ENTREGA FINAL PROYECTO DE INVESTIGACIÓN DE SIMULACIÓN

DE PROCESOS

PROPUESTA DE MEJORA EN EL PROCESO DE ALMACENAMIENTO POR

MEDIO DE SIMULACIÓN EN EL SOFTWARE ARENA EN LA EMPRESA
MULTICONTROL LTDA.

INTEGRANTES

CRISTINA CUELLO
LINA BAUSSA
JESUS DIAZTAGLE
JOHNNY MENDIVIL
DANIEL OLIVELLA

DOCENTE:

JULIO CESAR MOJICA

UNIVSERIDAD DE LA COSTA (CUC)

BARRANQUILLA, ATLÁNTICO, NOVIEMBRE DEL 2020
 TABLA DE CONTENIDO

RESUMEN..............................................................................................................................4
1. INTRODUCCIÓN..........................................................................................................4
2. GENERALIDADES DE LA EMPRESA SELECIONADA..........................................5
3. PLANTEAMIENTO DEL PROBLEMA.......................................................................6
4. JUSTIFICACIÓN...........................................................................................................8
5. OBJETIVOS...................................................................................................................8
5.1. OBJETIVO GENERAL...........................................................................................8
5.2. OBJETIVOS ESPECIFICOS...................................................................................8
6. MARCO REFERENCIAL..............................................................................................9
6.1. MARCO TEÓRICO.................................................................................................9
6.1.1. Modelo de revisión continua.............................................................................9
6.1.2. Modelo de revisión periódico.........................................................................10
6.2. ESTADO DEL ARTE............................................................................................11
7. METODOLOGÍA.........................................................................................................15
8. ANÁLISIS DE ENTRADA..........................................................................................15
8.1. REFERENCIA 1....................................................................................................17
8.2. REFERENCIA 2....................................................................................................18
8.3. REFERENCIA 3....................................................................................................19
9. DESARROLLO DEL MODELO CONCEPTUAL......................................................20
9.1. ENTIDADES..........................................................................................................22
9.2. ATRIBUTOS..........................................................................................................22
9.3. VARIABLES..........................................................................................................22
9.4. PROCESOS............................................................................................................22
9.5. SALIDAS...............................................................................................................23
9.6. SUPUESTOS..........................................................................................................23
10. CONSTRUCCIÓN DEL MODELO EN ARENA (TRADUCCIÓN,
VERIFICACIÓN, VALIDACIÓN Y ANIMACIÓN)..........................................................24
11. ANÁLISIS DE SALIDA...........................................................................................26
11.1. NÚMERO DE REPLICAS.................................................................................26
 11.2......................................................................... TIEMPO DE CALENTAMIENTO
27
12. CONSTRUCCIÓN DE PROPUESTAS DE MEJORAS...........................................27
13. ANÁLISIS DE ESCENARIOS.................................................................................28
14. CONCLUSIONES Y RECOMENDACIONES.........................................................28
BIBLIOGRAFÍA..................................................................................................................28

LISTA DE TABLAS

Tabla 1. Misión y visión de Multicontrol Ltda. (Multicontrol Ltda., 2020)..........................5

Tabla 2. Datos análisis de entrada........................................................................................15
Tabla 3. Probabilidad de cantidad de pedidos según referencia..........................................20
Tabla 4. Características de las entidades..............................................................................22
Tabla 5. Datos para análisis de salida..................................................................................25
Tabla 6. Número de replicas................................................................................................27
Tabla 7. Propuestas de mejora.............................................................................................27
Tabla 8. Análisis de escenarios............................................................................................28

LISTA DE FIGURAS

Figura 1. Productos de mayor rotación..................................................................................7

Figura 2. Modelo de revisión continua (Ingenioempresa, 2018)...........................................9
Figura 3. Modelo de revisión Periódico (GEO Tutoriales, 2015)........................................10
Figura 4. Histograma de frecuencias pedidos Referencia 1.................................................17
Figura 5. Histograma de frecuencias pedidos Referencia 2.................................................18
Figura 6. Histograma de frecuencias pedidos Referencia 3.................................................19
Figura 7. Modelo conceptual...............................................................................................21
Figura 8. Comportamiento del nivel de inventario en el prototipo......................................24
Figura 9. Modelo en ARENA..............................................................................................25
Figura 10. Periodo de calentamiento...................................................................................27
 RESUMEN
El presente trabajo busca presentar una propuesta de mejora en el proceso de gestión de
inventario en la empresa MULTICONTROL LTDA especialmente en aquellos productos
en los que se presenta problemáticas actualmente. Este estudio se llevará a cabo por medio
del software Arena, por medio del cual se identificarán y probarán propuestas de mejora en
base a las medidas de desempeño del problema. Se concluyo que una de las mejor
alternativas es la de aumentar la cantidad a pedir de 2 de los productos con el fin de reducir
los costos de inventario y la cantidad de faltantes presentados.
1. INTRODUCCIÓN

¿Te imaginas intentar dirigir un negocio cuando no sabes cuánto producto tienes en tu
inventario? ¿O cuanto necesitas para completar una venta, sin saber exactamente dónde
están? Peor aún es no tener lo suficiente a mano para completar la venta y perder el cliente
frente a un competidor.
Un buen sistema de inventario evitará el agotamiento de existencias, permitirá un amplio
margen de tiempo para reponer las existencias y le dará una idea del valor atado a sus
existencias en cualquier momento dado. Para muchas empresas, el inventario físico es su
mayor gasto. La gestión adecuada de este gasto podría significar la diferencia entre el éxito
y el fracaso.
Para una adecuada gestión de los inventarios es necesario una política de inventario. Esta
Ayuda a gestionar mejor el flujo de existencias. Los sistemas de control de inventario
toman una medida precisa de los activos actuales, inventario en reserva, y proporcionan una
mejor idea sobre la situación financiera.
La política de inventario también es esencial para mantener un equilibrio adecuado entre
los diferentes tipos de inventario almacenados. Un stock insuficiente puede provocar una
parada de la producción, además de que pueden crear un impacto negativo en los clientes.
Una sólida política de inventario asegurará que una empresa tenga suficientes materias
primas para llevar a cabo sin problemas la fabricación y el suministro de los productos
terminados.
La política de inventario también desempeña un papel crucial para evitar la
sobreacumulación. Diversas técnicas de gestión de inventario garantizan que los productos
no permanezcan inactivos en los almacenes. Además, algunas empresas pueden integrar la
metodología de eliminación para reemplazar los productos excedentes por medio de
desmontajes y remodelaciones.

4
 La falta de una política de inventario puede causar el cierre completo de un
negocio. Para evitarlo, las empresas suelen implementar estrategias que integran al
proveedor de la materia prima, a los departamentos de fabricación de su empresa, y a las
empresas de estructura logística o de transporte para minimizar la acumulación o el
desperdicio de los productos terminados.
Este proyecto busca implementar modelos de inventarios para establecer una nueva política
de inventarios que se desempeñe mejor que la política actual, para ello se realizará una
toma de datos de costos de inventario, demanda y pedidos realizados en el anterior periodo,
con el fin de simular diferentes políticas de inventario y encontrar la más adecuada que
reduzca los costos de este proceso en el futuro.

