SEXTO SEMESTRE / PROGRAMA-INGENIERÍA INDUSTRIAL

ASIGNATURA:

Electiva CPC

TRABAJO PRACTICO III CORTE

Sensitivity analysis of the scor metrics selected for the measurement of the
management of a fruit-growing supply chain

PRESENTA:

David Alberto Sánchez – 000615004

Johan Andrés Arias - 000609880

DOCENTE:

Diego Leon Peña Orozco

NRC DEL CURSO:

7434

Valle del Cauca-Guadalajara de Buga 21 de Noviembre del 2019

 ANÁLISIS DE SENSIBILIDAD DE MÉTRICAS SCOR SELECCIONADAS
PARA MEDIR LA GESTIÓN DE UNA CADENA DE ABASTECIMIENTO
FRUTÍCOLA

Resumen: En este artículo se muestra el análisis de sensibilidad sobre métricas

seleccionadas del modelo SCOR, para la medición de la gestión en una cadena de
abastecimiento frutícola de pequeños productores. Se presenta de manera detallada la
metodología para la selección de las métricas con el uso de un método multicriterio como el
Proceso analítico jerárquico (AHP).

1.0 Introducción:

El trabajo presenta el análisis de sensibilidad realizado en las métricas de la

metodología de Scor, seleccionado para la medición de la gestión de una cadena de
suministros frutícolas. SCOR es el modelo mas prometedor para la medición de los asuntos
estratégicos, incluyendo la determinación de las oportunidades que pueden mejorar la
competitividad de la empresas, siendo esta una frutícola, esto permite:

 Un modelo rápido y comprensión de la cadena de suministros

 Una configuración fácil de la cadena de suministros interno y externo a la
empresa, que ilustra tanto la configuración actual y la situación ideal.
 Una mejor evaluación y comparación, y una mejor comunicación de los
procesos de negocio (a través de la esquematización de los procesos de
negocio y el lenguaje común que se utiliza para transmitir información),
tanto en el ámbito interno y el externo de la empresa.

La cadena de suministro está vinculado a la satisfacción del cliente y las partes

involucradas, y se refiere a la necesidad de identificar y organizar las métricas de
rendimiento que se utilizarán en el proceso de evaluación de la cadena a estudiar,
teniendo en cuenta el grado de complejidad de la estructura. ], los indicadores de
rendimiento permiten supervisar el logro de los objetivos dentro de la cadena de
suministro. Los define los indicadores modelo SCOR llamados indicadores de
rendimiento clave (KPI) para llevar a cabo la evaluación de la cadena.
 Las medidas del modelo SCOR son:

 La gestión respecto a la integridad

 Sensibilidad
 Flexibilidad
 Costos
 Eficiencia de activos

En el contexto del modelo SCOR, se realizó un análisis de sensibilidad en las

métricas, seleccionados en función de su importancia, considerando estructural e
información restricciones que persisten en las cadenas de suministro de la fruticultura.
Construimos tres escenarios con la intención de descubrir cómo las métricas seleccionadas
se ven afectados por el uso del proceso jerárquico analítico. Los métodos de múltiples
criterios de decisión (MCMD) nos permiten establecer los parámetros que se utilizarán en
la medición de la gestión de una cadena, donde la información es escasa.

Por otra parte, el análisis de sensibilidad hace que sea posible identificar cómo
se ven afectados los indicadores seleccionados, si los supuestos del cambio análisis.
Una adecuada selección de las métricas con respecto a las características de la cadena
puede apoyar la intervención para mejorar su eficiencia y eficacia.

2.0 Planteamiento del problema

Se plantea que la gestión de la cadena de suministro es eficiente, hace que las

empresas obtengan ventajas competitivas, dando que además se planifican las
actividades de adquisición, compra, transformación y distribución, pretendiendo
también gestionar y coordinar la colaboración entre canales, tales como proveedores,
intermediarios, proveedores de logística y clientes.

