PROPUESTA DE UN MODELO DE INVENTARIO PARA LOS...
Transcript of PROPUESTA DE UN MODELO DE INVENTARIO PARA LOS...
PROPUESTA DE UN MODELO DE INVENTARIO PARA LOS PRODUCTOS MÁS REPRESENTATIVOS DE LA LINEA DE NEGOCIO REACTIVOS EN
POLVO EN LA COMPAÑÍA ANDIA S.A.S
JORGE ALBERTO GALLEGO ALAPE
JAVIER ARMANDO ZABALA GUARNIZO
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS PROGRAMA DE INGENIERIA DE PRODUCCION
FACULTAD TECNOLOGICA BOGOTA D.C
OCTUBRE 2015
PROPUESTA DE UN MODELO DE INVENTARIO PARA LOS PRODUCTOS MÁS REPRESENTATIVOS DE LA LINEA DE NEGOCIO REACTIVOS EN
POLVO EN LA COMPAÑÍA ANDIA S.A.S
JORGE ALBERTO GALLEGO ALAPE
JAVIER ARMANDO ZABALA GUARNIZO
Trabajo de grado para obtener el título profesional de: Ingenieros de Producción
Director ROBERTO VERGARA
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS PROGRAMA DE INGENIERIA DE PRODUCCION
FACULTAD TECNOLOGICA BOGOTA
2015
Nota de aceptación:
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
_______________________________________
Presidente del jurado
_______________________________________
Jurado
_______________________________________
Jurado
Bogotá; Octubre 2015
DEDICATORIA
Este proyecto se lo dedicamos a Dios por permitirnos vivir y cumplir nuestros
objetivos satisfactoriamente, a nuestras familias quienes con su apoyo y
acompañamiento incondicional, nos ayudaron a forjar un camino exitoso y a
alcanzar nuestros ideales.
A la Universidad y a sus docentes, que con sus sólidos conocimientos en las
diferentes áreas, los comparten con nosotros y asumen un compromiso de
formarnos tanto moral como intelectualmente, para que al finalizar este
maravilloso ciclo profesional, el resultado sea generar extraordinarias personas,
con una gran calidad humana y profesionales virtuosos.
A las entidades que nos suministraron la información necesaria para desarrollar la
investigación, especialmente a la señora Mirian Herz, Gerente general de Andia
S.A.S.
AGRADECIMIENTOS
Agradecemos a Dios por darnos la oportunidad de realizar este
trabajo, de aprender cada día de seres maravillosos que nos
compartieron parte de sus conocimientos y por la inmensa alegría de
realizarnos como profesionales que aporten al desarrollo del mundo.
TABLA DE CONTENIDO
INTRODUCCIÓN ..................................................................................................... 1
1. PRESENTACION DE LA EMPRESA ................................................................ 2
1.1 INFORMACION GENERAL DE LA EMPRESA .............................................. 2
1.1.1 Misión . .................................................................................................... 2
1.1.2 Visión . ..................................................................................................... 2
1.1.3 Política De Calidad, Seguridad, Salud en el trabajo y medio ambiente .... 2
1.1.4 Sistema de gestión de calidad. ................................................................. 3
2. GENERALIDADES ............................................................................................ 5
2.1 ENUNCIADO DEL PROBLEMA ..................................................................... 5
2.1.1 Formulación del problema ........................................................................ 6
2.2. OBJETIVOS .................................................................................................. 6
2.2.1 Objetivo General...................................................................................... 6
2.2.2 Objetivos Específicos ........................................................................... 7
3. DELIMITACION O ALCANCE ........................................................................... 8
3.1 METODOLOGIA ............................................................................................. 8
3.1.2 Estudio comportamiento de la cadena de suministro. .............................. 8
3.1.3 Clasificación de los productos en estudio ................................................. 8
3.1.4 Determinación del comportamiento de la demanda ................................. 8
3.1.5 Propuesta de modelo de inventario. ......................................................... 9
3.1.6 Establecimiento de planes de acción ....................................................... 9
4. MARCO REFERENCIAL ................................................................................. 10
4.1 TEORICO ..................................................................................................... 10
4.1.1 Fundamentos de los inventarios ............................................................. 10
4.1.2 Clasificación ABC ................................................................................... 10
4.1.3 Proyección de la demanda ..................................................................... 13
4.1.4 Tipos de demanda .................................................................................. 14
4.1.5 Herramientas utilizadas para la determinación de la demanda .............. 14
4.1.6 Función de la autocorrelación ................................................................ 16
4.1.7 Pronósticos. ............................................................................................ 16
4.1.9 Modelos de pronóstico ........................................................................... 17
4.1.10 Sistemas de inventario ......................................................................... 19
4.1.11 Clasificación de los inventarios según su función ................................ 21
