra directa e indirecta. Este proceso se repite semana a semana generando los reportes 2+3 vs MM, 3+2 vs MM, 4+1 vs MM y finalmente el reporte de cierre del mes conocido como Month End. En la Tabla 10 se anexa una ilustración del pronóstico de MM original del mes de Junio 2013, donde se aprecia la variación del pronóstico del mes de Junio contra el pronóstico anterior en el mes de Mayo.

Master Production Schedule (MPS) Es el Plan de Maestro de Producción que se genera al momento de procesar los requerimientos de los clientes obtenidos del MM, y descargarlos en una tabla de planeación que se muestra en la Tabla 11 y que toma en cuenta las siguientes consideraciones: a. Confirmar que exista planeación por un periodo mínimo de 52 semanas.

Si

no

existiera

demanda,

debe

agregarse

demanda

independiente tomando el cálculo de la capacidad instalada como referencia. b. Confirmar que no exista interrupción en el plan de producción. Si existiera una interrupción en el plan de producción ésta debe ocurrir


52 cuando los niveles máximos de inventario de producto terminado han sido alcanzados y debe programarse durante la semana de generación del MidMonth de ventas. c. Nivelar los requerimientos de acuerdo a la capacidad instalada en el horizonte de planeación de trece semanas. Si se excediera la capacidad se requiere analizar instalar capacidad adicional, agregar horas productivas a la planeación actual, ejecutar un plan controlado de tiempo extra y definir si existiera necesidad de flete expeditado. d. Nivelar la cantidad de inventario de producto terminado en conjunto con el objetivo de sostener el plan de producción nivelado. e. Comparar contra el pronóstico de la semana anterior y entender las principales variaciones, adecuando incrementos de demanda, atrasos de producción, rechazos de cliente interno o externos, problemas de equipo, escasez de mano de obra e inventarios de seguridad para programación de días festivos. Tabla 11. Representación del MPS en la Tabla MF50 del Sistema ERP.

Fuente: Elaboración del autor en base a los datos obtenidos (2013).


53 Proceso MPS: (Master Production Schedule). Este proceso consiste en tratar los requerimientos de los clientes en una tabla del sistema ERP y establecer un plan de producción basado en lo siguiente: a. Nivelación de la producción por las siguientes trece semanas mínimo; esto con el objetivo de generar el plan de horas productivas requerido por los próximos tres meses. b. Ajuste de los días de inventarios deseados como objetivo capaces de cubrir los requerimientos de los clientes y poder cumplir sus planes de recolección de producto terminado. c. Cálculo de la mano de obra basada en el estándar de horas hombre requerido para la fabricación de cada uno de los productos. d. Cálculo del costo del inventario al final de cada periodo. e. Cálculo del costo de materiales requeridos para soportar el plan de producción. Material Requirements Planning (MRP). Es el sistema de administración de planeación de requerimientos a proveedores, basado en el sistema ERP de la compañía cuyo propósito es asegurar el requerimiento de toda la materia prima oportunamente y en las niveles de inventario adecuados para poder llevar a cabo el plan maestro de producción (MPS) y por consiguiente el plan de ventas MidMonth. El sistema MRP está basado en la lista de materiales definida para cada número de parte que es fabricado y por la cantidad de unidades a producir: Proceso MRP: (Material Requirements Planning). El proceso MRP inicia cuando el MPS es completado y el sistema ERP explosiona todos los componentes necesarios para la fabricación en base a la lista


54 maestra de partes, la explosión del requerimiento define las cantidades a entregar y las fechas basado en las siguientes consideraciones: a. Confirmar que exista planeación de requerimiento por un periodo mínimo de cincuenta y dos semanas. Si no existiera demanda, debe revisarse el Plan Maestro de Producción antes de enviar los requerimientos a los proveedores. b. Confirmar

que

no

exista

interrupción

en

el

Plan

de

Requerimientos de Materiales. Sí existiera una interrupción en el plan de requerimientos debe confirmarse el Plan Maestro de Producción. c. Nivelar los requerimientos a los proveedores en base al estándar de empaque y a las fechas de recolección establecidas por el departamento de tráfico. d. Revisar la capacidad instalada del proveedor en el horizonte de planeación de trece semanas. Sí se excediera la capacidad contratada se requiere analizar si se incurriría en costos o gastos adicionales. e. Revisar los niveles de inventario de materia prima al término de cada ciclo semanal con el objetivo de sostener un plan de inventarios nivelado a los parámetros establecidos. f. Comparar contra el requerimiento de la semana anterior y entender las principales variaciones, adecuando incrementos de demanda, atrasos de producción, rechazos de proveedores internos o externos, problemas de equipo, escases de mano de obra e inventarios de seguridad para programación de días festivos. En la Tabla 12 se muestra el cálculo del MRP a través de la tabla MD04 del sistema ERP.


55 Tabla 12. Representación del MRP en la Tabla MD04 del Sistema ERP.

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Parámetros de control de Inventario. Los parámetros listados son los principales contribuyentes del modelo de gestión de inventarios que, a juicio del investigador, inducen positivamente el pronóstico del indicador días de inventario y sobre los cuales el administrador de materiales

debe

tener

un

claro

entendimiento

de

la

importancia, uso,

mantenimiento, y control, de lo contrario puede inducir resultados desfavorables para la cadena de suministro. a. Horizonte de Planeación. Es el tiempo en semanas en las que el administrador decide nivelar el plan de producción a partir de los requerimientos de los clientes. Un horizonte de planeación corto inducirá directamente toda la variación de la demanda a la cadena de suministro


56 afectando principalmente las capacidades de producción, los costos de transporte y costos de mano de obra, entre otros. Además, un horizonte de planeación no configurado correctamente puede inducir significativos paros de manufactura debido a capacidades de equipo, capacidades de gente y/o de la cadena de suministro, en los cuales representa materia prima en tránsito vía marítima, terrestre o áerea incapaz de absorber una variación inmediata, incrementando proporcionalmente los costos de flete expeditado. Por lo tanto, el horizonte de planeación debe proteger a la organización de las variaciones y fluctuaciones de la demanda, absorbiendo estas variaciones con un adecuado perfil de cobertura y/o inventario de seguridad. b. Capacidad de Producción. Existen dos capacidades a considerar dentro del modelo de gestión de inventarios. La primera es la capacidad contratada con el cliente y representa el volumen máximo de unidades al año que el cliente pudiera requerir en ciertos periodos de fabricación y para la cual la compañía adquiere el equipo suficiente para poder solventar ese volumen máximo. La segunda es la capacidad instalada, la cual es la capacidad existente basada en los requerimientos de los clientes, mediante los cuales la organización maximiza sus recursos para sostener esa demanda, obteniendo beneficios de eficiencia de mano de obra y/o máxima utilización del equipo según sea el caso. La diferencia en ambas reside en el tiempo en el cual el cliente solicita que se cumplan esos requerimientos. Es en este punto que el administrador debe conocer ambas capacidades e informar apropiadamente y oportunamente en su organización a través de su programa maestro de producción, con el propósito de capacitar las operaciones del equipo necesario, mano de obra y materia prima. c. Tiempos de Entrega. Es el tiempo de tránsito necesario para transportar la materia prima de su destino hacia la organización. Una cadena de recolección adecuada y coordinada oportunamente representa una


57 oportunidad significativa de reducción de días de inventarios.

Por el

contrario, una inadecuada gestión impacta negativamente, no sólo en el costo del transporte sino también en el exceso y/o faltante de material, por lo que el administrador debe conocer con exactitud los tiempos de entrega, días

de

recolección,

escalas

de

sus

componentes

y

reflejarlos

adecuadamente en su sistema ERP. d. Parámetros de Cobertura.

Es por definición el diseño del inventario

deseado al final del periodo del MRP, el cual puede ser diario, semanal y /o mensual. Este parámetro representa, en estricta teoría, el diseño del valor del inventario planeado en función de los requerimientos futuros de los clientes. La correcta configuración de este parámetro y la eliminación de la redundancia con otros parámetros, como tiempos de entrega e inventarios de seguridad, representan la oportunidad de disminuir linealmente el nivel del inventario. Existen diversas maneras de aplicar el parámetro de cobertura elegido considerando estrictamente la demanda del siguiente periodo, la demanda promedio de periodos futuros o la demanda promedio basada en el pasado. Cualquiera que sea el método de cobertura de la demanda debe ser capaz de validarse continuamente con el objetivo de mantener los niveles de inventarios planeados. e. Tiempos de Manufactura. Son los tiempos mínimo necesarios para recibir, ubicar, trasladar, manufacturar y/o realizar pruebas de calidad del producto. El desconocimiento de la cadena de valor de la materia prima, inventario en proceso y/o producto terminado, y la no configuración adecuada del sistema ERP impacta negativamente a la organización causando cuellos de botella, exceso de inventario en proceso, desbalanceo de las capacidades de los procesos integrados verticalmente, incumplimiento del Plan Maestro de Producción y en consecuencia retrasos en las entregas a clientes aún teniendo inventario en valor suficiente pero con la mezcla incorrecta.


58 f. Inventarios de Seguridad. Es el inventario mínimo deseado para proteger a la organización ante una eventualidad plenamente planeada por cambio de una fuente de proveedor, modificación mayor a un equipo, periodo de baja en la demanda, o cambios de ingeniería entre otros. La diferencia entre usar un inventario de seguridad como un evento controlado contra la práctica común de la mayoría de los administradores de protección ante cualquier inminente eventualidad y la no resolución de los problemas de causa raíz, impacta negativa y linealmente el indicar días de inventario. Uno de los grandes retos de un administrador de materiales es erradicar los inventarios de seguridad ya que ayudan absorber la variación de la demanda

pero

esconden

completamente

los

problemas

en

las

organizaciones además de impactar directamente el flujo de efectivo debido a que son independientes de la demanda del cliente. Tradicionalmente las gestiones de inventario soportan sus operaciones con inventarios de seguridad omitiendo el análisis de las cadenas de suministro y cadenas, productivas sacrificando el flujo de efectivo de las organizaciones. g.

Exactitud del Inventario. Es, en estricta definición, la medida

de la disciplina en una organización. La falta de un programa de medición de la exactitud del inventario representa una oportunidad para desbalancear todos los procesos involucrados en la gestión de inventarios. La gestión de la exactitud del inventario debe estar enfocada a la definición de un plan adecuado por clasificación de productos, la medición oportuna y correcta de la exactitud a través de un método estadísticamente validado, el análisis de las causas raíces de las principales variaciones, mejora continua de los procesos y por último los controles mínimos necesarios prevenir las recurrencias y desviaciones a los procedimientos de control de material. La inexactitud del inventario representa en la mayoría de las organizaciones la causa principal de costos de fletes no programados e impactan directamente a la rentabilidad del periodo contable.


59

Capítulo III. HIPÓTESIS Y VARIABLES

A.

Hipótesis.

1.

Principal.

La gestión del conocimiento en los administradores del modelo de gestión de inventarios esta positivamente relacionado con el resultado del indicador días de inventario al final del periodo contable.

2.

Secundarias.

El indicador días inventario no está directamente relacionado a la fluctuación de las ventas.

B.

Variables.

1.

Definición.

La hipótesis general que habla sobre: “La gestión del conocimiento en los administradores del modelo de gestión de inventarios está positivamente relacionado con el resultado del indicador días de inventario al final del periodo contable”. A continuación se definen las variables: Gestión del conocimiento de los empleados del departamento de materiales en el modelo de gestión de inventarios y días de inventario: Gestión del conocimiento. Es el proceso que continuamente asegura el desarrollo y la aplicación de todo tipo de conocimientos pertinentes de una


60 empresa o un proceso con objeto de mejorar su capacidad de resolución de problemas y así contribuir a la sostenibilidad de sus ventajas competitivas. En la empresa

objeto

de

la

presente

investigación,

los

supervisores

fueron

constantemente entrenados de manera cotidiana en la aplicación del modelo, los componentes esenciales del mismo son: a) Generales del Conocimiento. Representa el conocimiento del administrador con lo que respecta a su organización. Este reactivo pretende indicar la penetración de la cultura organizacional en el empleado. b) Gestión de Inventarios. Representa el conocimiento del administrador respecto a los componentes del modelo gestión de inventarios y sus parámetros que lo componen. Este reactivo pretende indicar la penetración del modelo de gestión de inventarios en la cultura del administrador en el departamento de materiales. c) Elementos del Inventario. Representa el conocimiento del administrador respecto a elementos que componen el indicador días de inventario. Este reactivo pretende indicar la penetración de los elementos del indicador días de inventario en la gestión organizacional del departamento de materiales. d) Mejora

Continua.

Representa

la

participación

de

los

administradores en las fases de mejora continua. Este reactivo pretende caracterizar las fases del proceso de mejora continua en la que los administradores contribuyen más en la gestión del indicador días de inventario. Usando un cuestionario como instrumento de evaluación se identificaron los componentes del modelo en las que el personal presentaba inconsistencias en el


61 conocimiento y/o las áreas en las que mostraba suficiencia. Consta de preguntas e incluye tantos apartados como corresponde con las necesidades de información ya planteadas anteriormente y su carácter es auto administrado. La escala utilizada para medir los elementos bajo estudio es una escala de intervalo de seis puntos, desde el cero hasta el cinco, aunque con fines de acercamiento al encuestado se emplean instrucciones de tipo ordinal con seis categorías ordenadas. En el Anexo 1 se consigna el instrumento de medición, que incluye los cuatro apartados mencionados: “Generales del conocimiento de la Organización”, “Gestión de Inventarios”, “Elementos de Inventario”

y

“Mejora Continua”. La

Figura 5 ilustra la escala utilizada en el instrumento de Medición.

Figura 5. Nivel de Asociación y Escala de Valor de la Encuesta Gestión del Conocimiento. Fuente: Elaboración del autor en base a los conocimientos adquiridos (2013).


62 Inventario. El inventario representa el valor del material existente en la organización utilizado para la transformación en producto terminado para venta a un cliente. Este material puede estar en forma de material en tránsito, materia prima, producto en proceso y /o producto terminado. Contablemente el inventario es una relación detallada de las existencias materiales comprendidas en el activo, la cual debe mostrar el número de unidades en existencia, la descripción de los artículos y los precios unitarios. La correcta caracterización del inventario y el monitoreo de los elementos del inventario a través del tiempo representan el proceso inicial de la mejora continua que se induce con el modelo de gestión de inventarios. El entender las causas de variación estratificando el inventario impacta positivamente el indicador una vez identificadas las causas y definidas su planes de acción. A continuación se presenta una descripción de los elementos del inventario. a. Materia Prima. Representa el valor del inventario de todos los componentes comprados antes de iniciar su proceso de manufactura. i.

Inventario en Tránsito (Inter-compañías). Materia prima en tránsito a la organización proveniente de una compañía de la misma organización.

ii.

Bancos

de

Materia

Prima.

Materia

prima

adquirida

anticipadamente para prevenir una contingencia en la cadena de suministro y/o manufactura. iii.

Partes de Servicio. Materia prima adquirida para cumplir los requerimientos de vehículos que salieron de la línea del mercado y por el cual la organización tiene compromisos contractuales mayores a la vida útil del vehículo en el mercado.

iv.