El sector rural en Colombia tiene poca integración, aparte de la poca

infraestructura tecnológica para apoyarlo lo que implica dificultades en su rendimiento.
La zona rural medio de la ciudad de Guadalajara de Buga, donde este trabajo se lleva a
cabo no es ajeno a esta situación de acuerdo con los datos reportados por la Secretaría
de Agricultura y por el informe de caracterización de dicho sistema.
 La cadena de fruticultura de la zona rural medio de la ciudad de Buga, se estudia
desde la perspectiva de gestión utilizando la métrica del SCOR modelo, donde la mayor
dificultad radica en la aplicación de tan gran número de métricas para la cadena
fruticultura dado su carácter informal, que plantea el problema de la identificación de
cuáles son las métricas más pertinentes con el fin de medir la administración de la
cadena y cómo esta selección es alterada cuando algunas condiciones del análisis
varían.

Los indicadores presentados por el modelo SCOR son un conjunto finito de

posibles indicadores que pueden utilizarse, sin proponer niveles de importancia, y
algunos básicos que se pueden utilizar en un escenario de información restringida como
punto de partida con el fin de medir la gestión integrada de cadena de suministros.

A partir de este enfoque, la siguiente pregunta de investigación que surge es: ¿Si
queremos utilizar métricas seleccionadas a partir del modelo SCOR en una cadena de
suministro fruticultura poco integrados, cómo es esta selección afectada por cambios en
la metodología AHP?

3.0 Metodología

Como punto de partida, se presenta una descripción de la creciente cadena de

suministro de frutas y definimos los enlaces a considerar dentro del análisis. Las
métricas asociadas a los atributos del modelo SCOR son presentadas (fiabilidad,
capacidad de respuesta, la agilidad, costo, Activos). Un árbol de indicadores
estructurados por categorías y tipo de proceso se presenta con el fin de proceder a la
ejecución de un método de decisión multicriterio discreto, y la determinación de los
indicadores que llevan la mayor importancia para cada nivel y los atributos asociados.
Por último, el análisis de sensibilidad se lleva a cabo con el fin de conocer los cambios
en la selección de los indicadores.
 3.1 La aplicación del método de decisión multicriterio

El método multicriterio propuesto por [10] aplica, llamado “Proceso Analítico

Jerárquico” (AHP), a fin de elegir las métricas preferidas en cada nivel de la SC.
Utilizando la notación matemática, que se puede expresar de la siguiente manera:

Ser X ij la métrica de i atributo en el nivel j, el conjunto de métricas que el

rendimiento de medida será dada por:

[ X 1,1 , X 1,2 , X 1,3 , X 2,1 , … … X m , n ]

Donde m es el número de atributos y n el número de niveles. El múltiplo AHP
se presenta en la Figura 1, que presenta que para cada atributo un AHP se lleva a cabo
para seleccionar un nivel 1 métrica; después de que el nivel seleccionado 1 métrica, otro
AHP se lleva a cabo con el fin de elegir un nivel de 2 métrico, y finalmente una última
AHP se realiza en el nivel 2 métrica para elegir el nivel 3 métrica para medir el
rendimiento global de la cadena.

Cada AHP realiza debe seguir la secuencia de etapas establecidas por Saaty
justo como se menciona en (12). Los criterios múltiples metodología ajustan para el
estudio de caso que se presenta de manera detallada a continuación:

Paso 1: Hay que establecer el objetivo del problema que se aborda en cada uno
de los AHP en cada nivel, y para identificar los criterios que más influye en el logro del
objetivo indican, respectivamente, mediante la caracterización de la cadena de
suministro.
 Paso 2: a continuación, se procede a representar gráficamente la magnitud del
árbol de decisión para cada nivel que el cuarto conjunto de estructura se construye. Esto
significa que el punto de partida es el árbol de nivel 1 después de la AHP respectivo se
ha aplicado, entonces el árbol de nivel 2 se construye y el árbol de decisión para el nivel
3 se construye de la misma manera.

Paso 3: Hemos reunido a un grupo de expertos, y les preguntamos acerca de la

comparación por parejas utilizando la escala de valoración anteriormente mostrado.
Después de obtener las valoraciones, el vector de prioridad de las matrices se calcula así
como el coeficiente de constancia. En caso de que la matriz de ser incompatibles, el
experto se preguntó una vez más a fin de corregir la incompatibilidad.