2. GENERALIDADES DE LA EMPRESA SELECIONADA

Multicontrol Ltda. es una empresa colombiana, fundada en el año 1999, encaminada a la

distribución, asesoramiento y soporte técnico de soluciones para las necesidades de
automatización de máquinas y procesos industriales de sus clientes y aliados estratégicos,
para lo cual cuenta con un grupo de ingenieros especializados que cuenta con capacitación
continua, gracias al apoyo constante de sus fabricantes, con el objetivo de brindar el mejor
y más rápido servicio técnico. Gracias al reconocimiento que MULTICONTROL ha
obtenido a lo largo de los años en el sector manufacturero, hoy en día cuenta con cobertura
nacional e internacional en la ciudades principales de Colombia (Barranquilla, Bogotá, Cali
y Medellín) y sedes internacionales en Panamá y Miami, lo cual les ha permitido proveer
diferentes opciones de entrega de equipos a nivel internacional (Multicontrol Ltda., 2020).
La visión y misión de la compañía se presentan en la Tabla 1.
Tabla 1. Misión y visión de Multicontrol Ltda. (Multicontrol Ltda., 2020).
Misión Visión
Ser el principal proveedor de soluciones y MULTICONTROL seguirá siendo una
servicios de ingeniería de alta calidad para empresa proveedora de soluciones y
la automatización de la industria nacional e servicios técnicos de automatización
internacional, en los países autorizados por industrial reconocida por la eficiencia,
nuestros proveedores, suministrando calidad y compromiso de cada uno de los
equipos con altos estándares de calidad y departamentos que integran nuestra
brindando un soporte técnico especializado compañía; crecerá en el mercado siendo la
y oportuno a través de su personal principal aliada tecnológica y comercial de
altamente calificado, con el fin de lograr la sus clientes apoyada en su excelente grupo
satisfacción de las necesidades actuales y de trabajo, conformado por profesionales de
futuras de sus clientes. Además de ser una ingeniería, logística y servicio al cliente lo
compañía rentable que contribuya con el cual permitirá brindar soluciones robustas,
mejoramiento de la calidad de vida, oportunas y tecnológicas que permitirán
desarrollo personal y profesional de su optimizar la productividad de sus clientes,

5
 valioso grupo humano. logrando así su plena satisfacción.
La Sucursal o punto de trabajo a estudiar será la de Barranquilla en donde se tiene
inventario para distribuir a los clientes de la costa caribe.

3. PLANTEAMIENTO DEL PROBLEMA

Toda empresa tiene problemas de inventario, sean reconocidos o no. Los excedentes, los
materiales obsoletos, las existencias, el material almacenado en el almacén equivocado, el
material que no es lo suficientemente bueno como para ser utilizado pero que es demasiado
bueno para ser desechado y los artículos que se acercan a sus límites de vida útil,
contribuyen al problema. Estos problemas de inventario representan residuos. Atascan el
dinero de la empresa, requieren manipulación de materiales y consumen un espacio valioso.
Tal vez, lo más importante es que los problemas de inventario hacen que la operación de
almacenamiento sea más grande y compleja y, por lo tanto, más costosa de lo necesario.
En la actualidad con la gran competitividad del mercado las empresas están en la búsqueda
continua de herramientas que le den un valor agregado a sus productos, que disminuyan los
costos y por ende representen un aumento en la utilidad de la compañía. El problema típico
presentado en torno a la labor de almacenamiento es ¿cuánto pedir? Y ¿cuándo pedir?, dos
preguntas que, aunque sencillas engloban un gran número de variables y que influyen
drásticamente en las utilidades de una empresa. Por un lado, podría pedirse de más y
generar mayor inventario aumentando los costos de este, mientras que de otra forma se
puede tener agotados o faltantes, incumpliendo tiempos de entrega con una posible pérdida
de clientes y credibilidad de la compañía (Durán, 2012).

Figura 1. Productos de mayor rotación.

6
 La empresa Multicontrol Ltda. es un distribuidor de la marca Omron tiene como
productos de máxima rotación (Ver Figura 1) las referencias XS3F-M8PVC3S10M,
E2A-M18KS08-M1-B3 y NB5QTW01B los cuales generan más del 40% de las utilidades
anuales de la compañía lo que los hace una potencial fuente de utilidades para la empresa,
las cuales pueden aumentar desde la correcta gestión del inventario de estos productos, los
productos vienen desde china y tienen un lead time de 20 a 35 días, por lo que en algunos
casos no se tiene en inventario producto para hacer frente a la demanda de los pedidos
incurriendo en faltantes.
De lo anterior, es claro que una política de inventarios se hace necesaria en cualquier
compañía, por ende, con este proyecto se intenta responder la siguiente pregunta problema:
¿Qué política de inventarios se requiere implementar en la empresa Multicontrol Ltda., con
el objetivo de reducir los costos de almacenamiento y cumpliendo los pedidos de los
clientes?

4. JUSTIFICACIÓN

El inventario es uno de los factores que se pueden controlar para mejorar la rentabilidad de
una empresa. La forma en que se abastece y administra el inventario puede afectar los
diferentes niveles de ganancias del estado de ingresos de una compañía. El
desconocimiento de cómo utilizar el inventario a favor impide maximizar la eficiencia
operativa.
Actualmente la empresa Multicontrol Ltda. está sufriendo de faltantes en algunos de sus
productos de mayor rotación, por ende, con este proyecto se busca disminuir estos faltantes
a la vez que se reducen los costos de la operación de almacenamiento a través de
simulación, permitiendo definir una política clara, que responda a las preguntas. ¿Cuánto
pedir? ¿Cuándo pedir?, con el fin de reducir los costos, y aumentar las utilidades de la
compañía.
Este proyecto representa una novedad para la operación de la empresa en la ciudad, A pesar
de no tomar en consideración todos los productos de la compañía, el trabajo sienta un
precedente, el cual busca ser mejorado en un futuro y que incluya mucha más información
y a tiempo real de la empresa. Todo con el fin de obtener resultados más acertados,
reduciendo los costos de inventario y aumentando las utilidades de la empresa.

7
 5. OBJETIVOS

a. OBJETIVO GENERAL
Proponer una mejora en el proceso de almacenamiento por medio de simulación en el
software ARENA en la empresa Multicontrol Ltda.
b. OBJETIVOS ESPECIFICOS
 Toma de datos de las entidades y definición del tamaño de muestra.
 Realizar un análisis de entrada de las entidades para definir la distribución
estadística que mejor se ajuste a su comportamiento.
 Diseñar un modelo en Arena que simule el comportamiento real del sistema de
inventarios.
 Plantear y evaluar distintas estrategias que permitan optimicen los costos de
inventario con el mayor cumplimiento posible a los clientes.