Inventario Tradicional. Materia Prima dedicada a modelos de producción activos.


63

b. Inventario en Proceso. Materia Prima que ha iniciado su proceso de transformación. En la organización existen cinco subprocesos integrados verticalmente antes de que la materia prima se convierta en Producto Terminado disponible para venta los cuales son: Recubrimiento de Tela, Corte de Tela, Costura de Bolsa, Ensamble de Modulo y Pruebas de Desempeño. i.

Bancos de Inventario en Proceso. Materia prima en proceso transformada anticipadamente para prevenir una contingencia en la cadena de suministro y/o manufactura.

ii.

Inventario Tradicional. Materia Prima en proceso dedicada a modelos de producción activos.

iii.

Partes de Servicio. Materia prima en proceso requerida para cumplir los requerimientos de vehículos que salieron de la línea del mercado y por el cual la organización tiene compromisos por tiempos definidos.

c. Producto Terminado. Representa el valor del inventario de todos los productos terminados disponibles para venta y cuyos incluyen el costo de material, el costo de los gastos fijos y variables, así como la mano de obra directa. i.

Inventario en Tránsito a Clientes. Producto terminado cuyo contrato con el cliente tiene como punto de entrega la localidad del cliente.

ii.

Bancos

de

Producto

Terminado.

Producto

Terminado

construido anticipadamente para prevenir una contingencia en la cadena de suministro y/o manufactura. iii.

Partes de Servicio. Producto terminado construido para cumplir los requerimientos de vehículos que salieron de la


64 línea del mercado y por el cual la organización tiene compromisos por tiempos definidos. Preferentemente cuando un producto termina su ciclo de producción activo y entra a partes de servicio, es recomendable construir todo el producto terminado en base a un pronóstico de tiempo de vida. iv.

Inventario Tradicional. Dedicado a modelos de producción activos.

Días de inventario. Es el indicador utilizado en la organización para medir el valor de los activos de materiales en función del tiempo, representando la equivalencia en días del inventario comparado contra las ventas. La Figura 7 ejemplifica la definición del valor de días de inventario.

Días de Inventario = Valor del Inventario x Dias del Periodo Contable Costo de Ventas donde: Valor del Inventario = Sumatoria de [ Unidades x Costo de Material ] Días del Periodo Contable = 28 [Mes 4 semanas], 35 [Mes de 5 semanas] Costo de Ventas = Costo de Material + Costo de Transporte

Figura 6. Definición de la Variable Días de Inventario. Fuente: Elaboración del autor en base a los conocimientos adquiridos (2013).

El indicador días de inventario es la variable de salida de la gestión de inventarios y es utilizado en la generación del pronóstico de flujo de efectivo en la organización, el cual se lleva al igual que el plan de ventas un semestre previo al año calendario. El pronóstico anticipado de días de inventario es llevado un semestre previo, y es calculado estrictamente en función de las ventas, desconociendo las condiciones de la cadena de suministro vigentes o futuras.


65

El pronóstico días de inventario es también parte del OP (Operating Plan, por sus siglas en inglés) y es llevado a cabo por los directores financieros de la compañía en conjunto con los representantes de ventas ante el cliente, gerentes de operaciones, gerente de materiales y contralores. El pronóstico del valor del inventario OP está obtenido en reversa estimando los días de inventario planeados y tomando en cuenta el costo de ventas del mes contable y los días calendario del periodo de la siguiente manera.

Costo de Ventas. Significa el valor de las ventas menos el margen de utilidad calculado o esperado en base a los precios establecidos en los contratos con los clientes y los costos de la operación.

Días del periodo Contable. Durante el año existen tres meses en los que el calendario fiscal de la organización cuenta con cinco semanas y el indicador días de inventario es calculado a 35 días. El resto de los meses el cálculo se realiza con 28 días.

Días de Inventario. Se realiza un pronóstico en base a eventos conocidos de la demanda de la industria automotriz como son los paros planeados existentes al final de cada semestre y el resto de los meses se sigue la tendencia de las ventas para establecer un pronóstico anticipado adecuándolo al flujo de efectivo necesario para el mes contable.

Una vez calculado el pronóstico anticipado de días de inventario en el OP, éste es revisado mes a mes a partir del segundo semestre y es actualizado constantemente conforme los clientes reflejen cambios en sus volúmenes de venta.


66 A partir de enero del año subsecuente del OP, se genera el denominado MidMonth el cual representa, al igual que las ventas, el pronóstico revisado de los días de inventario, el cual es pronosticado por el administrador del inventario considerando las variables de ventas, contingencias en la cadena de suministro, capacidades de manufactura y factores de seguridad de inventario para no comprometer las entregas a tiempo de los clientes. Por otra parte, en la búsqueda de la comprobación de las hipótesis específicas, se planteó: “El indicador días inventario no está directamente relacionado a la fluctuación de las ventas”. Se pretende definir la siguiente variable, ventas, dado que la variable días de inventario ya fue definida. Ventas. Representan el precio de venta de la compañía de cada producto multiplicado por el total de unidades en el periodo contable, el cual está conformado por el costo de venta más el margen de utilidad. A su vez el costo de venta incluye el costo de material más los gastos directos e indirectos. Los gastos directos están conformados por la mano de obra y el costo de material. El costo de material está conformado por el precio de compra más el costo del flete. La Figura 6 ejemplifica la definición de la variable ventas.

Ventas = Precio de Venta x Unidades vendidas ( Periodo Contable) Precio de Venta = Costo de Ventas + Margen de Utilidad donde: Costo de Ventas = Costo Estandar + Gastos Indirectos Costo Estandar = Costo de material + Costos Directos de Mano de Obra Costo de Material = Costo de Material + Costo de Transporte

Figura 7. Definición de la Variable Ventas. Fuente: Elaboración del autor en base a los conocimientos adquiridos (2013).


67

El indicador de las ventas es la variable de entrada para la generación del pronóstico financiero de la organización, el cual se lleva a cabo un semestre previo al año calendario. El pronóstico anticipado de ventas es conocido como OP (Operating Plan, por sus siglas en inglés) y es llevado a cabo por los directores financieros de la compañía en conjunto con los representantes de ventas ante el cliente, gerentes de operaciones y contralores. El pronóstico anticipado OP está basado en la suma de tres pronósticos de ventas los cuales son:

Volumen de reemplazo. Significa todas aquellas ventas por las cuales aún existen contrato con el cliente en base a los volúmenes cotizados por cada año de vida del vehículo.

Volumen comprometido. Significan todas aquellas ventas por las cuales ya existe contrato y que iniciarán su ciclo de producción en el año

calendario

posterior

al

OP.

Generalmente

se

estima

conservadoramente un volumen del 80% contra el contrato establecido.

Volumen Objetivo. Significa todas aquellas ventas por las cuales la organización continúa en proceso de cotización y supone obtendrá un porcentaje de los negocios. Generalmente el volumen objetivo está basado en un mínimo del 20% dependiendo de la oportunidad de obtener el contrato.

Una vez calculado el pronóstico anticipado de ventas OP, éste es revisado mes a mes a partir del segundo semestre y es actualizado constantemente conforme los clientes reflejen cambios en sus volúmenes o se firmen nuevos contratos.


68 A partir de Enero del año subsecuente del OP, se genera el denominado MidMonth el cual representa el pronóstico de ventas extraído directamente de las releases (plan semanal de requerimientos) que los clientes envían a las bases de datos de la organización a través de comunicación electrónica.

2.

Operacionalización.

Tabla 13. Definición y operacionalización de variables.

Variables

Subvariable

Unidad de Medida

Objetivo

Conocimiento

Generales de la organización

Puntos Promedio (Escala 0-5)

>=3

Gestión de Inventarios

Puntos Promedio (Escala 0-5)

>=3

Elementos del Inventario

Puntos Promedio (Escala 0-5)

>=3

Mejora Continua

Puntos Promedio (Escala 0-5)

>=3

USD (Dólares)/Anuales

342 M

Correlación Antes y Después del Modelo

Positiva

Correlación vs Días de Inventario

Negativa

Suma Total de Días de Inventario

18.2

Inventario en Transito

Días de Inventario

3.5

Inventario de Materia Prima

Días de Inventario

7.6

Inventario de Producto en Proceso

Días de Inventario

2.5

Inventario de Producto Terminado

Días de Inventario

4.6

Correlación Antes y Después del Modelo

Negativa

Correlación vs Días de Inventario

Negativa

Ventas

Inventario

Fuente: Elaboración del autor en base a los datos obtenidos (2013).


69

Capítulo IV. MÉTODOLOGÍA DE LA INVESTIGACIÓN

A. Diseño de la investigación.

1. Enfoque paradigmático.

Es un proceso de investigación cuantitativo. (Hernández, Fernández, & Baptista, 1991) refieren que el enfoque cuantitativo usa la recolección de datos para probar hipótesis con base a la medición numérica y el análisis estadístico, para establecer patrones de comportamiento y así probar hipótesis.

2. Naturaleza.

La presente investigación es no experimental ya que permite describir el comportamiento de las ventas en función del tiempo y correlacionar el modelo de gestión tanto con las variables de entrada y salida como con el conocimiento de los elementos del modelo, utilizando para esto un proceso de investigación cuantitativo para probar las hipótesis planteadas.

3. Finalidad.

Es un estudio correlacional descriptivo. (Hernández, Fernández, & Baptista, 1991) destacan que este tipo de estudios asocian variables mediante un patrón predecible para un grupo o población. Los estudios correlaciónales miden el grado de asociación entre dos o más variables (cuantifican relaciones). Es decir, miden cada variable presuntamente relacionada y después miden y analizan la correlación.


70

4. Temporalidad.

El diseño de la investigación del conocimiento del modelo de gestión de inventarios fue transversal – causal con tres cortes en Julio 2012, Octubre 2012 y Marzo 2013 a través de un muestreo probabilístico aplicado a los administradores del modelo de gestión de inventarios midiéndose el nivel de asociación a los cuatro constructos principales, utilizando el cuestionario auto administrado bajo escalas de acercamiento como instrumento de medición que le permiten al encuestado indicar el nivel de asociación del modelo de gestión de inventarios con su actividad diaria.

B. Sujetos o población de interés.

1. Descripción.

La empresa maquiladora local del ramo automotriz pertenece a un corporativo con sede en Livonia, Michigan, Estados Unidos, contando con más de 65,000 empleados en todo el mundo y una presencia global equilibrada, con cerca de 185 instalaciones en 26 países, incluyendo 13 pistas de pruebas y 22 centros técnicos, sirviendo a todos los principales fabricantes automotrices y es líder en el desarrollo y suministro de sistemas de seguridad activa y pasiva. El sujeto de estudio se limita a la planta que se ubica en la Ciudad de Chihuahua que actualmente cuenta con tres edificios en el mismo complejo industrial: una planta productiva para la fabricación de bolsas de aire para protección de ocupantes de 240 mil pies cuadrados, un centro de distribución para recibo de materia prima y embarque de producto terminado de 206 mil pies


71 cuadrados y una bodega de recibo, almacenaje y limpieza de contenedores retornables de 42 mil pies cuadrados. La organización, cuenta con un equipo de 2,283 miembros, los cuales se dividen en 114 empleados administrativos, 172 empleados indirectos y 1,997 operadores directos. La empresa tiene un pronóstico de ventas anuales de 342 millones de dólares para el año 2013 y maneja un inventario promedio total de 23 millones de dólares. Esta empresa inició operaciones en 1992 con la costura de bolsas de aire para conductor. En 1995, agregó a su cartera de productos la costura de bolsas de aire para el ocupante pasajero y en 1996 se inició con el ensamble de módulos de impacto lateral incluyendo el proceso de costura y el ensamble de bolsas de aire tipo cortina. En el año 2006 se relocalizó una planta de ensamble de módulos de conductor y pasajero localizada en Cookeville, Tennessee en una segunda planta en Chihuahua, y en el 2009 se consolidaron todas las operaciones en el edificio actualmente ocupado en la fabricación de bolsas de aire de conductor, pasajero, impacto lateral, cortinas, rodillas y partes de servicio. La cadena de suministro está conformada por 114 proveedores de localidades remotas en EUA, Europa, Asia, Canadá, México y proveedores locales; un proceso de manufactura integrado verticalmente con 101 áreas de manufactura como: Procesos de recubrimiento de tela (1), Corte laser de tela (7), Costura de bolsas de aire (34),

Ensamble de módulos (59) y Pruebas de

aceptación de lotes; finalmente, cuenta con una cartera de clientes de 48 destinos de embarque para localidades en EUA, México, Europa, Sudamérica, Asia y Canadá donde se encuentran las plantas de ensambles de los siguientes fabricantes de autos: Ford, General Motors, Chrysler, Volkswagen (VW), Nissan, BMW, Hyundai, Jaguar, Honda y Mercedes Benz.


72 2. Plan de acceso o muestreo

a)

Unidad de análisis.

En la comprobación de la hipótesis general, se medirá el conocimiento de los componentes y parámetros del Modelo de Gestión de Inventario a los administradores del indicador días de inventario a través de un cuestionario estratificando las muestras en funciones administrativas, antigüedad y nivel de supervisión. Para la comprobación de la hipótesis específica, el estudio se enfocó a recolectar los datos variables del año 2005-2009 previos a la implementación del Modelo de Gestión de Inventarios y se comparó contra los datos posteriores a la implementación en el periodo de los años 2010-2013.

b)

Tipo y método de muestreo.

Para la comprobación de la hipótesis general se tomó el 100% del personal administrativo del departamento, aunque posteriormente con los datos obtenidos, se pudo estratificar la muestra. Los principales criterios de estratificación fueron los Generales de la Organización, Gestión de Inventarios, Elementos del Inventario y Mejora Continua. Para la comprobación de la hipótesis específica, el tipo de muestreo fue probabilístico en función del tiempo de los datos obtenidos en los periodos de evaluación antes y después del modelo de gestión.

c)

Tamaño de la muestra

Para la comprobación de la hipótesis general, el instrumento de medición se aplicó a todo el personal administrativo del departamento de materiales (24).


73

Para la comprobación de la hipótesis específica se recolectaron los datos de la variable de entrada (ventas) y la variable de salida (días de inventario), concentrando el 100% de los datos disponibles de la empresa en investigación. La información recabada corresponde a los datos financieros reportados en el sistema de medición del desempeño de la organización denominado e-QOS. Con un rango de recolección amplio de 100 periodos contables, desde Enero 2009 hasta Abril del 2013. Se excluyeron los periodos previos al 2009 debido a la falta de disponibilidad de información en los archivos electrónicos del elemento de investigación. Desde punto de vista del investigador, la población de estudio es correcta y adecuada para realizar el estudio de la investigación.

C. Procedimiento Metodológico. El procedimiento para responder a la pregunta general de investigación y comprobar la hipótesis general fue el siguiente: 1. Preparación del cuestionario de conocimiento de los elementos del inventario. 2. Evaluación del conocimiento por medio de la prueba escrita cerrada sobre los generales de la organización, gestión de inventarios, elementos del inventario y mejora continua. 3. Captura de las respuestas en una base de datos estratificada por Función, Antigüedad y Nivel de Supervisión. 4. Realización

de

las

estadísticas

descriptivas

de

las

áreas

del

conocimiento. 5. Identificación de las áreas de oportunidad de los empleados y entrenamiento de éstos buscando que obtener la competencia para la gestión adecuada del modelo. 6. Realización de los estudios de Varianza Anova para identificar la insuficiencia del conocimiento.