Paso 4: Después de obtener las valoraciones y los pesos para cada una de las
alternativas (métricas) el uno con la puntuación más alta será elegido como la métrica
para medir el rendimiento de la cadena para el nivel respectivo del atributo
especificado. Es importante aclarar que con el fin de realizar el procedimiento en el
nivel 2 métricas, dicho procedimiento debe haber sido realizado en el nivel 1 métricas
primero; y en la misma línea de pensamiento, con el fin de llevar a cabo el
procedimiento en el nivel 3 métricas, que debe haber sido terminado en el nivel 2 y, al
mismo tiempo, el nivel 2 AHP será la entrada que marca el comienzo del nivel 3 AHP.

Paso 5: Una vez se han obtenido los resultados, es necesario definir cómo usar
tales resultados para medir la gestión de la cadena de suministro con el modelo SCOR.
Se intentó establecer un plan con el fin de comenzar con la disposición de las medidas
en la cadena de suministro.

4 Aplicación y resultados

Con el fin de comenzar la aplicación de la metodología, es importante

especificar que los atributos del SCOR no deban ser revisadas, y que este estudio sólo
se centrará en las métricas para cada nivel.

Paso 1: definir el objetivo del problema. Buscamos para definir la mayoría de

las métricas pertinentes para cada uno de los atributos establecidos por el modelo
SCOR para medir la gestión global de la cadena de suministro. Este análisis se realiza
de una manera escalonada, por lo que las métricas a utilizar en la medición de cada
atributo se analizan como primer nivel, las métricas más pertinente para medir el nivel I
o estratégica métrica asociada al atributo.

Por último, una vez que la métrica de nivel 2 ha sido elegido, el nivel 3 métrica
que se aplica mejor responde a la medición del nivel 2 métrica asociada con el nivel 1
métrica y su respectivo atributo. Para intentar una generalización de este procedimiento,
los objetivos se definen con los siguientes:

Dado: Un conjunto de atributos {i = 1, 2 ..., 5}, donde i = fiabilidad, capacidad

de respuesta, agilidad, costo y eficiencia de la gestión de activos.

Además se ha dado: Un conjunto de nivel j I o métricas estratégicas para

atributo 1 propuesta por = {Perfecto cumplimiento de la orden); k para el atributo 2
propuesta por = {orden de tiempo de ciclo cumplimiento}; l para el atributo 3 propuesta
por = {flexibilidad al revés, adaptabilidad al revés, adaptabilidad lado negativo, valor
en riesgo total}; m para el atributo

El objetivo de la metodología AHP aplicada al primer nivel es para establecer

una disposición de este tipo (i, r) que permite medir la gestión de la cadena de
suministro de la jurisdicción de Monterrey, teniendo en cuenta sus limitaciones y
características. Donde el conjunto de r está formado por la métrica = {j, k, l, m, n} y
que sólo puede haber una métrica de la j, k, l, m y n escriba para definir un conjunto de
disposiciones (i, r) que se convierte en la solución vector v = {(1, j ) (2, k) (3, l) (4, m) y
(5, n)}.

El objetivo del segundo nivel estará constituido por un conjunto igual a la

anterior, donde el conjunto i estará formado por los 1 métricas de nivel seleccionado en
el proceso anterior, que debe corresponder a 5 métricas de {1, 2, 3, 4 , 5}, y el juego de
nivel 2 métricas se establecerá para conformar el vector solución con los arreglos (i, r),
donde r es sólo una métrica asociada con el nivel 1 métrica. El mismo procedimiento se
aplica al nivel 3 métricas.
 4.1 La cadena de suministro fruticultura de Monterrey

La descripción de la cadena de suministro fruticultura se basa en la

caracterización realizada por [13] en la cadena de suministro de la jurisdicción de
Monterrey.

