Bienestaranimal para operarios en rastros de bovinos - Sagarpa
Mejora de la gestión de pronósticos de la demanda para...
Transcript of Mejora de la gestión de pronósticos de la demanda para...
FACULTAD DE INGENIERÍA
Carrera de Ingeniería Industrial y Comercial
MEJORA DE LA GESTIÓN DE PRONÓSTICOS DE
LA DEMANDA PARA REDUCIR LOS INVENTARIOS
EN UNA EMPRESA TEXTIL
Tesis para optar el Título Profesional de Licenciado en
Ingeniería Industrial y Comercial
ARTURO ALEJANDRO LUJÁN ARELLANO
Asesor:
Ronald Huerta Mercado Herrera
Lima – Perú
2017
EPIGRAFE
“Los retos hacen que la vida sea interesante.
Superarlos es lo que hace que la vida tenga
sentido” (Ralph Waldo Emerson)
ÍNDICE DE CONTENIDO
DEDICATORIA 10
AGRADECIMIENTO 11
RESUMEN 12
ABSTRACT 13
INTRODUCCIÓN 1
PROCESO DE PRODUCCIÓN DE JEAN 6
PROBLEMAS DE LA INVESTIGACIÓN 11
IDENTIFICACIÓN DEL PROBLEMA 11
FORMULACIÓN DEL PROBLEMA 11
PROBLEMA GENERAL 11
PROBLEMAS ESPECÍFICOS 11
MARCO REFERENCIAL 12
ANTECEDENTES INTERNACIONALES 12
ANTECEDENTES NACIONALES 14
ESTADO DEL ARTE 15
MARCO TEÓRICO 16
Inventario 16
Pronóstico 20
Modelos De Decisión Para Pronósticos 20
Modelo Cualitativo 20
Modelo Cuantitativo 21
PLANEAMIENTO DE VENTAS Y OPERACIONES S&OP 24
OBJETIVOS 25
OBJETIVOS ESPECÍFICOS 25
JUSTIFICACIÓN 26
TEÓRICA 26
PRÁCTICA 26
SOCIAL 26
HIPÓTESIS 27
MATRIZ DE CONSISTENCIA 28
MARCO METODOLÓGICO 29
METODOLOGÍA 29
PARADIGMA 29
ENFOQUE 29
MÉTODO 29
VARIABLES 29
INDEPENDIENTE 29
DEPENDIENTE 30
POBLACIÓN Y MUESTRA 30
POBLACIÓN Y MUESTRA 30
MUESTRA 30
UNIDAD DE ANÁLISIS 30
INSTRUMENTOS Y TÉCNICAS 30
INSTRUMENTOS 30
TÉCNICAS 31
PROCEDIMIENTOS Y MÉTODO DE ANÁLISIS 32
PROCEDIMIENTO 32
MÉTODO DE ANÁLISIS 33
RESULTADOS 35
PROPUESTAS DE MEJORA 45
DISCUSION 57
CONCLUSIONES 58
REFERENCIAS 60
ANEXOS 62
ÍNDICE DE FIGURAS
Figura N°1: Cadena de suministros 2
Figura N°2: BOM 5
Figura N°3: Pantalon clásico de dama recto 5
Figura N°4: Proceso de producción jean clpasico (dama) 9
Figura N°5: Diagrama de actividades de producción jean clásico 10
Figura N°6: Modelo de cantidad económica a ordenar 30
Figura N°7: SPSS 31
Figura N°8: Correlación Pearson 34
Figura N°9: Correlación Spearman 34
Figura N°10: Gráfica de la pregunta 1 35
Figura N°11: Gráfica de la pregunta 2 36
Figura N°12: Gráfica de la pregunta 3 37
Figura N°13: Gráfica de la pregunta 4 38
Figura N°14: Gráfica de la pregunta 5 39
Figura N°15: Gráfica de la pregunta 6 39
Figura N°16: Gráfica de la pregunta 7 40
Figura N°17: Gráfica de la pregunta 8 41
Figura N°18: Pareto 42
Figura N°19: Diagrama de Ishikawa 42
Figura N°20: Las 5 S 43
ÍNDICE DE TABLAS
Tabla N°1: Tabla de tiempo de pedido con tela en stock 3 Tabla N°2: Tabla de tiempo de pedido sin tela en stock 4 Tabla N°3: Horizontes de tiempo 20 Tabla N°4: Hipótesis 27 Tabla N°5: Matriz de consistencia 28 Tabla N°6: Ponderación de encuesta 31 Tabla N°7: Encuesta 31 Tabla N°8: Respuestas de encuesta 32 Tabla N°9: Valores de las respuestas de la encuesta 33 Tabla N°10: Respuesta porcentual de la pregunta 1 35 Tabla N°11: Respuesta porcentual de la pregunta 2 36 Tabla N°12: Respuesta porcentual de la pregunta 3 36 Tabla N°13: Respuesta porcentual de la pregunta 4 37 Tabla N°14: Respuesta porcentual de la pregunta 5 38 Tabla N°15: Respuesta porcentual de la pregunta 6 39 Tabla N°16: Respuesta porcentual de la pregunta 7 40 Tabla N°17: Respuesta porcentual de la pregunta 8 41 Tabla N°18: Variación de pronósticos 46 Tabla N°19: Pronóstico Holt-Winters 46 Tabla N°20: Ahorro de costos en canal propio 47 Tabla N°21: Pronóstico de Oeschle 48 Tabla N°22: Pronóstico de Ripley 49 Tabla N°23: Pronóstico de Paris 50 Tabla N°24: Pronóstico del total de canales de retail 50 Tabla N°25: Tiempo de trabajo y costos/hora 51 Tabla N°26: Cantidad de jeans/mes 51 Tabla N°27: Ahorro económico de horas extra en canal propio 52 Tabla N°28: Ahorro económico de horas extra en canal retail 52 Tabla N°29: Ahorro económico de horas extra en canal propio y retail 53 Tabla N°30: Ahorro de costo de mantener en canal propio 54 Tabla N°31: Ahorro de costo de mantener en canal retail 54 Tabla N°32: Ahorro de costo de mantener 55 Tabla N°33: Ahorro total de costos 56
INDICE DE ANEXOS
Anexo N°1: Tipo de pronósticos 62 Anexo N°2: Diferencia de costos por tipo de pronósticos 63 Anexo N°3: Unidades de ventas por canales de retail 65 Anexo N°4: Encuesta 67 Anexo N°5: Bill of materials 67 Anexo N°6: DOP 68 Anexo N°7: DAP 69 Anexo N°8: Cadena de suministros 70
DEDICATORIA
La presente tesis es dedicada a mi familia, en
especial a mi papá quien siempre me motivó
a superarme y también va dedicada a un gran
amigo que es como un hermano para mí,
Carlos, quién es un apoyo constante.
AGRADECIMIENTO
Agradezco a la empresa ABC por brindarme
las facilidades de recopilar la información
necesaria para el desarrollo de la presente
tesis.
RESUMEN
Esta tesis consiste en mejorar la gestión de pronósticos de la demanda con el fin de
reducir costos de producción, reducir solicitudes de pedido de canal retail, reducir costos de
pago por horas extras de trabajo a los operarios y disminuir el stock de productos terminados
de la empresa ABC.
La empresa realizan sus pronósticos de la demanda para su red propia en función al
promedio de los 3 últimos años por mes y operan según las órdenes de producción que se
reciben del área Comercial para los pedidos de canal retail. Al realizar un pronóstico simple
no se tiene mucha precisió al momento de pronosticar y se suelen quedar productos en el
almacen, lo que genera que el almacén de productos terminados acumule más mercancía
de la necesaria.
El objetivo de esta tesis consiste en determinar el impacto que se lograría al
incrementar la eficiencia de la empresa realizando mejores pronósticos de la demanda en
base a la data histórica de las ventas. De ese modo se podrá evitar que los almacenes se
saturen de stock innecesario de productos terminados.
Así mismo también se planea utilizar distintos métodos de pronósticos con el fin de
hallar el más adecuado y así tener un menor margen de error el cual permita reducir costos.
Finalmente se realiza un análisis el cual demuestra que la implementación es factible
y logra incrementar la eficiencia y reducir costos de la empresa textil.
Palabras clave: costos, eficiencia, stock y utilidades
ABSTRACT
This thesis consists of improving the management of forecasts of demand in order to
reduce production costs, reduce retail channel returns, reduce costs of payment for hours
overtime workers and reduce the stock of finished products of the Company ABC.
The company made its forecasts of demand for its own network based on the average
of the last 3 years per month and operate according to production orders which are received
from the commercial area for channel retail orders. To perform a simple forecast it is not
much precision at the time of forecast and usually be products in the store, which generates
the warehouse of finished products to accumulate more goods than necessary.
The objective of this thesis consists of determining the impact that would be achieved
by increasing the efficiency of the company making better forecasts of demand based on
historical sales data. Thus you can avoid stores are saturated unnecessary stock of finished
products.
They are also planned using different methods of forecasting in order to find the most
appropriate and thus have less margin of error that can be accessed at reduced costs.
Finally an analysis is performed which demonstrates that the implementation is
feasible and manages to increase the efficiency and profits of the textile company.
Key words: costs, efficiency, stock and profit
1
INTRODUCCIÓN
La empresa ABC se dedica a la fabricación de prendas de vestir para damas y caballeros en
telas demin, tafeta, dril, entre otros. Teniendo como principales productos pantalones de
jean, snickers, shorts, bermudas, entre otros. Además, ofrece sus productos en diferentes
marcas.
La empresa cuenta con 2 canales de ventas los cuales son el canal propio (5 locales
en Gamarra y 5 en el centro de Lima) y de retail (Ripley, Paris y Oeschle). Su planta de
producción cuenta con 3 talleres de confección y con áreas de soporte para la producción
de las prendas de vestir.
Con respecto a su línea de proveedores tiene 3 grupos y son los siguientes:
Proveedores de Telas: Son los que proveen tela de tejido plano en diversos colores
y texturas. Las telas son consideradas la materia prima para la empresa.
Proveedores de Avíos: Son los que proveen diversos artículos necesarios para la
confección de jeans, entre ellos tenemos: Hilos, cierres, botones, remaches,
etiquetas, etc.
Proveedores de Suministros: Son los que proveen los accesorios utilizados para la
presentación del producto final; entre ellos, tenemos: bolsas, siliconas, adhesivos,
etc.
La empresa ABC también cuenta con 3 almacenes que se encargan de recibir y
despachar los artículos necesarios para el proceso productivo y comercial. Entre ellos
tenemos los siguientes:
Almacén avíos y suministros: Recepciona, almacena y despacha los avíos y
suministros de los proveedores a las áreas de producción.
Almacén telas: Recepciona, almacena y despacha las telas compradas de los
proveedores al área de corte.
Almacén de productos terminados: Recepciona y almacena los productos
terminados. Además, se encarga de despachar los pedidos para las tiendas propias
y de retail.
A continuación se presenta el diagrama de la Cadena de Suministro para el producto
Estrella: Jeans Z.
2
Figura N°1: Cadena de Suministro
Fuente: Elaboración propia
3
Respecto al Lead time de la empresa, se calcula de acuerdo a cada proveedor,
operación y tiempo de distribución. Actualmente se encuentran trabajando con lead time
de 36-44 días desde que se hace el pedido de cada uno de los requerimientos de
producción hasta que se envía a tienda. El lead time acumulado desde el
aprovisionamiento de la materia prima hasta la distribución del producto terminado a los
puntos de venta se rige bajo 2 conceptos y se da en el tiempo indicado a continuación.
En caso no haya tela en stock:
Concepto Tiempo Unitario
(días) Lead Time acumulado
(días)
Tiempo de suministros 35 35
Tiempo de suministro de telas (MP) 35 -
Tiempo de suministro de Botones 27 -
Tiempo de suministro de Remaches 17 -
Tiempo de suministro de Etiqueta 15 -
Tiempo de suministro de Hang Tag 15 -
Tiempo de suministro de Ojalillos 12 -
Tiempo de suministro de Cierre 9 -
Tiempo de suministro de Bolsa con marca
7 -
Tiempo de suministro de Broche 2 -
Tiempo de suministro de Hilo 2 -
Tiempo de suministro de Bolsa sin marca
2 -
Tiempo de suministro de Avíos diversos
2 -
Tiempo de suministro de Cierre 1 -
Tiempo de fabricación de un lote de prendas (4608 unid)
6 41
Tiempo de permanencia en Almacén PT
2 43
Tiempo de despacho a puntos de ventas
1 44
Tabla N°1: Tabla de tiempo de pedido con tela en stock
Fuente: Elaboración propia
4
En caso haya tela en stock:
Concepto Tiempo Unitario
(días) Lead Time acumulado
(días)
Tiempo de suministros 27 27
Tiempo de suministro de Botones 27 -
Tiempo de suministro de Remaches 17 -
Tiempo de suministro de Etiqueta 15 -
Tiempo de suministro de Hang Tag 15 -
Tiempo de suministro de Ojalillos 12 -
Tiempo de suministro de Cierre 9 -
Tiempo de suministro de Cierre 9 -
Tiempo de suministro de Bolsa con marca
7 -
Tiempo de suministro de telas (MP) 2 -
Tiempo de suministro de Broche 2 -
Tiempo de suministro de Hilo 2 -
Tiempo de suministro de Bolsa sin marca
2 -
Tiempo de suministro de Avíos diversos
2 -
Tiempo de fabricación de un lote de prendas (4608 unid)
6 33
Tiempo de permanencia en Almacén PT
2 35
Tiempo de despacho a puntos de ventas
1 36
Tabla N°2: Tabla de tiempo de pedido sin tela en stock
Fuente: Elaboración propia
La empresa aplica el Just in Time utilizando la estrategia de Push and Pull, en donde
utilizan el concepto de push para realizar la operación de corte y obtener el producto
terminado sin importar cuanta demanda se está satisfaciendo. Es ahí cuando luego aplican
el concepto de Pull para brindar a su canal propio de tiendas la cantidad de prendas que
se necesite. A continuación se presenta la lista de materiales a utilizar para la fabricación
de un jean de la empresa ABC.
