Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIVERSIDAD EAFIT
ESPECIALIZACIÓN EN DIRECCIÓN DE OPERACIONES Y LOGÍSTICA
GESTIÓN DE INVENTARIOS
MEDELLÍN _COLOMBIA
Resumen
Abstract
Contenido
INTRODUCCIÓN ..................................................................................................................................2
OBJETIVOS ..........................................................................................................................................3
VENDOR MANAGED INVENTORY (VMI) ..............................................................................................3
Revisión de Literatura ....................................................................................................................3
Caracteres de exclusión para la revisión ....................................................................................3
Resultados de la revisión ............................................................................................................4
¿Qué es Vendor Managed Inventory (VMI)? ..................................................................................8
Su funcionamiento .....................................................................................................................8
Elementos esenciales del VMI ....................................................................................................9
Modelos de estudio........................................................................................................................9
Newsvendor Problem - Problema del Vendedor de Periódicos..................................................9
Action-reward learning ............................................................................................................13
CONCLUSIONES ................................................................................................................................15
REFERENCIAS....................................................................................................................................24
INTRODUCCIÓN
La actualidad de la competitividad entre organizaciones del sector industrial es cada vez
mayor y más difícil de superar; esta competencia ha pasado de ser regional a global y es por
esto que cada empresa busca continuamente la optimización de recursos y reducción de
costos apoyándose en alternativas de mejora dentro de toda la cadena de suministro,
trabajando de la mano con proveedores y clientes como uno solo. Ante esta necesidad surgen
metodologías de trabajo colaborativo donde se desarrolla gran confianza y se comparte
información importante de cara a sistema productivo, se sincronizan sistemas de
información, se ejecutan acuerdos y se opta por mitigar riesgos en conjunto. Lo anterior
aborda una búsqueda para obtener mejoras conjuntas y significativas como una ejecución
apropiada de costos, reducción de inventarios, aumento de eficiencia y mejora del nivel de
servicio que conllevan a una toma de decisiones ágil y con mayor asertividad.
Una de las metodologías que apoyan estas prácticas es Vendor Managed Inventory (VMI) la
cual se puede definir como una nueva visión de hacer negocios para mejorar resultados en la
cadena de suministro. En esta investigación se abordará a fondo la aplicación de modelos
VMI apropiados concretamente para del manejo de productos perecederos.
OBJETIVOS
General
Analizar el funcionamiento de los modelos de VMI como mejora para el rendimiento de la
cadena de suministro de productos perecederos.
Específicos
Resultados de la revisión
Dentro de los antecedentes históricos de literatura encontrados para el tema de Vendor
Managed Inventory, se encuentran 441 artículos en los últimos 10 años y se denota que esta
metodología es relativamente nueva en su aplicación aunque desde el año 2013 su estudio ha
venido incrementado. Se puede ver que el año en que se publicaron mayor número de
artículos científicos fue 2015 con 60 publicaciones (Gráfico 1). Se reconoce que el Autor que
más ha trabajado en la documentación de este tema ha sido Niaki, S.T.A. con 11
publicaciones (Gráfico 2) aunque no es el Autor más citado. El País que más ha contribuido
con la producción científica de este tema es China, seguido de Estados Unidos con 89 y 80
artículos de forma correspondiente (Gráfico 3). Las áreas académicas que más se han lanzado
en la investigación de este tema son Engineering, Decision Sciences y Business Manag.and
Accounting (Gráfico 4). Finalmente, se exploran los cinco artículos más citados (Tabla 1).
441 document results
Documents by author
Shaabani, H.,
Laporte, G.,
Kamalabadi, I.N.,
Herbon, A.,
Coelho, L.C.,
Chen, L.T.,
0 1 2 3
Gráfico 8 Áreas que más han publicado sobre VMI artículos perecederos
VMI es una práctica que hace responsable al proveedor por el flujo de los bienes hacia la
planta o almacén del cliente, con un proceso más exacto de planeación, reabastecimiento,
elaboración de pronósticos y la implementación de sistemas integrados de comunicación que
en conjunto, permiten hacer más exacto el proceso de planeación de la demanda y adquisición
de los suministros y tiene entre sus principales ventajas, la disminución de los inventarios,
aumento del nivel de servicio y mejoras en el capital de trabajo. VMI se originó en la década
de los 80, cuando comerciantes minoristas exigieron asumir la responsabilidad para reponer
los inventarios a los vendedores, sobre la base de cifras de ventas reales.
