Optimización de la gestión de almacenes en la empresa de

montaje y distribución específica: un estudio de caso

Autores

Resumen
Este documento analiza la optimización de la gestión de almacenes en la empresa de ensamblaje y
distribución. Como parte del complejo sistema logístico, la gestión de almacenes juega un papel
importante en cada empresa, conectando las áreas de almacenamiento, flujo de materiales,
producción, mantenimiento de registros y despacho con los objetivos económicos de la empresa.
También tiene un impacto significativo en las operaciones comerciales y puede ser una ventaja
competitiva importante. Se puede argumentar que una logística bien administrada, que incluye un
flujo continuo de materiales, la minimización de costos y la racionalización general de los procesos
individuales asociados con la fabricación de productos, son herramientas estratégicas poderosas
para las empresas y conducen a su sólida posición en el mercado. Es casi un imperativo para ellos
usar el conocimiento moderno en esta área y esforzarse por mejorar. Después de los capítulos de
introducción, el documento incluye una propuesta de optimización que utiliza métodos
particulares de evaluación de criterios múltiples de variantes que consiste en determinar los
criterios para la evaluación de variantes, desarrollar la matriz básica de criterios múltiples y
seleccionar, así como aplicar el método específico para la evaluación final (en nuestro caso, se ha
realizado la comparación con los métodos WSA y TOPSIS). La parte final del documento describe la
opción más apropiada con respecto a la introducción de un sistema de identificación automática
para optimizar el sistema de gestión del almacén.

1. INTRODUCCIÓN

El programa de fabricación de la compañía seleccionada se centra en el montaje y distribución de

válvulas de aerosol y sus accesorios, es decir, varios dispensadores de aerosol, aplicadores y tapas
de latas de aerosol. Una parte del programa también incluye la producción de dispensadores
mecánicos para envases no presurizados.

La figura 1 a continuación presenta una ilustración gráfica del sitio de la empresa y el flujo de
material de las entradas individuales de ensamblaje y distribución.

Sobre la base de una encuesta y un análisis particulares que se realizaron en el sitio de la empresa,
se descubrió que el mayor beneficio de la optimización sería implementar un sistema de
identificación automática. La implementación (y su amplio alcance) puede agilizar todo el proceso
de gestión del almacén no solo dentro de la empresa seleccionada, sino también dentro de otras
empresas que se ocupan de problemas de almacenamiento similares. Además, puede resolver
otras situaciones emergentes y, por lo tanto, es necesario considerar una selección adecuada de
los sistemas antes mencionados para la identificación automática, es decir, una elección (una
variante) entre el sistema de identificación de código de barras y la tecnología RFID. Ambos
sistemas se compararán aún más mediante métodos específicos de evaluación de criterios
múltiples de variantes, donde ciertos criterios se establecerán sobre la base de los beneficios
esperados para la empresa en el estudio de caso presentado [1-3].

2. PROPUESTA DE OPTIMIZACIÓN USANDO

MÉTODOS DE EVALUACIÓN DE VARIANTES DE
CRITERIOS MÚLTIPLES

En la actualidad, hay una gran cantidad de métodos de evaluación de criterios múltiples basados
en diferentes principios que tratan con una evaluación particular de variantes de acuerdo con
varios criterios. Una variante evaluada como ventajosa según un criterio no siempre se puede ver
como la variante mejor evaluada según otro criterio. Además, estos métodos resuelven conflictos
entre criterios mutuamente contradictorios. Para la propuesta de optimización dada, se utilizaron
el método del enfoque de suma ponderada (WSA) y el método de la técnica de orden de
preferencia por similitud con la solución ideal (TOPSIS), y el último sirvió como confirmación de los
resultados del primero [4-6].

3. DETERMINACIÓN DE CRITERIOS PARA

EVALUACIÓN DE VARIANTES Y DESARROLLO DE
MATRIZ BÁSICA DE MÚLTIPLES CRITERIOS

Luego, fue necesario determinar ciertos criterios y asignarles las ponderaciones correspondientes.
Los criterios se definieron sobre la base de los beneficios requeridos para la empresa. La siguiente
tabla muestra un resumen de los criterios determinados y las ponderaciones asignadas (método
de asignación de Metfessel) [4], [7], [8].
Notas explicatorias:
Edificio Administrativo; Almacén de productos finales; Instalaciones técnicas; La herramienta
funciona; Producción y montaje; Otras facilidades; Almacenes entrantes; Granular; Stocks de
amortiguamiento; Regranular
Materias primas entrantes en el proceso de producción; Flujos en el almacén de productos finales;
Red de producción; Cubiertas.