6. MARCO REFERENCIAL

a. MARCO TEÓRICO

Los modelos de inventarios son métodos que ayudan a reducir o minimizar los niveles de
inventario requeridos en la producción. Existen varios métodos que nos ayudan a conseguir
dichos objetivos, a continuación, se presentan los más relevantes.

i. Modelo de revisión continua

También suele denominarse sistema Q, sistema de punto de reorden o sistema de cantidad

de pedido fija. En este tipo de sistema de control de inventario, cada vez que realizamos el
retiro de un artículo, se realiza el control del inventario restante, en otras palabras, se revisa
el nivel del inventario resultante teniendo en cuenta que:
 Si el inventario resultante está por debajo de determinado nivel, se coloca un nuevo
orden.
 Si el inventario resultante no está por debajo del nivel, sigue consumiéndose.

8
 Figura 2. Modelo de revisión continua (Ingenioempresa, 2018).
Si la cantidad de artículos llega a un nivel específico en el inventario, colocaremos una
nueva orden de pedido y la denominaremos como «Q». Ese nivel específico es lo que
conocemos como punto de reorden o punto de reposición.
Tengamos en cuenta que esta «Q» siempre va a ser fija (y si, por lo tanto, vamos a
calcularla), pero el tiempo entre uno y otro «Q» es variable; si no fuere así estaríamos ante
un modelo determinístico, que es cuando conocemos con certeza la demanda y el lead time.
Establecer una política de nivel de servicio de inventario no es más que definir la
probabilidad de no quedarnos sin inventario durante el tiempo en que se emite una orden de
pedido hasta que este llega (lead time o tiempo de espera).
Por ejemplo, podemos definir un nivel de servicio de inventario de 95%, lo que significa
que hay una probabilidad de 95% de que la demanda no sea mayor que la oferta. Dicho de
otra forma, la probabilidad de que haya faltantes es de 5% (100%-95). Las demás
ecuaciones para la aplicación del modelo de revisión continua son las siguientes.

9
 ii. Modelo de revisión periódico

Un sistema de revisión periódica del inventario (conocido también como modelo P) es

aquel en el cual el inventario de un ítem es revisado cada intervalo de tiempo fijos, y se
realiza una orden por el monto apropiado, es decir, el tamaño de pedido varia con el
comportamiento de la demanda. En relación a lo anterior la pregunta relevante es ¿cuánto
ordenar?
Generalmente un sistema de revisión periódica exige un nivel más alto de inventario de
seguridad en comparación a un sistema de revisión continua (como por ejemplo en el caso
del modelo EOQ). En este contexto y para tener una mejor idea de la evolución de los
niveles de inventario en el tiempo para el modelo P se presenta el siguiente gráfico:

Figura 3. Modelo de revisión Periódico (GEO Tutoriales, 2015).

Por ejemplo, consideremos que el vendedor que abastece de los productos de inventarios a
una minorista toma las órdenes de compra de éste todos los días Lunes a las 10:00 de la
mañana. Asumamos adicionalmente que el Tiempo de Reposición o Lead Time (L) es fijo y
corresponde a 3 días, es decir, todos los pedidos que se realizan el día Lunes son recibidos
exactamente 72 horas después (día Jueves). El gráfico anterior muestra que los pedidos son
realizados cada intervalo de tiempo fijos (T) y la reposición tarda exactamente L unidades
de tiempo en ser recepcionadas. Notar también que el tamaño de los pedidos es variable y
está influenciado por el volumen de productos que se dispone en inventarios al momento de
emitir el pedido. Luego bajo este esquema no siempre se podrá abastecer la totalidad de la
demanda durante el período de reposición (por cierto, tampoco se puede en un sistema de
revisión continua por lo cual lo mejor que se puede hacer es establecer niveles de servicio
en stock como meta para el cálculo en este caso del Punto de Reposición o ROP).

10
 Las ecuaciones necesarias para la aplicación del modelo de revisión periódica son
las siguientes

b. ESTADO DEL ARTE

En la literatura existen muchos estudios basados en la aplicación de modelos de inventarios

en diferentes sistemas, por ejemplo:
Ramírez, utilizó el software ARENA para simular un modelo de control de inventarios (s,
S), esto fue realizado para los 3 productos más representativos en ventas, el modelo tomo
como medida de comparación el costo de almacenamiento, costo de ordenar, costo de
faltantes y costo total. Permitiendo entonces elegir la mejor política de inventario (s, S), es
decir, cual es el nivel de inventario donde se debe hacer el pedido y que cantidad se debe
ordenar, para que el costo de esta operación sea el mínimo (Ramírez Espitia, 2010).
Restrepo y Agudelo, presentaron una propuesta para la mejora de la gestión de inventarios
en la ferretería y deposito las Palmas S.A.S, partieron de la descripción del proceso e
identificación de los posibles factores de mejora a través de un análisis causa-efecto,
seguido de la aplicación de modelos de inventarios. Planteando estrategias como la
identificación y rotación de productos, control de entradas y salidas de mercancías y uso de
indicadores de gestión (Restrepo y Agudelo, 2016).
Becerra, estudio la relación entre el control de inventarios y el proceso de atención al
cliente en la empresa Ferretería Kevin, empresa dedicada a la comercialización de
productos del sector hogar y construcción. Se utilizaron herramientas estadísticas como la
prueba de hipo tesis para determinar la relación entre las dos variables, luego de aplicar el
estudio se encontró una relación positiva entre el control de inventario y la satisfacción del
cliente, la calidad del servicio, el servicio postventa y el beneficio del comprador en la
empresa. Por lo anterior se concluyó que el control de inventarios impacta radicalmente el
proceso de atención al cliente (BECERRA HUAYANA, 2018).
Jiraruttrakul et al, aplicaron el modelo EOQ para reducir el costo de inventario, en una
compañía productora de cerveza en Tailandia. La empresa tenía problemas en cuanto al alto
costo de los inventarios por la pobre gestión de los mismo. La causa fundamental
encontrada fue la falta de una política de inventario sólida, lo que implicaba un alto costo
con exceso de inventario, o tener muy poco para cumplir la demanda. También significaba
pagar un alto costo de almacenamiento. Al simular el modelo el resultado indica que la
empresa puede conseguir un ahorro de costes que asciende al 50% del antiguo coste del
inventario (Jiraruttrakul, Smutkupt, Marksin, Liu, & Thanathawee, 2017).
Corea et al, evaluaron la política de inventarios máximos y mínimos en cadenas de
suministros multinivel en una empresa de distribución farmacéutica utilizando el producto