5
Figura N°2: BOM
Fuente: Elaboración propia
Figura N°3: Pantalón clásico de dama recto
Fuente: Elaboración propia
En función de las partes que comprende el producto, podemos realizar un estudio
para poder determinar los niveles de inventario y producción de cada parte dependiendo
de la demanda general del producto en mención.
El proceso productivo de la fabricación de pantalones de la empresa ABC es flexible
debido a que la demanda de dichas prendas de vestir varía en modelos dependiendo de la
marca que se elaborara y las restricciones y especificaciones del diseñador. A continuación
presentaremos el proceso productivo de la fabricación de pantalones de jean.
6
Proceso de Producción de jean
Tizado de corte
Tizado es la ubicación de los moldes y se realiza la elaboración de las hojas de
corte; que tiene que ser realizado por el encargado de corte para tener la liquidación
real, consumo de las telas y las mermas de cada corte que se esté realizando y a
su vez tener controlados los stock de tela existente en los almacenes.
Se debe tener un revisador de tizados para poder realizar la revisión de los tizados
antes de tender las prendas ya sea con los minimizados del tizado o con la muestra
para revisar de que no falte sobre piezas y que sean los lados adecuados, que no
falte piquetes, otros.
Corte
Tendido, el cual consiste en extender las capas de tela en la mesa de una manera
uniforme tratando de maltratarla lo menos posible.
Corte.
Habilitado
Consiste en separar por tallas y enumeración de piezas.
Tener habilitadores con experiencia para que puedan reaccionar en la codificación
y habilitado de las piezas para que no falten al momento de ser enviado a los
talleres.
Ensamble y confección
Armado de posteriores.
Armado de delanteros.
Ensamble.
Atraque.
7
Control De Calidad
Revisión de costura de ensamble.
Seguir insistiendo con el uso de la ficha técnica para un mejor control de la prenda
y teniendo en cuenta las medidas de las prendas.
Lavado de prenda
Desengomado.
Centrifugdo.
Secado.
Focalizado.
Trapedo.
Neutralizado.
Centrifugado.
Secado.
Planchado.
Despacho a limpieza.
Limpieza
Limpieza de prenda.
Pegado de etiquetas.
Pegado de cueros de marca en pretina.
Pegado de botones.
Cortado de persillas.
Limpieza de ojal y cueros.
Despacho a acabados.
Acabados
Colocación de piedras adhesivas.
Planchado de láminas de piedras.
Retirado de micas de las piedras.
8
Marcado para botones.
Pegar botones.
Pegar remaches.
Pegar placas.
Doblado e inspección.
Pegado de etiquetas Hantag.
Pegado de código de barras.
Embolsado de prendas.
Empaquetado
Despacho a destino
Distribución de empaque según lo requerido.
Preparado de cajas.
Cellado de cajas.
Colocado de rótulos.
Forrado de cajas.
Despacho a destino.
A continuación se muestra el diagrama de bloques del proceso descrito, separado
por sub-áreas de producción.
9
Figura N°4: Proceso de Producción Jean Clásico (Dama)
Fuente: Elaboración propia
Proceso de producción de pantalón jean de corto recto
Comercialización Almacén Corte Confección Control de calidad Lavandería
Inicio
Envío de tela a corte
Generación de orden de producción
¿Quedó bien?
Habilitado
Corte Ensamble y confección
Envío de prendas a lavandería
¿Costura correcta?
Recepción de prenda lavada
Lavado de prenda
Acabado (se ensamblan botones,
cremalleras, etc.)
¿Todo ok?
Fin
Envío a cliente
Empaquetado
Inspección final
Revisión de la costura de
ensamble
Tizado
Limpieza de prenda
Recepción de pedido
Fase
10
A continuación se demuestra un DAP indicando el tiempo que demora en realizar
cada actividad para fabricar un jean.
Figura N°5: Diagrama de Actividades de Producción Jean Clásico (Dama)
Fuente: Elaboración propia
11
PROBLEMAS DE LA INVESTIGACIÓN
Identificación Del Problema
La empresa ABC, no cuenta con una estrategia de planeamiento comercial desarrollada.
Por ende, las funciones de planeamiento para determinar la cantidad a producir, según las
órdenes de producción que se reciben del área de Comercialización, son asumidas por el
jefe de la sección de corte, quien se encuentra en el área de operaciones.
Es por ese motivo que cuando ingresa una nueva orden de otro producto que tiene
una prioridad alta por ser venta a canal de retail, se paraliza toda la producción que se
estaba realizando en esos momentos y se procede a trabajar en la nueva orden ingresada,
dejando en stand by la producción anterior. Eso ocasiona que la producción anterior se
retrase y se generen horas extra de los colaboradores y sobre costos en la producción para
la empresa.
Otros de los problemas que se logran encontrar en la empresa es que no se llega a
vender todas las prendas de los locales de su canal propio. Eso genera stock involuntario
en los almacenes de productos terminados. El mismo efecto ocasiona la devolución de las
prendas de los canales de retail que ellos no lograron vender en el mercado.
Formulación Del Problema
Problema General
¿Cuál es el impacto que se genera al reducir inventarios de la empresa con la mejora de
la gestión en pronósticos de la demanda?
Problemas Específicos
Problema específico 1:
¿Cuánto es el ahorro económico que se obtendría al reducir inventarios de la empresa
con la mejora de la gestión en pronósticos de la demanda?
Problema específico 2:
¿Cuál sería el ahorro económico que se lograría al disminuir cantidad de pedidos del
canal retail al reducir inventarios de la empresa con la mejora de la gestión en
pronósticos de la demanda?
12
Problema específico 3:
¿Cuánto es el ahorro económico en pago de tiempos extra de operarios al reducir
inventarios de la empresa con la mejora de la gestión en pronósticos de la demanda?
Problema específico 4:
¿Cuánto es el ahorro económico al disminuir stock de productos terminados en almacen?
MARCO REFERENCIAL
Antecedentes Internacionales
Utreras Avalos J. L. 2015, ingeniero Industrial en la Universidad San Francisco de
Quito, Ecuador. “Propuesta de mejoras a los modelos de pronóstico de demanda y de
control de inventario de materia prima actuales de los principales productos del segmento
APH de la empresa XYZ”. En dicho trabajo aplican la metodología DMAIC y realizan una
categorización ABC en base a la utilidad generada por los productos del segmento APH en
el que se concluye de que el método de descomposición es el más adecuado debido a que
caracteriza de mejor manera la tendencia, estacionalidad y ciclos de demanda. Finalmente
se recomienda adquirir un software de ERP con el fin de tener información a tiempo real.
Marín Valderrama Juliana María, 2011, ingeniera industrial en la Universidad
Pontificia Universidad Javeriana, Colombia. “Propuesta de rediseño de la cadena de
abastecimiento de la empresa de confecciones GAF y definición de los indicadores de
gestión”. En esta tesis se genera una propuesta de mejora de los procesos productivos,
con el fin de rediseñar la cadena de abastecimiento identificando variables críticas con la
ayuda de herramientas e indicadores de gestión. La herramienta planteada son pronósticos
de ventas que ayuden a predecir el comportamiento del mercado.
Agudelo Rendón, Carolina (2013) Universidad Tecnológica de Pereira,
Colombia. “Desarrollo de un modelo para el pronóstico de la demanda por color en la
empresa Coats Cadena Andina SA”. El siguiente trabajo se basa en el uso de pronósticos
para series de tiempo ARMA y GARCH, con el fin de estudiar el comportamiento de las
series de tiempo y los enfoques del pronóstico de la demanda a utilizar. Como conclusión,
permite modelar de manera individual los distintos tipos de color para conocer cuales se
deben incluir en la venta.
13
Tejada López, C. A. 2012, ingeniero industrial en la Universidad San Francisco de
Quito, Ecuador. “Utilización del modelo SCOR para realizar una propuesta de rediseño del
esquema de gestión del abastecimiento y del manejo de inventarios en una industria textil”.
La siguiente tesis al utilizar el modelo SCOR, concluye que la empresa toma una decisión
acertada al aceptar tener faltantes debido a que no representa un costo significante. Por lo
tanto, se recomienda reducir cantidad de proveedores y realizar un plan de homologación
y calificación de proveedores.
Ramírez Agudelo, S. 2013, ingeniero industrial en la Universidad Pontificia
Bolivariana, Colombia. “Comparación de metodologías estadísticas para pronóstico de
demanda de productos de difícil estimación”. En esta tesis la metodología utilizada para la
planeación de inventarios es la prima bayesiana, junto con distribuciones de Gamma-
Poisson y el algoritmo tabú. En el presente trabajo se recomienda hacer un análisis
exploratorio de la correlación de datos y también llevar a cabo con otro tipo de
combinaciones distribucionales.
Villegas Salazar, J. J., 2017, ingeniero industrial de la Universidad autónoma de
Occidente de Cali, Colombia. “Diseño de un sistema de planeación de la producción en la
empresa Confecciones A&J SAS.” El siguiente trabajo se realiza con el fin de gestionar de
manera eficiente la cadena de suministros realizando un plan maestro de producción para
poder anticiparse a la cantidad a producir. Gracias a este trabajo se concluye que el plan
de requerimientos de materiales le permitió anticiparse a la demanda y poder planificar
mejor su producción. Como recomendación se considera que debe ser medido el
desempeño de los operarios constantemente con el fin de generar mayor compromiso en
el trabajo.
Orobio Hurtado, J. F., 2017, ingeniero industrial de la Universidad Autónoma de
Occidente de Cali, Colombia. “Propuesta de un sistema de control de inventarios de
productos terminados en la empresa Laboratorios Seres SAS de Santiago de Cali.” El
siguiente trabajo propone una clasificación ABC para identificar los productos de mayor
rotación en el almacén, la utilización de la simulación Montecarlo y se elige el pronóstico
de regresión lineal. Como recomendación; se debe tener un mejor control de las materia
prima y realizarlo de manera frecuente para poder obtener mejores pronósticos de la
demanda.
14
Antecedentes Nacionales
Vásquez Médico, J.I. 2013, ingeniero industrial en la Pontificia Universidad Católica
del Perú. Perú. “Propuesta de un sistema de planificación de la producción aplicado a una
empresa textil dedicada a la fabricación de calcetines”. La siguiente tesis propone un
sistema de planificación de la producción. La herramienta planteada consiste en utilizar
pronósticos de ventas que ayuden a predecir el comportamiento del mercado y se
recomienda realizar estudios más a fondo del mercado para ampliar el número de clientes.
Se puede concluir que el pronóstico estacional multiplicativo es más apropiado que el
anterior debido a que genera menos error. Se recomienda la aplicación contar con un
software de ERP para automatizar la planificación agregada.
Hinostroza Huanay, L. D. C., 2016, Ingeniera Industrial de la Universidad San Ignacio
de Loyola, Perú. “Manejo de pronósticos e inventarios para la mejora del desempeño de
las operaciones en una empresa textil peruana.” Se concluye que los métodos y pronóstico
utilizado generar un aumento en las ventas y se recomienda monitorear de manera
permanente el manejo y control de los inventarios
Gordillo Cerrutti Rodrigo, 2016, ingeniero industrial en la Universidad de Lima, Perú.
“Mejora en el proceso de elaboración y gestión de los pronósticos de la demanda en una
empresa dedicada a la venta de productos de belleza”. Su trabajo consiste en mejorar la
gestión de pronósticos de la demanda con el fin de reducir el margen de error y brindarle
un beneficio económico a la empresa. Como investigación más a fondo se recomienda
investigar el origen de la faltante del 20% de la demanda, debido a que no es un error de
pronóstico.
Rodríguez A., Lizeth J., Licla, P. & Yudith, J., 2017, ingenieros industriales en la
Universidad Pontificia Universidad Católica del Perú, Perú. “Análisis y propuesta de
implementación de un sistema de planificación de producción y gestión de inventarios y
almacenes aplicado a una empresa de fabricación de perfiles de plásticos de pvc.” En el
trabajo de tesis proponen un método de pronóstico multiplicativo y utilizar la estrategia de
ajuste con el fin de generar ahorros en producción y reducir cantidad de inventario. Como
conclusión, la empresa no tiene un sistema de planeamiento, el cual le permita pronosticar
de manera adecuada su demanda. Por ende, se recomienda invertir en el software ERP y
aplicar las 5S en cada estación de trabajo.
15
Estado Del Arte
Uno de los principales flujos para conseguir información es realizar pronósticos para
predecir la demanda. Sirven para realizar una mejor gestión de los costos generados por
el proceso de producción y es clave para la cadena de suministros. Si bien esta herramienta
no es una verdad absoluta, es fundamental para reducir la incertidumbre y así poder
realizar una mejor toma de decisiones. En otras palabras, no puede haber una estrategia
efectiva sin un buen pronóstico, debido a que permite controlar las cantidades que se van
a producir tener conocimiento de los costos de almacenamiento y los costos de pedido de
la materia prima. Además, los pronósticos se ajustan al comportamiento variable que se
genera por la demanda.
A continuación se van a describir una serie de metodologías y/o herramientas que
han sido utilizadas anteriormente para realizar una buena proyección en la gestión de la
demanda con el fin de minimizar costos, tiempos y mejoras de la eficiencia en las
empresas. Como se puede apreciar en las literaturas anteriores, se presentan distintas
maneras de pronosticar la demanda y tener un buen control de inventarios. Lo cual no es
nada sencillo debido a que cada vez la demanda es más variable.
Comenzando por el lado de las literaturas peruanas, uno de los pronósticos más
utilizados es el pronóstico estacional multiplicativo, más conocido como Holt-Winters. Tiene
la facultad de manejar datos con tendencia, datos estacionales (aditivos o multiplicativos)
y datos aleatorios; el cual es una buena opción para ese tipo de demandas variadas. Otro
dato a tomar en cuentas es que al realizar pronósticos, las literaturas peruanas suelen
aplicar el método de clasificación ABC, el cual consiste en segmentar los productos de
acuerdo a los criterios establecidos que se le brinda para tener una idea más clara de los
productos con mayor impacto en el mercado. También utilizan herramientas de control de
inventario y de ajuste con el fin de generar ahorros al momento de pedir materia prima o
enviar productos terminados.