Tabla 1 Criterios y ponderaciones asignadas para criterios múltiples

Evaluación de variantes

Criterio Criterio de ponderación

Costo de realización 0.25
Costo de etiquetado por 1 pieza 0.40
Manejo en caso de daños 0.15
Contenido de información 0.20
∑ 1
Fuente: autores

3.1 Explicación de criterios

- Costo de realización: es el costo total de realización. Este criterio se dará en miles de
coronas checas.
- Costo del etiquetado por 1 pieza: en lo que respecta a los códigos de barras, es CZK 0,40
por pieza / etiqueta de código, y en lo que respecta a la tecnología RFID, es decir, etiqueta
inteligente, es CZK 3 cada uno.
- Manejo en caso de daños: en caso de que los códigos de barras se dañen (por ejemplo,
por agua, se rompan) y un lector de dispositivo (escáner) no pueda identificar el código,
todavía existe la opción de registrar y escribir manualmente el número de código de
 barras. Sin embargo, si una de las etiquetas RFID está dañada, la información contenida no
se puede administrar de ninguna manera. Este criterio se evaluará en la escala del uno al
diez (1 –10), donde 1 denota una cierta posibilidad de manejo adicional en caso de daño y
10 representa una imposibilidad de manejo adicional en caso de daño.
- Contenido de información: el criterio establece qué tan grande puede estar contenido el
contenido de información de un producto o bienes en el elemento de identificación
automática dado. Este criterio se evaluará en la escala del uno al diez (1 - 10), donde el
número 1 representa una opción de entrada de datos pequeña y el número 10 representa
una opción de entrada de datos grande.

Tabla 2 Matriz básica para la toma de decisiones de criterios múltiples

Costo de
Manejo en
Costo de realización etiquetado
caso de Contenido de
[en miles de coronas por 1 pieza
daños [1 - información [1 - 10]
checas] [en coronas
10]
checas]
Códigos de
1 105,970 0.40 2 4
barras
RFID 1 504,670 3 9 9
Ponderacione
0.25 0.40 0.15 0.20
s
Personaje Minimización Minimización Minimización Maximización
Fuente: procesamiento propio

4. MÉTODO DE ENFOQUE DE SUMA PONDERADA

(WSA)
Este método se basa en la construcción de una función de utilidad lineal en la escala de 0 a 1, con
la peor variante (según el criterio dado) beneficiándose de cero, la mejor variante beneficiando a 1
y las otras variantes beneficiándose entre ambos valores. Además, el método requiere
información importante, una matriz de criterios y un vector de ponderaciones de criterios. Permite
una evaluación general de cada una de las variantes y, por lo tanto, se puede utilizar para buscar la
variante más favorable, así como para organizar las variantes de mejor a peor.

Además, el método anterior es un caso especial del método de función de utilidad. Si una variante
a i (sobre la base de un criterio j) alcanza un cierto valor y ij, le da a su usuario un beneficio
particular que puede expresarse usando la función de utilidad lineal. El beneficio variante total se
expresa mediante una suma ponderada de valores de funciones de utilidad parcial, donde u j son
las funciones de utilidad parcial de criterios individuales y v j son las ponderaciones de criterios. El
cálculo (1) siguiente se aplica [6], [9-11]:
m
u ( ai ) =∑ v j u j ( y ij ) (1)
i=1
4.1 el procedimiento del método WSA es especificado por
los siguientes pasos

1. Determine una variante ideal de H con una cierta valoración ( h1, ..., h n) y una variante D
basal con una cierta valoración (d 1, ..., d n)
2. Crear una matriz de criterios estandarizados (R), cuyos elementos se obtienen usando las
fórmulas (2) y (3)
y ij −d j
r ij = (2)
h j−d j

h j− y ij
r ij = (3)
h j−d j

La matriz R ya es una matriz de valores de la función de utilidad de la variante i-ésima

según el criterio j-ésimo, ya que los elementos de esta matriz son valores de criterio
transformados linealmente para que r ij є <1; 0>. Después de eso, la variante basal
corresponde acero y la variante ideal corresponde a uno.