74 7. Realización de Modelos de regresión lineal para Identificar los factores con mayor significancia en el conocimiento de las cuatro áreas evaluadas. 8. Realización del grafico de efectos principales de los elementos de gestión del inventario comparado contra la variable de respuesta días de inventario. El procedimiento para responder a la pregunta de investigación y comprobar la hipótesis específica fue el siguiente. 1. Definición de las de las variables dependientes e independientes a medir: Ventas y Días de inventario. 2. Generación del reporte de estadísticas descriptivas de las variables, ventas y días de inventario. 3. Generación del reporte de estadísticas en función del tiempo de las variables ventas y días de inventario. 4. Medición de la condición sobre si los datos de ventas y días de inventario siguen una distribución normal antes y después del modelo de gestión de inventarios. 5. Emisión del reporte de estadísticas descriptivas de los elementos del inventario: Inventario en Tránsito, Materia Prima, Inventario en Proceso y Producto Terminado. 6. Generación de reportes de correlación entre la variable de entrada (ventas) y la variable de salida (días de inventario) antes y después del modelo de gestión de inventarios. 7. Análisis de varianza Anova para validar estadísticamente que el modelo de gestión de inventarios es diferente y significativamente mejor.


75 D. Instrumentos de recolección de datos.

El instrumento utilizado para la comprobación de la hipótesis general se muestra en el Anexo 1 que consta de: a. Cuestionario de medición del conocimiento de los elementos y parámetros del modelo de gestión de inventarios. b. Lista de colección de datos que incluye los resultados de las encuestas de los elementos de gestión del conocimiento (Generales de la Organización, Gestión de Inventarios, Elementos del Inventario y Mejora Continua) estratificados por: Función, Antigüedad y Nivel de Supervisión. El instrumento utilizado para la comprobación de la hipótesis específica se muestra en el Anexo 2 que consta de: a. Lista de colección de datos que incluye las variables de entrada de las ventas, la variable de salida de días de inventario, el periodo contable, el costo de ventas y sus días del periodo contable delimitados en el alcance de la investigación. b. Lista de colección de datos de los componentes del inventario de los procesos antes y después del modelo de gestión de inventarios.


76 E. Análisis de los datos.

Tabla 14. Tipos de análisis de datos, según objetivos e hipótesis de trabajo.

Objetivo

Hipótesis

Desarrollar un modelo teóricoconceptual-practico de gestión de inventarios para una empresa maquiladora local del ramo de la industria automotriz, gestionando en los administradores el conocimiento del modelo que sirva como un legado de administración gerencial a esta empresa

La gestión del conocimiento en los administradores del modelo de gestión de inventarios esta positivamente relacionado con el resultado del indicador días de inventario al final del periodo contable.

Determinar sí existe correlación estadística entre las ventas y el indicador días de inventario obtenido en los periodos contables anteriores a la investigación.

El indicador días inventario no está directamente relacionado a la fluctuación de las ventas

Tipo de Análisis

Estudios de Varianza Anova para identificar la insuficiencia del conocimiento. Modelos de regresión lineal para Identificar los factores con mayor significancia en el conocimiento de las cuatro áreas evaluadas.

Análisis de Correlación entre la variable de entrada (ventas) y la variable de salida (Días de inventario) Análisis de varianza Anova para validar estadísticamente que el modelo de gestión de inventarios es diferente y significativamente mejor

Fuente: Elaboración del autor en base a los conocimientos adquiridos (2013).

F.

Materiales y equipo utilizado.

Para la comprobación de las hipótesis fue necesario el siguiente material y equipo. a. Computadora equipada con paquetes informáticos (Word, Excel, Power Point, Minitab, SPSS). b. Impresora.


77 c. Material de escritorio: Lápices, bolígrafos y hojas de máquina. d. Sala de capacitación. e. Equipo mobiliario: Mesas y sillas. f. Hojas de muestreo. g. Base de datos internas para la recolección de información histórica. h. Sistema de administración de inventarios para obtener parámetros de configuración. i. Tablas de apoyo para completar el cuestionario.

G.

Limitaciones y supuestos.

Limitaciones. a. El modelo de gestión de inventarios está limitado debido a factores externos del proceso altamente dependiente del personal operativo y algunas de los supuestos pudieran no ocurrir en el periodo de investigación. b. La investigación fue limitada de información debido a los datos de confiabilidad de la empresa. c. El plan de mejora y control definido como parte del proyecto es continuo y no puede limitarse solamente al periodo de investigación, por lo que se limita sólo a su descripción. d. El conocimiento de los elementos de inventario en los empleados del departamento de materiales está limitado al entrenamiento en su posición y a la rotación del personal. e. La resistencia al cambio en procesos y procedimientos nuevos por parte del personal que administra el inventario retrasa el periodo de madurez del proyecto, por lo que se justifican los avances hasta el periodo de evaluación.


78 f. La cultura generalizada de inventarios altos como medida de prevención de problemas, impacta negativamente al modelo conceptual en los periodos de evaluación. g. Las limitaciones propias del autor. b. Supuestos. a. El

Modelo

de

Gestión

de

inventarios

existente

antes

de

la

implementación del modelo de gestión de inventarios se ejecuta de una forma rutinaria con escapes en varios de sus procesos causando fuente de variabilidad en los periodos de cierre contable de la compañía. b. El personal a cargo de la administración del inventario conoce las prácticas y los procedimientos individuales por su área de experiencia, pero desconoce el impacto del modelo de gestión completo. c. El indicador días de inventario es el primer elemento a sacrificar en el eventual caso de contingencias en la cadena de suministro. d. El modelo de gestión de inventarios acrecienta la responsabilidad y supervisión de este por los individuos.


79 Capítulo V. RESULTADOS Y ANÁLISIS DE LOS RESULTADOS

Los resultados se ordenaron de acuerdo a los objetivos e hipótesis planteados de la siguiente manera: La aplicación del instrumento de medición para la gestión del conocimiento del modelo se hizo bajo la garantía de confidencialidad, por lo cual en este trabajo se salvaguarda el nombre de los elementos participantes. Se generaron tablas concentrando los resultados básicos generales de las respuestas de cada individuo participante estratificando los datos de la siguiente manera: función que desempeña, antigüedad y nivel de supervisión comparando contra el nivel de conocimiento de los elementos del modelo de gestión de inventarios. En Julio del 2012 se aplicó la primera de las tres encuestas a 19 integrantes del Departamento de Materiales, los cuales fueron estratificados en las siguientes categorías: I.

Función: Representa la actividad primaria del administrador y está clasificada en las siguientes funciones: a. Servicio al Cliente: Responsable de recibir los requerimientos de los clientes, procesarlos, y general el plan maestro de producción. b. Planeador de Materiales: Responsable de generar los requerimientos de materia prima a proveedores, explosionando el plan maestro de producción de acuerdo a su lista de componentes. c. Supervisor de Almacén: Responsable de llevar a cabo todas las transacciones de inventarios en el sistema ERP con su respectivo movimiento físico de los componentes.


80 d. Analista de Inventarios: Responsable de auditar la adherencia a los sistemas de control de inventarios y medición de la exactitud de inventario. II.

Antigüedad: Representa una caracterización del tiempo que el empleado ha prestado a la organización sus servicios profesionales independientes a la gestión de inventarios. a. Alta: Mayor o igual a 7 años. b. Media Mayor de 4 y menor de 7 años. c. Baja: Menor de 4 años.

III.

Supervisión: Indicador que representa sí el administrador del inventario tiene a su cargo personal directo o indirecto. a. S: Mas de 1 empleado directo o indirecto a su cargo. b. N: No empleados directo o indirectos a su cargo. c. C: Mas de 1 empleado administrativo a su cargo. En la primera encuesta realizada en Julio del 2012, la Tabla 15 muestra un

promedio del total de las áreas evaluadas de 3.31 puntos, donde el elemento con resultado insuficiente resultó ser, “Elementos de Inventario” con un promedio de 2.79 puntos. La desviación estándar de las áreas de gestión más alta fue en el elemento “Mejora continua” con una desviación de 1.29 puntos. Estos resultados apoyaron para enfocar el entrenamiento a los empleados, después del cual se aplicó una segunda encuesta.


81 Tabla 15. Datos y Estadísticas Descriptivas de la Primera Encuesta. Encuesta

Primera

Average of Puntos Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Grand Total

Funcion MP MP CS CS WS WS MP MP CS WS CS CS CS WS MP CS CS IA IA

Antiguedad_ Media Alta Media Baja Baja Media Alta Alta Alta Media Media Media Media Media Media Baja Baja Baja Media

Supervision N C N N S S S N C S N N N C N N N C S

Class GO 3.40 4.40 3.80 2.00 3.00 3.80 2.80 1.80 4.20 4.20 3.80 4.20 3.60 4.60 3.20 3.00 2.80 1.00 3.00 3.29

GI 3.07 4.13 3.73 3.00 2.73 3.87 3.53 3.00 4.07 4.27 4.40 4.13 4.33 3.93 2.93 4.27 3.20 4.33 1.87 3.62

EI 2.80 2.70 2.40 1.80 1.70 3.70 3.00 1.60 3.90 4.30 3.00 3.10 2.50 3.90 1.40 3.20 2.30 2.80 3.00 2.79

MC 2.20 4.80 3.80 1.40 0.40 3.60 1.40 2.80 4.40 3.80 4.60 4.80 4.40 5.00 3.20 3.00 4.00 4.00 3.80 3.44

Grand Total 2.91 3.86 3.37 2.29 2.14 3.77 2.97 2.40 4.09 4.20 3.94 3.94 3.71 4.17 2.57 3.60 3.00 3.37 2.63 3.31

Element

N

Minimum

Maximum

Mean

Std. Deviation

G_O

19

1.00

4.60

3.2947

.94838

G_I

19

1.87

4.40

3.6205

.70480

E_I

19

1.40

4.30

2.7947

.81503

M_C

19

.40

5.00

3.4421

1.29371

Valid N (listwise)

19

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En la segunda encuesta realizada en Octubre del 2012, la Tabla 16 muestra un promedio del total de las áreas evaluadas de 3.38 puntos, donde el elemento con resultado insuficiente fue el elemento “Elementos de Inventario” con un resultado de 3.08 puntos. La desviación estándar de las áreas de gestión más alta tuvo lugar en el elemento “Mejora Continua” con una desviación de 0.98 puntos. De nuevo se aplicó entrenamiento y se realizó una tercera encuesta.


82 Tabla 16. Datos y Estadísticas Descriptivas de la Segunda Encuesta. Encuesta

Segunda

Average of Puntos Muestra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Grand Total

Funcion MP MP CS CS WS WS MP MP CS WS CS CS CS WS MP CS CS IA IA

Antiguedad_ Media Alta Media Baja Baja Media Alta Alta Alta Media Media Media Media Media Media Baja Baja Baja Media

Supervision N C N N S S S N C S N N N C N N N C S

Class GO 3.40 4.40 3.80 1.60 3.00 4.00 2.80 2.60 4.20 4.60 4.40 3.80 3.60 4.40 3.40 3.20 3.20 3.80 3.80 3.58

GI 2.87 4.33 3.47 2.33 2.73 3.47 3.73 3.33 4.20 3.80 4.40 4.13 4.33 3.47 3.60 4.07 3.20 3.60 2.33 3.55

EI 3.20 3.80 2.60 1.20 1.70 3.50 3.90 2.90 3.90 3.10 3.10 3.10 3.00 3.80 3.40 3.40 2.70 3.30 3.20 3.09

MC 2.20 4.80 2.60 1.40 2.20 3.60 1.80 2.60 4.40 3.60 3.60 3.80 3.60 4.40 2.60 2.40 3.80 4.20 4.00 3.24

Grand Total 2.94 4.26 3.14 1.77 2.40 3.57 3.37 3.00 4.14 3.69 3.91 3.74 3.74 3.83 3.37 3.51 3.14 3.63 3.03 3.38

Element

N

Minimum

Maximum

Mean

Std. Deviation

G_O

19

1.60

4.60

3.5789

.74504

G_I

19

2.33

4.40

3.5468

.63988

E_I

19

1.20

3.90

3.0842

.69623

M_C

19

1.40

4.80

3.2421

.98111

Valid N (listwise)

19

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En la tercera encuesta realizada en Marzo del 2013, la Tabla 17 muestra un promedio del total de las áreas evaluadas de 3.93 puntos, donde el elemento con resultado insuficiente más bajo fue el elemento “Mejora Continua” con un resultado de 3.61 puntos. La desviación estándar de las áreas de gestión más alta resultó en el elemento “Mejora Continua” con una desviación de 0.84 puntos.


83 Tabla 17. Datos y Estadísticas Descriptivas de la Tercera Encuesta. Encuesta

Tercera

Average of Puntos Muestra Funcion 1 MP 2 MP 3 CS 4 IA 7 IA 8 MP 9 CS 10 WS 11 CS 12 CS 13 CS 14 WS 16 CS 17 MP 18 WS 19 MP 20 IA 21 CS 22 IA 23 MP 24 MP Grand Total

Antiguedad_ Media Alta Media Baja Alta Alta Alta Media Alta Media Alta Media Media Media Alta Alta Alta Media Baja Media Alta

Supervision N C N N C N C C N N N C N N S N C N N N N

Class GO 3.6 5.0 4.2 3.8 4.6 4.2 3.8 4.8 3.0 4.0 4.8 4.6 4.0 3.2 3.8 4.6 4.0 4.2 3.8 3.2 3.2 4.0

GI 3.9 4.9 4.1 2.9 4.5 4.1 4.3 4.5 3.3 4.7 4.7 4.0 4.9 3.9 3.1 4.3 3.4 3.9 3.1 3.2 3.6 4.0

EI 4.3 5.0 4.1 2.8 4.0 4.4 4.4 4.7 2.9 4.0 4.1 4.7 4.4 4.0 3.1 3.6 4.3 4.0 3.2 3.0 4.5 4.0

MC 2.4 4.8 2.8 1.6 3.4 3.8 4.2 4.2 2.0 4.2 4.6 4.0 4.2 4.2 3.0 4.2 3.8 3.4 3.6 4.0 3.4 3.6

Grand Total 3.8 4.9 3.9 2.8 4.2 4.2 4.3 4.6 2.9 4.3 4.5 4.3 4.5 3.9 3.2 4.1 3.8 3.9 3.3 3.3 3.8 3.9

Element

N

Minimum

Maximum

Mean

Std. Deviation

G_O

24

3.00

5.00

4.0190

.57933

G_I

24

2.87

4.87

3.9710

.62408

E_I

24

2.80

5.00

3.9762

.63867

M_C

24

1.60

4.80

3.6095

.84018

Valid N (listwise)

24

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Se realizó un análisis de varianza ANOVA que prueba la hipótesis de que las medias de dos o más poblaciones son iguales para el primer cuestionario realizado en Julio 2012. Los ANOVA evalúan la importancia de uno o más factores al comparar las medias de la variable de respuesta en los diferentes niveles de factores. La hipótesis nula establece que todas las medias de la población (medias de los niveles de factores) son iguales mientras que la hipótesis alterna establece que al menos una es diferente.


