El presente trabajo tiene como principal objetivo desarrollar una herramienta de control y gestión para el inventario de producto terminado para una empresa industrial con la ayuda de herramientas tecnológicas como Excel y el software R Studio.

Por tal razón, se analizarán las variables que intervienen o afectan directa e indirectamente al inventario como: datos históricos de venta, datos atípicos de ventas, pronóstico de demanda futura, modelo de proyección, tiempos de reabastecimiento, nivel de servicio, stock de seguridad, inventario promedio e inventario óptimo.

Además, el modelo de optimización del inventario está basado en el análisis estadístico de datos como: coeficientes de variación, desviación estándar, valores mínimos y máximos y cuartiles. Debido a la confiabilidad de los datos e información estratégica de la empresa, el presente estudio tiene sus limitaciones y por lo tanto se generan supuestos que serán detallados para que la herramienta a futuro pueda ser utilizada, evaluada y mejorada según amerite.

El inventario

La importancia del inventario en una empresa es que este permite la fluidez de las operaciones ante la incertidumbre que existe entre oferta y demanda. Así mismo podemos decir que el inventario es dinero, por lo que es necesario entender el impacto del mismo en la empresa para mejorar la gestión

El presente trabajo propone una herramienta de gestión de inventario, mediante el análisis de la variabilidad de las ventas a través del tiempo como indicador de la existencia de la incertidumbre en el proceso de manejo de la cadena de suministro.

Es importante tomar en cuenta, que no existe un modelo perfecto que logre capturar todas las variables del mercado; por esta razón, el modelo debe mantenerse lo más simple, dado que mientras más complejo se vuelve el modelo aumenta el costo de control y ejecución

Desarrollo

El presente análisis asume la existencia de un desbalance entre el costo del inventario en comparación con el nivel de servicio ofertado a los clientes, debido a la falta de procesos y herramientas de gestión y manejo del inventario.

Clasificación ABC

No es recomendable dar el mismo tratamiento a todos los productos del inventario por lo que se sugiere una clasificación ABC en base a la ley de Pareto. Los SKU son separados en categorías de la siguiente manera: los categorizados con "A" representan los elementos más populares y de mayor movimiento, con letra "B" se representan los elementos "pocos vitales" y finalmente con la letra "C" los productos que se mueven lentamente.

Determinación del nivel de servicio

El nivel de servicio está relacionado con la probabilidad de quedarnos sin inventario ante la variabilidad e incertidumbre de la demanda mediante la curva de Guass y emplearemos este concepto para determinar el nivel de servicio que más se ajuste a la realidad de la operación de la empresa.

Cabe mencionar también, que lo óptimo no es manejar un nivel de servicio del 100%, sino trabajar sobre el pronóstico de la demanda para conocer aspectos como: estacionalidad (temporadas), ventas atípicas, promociones, tendencia, compromisos comerciales, proyectos e inteligencia del mercado, que ayudan a determinar de una manera más precisa el nivel óptimo de inventario requerido para una fecha futura.

Tampoco debemos olvidar que, a mayor nivel de servicio, mayor nivel de inventario y por ende tendremos un costo del inventario aún mayor. Como punto de partida, y por decisiones empresariales, el modelo manejará 85% de nivel de servicio.

Elección y ajuste del modelo

El modelo de gestión del inventario debe adaptarse a la realidad de la empresa y debe ser consistente con la estrategia y las políticas corporativas de la misma.

El modelo que emplearemos será para productos de la estrategia comercial denominada Make to stock o lo que es conocido con el nombre de sistema push y dado que la organización ha establecido técnicas para pronosticar sus necesidades de nivel de producto basado en la naturaleza de las características de la demanda de esos artículos, nos concentraremos en determinar y elegir el método de pronóstico de la demanda que mejor se ajuste debido a que la optimización del inventario se vuelve una tarea difícil si los modelos de predicción no trabajan conjuntamente con la optimización del inventario y no hay forma que la operación pueda reaccionar si no se conoce la demanda de manera temprana y oportuna.

Análisis de datos históricos

Es importante analizar los datos históricos, como un análisis estadístico base, para luego poder limpiar y ajustar el modelo para evitar posibles distorsiones, y así también poder establecer el modelo de pronóstico de demanda que mejor se ajuste. Luego podemos incluir algunos parámetros de control estadístico como: la media, el valor mínimo, el valor máximo, el primer y tercer cuartil.

Modelo de pronóstico

Algunas formas para pronosticar la demanda como lo son: opinión de expertos, verificación del mercado, análisis cuantitativo y uso de software. Nos enfocaremos en el análisis basado en series de tiempo, donde se asume que los patrones de la demanda pasada continuarán en el futuro. Gracias al análisis gráfico, se pudo observar que el uso de software se hace imprescindible y emplearemos el modelo de pronóstico Holt-Winters del software de R Studio, para captar de mejor manera los componentes de estacionalidad.

Factor de lead time

El factor de lead time se lo calcula a partir del tiempo que la empresa se demora en tener listo un producto para ser entregado al cliente. Dado que los datos del tiempo global de reabastecimiento se encuentran en días, y el inventario se la planifica en semanas; deberemos convertir los días a semanas dividiendo para 5, debido a que la empresa no labora ni sábado ni domingos.

Factor de nivel de servicio

El factor de nivel de servicio nos protege de la variabilidad de la demanda, donde su cálculo se lo determina mediante la fórmula de la distribución normal inversa del nivel de servicio. Este valor está relacionado con el número de desviaciones estándar a considerarse.

Stock de seguridad

El stock de seguridad está determinado por tres factores: la desviación estándar de los datos, el factor de lead Time y el factor de nivel de servicio. El factor de Lead Time nos protege contra los posibles imprevistos del reabastecimiento, mientras que el factor del nivel de servicio nos protege de la incertidumbre en la demanda y la variabilidad de la misma.

Conclusiones

Se pudo diseñar una herramienta para gestión y optimización del inventario de producto terminado. La base de datos de los productos con sus respectivos niveles de inventario se lo maneja en una hoja de cálculo, mientras que los valores del pronóstico de la demanda son calculados con el software R Studio. Las variables claves encontradas en el estudio son: nivel de servicio, desviación estándar, tiempos de reabastecimiento y el pronóstico de ventas.

Uno de los aspectos para mejorar es la depuración de los datos para que ciertas invalidaciones no afecten el nivel de inventario y la principal variable a mejorar es el pronóstico de la demanda, para producir una respuesta razonable a situaciones reales más complejas.

Recomendaciones

Se tienen las siguientes recomendaciones: se debe calcular de una manera objetiva el nivel de servicio de los productos, incluyendo datos de costos de excedencias y costos de inexistencias. Los datos atípicos encontrados en los históricos de ventas, corresponden principalmente a datos de ventas de temporada alta y cierres trimestrales. Así mismo, se debe manejar el pronóstico de la demanda de estas temporadas por separado.

Se recomienda actualizar los datos de los distintos factores. A su vez la empresa, debe trabajar en la formación de un equipo de trabajo que tenga o desarrolle competencias y conocimientos para la toma de decisiones tanto estratégicas, tácticas y operativas, dado que en esta era de la transformación digital, el tiempo debe invertirse en la toma de decisiones y la generación de análisis apoyándose en herramientas business intelligence.

Autor