4.1.12 Costos de inventario ............................................................................. 22
5. SITUACIÓN ACTUAL ...................................................................................... 23
5.1 MEDICIÓN DE LA PRECISIÓN DEL PRONÓSTICO ................................... 24
6. PROPUESTA ..................................................................................................... 25
6.1 ESTUDIO COMPORTAMIENTO DE LA CADENA DE SUMINISTRO .......... 25
6.2 DIAGRAMAS DE FLUJO DE LA CADENA DE SUMINISTRO ..................... 25
6.2.2 Prevención de la Demanda .................................................................... 26
6.2.2 Aprovisionamiento .................................................................................. 27
6.2.3 Distribución física ................................................................................... 28
6.2.4 Despacho de mercancía ......................................................................... 29
6.3 CLASIFICACIÓN DE LOS PRODUCTOS EN ESTUDIO ............................. 30
6.4 DETERMINACIÓN DEL COMPORTAMIENTO DE LA DEMANDA .............. 34
6.4.1 Selección de los ítems a pronosticar ...................................................... 34
6.4.2. Ajuste del comportamiento de los datos ................................................ 35
6.4.3.1 Tendencia ............................................................................................ 42
6.4.3.2 Estacionalidad. .................................................................................... 45
6.5 Autocorrelacion ............................................................................................. 47
6.6 Selección técnica de pronóstico ................................................................... 59
6.7. Aplicación de la técnica seleccionada ......................................................... 62
6.7.1 Medición del error en el pronóstico......................................................... 63
6.8 Pronostico por el Método de Suavización Exponencial Simple en SPSS . 63
6.9 Resultados de la Proyección. .................................................................... 69
6.10 Comparación de los Datos Reales vs Datos Proyectados ...................... 71
7. MODELO DE INVENTARIO ............................................................................ 73
7.1 ELECCION DEL MODELO DE INVENTARIO .............................................. 73
7.1.1 Inventario de Seguridad (IS) ................................................................... 75
7.1.2 Punto de Reorden (PR) .......................................................................... 75
7.1.3 Inventario de Aseguramiento del Servicio (IAS) ..................................... 76
7.1.4 Tiempo de abastecimiento (L) ................................................................ 76
7.1.5 Demanda del producto (D) ..................................................................... 77
7.1.6 Costo Total del Pedido (C) ..................................................................... 77
7.2. DETERMINACION DE LOS COSTOS ........................................................ 78
7.3 APLICACIÓN DE MODELO DE INVENTARIO ............................................. 79
7.3.1 Demanda Promedio. ............................................................................... 79
7.3.2 Calculo del Inventario de Seguridad. ...................................................... 81
7.3.3 Calculo Punto de Reorden ..................................................................... 84
7.3.4 Calculo Inventario de Aseguramiento del Servicio ................................. 85
8. COMPARATIVO MODELO PROPUESTO VS MODELO ACTUAL ................... 89
CONCLUSIONES .................................................................................................. 93
RECOMENDACIONES .......................................................................................... 95
BIBLIOGRAFÍA ...................................................................................................... 97
ANEXOS ................................................................................................................ 99
LISTA DE TABLAS
Tabla 1. Revisión de Ventas por Proveedor 2012-2014 ........................................ 30
Tabla 2. Revisión de líneas de producto 2012-2014 .............................................. 31
Tabla 3. Resultado clasificación ABC .................................................................... 33
Tabla 4. Muestra para proyección de la demanda ................................................. 35
Tabla 5. Datos de ventas sin ajuste ....................................................................... 36
Tabla 6. Datos atípicos a eliminar .......................................................................... 39
Tabla 7. Datos de ventas ajustadas ....................................................................... 40
Tabla 8. Coeficiente de determinación de las referencias evaluadas .................... 45
Tabla 9. Valores de la serie tiempo DPD FREE CHLORINE RGT PP 10ML PK/100 .. 49
Tabla 10. Coeficientes de autocorrelación para las series ..................................... 52
Tabla 11. Comportamiento de cada una de las series de tiempo .......................... 59
Tabla 12. Técnicas de pronóstico según su comportamiento ................................ 60
Tabla 13. Comparativo de los modelos estacionarios ............................................ 61