84 En este caso los factores a evaluar son el conocimiento en las áreas de “Generales de la Organización”, “Gestión de Inventario”, “Elementos del Inventario” y “Mejora Continua”. El resultado del indicador “p” se utiliza para determinar si un factor es significativo; por lo general, se compara con un valor alfa de 0.05. Si el valor p es menor que 0.05, el factor es significativo. Si el valor p es menor que el alfa, entonces, concluye que al menos una media es diferente. Para explorar aún más las diferencias entre las medias específicas, se utilizó un método de comparación múltiple como el de Tukey, el cual obtiene los

intervalos de

confianza para todas las diferencias de pareja entre las medias del nivel. La Gráfica 8 muestra que con un valor de p = 0.020 se concluye que la variación entre los cuatro elementos del conocimiento o al menos en alguna de las medias de ellos es diferente y al revisar el análisis de Tukey se identifica que los elementos “Gestión de Inventarios” y “Elementos del Inventario” difieren significativamente de los otros tres elementos como se muestra en la Tabla 18. ANOVA de un factor para 1, 2, 3, 4 Informe de resumen ¿Difieren las medias? 0

0.05

0.1

> 0.5

No

P = 0.020 Las diferencias entre las medias son significativas (p < 0.05).

Muestra 3 1 2 4

¿Cuáles medias difieren? Difiere de 2 3

Gráfica de comparación de las medias Los intervalos en rojo que no se superponen difieren.

3 Comentarios Usted puede concluir que existen diferencias entre las medias en el nivel de significancia de 0.05. Utilice la Gráfica de comparación para identificar las medias que difieren. Los intervalos en rojo que no se superponen indican las medias que difieren entre sí. Considere el tamaño de las diferencias para determinar si tienen implicaciones prácticas.

1

2

4

2.5

3.0

3.5

4.0

Gráfica 8. Prueba ANOVA de un factor para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. Primera Encuesta. Fuente: Elaboración del autor en base a los conocimientos adquiridos (2013).


85

Tabla 18. Resultados de ANOVA unidireccional y Método de Comparación Tukey: Primera Encuesta para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. ANOVA unidireccional: 1, 2, 3, 4 Agrupar información utilizando el método de Tukey 2 4 1 3

N 19 19 19 19

Media 3.6211 3.4421 3.2947 2.7947

Agrupación A A B A B B

Las medias que no comparten una letra son significativamente diferentes.

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Se realizó un análisis de varianza ANOVA que prueba la hipótesis de que las medias de dos o más poblaciones son iguales para el segundo cuestionario realizado en Octubre 2012. La Gráfica 9 muestra que con un valor de p = 0.128 se concluye que no existe variación entre los cuatro elementos del conocimiento y al revisar el análisis de Tukey se identifica que las cuatro medias comparten la misma letra confirmando que no existen diferencias significativas como se muestra en la Tabla 19.


86

ANOVA de un factor para 1_1, 2_1, 3_1, 4_1 Informe de resumen ¿Difieren las medias? 0

0.05

0.1

> 0.5

No P = 0.128 Las diferencias entre las medias no son significativas (p > 0.05).

#

Muestra

1 2 3 4

3_1 4_1 2_1 1_1

¿Cuáles medias difieren? Difiere de

No se identificó ninguno

Gráfica de comparación de las medias

3_1

Comentarios 4_1

Usted no puede concluir que existen diferencias entre las medias en el nivel de significancia de 0.05.

2_1

1_1

3.0

3.5

4.0

Gráfica 9. Prueba ANOVA de un factor para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. Segunda Encuesta. Fuente: Elaboración del autor en base a los conocimientos adquiridos (2013).

Tabla 19. Resultados de ANOVA unidireccional y Método de Comparación Tukey: Segunda Encuesta para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. ANOVA unidireccional: 1_1, 2_1, 3_1, 4_1 Agrupar información utilizando el método de Tukey 1_1 2_1 4_1 3_1

N 19 19 19 19

Media 3.5789 3.5474 3.2421 3.0947

Agrupación A A A A

Las medias que no comparten una letra son significativamente diferentes.

Fuente: Elaboración del autor en base a los datos obtenidos (2013).


87 Se realizó un análisis de varianza ANOVA que prueba la hipótesis de que las medias de dos o más poblaciones son iguales para el tercer cuestionario realizado en Marzo 2013. La Gráfica 10 muestra que con un valor de p = 0.316 se concluye que no existe variación entre los cuatro elementos del conocimiento y al revisar el análisis de Tukey se identifica que las cuatro medias comparten la misma letra confirmando que no existen diferencias significativas como se muestra en la Tabla 20.

ANOVA de un factor para 1_2, 2_2, 3_2, 4_2 Informe de resumen ¿Difieren las medias? 0

0.05

0.1

> 0.5

No P = 0.316 Las diferencias entre las medias no son significativas (p > 0.05).

#

Muestra

1 2 3 4

4_2 2_2 3_2 1_2

¿Cuáles medias difieren? Difiere de

No se identificó ninguno

Gráfica de comparación de las medias

4_2

Comentarios 2_2

Usted no puede concluir que existen diferencias entre las medias en el nivel de significancia de 0.05.

3_2

1_2

3.2

3.6

4.0

4.4

Gráfica 10. Prueba ANOVA de un factor para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. Tercer Encuesta. Fuente: Elaboración del autor en base a los datos obtenidos (2013).


88 Tabla 20. Resultados de ANOVA unidireccional y Método de Comparación Tukey: Tercera Encuesta para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. ANOVA unidireccional: 1_2, 2_2, 3_2, 4_2 Agrupar información utilizando el método de Tukey 1_2 3_2 2_2 4_2

N 21 21 21 21

Media 4.0190 3.9762 3.9714 3.6095

Agrupación A A A A

Las medias que no comparten una letra son significativamente diferentes.

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

La Tabla 21 ilustra la comparación de las medias aritméticas y las distribuciones estándar de cada uno de las áreas del conocimiento en función del tiempo. En base a los resultados se puede concluir que en Marzo 2013 los administradores del modelo de gestión de inventarios mejoraron en base al entrenamiento, la media aritmética del nivel de conocimiento en las cuatro áreas de gestión del conocimiento con respecto a la encuesta inicial en Julio 2012, destacando el área del conocimiento “Elementos del inventario” con un incremento de 1.2 puntos. La tabla también permite distinguir la reducción de la variación en las cuatro áreas del conocimiento, destacando la reducción de la variación en el área del conocimiento “Mejora Continua” de 0.5 puntos.


89 Tabla 21. Estadísticas Descriptivas de las Encuestas para las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. RESULTADOS DE ENCUESTA DE GESTION DEL CONOCIMIENTO Encuesta Jul2012

Area del Conocimiento Generales de la Organización Gestión de Inventarios Elementos del Inventario Mejora Continua

N 19 19 19 19

Media 3.2947 3.6211 2.7947 3.4421

Desv.Est. 0.9484 0.7052 0.8155 1.2937

Encuesta Oct2012

Area del Conocimiento Generales de la Organización Gestión de Inventarios Elementos del Inventario Mejora Continua

N 19 19 19 19

Media 3.5789 3.5474 3.0947 3.2421

Desv.Est. 0.7450 0.6397 0.6948 0.9811

Encuesta Mar2013

Area del Conocimiento Generales de la Organización Gestión de Inventarios Elementos del Inventario Mejora Continua

N 21 21 21 21

Media 4.0190 3.9714 3.9762 3.6095

Desv.Est. 0.5793 0.6242 0.6387 0.8402

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Se realizó una tabla de análisis de varianza (ANOVA) cuya salida principal es un estudio de análisis de varianza organizado en forma de tabla. Contiene los orígenes de variación, sus grados de libertad, la suma total de los cuadrados y los cuadrados medios. La tabla de análisis de varianza también incluye las estadísticas F y los valores “P”, que se utilizan para determinar si los predictores o factores se relacionan significativamente con la respuesta. El estadístico “p” por lo general, se compara con un valor alfa de 0.05. Si el valor “p” es menor que 0.05, el factor es significativo. En este análisis se compararon todas las áreas de la función del conocimiento y sus estratificaciones, tratando de identificar que categorías son


90 significativas para cada elemento. Según la Tabla 22, en la encuesta de Julio 2012 se identifica lo siguiente:

El nivel de supervisión “C”, (Coordinación) es significativo estadísticamente en las áreas del conocimiento “Mejora Continua” y “Generales de la Organización”, además de ser el que mayor significancia estadística tiene en “Elementos del Inventario” y “Gestión del Inventario”.

Por el contrario el nivel de significancia estadístico más bajo lo tiene el nivel de antigüedad “Alta”. Ver columna de aditivita de niveles de significancia.


91 Tabla 22. Nivel de Significancia Estadística de los Factores: Función; Antigüedad, Supervisión comparado contra las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua. Primera Encuesta. Nivel de Significancia Encuesta Julio 2012 Sum of P Area Generales de la Organizacion

Gestion de Inventarios

Elementos del Inventario

Mejora Continua

Grand Total

Term IA CS C N MP Baja Alta C CS IA N Baja Alta MP C N CS Baja IA MP Alta Baja C MP IA Alta CS N

Julio 2012

Total 0.001 0.002 0.005 0.007 0.117 0.120 0.140 0.100 0.225 0.289 0.504 0.793 0.869 0.932 0.128 0.129 0.200 0.296 0.560 0.611 0.921 0.026 0.039 0.158 0.324 0.520 0.668 0.945 9.629

Sum of P Term C CS IA Baja N MP Alta Grand Total

Total 0.272 1.095 1.174 1.235 1.585 1.818 2.450 9.629

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Según la Tabla 23, en la encuesta de Abril 2013 se identifica lo siguiente:

El nivel de supervisión “C”, (Coordinación) es significativo estadísticamente en el área del conocimiento “Elementos del Inventario”, además de ser el


92 que mayor significancia estadística tiene en el resto de los tres elementos “Generales de la Organización”, “Gestión de Inventario” y “mejora Continua”. •

Por el contrario el nivel de significancia estadístico más bajo lo tiene el nivel de supervisión “C”. Ver tabla aditiva de niveles de significancia.

Tabla 23. Nivel de Significancia Estadística de los Factores: Función; Antigüedad, Supervisión comparado contra las Áreas del Conocimiento: Generales de la Organización, Gestión del Inventario, Elementos del Inventario y Mejora Continua: Tercera Encuesta. Nivel de Significancia Encuesta Abril 2013 Sum of P Area Generales de la Organizacion

Gestion de Inventarios

Elementos del Inventario

Mejora Continua

Grand Total

Term C MP IA Alta N CS Baja C CS IA Baja MP Alta N C IA MP Baja CS Alta N C IA MP CS N Baja Alta

Total 0.102 0.565 0.622 0.758 0.848 0.956 0.967 0.057 0.169 0.290 0.582 0.710 0.714 0.969 0.007 0.271 0.406 0.552 0.733 0.764 0.917 0.137 0.346 0.365 0.611 0.704 0.930 0.974 16.026

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Marzo 2013 Sum of P Term C IA MP CS Baja Alta N Grand Total

Total 0.303 1.529 2.046 2.469 3.031 3.210 3.438 16.026


93 Con un valor de significancia acumulado de 0.303 se concluye que el factor que más induce positivamente en la reducción del indicador días de inventario es el factor de Supervisión “C”, que representa que el personal con personal administrativo a cargo puede influenciar positivamente el resultado del indicador. Para comprobar la hipótesis general “La gestión del conocimiento en los administradores del modelo de gestión de inventarios está positivamente relacionado con el resultado del indicador días de inventario al final del periodo contable” se realiza una prueba para comparar dos desviaciones estándar “2sample t-test”, ya que la desviación estándar es usada preliminarmente como un indicador de mejora de procesos, estimando la variación total del proceso y comparándola entre las dos poblaciones. Se realizó la prueba “2-sample t-test”, a las dos áreas del conocimiento que mostraron más insuficiencia en la primera encuesta “Gestión del Inventario” y “Elementos del Inventario”. Se recomienda esta prueba debido a que las medias aritméticas son iguales estadísticamente, pero las desviaciones estándar son significativamente diferentes entre las dos encuestas. En el caso de análisis la hipótesis nula considera que el resultado de las dos encuestas es igual mientras que la hipótesis alternativa no los considera iguales. Sí el valor de “p” es menor que el nivel de significancia estadística seleccionado (0.05) se sugiere entonces que las desviaciones estándar son diferentes. Con un valor de p = 0.038 se concluye entonces que la variación en la Encuesta Gestión del Conocimiento ha sido reducida desde Julio 2012 hasta Marzo 2013. La reducción de la variación en el conocimiento de los administradores del modelo está positivamente relacionada con la reducción del indicador días de inventario, como se muestra en la Gráfica 11.


94

2-Sample Standard Deviation Test for Primera_1 and Segunda_1 Summary Report Do the standard deviations differ? 0

0.05

Statistics

0.1

> 0.5

Yes

No P = 0.038 The standard deviation of Primera_1 is significantly different from Segunda_1 (p < 0.05).

Sample size Mean Standard deviation 95% CI

Primera_1

Segunda_1

25 3.2905 0.89488 (0.7701, 1.128)

25 3.3663 0.65287 (0.5267, 0.8781)

Standard Deviations Comparison Chart Primera_1 Comments Segunda_1 0.6

0.7

0.8

0.9

-- Test: You can conclude that the standard deviations differ at the 0.05 level of significance. -- Comparison chart: Red intervals indicate that the standard deviations differ. Consider the size of the difference to determine if it has practical implications. -- Distribution of Data: Compare the spread of the samples. Look for unusual data before interpreting the results of the test.

1.0

Distribution of Data Compare the spread of the samples. Primera_1

Segunda_1

2.0

2.4

2.8

3.2

3.6

4.0

4.4

4.8

Gráfica 11. Prueba Desviación estándar de 2 Muestras para las Áreas del Conocimientos “Gestión del Inventario” y “Elementos del Inventario”: Primera y Tercera Encuesta. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Se utilizó la Tabla 24 para comparar la suma total de las encuestas en función del tiempo comparando contra la variable respuesta Días de Inventario al momento del cierre del periodo contable de la encuesta. Tabla 24. Comparativo de Puntos Totales de Encuestas vs Días de Inventario. Resultados de Encuesta vs Resultados "Días de Inventario" Sum of Puntos Row Labels

Column Labels Primera

Segunda

Tercera

Grand Total

Elementos del Inventario Generales de la Organizacion

531 313

588 340

835 422

1954 1075

Gestion de Inventarios

1032

1011

1251

3294

Mejora Continua Grand Total

327 2203

308 2247

379 2887

1014 7337

Julio 2012

Octubre 2012

Marzo 2013

23.600

17.832

14.980

Column1 Inventory Days

Fuente: Elaboración del autor en base a los datos obtenidos (2013).