11
 con mayor nivel de ventas de la empresa para evaluar la política de inventarios. Los
resultados experimentales derivados de las simulaciones por medio del software
ARENA de la política de inventarios demuestran que la solución derivada de la teoría
garantiza un alto nivel de servicio, pero presenta oportunidades de mejora en términos de la
rotación de inventarios (Corea, Camejo, Espinoza, & Gutiérrez, 2018).
Mogrovejo, utilizaron un modelo de simulación en Arena para determinar la cantidad
óptima a comprar y la amplitud del periodo de la empresa COFEGO S.A. dedicada a la
compra, venta y distribución de productos de consumo masivo y escolar. Luego de aplicar
el modelo se encontró que el nivel de servicio por la implementación del sistema de
revisión de inventario periódico mejoró, el intervalo de confianza para la media del nivel de
servicio antes de la implementación del sistema de inventario era (68.99%, 72%), posterior
a la implementación se observa que es (99.10%, 99.65%) con un nivel de servicio deseado
del 97,5% y un periodo de 10 días y (98.63%, 99.30%) con un nivel de servicio deseado del
97,5% y un periodo de 5 días (Mogrovejo Del Salto, 2018).
Patil, Jin y Li, emplearon un de simulación de inventarios de varios niveles en la cadena de
suministro usando la Arena 7.0, los niveles consistían en: un centro de distribución, tres
minoristas y cliente. Con el objetivo de mejorar las ventas y reducir las ventas perdidas
introduciendo la interrelación entre los minoristas. Luego de aplicar el modelo los
resultados de la simulación mostraron que la interrelación con el intercambio de inventario
entre los minoristas ayuda a los minoristas a aumentar sus ventas (Patil, Jin, & Li, 2011)
Baharom y Hamzah, estudiaron el caso de una empresa de fabricación electrónica para
ilustrar el uso de la simulación de Monte Carlo para mejorar el actual sistema de inventario
del producto cable sensor. Se elaboró un modelo de simulación que imitaba el sistema de
inventario actual y se utilizó para estudiar el sistema actual y las políticas alternativas de
puntos de reordenación. Se experimentaron varios puntos de reordenación para determinar
la política de reordenación que da como resultado el costo total de inventario promedio más
bajo por semana (Baharom & Hamzah, 2018).
Khan, Dweiri, y Chaaban, utilizaron utilizar la simulación en la gestión del inventario de la
empresa A Building Materials Trading Company en los Emiratos Árabes Unidos (EAU).
Luego de desarrollar, validar y utilizar un modelo de simulación por medio del software
ARENA. Se plantearon las siguientes recomendaciones a la compañía: 1.) Aumentar el
punto de reordenación de 2.000 unidades a 2.500 unidades, con el fin de actualizar el
inventario nivelar más rápido y disminuir la probabilidad de pérdida clientes y ventas; 2)
Disminuir el tamaño del lote de 9.000 unidades a 8.000 unidades; 3) Aumentar el stock
objetivo de 10.000 unidades a 11.000 unidades, lo que nos mostró la mejor mejora ya que
reduce el porcentaje perdido a aproximadamente el 1%. (Khan, Dweiri, & Chaabane, 2016)
Samad y Anand, estudiaron el sistema de inventario de las instalaciones en la Universidad
Estatal del Sudeste de Missouri. El problema que se abordó fue la falta de una adecuada
gestión de inventario generador de costos excesivos en el almacén de mantenimiento de las

12
 instalaciones, frecuentemente se agotan las existencias de lámparas, lo que cuesta
dinero extra debido a una orden urgente hecha. Luego de aplicar un modelo de
simulación por medio del software ARENA se encontró que el almacén de mantenimiento
debería utilizar un tamaño de lote de 650 unidades, punto de reordenación de 350 unidades,
y stock objetivo de 900 unidades para minimizar el costo y el stock de lámparas. (Samad &
Anand, 2016)
Guerrero y Henriques, Realizaron simulación de eventos discretos como metodología de
apoyo a la decisión en un problema complejo con múltiples variables; con el objetivo de
modelar las operaciones logísticas involucradas en la exportación marítima de commodities
en las presentaciones de carga suelta y granel desde doce empresas productoras hasta el
puerto marítimo. La simulación permite analizar la sensibilidad de los principales
parámetros y variables del sistema, con el fin de definir diferentes modelos de planeación
de despachos. Los escenarios muestran que es posible obtener una reducción de los
inventarios y de los costos de mantenimiento, así como también mejorar los indicadores de
servicio y como consecuencia aumentar la tasa de utilización de los recursos. La utilización
de herramientas de simulación permite el análisis de sistemas complejos y de las variables
implicadas en el proceso, ya que permite la investigación de la sensibilidad e impacto de los
diferentes parámetros en el resultado del proceso (GuerreroHernández & Henriques
Librantz, 2014).
Molina y Flórez, Realizaron un proyecto en la bodega de mercadeo de la Universidad del
Norte, en la ciudad de Barranquilla, tiene como finalidad determinar la distribución de los
productos almacenados en la misma. Finalmente, como resultado del trabajo realizado, se
proporcionó a la empresa la evaluación de la situación actual de la bodega, una distribución
que permite ubicar los productos de manera que se optimicen las distancias recorridas por
el encargado, y por último, una serie de recomendaciones (Molina Aguirre & Flórez
Gómez, 2018).
Duarte, estudio la gestión y control de los inventarios de la Sociedad SOSERAUTO S.A.
utilizando Software Arena, herramienta que permite realizar modelos de simulación de
inventarios (s, S) donde se busca diseñar un sistema de control de inventarios en el almacén
de la empresa y de esta manera hallar una solución óptima y establecer la cantidad mínima
de inventario. De los análisis realizados y resultados obtenidos, se identificó la mejor
política de inventario que toma como criterio de optimización la satisfacción del cliente
(Duarte, 2012).
López y Fontalvo, diseñaron una propuesta para la mejora en la reposición de inventarios
en una empresa distribuidora de autor partes, mediante la simulación en la línea de
vehículos livianos. Simulación mediante software ARENA. Como conclusiones se
encontraron que para aumentar el nivel de servicio, se debe implementar un plan de
inventario tendientes a incrementar las unidades en inventario de las líneas donde se
encontró una mayor demanda y adicionalmente realizar la labor de mercadeo en