Por el lado de las literaturas internacionales también se utiliza el método de
clasificación ABC para darle prioridad a los productos de mayor impacto. Sin embargo,
también se encuentran pronósticos de la demanda más variados; como por ejemplo, el
pronóstico de regresión lineal, el cual define la funcionalidad de dos o más variables que
estén correlacionadas y se utiliza para pronosticar hechos significativos a largo plazo y de
16
ese modo poder calcular la planeación agregada que se necesite encontrar. También se
puede ver que utilizan la simulación Montecarlo. Inicialmente se quiso utilizar el EOQ
(Cantidad económica de pedido) pero debido a un cambio de políticas que hubo en el
almacén de esa empresa, se utilizó la simulación Montecarlo. El cual sirvió para estudiar la
proyección de la data histórica y así realizar una propuesta de control de inventarios.
También se puede ver en otras literaturas internacionales que se utiliza el pronóstico
de Holt-Winters y el pronóstico de Descomposición, el cual se utiliza para pronosticar datos
estacionales en función al cálculo de los promedios móviles de un determinado periodo de
tiempo. Así como también el uso de pronósticos para series de tiempo con el fin de estudiar
el comportamiento de las series de tiempo y los enfoques del pronóstico de la demanda a
utilizar. Con respecto a las metodologías, se puede notar que utilizan otras distintas al ABC
que son como por ejemplo la metodología DMAIC que sirve para definir, medir, analizar,
mejorar y controlar; la cual es muy importante para la mejora de sus procesos. Como
también la prima bayesiana, junto con distribuciones de Gamma-Poisson y el algoritmo
tabú.
La gestión de la demanda es un factor sumamente importante para que las empresas
sean competitivas en el mercado, la cual se enfoca en evitar que haya roturas de stock o
por el contrario, exceso de stock en el almacén. Es por ello de que no solo hay que fijarse
en los pronósticos sino también en el flujo del proceso. Desde que se realiza el pedido de
suministros hasta que se realiza la entrega del producto terminado. Esto se logra
rediseñando la cadena de abastecimiento identificando variables críticas con la ayuda de
herramientas e indicadores de gestión con el fin de anticiparse a la demanda y así poder
planificar mejor la producción.
Marco teórico
Inventario
Los inventarios son la cantidad de bienes o activos fijos, que de acuerdo a lo que
indica el doctor en ingeniería industrial en su artículo “Inventarios colaborativos en la
optimización de la cadena de suministros” (Arango Serna, Martín – 2013) los inventarios
cuales constituyen una parte del patrimonio de las empresas que ayuda a medir el impacto
en los costos operacionales y es una de las medidas más importantes para evaluar la
17
efectividad de la cadena de suministros . Los inventarios se dividen en pronósticos
determinísticos o probabilísticos y pueden ser inventarios de materias primas, de envase o
empaque y productos terminados. La gestión de inventarios permite asegurar y mantener
una capacidad óptima de productos y satisfacer la demanda de los clientes teniendo en
cuenta el low cost de mantener inventarios. También se debe tener un control de
inventarios en el registro y conteo de los suministros en el almacén para controlar las en
las entradas y salidas de los productos.
Clasificación ABC del Inventario
La distribución ABC, también conocida como el principio de Pareto en honor a
Vilfredo Pareto, de acuerdo al artículo del ingeniero Faraón Largo “De gestores de
contenidos a gestores de metodologías” (Faraón Llorens, Largo – 2015) indica que la
distribución no sigue el patrón de la normal sino que tiene una distribución previsible en el
que se describe el fenómeno estadístico en el que una pequeña cantidad de valores altos
equivalen a representar más al total que un gran número de valores bajos. Una manera de
verlo es dividiéndolo en el ABC tal como indica el ingeniero Orobio Hurtado en su tesis
“Propuesta de un sistema de control de inventarios de productos terminados en la empresa
Laboratorios Seres SAS de Santiago de Cali “ (Orobio Hurtado, 2017) menciona que el
análisis se divide en 3 listas de productos en donde los productos A representan el 80%
del valor total en dinero, los productos B el 15% y los productos C el último 5% restante. El
objetivo por el cual se realiza esta clasificación es para saber donde se establece un mayor
impacto del costo total del inventario. Siendo los del producto A los que se deben tener
más en cuenta para un futuro análisis.
(Fórmula para hallar porcentaje individual de cada producto)
Modelo de cantidad económica a ordenar (EOQ)
Se basa en reducir los niveles de inventario pidiendo el lote económico mínimo e
indispensable para no incurrir mucho en costos y obtener la máxima ganancia.
b = variable
Q = lote fijo
18
Figura N°6: Modelo de cantidad económica a ordenar
Fuente: Manejo de pronósticos e inventarios para la mejora del desempeño de las operaciones en una
empresa textil peruana
D = demanda
S = costo de preparación de la orden
H =costo de mantenimiento del inventario
Punto De Re Orden (ROP)
Se utiliza para realizar una nueva orden en caso el primer pedido no se de basto
d = demanda diaria
L = tiempo de entrega de la orden
Inventario de seguridad
Sirve para prevenir excesos en la demanda. Entonces el punto de re orden quedaría de la
siguiente manera.
Para halla el stock de seguridad se tiene la siguiente ecuación.
Z = número de desviación estándar basadas en un nivel de servicio
σd = deviación estándar de la demanda diaria
19
Modelo de cantidad económica a producir
Se utiliza cuando el inventario fluye de manera continua o se acumula después de un
tiempo y cuando se produce y vende al mismo tiempo.
Modelo de descuento por cantidad
Q = Cantidad ordenada
D = Demanda anual
S = Costo de preparación de la orden
H = Costo de mantener inventario
P = Precio
Q* = Cantidad a ordenar
D = Demanda anual
S = Costo de preparación
I = % del costo de mantener del precio
P = Precio unitario
20
Pronóstico
Es una herramienta fundamental para un manejo adecuado de la cadena de
suministros. Se utiliza para predecir la demanda y así poder tener un mayor control de la
incertidumbre en las tendencias del precio, costo de materias primas y planeación de la
producción. De acuerdo a lo mencionado por la Ingeniera matemática en su artículo
Administración de Operaciones, métodos de pronóstico (Verónica Valera - 2009), realizar
pronósticos debe ser consistente con la filosofía de producción push/pull. La estrategia
Push se enfoca en producir en función a un pronóstico de la demanda o a un itinerario
determinado y la estrategia Pull limita la producción en función a los requerimientos del
consumidor. Los pronósticos se dividen en 3 horizontes, los cuales serán presentados en
el siguiente cuadro.
Tabla N°3: Horizontes de tiempo
Fuente: Elaboración propia
Teniendo conocimiento de esto, se llega a la conclusión de que los pronósticos a
utilizar serán los de horizonte a corto plazo, debido a que utilizan metodologías diferentes
y tienden a ser más exactos. Como por ejemplo: Promedios móviles, Suavización
exponencial, Extrapolación con tendencia, entre otros.
Modelos De Decisión Para Pronósticos
Modelo Cualitativo
Jurado de Opinión ejecutiva
Encuesta a la Fuerza de Ventas
Método Delphi
o Proceso grupal iterativo
o Tres tipos de participantes (tomadores de decisión, personal asesor y
encuestados)
21
Encuesta a consumidores de mercado (clientes).
Analogía Histórica
Estudio de Mercado
Modelo Cuantitativo
Los modelos cuantitativos se refiere a lo númerico y de acuerdo a lo mencionado por
la Ing. Matemática en su artículo “Administración de Operaciones, métodos de pronóstico”
(Verónica Valera - 2009). Los modelos cuantitativos se dividen por modelos de serie de
tiempo, los cuales son un conjunto ordenado de múltiples observaciones de una variable
que suelen ser registradas comúnmente a intervalos de tiempos variables (como por
ejemplo promedio simple, promedio ponderado, suavización exponencial, suavización
exponencial doble y estacional multiplicativa) y métodos causales o asociativos (regresión
lineal). Respecto a saber cual elegir, uno se tiene que basar en varios cálculos de medidas
de error para una mejor orientación de cual modelo tomar.Para calcular el error del
pronóstico se utiliza la siguiente fórmula en mención.
El resultado es un margen de error de +- y no es exacto. Otra manera de medir el
error es utilizando el error porcentual absoluto medio (MAPE). Primero se tiene que calcular
el error de cada periodo, luego se divide por el valor real observado para ese periodo y
finalmente se promedian los errores porcentuales. Ideal para datos reales.
También tenemos la desviación absoluta media (MAD) que mide la precisión del
pronóstico al promediar errores y el Mean Squared Error (MSE), en el que cada error se
eleva al cuadrado, luego se suman y se dividen entre el número de observaciones.
22
Finalmente tenemos el de señal de rastreo (TS), el cual se utiliza para demandas
aleatorias. La señal de rastreo no debe superar el rango de +-6 en ningún periodo.
A continuación se presentaran otro tipo de pronósticos los cuales pueden ayudar a
realizar un mejor pronóstico de la demanda, tal y como s emenciona en la tesis de la
ingeniera Hinostroza “Manejo de pronósticos e inventarios para la mejora del desempeño
de la soperaciones en una empresa textil” (Hinostroza Huanay, Lucía – 2016) se van a
mencionar los pronósticos más utilizados y confiables al momento de querer mejor la
gestión de pronósticos de la demanda.
Promedio móvil simple
Se aplica sobre datos históricos de las ventas. Se recomienda utilizarlo cuando presenta
estacionalidad o tendencia.
Pms = promedio móvil simple
Dt – 1 = demanda del periodo pasado
Dt – 2 = demanda de dos periodos atrás
N = número de periodos a promediar o extencia definida
Promedio móvil ponderado
La diferencia con el anterior, es que este método calcula el pronóstico asignando un peso
ponderado a algunos elementos de tiempo por encima de otros.
Pmp = promedio móvil ponderado
Dt – 1 = demanda del periodo pasado
Dt – 2 = demanda de dos periodos atrás
Dt = demanda del periodo t
W = peso (%) que se le dara al valor real
23
Suavizamiento exponencial o aminorado
Se dice que es el más aceptado porque es fácil de formular, se requieren pocos cálculos,
los requisitos para una base histórica son mínimos y las pruebas para la exactitud son
fáciles de calcular.
Pex = pronostico exponencial para el periodo actual
Pγex (t – 1) = pronostico exponencial para el periodo anterior
D (t – 1) = demanda real del periodo anterior
(ᾳ) = tasa deseada de crecimiento de respuesta
(ᾳ) es el parámetro de suavizamiento y su valor varía de 0 – 1. El objetivo de la constante
Atenuación es determinar el grado de velocidad ante el pronóstico y la venta real.
Pex = Pex (t-1) + α (D (t-1) – Pex (t-1))
Pex = α D (t-1) + ((1- α) * Pex (t-1))
P ex (t+1) = Pex + α (D (t-1) – Pex (t))
P ex (t+1) = α D (t-1) + ((1- α) * Pex (t))
Suavizamiento exponencial y tendencia
Para este método se suaviza las estimaciones del promedio y la tendencia. Se realiza con
2 constantes y se calcula el estimado y la tendencia para cada periodo. La segunda
constante será conocida como delta (ᵹ). Para armar la ecuación se debe dar un valor de
forma manual, el cual se puede basar en datos históricos.
24
Análisis de regresión lineal en pronósticos
Permite analizar el impacto de los factores causales en correlación con la demanda del
producto para obtener un estimado. Determina si los cambios de una variable influye en
los cambios de la otra.
Y = a + bX
Y = Valor de la variable dependiente que se busca resolver.
a = intercepción en el eje vertical (y)
b = pendiente de la recta
X = variable independiente o unidades de tiempo
Existen 3 medidas de precisión, las cuales son el coeficiente de correlación lineal de la
muestra, el coeficiente de correlación y el coeficiente de determinación.
r = 𝑛 ∗ ∑ 𝑥 ∗ 𝑦
√(𝑛 ∗ ∑𝑥 2 − (∑𝑥)2)(𝑛 ∗ ∑𝑦 2 − (∑𝑦)2)
Planeamiento de Ventas y Operaciones S&OP
Es una planeación integral entre el área de ventas y operaciones. Toda empresa tiene
recursos finitos, de los cuales esta estrategia se va encargar de determinar como
distribuirlos, definiendo la estructura organizacional, los procesos productivos, entre otras
cosas. Esta estrategia se inicia analizando el presupuesto. Para que esta estrategia marche
25
bien, las áreas involucradas deben pensar en utilizar los recursos en conjunto y no solo en
beneficio a su área.
La planeación de ventas y operaciones debe ser liderada por un comité quienes serán
los encargados de fundamentar los criterios y estrategias competitivas mediante una
planeación táctica con el fin de asegurar el cumplimiento de los objetivos. Ellos serán los
encargados de tomar parte de las funciones determinantes en la creación y consumo de
valor. Una vez que las funciones tienen claro su plan, se debe compartir con el resto de
funciones, incluso con grupos de interés externo de la empresa. Se debe tener en cuenta
que con el pasar del tiempo las funciones pueden cambiar, lo cual dependería de las
condiciones del entorno.
Una característica de esta estrategia de planeamiento es que compromete a los
gestores de las funciones en cumplimiento de desempeño con el fin de incentivar a realizar
las funciones de manera correcta. Es importante reconocer las posibilidades reales de la
planeación de ventas y operaciones de acuerdo al nivel de madurez del negocio para no
generar falsas expectativas. Todo esto se logra a las 5 etapas mencionadas por Julio
Padilla Solis en su artículo “La evolución del planeamiento de ventas y operaciones”
(Padilla Solís, Julio – 2014). Las cuales son Arquitectura del proceso propuesto para el
S&OP, razones de la necesidad del cambio, entradas, salidas y lógica del proceso, lo que
no hay que hacer, etapas del proceso, explotación de las salidas del proceso y factores de
éxito. Teniendo bien definido estos puntos es loque hace un mejor planeamiento de ventas
y operaciones.
OBJETIVOS
Objetivos General
Medir el impacto que se logrará al reducir inventarios de la empresa con la mejora de la
gestión en pronósticos de la demanda.
Objetivos Específicos
Objetivo específico 1:
Medir el ahorro de costos de producción de jeans que se obtendría al reducir inventarios
de la empresa con la mejora de gestión en pronósticos de la demanda.