La jurisdicción de Monterrey está compuesta por 5 ciudades pequeñas: La

Unión, Miraflores, Miravalle, Monterrey y San José. Está habitado por 242 familias de
los cuales 180 de trabajo en las actividades agrícolas. Cuarenta y tres cultivos de
plátano se identifican con un rendimiento anual de 522,320 kgs; 36 cultivos de plátano
con 310,980 KGD / año; 3 cultivos de mora con un rendimiento anual de 9.290 kgs, 5
cultivos de otros cítricos con un 5.470 kgs / año, 6 lulo cultivos para un rendimiento
anual de 61.160 kgs, 4 café cosechas que rendimiento 6.630 kgs anuales
aproximadamente, 1 cosecha pitahaya con un rendimiento anual de 6.000 kgs y por
último una cultivo de aguacate con un rendimiento anual de 600 kgs; frijol, calabaza de
maíz y cultivos de yuca también se tienen en cuenta. El costo promedio de producción
de plátanos es de 167 pesos / kg, 223 Pesos / kg para el plátano, 1500 pesos / kg para
lulo, 3625 pesos / kg para el café, a 200 pesos / kg para pitahaya y, por último, habas se
produjeron en un 400 pesos / costo de kilo.

En cuanto a la fijación de precios, el 80% de tiempo que el precio es fijado por

el comprador. Los criterios de coste y expiración presentan ninguna influencia en la
determinación del precio de venta. El estudio identifica una diferencia entre el precio de
venta del productor al intermediario que alcanza hasta 657% en el caso de los cítricos,
en relación con el precio de venta final al consumidor final. Se identifica que la
principal dificultad en el proceso es el transporte.

Para el comercio, los informes de los estudios que en el 62% por ciento de los
casos, los productores entregan sus productos a la puerta de la granja donde los
compradores recogerlos; el otro 38% se hace cargo de sí mismos transporte, ya partir de
esa cantidad el 24% utiliza un medio de transporte alquilados o el autobús “chiva” que
va alrededor de la ciudad; 14% tienen su propio vehículo. Los productos son 43,41%
comercializan a través de intermediarios, 24,03% a través de asociaciones, y 5,56% a
través de puntos de venta, 2,12% a través de tiendas de barrio y 24,89% a través de los
individuos.

Los información sobre la cadena de suministro de características apunta a una

ruptura general de la cadena, debido a los siguientes aspectos:

1. cadena de suministro de la fruticultura de Monterrey no tiene una sistema de

distribución claramente definido, y no presenta un objetivo estratégico integral para su
desarrollo.

2. Salvo por un grupo de productores de plátano, los cuales son asociado, los
productores de otros tipos de frutas no muestran interés hacia la integración con el fin
de mejorar el rendimiento y la gestión de Carolina del Sur.

3. La gran diferencia de precio entre lo que el productor recibe y lo que el

consumidor final paga es evidente. Esto presenta una oportunidad para mejorar la vida
de los productores, dado que tal diferencia de precios no se distribuye equitativamente
entre los eslabones de la cadena.

4. En general, en este suministro de los productores de la cadena crecen los

cultivos y venderlos en su granja; intermediarios compran y llevan a los centros de
consumo, y los minoristas compran y venden en su centro comercial. Esto muestra la
cadena de suministro no se articula, lo que permite poner adelante la hipótesis de que
los ingresos no se optimiza.

Paso 2: Representación gráfica del árbol de decisión. La estructura de árbol para

el análisis jerárquico comienza con el nivel 1 de SCOR, teniendo en cuenta que los
atributos no serán objeto de análisis, pero las métricas asociadas a cada atributo
voluntad. Como se explicó anteriormente, los atributos de fiabilidad, capacidad de
respuesta y el costo no están dentro de este nivel desde un solo nivel 1 corresponde
métricas a ellos.

Según el criterio de la agilidad (véase la figura 2) sólo un nivel 1 métrica debe

ser recogido a partir de los 4 alternativas disponibles. Asimismo, de acuerdo con la
gestión eficiente de criterio Activos, una métrica de nivel 1 debe ser recogido a partir de
los 3 alternativas disponibles.

Una vez que el nivel 1 métrica ha sido seleccionado, se hizo pasar por un
criterio, y el mejor nivel de ajuste 2 métrica (alternativa) se define para ese criterio. Por
último, vamos a seleccionar la métrica (criterio) Nivel 3 que responde al nivel 2 métrica
(criterio).