13
 recuperación de clientes perdidos por esa razón (LOPEZ PALLARES &
FONTALVO MERCADO, 2019).
Cantú, Guardado y Balderas, realizaron un trabajo que muestra la fundamentación del
concepto de simulación y como se vincula en el proceso como una herramienta, así como el
análisis de las alternativas de software comercial ya existentes, también presenta un modelo
de mejoramiento del desempeño operacional basado en la utilización del software de
simulación ProModel (Cantú González, Guardado García, & Balderas Herrera, 2016).
Puesta Romero, realizo un proyecto basado en el estudio de la cadena de suministro en
construcción de alcantarillados, propone de manera general la estructuración y simulación
de estrategias para el manejo de la cadena de suministros enfocadas a la reducción del
tiempo de producción y la evaluación del manejo de inventarios por medio de estrategias de
mitigación (buffers). Las simulaciones fueron realizadas usando software ARENA. Las
recomendaciones generales con base en los hallazgos: Optimización de tiempos de
producción y manejo de inventarios basado en buenas prácticas relacionadas (PUERTA
ROMERO, 2014).
Escalante y Velasco, realizaron un proyecto de investigación para la optimización de
inventarios de repuestos en bodega de crudo en campo Castilla de Ecopetrol. Se determinan
los niveles óptimos de inventarios para las operaciones en la bodega, mediante las
simulaciones se logró adaptar el plan de inventarios a las demandas cambiantes de la
bodega, y la operación propia de la operación (ESCALANTE MENDOZA & VELASCO
ESCALANTE, 2013).
Gómez Márquez, desarrolló un modelo que permite calcular las cantidades óptimas de
inventario de repuestos a mantener en stock a partir del análisis de los modos de falla del
equipo. Esos análisis se basan en los tiempos operativos del equipo, la tipificación de los
modos de falla y el ajuste de los datos a distribuciones estadísticas. El modelo de
simulación se desarrolló con ayuda del software ARENA® y una aplicación en Visual
Basic de EXCEL®, donde se incluyeron los parámetros mencionados. Los resultados del
modelo asocian la cantidad a mantener en inventario de un repuesto con el costo de cada
una. El costo se expresa como el producto de la probabilidad de tener o no el repuesto
disponible con la consecuencia económica para la compañía (Gómez Márquez, 2009).
Suraj, Kumar & Routroy, Estudiaron la reducción del inventario en un modelo de tres
etapas con una cadena de suministro de dos niveles considerando dos minoristas idénticos
con un centro de distribución y un fabricante. se consideró el tiempo de revisión continua
en las políticas de reposición de inventarios y también se tomó en consideración un solo
producto. La simulación del modelo fue llevada a cabo a través del software Arena para
optimizar el inventario. Además, se identificó el punto de reordenación y la cantidad de
reordenación para optimizar el inventario en todos los niveles de la cadena de suministro
(Suraj, Kumar, & Routroy, 2016).

14
 Kim, Truong & Le, Estudiaron un sistema de inventarios en una cadena de
suministros con el objetivo de determinar las políticas de inventario apropiadas que
pueden ayudar a una empresa a lograr ahorros de costos y la capacidad de satisfacer la
demanda de los clientes. Para hacer frente a la demanda estocástica de los clientes y a los
plazos de entrega, se utilizó y aplico un enfoque de modelización por simulación para un
ejemplo numérico de una cadena de suministro que incluye al fabricante y al distribuidor.
Se analizo un conjunto de cantidad de pedidos, punto de reordenación o período de revisión
para diferentes políticas de inventario en función del costo total del inventario y la demanda
perdida. El estudio resultante muestro que la solución obtenida puede ayudar a los
encargados de adoptar decisiones para lograr la eficacia en función de los costos y mejorar
el nivel de servicio al cliente para toda la cadena de suministro (Kim Cuc, Truong Thi, &
Le Thuy, 2019).

7. METODOLOGÍA

La metodología de este proyecto de simulación en la empresa Multicontrol Ltda. se

realizará de la siguiente manera:
 Se caracterizará el proceso con el fin de determinar que productos están generando
mayores problemas en el inventario, y enfocar esta investigación a ellos.
 Se realizará un análisis de entrada de las entidades que en este caso serán las
demandas de los productos de mayor rotación
 Se realiza el diseño del modelo conceptual, en el cual se detalla cómo es el
comportamiento del proceso de inventario.
 Recopilación de los datos necesarios para poder simular estos procesos,
estableciendo el tamaño de la muestra que se debe tener para estos procesos, y
hallando las respectivas distribuciones de las entidades y recursos que se necesitaran
para implementar la simulación de los procesos.
 Se definen las variables posibles que se pueden presentar en el proceso y que puede
afectar en la simulación en Arena.
 Se simula el modelo en Arena, se especifica el tiempo y el número de veces que se
simulará.
 Los datos arrojados por el modelo se analizan de acuerdo con el informe generado
por arena y se revisa el costo de inventario.
 De acuerdo con el costo obtenido se validan varios escenarios para determinar que
política se ajusta mejor para la compañía.

15
 8. ANÁLISIS DE ENTRADA
La Tabla 1 muestra los datos para el análisis de entrada del modelo. Para cada una de las
tres referencias de mayor rotación denominadas con Ref. 1, 2, 3 para XS3F-
M8PVC3S10M, E2A-M18KS08-M1-B3 y NB5QTW01B, respectivamente.
Tabla 2. Datos análisis de entrada.
Pedidos por día Tiempo entre pedidos [días]
Ref 1 Ref 2 Ref 3 Ref 1 Ref 2 Ref 3
4 5 7 0 0 0
6 7 10 2 2 3
7 8 11 1 1 1
15 18 26 8 10 15
23 28 41 8 10 15
25 31 45 2 3 4
28 35 51 3 4 6
32 40 59 4 5 8
59 74 109 27 34 50
60 76 112 1 2 3
66 83 123 6 7 11
67 85 126 1 2 3
72 92 136 5 7 10
74 95 140 2 3 4
75 96 142 1 1 2
76 98 144 1 2 2
78 100 148 2 2 4
78 101 149 0 1 1
80 103 153 2 2 4
81 104 155 1 1 2
84 107 160 3 3 5
85 108 161 1 1 1
86 110 164 1 2 3
86 110 165 0 0 1
86 110 166 0 0 1
99 126 190 13 16 24
104 132 199 5 6 9

16
 104 133 200 0 1 1
108 138 208 4 5 8
110 141 212 2 3 4
119 153 229 9 12 17
121 155 232 2 2 3
122 156 234 1 1 2
123 157 235 1 1 1
145 185 277 22 28 42
145 186 278 0 1 1
152 195 291 7 9 13
165 211 316 13 16 25
166 213 318 1 2 2
169 216 323 3 3 5
172 220 328 3 4 5
174 222 332 2 2 4

Se realizó una prueba de bondad de ajuste por medio del software Statgraphics para
determinar la distribución de mejor ajuste al modelo.
a. REFERENCIA 1

A continuación, se muestra el histograma de frecuencias (Figura 4) de los tiempos entre

pedidos para la referencia 1, además del informe emitido por el software el cual aclara la
distribución de mejor ajuste a los datos.

Histograma para Ref 1

25 Distribución
Exponencial

20
frecuencia

15

10

0
0 10 20 30 40
Ref 1

Figura 4. Histograma de frecuencias pedidos Referencia 1.

Ajuste de Datos No Censurados - Ref 1

17
 Datos/Variable: Ref 1

42 valores con rango desde 0,0 a 27,0

Distribuciones Ajustadas
Exponencial
media = 4,04762

Pruebas de Bondad-de-Ajuste para Ref 1

Prueba de Kolmogorov-Smirnov
Exponencial
DMAS 0,205347
DMENOS 0,0760481
DN 0,205347
Valor-P 0,0579077

El StatAdvisor
Esta ventana muestra los resultados de pruebas realizadas para determinar si Ref 1 puede modelarse adecuadamente con
una distribución exponencial.

Debido a que el valor-P más pequeño de las pruebas realizadas es mayor ó igual a 0,05, no se puede rechazar la idea de
que Ref 1 proviene de una distribución exponencial con 95% de confianza.

b. REFERENCIA 2

A continuación, se muestra el histograma de frecuencias (Figura 5) de los tiempos entre

pedidos para la referencia 2, además del informe emitido por el software el cual aclara la
distribución de mejor ajuste a los datos.