26
Objetivo específico 2:
Medir el ahorro económico que se lograría al disminuir cantidad de pedidos del canal
retail al reducir inventarios de la empresa con la mejora de la gestión en pronósticos de la
demanda.
Objetivo específico 3:
Determinar el ahorro en pago de tiempos extra de operarios al reducir inventarios de la
empresa con la mejora de la gestión en pronósticos de la demanda.
Objetivo específico 4:
Determinar el ahorro económico al disminuir stock de productos terminados en almacén.
JUSTIFICACIÓN
Teórica
La justificación teórica se basa en los aportes de la investigación para la ingeniería
industrial con el fin de ampliar los conocimientos de los pronósticos de la demanda y la
utilización de la metodología S&OP. Se pretende mejorar la gestión de pronósticos de la
demanda siendo más precisos al reducir los tiempos y costos de la fabricación del producto.
Práctica
La justificación práctica se basa en realizar pronósticos de la demanda del producto
estrella, jean recto para damas, para poder tener un mejor conocimiento de la cantidad
necesaria de productos a fabricar y así reducir tiempos en la fabricación y reducción de
costos de inventario y de pago a horas extras de trabajadores. Por otro lado, con una mayor
precisión de los productos a fabricar se podrá saber la cantidad más exacta para enviar a
las tiendas propias.
Social
La empresa de donde se realiza la investigación es del rubro textil y se encuentra
ubicado en el distrito de San Juan de Lurigancho, Lima, Perú. El impacto de esta tesis será
beneficioso para futuras proyecciones que se quieran realizar en el futuro y así tener un
mejor conocimiento de la demanda del mercado.
27
HIPÓTESIS
HIPÓTESIS REAL NULA
GENERAL
El uso de pronósticos de la demanda reducirá inventarios de la empresa textil
El uso de pronósticos de la demanda no reducirá inventarios de la empresa textil.
ESPECÍFICA
El uso de pronósticos de la demanda generará un ahorro de costos en la producción de jeans
El uso de pronósticos de la demanda no generará un ahorro de costos en la producción de jeans.
El uso de pronósticos de la demanda lograría disminuir cantidad de pedidos del canal retail al reducir inventarios.
El uso de pronósticos de la demanda no lograría disminuir cantidad de pedidos del canal retail al reducir inventarios.
El uso de pronósticos de la demanda generará un ahorro en pago de tiempos extra de operarios al reducir inventarios.
El uso de pronósticos de la demanda no generará un ahorro en pago de tiempos extra de operarios al reducir inventarios.
El uso de pronósticos de la demanda generará un ahorro económico al disminuir stock de de productos terminados en almacén.
El uso de pronósticos de la demanda no generará un ahorro económico al disminuir stock de productos terminados en almacén.
Tabla N°4: Hipótesis
Fuente: Elaboraricón propia
28
MATRIZ DE CONSISTENCIA
PROBLEMA OBJETIVOS HIPOTESIS VARIABLES INDICA- DORES
METODOLOGÍA
Problema general Objetivo general Hipótesis general Independiente Tipo
¿Cuál es el impacto que se genera al reducir inventarios de la empresa
con la mejora de la gestión en pronósticos de la demanda?
Medir el impacto que se logrará al reducir inventarios de la empresa con
la mejora de la gestión en pronósticos de la demanda.
El uso de pronósticos de la demanda reducirá inventarios de
la empresa textil
Pronósticos de la
demanda
Reducción de costos
Tipo de investigación
Correlacional bi- variada
Problema específico Objetivo específico Hipótesis específica Dependiente Método
¿Cuánto es el ahorro de costos de producción que se obtendría al
reducir inventarios de la empresa con la mejora de la gestión en pronósticos de la demanda?
Medir el ahorro de costos de producción de jeans que se obtendría al reducir inventarios de la empresa
con la mejora de gestión en pronósticos de la demanda.
El uso de pronósticos de la
demanda generará un ahorro de costos en la producción de jeans
Reducción de
inventarios
Mejora de tiempos de
pago
El método es cuantitativa
¿Cuál sería el ahorro económico que se lograría al disminuir la
cantidad de pedidos del canal retail al reducir inventarios de la empresa
con la mejora de la gestión en pronósticos de la demanda?
Medir el ahorro económico que se lograría al disminuir cantidad de pedidos del canal retail al reducir inventarios de la empresa con la
mejora de la gestión en pronósticos de la demanda.
El uso de pronósticos de la demanda lograría disminuir
cantidad de pedidos del canal retail al reducir inventarios.
¿Cuánto es el ahorro económico en pago de tiempos extra de operarios al reducir inventarios de la empresa
con la mejora de la gestión en pronósticos de la demanda?
Determinar el ahorro en pago de tiempos extra de operarios al reducir
inventarios de la empresa con la mejora de la gestión en pronósticos
de la demanda.
El uso de pronósticos de la demanda generará un ahorro en
pago de tiempos extra de operarios al reducir inventarios.
Reducir la variación
del pronóstico con lo real
¿Cuánto es el ahorro económico al disminuir stock de productos
terminados en almacén recudiendo inventarios?
Determinar el ahorro económico al disminuir stock de productos
terminados en almacén.
El uso de pronósticos de la demanda generará un ahorro
económico al disminuir stock de productos terminados en almacén.
Tabla N°5: Matriz de consistencia
Fuente: Elaboración propia
29
MARCO METODOLÓGICO
Metodología
El siguiente trabajo de tesis se realizará utilizando una metodología cuantitativa, en
el cual se analizará el impacto en tiempos y costos al implementar una mejora en la
gestión de pronósticos de la demanda.
Paradigma
El estudio es de paradigma positivista y tendrá un alcance correlacional bi-variable.
Es decir, se estudiarán dos variables dentro del área de estudio: Pronósticos de demanda
y reducción de inventarios.
Enfoque
El enfoque es cuantitativo debido a que tiene resultados numéricos en función a
datos estadísticos los cuales han sido observados. Con estos resultados es que se
podrán plantear una solución al problema.
Método
El método es cuasi experimental debido a que se trabajará con un muestreo pre-
seleccionado, el cual es el personal operativo encargo de las funciones diarias para la
fabricación de los jeans.
VARIABLES
Independiente
La variable independiente es el pronóstico de la demanda porque no dependen de
otra variable para realizar su función. En cambio, la otra variable si depende de esta. Su
función será tener una mejor proyección más acertada de la cantidad necesaria para
vender sin incurrir en muchos gastos y tiempos.
30
Dependiente
En este caso la variable dependiente es la reducción de inventarios y está sujeta al
cambio que realice la variable dependiente. Es la variable que demostrará si funcionó el
método a aplicar y de ese modo descubrir si las hipótesis fueron correctas y se cumplieron
los objetivos.
POBLACIÓN Y MUESTRA
Población y Muestra
La problación a estudiar se basará en el personal del área de operaciones que
trabajan en el proceso de fabricación de jeans.
Muestra
En este caso la muestra a utilizar son los 24 operarios que trabajan en el área de
operaciones.
UNIDAD DE ANÁLISIS
Todos los operarios que participan en la fabricación de jeans para dama de la
empresa ABC.
INSTRUMENTOS Y TÉCNICAS
Instrumentos
La empresa ABC desea implementar mejoras para continuar en su crecimiento
como empresa y en este año 2017 se decidió realizar una encuesta a los trabajadores la
cual será utilizada en esta tesis para demostrar la importancia de realizar un mejor
pronóstico de la demanda y así tener una mejor proyección de las ventas reales y reducir
tiempos y costos de producción. En dicha encuesta se calificará del 0 al 2. Siendo el 2
más importante y el 0 menos importante con el fin de validar la importancia de
implementar pronósticos.
31
Letra Opción Ponderación
A De acuerdo 2
B Parcialmente de acuerdo 1
C Desacuerdo 0
Tabla N°6: Ponderación de encuesta
Fuente: Elaboración propia
N° PREGUNTAS
1 ¿Considera que el método de pronóstico actual para proyectar la demanda no es el más apropiado?
2 ¿Se utiliza suficiente data histórica de las ventas de periodos anteriores para estimar la demanda?
3 ¿La proyección realizada cubre de manera correcta la demanda de locales de canal propio?
4 ¿Se deben priorizar los pedidos de canal retail?
5 ¿Se ha presentado sobre costos por exceso de pedidos de canal retail?
6 ¿Se ha presentado sobrecarga laboral por exceso de pedidos de canal retail?
7 ¿Se ha presentado sobre costos por exceso de productos en stock?
8 ¿Consideran que se debe realizar una nueva gestión en los pronósticos de inventario?
Técnicas
Tabla N°7: Encuesta
Fuente: Elaboración propia
Se realizó el cálculo de confiabilidad del software estadístico “SPSS versión 22” el
cual demuestra que si es confiable por ser mayor a 0.80.
Figura N°7: SPSS
Fuente: Programa estadístico SPSS 22
32
PROCEDIMIENTOS Y MÉTODO DE ANÁLISIS
Procedimiento
Se muestra la serie de respuestas realizadas por los 24 operarios.
Personas / preguntas
1 2 3 4 5 6 7 8
1 A A B A A A A A
2 A A A A A A A A
3 A B A B A A A B
4 A A B B A A A A
5 B A B B A A B B
6 A A A A A A A B
7 A A A A A A A A
8 B B B B B B A A
9 A A B B B A A B
10 B A B B B A B B
11 A A A A A A A A
12 A A A A A A A A
13 A B B B B B B B
14 B A B B A B A A
15 A A B A A A A A
16 A A B A A B B A
17 A A A B A A B A
18 A A A A A A A A
19 B A B A B B A B
20 A B B A A A B A
21 A A B A A A A A
22 A A A A A B A A
23 B B B B B B B B
24 B B A B B B B B
Tabla N°8: Respuestas de encuesta
Fuente: Instrumento de la universidad técnica de Ambato, Ecuador.
33
Método de análisis
Al tener la respuesta de los cuestionarios se procedió a darle un monto un valor a
cada respuesta. Se detalla en la tabla siguiente:
Personas / preguntas
1 2 3 4 5 6 7 8 total
1 2 2 1 2 2 2 2 2 15
2 2 2 2 2 2 2 2 2 16
3 2 1 2 1 2 2 2 1 13
4 2 2 1 1 2 2 2 2 14
5 1 2 1 1 2 2 1 1 11
6 2 2 2 2 2 2 2 1 15
7 2 2 2 2 2 2 2 2 16
8 1 1 1 1 1 1 2 2 10
9 2 2 1 1 1 2 2 1 12
10 1 2 1 1 1 2 1 1 10
11 2 2 2 2 2 2 2 2 16
12 2 2 2 2 2 2 2 2 16
13 2 1 1 1 1 1 1 1 9
14 1 2 1 1 2 1 2 2 12
15 2 2 1 2 2 2 2 2 15
16 2 2 1 2 2 1 1 2 13
17 2 2 2 1 2 2 1 2 14
18 2 2 2 2 2 2 2 2 16
19 1 2 1 2 1 1 2 1 11
20 2 1 1 2 2 2 1 2 13
21 2 2 1 2 2 2 2 2 15
22 2 2 2 2 2 1 2 2 15
23 1 1 1 1 1 1 1 1 8
24 1 1 2 1 1 1 1 1 9
VARIANZA 0.2156 0.1957 0.2536 0.2591 0.2156 0.2319 0.2319 0.2446 6.6014
Tabla N°9: Valores de las respuestas de la encuesta
Fuente: Instrumento de la universidad técnica de Ambato, Ecuador.
Obteniendo las varianzas se puede aplicar la fórmula indicada para encontrar el
alfa.
34
𝑡
𝑡
α = Coeficiente de alfa Cronbach
K = Número de preguntas = 8=
𝑆2 = Varianza de la suma de las preguntas = 6.6014
𝑆2 = Sumatoria de varianza de las preguntas = 1.8478
Reemplazando los datos por la fórmula se obtiene lo siguiente:
α = 8
(1 − 81.8478
7 6.6014 )
α = 0.823
Figura N°8: Correlación Pearson
Fuente: Programa estadístico SPSS 22
Figura N°9: Correlación Spearman
Fuente: Programa estadístico SPSS 22
35
En ambas correlaciones estadísticas, tanto para la de Pearson como la
deSpearman, se demuestra su significancia en el nivel de 0.05
RESULTADOS
Se realizará un análisis de cada pregunta con el fin de mostrar la opinión de los
operarios y así ver si es importante realizar una mejora en la gestión de pronósticos de
inventarios.
Pregunta 1: ¿Considera que el método de pronóstico actual para proyectar la
demanda no es el más apropiado?
Como se puede apreciar en la tabla y la figura, más del 70% están de acuerdo con
que el método actual no es el más apropiado
Respuestas Cantidad Porcentaje Porcentaje acumulado
A 17 71% 71%
B 7 29% 100%
C 0 0% 100%
Total 24 100% 100%
Tabla N°10: Respuesta porcentual de la pregunta 1
Fuente: Elaboración propia
Figura N°10: Gráfica de la pregunta 1
Fuente: Elaboración propia
Pregunta 2 ¿Se utiliza suficiente data histórica de las ventas de periodos anteriores
para estimar la demanda?
Porcentaje
0%
29%
71%
A B C
36
Como se puede apreciar, el 75% de trabajadores está de acuerdo con que se utiliza
suficiente data histórica para realizar un buen pronóstico de la demanda.
Respuestas Cantidad Porcentaje Porcentaje acumulado
A 18 75% 75%
B 6 25% 100%
C 0 0% 100%
Total 24 100% 100%
Tabla N°1: Respuesta porcentual de la pregunta 2
Fuente: Elaboración propia
Figura N°11: Gráfica de la pregunta 2
Fuente: Elaboración propia
Pregunta 3 ¿La proyección realizada cubre de manera correcta la demanda de
locales de canal propio?
Como se puede apreciar más de la mitad no consideran que cubre la demanda de
manera correcta.
Respuestas Cantidad Porcentaje Porcentaje acumulado
A 10 42% 42%
B 14 58% 100%
C 0 0% 100%
Total 24 100% 100%
Tabla N°12: Respuesta porcentual de la pregunta 3
Fuente: Elaboración propia
Porcentaje
0%
25%
75%
A B C
37
Figura N°12: Gráfica de la pregunta 3
Fuente: Elaboración propia
Pregunta 4 ¿Se deben priorizar los pedidos de canal retail?