95 Se utilizó una Gráfica de Efectos principales, para examinar las diferencias entre las medias de niveles para uno o más factores. Un efecto principal está presente cuando diferentes niveles de un factor afectan la respuesta de manera diferente. Una gráfica de efectos principales grafica la media de respuesta para cada nivel de factores conectado por una línea. Cuando la línea es horizontal (paralela al eje x), entonces no hay efecto principal presente. Cada nivel del factor afecta la respuesta de la misma manera y la media de respuesta es la misma para todos los niveles de factores. Cuando la línea no es horizontal, entonces hay un efecto principal presente. Los diferentes niveles del factor afectan la respuesta de manera diferente. Mientras más pronunciada sea la línea de la pendiente, mayor será la magnitud del efecto principal. La Gráfica 12 de Efectos principales muestra que a mayor calificación y/o promedio en la encuesta de Gestión del Conocimiento, menor son los Días de Inventario. Los puntos en la gráfica son las medias de la variable de respuesta en los diversos niveles de cada factor (Puntos, Promedio).

Gráfica de efectos principales para Días de Inventario Medias de datos

Promedio

24

Encuesta

23 22

Media

21 20 19 18 17 16 15 3.31278

3.37895

3.92789

2203

2247

2887

Gráfica 12. Gráfico de Efectos Principales para el Indicador Días de Inventario. Fuente: Elaboración del autor en base a los datos obtenidos (2013).


96 .

El investigador considera válido estadísticamente el estudio y concluye que el Indicador días de Inventario está positivamente relacionado con la Gestión del Conocimiento del Modelo de Gestión de Inventarios. Con el fin de analizar la hipótesis específica, se realizó un análisis de las estadísticas descriptivas de la variable de entrada (Ventas) antes de la implementación del modelo de gestión de inventarios (2005-2009) y después del modelo de gestión de (2010-2013) incluyendo las gráficos de histograma donde se aprecia la distribución de las ventas en ambos periodos y su desviación estándar. Los resultados se muestran en la Tabla 25. Tabla 25. Estadísticas Descriptivas de la Variable Ventas antes y después del Modelo Gestión de Inventarios. Descriptive Statistics: Ventas Variable Median Ventas 25.11

Plan

N

N*

Mean

SE Mean

StDev

Minimum

Q1

Antes

60

0

28.38

1.56

12.10

12.77

18.09

Después

40

0

30.803

0.749

4.734

18.693

28.538

Plan Antes Después

Q3 36.69 33.675

30.637 Variable Ventas

Maximum 58.76 42.177

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

La media aritmética muestra que las ventas han sido mayores en promedio $2,423 millones de dólares en el periodo de Enero 2010 a Abril 2013 con respecto al periodo anterior y en la desviación estándar de los datos se identifica una reducción significativa del periodo posterior a la implementación del modelo de gestión de inventarios, mientras que en el periodo Enero 2005 a Diciembre de 2009 la desviación estándar es de 12.10 puntos con respecto al promedio, en el periodo de Enero 2010 a Abril 2013 esta se reduce a 4.73 puntos. La Gráfica 13 con un histograma ejemplifica la distribución de las ventas y su desviación.


97

Histogram (with Normal Curve) of Ventas by Plan 0 Antes

20

10

20

30

40

50

60

Despues

Despues Mean 30.80 StDev 4.734 N 40

15 Frequency

Antes Mean 28.38 StDev 12.10 N 60

10

5

0

0

10

20

30

40

50

60 Ventas

Panel variable: Plan

Gráfica 13. Histograma de las estadísticas descriptivas de la variable Ventas; Antes y Después del Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Se realizó entonces una prueba de distribución normal para medir que tan apegados a la distribución normal están los datos de ambos periodos. A medida que los datos se aproximan más a la distribución normal el parámetro estadístico Anderson-Darling es menor. La hipótesis de la prueba Anderson-Darling es: H0: Los datos siguen una distribución normal. H1: Los datos no siguen una distribución normal. Sí el valor ”p” para la prueba de Anderson-Darling test es menor que el nivel de significancia elegido (normalmente 0.05 o 0.1) se concluye que los datos no siguen una distribución normal. Los resultados se ilustran en la Gráfica 14.


98

Probability Plot of Ventas Normal - 95% CI

99.9

Plan Antes Despues

99

Mean StDev N AD 28.38 12.10 60 1.354 30.80 4.734 40 0.441

Percent

95 90 80 70 60 50 40 30 20

P <0.005 0.276

10 5 1 0.1

-20 -10

0

10

20 30 40 Ventas

50

60

70

Gráfica 14. Prueba de Adherencia a la Distribución Normal de la variable de entrada Ventas, antes y después del Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Con un valor de p<0.005 se concluye entonces que las ventas en el periodo previo al modelo de gestión de inventarios no siguen una distribución normal, mientras que durante el modelo de gestión de inventarios con un valor de p=0.276 se concluye que el resultado de las ventas sí sigue una distribución normal. Se realizó un análisis de las estadísticas descriptivas de la variable de salida (Inventario) antes de la implementación del modelo de gestión de inventarios (2005-2009) y después del modelo de gestión de (2010-2013) incluyendo las gráficos de histograma donde se aprecia la distribución de las ventas en ambos periodos y su desviación estándar. Los resultados se muestran en la Tabla 26.


99 Tabla 26. Estadísticas Descriptivas de la Variable Días de Inventario antes y después del Modelo Gestión de Inventarios. Descriptive Statistics: Días de Inventario Variable Días de Inventario

Plan Antes Después

N 60 40

N* 0 0

Mean 23.735 17.713

SE Mean 0.886 0.369

Variable Días de Inventario

Plan Antes Después

Median 22.544 17.341

Q3 26.644 19.182

Maximum 46.791 23.600

StDev 6.860 2.335

Minimum 13.781 13.410

Q1 18.971 16.125

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

La media aritmética muestra que los días de inventario han disminuido en promedio 6.022 días después de la implementación del modelo de gestión de inventarios del periodo de Enero 2010 a Abril 2013 y en la desviación estándar de los datos se identifica también una reducción significativa del periodo posterior a la implementación mientras que en el periodo Enero 2005 a Diciembre de 2009 la desviación estándar es de 8.860 días con respecto al promedio, en el periodo de Enero 2010 a Abril 2013 ésta se reduce a 2.33 días. La Gráfica 15 con un histograma ejemplifica la distribución de los días de inventario y su desviación.

Histogram (with Normal Curve) of Días de Inventario by Plan 7.5

15.0 22.5 30.0 37.5 45.0

Antes

18 16

Antes Mean 23.73 StDev 6.860 N 60 Despues Mean 17.71 StDev 2.335 N 40

14 Frequency

Despues

12 10 8 6 4 2 0 7.5

15.0 22.5 30.0 37.5 45.0 Días de Inventario

Panel variable: Plan

Gráfica 15. Histograma de las estadísticas descriptivas de la variable Días de Inventario; Antes y Después del Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).


100

Se realizó entonces una prueba de distribución normal, para medir que tan apegados a la distribución normal están los datos de ambos periodos. Los resultados se ilustran en la Gráfica 16.

Probability Plot of Días de Inventario Normal - 95% CI

99.9

Plan Antes Despues

99

Mean StDev N AD 23.73 6.860 60 1.529 17.71 2.335 40 0.425

Percent

95 90 80 70 60 50 40 30 20

P <0.005 0.302

10 5 1 0.1

0

10

20 30 Días de Inventario

40

50

Gráfica 16. Prueba de Adherencia a la Distribución Normal de la variable de salida Días de Inventario, antes y después del Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013). .

Con un valor de p<0.005 se concluye entonces que el indicador días de inventario, en el periodo previo al modelo de gestión de inventarios no sigue una distribución normal, mientras que durante el modelo de gestión de inventarios con un valor de p=0.302 se concluye que el resultado del indicador días de inventario sí sigue una distribución normal. Se realizó entonces una gráfica de control de observaciones individuales para rastrear el nivel de las variables de entrada y salida del modelo de gestión de


101 inventarios proceso y detectar la presencia de causas especiales a través del tiempo. I Chart of Ventas by Plan Antes

Despues

1

60

1 1

Individual Value

50

1

11

1 1 1

1

UCL=44.25

40 _ X=30.80

30

20

LCL=17.36 1 1

10 1

1

1

11

21

31

41 51 61 Observation

71

81

91

Gráfica 17. Gráfico de Control de Observaciones de la variable Ventas, antes y después del Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

La Gráfica 17 muestra visualmente que el promedio de las ventas permanece a través del tiempo en ambos periodos de gestión, pero existe una desviación mayor en el periodo anterior al modelo de gestión, identificándose varias causas especiales indicadas por los puntos en rojo y señalando la prueba estadística fallada (1), indicando puntos fuera de control mayores a tres desviaciones estándar con respecto a la media aritmética central.


102

I Chart of Días de Inventario by Plan Antes

50

Despues 1 1

1

Individual Value

40

1

30 UCL=23.75 20

_ X=17.71 LCL=11.68

10 1

11

21

31

41 51 61 Observation

71

81

91

Gráfica 18. Gráfico de Control de Observaciones de la variable Días de Inventario, antes y después del Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

La Gráfica 18 muestra visualmente que el promedio de los Días de Inventario ha disminuido significativamente a partir de la implementación del modelo de Gestión de Inventario, identificándose también varias causas especiales el periodo anterior al modelo, las cuales están indicadas por los puntos en rojo y señalando la prueba estadística fallada (1), indicando puntos fuera de control mayores a tres desviaciones estándar con respecto a la media aritmética central. Se realizó un análisis de las estadísticas descriptivas totales de los elementos del inventario identificados y clasificados a través de los años de gestión durante el periodo de modelo (Enero 2010-Marzo 2013), mostrados en la Tabla 27.


103 Tabla 27. Estadísticas Descriptivas de los Elementos del Inventario en función del tiempo durante el Modelo Gestión de Inventarios. Variable En tránsito

Gestión 2009 2010 2011 2012 2013

Media 3.358 4.133 2.967 2.417 2.000

Desv.Est. 1.137 0.773 1.141 0.484 0.356

Mínimo 1.400 3.000 2.000 1.400 1.700

Máximo 5.100 5.500 6.100 2.900 2.500

Rango 3.700 2.500 4.100 1.500 0.800

Materia Prima

2009 2010 2011 2012 2013

6.892 5.508 7.458 7.358 6.350

3.099 1.370 1.727 1.322 0.640

4.100 3.800 5.100 5.500 5.900

15.600 8.500 10.900 9.400 7.300

11.500 4.700 5.800 3.900 1.400

Inventario

2009 2010 2011 2012 2013

2.775 1.9000 2.0250 1.808 1.525

0.827 0.3162 0.3388 0.528 0.206

1.800 1.3000 1.7000 1.100 1.300

4.700 2.3000 2.9000 2.800 1.800

2.900 1.0000 1.2000 1.700 0.500

Producto Terminado

2009 2010 2011 2012 2013

3.425 3.375 2.483 3.867 5.075

0.875 0.580 0.685 0.892 0.544

2.400 2.600 1.700 2.700 4.500

5.300 4.700 4.100 5.700 5.800

2.900 2.100 2.400 3.000 1.300

Servicio

2009 2010 2011 2012 2013

3.517 1.1167 1.1833 1.700 1.0000

2.259 0.2552 0.1528 0.416 0.0816

1.200 0.8000 1.0000 1.100 0.9000

7.400 1.6000 1.5000 2.200 1.1000

6.200 0.8000 0.5000 1.100 0.2000

Bancos

2009 2010 2011 2012 2013

3.675 0.825 1.600 1.825 0.350

2.839 0.564 1.514 0.823 0.332

0.400 0.100 0.000 0.700 0.100

8.500 1.900 4.200 3.300 0.800

8.100 1.800 4.200 2.600 0.700

Proceso

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

La Tabla 27 muestra las estadísticas descriptivas de los elementos del Inventarios, mostrando que el principal elemento contribuyente de los días de inventario es la Materia Prima con un valor promedio de 6.76 días, mientras que el inventario promedio más bajo es en las Partes de Servicio con 1.81 días de inventario. La desviación estándar es un indicador de variación y muestra que el Inventario en Proceso es el que representa menor variación con 0.64 días, mientras que la variación más alta está en la materia prima con una desviación estándar de 2.02 días.


104 Tabla 28. Estadísticas Descriptivas de los Elementos del Inventario durante el Modelo Gestión de Inventarios. Item Statistics Mean

Std. Deviation

N

En Transito

3.1250

1.10522

52

Materia Prima

6.7692

2.02616

52

Inventario en Proceso

2.0808

.64809

52

Producto Terminado

3.4250

.99821

52

Servicio

1.8115

1.45017

52

Bancos

1.8558

1.91715

52

Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En las gráficas de serie de tiempo se aprecian que en todos los elementos la media aritmética ha disminuido a través del tiempo con excepción del Inventario de Producto Terminado el cual ha incrementado su promedio de 3.4 días de Inventario en el año 2009 a 5.0 días en el 2013, identificándose también que todos los elementos del inventario han reducido su desviación estándar con respecto al año 2009, destacando el inventario de materia prima con una reducción en la desviación estándar de 3.09 a 0.64 días en el año 2013.


105

Gráfica I de En transito por Gestion 2009

7

2010

2011

2012

2013

1

6

Valor individual

5 4 3

LCS=2.975

2

_ X=2 1

1

LCI=1.025

0 1

6

11

16

21 26 31 Observación

36

41

46

51

Gráfica 19. Gráfico de Control de Observaciones del Elemento del Inventario: Materia Prima en Transito durante el Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En la Gráfica 19 de Series de Tiempo se aprecian una disminución significativa de los días de Inventario en Tránsito del año 2010 con 4.1 días a 2.0 días en el 2013. Gráfica I de MateriaPrima por Gestion 16

1

2009

2010

2011

2012

2013

14

Valor individual

12 10 8

LCS=7.59 _ X=6.35

6

LCI=5.11

4 2 0 1

6

11

16

21 26 31 Observación

36

41

46

51


106

Gráfica 20. Gráfico de Control de Observaciones del Elemento del Inventario: Materia Prima durante el Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En la Gráfica 20 de Series de Tiempo se aprecian una disminución significativa de los días de Inventario de Materia Prima en las instalaciones en el año 2013 con un promedio de 6.35 días; además se identifica una reducción significativa en la desviación estándar de 3.09 días a 0.64 días.

Gráfica I de Inventario en Proceso por Gestion 5

2009

2010

2011

2012

2013

1

Valor individual

4

1

3

1

2

LCS=1.968 _ X=1.525

1

LCI=1.082 1

6

11

16

21 26 31 Observación

36

41

46

51

Gráfica 21. Gráfico de Control de Observaciones del Elemento del Inventario: Inventario en Proceso durante el Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En la Gráfica 21 de Series de Tiempo se aprecian una disminución significativa de los días de Inventario en Proceso desde el año 2009 con 2.7 días a


107 1.5 días en el año 2013, además se identifica una reducción significativa en la desviación estándar de 0.827 días a 0.206 días.