Histograma para Ref 2

20 Distribución
Exponencial

16
frecuencia

12

0
0 10 20 30 40
Ref 2

Figura 5. Histograma de frecuencias pedidos Referencia 2.

Ajuste de Datos No Censurados - Ref 2

Datos/Variable: Ref 2

18
 42 valores con rango desde 0,0 a 34,0

Distribuciones Ajustadas
Exponencial
media = 5,16667

Pruebas de Bondad-de-Ajuste para Ref 2

Prueba de Kolmogorov-Smirnov
Exponencial
DMAS 0,202835
DMENOS 0,104541
DN 0,202835
Valor-P 0,063117

El StatAdvisor
Esta ventana muestra los resultados de pruebas realizadas para determinar si Ref 2 puede modelarse adecuadamente con
una distribución exponencial.

Debido a que el valor-P más pequeño de las pruebas realizadas es mayor ó igual a 0,05, no se puede rechazar la idea de
que Ref 2 proviene de una distribución exponencial con 95% de confianza.

c. REFERENCIA 3

A continuación, se muestra el histograma de frecuencias (Figura 6) de los tiempos entre

pedidos para la referencia 3, además del informe emitido por el software el cual aclara la
distribución de mejor ajuste a los datos.

Histograma para Ref 3

20 Distribución
Exponencial

16
frecuencia

12

0
0 10 20 30 40 50 60
Ref 3

Figura 6. Histograma de frecuencias pedidos Referencia 3.

Ajuste de Datos No Censurados - Ref 3

Datos/Variable: Ref 3

42 valores con rango desde 0,0 a 50,0

19
 Distribuciones Ajustadas
Exponencial
media = 7,7381

Pruebas de Bondad-de-Ajuste para Ref 3

Prueba de Kolmogorov-Smirnov
Exponencial
DMAS 0,191591
DMENOS 0,0974193
DN 0,191591
Valor-P 0,0916119

El StatAdvisor
Esta ventana muestra los resultados de pruebas realizadas para determinar si Ref 3 puede modelarse adecuadamente con
una distribución exponencial.

Debido a que el valor-P más pequeño de las pruebas realizadas es mayor ó igual a 0,05, no se puede rechazar la idea de
que Ref 3 proviene de una distribución exponencial con 95% de confianza.

9. DESARROLLO DEL MODELO CONCEPTUAL

La Figura 7 muestra el modelo conceptual del modelo, el cual fue diseñado bajo el estándar
BPNM y con el uso del software Bizagi.
El sistema se divide en dos subsistemas el de pedidos en donde se relaciona el inventario
con la demanda requerida por los clientes y el de abastecimiento en donde se relaciona el
inventario con lo solicitado al proveedor.
Para el subsistema de pedidos se tiene una llegada de pedidos de los clientes, los cuales en
la orden de pedido solicitan una cantidad de producto en función de la referencia solicitada,
dado históricos y experiencia en el área comercial se sabe que la distribución de
probabilidades es como se muestra en la Tabla 3.
Tabla 3. Probabilidad de cantidad de pedidos según referencia.
Cantidad
Referencia
1 4 6 8 10
1 1% 10% 20% 25% 44%
2 20% 25% 30% 15% 10%
3 85% 10% 4% 1% 0%

20
 Figura 7. Modelo conceptual.
Luego de solicitado el pedido por el cliente se verifica si existe inventario para cumplir la
orden, en caso de que no se tenga se genera u faltante por el valor de la cantidad de pedido
solicitado de otro modo se retina de inventario la cantidad solicitada y se sale del sistema.
Para el subsistema de abastecimiento se parte de una orden de compra o pedido solicitado
por la empresa Multicontrol a su proveedor Omron, en donde se especifica una cantidad
especifica que actualmente es de 50 unidades de la referencia 1, 20 de la 2 y 10 de la 3 al
mes. Luego de esto el proveedor procesa la orden en un lead time que sigue una
distribución uniforme de 20 a 35 días. Llegada la mercancía a bodega se registra el aumento
del inventario y se sale de este sistema.
A continuación, se enuncian todos los elementos del modelo con sus respectivas
características. Cabe resaltar que a menos que se diga lo contrario todas las unidades
estarán definidas en días.

21
 a. ENTIDADES

Para el modelo se plantearon 6 entidades referentes a los pedidos realizados por los clientes
y los productos solicitados al proveedor, la Tabla 4 resume estas entidades y sus
características.
Tabla 4. Características de las entidades.
Entidad Distribución
Pedido 1 EXPO (4.05)
Pedido 2 EXPO (5.17)
Pedido 3 EXPO (7.74)
Producto 1 COST (30)
Producto 2 COST (30)
Producto 3 COST (30)

b. ATRIBUTOS

Fueron usados 3 atributos referentes a la cantidad de pedidos de los clientes en función el

producto, los valores de estos atributos fueron asignados por medio de una distribución
discreta de probabilidad como se muestra en la Tabla 3.

c. VARIABLES

Se emplearon 3 variables que representan la cantidad de inventario a tiempo real de cada

uno de los productos, con esto es posible recalcular la cantidad de inventarios luego de
realizado un pedido o de reabastecerse de producto la bodega.

d. PROCESOS

Fueron usados 3 procesos para definir el modelo referente al lead time de cada proveedor
que como se mencionó anteriormente sigue una distribución UNIF (20,35)
independientemente del tipo de producto.

22
 e. SALIDAS

El modelo tiene 6 salidas que emulan la salida de cada uno de los subsistemas para cada
producto.

f. SUPUESTOS

Para el modelado del sistema se tienen en cuenta los siguientes supuestos:

 Cada orden emitida por los clientes es única, es decir, se tendrá una orden por cada
tipo de producto que el cliente requiera en caso de presentarse el mismo día.
 Cada orden de compra de producto a los proveedores es única, es decir, en caso de
solicitar más de una referencia en la misma fecha se tomará esta como una nueva
orden.
 No se incluyen los tiempos de almacenamiento o retiro del producto en bodega ya
que es despreciable con respecto al tiempo entre llegada de pedidos y de
reabastecimiento del producto.
 Se supone que se tiene una capacidad de inventario en la bodega infinito dado que
los componentes no ocupan mucho espacio y además tienen lead times muy largos,
por lo que es inconcebible que se llegue a ocupar todo el espacio de la bodega.

23
 10. CONSTRUCCIÓN DEL MODELO EN ARENA (TRADUCCIÓN,
VERIFICACIÓN, VALIDACIÓN Y ANIMACIÓN)

Luego de una corrida de simulación para un año se obtuvieron faltantes de 21, 23 y 3 para
las referencias 1, 2 y 3, respectivamente. Además, se presenta en la Figura 8 el
comportamiento del nivel de inventarios de cada producto a lo largo de una simulación de 1
corrida de 1 año completo.

Figura 8. Comportamiento del nivel de inventario en el prototipo.

24
 El modelo se muestra en la Figura 9, además se puede apreciar a detalle en el
archivo adjunto. doe.

Figura 9. Modelo en ARENA.