Esta es posiblemente le pregunta más complicada de todas. Los clientes
mayoristas, que vienen a ser los de canal retail, son quienes tienen prioridad en sus
pedidos y eso hace que los trabajadores terminen incurriendo en las horas extras y eso
lo demuestran en la encuesta. Poco más de la mitad está segura de que si se le debe dar
prioridad. Es por ese motivo la importancia de realizar mejores pronósticos de la demanda
para poder sustentarles con data histórica a los de canal retail que no venden todo lo que
piden y así ambos podrían beneficiarse.
Respuestas Cantidad Porcentaje Porcentaje acumulado
A 13 54% 54%
B 11 46% 100%
C 0 0% 100%
Total 24 100% 100%
Tabla N°13: Respuesta porcentual de la pregunta 4
Fuente: Elaboración propia
Porcentaje
0%
42%
58%
A B C
38
Figura N°13: Gráfica de la pregunta 4
Fuente: Elaboración propia
Pregunta 5 ¿Se ha presentado sobre costos por exceso de pedidos de canal
retail?
Más del 70% de los trabajadores tiene conocimiento de lo que sucede en la
sobreproducción y es por ese motivo de importancia de los pronósticos y poder de
negociación para realizar una buena propuesta que sea beneficiosa para ambas partes.
Respuestas Cantidad Porcentaje Porcentaje acumulado
A 17 71% 71%
B 7 29% 100%
C 0 0% 100%
Total 24 100% 100%
Tabla N°14: Respuesta porcentual de la pregunta 5
Fuente: Elaboración propia
Porcentaje
0%
46%
54%
A B C
39
Figura N°14: Gráfica de la pregunta 5
Fuente: Elaboración propia
Pregunta 6 ¿Se ha presentado sobrecarga laboral por exceso de pedidos de canal
retail?
Casi 2/3 de los trabajadores aceptan la situación actual con los canales de retail y
el otro 1/3 de los trabajadores está parcialmente de acuerdo.
Respuestas Cantidad Porcentaje Porcentaje acumulado
A 16 67% 67%
B 8 33% 100%
C 0 0% 100%
Total 24 100% 100%
Tabla N°15: Respuesta porcentual de la pregunta 6
Fuente: Elaboración propia
Figura N°15: Gráfica de la pregunta 6
Fuente: Elaboración propia
Porcentaje
0%
29%
71%
A B C
Porcentaje
0%
33%
67%
A B C
40
Pregunta 7 ¿Se ha presentado sobre costos por exceso de productos en stock?
El 67% de los trabajadores tiene conocimiento de que ese indicador es el que ha
hecho de que el área de operaciones se de cuenta que no está haciendo precisamente
el trabajo más óptimo y por ese motivo es que saben que se debe de mejorar la gestión
de los pronósticos de la demanda
Respuestas Cantidad Porcentaje Porcentaje acumulado
A 16 67% 67%
B 8 33% 100%
C 0 0% 100%
Total 24 100% 100%
Tabla N°16: Respuesta porcentual de la pregunta 7
Fuente: Elaboración propia
Figura N°16: Gráfica de la pregunta 7
Fuente: Elaboración propia
Pregunta 8 ¿Consideran que se debe realizar una nueva gestión en los pronósticos
de inventario?
2/3 de las personas entrevistadas aprueban el cambio y el resto está parcialmente
de acuerdo. No hay saldo negativo.
Porcentaje
0%
33%
67%
A B C
41
Respuestas Cantidad Porcentaje Porcentaje acumulado
A 16 67% 67%
B 8 33% 100%
C 0 0% 100%
Total 24 100% 100%
Tabla N°17: Respuesta porcentual de la pregunta 8
Fuente: Elaboración propia
Figura N°17: Gráfica de la pregunta 8
Fuente: Elaboración propia
Luego de ver cada una de las respuestas de manera individual se ha logrado
comprobar la aceptación de los trabajadores y necesidad de la empresa en mejorar la
gestión de pronósticos de la demanda para poder reducir costos y tiempos al momento
de fabricar pantalones de jean.
Teniendo conocimiento de que ahora se tiene la aprobación para realizar la gestión
de pronósticos de la demanda se realizó una clasificación ABC para poder evaluar cual
de los productos que fabrican tiene mayor importancia y entre ellos salió el jean para
dama de corte recto, dejando como no tan importantes la fabricación de polos y casacas.
Jeans para dama de corte recto (A).
Casacas de jean (B):
Polos ( C).
Porcentaje
0%
33%
67%
A B C
42
Figura N°18: Pareto
Fuente: Elaboración propia
Sabiendo cual es el producto del que se va realizar la tesis se optó por utilizar la
herramienta de calidad mejor conocida como Diagrama de Ishikawa para saber cuales
son los problemas principales.
Figura N°19: Diagrama de Ishikawa
Fuente: Elaboración propia
43
Teniendo los problemas bien identificados es que se puede proceder con la correcta
gestión de pronósticos de la demanda pero antes de comenzar es importante tener en
cuenta la siguiente herramienta de calidad para que su proceso de producción sea más
efectivo. La herramienta a utilizar son las 5S, también conocido como housekeeping y
son las siguientes:
Figura N° 20: Las 5 S
Fuente: Las 5s pilares de la fábrica visual
El propósito de utilizar esta herramienta es con el fin de aplicarla en el proceso de
fabricación del jean para poder tener un mayor rendimiento, producri menos defectos,
cumplir mejor los plazos y más segura. A continuación se realizará una breve explicación
de cada una de las 5S.
Seiri, también conocido como arreglo apropiado u organización, consiste en utilizar
lo necesario y así poder eliminar todo lo no necesario para evitar la compra innecesaria
de la tela y suministros. El saber que es lo que se necesita y lo que no, se evita tener
exceso de inventario que origine gastos extras y se obtiene más espacio libre. Ese tipo
de organización también puede servir para saber elegir la tela necesaria y clasificarla al
momento de los envíos a los talleres, tanto para la materia prima como para productos
terminados, evaluar el tizado y la costura correcta.
Otro paso a realizar es Seiton, también conocido como orden. Se puede definir
como la organización de los elementos y se debe aplicar de forma paralela con la
44
organización. Seiton consiste en tener todas las herramientas y máquinas a utilizar en su
ubicación correspondiente, de ese modo se puede mantener el orden y la cantidad
necesaria de tela para no dejar muchos retazos o merma innecesaria. Con respecto a los
productos terminados, en el momento que se vayan a almacenar se debe especificar no
solo la ubicación de los mismos, sino que también el número máximo de jeans por caja y
el número máximo de cajas.
El tercer paso a realizar es Seiso, también conocido como limpieza. Está
comprobado que las personas se sienten más cómodas al trabajar en un ambiente limpio
para una mayor productividad, es por eso la importancia del constante mantenimiento de
las máquinas y aseo de los lugares de trabajo. El aseo a las máquinas también ayuda a
descubrir defectos de funcionamiento por la introducción de polvo, lubricación
inadecuada, entre otros problemas.
El cuarto paso a realizar es Seiketsu, también conocido como limpieza
estandarizada. Este paso solo se logra cuando se vienen trabajando de manera constante
los 3 pasos anteriores que son organización, orden y limpieza. Esto paso no es que se
realice una actividad como tal, sino que va más referido al trabajador, quien debe estar
con la ropa adecuada para el trabajo y plantearse maneras de como continuar
manteniendo el orden y limpieza en el trabajo.
El quinto paso a realizar Shitsuke, también conocido como disciplina. Como su
mismo nombre lo dice, consiste en mantener esta filosofía en el trabajo con el fin de
realizar un mejor trabajo y obtener mejores resultados. Tiene que convertirse en un hábito
con el fin de mantener en constante funcionamiento las 5S.
Los beneficios de esta filosofía de trabajo generan reducción de costos de
mantenimiento por tener menor nivel de inventarios, cero despilfarros, crecimiento de
fiabilidad del equipo al tener menor número de averías y menor número de productos
defectuosos, reducción de accidentes y crecimiento del tiempo medio entre fallas como
traslados inútiles y cambio de herramientas. Todo esto genera un aumento de confianza
al trabajador con la posibilidad de cometer menos errores, genera mejor calidad de trabajo
y muestra un crecimiento corporativo.
45
A continuación se mostraran los objetivos trazados en la tesis y demostrar que las
hipótesis que se mostraron en su momento son viables y con respaldo de data histórica.
PROPUESTAS DE MEJORA
OBJETIVO 1
Medir el ahorro de costos de producción de jeans que se obtendría al reducir
inventarios de la empresa con la mejora de gestión en pronósticos de la demanda.
Los resultados a presentar se basarán en los pronósticos utilizados para cumplir
con los objetivos trazados y así poder determinar si las hipótesis fueron válidas. A
continuación mencionaré los 3 pronósticos utilizados:
Suavización Exponencial con Tendencia y Estacionalidad Multiplicativa
(Holt-Winters).
Suavización Exponencial con Tendencia.
Pronóstico con Promedio Móvil Simple y Factor Estacional.
Se realizaron los pronósticos mencionados con el fin de ver cuál de todos es el que
tiene el menor porcentaje medio absoluto (EPMA). Al notar que la data histórica si tiene
tendencia fue claro que el que presenta menor EPMA es el de Suavización Exponencial
con Tendencia y Estacionalidad multiplicativo (Holt-Winters) obteniendo un porcentaje de
4.9%, un alfa de 3,18%, un beta de 38,35% y un gamma de 59.76%. Para lograr realizar
el pronóstico se utilizaron las siguientes fórmulas.
En la tabla N°18 se demuestra que el pronóstico propuesto es mejor que el que se
utiliza actualmente. Se presentan las ventas reales de enero a julio del 2017, a su costado
la cantidad de jeans que se hubieran fabricado si se hubiera utilizado el pronóstico
propuesto, seguido de la cantidad de jeans producidos con el pronóstico que utilizan
actualmente y al final tenemos una desviación porcentual de ambos pronósticos con las
ventas reales. Lo que se desea mostrar es que el pronóstico propuesto tuvo una
desviación más pequeña con las ventas reales, lo que demuestra que el nuevo método
es más preciso que el anterior. Los porcentajes totales con el promedio absoluto del año.
46
MES
VENTAS REALES
2017
PRONÓSTICO PROPUESTO
PRON.
ACTUAL
DESVIACIÓN % de PRON.
PROPUESTO CON VENTAS
REALES:
DESVIACIÓN % DE PRON.
ACTUAL CON VENTAS REALES
ENERO 18435 18524 18753 0.48% 1.72%
FEBRERO 18798 18813 19668 0.08% 4.63%
MARZO 21343 19895 19865 -6.78% -6.92%
ABRIL 19853 19885 20424 0.16% 2.88%
MAYO 20484 20584 21479 0.49% 4.86%
JUNIO 28232 28301 29158 0.24% 3.28%
JULIO 35456 35481 35787 0.07% 0.93%
TOTAL 162601 161483 165134 0.75% 1.63%
Tabla N°18: Variación de pronósticos
Fuente: Elaboración propia
En la tabla N°19 lo que se pretende mostrar es la desviación entre ambos
pronósticos, donde demuestra que el método actual fabrican una mayor cantidad. Por
otro lado, el motivo pro el cual se colocaron las ventas de años pasados es para demostrar
algo muy común al momento de pronosticar las ventas; uno siempre quiere vender más
y es por eso que el método actual consiste en sacarle un promedio del mismo mes de los
3 últimos años y multiplicarlo por el porcentaje de crecimiento del PBI el cual en su
momento fue de 3.5%. Sin embargo, que el PBI se haya incrementado no significa que
suceda exactamente lo mismo con las empresas. Hay ocasiones como en este caso que
en vez de aumentar termina disminuyendo.
UNIDADES
MES AÑO 2014
AÑO 2015
AÑO 2016
PRONOSTICO PROPUESTO
PRON. ACTUAL
DESVIACIÓN %
ENERO 17436 17946 18973 18524 18753 1.24%
FEBRERO 18952 19753 18302 18813 19668 4.54%
MARZO 17877 18947 20754 19895 19865 -0.15%
ABRIL 19174 20130 19893 19885 20424 2.71%
MAYO 22901 18775 20583 20584 21479 4.35%
JUNIO 27369 28933 28214 28301 29158 3.03%
JULIO 32922 34168 36639 35481 35787 0.86%
AGOSTO 38010 38333 39158 38822 39849 2.65%
SETIEMBRE 33419 30437 32017 31921 33077 3.62%
OCTUBRE 30404 28608 29906 29728 30677 3.19%
NOVIEMBRE 22626 24764 25625 24974 25191 0.87%
DICIEMBRE 18335 19112 20373 19784 19949 0.83%
TOTAL 299425 299906 310437 306712 313877 2.31%
Tabla N°19: Pronóstico Holt-Winters
Fuente: Elaboración propia
47
Como se puede apreciar, la variación del nuevo pronóstico (Holt-Winters) en
comparación con el pronóstico actual de la empresa hubo una desviación promedio anual
del 2.31%, lo cual trae una diferencia de costos en suministros bastante considerable.
Corroborando que el pronóstico es el adecuado, se hace una evaluación de costo por
fabricación de jean, el cual es de S/.50.15, en función a las cantidades pronosticadas.
SOLES
MES PRON. PROPUESTO PRON. ACTUAL VARIACIÓN MONETARIA
ENERO 928,978.60 940,462.95 -11,484.35
FEBRERO 943,471.95 986,350.20 -42,878.25
MARZO 997,734.25 996,229.75 1,504.50
ABRIL 997,232.75 1,024,263.60 -27,030.85
MAYO 1,032,287.60 1,077,171.85 -44,884.25
JUNIO 1,419,295.15 1,462,273.70 -42,978.55
JULIO 1,779,372.15 1,794,718.05 -15,345.90
AGOSTO 1,946,923.30 1,998,427.35 -51,504.05
SETIEMBRE 1,600,838.15 1,658,811.55 -57,973.40
OCTUBRE 1,490,859.20 1,538,451.55 -47,592.35
NOVIEMBRE 1,252,446.10 1,263,328.65 -10,882.55
DICIEMBRE 992,167.60 1,000,442.35 -8,274.75
TOTAL 15,381,606.80 15,740,931.55 -359,324.75
Tabla N°20: Ahorro de costos en canal propio
Fuente: Elaboración propia
Como se aprecia en la tabla N°20, se ve una diferencia de S/.359,324.75 anual, la
cual se logró con la sumatoria de las multiplicaciones de las cantidades producidas al mes
por el costo de producción del jean (S/.50,15). Esto demuestra la importancia de realizar
una mejor gestión en pronósticos y así poder evitar costos de producción innecesarios.