Su funcionamiento
El cliente le envía a su proveedor los stocks de los almacenes a reabastecer y los consumos
que tiene, el proveedor analiza los consumos de productos, los tiempos de suministro,
posibles modificaciones de la demanda, los días de stock máximos acordados, etc., y decide
cuánto es lo que tiene que reabastecer. Así el proveedor reabastece directamente, es decir,
genera la orden interna de preparación de productos y la envía al cliente.
Cuando se asume que la demanda es constante y que los productos no se deterioran, calcular
el inventario a entregar al cliente es relativamente fácil, se puede acoger a un modelo de
cantidad económica de pedido Economic Order Quantity (EOQ) donde este modelo permite
obtener una buena aproximación de la cantidad optima de inventarios en varias situaciones
de la vida real. Sin embargo, en situaciones de inventarios donde el producto es perecedero
existe un impacto económico significativo ya que el exceso de productos agrega una
penalización adicional al mantenimiento del inventario y por tanto un desafío importante en
la gestión de inventarios para determinar la manera más eficiente de calcular las cantidades
a mantener evitando desechar productos por vencimiento o deterioro y al mismo tiempo
reducir la probabilidad de ventas perdidas por falta de producto que también implica costos
o penalidades.
VMI es una técnica colaborativa entre cliente y proveedor, y cuando las empresas inician su
colaboración en temas de pronóstico y visibilidad se observa que:
- Modelo colaboratuva
- Modelo de transferencia por mandato
- Modelo totalmente automatizado
Modelos de estudio
Newsvendor Problem - Problema del Vendedor de Periódicos
El Problema del Vendedor de Periódicos es una forma sencilla de ilustrar una categoría de
problemas con demanda incierta pero con distribución de probabilidad conocida, donde se
debe encontrar el tamaño mínimo de pedido que minimice una función de costos esperados.
Este problema es de un sólo período debido a que los periódicos que no se logran vender en
un día no se pueden vender al día siguiente a un valor de mercado y por tanto cada exceso de
inventario tiene un costo monetario asociado. También, realizar un pedido insuficiente para
enfrentar la demanda tiene un costo de oportunidad asociado, que en el mejor de los casos se
puede estimar como el margen no logrado por quiebre de stock, pero que en la práctica puede
incluso provocar la pérdida del cliente (costo difícil de estimar).
Hacer un pedido muy grande de un producto de temporada puede dar como resultado grandes
pérdidas para el negocio. En el caso de las tarjetas de Navidad, por ejemplo, las ventas llegan
a cero el día después de Navidad. La compañía tiene la oportunidad de destruir el inventario
sobrante, vendiendo algunos con grandes ofertas o almacenarlo todo hasta las siguientes
Navidades. La última opción puede ahorrar costes de inventario, pero a la compañía le costará
cuotas de almacenamiento. El inventario que tiene fecha, como las revistas o los recuerdos
de una boda real, pueden no tener mercado después de esa fecha.
Hay muchos costes asociados con tener a mano un inventario demasiado pequeño, y no todos
ellos son directamente financieros. El coste principal es la oportunidad pérdida de obtener un
beneficio. La diferencia entre el precio de venta y el coste multiplicado por el número de
clientes que debieron marcharse es igual al beneficio perdido. Podría ser incluso mayor si los
clientes les dicen a otras personas que la compañía se quedó sin stock y estos clientes
potenciales no aparecieron. Un coste más sutil pero igual de dañino es la buena voluntad de
los clientes. Si los clientes esperan poder comprarte un producto y no pueden hacerlo porque
has pedido de forma poco efectiva, su molestia puede extenderse más y pueden escoger
comprar los productos en otro lugar en el futuro.