El modelo fue validado teniendo en cuenta los siguientes datos recopilados (Ver Tabla 5)
que muestran los faltantes presentados a lo largo de aproximadamente un año.
Tabla 5. Datos para análisis de salida.
Días Ref 1 Ref 2 Ref 3
6 1    
13   4  
31 3    
50   2  
75     1
82 1 3  
98 2    
111   1  

25
 122 3    
149 1 6  
156 3   1
194 3 2  
208 2    
216     1
245   1  
268     1
274 2    
284   2  
319   3  
326 3    
341     1
358   4  
Faltantes 24 28 5

Como puede verse la cantidad de faltantes es similar a lo encontrado con la prueba

preliminar presentando errores por cada referencia de 13, 18 y 40% para cada referencia.
Cabe resaltar que la gran diferencia presentada en la última referencia puede ser debida a
los pocos faltantes que esta genera. Dado que el modelo refleja en gran medida lo que la
realidad muestra, se empleara este modelo para estudiar diferentes propuestas de mejora.

11. ANÁLISIS DE SALIDA

A continuación, se realizará el análisis de salida del modelo propuesto, teniendo en cuenta

como medida de desempeño la cantidad de faltante. Se establecerá una longitud de la
corrida de un año, que es el horizonte de planeación definido por la compañía, y se
determinaran los siguientes parámetros:
 Número de replicas
 Periodo de calentamiento

a. NÚMERO DE REPLICAS

Para determinar el número de réplicas se utilizó el método de razón de ancho medio. Por
consideración se desea que el valor de h no supere el 30% de lo obtenido para h0. Para esto
la Tabla 6 resume los resultados encontrados.

26
 Tabla 6. Número de réplicas.
Promedio h0 n0 S0 h n
Faltante 1 20 12,71 2 1,414636 3,813 23
Faltante 2 22 12,71 2 1,414636 3,813 23
4,949556
Faltante 3 6,5 44,47 2 13,341 23
4

Es decir, reduciendo un 30% la razón de ancho medio encontrada con la corrida preliminar,
se tiene que el número de réplicas a utilizar será de 23.

b. TIEMPO DE CALENTAMIENTO

Para la estimación del tiempo de calentamiento se utilizó el método gráfico, se graficaron

los valores del tiempo entre faltantes promedios de producto 1 para este fin, se realizaron 6
réplicas y se tomaron datos para 30 días, la Figura 9 muestra lo obtenido.

Figura 10. Periodo de calentamiento.

Como se muestra en la Figura 10, el periodo de calentamiento que deberá tomarse será de
aproximadamente 18 días. Para darle tiempo a la simulación de que converjan sus
resultados.

12. CONSTRUCCIÓN DE PROPUESTAS DE MEJORAS

27
 Dado que la mayor parte de los faltantes presentados se encuentra en los primeros
dos productos, las propuestas atacarán dichos sub sistemas en los que intervienen
los productos 1 y 2, estas propuestas se muestran en la Tabla 7.
Tabla 7. Propuestas de mejora.
Propuesta Descripción
Aumentar la cantidad a pedir de producto 1 y 2 hasta 60 y 30 unidades, y
1
reducir la cantidad a pedir del producto 3 hasta 8.
Utilizar otro proveedor con tiempos de entrega menores (UNIF (10, 25))
2
con lo cual se incurre en un sobrecosto de 5%.
Utilizar otro proveedor con tiempos de entrega menores (UNIF (10, 25))
con lo cual se incurre en un sobrecosto de 5%., además de aumentar la
3
cantidad a pedir de producto 1 y 2 hasta 55 y 35 unidades., y reducir la
cantidad a pedir del producto 3 hasta 6.

13. ANÁLISIS DE ESCENARIOS

Las propuestas fueron probadas bajo las medidas encontradas en el análisis de salida,
arrojando los siguientes resultados para las medidas de desempeño. Se tiene que considerar
además que el costo de inventario es de aproximadamente 2.000 por unidad. Se calculo un
costo promedio a partir del inventario de promedio de todos los productos luego de la
simulación, esto como forma para decidir sobre una propuesta.
Tabla 8. Análisis de escenarios
Propuest
Faltante 1 Faltante 2 Faltante 3 Costo
a
Actual 19,6 22,2 1,2 $ 136.555
1 7,6 9,4 1,4 $ 133.534
2 17,4 21,4 0,2 $ 140.087
3 6,2 6,4 2,2 $ 140.119

14. CONCLUSIONES Y RECOMENDACIONES

Como puede apreciarse en la Tabla 8 la mejor propuesta en cuanto a costo es la numero 1,

la cual reduce el costo promedio de inventario en hasta $ 133.534 reduciendo a la vez la
cantidad de faltante drásticamente con respecto a la propuesta actual, sin embargo, la mejor
propuesta en cuanto a faltante es la 3 con un sobrecosto presentado por la toma del nuevo
proveedor.

28
 En base a la información limitada que se tiene sobre la empresa se aconseja emplear
la propuesta 1 la cual no es muy invasiva ya que no afecta la relación cliente –
proveedor, además de que no se están empleando más recursos solo es una decisión en
basada en cuanto pedir. Como recomendación a la compañía, se deja a su criterio la puesta
en marcha de alguna de las otras propuestas en cuanto a sus requerimientos especifico, y su
relación con sus proveedores.

BIBLIOGRAFÍA

Baharom, N., & Hamzah, P. (2018). Inventory Optimization Using Simulation Approach.
Journal of Computing Research & Innovation (JCRINN), 3(2), 38–47. Retrieved from
https://crinn.conferencehunter.com/index.php/jcrinn/article/view/93/67
BECERRA HUAYANA, C. W. (2018). CONTROL DE INVENTARIO Y SATISFACCIÓN
AL CLIENTE EN LA EMPRESA FERRETERÍA KEVIN LIMA-2017. Universidad
Autonoma de Perú. Retrieved from
http://repositorio.autonoma.edu.pe/bitstream/AUTONOMA/568/1/CESAR
WILFREDO BECERRA HUAYANA.pdf
Cantú González, J. R., Guardado García, M. del C., & Balderas Herrera, J. L. (2016).
SIMULACIÓN DE PROCESOS, UNA PERSPECTIVA EN PRO DEL
DESEMPEÑO OPERACIONAL. Revista Iberoamericana de Producción Académica
y Gestión Educativa, 3(5).
Corea, J. L. C., Camejo, J. E. D., Espinoza, O. D. F., & Gutiérrez, H. Y. L. (2018).
POLÍTICA DE INVENTARIOS MÁXIMOS Y MÍNIMOS EN CADENAS DE
SUMINISTRO MULTINIVEL. CASO DE ESTUDIO: UNA EMPRESA DE
DISTRIBUCIÓN FARMACÉUTICA. Nexo, 31(2), 144–156. Retrieved from
https://www.lamjol.info/index.php/NEXO/article/view/6837
Duarte, L. C. S. (2012). Optimización de la gestión de inventarios con simulación en Arena
en la sociedad SOSERAUTO S.A. Universidad Pontificia Bolivariana. Retrieved from
https://repository.upb.edu.co/bitstream/handle/20.500.11912/2209/digital_24022.pdf?
sequence=1&isAllowed=y
Durán, Y. (2012). Administración del inventario: elemento clave para la optimización de
las utilidades en las empresas. Visión Gerencial, 11(1), 55–78. Retrieved from
https://www.redalyc.org/pdf/4655/465545892008.pdf
ESCALANTE MENDOZA, L. K., & VELASCO ESCALANTE, L. A. (2013).
OPTIMIZACIÓN DE INVENTARIOS PARA LOS REPUESTOS DE LOS
CALENTADORES DE CRUDO EN LA BODEGA DEL CAMPO CASTILLA -
CHICHIMENE DE ECOPETROL S.A. UNIVERSIDAD INDUSTRIAL DE
SANTANDER.
GEO Tutoriales. (2015). Características de un Sistema de Revisión Periódica de Inventarios