3. Para variantes individuales, calcule una función de utilidad agregada utilizando el cálculo
(4) a continuación [6], [12]:

n
u ( ai ) =∑ v j r ij (4)
j=1

4. Ordene las variantes de manera descendente de acuerdo con el valor ( a i) y considere la

cantidad necesaria de variantes con los valores de utilidad más altos como la solución del
problema.

4.2 Cálculos basados en el método WSA

Tabla 3 Matriz de criterios estandarizados

Costo de Manejo en Contenido

Costo de
etiquetado por 1 caso de de
realización
pieza daños información
Códigos de
1 1 1 0
barras
RFID 0 0 0 1
Ponderacione 0.25 0.40 0.15 0.20
 s
Fuente: autores

4.3 Determinar el orden de variantes individuales

Variante 1 (códigos de barras):
(0.25 x 1) + (0.40 x 1) + (0.15 x 1) + (0.20 x 0) = 0.8
Variante 2 (RFID):
(0.25 x 0) + (0.40 x 0) + (0.15 x 0) + (0.20 x 1) = 0.2
Usando el método WSA, se encontró que la Variante 1(Códigos de barras) alcanzó el valor
de utilidad más alto de 0.8. Por lo tanto, es la opción más adecuada para introducir un
sistema de identificación automática y la optimización relacionada de la gestión de
almacenes en la empresa de fabricación dada.

5. MÉTODO TOPSIS
Este método se basa en seleccionar una variante que esté más cerca de la variante ideal y más
alejada de la variante basal. Se supone el carácter de maximización de todos los criterios, pero si
todos los criterios no están en el nivel de maximización, es necesario convertirlos a él.

5.1 El procedimiento del método TOPSIS

1. Cree una matriz de criterios normalizados R = (r ij ) basada en la siguiente fórmula (5):

y ij
r ij = m

√ ∑ y 2ij
i=1
(5)

Las columnas de la matriz R son vectores de longitud unitaria

2. Calcule una matriz de criterios ponderados normalizados W = ( w ij) basada en:

W ij =v j r ij

3. Determine una variante H ideal con una cierta valoración ( h1, ..., h m) y una variante basal D
con una cierta valoración (d 1, ...,d m) considerando los valores de la matriz W

4. Calcular distancias de variantes individuales:

a) de la variante ideal utilizando la siguiente fórmula (6):

 k

di
+¿=
√∑
j=1
(wij −h j ) ¿
2
(6)

b) de la variante basal utilizando la siguiente fórmula (7):

di
−¿=
√∑
j=1
2
(w ij−d j ) ¿
(7)

c) Calcular los parámetros relativos de las distancias de las variantes individuales de la

variante basal de acuerdo con la fórmula (8) a continuación:

d−¿
i
C i= −¿ ¿ (8)
d +¿d
i
¿
¿ i

Los valores particulares de estos parámetros varían de 0 a 1, con la variante basal

llegando a 0 y la variante ideal llegando a 1. Las variantes se ordenan de forma
descendente de acuerdo con los valores de c i, y el número necesario de variantes (con
los valores más altos de este parámetro) se considera la solución del problema [7],
[13].

5.2 Calculo basado en el método TOPSIS

Tabla 4 Método TOPSIS - Matriz R

Costo de Costo de
realización [en etiquetado por Manejo en Contenido de
miles de 1 pieza [en caso de daños información [1 -
coronas coronas [1 - 10] 10]
checas] checas]
Códigos de
1 1 1 0.406
barras
RFID 0 0 0 0.914
Fuente: autores

Tabla 5 Método TOPSIS - Matriz Z

Costo de Costo de
realización [en etiquetado por Manejo en Contenido de
miles de 1 pieza [en caso de daños información [1 -
coronas coronas [1 - 10] 10]
checas] checas]
Códigos de
0.25 0.4 0.15 0.081
barras
RFID 0 0 0 0.183
Fuente: autores
 5.3 Determinación de un conjunto de variante basal y un
conjunto de variante ideal

H = {0.25; 0.4; 0,15; 0.183}

D = {0; 0; 0; 0,081}

5.4 Determinación de distancias a partir de la variante ideal

2 2 2 2
√ ( 0.25−0 ) + ( 0.4−0.4 ) +( 0.15−0.15 ) +( 0.081−0.183 ) =0.102
2 2 2 2
√ ( 0−0.25 ) + ( 0−0.4 ) +( 0−0.15 ) + ( 0.183−0.183 ) =0.494