Formulas
- CF = Costo de Faltantes
- CE = Costo de Excedente
- PV = Precio de Venta
- C = Costo
- B = Penalidad por Faltante
- VS = Valor de Salvamento o rescate
- CF = PV - C + B
- CE = C - VS
- D = Demanda
- P (D <= Q*) = Probabilidad de que la demanda sea menor o igual a la cantidad pedida
Q*, también conocido como radio crítico.
- Z = Valor en la tabla de distribución normal para el radio crítico
- 𝑥̂ = Demanda promedio
CF
1. P (D <= Q*) = Nivel de servicio a ofrecer
CF+CE
2. Z𝛼 = Radio crítico
3. Q* = 𝑥̂ + Z𝛼𝜎 Cantidad óptima a comprar
Ejemplo:
Un almacén de ropa de temporada desea calcular la cantidad de botas para nieve que debe
comprar. El precio de venta en la tienda es de $50.30 por cada par. El costo de compra al
proveedor es de $35.10. Por motivos de servicio, la empresa prefiere comprar el producto a
un competidor antes de perder un cliente, en este caso el costo es $60. Al final de la temporada
los artículos que no se han vendido se ofrecen a $25. El administrador de la tienda ha
estimado que el pronóstico de demanda tiene una distribución normal con media de 900 y
desviación estándar de 122.
PV = $50.3
C = $35.1
VS = $25
B = ($60-50.3) = 9.7
CF = PV – C + B = 50.3 – 35.1 + 9.7 = 24.9
CE = C – VS = 35.1 – 25 = 10.1
CF 24.9
Paso 1 P (D <= Q*) = = = 0.711
CF+CE 24.9 + 10.1
Paso 2 Z0.711 = Radio crítico (0.711) = 0.557
Paso 3 Q* = 𝑥̂ + Z𝛼𝜎 = 900 + 0.557 * 122 = 968 unidades
NOTA: El valor de Z que garantiza una disponibilidad del 71.1% es de 0.557, tomado de la
tabla de distribución normal o apoyado en un programa como Excel.
Ahora calculamos la ganancia esperada:
En la medida que disminuimos el valor de Q las ganancias se reducen ya que nos afecta la
penalidad por faltantes y en la medida que aumentamos el valor de Q también se tienden a
reducir la ganancias porque también afecta el valor de salvamento ya que es menor que el
costo.
Action-reward learning
El modelo Action-reward learning se fundamenta en determinar la reposición de inventario,
mediante un análisis de un factor de compensación, el cual determina el costo mínimo
asociado a tomar una decisión de reabastecimiento, basado en la cantidad de ajuste de la
orden de reabastecimiento que minimiza los costos de mantener inventario o perder ingresos
por no satisfacer toda la demanda, teniendo como punto de comparación el efecto de emplear
el factor de compensación para los datos del periodo previo. En seguida se muestran las
variables y factores que se utilizan.
Modelo de Liu y Lian
Una adaptación del modelo de revisión continua para productos perecederos, es la solución
desarrollada por Liu y Lian (Liu & Lian, 1998), la cual propone una fórmula que permite
faltantes de stock. Supone que el tiempo de entrega de la orden de reposición de stock es
inmediato y que los pedidos de los clientes son unitarios.
La idea es establecer una ecuación del costo total por unidad de tiempo, la cual depende del
nivel de inventario deseado y del nivel de servicio o cantidad de faltantes de stock tolerados.
La solución es del tipo (S,s) donde S es el nivel de stock deseado, y -s es la cantidad de
faltantes permitidos.
Una vez determinados estos valores para el costo mínimo, cada vez que el nivel de stock
llegue a s, se coloca una orden por (S-s), para restablecer el nivel de stock a S. Puede resultar
que para el costo mínimo lo ideal sea trabajar con gran cantidad de faltante de stock. Por lo
que, es una decisión estratégica decidir cuál es el nivel tolerable de faltantes.