29
 o Modelo P. Retrieved from
https://www.gestiondeoperaciones.net/inventarios/caracteristicas-de-un-
sistema-de-revision-periodica-de-inventarios-o-modelo-p/
Gómez Márquez, A. J. (2009). Modelo para optimizar políticas de inventario de repuestos
basados en los conceptos de riesgo y confiabilidad de equipos. Universidad del Norte.
Retrieved from http://manglar.uninorte.edu.co/handle/10584/172#page=1
GuerreroHernández, M. A., & Henriques Librantz, A. F. (2014). Simulación de eventos
discretos de la cadena logística de exportación de commodities. Ingeniare. Revista
Chilena de Ingeniería, 22(2), 257–262. Retrieved from
https://scielo.conicyt.cl/pdf/ingeniare/v22n2/art11.pdf
Ingenioempresa. (2018). Sistema de revisión continua de inventarios: Definición, métodos
y ejemplos. Retrieved from https://ingenioempresa.com/sistema-de-revision-
continua/#Que_es_un_sistema_de_revision_continua_de_inventarios
Jiraruttrakul, R., Smutkupt, S., Marksin, W., Liu, L., & Thanathawee, C. (2017).
APPLYING AN EOQ MODEL TO REDUCE AN INVENTORY COST. Journal of
Supply Chain Management Research and Practice, 11(1), 46–55.
Khan, S. A., Dweiri, F., & Chaabane, A. (2016). MANAGING WAREHOUSE
INVENTORY: A SIMULATION BASED CASE STUDY. In 11th International
Conference on Modeling, Optimization and Simulation - MOSIM’16. Montréal,
Québec, Canada. Retrieved from
https://espace2.etsmtl.ca/id/eprint/14285/1/Managing-warehouse-inventory-A-
simulation-based-case-study.pdf
Kim Cuc, V. T., Truong Thi, N., & Le Thuy, N. T. (2019). A Simulation Modelling
Approach for Selection of Inventory Policy in a Supply Chain. In International
Conference on System Science and Engineering (ICSSE) (pp. 349–354).
LOPEZ PALLARES, D. P., & FONTALVO MERCADO, L. M. (2019). DISEÑO DE UNA
PROPUESTA DE MEJORA PARA LA REPOSICIÓN DE INVENTARIOS A TRAVES
DE LA SIMULACION EN LA LINEA DE VEHICULOS LIVIANOS DE UNA
EMPRESA DISTRIBUIDORA DE AUTOPARTES. UNIVERSIDAD DE LA COSTA,
CUC.
Mogrovejo Del Salto, A. (2018). Estimar mediante simulación el inventario a comprar
considerando predicciones de la demanda de los productos. Universidad Politécnica
de Catalunya. Retrieved from
https://upcommons.upc.edu/bitstream/handle/2117/118369/memoria.pdf?
sequence=1&isAllowed=y
Molina Aguirre, M. M., & Flórez Gómez, A. G. (2018). DISEÑO DE LA DISTRIBUCIÓN
FÍSICA DE LA BODEGA DE MERCADEO DE LA UNIVERSIDAD DEL NORTE
PARA MEJORAR LAS DISTANCIAS RECORRIDAS. Universidad del Norte.
Retrieved from http://manglar.uninorte.edu.co/handle/10584/8299

30
 Multicontrol Ltda. (2020). Empresa. Retrieved from
https://www.multicontrol.com.co/index.php/empresa
Patil, K., Jin, K., & Li, H. (2011). Arena Simulation Model for Multi Echelon Inventory
System in Supply Chain Management. IEEE.
https://doi.org/https://doi.org/10.1109/IEEM.2011.6118108
PUERTA ROMERO, F. (2014). EVALUACIÓN DE ESTRATEGIAS PARA EL MANEJO
DE LA CADENA DE SUMINISTROS EN CONSTRUCCIÓN DE
ALCANTARILLADOS POR MEDIO DE SIMULACIÓN DISCRETA. Universidad de
los Andes.
Ramírez Espitia, C. A. (2010). DESARROLLO Y APLICACIÓN DE UNA SIMULACIÓN
EN EL SOFTWARE ARENA COMO SOLUCIÓN EN MANEJO DE INVENTARIOS
DE LA EMPRESA INDUSTRIAS PINTULATEX. Retrieved from
https://repository.upb.edu.co/bitstream/handle/20.500.11912/1093/digital_19132.pdf?
sequence=1&isAllowed=y
RESTREPO ZULUAGA, C. A., & AGUDELO MURILLAS, C. A. (2016).
DIAGNÓSTICO Y PROPUESTA PARA EL MEJORAMIENTO DEL SISTEMA DE
GESTIÓN DE INVENTARIOS EN LA FERRETERIA Y DEPÓSITO LAS PALMAS
S.A.S. Retrieved from
http://vitela.javerianacali.edu.co/bitstream/handle/11522/8462/Diagnostico_propuesta
_mejoramiento.pdf?sequence=1&isAllowed=y
Samad, M. A., & Anand, V. (2016). Inventory Simulation Model of a Lamp of
Maintenance Warehouse of Facilities Management Department at Southeast Missouri
State University Using Arena. Universal Journal of Engineering Science, 4(2), 15–21.
Retrieved from
https://www.researchgate.net/profile/Muhammad_Samad6/publication/328628869_Inv
entory_Simulation_Model_of_a_Lamp_of_Maintenance_Warehouse_of_Facilities_M
anagement_Department_at_Southeast_Missouri_State_University_Using_Arena/links/
5bd93386a6fdcc3a8db2d5fd/Inventory-Simulation-Model-of-a-Lamp-of-
Maintenance-Warehouse-of-Facilities-Management-Department-at-Southeast-
Missouri-State-University-Using-Arena.pdf
Suraj, B. V. S., Kumar, S. S., & Routroy, S. (2016). Positioning of Inventory in Supply
Chain Using Simulation Modeling. IUP Journal of Supply Chain Management, 13(2),
20–32. Retrieved from
https://search.proquest.com/openview/1a052be6aa877eb2b84e8e9b22e85338/1?pq-
origsite=gscholar&cbl=2030007

31