Por tal motivo, de este modo se demuestra que el primer objetivo ha sido cumplido.
OBJETIVO 2
Medir el ahorro económico que se lograría al disminuir la cantidad de pedidos
del canal retail con la mejora de la gestión en pronósticos de la demanda.
Siguiendo con el segundo objetivo, en base a la data histórica, se quiere proponer
a las tiendas de retail darles menos jeans de los que solicitan sin alterar su nivel de ventas.
El acuerdo con los canales de retail es que ellos solicitan una cantidad de jeans que ponen
a la venta y todo lo que no se venda se devuelve a la empresa ABC. Dado el poder de
negociación que los canales de retail tienen es que tienden a solicitar cantidades elevadas
48
con el fin de tener un colchón de seguridad. El objetivo es convencerlos, en base a la
propuesta de pronósticos, de aceptar esta propuesta que genere un beneficio para
ambos. A continuación se presentan tablas que demuestran que el pronóstico propuesto
indica que la demanda de los jeans es menor a la solicitada por los canales de retail. Sin
embargo, como inicio de cara para una mejor negociación en el futuro no se va pretender
brindarles lo que dice el pronóstico realizado, sino que en el caso con Oeschle se
pretende reducir en rangos de 500 unidades y dejando margen de error en caso aumenten
las ventas en ese mes. En este caso se obtuvo un EPMA de 3.1%, un alfa de 12.18%, un
beta de 35.73% y un gama de 52.09%. Cabe indicar que el ahorro en costos es la
multiplicación de la desviación del pronóstico de canales retail con las ventas y el costo
de fabriación, el cual es S/.50,15, del jean.
En la tabla N° 21 se demuestra los resultados del pronóstico propuesto en función
a las ventas de años pasados, la cantidad de jeans que suele solicitar Oeschle y la
propuesta de venta que se le quiere proponer para ahorrar costos. En base a esos datos
se hace una desviación de los pronósticos de retail con las ventas y esa diferencia se
multiplica con los costos de producción y de ese modo poder saber el monto a ahorra de
manera mensual y anual.
OESCHLE
MES PRONOSTICO PROPUESTO
SOLICITUD OESCHLE
PROPUESTA DE VENTA
DESVIACION DE SOL. OESCHLE / P.
VENTA
AHORRO EN COSTOS
ENERO 3846 5000 4500 500 25,075.00
FEBRERO 3799 5000 4500 500 25,075.00
MARZO 3907 5000 4500 500 25,075.00
ABRIL 4118 5500 4500 1000 50,150.00
MAYO 4491 5500 5000 500 25,075.00
JUNIO 5183 5500 5500 0 -
JULIO 6352 7000 6500 500 25,075.00
AGOSTO 7304 7000 7500 -500 -25,075.00
SETIEMBRE 6755 7000 7000 0 -
OCTUBRE 5567 5500 5700 -200 -10,030.00
NOVIEMBRE 4958 5500 5200 300 15,045.00
DICIEMBRE 4519 5500 5000 500 25,075.00
TOTAL 60799 69000 65400 3600 180,540.00
Tabla N°21: Pronóstico de Oeschle
Fuente: Elaboración propia
Lo mismo se aplica para el caso de Ripley, con diferencia de que ya no serán por
rangos de cada 500 unidades sino que en esta ocasión será por rangos de 100. El ahorro
49
anual en costos de materia prima y suministros se encuentra en la columna de Ahorro en
costos. En este caso se obtuvo un EPMA de 4.8%, un alfa de 12.5%, un beta de 35.86%
y un gama de 52.09%.
RIPLEY
MES PRONOSTICO PROPUESTO
SOLICITUD REPLEY
PROPUESTA DE VENTA
DESVIACION DE P. RIPLEY / P. VENTA
AHORRO EN COSTOS
ENERO 2105 2500 2400 100 5,015.00
FEBRERO 2152 2500 2400 100 5,015.00
MARZO 2277 2500 2500 0 -
ABRIL 2268 3000 2800 200 10,030.00
MAYO 2450 3000 2800 200 10,030.00
JUNIO 2905 3000 3200 -200 -10,030.00
JULIO 3652 4500 4000 500 25,075.00
AGOSTO 4210 4500 4500 0 -
SETIEMBRE 3658 4500 4000 500 25,075.00
OCTUBRE 3015 3000 3200 -200 -10,030.00
NOVIEMBRE 2757 3000 3200 -200 -10,030.00
DICIEMBRE 2520 3000 3200 -200 -10,030.00
TOTAL 33969 39000 38200 800 40,120.00
Tabla N° 22: Pronóstico de Ripley
Fuente: Elaboración propia
Finalmente se realiza lo mismo para el canal retail de Paris en donde el rango va
de 50 en 50 para acortar diferencias al momento de fabricar jeans. En este caso se obtuvo
un EPMA de 5.1%, un alfa de 9.34%, un beta de 38.64% y un gama de 50.02%.
50
PARIS
MES PRONOSTICO PROPUESTO
SOLICITUD PARIS
PROPUESTA DE VENTA
DESVIACION DE S.PARIS/P.VENTA
AHORRO EN COSTOS
ENERO 2077 2500 2350 150 7,522.50
FEBRERO 2094 2500 2350 150 7,522.50
MARZO 2140 2500 2500 0 -
ABRIL 2292 2500 2500 0 -
MAYO 2348 3000 2500 500 25,075.00
JUNIO 2738 3000 3000 0 -
JULIO 3416 3500 3600 -100 -5,015.00
AGOSTO 3928 4500 4300 200 10,030.00
SETIEMBRE 3662 4500 4000 500 25,075.00
OCTUBRE 2890 3500 3300 200 10,030.00
NOVIEMBRE 2594 3000 3000 0 -
DICIEMBRE 2419 3000 2700 300 15,045.00
TOTAL 32598 38000 36100 1900 95,285.00
Tabla N°23: Pronóstico de Paris
Fuente: Elaboración propia
Teniendo conocimiento de los ahorros a nivel individual de cada local de retail es
que se hace una nueva tabla del total de los 3 locales y así poder ver cuanto es el ahorro
económico que se obtendría al reducir los pedidos realizados por ellos.
TOTAL DE LOCALES RETAIL
MES SOLICITUD RETAILS
PROPUESTA DE VENTA
DESVIACION DE S.RETAIL / VENTA PROPUESTA
AHORRO EN COSTOS
ENERO 10000 9250 750 37,612.50
FEBRERO 10000 9250 750 37,612.50
MARZO 10000 9500 500 25,075.00
ABRIL 11000 9800 1200 60,180.00
MAYO 11500 10300 1200 60,180.00
JUNIO 11500 11700 -200 -10,030.00
JULIO 15000 14100 900 45,135.00
AGOSTO 16000 16300 -300 -15,045.00
SETIEMBRE 16000 15000 1000 50,150.00
OCTUBRE 12000 12200 -200 -10,030.00
NOVIEMBRE 11500 11400 100 5,015.00
DICIEMBRE 11500 10900 600 30,090.00
TOTAL 146000 139700 6300 315,945.00
Tabla N°24: Pronóstico del total de canales de retail
Fuente: Elaboración propia
Como se aprecia en la tabla N° 24, la cantidad de ahorro anual es de S/315945 y
de ese modo se vuelve a demostrar la importancia de una correcta gestión de invetarios
que demuestre una cantidad más acertada a fabricar y así poder generar un ahorro
51
económico. De este modo se cumple con el segundo objetivo al demostrar que si hay un
ahorro económico.
OBJETIVO 3
Determinar el ahorro en pago de tiempos extra de operarios al reducir
inventarios de la empresa con la mejora de la gestión en pronósticos de la
demanda.
Con respecto a este objetivo, se tomará como referencia información
exclusivamente brindada por la empresa. En el cuadro se muestra información sobre la
cantidad de operarios que laboran fabricando los jeans, H-H trabajadas, semanas
trabajadas, costo de H-H por operario, entre otros.
INFORMACIÓN CANTIDAD NUMERACIÓN
Horas de trabajo diarias 8 Horas
Días de trabajo semanales 6 Días
Cant. De semanas 4 Semanas
Costo H-H 8 Soles/hora
Costo H-H extra 12 Soles/hora
Cant. Producida por hora 4 Jeans/Operario
Cantidad de operarios 24 Operarios
Tabla N°25: Tiempo de trabajo y costos/hora
Fuente: Elaboración propia
Por lo tanto:
INFORMACIÓN CANTIDAD NUMERACIÓN
Cantidad de Jeans producidos 4608 Jeans/Semana
Cantidad de Jeans producidos 18432 Jeans/Mes
Tabla N°26: Cantidad de jeans/mes
Fuente: Elaboración propia
Al conocer la cantidad de jeans fabricados de manera mensual se puede apreciar
que en ambos pronósticos, tanto para el pronóstico propuesto (Pronóstico Holt-Winters)
como el pronóstico que se viene utilizando hasta la fecha (Pronóstico Actual), exceden el
número total de jeans que se fabrican al mes sin incurrir en horas extras. Teniendo
conocimiento de ello, se hizo un cuadro mostrando las ventas reales del año 2017 y de
los 2 pronósticos ya mencionados. Se puede apreciar que de los 7 primeros meses de
los cuales se tiene la información de las ventas reales, el pronóstico más cercano es el
52
propuesto en la tesis y por ese motivo se hace una comparación con el pronóstico que
realiza la empresa para ver la diferencia de jeans que se pudieron haber dejado de
fabricar para evitar costos innecesarios. En la columna 5 se muestra la diferencia de
ambos pronósticos y en la sexta columna (Diferencia de costos) se muestra el total de
dinero que se está pagando por las horas extra a los trabajadores, teniendo un total de
ahorro de casi S/.21 495 anuales en canal propio.
MES VENTAS
2017 PRONOSTICO PROPUESTO
PRON. ACTUAL
DIFERENCIA DE PRONOSTICOS
DIFERENCIA DE COSTOS
ENERO 18435 18524 18753 229 687.00
FEBRERO 18798 18813 19668 855 2,565.00
MARZO 21343 19895 19865 -30 -90.00
ABRIL 19853 19885 20424 539 1,617.00
MAYO 20484 20584 21479 895 2,685.00
JUNIO 28232 28301 29158 857 2,571.00
JULIO 35456 35481 35787 306 918.00
AGOSTO - 38822 39849 1027 3,081.00
SETIEMBRE - 31921 33077 1156 3,468.00
OCTUBRE - 29728 30677 949 2,847.00
NOVIEMBRE - 24974 25191 217 651.00
DICIEMBRE - 19784 19949 165 495.00 162601 306712 313877 7165 21,495.00
Tabla N°27: Ahorro económico de horas extra en canal propio
Fuente: Elaboración propia
MES DEJAR DE PRODUCIR
DIFERENCIA DE COSTOS S/
ENERO 750 1187.5
FEBRERO 750 1187.5
MARZO 500 791.67
ABRIL 1200 1900
MAYO 1200 1900
JUNIO -200 -316.67
JULIO 900 1425
AGOSTO -300 -475
SETIEMBRE 1000 1583.33
OCTUBRE -200 -316.67
NOVIEMBRE 100 158.33
DICIEMBRE 600 950
TOTAL 6300 9974.99
Tabla N°28: Ahorro económico de horas extra en canal retail
Fuente: Elaboración propia
53
También se toma en cuenta el ahorro por parte de canal retail (Oeschle, Ripley y
Paris) que se muestra en la tabla N° 28. Por ende, el total de ahorro por horas extra
trabajadas es de S/. 31469.99 que equivalen a 2622.50 horas.
MES HORAS EXTRA
CANT. DEJAR DE PRODUCIR
DIFERENCIA DE COSTOS S/
ENERO 163.17 979 1874.5
FEBRERO 267.5 1605 3752.5
MARZO 78.33 470 701.67
ABRIL 289.83 1739 3517
MAYO 349.17 2095 4585
JUNIO 109.5 657 2254.33
JULIO 201 1206 2343
AGOSTO 121.17 727 2606
SETIEMBRE 359.33 2156 5051.33
OCTUBRE 124.83 749 2530.33
NOVIEMBRE 52.83 317 809.33
DICIEMBRE 127.5 765 1445
TOTAL 2244.16 13465 31469.99
Tabla N°29: Ahorro económico de horas extra en canal propio y retail
Fuente: Elaboración propia
De este modo, en el tercer objetivo se demuestra la importancia de una correcta
gestión de inventarios. Gracias al pronóstico propuesto queda expuesto el exceso de
horas extra que se pagan a los colaboradores por fabricar cantidades innecesaria.
OBJETIVO 4
Determinar el ahorro económico al disminuir stock de productos terminados
en almacén.
Al reducir inventarios no solo se está ahorrando costos al comprar materia prima y
contratar mano de obra; sino que también se está disminuyendo el costo de mantener
productos terminados en almacén. Al aplicar el nuevo pronóstico de holt-Winters se puede
ver la clara diferencia de cantidades a producir entre los pronósticos actuales y los
propuestos. La diferencia de esas cantidades se multiplica por el costo de mantener, ese
costo de mantener es un porcentaje que se obtiene mediante una fórmula en donde se
dividen todos los gaston que hay en el almacen (Sueldos/tiempoextra, prestaciones de
ley, gastos de luz, papelería, depreciación de activos asignados al almacen, teléfono/
internet, gasto de instalación, costo de demoras, renta de superficie, mermas, entre otros)
54
entre el costo de la producción del inventario que se encuentra dentro del almacén y da
como resultado el 10% aproximadamente. Finalmenete se puede obervar que el ahorro
anual en canal propio es de S/.35,932.48.