5.5 Distancia desde la variante basal

2 2 2 2
√ ( 0.25−0 ) + ( 0.4−0 ) +( 0.15−0 ) + ( 0.081−0.081 ) =0.494
2 2 2 2
√ ( 0−0 ) + ( 0−0 ) + ( 0−0 ) + ( 0.183−0.081 ) =0.102

5.6 Determinación y orden de resultados

d−¿
i
−¿ 0.494
¿
+¿+d i = =0.828 ¿
0.494+ 0.102
di ¿

d−¿
i
−¿ 0.102
¿
+¿+d i = =0.171 ¿
0.494+ 0.102
di ¿

Variante 1 (códigos de barras): 0.828

Variante 2 (RFID): 0.171

Usando el método TOPSIS, se descubrió nuevamente que la Variante 1 (Códigos de barras)

es la opción más ventajosa para introducir un sistema de identificación automática. El
método TOPSIS también confirmó el resultado del método WSA. Por lo tanto, se
seleccionará la Variante 1 para la identificación automática [13-15].

6. EVALUACIÓN

El análisis anterior del estado actual de la empresa de fabricación dada señaló la posibilidad de
introducir un sistema de identificación automática como la variante más ventajosa que propone
optimizar la gestión del almacén. El objetivo principal era predominantemente elegir entre dos
sistemas, es decir, códigos de barras y tecnología RFID [1], [2], [16-18].

Estos sistemas fueron sometidos a una evaluación de múltiples criterios de variantes, donde
ambos métodos utilizados, basados en una tabla de criterios establecidos, favorecen la Variante 1,
que introduce el sistema de identificación automática considerado a través de códigos de barras.
Al evaluar las propuestas para la implementación efectiva de la gestión del almacén, finalmente se
eligió la variante de introducir un sistema de identificación automática por medio de códigos de
barras.

Con respecto a la implementación propuesta dentro de la compañía mencionada, los principales

beneficios incluirán una mayor claridad del sistema, ahorro de tiempo, eliminación de
documentación en papel, eliminación de errores y racionalización del flujo de material.

7. CONCLUSIÓN

Ambos sistemas se utilizan para recopilar datos automáticos y se pueden utilizar en una amplia
gama de aplicaciones. Su implementación es completamente individual y depende de otros
factores, como el entorno de implementación, los costos de implementación o los beneficios
esperados.

Los códigos de barras son los medios más utilizados para la identificación automática de datos y, a
diferencia de las etiquetas RFID, representan una alternativa más barata. Por el contrario, la
tecnología RFID no requiere visibilidad directa al leer o escribir datos (y al leer más etiquetas RFID
a la vez), sin embargo, es una solución más costosa.

Los códigos de barras y la tecnología RFID se compararon aún más mediante métodos particulares
de evaluación de criterios múltiples de variantes, donde se utilizaron el método de enfoque de
suma ponderada y el método TOPSIS. La primera evaluó la variante 1, es decir, la introducción de
la identificación automática mediante códigos de barras, como la opción más adecuada.
Posteriormente, este resultado fue confirmado por el método TOPSIS