La solución es muy compleja de resolver analíticamente (Lian & Liu, 2001), por esta razón,
se realiza un análisis empírico, donde para varios valores de S y s, se grafica la ecuación del
costo total esperado por unidad de tiempo en función de -s, el nivel de faltantes. Se debe
elegir un nivel de faltante de stock, y en función de eso, determinar el S que proporcione el
costo mínimo. A partir de ese momento, se monitorea continuamente el nivel de inventario,
y una vez que este alcance el nivel s, se solicita una orden por (S-s).
El cuadro presentado a continuación muestra los detalles de la solución propuesta por Liu y
Lian.
Ejemplo:
Un vendedor minorista de quesos vende en promedio 204 quesos por día, con una desviación
estándar de 12, su valor de compra es de $2000 por unidad y se venden a $2500. Si se cumple
la fecha de vencimiento y no se venden, el proveedor reconoce $500 por unidad. El tiempo
de entrega de un pedido es de 3 días. El costo de hacer un pedido es de $100 y el costo de
mantener en inventario es de $15.
El nivel de servicio deseado es del 98% y la cantidad de faltantes permitidos es de 12
unidades por día.
Calcular el costo total por unidad de tiempo C (x, S)
Modelo de Omosigho
Notación:
y = tamaño del lote de pedido es v.a. continua (cantidad que se tiene después que se recibe
un pedido)
y * = cantidad optima a comprar o producir
x = cantidad que se tiene antes de que se coloque un pedido (al inicio del periodo)
D= demanda v.a continua o discreta
f(D)=fD la función densidad de probabilidad de la demanda
F(y)=P(D ≤ y) probabilidad que la demanda tome valores < y
h() = función de costo de mantenimiento
p() = función de costo penal (precio que se deja de ganar cuando no hay una unidad
demandada, costo de oportunidad, precio de venta)
c() = función de costo unitario de adquisición (compra)y/o producción c, h y p no son
necesariamente funciones lineales. En este caso se considera que son los costos unitarios.
Problema:
Determinar el número óptimo de unidades a producir o comprar al inicio del periodo para
minimizar el costo total esperado. Veamos, si y, es la cantidad que se tiene después que se
recibe un pedido y antes de satisfacer la demanda aleatoria D
Sea El costo total = C(y) = costo de compra o producción + costo de mantenimiento + costo penal
Para obtener la política optima de producción u orden, se debe resolver el siguiente problema de
optimización:
Si L(y) es estrictamente convexo ( esto es, si costo de mantenimiento y penal lineales y fD>0)
Entonces, y* optimo se calcula
La función E{C( y)} es convexa, y tiene mínimo global en * y . La política adoptada se conoce como
de un solo número crítico.
Ejemplo 1:
Considere el modelo de un periodo con costo de almacenamiento h=$0.5, costo penal p=$4.5 y
costo unitario C=$0.5, con función densidad de demanda
Observe que aquí no se da inventario inicial (x=0) Por consiguiente para obtener el tamaño de
pedido (y), se sabe qué y es óptimo cuando
Y dado que
Ejemplo 2:
Sea el modelo de un solo periodo con h= $1, P=$4 y c=$2, donde la función densidad de la demanda
es:
dado la relación
Se construye la siguiente tabla, para obtener la solución
CONCLUSIONES
REFERENCIAS
Cibergrafía VMI:
http://www.umng.edu.co/documents/10162/745279/V2N2_9.pdf
https://meetlogistics.com/cadena-suministro/vendor-managed-inventory/
http://spendmatters.com/mx-latam/inventario-administrado-por-el-proveedor-vmi/
https://puertosylogistica.com/2016/05/10/que-es-vmi-inventario-administrado-por-el-proveedor/
http://www.dinamica-de-sistemas.com/cursos/logistica.pdf
http://www.ehowenespanol.com/modelo-inventario-periodo-unico-info_208258/
https://www.colibri.udelar.edu.uy/bitstream/123456789/449/1/M-CD4217.pdf
Silver, Pyke & Peterson. “Inventory Management and Production Planning and Scheduling”. Wiley,
Third edition.1999.
Cachon, Gérard, and Christian Terwiesch. Matching supply with demand. Vol. 2. Singapore:
McGraw-Hill, 2009.