Gráfica I de Producto Terminado por Gestion 2009

7

2010

2011

2012

2013 LCS=6.759

Valor individual

6 _ X=5.075

5 1

4

LCI=3.391

3 2 1 0 1

6

11

16

21 26 31 Observación

36

41

46

51

Gráfica 22. Gráfico de Control de Observaciones del Elemento del Inventario: Producto Terminado durante el Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En la Gráfica 22 de Series de Tiempo se aprecian un incremento significativo de los días de Producto Terminado desde el año 2009 con 3.42 días a 5.07 días en el año 2013.


108

Gráfica I de Partes de Servicio por Gestion 2009

8 7

1

2010

2011

2012

2013

1

Valor individual

6 5 4 3 2

1

1

1

LCS=1.177 _ X=1 LCI=0.823

11

0 1

6

11

16

21 26 31 Observación

36

41

46

51

Gráfica 23. Gráfico de Control de Observaciones del Elemento del Inventario: Partes de Servicio durante el Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En la Gráfica 23 de Series de Tiempo se aprecian un decremento significativo de los días de Partes de Servicio del año 2009 con 3.51 días con respecto a 1.0 días en el año 2013; además de identifica una reducción significativa en la desviación estándar de 2.25 días a 0.08 días en el año 2013.


109

Gráfica I de Bancos de Inventario por Gestion 2009

2010

1

2011

2012

2013

8

Valor individual

6 1

4

11

2 LCS=0.97 _ X=0.35 LCI=-0.27

0

1

6

11

16

21 26 31 Observación

36

41

46

51

Gráfica 24. Gráfico de Control de Observaciones del Elemento del Inventario: Bancos de Inventario durante el Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).

En la Gráfica 24 de Series de Tiempo se aprecian un decremento significativo de los días de Bancos de Material del año 2009 con 3.67 días con respecto al resto de los años a 0.35 días en el año 2013. Se realizó un estudio de regresión simple, para generar la ecuación que describa la relación estadística entre una variable de entrada (ventas) y una variable de salida (días de inventario) en ambos periodos. El resultado de la ecuación indica la dirección de la relación entre las variables, el coeficiente indica el porcentaje de cambio en la variable de salida con un cambio en la variable de entrada, y el valor estadístico “p” prueba la hipótesis nula de que el coeficiente de regresión es igual a cero por lo tanto no existe regresión.


110 El resultado de la ecuación y el factor de regresión describen que el indicador días de inventario puede ser predecible hasta en un 27.44% en función de las ventas antes del modelo gestión como se muestra en la Gráfica 25.

Regression for Ventas_A vs Días de Inventario_A Summary Report Y: Ventas_A X: Días de Inventario_A

Fitted Line Plot for Quadratic Model Y = 79.85 - 3.256 X + 0.04233 X**2 60

Is there a relationship between Y and X? 0.05 0.1

> 0.5

No

P = 0.000 The relationship between Ventas_A and Días de Inventario_A is statistically significant (p < 0.05).

Ventas_A

0

Yes

40

20

10

20

30 Días de Inventario_A

40

50

Comments % of variation accounted for by model 0%

100%

R-sq (adj) = 27.44% 27.44% of the variation in Ventas_A can be accounted for by the regression model.

The fitted equation for the quadratic model that describes the relationship between Y and X is: Y = 79.85 - 3.256 X + 0.04233 X**2 If the model fits the data well, this equation can be used to predict Ventas_A for a value of Días de Inventario_A, or find the settings for Días de Inventario_A that correspond to a desired value or range of values for Ventas_A. A statistically significant relationship does not imply that X causes Y.

Gráfica 25. Ecuación de Regresión de las Variables Ventas y Días de Inventario, antes del Modelo de Gestión de Inventarios Fuente: Elaboración del autor en base a los datos obtenidos (2013).

El resultado de la ecuación y el factor de regresión describen que el indicador días de inventario puede ser predecible hasta en un con un 0.59% en función de las ventas después del modelo gestión como se muestra en la Gráfica 26.


111

Regression for Ventas_D vs Días de Inventario_D Summary Report Y: Ventas_D X: Días de Inventario_D

Fitted Line Plot for Quadratic Model Y = 55.01 - 2.226 X + 0.0477 X**2

Is there a relationship between Y and X? 0.05 0.1

Yes

40 > 0.5

No P = 0.339 The relationship between Ventas_D and Días de Inventario_D is not statistically significant (p > 0.05).

Ventas_D

0

30

20 15.0

17.5 20.0 Días de Inventario_D

22.5

25.0

Comments % of variation accounted for by model 0%

R-sq (adj) = 0.59% 0.59% of the variation in Ventas_D can be accounted for by the regression model.

100%

The fitted equation for the quadratic model that describes the relationship between Y and X is: Y = 55.01 - 2.226 X + 0.0477 X**2 If the model fits the data well, this equation can be used to predict Ventas_D for a value of Días de Inventario_D, or find the settings for Días de Inventario_D that correspond to a desired value or range of values for Ventas_D. A statistically significant relationship does not imply that X causes Y.

Gráfica 26. Ecuación de Regresión de las Variables Ventas y Días de Inventario, después del Modelo de Gestión de Inventarios Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Con estos resultados se puede afirmar que no existen elementos suficientes para rechazar la hipótesis específica “El indicador días inventario no está directamente relacionado a la fluctuación de las ventas”. Se realizó una prueba de hipótesis para comparar dos medias aritméticas “2-sample t-test”, donde se quiere probar si existe diferencia entre la media de las dos periodos. En el caso de análisis la hipótesis nula considera que los dos periodos son iguales mientras que la hipótesis alternativa no los considera iguales. Sí el valor de “p” es menor que el nivel de significancia estadístico seleccionado (0.05) se sugiere entonces que las medias aritméticas son diferentes. H0: Las ventas del periodo 2005-2009 son iguales al periodo 2010-2013 H1: Las ventas del periodo 2005-2009 no son iguales al periodo 2010-2013


112 Con un valor de p = 0,165 se concluye entonces que las ventas promedio en el periodo previo al modelo de gestión de inventarios son iguales a las ventas ocurridas durante el modelo de gestión de inventarios como se muestra en la Gráfica 27. 2-Sample t Test for the Mean of Ventas_A and Ventas_D Summary Report Statistics

Do the means differ? 0

0.05 0.1

> 0.5

Yes

No P = 0.165 The mean of Ventas_A is not significantly different from the mean of Ventas_D (p > 0.05).

Sample size Mean 95% CI Standard deviation

Ventas_A

Ventas_D

60 28.379 (25.25, 31.51) 12.101

40 30.803 (29.289, 32.318) 4.7344

Difference between means* 95% CI

-2.4240 (-5.8702, 1.0221)

* The difference is defined as Ventas_A - Ventas_D. 95% CI for the Difference Does the interval include zero? Comments -6.0

-4.5

-3.0

-1.5

-- Test: There is not enough evidence to conclude that the means differ at the 0.05 level of significance. -- CI: Quantifies the uncertainty associated with estimating the difference from sample data. You can be 95% confident that the true difference is between -5.8702 and 1.0221. -- Distribution of Data: Compare the location and means of samples. Look for unusual data before interpreting the results of the test.

0.0

Distribution of Data Compare the data and means of the samples. Ventas_A

Ventas_D

0

10

20

30

40

50

60

.

Gráfica 27. Prueba t de 2 Muestras para la variable Ventas antes y después del Modelo de Gestión de Inventarios.Fuente: Elaboración del autor en base a los datos obtenidos (2013).

Se realizó una prueba para comparar desviaciones estándar de dos muestras

“2-sample

t-test”,

ya

que

la

desviación

estándar

es

usada

preliminarmente como un indicador de mejora de procesos, estimando la variación total del proceso y comparándola entre las dos poblaciones. En el caso de las ventas antes y después de la implementación del modelo de gestión de inventarios se recomienda esta prueba debido a que las medias aritméticas son iguales estadísticamente, pero las desviaciones estándar son significativamente diferentes entre los dos periodos. En el caso de análisis la hipótesis nula se considera que los dos periodos son iguales mientras que la hipótesis alternativa no los considera iguales. Sí el valor de “p” es menor que el nivel de significancia estadística


113 seleccionado (0.05) se sugiere entonces que las desviaciones estándar son diferentes. Con un valor de p = 0 se concluye entonces que la variación de las ventas en el periodo previo al modelo de gestión de inventarios es significativamente diferente a la variación de las ventas ocurridas durante el modelo de gestión de inventarios, como se muestra en la Gráfica 28. El investigador considera válido estadísticamente el estudio y concluye que aunque el plan de ventas promedio en el periodo de gestión de modelos de inventarios es estadísticamente igual al periodo anterior, la variación es significativamente menor, con lo que se valida que el modelo de gestión de inventarios es más preciso al pronosticar la variable de entrada ventas que los periodos anteriores.

2-Sample Standard Deviation Test for Ventas_A and Ventas_D Summary Report Do the standard deviations differ? 0

0.05

Statistics

0.1

> 0.5

Yes

No

P = 0.000 The standard deviation of Ventas_A is significantly different from Ventas_D (p < 0.05).

Sample size Mean Standard deviation 95% CI

Ventas_A

Ventas_D

60 28.379 12.101 (10.34, 14.64)

40 30.803 4.7344 (3.699, 6.373)

Standard Deviations Comparison Chart Ventas_A Comments Ventas_D 5.0

7.5

10.0

12.5

15.0

Distribution of Data Compare the spread of the samples. Ventas_A

-- Test: You can conclude that the standard deviations differ at the 0.05 level of significance. -- Comparison chart: Red intervals indicate that the standard deviations differ. Consider the size of the difference to determine if it has practical implications. -- Distribution of Data: Compare the spread of the samples. Look for unusual data before interpreting the results of the test.

Ventas_D

20

30

40

50

60

Gráfica 28. Prueba Desviación estándar de 2 Muestras para la variable Ventas antes y después del Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).


114 Se realizó una prueba de hipótesis para comparar dos medias aritméticas “2-sample t-test”, donde se quiere probar si existe diferencia entre la media aritmética de las dos periodos del indicador días de inventario. En el caso de análisis la hipótesis nula considera que los dos periodos son iguales mientras que la hipótesis alternativa no los considera iguales. Sí el valor de “p” es menor que el nivel de significancia estadístico seleccionado (0.05) se sugiere entonces que las medias aritméticas son diferentes. H0: Los días de inventario del 2005-2009 son iguales al 2010-2013. H1: Los días de inventario del 2005-2009 no son iguales al 2010-2013. Con un valor de p = 0 se concluye entonces que los días de inventario en el periodo previo al modelo de gestión de inventarios son significativamente diferentes a los días de inventario ocurridos durante el modelo de gestión de inventarios como se muestra en la Gráfica 29.

2-Sample t Test for the Mean of Días de In_1 and Días de In_2 Summary Report Do the means differ? 0

0.05 0.1

> 0.5

Yes

No

P = 0.000 The mean of Días de In_1 is significantly different from the mean of Días de In_2 (p < 0.05).

Statistics

Días de In_1

Días de In_2

Sample size Mean 95% CI Standard deviation

60 23.735 (21.96, 25.51) 6.8595

40 17.713 (16.967, 18.460) 2.3345

Difference between means* 95% CI

6.0212 (4.1108, 7.9316)

* The difference is defined as Días de In_1 - Días de In_2. 95% CI for the Difference Does the interval include zero? Comments 0

2

4

6

8

Distribution of Data Compare the data and means of the samples. Días de In_1

-- Test: You can conclude that the means differ at the 0.05 level of significance. -- CI: Quantifies the uncertainty associated with estimating the difference from sample data. You can be 95% confident that the true difference is between 4.1108 and 7.9316. -- Distribution of Data: Compare the location and means of samples. Look for unusual data before interpreting the results of the test.

Días de In_2

8

16

24

32

40

48

Gráfica 29. Prueba t de 2 Muestras para la variable Días de Inventario antes y después del Modelo de Gestión de Inventarios. Fuente: Elaboración del autor en base a los datos obtenidos (2013).


115 Se realizó una prueba para comparar dos desviaciones estándar “2-sample t-test”, ya que la desviación estándar es usada preliminarmente como un indicador de mejora de procesos, estimando la variación total del proceso y comparándola entre las dos poblaciones. En el caso de las días de inventario antes y después de la implementación del modelo de gestión de inventarios se recomienda esta prueba para confirmar la validez estadística del modelo una vez que se validó que las medias aritméticas son diferentes estadísticamente, además de que la desviación estándar es significativamente menor en el periodo del modelo de gestión de inventarios En el caso de análisis la hipótesis nula considera que los dos periodos son iguales mientras que la hipótesis alternativa no los considera iguales. Sí el valor de “p” es menor que el nivel de significancia estadística seleccionado (0.05) se sugiere entonces que las desviaciones estándar son diferentes. Con un valor de p = 0 se concluye entonces que la variación de los días de inventario en el periodo previo al modelo de gestión de inventarios es significativamente diferente a la variación de los días de inventario durante el periodo del modelo de gestión de inventarios como se muestra en la Gráfica 30. El investigador considera válido estadísticamente el estudio y concluye que el indicador días de inventario tiene un valor aritmético y una desviación estándar diferente en el periodo de gestión del modelo de inventarios que en los periodos anteriores.


116

2-Sample Standard Deviation Test for Días de In_1 and Días de In_2 Summary Report Do the standard deviations differ? 0

0.05

0.1

> 0.5

Yes

No

P = 0.000 The standard deviation of Días de In_1 is significantly different from Días de In_2 (p < 0.05).

Statistics

Días de In_1

Días de In_2

Sample size Mean Standard deviation 95% CI

60 23.735 6.8595 (5.208, 9.339)

40 17.713 2.3345 (1.843, 3.110)

Standard Deviations Comparison Chart Días de In_1 Comments Días de In_2 2

4

6

8

Distribution of Data Compare the spread of the samples. Días de Inventario_A

-- Test: You can conclude that the standard deviations differ at the 0.05 level of significance. -- Comparison chart: Red intervals indicate that the standard deviations differ. Consider the size of the difference to determine if it has practical implications. -- Distribution of Data: Compare the spread of the samples. Look for unusual data before interpreting the results of the test.

Días de Inventario_D

16

24

32

40

48

Gráfica 30. Prueba Desviación estándar de 2 Muestras para la variable Días de Inventario antes y después del Modelo de Gestión de Inventarios Fuente: Elaboración del autor en base a los datos obtenidos (2013).


117

Capítulo VI. CONCLUSIONES Y RECOMENDACIONES A. Conclusiones. En cuanto a los objetivos marcados para este trabajo: Se logró comprobar la hipótesis de que el nivel de conocimiento de los administradores del Modelo Gestión de Inventarios impacta positivamente al Indicador días de Inventario, a través de la detección de necesidades e insuficiencias, se comunicó el conocimiento a los administradores, se evaluó y conduce la tendencia favorable a través del tiempo del indicador Días de Inventario. Se logró comprobar la hipótesis de que no existe correlación de la variable de entrada ventas contra la variable de salida Días de Inventarios como originalmente se percibe y se calcula el objetivo días de Inventario en la organización. Se demostró la alta asociación y dependencia entre la Gestión de Inventarios y el Nivel de Supervisión; contrario a lo que supondría el investigador de que fuera la Antigüedad el factor más significativo para el conocimiento. Se construyó y validó estadísticamente el modelo conceptual que sustenta la mejora continua del Indicador días de Inventario, el enfoque permanente en los procesos claves MidMonth, MPS y MRP y sus factores y la evaluación constante del indicador a través del análisis deben servir como un legado gerencial a la organización para futuros administradores del indicador Días de Inventario.