REFERENCIAS
[1] Šeba, J., Hruška, R., Švadlenka, L. Analysis of automatic identification and data capture systems
use in logistics. Logi - Scientific Journal on Transport and Logistics, 2016, Vol. 7, No. 1, pp. 124-
135. ISSN 1804-3216.
[2] Bach, M.P., Zoroja, J., Loupis, M. RFID usage in European enterprises and its relation to
competitiveness: Cluster analysis approach. International Journal of Engineering Business
Management, 2016, Vol. 8. https://doi.org/10.1177/1847979016685093
[3] Plakhin, A., Kampf, R., Ogorodnikova, E. and Kokovikhin, A., Localization strategies of the Czech
companies on the basis of industrial-logistics parks in the Sverdlovsk region, MATEC Web of
Conferences, 2017, Vol. 134. https://doi.org/10.1051/matecconf/201713400047
[4] Hruška, R., Průša, P., Babić, D. The use of AHP method for selection of supplier. Transport,
2014, Vol. 29, No. 2, pp. 195-203. https://doi.org/10.3846/16484142.2 014.930928
[5] Neradilova, H., Fedorko, G. The Use of Computer Simulation Methods to Reach Data for
Economic Analysis of Automated Logistic Systems, Open Engineering, 2016, Vol. 6, pp. 700–
710. https://doi.org/10.1515/eng-2016-0085
[6] Dockalikova, I., Klozikova, J. MCDM Methods in Practice: Localization Suitable Places for
Company by the Utilization of AHP and WSA, TOPSIS Method. Proceedings of the 11th
European Conference on Management Leadership and Governance. Military Academy, Lisbon,
Portugal, 2015, Nov. 12-13, pp. 543-552. ISSN 2048-9021.
[7] Kochkina, M. V., Karamyshev, A. N., Makhmutov, I. I., Fedorov, D. F., Abrosimova, E.V. Analysis
of Multi-Criteria Methods for Supplier Selection. Modern Journal of Language Teaching
Methods, 2017, Vol. 7, Issue 12, pp. 379-396. ISSN 2251-6204.
[8] Mou, Q., Xu, Z. S., Liao, H. C. An intuitionistic fuzzy multiplicative best-worst method for multi-
criteria group decision making. Information Sciences, 2016, Vol. 374, pp. 224-239.
https://doi.org/10.1016/j.ins.2016.08.074
[9] Boj, J. J., Rodriguez-Rodriguez, R., Alfaro-Saiz, J. J. An ANP-multi-criteria-based methodology to
link intangible assets and organizational performance in a Balanced Scorecard context.
Decision Support Systems, 2014, Vol. 68, pp. 98-110.
https://doi.org/10.1016/j.dss.2014.10.002
[10]Wam, H. K., Bunnefeld, N., Clarke, N., Hofstad, O. Conflicting interests of ecosystem services:
Multi-criteria modelling and indirect evaluation of trade-offs between monetary and non-
monetary measures. Ecosystems Services, 2016, Vol. 22, pp. 280-288, Part: B.
https://doi.org/10.1016/j.ecoser.2016.10.003
[11]Lendel, V., Jankovic, P. Simulation as a support tool of managerial decisionmaking with
application in conditions of transport. Logi - Scientific Journal on Transport and Logistics, 2011,
Vol. 2, No. 2, pp. 55-69. ISSN 1804-3216.
[12]Wang, J. Q., Wu, J. T., Wang, J., Zhang, H. Y., Chen, X. H. Interval-valued hesitant fuzzy linguistic
sets and their applications in multi-criteria decision-making problems. Information Sciences,
2014, Vol. 288, pp. 55-72. https://doi.org/10.1016/j. ins.2014.07.034
[13]Dockalikova, I., Kashi, K. Employees’ Recruitment: Selecting the Best Candidates by the
Utilization of AHP and WSA Method. 7th International Days of Statistics and Economics.
Prague, Czech Republic, Sep. 19-21, 2013, pp. 347-356. ISBN 97880-86175-87-4.
[14]Pham, T. Y., Ma, H. M., Yeo, G. T. Application of Fuzzy Delphi TOPSIS to Locate Logistics
Centers in Vietnam: The Logisticians’ Perspective. Asian Journal of Shipping and Logistics,
2017, Vol. 33, Issue 4, pp. 211-219. https://doi.org/10.1016/j.ajsl.2017.12.004
[15]Chovancova, M., Klapita, V. Modeling the Supply Process Using the Application of Selected
Methods of Operational Analysis. Open Engineering, 2017, Vol. 7, Issue 1, pp. 50-54.
https://doi.org/10.1515/eng-2017-0009
[16]Meszaros, F., Markovits-Somogyi, R., Bokor, Z. Modelling and multi-criteria optimization of
road traffic flows considering social and economic aspects. Logi - Scientific Journal on
Transport and Logistics, 2012, Vol. 3, No. 1, pp. 70-82. ISSN 1804-3216.
[17]Ližbetinová, L., Kampf, R., Ližbetin, J. Requirements of a transport system user.
Communications: scientific letters of the University of Žilina, 2012, Vol. 14, No. 4, pp. 106-108.
ISSN 1335-4205.
[18]Horta, M., Coelho, F., Relvas, S. Layout design modelling for a real world just-intime
warehouse. Computers & Industrial Engineering, 2016, Vol. 101, pp. 1-9.
https://doi.org/10.1016/j.cie.2016.08.013