Después de definir la métrica que medirá la fiabilidad (Ver Figura 3) sobre la

base del criterio de cumplimiento de la orden perfecta, se convierte en el objetivo;
corresponde el criterio para la métrica seleccionada y las alternativas será el nivel 3
indicadores asociados. A modo de ejemplo, si la precisión documentación se define
como la métrica a considerar, el árbol de decisión se verá de la siguiente manera:

Paso 3: Metodología para la selección de expertos. En el siguiente paso, las

alternativas de métricas deben ser evaluados en cada uno de los niveles para cada
atributo. Tal evaluación debe llevarse a cabo según la metodología AHP a través de un
grupo de expertos. La selección de los expertos es una etapa clave que repercute en los
resultados del proceso, ya que son las personas que proporcionarán las evaluaciones.

Se tiene en cuenta, que consta de 5 pasos fundamentales: 1. La elaboración de

una tabla nominación a los recursos de conocimiento. 2. La asignación de los nombres
de expertos específicos para las categorías identificado en el paso anterior. 3. La
identificación de los expertos adicionales. 4. Pedidos de expertos en función de su
experiencia. 5. Formalmente invitando a los expertos.

Paso 4: Sintetizando las prioridades locales sobre la jerarquía para obtener un

resultado global para cada alternativa Después de la elección de los expertos pertinentes
para la evaluación, se elaboró una encuesta para cada uno de ellos. En tal encuesta, las
métricas se compararon por pares para cada uno de los atributos en cada nivel
correspondiente.
 Tabla 2 muestra las matrices totales evaluados para cada atributo, así como las
matrices totales para el tema en cuestión. Del mismo modo, podemos observar la
cantidad de matrices inconsistentes y consistentes respectivamente. De lo anterior,
vamos a generar los porcentajes de consistencias e inconsistencias por atributo y totales
en las tablas 3 y 4, a partir de la información obtenida de los expertos. Después de
revisar los resultados anteriores, con el fin de garantizar la eficacia del método, se
aplica la metodología planteada por [15] para la consistencia completa de las matrices
(método de los rectángulos).
 4.2. pesos de importancia de cada atributo en la cadena de suministro
estudio de caso

Es evidente de la Tabla 6 que el atributo más importante en esta cadena de

suministro es costo con un 30,3% de importancia, seguido de la fiabilidad con un
22,4%. Por otra parte, es evidente que el atributo menos importante es activos con un
peso de 8%. A continuación, se mostrará las métricas seleccionadas en cada nivel para
cada atributo, en orden de importancia. Costes: el nivel 1 métricas para este atributo se
define de forma predeterminada según el modelo SCOR, y es el coste total de
suministro. El nivel 2 métrica seleccionada para este atributo es CO.2.4 que
corresponde al coste de producción, la obtención de una importancia 25% de acuerdo
con la Tabla 7. Por último, la métrica de nivel 3 para este atributo es CO.3.14 (mano de
obra directa de la producción) con un peso 60,4% de importancia según la Tabla 8.
 Fiabilidad: El nivel 1 métrica seleccionada para este atributo viene definido por
defecto, de acuerdo con el modelo SCOR, y es el perfecto cumplimiento de la orden. El
nivel 2 métrica seleccionada para este atributo es RL.2.4 que corresponde a perfectas
condiciones, la obtención de un peso 61,3% de importancia según la Tabla 9.
Finalmente, el nivel 3 métrica de este atributo es RL.3.24 (% de los pedidos libre de
daños recibidos) con un peso 37,7% de importancia de acuerdo con la Tabla 10.
 Sensibilidad: El nivel 1 métrica para este atributo ya está definido por defecto,
de acuerdo con el modelo SCOR, y es el tiempo de ciclo de pedido cumplimiento. El
nivel 2 métrica seleccionada para este atributo es el RS.2.3 que corresponde al tiempo
de ciclo de entrega, la obtención de un 36,5% de importancia de acuerdo con la Tabla
11. Por último, la métrica de nivel 3 para este atributo es RS.3.110 (tiempo de ciclo de
entrega) con un peso 12,99% de acuerdo con la Tabla 12. Agilidad: el nivel 1 métrica
seleccionada para este atributo es AG.1.13 que corresponde a Forward Adaptabilidad, la
obtención de un peso 49,9% de importancia de acuerdo con la Tabla 13. Tabla 13.
Comparación Metric Nivel 1
 Paso 5: Definición de una ruta de acceso para el uso de los resultados
obtenidos en la medición de la gestión de la cadena de suministro con el modelo
SCOR.