118 B.

Recomendaciones

Recomendar el análisis del Indicador Días de Inventario al resto de la compañía global como una buena práctica de manufactura y utilizar el modelo como caso de estudio para otros indicadores de la organización que presenten insuficiencia alentando la investigación, generando innovación y por consecuencia elevando el nivel de gestión del conocimiento, creando ventajas competitivas para la organización. Desarrollar un modelo de gestión del conocimiento en la organización para cada uno de los indicadores claves de la organización en los rubros de Seguridad, Calidad, Costo y Entrega. Alentar la cultura de estudios de postgrado en beneficio de la organización estableciendo como objetivo proyectos de tesis que transformen la cultura organizacional y ofrezcan rendimientos a mediano y largo plazo. Promover

este modelo

en las organizaciones educativas con el fin de

adecuar a la realidad la gestión de la demanda en un ambiente de alto volumen y globalización, facilitando al investigador contribuir con su experiencia a la oferta educativa.


119

REFERENCIAS Abhyankar, H., & Graves, S. (2001). Creating an Inventory Hedge for Markov Modulated Poisson Demand: An Application and Model. Manufacturing and Service Operations Management, 3, 306-320. Agarwal, A., & Shankar, R. (2002). Analyzing alternatives for improvement in supply chain performance. Work Study, 51(1), 32-37. Axsäter, S. (2000). Inventory Control. Boston: Kluwer Academic Publishers. Bhatnagar, R., Chandra, P., & Goyal, S. (1993). Model for multi-plant coordination. European Journal of Operations Research, 167, 141-160. Blowfield, M. (2005). Going global: how to identify and manage societal expectations in supply chains and the consequences of failure. Corporate Governance, 5(3), 119 – 128. Bulter, J. (2003). Supply Chain Design for New Products. Doctoral Thesis. School of Industrial and Systems Engineering, 34-70. Buxey, G. (2005). Globalisation and manufacturing strategy in the TCF industry. International Journal of Operations & Production Management, 25(2), 100- 113. Cousins, P., Lawson, B., & Squire, B. (2006). Supply chain management: theory and practice – the emergence of an academic discipline. International Journal of Operations & Production Management, 26(7), 697 – 702. Crama, Y., Pochet, Y., & Wera, Y. (2001). A discussion of production planning approaches in the process industry". Retrieved Agosto 15, 2007, from http://citeseer.ist.psu.edu/cache/papers/cs/23107 Desouza, K., Chattaraj, A., & Kraft, G. (2003). Supply chain perspectives to knowledge management: research propositions. Journal of Knowledge Management, 7(3), 129-138. Dimitris, B., & Thiele, A. (2003). A Robuts Optimization Approach to Supply Chain Management. Massachusetts Institute of Technology. Retrieved August 2007 Ehrhardt, R. (1984). Policies for a Dynamic Inventory Model with Stochastic Lead Times. Operations Research, 32, 121-132.


120 Frankel, R., Goldsby, T., & Whipple, J. (2002). Grocery Industry Collaboration in the wake of ECR. The International Journal of Logistics Management, 13(1), 57 – 72. Fynes, B., Voss, C., & Burca, S. (2005). The impact of supply chain relationship dynamics on manufacturing performance. International Journal of Operations & Production Management, 25(1), 6 – 19. Gallego, G., & Toktay, L. (2003). All-or-Nothing Ordering Under a Capacity Constrain and Forecast of Stationary Demand. Retrieved Junio 14, 2007 Gallego, G., Muriel, A., & Yildiz, T. (2007). Optimal Policies with Convertible Lead Times. European Journal of Operational Research, 176, 892-910. Girlich, H., & Chikan, A. (2001). The Origins of Dynamic Inventory Modeling under Uncertainty: The men, their work and the connection with the Stanford Studies. International Journal of Production Economics, 71, 351-363. Graves, S., Gutierrez, C., Pulwer, M., Sidhu, H., & Weihs, G. (1998). Optimizing Monsanto's Supply Chain under Uncertain Deman. Cmabridge: MIT Cambridge, MA. Retrieved Agosto 15, 2007, from http://web.mit.edu/graves/www/papers/monsato.pdf Graves, S., Rinnooy Kan, A., & Zipkin, P. (1993). Handbooks in Operations Research and Management Science.Logistics of Production and Inventory (Vol. 4). North Holland, The Netherlands: Elsevier Science Publishers. Gudum. (2002). Managing Variability in a supply chain: An inventory control perspective. pp. 36-54. Gudum. (2003). A New Compound Lead Time Demand Ditribution Approach and a Comparison Study. Retrieved August 15, 2007, from http://ir.lib.cbs.dk/download/ISBN/x656193734.pdf. Gudum, C., Muriel, T., & Yildiz, T. (2002). A safety stock adjusment procedure to enable target service levels in simulation of generic inventory systems. Departmenyt of Management Science and Statistics. Gunasekaran, N., Patel, C., & Tirtiroglu, E. (2001). Performance measures and metrics in a supply chain environment. International Journal of Manufacturing Technology Management, 17(6), 737 – 749.


121 Harris, F. (1915). What quantity to make at once. . In The Library of Factory Management (Vol. V, pp. 48-52). Chicago: A.W. Shaw Company. Harvey, W. (2002). And then there were non'.Operations Research. Heng, M., Wang, Y., & He, X. (2005). Supply chain management and business cycles.t. Supply Chain Management An International Journal, 10(3), 157-161. Hernández, S., Fernández, C., & Baptista, P. (1991). Metodología de la investigación (4ta. ed.). México, D.F.: Mc Graw-Hill. Hoffman, J., & Mehra, S. (2000). Efficient consumer response as a supply chain strategy for grocery businesses. International Journal of Service Industry Management, 11(4), 365 – 373. Hunter, P., Arthur, F., & Kamisnky, C. (2001). An application of regenerative stochastic processes to a problem in inventory control. Operations Research, 1967, 66-75. Jennings. (2002). Strategic sourcing: benefits, problems and a contextual model. Management Decision, 40(1), 26-34. Johnson, P., & Zineldin, M. (2003). Achieving high satisfaction in supplier-dealer working relationships. Supply Chain Management: An International Journal, 8(3), 224 – 240. Kaplan, S. (1970). A Dynamic Inventory Model with Stochastic Lead Times. Management Science, 16, 491-507. Kapuscinski, R., Zhang, R., Carbonneau, P., Moore, R., & Reeves, B. (2004). Inventory Decisions in Dell's Supply Chain. Interfaces, 34, 191-205. Katok, E., Lathrop, A., Tarantino, W., & Xu, S. (2000). Jeppesen Uses a Dynamic Programming-Based DSS to Manage Inventory. Interfaces, 59-96. Ketzember, M., Metters, R., & Semple, J. (2006). A Heuristic for Multi-Item Production with Seasonal Demand. IIE Transactions, 38, 201-211. Kumar, J., Kar, S., & Maiti, M. (2005). An Interactive method for inventory control with fuzzy lead-time and dynamic demand". European Journal of Operations Research, 167, 381-397. Lalwani, C., Disney, S., & Naim, N. (2006). On assessing the sensitivity to uncertainty in distribution network design. International Journal of Physical Distribution & Logistics Management, 36(1), 68-79.


122 Lambert, D., & Pohlen, T. (2001). Supply Chain Metrics. The International Journal of Logistics Management, 12(1), 1 â&#x20AC;&#x201C; 19. Lang, J. (2001). Managing in knowledge-based competition. Journal of Organizational Change Management, 14(6), 539- 553. Lederman, R. (2003). Optimization of Stochastic Inventory Control with Correlated Demands. Brown University. Brown: Deparment of Computer Science. Liu, L., Xiaoming, L., & Yao, D. (2005). Analysis and Optimization of a Multistage Inventory-Queue System. Mangement Science, 50, 365-380. Mason-Jones, R., Naylor, B., & Towill, D. (2000). Improving electronics manufacturing supply chain agility through outsourcing. International Journal of Physical Distribution & Logistics Management, 32(7), 610- 620. Meixell, J., & Wu, S. (2001). Scenario Analysis in a Technology Market using leading Indicators. IIE Transactions: Semicondor Manufacturing, 14, 66-75. Nevison, C., & Burnstein, M. (1984). The Dynamic Lot-Size Model with Stochastic Lead Times. Management Science, 30, 100-109. Parker, A. (1967). Simulation and Adaptative forecasting as applied to improve inventoy control. Operations Research, 15, 660-679. Power, D. (2005). Supply chain management integration and implementation: A literature review. Supply Chain Management: AnInternational Journal, 10(4), 252-263. Pundor, G. (2002). Supply Chain Simulations Models for Evaluating the Impact of Rescheduling Frequencies. Master Thesis, University of Maryland, Institute of Systems Research. Raymond, F. (1931). Quantity and Economy in Manufacture. New York: McGraw-Hill. Riezbos, J. (2006). Inventory Order Crossovers. International Journal of Production Economics, 102, 666-675. Rosa, M. (2001). Make-to-Stock vs Make-to-order in Glass Manufacturing. Master Thesis, Universidad Tecnica de Lisboa, Instituto Superior Tecnico, Lisboa. Russell Richards, F. (1976). Stochastic Model of a Repairable-Item Inventory System with Attrition and Random Lead Times". Operations Research, 24, 118-130. Sarmiento, A., & Nagi, R. (1999). A review of integrated analysis of production-distribution systems. IIE Transactions, 31, 1061-1074.


123 Shervais, S. (2000). Adaptative critic design of control policies for multi-echelon inventory systems. Doctoral Thesis, Portland State University, Portland. Shridharan, U., Patterson, C., & Caines, W. (2005). Implementation of supply chain management and its impact on the value of firms. Supply Chain Management: An International Journal, 10(4), 313-318. Shukla, R. K., Garg, D., & Agarwal, A. (2001). Understanding of Supply Chain: A Literature Review. International Journal of Engineering Science and Technology (IJEST), 3(3), 2059-2072. Silver, E., Pyke, D., & Peterson, R. (1998). Inventory Management and Production Planning and Scheduling (Vol. 3). New York: John Wiley & Sons. Småros, J., Lehtonen, J., & Holmström, P. (2003). The impact of increasing demand visibility on production and inventorycontrol efficiency. International Journal of Physical Distribution & Logistics Management, 33(4), 336 – 354. Smits, S. (2003). Tactical desig of prodcution distribution netwroks: safety stock, shipment, and production planning. Eindhoven: Technische Universiteit Eindhoven. Snyder, D., Koehler, A., Hyndman, R., & Ord, J. (2004). Exponential smoothing models: Means and variances for lead-time demand”. European Journal of Operational Research, 158, 444-455. Snyder, R. (2002). Forecasting sales of slow and fast moving inventories (Vol. 140). Soman, C., Pieter van Donk, D., & Gaalman, G. (2004). Combined make-to-order maketo-scock in a food prodcution system. International Journal of Prodcution Economics, 90, 223-235. Song, J., & Yao, D. (2002, Sep-Oct). Performance Analysis and Optimization of Assemble-To-Order Systems with Random Lead Times. Operations Research, 50(5), 889-903. Song, Y., & Chuin Lau, H. (2004). A periodic review inventory model with application to continuous-review obsolescense problem. European Journal of Operational Research, 159, 110-120. Spens, K., & Bask, A. (2002). Developing a Framework for Supply Chain Management. The International Journal of Logistics, 13(1), 73-78.


124 Sphicas, P. G. (1982). On the Solution of an Inventory Model with Variable Lead Times. Operations Research, 30, 404-410. Srivastava, S., & Srivastava, R. (2006). Managing product returns for reverse logistics. International Journal of Physical Distribution & Logistics Management, 36(7), 524 – 546. Teunter, R., Laan, v. d., & Vlachos, D. (2004). Inventory strategies for systems with fast remanufacturing. Journal of the Operational Research Society, 55, 475-484. Treharne, T. (2002). Adaptative Inventory Control for Nonstationary Demand and Partial Information. Management Science, 48, 607-624. Van Mieghem, J., & Rudi, N. (2002). Newsvendor Networks: Inventory Management and Capacity Investment with Discretionary Activities. Manufacturing and Service Operations Management, 4, 313-335. Vazsonyi, A. (1955). The use of Mathematics in Production and Inventory Control II. Management Science, 1, 12-28. Vidal, C. (2006). Introducción a la gestión de inventarios. Cali, Colombia: Universidad del Valle, Facultad de Ingeniería, Escuela de Ingeniería Industrial y Estadística. Vidal, C. J., & Gutierrez, V. (2008). Modelos de Gestión de Inventarios en Cadenas de Abastecimiento: Revisión de la Literatura. Rev.fac.ing.univ. Antioquia, 134-149. Vidal, C., & Goetschalckx, M. (2000). Modeling the Impact of Uncertainties on Global Logistics Ssytems. Journal of Business Logistics, 21, 95-120. Vidal, C., Londoño, J., & Contreras, F. (2004). Aplicación de los Modelos de Inventarios en una Cadena de Abastecimiento de Productos de Consumo Masivo con una Bodega y N Puntos de Venta. Ingeniería y Competitividad, 6, 35-52. Wagner, H., & Whitin, T. (2004). Dynamic version of the economic lot size model. Management Science,, 50, 1770-1774. Xin, D. (2003). Coordinating Inventory Control and Pricing Strategies with Randon Demand and Fixed Ordering Cost. Manufacturing and Service Operations Management, 5, 59-62. Yajiong, X., Liang, H., Boulton, W., & Snyder, C. (2005). ERP Implementation failure in China: Case studies with implication for ERP Vendors. International Journal of production economics, 97, 279-295.


125

ANEXOS

A. Instrumentos de Recolecci贸n de Datos


126 1. Cuestionario de Medición del Conocimiento.

Encuesta sobre Gestión de Inventarios Gestión del Conocimiento Universidad La Salle Campus Chihuahua Maestría en Calidad ESTIMADA(O) EMPLEADO(O): La Universidad La Salle Campus Chihuahua le solicita de la manera más atenta su colaboración para contestar este cuestionario con el que se pretende medir el nivel del conocimiento en la gestión de inventarios que tienen los administradores del Departamento de Materiales en su compañía, factor muy importante para el alcance de la metas del Indicador “Días de Inventario”. La encuesta forma parte de un trabajo de investigación académica-empresarial y por lo tanto le garantizamos la confidencialidad de sus respuestas, las cuales serán empleadas sólo con fines estadísticos, por lo cual le solicitamos conteste de una manera abierta y con la mayor veracidad posible. Contestar este cuestionario le ocupará de unos 15 a 20 minutos, por favor no deje preguntas sin contestar, recuerde que lo importante para nosotros es su respuesta veraz y completa. ¡¡MUCHAS GRACIAS POR SU VALIOSA PARTICIPACIÓN!! INSTRUCCIONES: Valore en los siguientes apartados, marcando con una X, el grado o nivel de acuerdo con las frases que se le presentan, usando para ello la siguiente escala: Grado o Nivel de Acuerdo No, Nunca Muy Poco, Casi nunca Poco, Alguna vez Mucho, Frecuentemente Bastante, Muy frecuente Si, Siempre

Valor

0  ‚ ƒ „ …


127

I.