MES PRONÓSTICO PROPUESTO
PRON.OSTICO ACTUAL
DESVIACIÓN DE
PRONOSTICOS
COSTO DE MANTENER
ENERO 18524 18753 229 1,148.44
FEBRERO 18813 19668 855 4,287.83
MARZO 19895 19865 -30 -150.45
ABRIL 19885 20424 539 2,703.09
MAYO 20584 21479 895 4,488.43
JUNIO 28301 29158 857 4,297.86
JULIO 35481 35787 306 1,534.59
AGOSTO 38822 39849 1027 5,150.41
SETIEMBRE 31921 33077 1156 5,797.34
OCTUBRE 29728 30677 949 4,759.24
NOVIEMBRE 24974 25191 217 1,088.26
DICIEMBRE 19784 19949 165 827.48
TOTAL 306712 313877 7165 35,932.48
Tabla N°30: Ahorro de costo de mantener en canal propio
Fuente: Elaboración propia
Por el lado de canal retail también se tiene un ahorro considerable de S/.93,449.51.
Se debe tener en cuenta que este cuadro representa el total de los canales de retail.
MES PRONÓSTICO PROPUESTO
PRON.OSTICO ACTUAL
DESVIACIÓN DE
PRONOSTICOS
COSTO DE MANTENER
ENERO 8028 10000 1972 9,889.58
FEBRERO 8045 10000 1955 9,804.33
MARZO 8324 10000 1676 8,405.14
ABRIL 8678 11000 2322 11,644.83
MAYO 9289 11500 2211 11,088.17
JUNIO 10826 11500 674 3,380.11
JULIO 13420 15000 1580 7,923.70
AGOSTO 15442 16000 558 2,798.37
SETIEMBRE 14075 16000 1925 9,653.88
OCTUBRE 11472 12000 528 2,647.92
NOVIEMBRE 10309 11500 1191 5,972.87
DICIEMBRE 9458 11500 2042 10,240.63
TOTAL 127366 146000 18634 93,449.51
Tabla N°31: Ahorro de costo de mantener en canal retail
Fuente: Elaboración propia
55
Al conocer la información de ambos canales de venta se obtiene como resultado
que el ahorro en costo de mantener es de S/. 129,381.99.
MES PRONÓSTICO PROPUESTO
PRONOSTICO ACTUAL
DESVIACIÓN DE PRONOSTICOS
COSTO DE MANTENER
ENERO 26552 28753 2201 11,038.02
FEBRERO 26858 29668 2810 14,092.15
MARZO 28219 29865 1646 8,254.69
ABRIL 28563 31424 2861 14,347.92
MAYO 29873 32979 3106 15,576.59
JUNIO 39127 40658 1531 7,677.97
JULIO 48901 50787 1886 9,458.29
AGOSTO 54264 55849 1585 7,948.78
SETIEMBRE 45996 49077 3081 15,451.22
OCTUBRE 41200 42677 1477 7,407.16
NOVIEMBRE 35283 36691 1408 7,061.12
DICIEMBRE 29242 31449 2207 11,068.11
TOTAL 434078 459877 25799 129,381.99
Tabla N°32: Ahorro de costo de mantener total
Fuente: Elaboración propia
Con esta información queda demostrado que con una mejor gestión de pronósticos
se cumple con el objetivo cuatro de demostrar el ahorro económico en costos de mantener
OBJETIVO GENERAL
De acuerdo a lo expuesto en la presente tesis se demuestra que la propuesta de
mejorar la gestión de pronósticos de la demanda ha tenido éxito al mostrar el ahorro
económico que se ha logrado al reducir la cantidad de producción de jeans de corte recto.
En la tabla N° 33 se resumen el total de los ahorros de manera mensua y anual el
cual es un monto de S/836,121.73.
56
AHORRO EN COSTOS
MES PRODUCCIÓN
EN RED PROPIA
PRODUCCIÓN EN CANALES
DE RETAIL
PAGO DE HORAS EXTRAS
COSTO DE MANTENER
TOTAL
ENERO
11,484.35
37,612.50 1,874.50 11,038.02
62,009.37
FEBRERO
42,878.25
37,612.50 3,752.50 14,092.15
98,335.40
MARZO -
1,504.50
25,075.00 701.67 8,254.69
32,526.86
ABRIL
27,030.85
60,180.00 3,517.00 14,347.92
105,075.77
MAYO
44,884.25
60,180.00 4,585.00 15,576.59
125,225.84
JUNIO
42,978.55 -
10,030.00 2,254.33 7,677.97
42,880.85
JULIO
15,345.90
45,135.00 2,343.00 9,458.29
72,282.19
AGOSTO
51,504.05 -
15,045.00 2,606.00 7,948.78
47,013.83
SETIEMBRE
57,973.40
50,150.00 5,051.33 15,451.22
128,625.95
OCTUBRE
47,592.35 -
10,030.00 2,530.33 7,407.16
47,499.84
NOVIEMBRE
10,882.55
5,015.00 809.33 7,061.12
23,768.00
DICIEMBRE
8,274.75
30,090.00 1,445.00 11,068.11
50,877.86
TOTAL
359,324.75
315,945.00 31,469.99 129,381.99
836,121.73
Tabla N°33: Ahorro total de costos
Fuente: Elaboración propia
57
DISCUSION
Esta tesis se basa en la mejora de gestión de pronósticos de la demanda para
obtener el ahorro económico reduciendo la cantidad de producción. Gracias a eso se
puede reducir los costos en la compra de suministros, pago de horas extra a los
trabjadores y en los costos de mantener. Sin embargo, hay otras tesis, como la de Gordillo
Cerrutti, que también utiliza los pronósticos pero no para estimar la demanda del producto
terminado, sino que lo hacen para la planificación al momento de solicitar los suministros.
Otro caso fue el de Lucía Hinostroza quien también utilizó los pronósticos para
mejorar la precisión de la demanda debido a que la manera de pronosticar de esa
empresa hacía que en algunas ocasiones produzcan más y en otras menos. Esa tesis se
enfoca más en mejorar el desempeño de las operaciones que en el ahorro de costos.
La tesis de Marín Valderrama es otro caso en el que utiliza los pronósticos para re
diseñar la cadena de suministros y así disminuir ruptura y exceso de inventarios
disminuyendo costos y teniendo un mejor control de sus variables. Un caos muy similar
es que plantea Orobio Hurtado quien también se plantea re diseñar la cadena de
suministros con los pronósticos de la demanda utilizando la clasificación ABC.
La mayoría de casos de las tesis encontradas se tratan de pronósticos de la
demanda para reducir costos al momento de ordenar los suministros y así reducir sus
costos al momento de comprar. Hubo algunos casos que si se enfocaban más en el
producto terminado como el caso de esta tesis. Sin embargo esta tesis no solo se enfoca
en los costos de fabricación y suministros sino que también se enfoca en costos de horas
extra a los trabajadores y negociación con el canal retail pero reducir costos y ambos salir
beneficiados.
58
CONCLUSIONES
La importancia de aplicar distintos métodos de pronósticos ayuda a que uno pueda
comparar cual es el que más se le acomoda a su data histórica. En el caso de esta tesis
se pudo utilizar el método de Suavización Exponencial con Tendencia y Estacionalidad
Aditiva (Holt-Winters) gracias a que la data tenía una tendencia. En cambio, otra data que
no tenga tendencia no serviría de mucho y en vez de ese método se podría utilizar el
método de promedio móvil y factor estacional.
Los pronósticos de la demanda se basaron en una clasificación ABC en donde el
pantalón para dama de corte recto representa el mayor margen de rentabilidad que ofrece
la empresa y su mayor cantidad de ventas. Un punto relativo a resaltar es la importancia
de los costos que se pueden reducir con solo realizar un mejor pronóstico de inventario,
debido a que no solo reduces los costos de los suministros a comprar sino que también
se reduce el costo de mantener productos terminados y también se reduce la horas extras
que se le debe pagar a los operarios.
Otro punto a resaltar es que gracias a una base de datos histórica se puede obtener
un mejor poder de negociación con canales de retail para demostrar que se puede brindar
menos productos terminados sin afectar las ventas de ellos y la empresa reduciendo
costos. De ese modo ambos serían beneficiados debido a que retail también ahorraría en
sus costos de transporte a sus distintos locales.
Finalmente como última conclusión, se detalla el monto total ahorrado de manera
anual con una correcta gestión de pronósticos de la demanda.
AHORRO EN COSTOS
MES PRODUCCIÓN EN
RED PROPIA
PRODUCCIÓN EN CANALES DE
RETAIL
PAGO DE HORAS EXTRAS
COSTO DE MANTENER
TOTAL
ENERO 11,484.35 37,612.50 1,874.50 11,038.02 62,009.37
FEBRERO 42,878.25 37,612.50 3,752.50 14,092.15 98,335.40
MARZO -1,504.50 25,075.00 701.67 8,254.69 32,526.86
ABRIL 27,030.85 60,180.00 3,517.00 14,347.92 105,075.77
MAYO 44,884.25 60,180.00 4,585.00 15,576.59 125,225.84
JUNIO 42,978.55 -10,030.00 2,254.33 7,677.97 42,880.85
JULIO 15,345.90 45,135.00 2,343.00 9,458.29 72,282.19
AGOSTO 51,504.05 -15,045.00 2,606.00 7,948.78 47,013.83
SETIEMBRE 57,973.40 50,150.00 5,051.33 15,451.22 128,625.95
OCTUBRE 47,592.35 -10,030.00 2,530.33 7,407.16 47,499.84
NOVIEMBRE 10,882.55 5,015.00 809.33 7,061.12 23,768.00
DICIEMBRE 8,274.75 30,090.00 1,445.00 11,068.11 50,877.86
TOTAL 359,324.75 315,945.00 31,469.99 129,381.99 836,121.73
59
RECOMENDACIONES
La primera recomendación sería adquirir un software ERP para que puedan integrar
sus operaciones logísticas y de inventario para poder tener acceso a una base de datos
más centralizada y no tenerla en Excel que es más fácil que se pueda perder o
transgiversar la información.
Otra de las recomendaciones se trata de poder tener una mayor comunicación con
los de canales de venta de retail para poder tener un mayor poder de negociación o en
todo caso conocer mejor como es que ellos manejan sus inventarios para así poder
brindar cantidades más acertadas al momento que ellos solicitan una compra.
Si bien este trabajo de tesis se trata de pronóstico de inventarios, se pudo identificar
algunos cuellos de botella en su proceso de fabricación de jeans los cuales podrían
mejorarse. Por ejemplo aplicando las 5S les ayudaría a un mejor control y mantenimiento
de sus máquinas, mantener el área limpia, entre otros. Mejorando esos procesos se
podría reducir el tiempo de fabricación de prendas y producir más jeans los que pueden
actualmente y de ese modo también seguir reduciendo pago de horas extra.
Finalmente, también se recomienda ampliar su gama de proveedores quienes
podrían brindarle los suministros de una manera más rápida con productos de mayor
calidad.
60
REFERENCIAS
Agudelo Rendón, C. (2013). Desarrollo de un modelo para el pronóstico de la demanda
por color en la empresa Coats Cadena Andina SA (Master's thesis, Pereira:
Universidad Tecnológica de Pereira).
Arango-Serna, M. D., Adarme-Jaimes, W., & Zapata-Cortes, J. A. (2013). Inventarios
colaborativos en la optimización de la cadena de suministros. Dyna, 80(181).
Arrieta, J. G. (2012). Las 5s pilares de la fábrica visual. Revista Universidad
EAFIT, 35(114), 35-48.
Gordillo-Cerrutti, R. (2016). Mejora en el proceso de elaboración y gestión de los
pronósticos de la demanda en una empresa dedicada a la venta de productos de
belleza.
Hinostroza Huanay, L. D. C. (2016). Manejo de pronósticos e inventarios para la mejora
del desempeño de las operaciones en una empresa textil peruana.
Largo, F. L. (2015). Campus virtuales: De gestores de contenidos a gestores de
metodologías. Revista de Educación a Distancia, (42).
Marín Valderrama, J. M. (2011). Propuesta de rediseño de la cadena de abastecimiento
de la empresa de confecciones Gaf y definición de los indicadores de
gestión (Bachelor's thesis).
Orobio Hurtado, J. F. (2017). Propuesta de un sistema de control de inventarios de
productos terminados en la empresa Laboratorios Seres SAS de Santiago de
Cali (Bachelor's thesis, Universidad Autónoma de Occidente).
Pérez-Vergara, I., Cifuentes-Laguna, A. M., Vásquez-García, C., & Marcela-Ocampo, D.
(2013). Un modelo de gestión de inventarios para una empresa de productos
alimenticios. Ingeniería Industrial, 34(2), 227-236.
Ramírez Agudelo, S. (2013). Comparación de metodologías estadísticas para pronóstico
de demanda de productos de difícil estimación (Doctoral dissertation).
Rodríguez, A., Lizeth, J., Licla, P., & Yudith, J. (2017). Análisis y propuesta de
implementación de un sistema de planificación de producción y gestión de
61
inventarios y almacenes aplicado a una empresa de fabricación de perfiles de
plásticos de pvc.
Solís, J. A. P. (2014). La evolución del planeamiento de ventas y operaciones. Interfases,
(7), 105-116.
Tejada López, C. A. (2012). Utilización del modelo SCOR para realizar una propuesta
de rediseño del esquema de gestión del abastecimiento y del manejo de
inventarios en una industria textil (Bachelor's thesis, Quito, 2012.).
Tirado G. (2012) El rendimiento laboral y su incidencia en la producción de la industria
de polímeros y plásticos cia. Ltda. Inpolplast. Tesis de pregrado. Universidad
técnica de Ambato, Ambato, Ecuador.
Utreras Avalos, J. L. (2015). Propuesta de mejoras a los modelos de pronóstico de
demanda y de control de inventario de materia prima actuales de los principales
productos del segmento APH de la empresa XYZ (Bachelor's thesis, Quito: USFQ,
2015.).
Vásquez Médico, J. I. (2013). Propuesta de un sistema de planificación de la producción
aplicado a una empresa textil dedicada a la fabricación de calcetines.
Villegas Salazar, J. J. (2017). Diseño de un sistema de planeación de la producción en la
empresa Confecciones A&J SAS (Bachelor's thesis, Universidad Autónoma de
Occidente).