El análisis de criterios múltiples desarrollado en este documento está orientado

hacia la determinación de la mayoría de los parámetros importantes para el conjunto de
los cinco atributos definidos por el modelo SCOR como clave en la medición de la
gestión de una cadena de suministro. Los resultados obtenidos nos permiten establecer
al menos una métrica por atributo y el nivel de análisis. Sin embargo, los resultados
también ofrece una priorización que podría ser utilizado como una ruta crítica para
aplicar métricas adicionales una vez que los pasos para implementar el precedente
métricas se han completado. Esto significa que las métricas definidas son compartidos
con los actores de la SC, las prácticas requeridas para obtener la información se aplican,
la métrica se aplica y se obtiene la información inicial sobre el estado de la gestión SC.

Este plan de trabajo (véase la Tabla 18) debe sistematizar la aplicación de las
métricas en tal una forma que las prioridades en el AHP son cubiertos gradualmente y
por lo tanto mejorar la gestión de la cadena con el tiempo. Esto sugiere que los
pequeños productores y otros actores de la cadena deben participar de manera decisiva,
probablemente a través de varios años, como lo requiere el proceso de intervención.

Para este atributo, el modelo SCOR no presenta nivel 3 métricas. Bienes: El

nivel 1 métrica seleccionada para este atributo es AM.1.1 que corresponde al tiempo de
ciclo de efectivo a dinero en efectivo, la obtención de un peso 49,76% de importancia
de acuerdo con la Tabla 15.

El nivel 2 métrica seleccionada para este atributo es AM.2.2 que corresponde a días
de inventario de alimentación, obteniendo una 65,8% en peso de importancia de acuerdo
con la Tabla 16. El nivel 3 métrica de este atributo es AM.3.45 (días de inventario para
productos terminados) con un peso 23% de importancia, de acuerdo con la Tabla 17.

5. Análisis de sensibilidad

Después de seleccionar las métricas para cada nivel de cada atributo, el análisis
de sensibilidad del sistema se lleva a cabo teniendo en cuenta tres nuevos escenarios, y
teniendo el sistema inicial como la línea de base (véase la Tabla 19).Los primeros
escenarios cesionarios un peso igual al 25% para cada una de las opiniones de los
expertos, que modifica la situación inicial que supone un peso diferencial para cada uno
de ellos.

El segundo escenario considera las limitaciones para la recopilación de

información relacionada con las métricas obtenidos del sistema inicial. En tal sentido,
las simulaciones se llevan a cabo la eliminación de las métricas obtenidas inicialmente
para todo el sistema, y dejando sólo las ponderaciones para el juicio de expertos de
acuerdo a lo establecido en el sistema inicial.

El tercer escenario combina los anteriores, lo que significa que el sistema se

evalúa mediante la eliminación de las métricas obtenidos del sistema inicial y luego
ponderando con pesos iguales a 25% para el juicio de expertos.

En la simulación de escenario 1 (Tabla 20), un cambio se produce en el nivel 2

métrica del atributo costes, moviéndose de CO.2.4 (El coste de producción) a CO.2.8
(costo de ventas). El nivel 3 CO.3.14 métrica (Costo de producción directa se elimina la
mano de obra). Además, hay un cambio en el nivel 3 métrica asociada al atributo
activos que se mueve de AM.3.45 (Días de inventario de productos terminados) a
AM.3.17 (días de inventario - WIP).
 En cuanto al nivel 2 métricas, CO.2.4 y CO.2.8, la nueva métrica obtenida es
conveniente ya que incluye los costos asociados con la producción, dando una
perspectiva más amplia sobre el elemento de costo.

Esta métrica podría ser más útil en la medición de la gestión de un SC, a pesar
de no tener un nivel asociado 3 métrica. En cuanto al nivel 3 métricas asociado al
atributo activos, que pasó de AM.3.45 (días de inventario de producto terminado) a

AM.3.17 (Días de Inventario - WIP) se podría decir que ambas métricas miden por
separado ofrecen una visión parcial de la La cadena. Sin embargo, si tenemos en cuenta
la capacidad o velocidad a la que se recupera el dinero invertido en el proceso
productivo, podría ser más útil para el trabajo con la métrica AM.3.45.