Área del Conocimiento: Generales de la Organización. No, Nunca

1. ¿Identifica usted claramente la misión de su compañía? 2. ¿Identifica usted los cuatro indicadores claves de la compañía? 3. ¿Identifica usted los cuatro indicadores claves de su departamento? 4. ¿Conoce usted la meta de Inventario de su compañía en días o en valor? 5. ¿Participa usted directamente en la mejora continua de su compañía?

II.

0 0 0 0 0

Nivel de Acuerdo Si, Siempre

    

‚ ‚ ‚ ‚ ‚

ƒ ƒ ƒ ƒ ƒ

„ „ „ „ „

… … … … …

Área del Conocimiento: Gestión de Inventarios. No, Nunca

6. ¿Identifica usted los tres procesos claves en la Gestión de inventarios de su compañía? 7. ¿Identifica usted las variables que se consideran para el cálculo del pronostico Días de inventarios? 8. ¿Identifica usted variables externas que afectan el resultado de inventarios al final del periodo? 9. ¿Conoce usted la fórmula para el cálculo del indicador días Inventario de su compañía? 10. ¿Identifica usted el término MidMonth y su importancia en los resultados financieros? 11. ¿Identifica usted el término MPS y su importancia en la organización? 12. ¿Identifica usted el término MRP y su importancia para la base de proveedores? 13. ¿Identifica usted el término Horizonte de planeación en sus actividades de planeación de materiales? 14. ¿Identifica usted el término capacidad de producción en su organización? 15. ¿Identifica usted claramente los tiempos de entrega de sus clientes y/o proveedores? 16. ¿Identifica usted el porcentaje promedio mensual de variación en la demanda del cliente? 17. ¿Identifica usted el tiempo promedio de manufactura para convertir materia prima en producto terminado? 18. ¿Identifica usted el significado de inventarios de seguridad y su impacto en el indicador días de inventario? 19. ¿Identifica usted el resultado de la exactitud del inventario del último periodo contable? 20. ¿Identifica usted la importancia del calendario de recolección de clientes y/o proveedores?

0 0 0 0 0 0 0 0 0 0 0 0

Nivel de Acuerdo Si, Siempre

           

‚ ‚ ‚ ‚ ‚ ‚ ‚ ‚ ‚ ‚ ‚ ‚

ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ ƒ

„ „ „ „ „ „ „ „ „ „ „ „

… … … … … … … … … … … …

0‚ƒ„… 0‚ƒ„… 0‚ƒ„…


128

III. Área del Conocimiento: Elementos del Inventario No, Nunca

21. ¿Identifica usted los siete elementos que constituyen el total del inventario? 22. ¿Conoce usted el rango promedio de contribución del inventario de materia prima del inventario total? 23. ¿Identifica usted el material en tránsito como parte del inventario contable de su compañía? 24. ¿Conoce usted los elementos que afectan el cálculo de reservas de inventario de su compañía? 25. ¿Identifica usted la diferencia entre inventarios de seguridad y bancos de material? 26. ¿Identifica usted las reglas de planeación de producto terminado para soportar cambios en la demanda de los clientes? 27. ¿Identifica usted las reglas de planeación de materiales para mantener el inventario de materia prima óptimo? 28. ¿Identifica usted todos los cuatro sub-procesos de su cadena de fabricación? 29. ¿Identifica usted el valor del total del inventario de servicio y su valor neto? 30. ¿Identifica claramente las reglas de planeación de material en proceso y su impacto en el indicador días de inventario?

0 0 0 0 0

Nivel de Acuerdo Si, Siempre

    

‚ ‚ ‚ ‚ ‚

ƒ ƒ ƒ ƒ ƒ

„ „ „ „ „

… … … … …

0‚ƒ„… 0‚ƒ„… 0‚ƒ„… 0‚ƒ„… 0‚ƒ„…

IV. Área del Conocimiento: Gestión de la Mejora Continua No, Nunca

31. ¿Participa usted directamente en la planeación mensual del pronóstico de días de Inventario? 32. ¿Participa usted directamente en la medición periódica del indicador días de Inventario? 33. ¿Participa usted directamente en el análisis y causa raíz del resultado del indicador días de inventario? 34. ¿Participa usted directamente en la mejora continua para alcanzar la meta de días de Inventario? 35. ¿Participa usted directamente actividades de control para alcanzar la meta de días de Inventario?

0 0 0 0 0

Nivel de Acuerdo Si, Siempre

    

‚ ‚ ‚ ‚ ‚

ƒ ƒ ƒ ƒ ƒ

„ „ „ „ „

… … … … …

DATOS GENERALES DEL ENCUESTADO: NOMBRE DE SU FUNCION: ______________________________________________ ANTIGÜEDAD EN EL PUESTO: __________ EMPLEADOS A CARGO (S/ID/DL) _____ La ULSA Campus Chihuahua agradece su amable colaboración al contestar este cuestionario. La información que nos proporcionó sólo será empleada con fines académicos y estadísticos, por lo que le reiteramos la salvaguarda de la misma. Si desea contactar al responsable de la aplicación de esta encuesta, por favor comuníquese con el Ing. Miguel Ángel Acuña al correo electrónico: acunamiguelmx@yahoo.com.mx o al celular 614-1424714


129

2. Lista de Colección de Datos de los resultados del Cuestionario. Suma de Puntos Área del Conocimiento Elementos del Inventario

Encuesta Función

Antigüedad

Supervisión

Primera

Segunda

Tercera

Grand Total

CS

Alta

C

39

39

44

122

70

70

N

IA

Baja

N

73

73

Media

N

110

118

Alta

C

Baja

C

28

WS

CS

WS

83 61 60

S

30

32

Alta

C

27

38

50

115

N

16

29

125

170

S

30

39

Media

N

42

66

Alta

S

Baja

S

17

17

Media

C

39

38

S

80

66

531

588

835

1954

21

21

19

61

39

39

Alta

C

Baja

N

39

40

Media

N

77

78

Alta

C

Baja

C

5

19

N MP

83 60

N

IA

393

Media

Elementos del Inventario Total Generales de la Organización

165

33

N MP

146

62

69 113

221

31

31 34

94

171 146

79 82

237

43

43 24

38

38

Media

S

15

19

34

Alta

C

22

22

25

69

N

9

13

60

82

S

14

14

Media

N

33

34

Alta

S

Baja

S

15

15

Media

C

23

22

S

40

43

28 50

117

19

19 30

47

92 83


130 Generales de la Organizaci贸n Total Gesti贸n de Inventarios

CS

Alta

C

313

340

422

1075

61

63

65

189

120

120

N

IA

Baja

N

157

144

Media

N

249

245

Alta

C

Baja

C

65

WS

CS

WS

119 90

S

28

35

Alta

C

62

65

73

200

N

45

50

180

275

S

53

56

Media

N

90

97

Alta

S

Baja

S

41

41

Media

C

59

52

S

122

109

1032

1011

1251

3294

22

22

21

65

33

33

Alta

C

Baja

N

42

38

Media

N

88

68

Alta

C

Baja

C

20

63

109 165

352

47

47 82

128

239 231

80 73

229

36

36

21

N MP

118

90

N

IA

118

Media

Gesti贸n de Inventarios Total Mejora Continua

759

54

N MP

301 265

41 26

26

Media

S

19

20

39

Alta

C

24

24

24

72

N

14

13

57

84

S

7

9

Media

N

27

24

Alta

S

Baja

S

2

11

Media

C

25

22

S

16 53

104

15

15 13

41

88

37

36

Mejora Continua Total

327

308

379

73 1014

Grand Total

2203

2247

2887

7337


131 3. Lista de colección de datos para las variables ventas y días de inventario.

Periodo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49

Mes Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan

Ventas (Millones USD) 18.0 15.5 12.8 18.1 14.5 13.1 14.4 16.6 19.5 26.9 17.8 13.1 22.6 20.1 19.2 21.7 18.1 16.9 16.5 21.8 22.0 30.2 24.3 20.4 35.1 32.7 33.4 38.7 36.9 36.9 35.6 40.2 51.6 58.8 45.9 32.8 48.4 47.9 44.1 56.2 46.4 43.3 32.8 36.1 39.4 47.9 31.0 19.5 20.0

Días de Inventario 17.8 15.9 20.4 21.8 21.5 23.0 32.9 24.1 21.2 22.6 31.9 43.5 30.6 25.9 26.7 27.0 24.9 26.9 46.8 28.5 26.0 22.4 22.1 26.6 23.1 20.0 20.0 23.5 20.5 21.9 38.3 25.9 18.9 17.3 15.9 20.7 19.2 15.2 17.6 16.1 16.0 16.2 28.1 21.7 18.2 20.1 24.6 30.6 42.1

Plan Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes

Año 2005 2005 2005 2005 2005 2005 2005 2005 2005 2005 2005 2005 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 2008 2008 2008 2008 2008 2008 2008 2008 2008 2008 2008 2008 2009


132 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr

25.1 25.1 27.4 16.3 13.7 23.1 24.6 27.5 33.6 25.9 14.8 30.7 27.0 25.2 35.2 29.6 27.0 30.6 30.4 33.2 42.2 29.0 18.7 30.0 29.2 29.1 33.8 27.1 25.1 26.8 29.1 29.4 35.1 29.2 22.9 33.9 31.4 31.3 38.0 30.9 28.4 34.2 31.6 32.7 39.7 31.5 23.2 34.6 32.4 31.7 40.9

26.2 22.8 25.6 29.0 27.1 21.4 17.0 16.0 17.4 13.8 25.1 16.47 15.3 18.4 16.9 14.9 16.8 20.9 18.4 15.3 13.4 14.5 21.3 19.20 15.4 15.1 16.1 17.0 16.8 23.6 18.1 16.3 20.1 17.4 17.7 18.9 16.2 17.3 19.1 19.5 19.3 23.6 19.7 17.1 17.8 17.8 21.3 18.1 15.7 15.0 16.6

Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después

2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2009 2010 2010 2010 2010 2010 2010 2010 2010 2010 2010 2010 2010 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2012 2013 2013 2013 2013


133 4. Lista de colección de datos de los componentes del inventario. Month Jan-09 Feb-09 Mar-09 Apr-09 May-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Jan-10 Feb-10 Mar-10 Apr-10 May-10 Jun-10 Jul-10 Aug-10 Sep-10 Oct-10 Nov-10 Dec-10 Jan-11 Feb-11 Mar-11 Apr-11 May-11 Jun-11 Jul-11 Aug-11 Sep-11 Oct-11 Nov-11 Dec-11 Jan-12 Feb-12 Mar-12 Apr-12 May-12 Jun-12 Jul-12 Aug-12 Sep-12 Oct-12 Nov-12 Dec-12 Jan-13 Feb-13 Mar-13 Apr-13

Inventario en Transito 4.3 3.4 2.8 2.6 2.7 1.4 4.7 4.4 3.3 3.7 1.9 5.1 3.8 3.7 3.8 3.9 4.4 5.0 5.5 4.8 3.5 3.0 3.3 4.9 6.1 3.3 2.6 2.5 2.4 3.4 3.9 2.0 2.5 2.6 2.3 2.0 2.1 2.6 2.7 2.8 2.9 2.9 2.1 2.4 2.9 2.4 1.8 1.4 2.0 1.7 1.8 2.5

Materia Prima 15.6 8.6 7.6 6.5 5.4 6.2 5.4 4.1 5.0 5.2 4.7 8.4 5.3 4.2 5.4 5.9 4.6 3.8 6.5 7.3 5.5 4.6 4.5 8.5 5.5 6.9 6.8 8.0 8.7 5.1 10.9 8.5 6.4 8.2 5.5 9.0 9.1 7.0 7.9 7.9 6.7 6.7 9.4 7.5 5.5 6.0 5.7 8.9 7.3 6.1 6.1 5.9

Inventario en Proceso 4.7 3.0 2.8 2.9 2.6 3.5 2.8 2.0 1.9 1.8 2.0 3.3 2.0 2.2 2.3 1.5 1.3 1.8 2.3 1.8 1.9 1.7 1.8 2.2 2.2 1.8 1.8 1.9 2.1 2.3 2.9 2.1 1.7 2.0 1.8 1.7 1.6 1.2 1.1 1.3 1.5 1.9 2.2 1.7 1.9 2.6 2.8 1.9 1.8 1.5 1.5 1.3

Producto Terminado 3.2 2.4 3.1 2.9 3.5 5.3 3.9 3.2 2.4 3.7 2.8 4.7 3.6 2.6 3.7 3.1 2.8 3.8 4.7 3.2 2.9 2.9 3.5 3.7 4.1 2.3 2.7 2.2 2.0 1.7 2.0 2.3 2.3 1.9 3.2 3.1 4.2 3.1 3.3 4.1 4.2 3.4 4.5 2.9 2.7 3.4 4.9 5.7 5.1 4.9 4.5 5.8

Partes de Servicio 7.1 5.1 4.3 5.3 7.4 2.2 1.5 1.5 1.7 1.2 1.7 3.2 1.6 1.2 1.2 1.0 1.0 1.1 1.1 0.9 0.8 0.9 1.0 1.6 1.3 1.1 1.1 1.1 1.2 1.2 1.4 1.0 1.0 1.1 1.2 1.5 1.3 1.1 1.1 1.2 2.0 2.1 2.2 2.0 1.9 1.9 1.6 2.0 1.1 1.0 1.0 0.9

Bancos

Total

Gestión

7.2 3.6 2.3 5.9 7.4 8.5 3.1 1.7 1.7 1.7 0.6 0.4 0.1 1.4 1.9 1.4 0.9 1.3 0.7 0.3 0.8 0.4 0.4 0.3 0.0 0.1 0.0 0.4 0.6 3.1 2.5 2.1 2.4 4.2 3.4 0.4 0.7 1.2 1.2 1.8 2.2 2.2 3.2 3.3 2.2 1.5 1.1 1.3 0.8 0.4 0.1 0.1

42.1 26.2 22.8 26.0 29.0 27.1 21.4 17.0 16.0 17.4 13.8 25.1 16.5 15.3 18.4 16.9 14.9 16.8 20.9 18.4 15.3 13.5 14.5 21.3 19.2 15.4 15.1 16.1 17.0 16.8 23.6 18.1 16.3 20.1 17.4 17.7 18.9 16.2 17.3 19.1 19.5 19.3 23.6 19.7 17.1 17.8 17.8 21.3 18.1 15.7 15.0 16.6

Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Antes Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después Después


134

Prol. Lomas de Majalca No. 11201 Col. Labor de Terrazas Tel. 432-14-77 C.P. 31020. Chihuahua, Chih.

www.ulsachihuahua.edu.mx

Este documento es propiedad de la Universidad La Salle Chihuahua 2013

10 tesis miguel acuna  
10 tesis miguel acuna  
Advertisement