Tabla 14. Resultados Modelo Elegido y Error del Pronostico SPSS ...................... 69
Tabla 15. Previsión de la Demanda ....................................................................... 70
Tabla 16. Comparación de los Datos Reales vs Datos Proyectados ..................... 72
Tabla 17. Modelos de inventario ............................................................................ 74
Tabla 18. Costo total por pedido ............................................................................ 78
Tabla 19. Porcentaje que el costo de mantener involucra dentro del inventario .... 79
Tabla 20. Demanda Promedio Mensual y desviación estándar ............................. 81
Tabla 21. Áreas de la distribución normal estándar acumulada ............................ 82
Tabla 22. Inventario de seguridad .......................................................................... 84
Tabla 23. Punto de reorden ................................................................................... 85
Tabla 24. Costo de mantener ................................................................................ 86
Tabla 25. Calculo Lote Óptimo Pedido .................................................................. 87
Tabla 26. Inventario Aseguramiento de servicio .................................................... 87
Tabla 27. Modelo de Inventario de revisión continúa ............................................. 88
Tabla 28. Costos totales ........................................................................................ 89
Tabla 29. Solicitud de los pedidos por el método estimado ................................... 90
Tabla 30. Costos totales por periodo modelo actual .............................................. 91
LISTA DE FIGURAS
Figura 1.Organigrama general de la compañia ........................................................ 4
Figura 2. Grado de participación segmentos ABC ................................................. 11
Figura 3. Cadena de Suministro ANDIA S.A.S ...................................................... 25
Figura 4. Prevención de la Demanda – Diagrama de flujo ..................................... 26
Figura 5. Aprovisionamiento – Diagrama de flujo .................................................. 27
Figura 6. Distribución física – Diagrama de flujo .................................................... 28
Figura 7. Despacho de mercancía – Diagrama de flujo ......................................... 29
Figura 8. Diagrama de Pareto de la línea reactivos en polvo ................................ 34
Figura 9. Graficas de Secuencia sin ajuste ............................................................ 37
Figura 10. Gráficos de Secuencia Ajustados ......................................................... 41
Figura 11. Grafico Análisis de Tendencia de las Series ......................................... 43
Figura 12. Grafica análisis de la Estacionalidad de la Series ................................ 45
Figura 13. Correlogramas de las Series ................................................................ 56
Figura 14. Grafica de proyección de la demanda .................................................. 71
Figura 15. Demanda Promedio de las series ......................................................... 79
Figura 16. Tiempo promedio de Reabastecimiento ............................................... 83
LISTA DE ANEXOS
Anexo 1. Metodología pronostico actual empresa ANDIA S.A.S................................... 99
Anexo 2. Clasificación ABC por volumen de ventas de la línea de reactivos en
polvo para la compañía ANDIA S.A.S. ............................................................................... 102
Anexo 3. Tiempo de recepción de importaciones............................................................. 115
1
INTRODUCCIÓN
La logística ha adquirido una alta importancia en el desarrollo de las empresas,
cada día se adoptan sus metodologías como piezas vitales dentro de
planeación de los recursos de las organizaciones incluyendo cada una de ellas
en sus programas de acción para las mejoras de sus actividades.
La logística es un modelo, un marco de referencia y un mecanismo de
planificación que permite reducir la incertidumbre en un futuro desconocido.
Dentro de esta logística se manejan los inventarios, los cuales se consideran
como un mal necesario que debe reducirse al mínimo a cualquier costo,
cuando en realidad representan la sangre vital de todo el sistema de flujos, al
permitir la ejecución de las actividades del sistema en forma relativamente
independiente y a un costo medio bajo.
Es por ello que toda empresa que desee competir en el complejo mundo
industrial o de cualquier índole, debe contar con un buen sistema de manejo de
inventario, que le permita llevar un control eficaz de sus materiales en almacén
garantizándole una producción continua y evitando retrasos en el cumplimiento
de su labor, así como también, con una logística que le permita planificar,
implementar y controlar el eficiente flujo y almacenamiento de materiales e
información desde un origen a un punto de consumo.
2
1. PRESENTACION DE LA EMPRESA1
1.1 INFORMACION GENERAL DE LA EMPRESA
La compañía ANDIA S.A.S ha encaminado sus esfuerzos en satisfacer la
demanda de reactivos, equipos de laboratorio, material de laboratorio, presta
Servicio Técnico, encaminado al mantenimiento y reparación de los equipos de
su laboratorio.
Igualmente verifica y calibra equipos certificando todo este procedimiento
realizado a los mismos. Presta Asesoría, Soporte, Inducción en manejo de
equipos y Capacitación.