CO.2.4 a CO.2.28, una métrica que correspondía al segundo lugar cuando

reflexionando entre las métricas de nivel 2. El atributo de fiabilidad se mueve de RL.2.4
(Condiciones perfectas) a RL.2.2 (Entrega a clientes según lo acordado fecha) en el
nivel

2. Finalmente, ocurre lo mismo con el atributo de respuesta donde se mueve de

RS.2.3 (Tiempo de ciclo de entrega) a RS.2.2 (Tiempo de ciclo de producción) en el
nivel 2. Por otro lado, las métricas de nivel 1 correspondientes a los atributos de la
agilidad y los activos se mueven respectivamente de AG.1.3 (Adaptabilidad hacia
adelante) y AM1.1 (Tiempo de ciclo de flujo de efectivo) a AG.1.4 (Cantidad a riesgo
total) y AM.1.3 (Retorno sobre el capital de trabajo), que correspondió a la segunda
reflexión en el orden de las métricas de nivel 1 del sistema inicial.

Aunque es complicado precisar la conveniencia de las métricas Para este caso

particular, parece que las métricas obtenidas proporcionan una perspectiva más amplia
sobre la gestión de la SC. Al simular el escenario 3 (ver Tabla 22), observamos que las
métricas obtenidas para las métricas de nivel 1 y 2 son consistente con los resultados
obtenidos en el escenario 2. En el caso del nivel 3 métrica, presenta una variación con
respecto al escenario 2 para el atributo de capacidad de respuesta, que pasa de RS.3.128
(tiempo de ciclo del producto terminado etapa) a RS.3.114 (tiempo de ciclo para liberar
el producto terminado).

En general, de acuerdo con el resultado obtenido de las simulaciones, puede

Obsérvese que la variación de los pesos porcentuales en el experto el juicio no cambia
el modelo significativamente, ya que solo modifica el porcentajes de selección, pero la
preferencia sigue siendo la misma en la mayoría de los casos.

6. Conclusiones

1. Un desafío importante de las cadenas de suministro de frutales es medir su

gestión. Aunque esta medida podría abordarse desde varias perspectivas, el modelo
SCOR ofrece una perspectiva amplia e integral para determinar la cadena tasa de
administración. Sin embargo, el modelo asume una integración cadena, que está lejos
de la realidad de los pequeños productores en el cultivo de frutas cadenas; pero al usar
modelos de decisiones de criterios múltiples es posible definir un punto de partida que
promueva la medición de la integración y gestión, partiendo de las métricas básicas
seleccionadas por expertos que permiten avanzar en la mejora continua de cadena en
términos de administración.

2. La metodología de análisis de criterios múltiples es adecuada para abordar un

problema complejo, como seleccionar las métricas del Modelo SCOR, ya que existe una
amplia gama de métricas, para identificar aquellas que mejor se ajusta midiendo la
gestión igualmente compleja de un suministro cadena, dadas sus pobres características
de integración. Por encima de todo, esta herramienta ofrece una alternativa para
adaptarse y proponer una ruta de mejora para la administración de la cadena mediante el
uso de un modelo ampliamente aceptado como como el SCOR como referencia para
medir la gestión del suministro cadenas

3. El análisis de sensibilidad muestra que no hay cambios importantes en el

métricas seleccionadas al cambiar los pesos de las métricas de proceso, que apunta a
una adecuada solidez del seleccionado métricas, y nos permite confiar en la aplicación
de estos indicadores como Un punto de partida para un proceso de mejora de la gestión.

4. Desarrollar un plan de trabajo es vital como punto de partida para medición

de gestión, pero también como propuesta de ajuste y adaptación de una ruta alternativa
para implementar el modelo SCOR en un cadena de cultivo de frutas que, en este
estudio de caso, se vuelve muy importante Dadas las contribuciones potencialmente
grandes que podría aportar a la desarrollo de pequeños productores frutales.