Wallace, T. F. (2004). Sales & operations planning: the" how-to" handbook. TF Wallace &
Co.
62
Tipo de pronósticos de la demanda
ANEXOS
ANEXO 1
Cuadro de pronóstico de suavización exponencial con estacionalidad
UNIDADES
MES
AÑO 2014
AÑO 2015
AÑO 2016
PRON. HOLT-
WINTERS
PRON. ACTUAL
VARICIÓN %
ENERO 17436 17946 18973 19366 18753 -3.17%
FEBRERO 18952 19753 18302 20388 19668 -3.53%
MARZO 17877 18947 20754 20717 19865 -4.11%
ABRIL 19174 20130 19893 21395 20424 -4.54%
MAYO 22901 18775 20583 22553 21479 -4.76%
JUNIO 27369 28933 28214 30111 29158 -3.16%
JULIO 32922 34168 36639 36653 35787 -2.36%
AGOSTO 38010 38333 39158 40715 39849 -2.13%
SETIEMBRE 33419 30437 32017 34311 33077 -3.60%
OCTUBRE 30404 28608 29906 32130 30677 -4.52%
NOVIEMBRE 22626 24764 25625 26968 25191 -6.59%
DICIEMBRE 18335 19112 20373 22041 19949 -9.49%
TOTAL 299425 299906 310437 327348 313877 4.33%
(promedio)
Cuadro de pronóstico promedio móvil simple y factor estacional.
UNIDADES
MES AÑO 2014
AÑO 2015
AÑO 2016
PRON. HOLT-
WINTERS
PRON. ACTUAL
VARICIÓN %
ENERO 17436 17946 18973 19701 18753 -4.81%
FEBRERO 18952 19753 18302 20199 19668 -2.63%
MARZO 17877 18947 20754 18291 19865 8.61%
ABRIL 19174 20130 19893 17234 20424 18.51%
MAYO 22901 18775 20583 17977 21479 19.48%
JUNIO 27369 28933 28214 22630 29158 28.85%
JULIO 32922 34168 36639 27043 35787 32.33%
AGOSTO 38010 38333 39158 29840 39849 33.54%
SETIEMBRE 33419 30437 32017 25908 33077 27.67%
OCTUBRE 30404 28608 29906 26837 30677 14.31%
NOVIEMBRE 22626 24764 25625 25771 25191 -2.25%
DICIEMBRE 18335 19112 20373 23297 19949 -14.37%
TOTAL
299425
299906
310437
274728
313877
13.27% (promedio)
63
Cuadro de pronóstico con Suavización Exponencial con Tendencia y Estacionalidad
Aditiva (Holt-Winters).
. UNIDADES
MES
AÑO 2014
AÑO 2015
AÑO 2016
PRONOSTICO PROPUESTO
PRON. ACTUAL
DESVIACIÓN %
ENERO 17436 17946 18973 18524 18753 1.24%
FEBRERO 18952 19753 18302 18813 19668 4.54%
MARZO 17877 18947 20754 19895 19865 -0.15%
ABRIL 19174 20130 19893 19885 20424 2.71%
MAYO 22901 18775 20583 20584 21479 4.35%
JUNIO 27369 28933 28214 28301 29158 3.03%
JULIO 32922 34168 36639 35481 35787 0.86%
AGOSTO 38010 38333 39158 38822 39849 2.65%
SETIEMBRE 33419 30437 32017 31921 33077 3.62%
OCTUBRE 30404 28608 29906 29728 30677 3.19%
NOVIEMBRE 22626 24764 25625 24974 25191 0.87%
DICIEMBRE 18335 19112 20373 19784 19949 0.83%
TOTAL 299425 299906 310437 306712 313877 2.31%
(promedio)
ANEXO 2
Diferencia de costos por tipo de pronósticos
Cuadro de diferencia de costos con pronóstico de suavización exponencial con
estacionalidad
SOLES
MES PRON. HOLT-WINTERS PRON. ACTUAL VARIACIÓN MONETARIA
ENERO 971,204.90 940,462.95 30,741.95
FEBRERO 1,022,458.20 986,350.20 36,108.00
MARZO 1,038,957.55 996,229.75 42,727.80
ABRIL 1,072,959.25 1,024,263.60 48,695.65
MAYO 1,131,032.95 1,077,171.85 53,861.10
JUNIO 1,510,066.65 1,462,273.70 47,792.95
JULIO 1,838,147.95 1,794,718.05 43,429.90
AGOSTO 2,041,857.25 1,998,427.35 43,429.90
SETIEMBRE 1,720,696.65 1,658,811.55 61,885.10
OCTUBRE 1,611,319.50 1,538,451.55 72,867.95
NOVIEMBRE 1,352,445.20 1,263,328.65 89,116.55
DICIEMBRE 1,105,356.15 1,000,442.35 104,913.80
TOTAL 16,416,502.20 15,740,931.55 675,570.65
64
Cuadro de diferencia de costos con pronóstico promedio móvil simple y factor
estacional.
SOLES
MES PRON. HOLT-WINTERS PRON. ACTUAL VARIACIÓN MONETARIA
ENERO 988,005.15 940,462.95 47,542.20
FEBRERO 1,012,979.85 986,350.20 26,629.65
MARZO 917,293.65 996,229.75 -78,936.10
ABRIL 864,285.10 1,024,263.60 -159,978.50
MAYO 901,546.55 1,077,171.85 -175,625.30
JUNIO 1,134,894.50 1,462,273.70 -327,379.20
JULIO 1,356,206.45 1,794,718.05 -438,511.60
AGOSTO 1,496,476.00 1,998,427.35 -501,951.35
SETIEMBRE 1,299,286.20 1,658,811.55 -359,525.35
OCTUBRE 1,345,875.55 1,538,451.55 -192,576.00
NOVIEMBRE 1,292,415.65 1,263,328.65 29,087.00
DICIEMBRE 1,168,344.55 1,000,442.35 167,902.20
TOTAL 13,777,609.20 15,740,931.55 -1,963,322.35
Cuadro de diferencia de costos con Suavización Exponencial con Tendencia y
Estacionalidad Aditiva (Holt-Winters).
SOLES
MES
PRONOSTICO PROPUESTO
PRON. ACTUAL
VARIACIÓN MONETARIA
ENERO 928,978.60 940,462.95 -11,484.35
FEBRERO 943,471.95 986,350.20 -42,878.25
MARZO 997,734.25 996,229.75 1,504.50
ABRIL 997,232.75 1,024,263.60 -27,030.85
MAYO 1,032,287.60 1,077,171.85 -44,884.25
JUNIO 1,419,295.15 1,462,273.70 -42,978.55
JULIO 1,779,372.15 1,794,718.05 -15,345.90
AGOSTO 1,946,923.30 1,998,427.35 -51,504.05
SETIEMBRE 1,600,838.15 1,658,811.55 -57,973.40
OCTUBRE 1,490,859.20 1,538,451.55 -47,592.35
NOVIEMBRE 1,252,446.10 1,263,328.65 -10,882.55
DICIEMBRE 992,167.60 1,000,442.35 -8,274.75
TOTAL 15,381,606.80 15,740,931.55 -359,324.75
65
ANEXO 3
Unidades de ventas por canales de retail
Cuadro de unidades y ventas de Oechsle
RESULTADOS DEL AÑO
LOCAL ZONA UNIDADES
2016 UNIDADES
2015 Variación
(UNIDADES) SOLES 2016 SOLES 2015
Variación (S/.)
AREQUIPA PROVINCIA 3,605 3,658 -1.45% 264,438.76 269,030.70 -1.71%
BARRANCA PROVINCIA 1262 0 0.00% 92,571.91 0.00 0.00%
CAJAMARCA PROVINCIA 1,780 2,154 -17.36% 130,568.93 158,417.75 -17.58%
CENTRO CIVICO LIMA 3,539 5,687 -37.77% 259,597.44 418,255.22 -37.93%
CHICLAYO PROVINCIA 5,231 4,683 11.70% 383,711.28 344,415.19 11.41%
CUSCO PROVINCIA 4,090 3,955 3.41% 300,015.13 290,873.82 3.14%
HUANCAYO REAL PROVINCIA 4,188 4,502 -6.97% 307,203.76 331,103.39 -7.22%
HUÁNUCO ORIENTE
PROVINCIA 1,989 2812 -29.27% 145,899.78 206,810.92 -29.45%
ICA PROVINCIA 2,604 2351 10.76% 191,012.08 172,906.28 10.47%
JIRON DE LA UNION
LIMA 2,645 2,764 -4.31% 194,019.56 203,280.71 -4.56%
JOCKEY PLAZA LIMA 1,645 2,063 -20.26% 120,666.23 151,725.08 -20.47%
JULIACA PROVINCIA 2,351 2,160 8.84% 172,453.69 158,859.02 8.56%
LA CURVA LIMA 1259 0 0.00% 92,351.85 0.00 0.00%
MALL DEL SUR LIMA 2,871 0 0.00% 210,597.42 0.00 0.00%
PIURA PROVINCIA 3,534 3,640 -2.91% 259,230.68 267,706.87 -3.17%
PLAZA LIMA NORTE
LIMA 4,478 4,600 -2.65% 328,476.22 338,310.89 -2.91%
PRIMAVERA REAL LIMA 2,204 2,529 -12.85% 161,670.75 185,997.44 -13.08%
PUCALLPA ORIENTE
PROVINCIA 2,535 2369 7.01% 185,950.70 174,230.11 6.73%
SALAVERRY LIMA 1,945 1923 1.14% 142,672.23 141,428.66 0.88%
SAN BORJA LIMA 1,343 1900 -29.32% 98,513.53 139,737.10 -29.50%
TRUJILLO REAL PROVINCIA 4,620 4,507 2.51% 338,892.40 331,471.12 2.24%
TOTALES 59,718 58,257 2.51% 4,380,514.32 4,284,560.27 2.24%
66
Cuadro de unidades y ventas de Ripley
RESULTADOS DEL AÑO
LOCAL ZONA UNIDADES
2016 UNIDADES
2015 Variación
(UNIDADES) SOLES 2016 SOLES 2015
Variación (S/.)
JOCKEY PLAZA LIMA 3,174 2,868 10.67% 227,012.18 204,783.46 10.85%
SAN MIGUEL LIMA 3,835 3,683 4.13% 274,288.51 262,976.81 4.30%
SAN ISIDRO LIMA 2,565 2,803 -8.49% 183,455.02 200,142.27 -8.34%
MIRAFLORES LIMA 2,292 2,597 -11.74% 163,929.40 185,433.28 -11.60%
PRIMAVERA REAL LIMA 2,886 2,712 6.42% 206,413.72 193,644.61 6.59%
MALL DEL SUR LIMA 3,040 2,997 1.43% 217,428.18 213,994.43 1.60%
PLAZA LIMA NORTE LIMA 3,648 3,329 9.58% 260,913.81 237,700.19 9.77%
CALLAO LIMA 3,408 3,332 2.28% 243,748.43 237,914.40 2.45%
NUEVO SAN JUAN LIMA 2,339 2,532 -7.62% 167,290.96 180,792.09 -7.47%
ASIA LIMA 1,300 1,489 -12.69% 92,979.15 106,318.89 -12.55%
BOUTIQUE MARQUIS
LIMA 1,450 1,359 6.70% 103,707.52 97,036.51 6.87%
SAN BORJA LIMA 1,850 1,895 -2.37% 132,316.49 135,308.46 -2.21%
SALAVERRY LIMA 2,345 1,893 23.88% 167,720.09 135,165.65 24.08%
TOTALES 34,132 33,489 1.92% 2,441,203.46 2,391,211.05 2.09%
Cuadro de unidades y ventas de Paris
RESULTADOS DEL AÑO
LOCAL ZONA UNIDADES
2016 UNIDADES
2015 Variación
(UNIDADES) SOLES 2016 SOLES 2015
Variación (S/.)
JOCKEY PLAZA LIMA 4,872 5,111 -4.68% 348,561.94 384,332.32 -9.31%
SAN MIGUEL LIMA 8,047 7,473 7.68% 575,723.19 561,925.86 2.46%
PLAZA LIMA NORTE
LIMA 8,200 8,049 1.87% 586,669.86 605,252.73 -3.07%
BELLAVISTA LIMA 6,536 6,196 5.48% 467,615.90 465,917.97 0.36%
BRASIL LIMA 5,025 5,326 -5.66% 359,508.61 400,514.10 -10.24%
TOTALES 32,679 32,156 1.63% 2,338,079.51 2,417,942.99 -3.30%
67
ANEXO 4
Encuesta
Letra Opción Ponderación
A De acuerdo 2
B Parcialmente de acuerdo 1
C Desacuerdo 0
N° PREGUNTAS A B C
1 ¿Se utiliza data histórica de las ventas de periodos anteriores para estimar la demanda?
2 ¿Considera que el método de pronóstico actual para proyectar la demanda es el más apropiado?
3 ¿La proyección realizada cubre la demanda de locales de canal propio?
4 ¿Es buena idea priorizar los pedidos de canal retail?
5 ¿Se ha presentado sobre costos por exceso de pedidos de canal retail?
6 ¿Se ha presentado sobrecarga laboral por exceso de pedidos de canal retail?
7 ¿Se tiene algún indicador de cuantos productos terminados no se venden por mes o al año?
8 ¿Consideran que se debe realizar una nueva gestión en los pronósticos de inventario?
ANEXO 5
Bill of materials
68
ANEXO 6
DOP
Proceso de producción de pantalón jean de corto recto
Comercialización Almacén Corte Confección Control de calidad Lavandería
Inicio
Envío de tela a corte
Generación de orden de producción
¿Quedó bien?
Habilitado
Corte Ensamble y confección
Envío de prendas a lavandería
¿Costura correcta?
Recepción de prenda lavada
Lavado de prenda
Acabado (se ensamblan botones,
cremalleras, etc.)
¿Todo ok?
Fin
Envío a cliente
Empaquetado
Inspección final
Revisión de la costura de
ensamble
Tizado
Limpieza de prenda
Recepción de pedido
Fase
69
ANEXO 7
DAP
70
ANEXO 8
Cadena de suministros