La compañía tiene implementado el Sistema de Gestión de Calidad, conforme
con la Norma ISO 9001 y adicionalmente cuenta la calificación del RUC
expedido por el Consejo Colombiano de Seguridad.
ANDIA S.A.S lleva 68 años en el mercado ofreciendo sus servicios al mercado
interno, lo que le permite ser una empresa líder y conocedora de su ramo, que
siempre busca estar a la vanguardia en el país.
1.1.1 Misión En ANDIA S.A.S comercializamos productos y servicios para
laboratorios de control de calidad y ofrecemos servicios de mantenimiento,
capacitación y calibración acreditada de equipos para laboratorio.
1.1.2 Visión Para el 2020 continuaremos siendo una organización enfocada
en el desarrollo de nuestro talento humano, actualizando permanentemente
nuestro portafolio de productos y servicios, maximizando los recursos de forma
eficiente y rentable.
1.1.3 Política De Calidad, Seguridad, Salud en el trabajo y medio ambiente
ANDIA S.A.S comercializa, presta servicio de mantenimiento, capacitación y
calibración acreditada de equipos para Laboratorio de Control de Calidad. La
organización está comprometida con la gestión empresarial encaminada a
satisfacer las necesidades del cliente, apoyar las acciones de mejora continua
1 FOLLETO DE CAPACITACIÓN ANDIA S.A.S Edición 2, 2014
3
y cumplir con la normatividad legal vigente, todo ello soportado con un equipo
humano competente, comprometido y con proveedores confiables.
La organización consciente de su responsabilidad social, laboral y ambiental,
se compromete a:
1. Asignar los recursos necesarios para asegurar el cumplimiento de la gestión
en seguridad, salud en el trabajo y Medio Ambiente, cumpliendo y
promoviendo las leyes y reglamentaciones vigentes.
2. Prevenir la contaminación ambiental realizando diferentes actividades para
minimizar sus impactos a través del programa de gestión ambiental.
3. Prevenir y fomentar acciones que minimicen los accidentes, las
enfermedades laborales y los riesgos de seguridad en el trabajo de nuestros
colaboradores, así como los daños a la propiedad, a través de los
programas de Seguridad, Salud en el trabajo y Ambiente (SSTA).
4. Fomentar la responsabilidad social con los grupos de interés.
5. Divulgar las políticas organizacionales a los colaboradores, visitantes,
proveedores y clientes.
1.1.4 Sistema de gestión de calidad. La compañía tiene implementado el
Sistema de Gestión de Calidad, conforme con la Norma ISO 9001,
asegurándoles a los clientes las mejores condiciones comerciales y técnicas
para satisfacer sus necesidades. Adicionalmente cuenta con la calificación del
RUC expedido por el Consejo Colombiano de Seguridad, con lo cual les
permite realizar contratos con las compañías petroleras siendo este un
requisito indispensable. Igualmente, en el último año se acredito el laboratorio
de calibración de la compañía para los métodos de pH y conductividad por
parte de la ONAC.
4
Figura 1.Organigrama general de la compañia
Fuente: ANDIA S.A.S
5
2. GENERALIDADES
2.1 ENUNCIADO DEL PROBLEMA
La gestión de los inventarios ha sido siempre un punto importante dentro del
manejo general de todas las compañías y por ende también su control ha sido
ampliamente estudiado, buscando un balance entre la demanda de los clientes
y la cantidad de inventario a mantener.
El control de los inventarios es una de las actividades más complejas dentro de
las empresas, ya que es necesario conciliar los intereses tanto del
departamento de ventas que busca poseer de la mayor cantidad de inventario
para responder a las necesidades de sus clientes, como de las áreas
administrativa y financiera que pretenden un control más estricto de los costos
de la mercancía y almacenamiento, con una mayor rotación del inventario,
buscando la mayor rentabilidad de la compañía.
La empresa ANDIA S.A.S se dedica desde hace 68 años a la importación y
comercialización de equipos y reactivos para análisis de calidad en
laboratorios, dentro de su mercado objetivo se considera una empresa líder e
innovadora. Durante este tiempo ha mantenido como estandarte ofrecer sus
productos en el menor tiempo a sus clientes, generando confianza y fidelidad,
esta política, conllevo a que la empresa tuviese grandes volúmenes de
inventario que soportaran su operación. Actualmente y por causa de la
globalización que ha permitido el ingreso de nuevas marcas al segmento de
mercado y afectaciones directas a variables como el cambio en la tasa
representativa del mercado y la baja producción de petróleo en el país, sus
ventas se han visto visiblemente afectadas y por ende su estructura de
inventarios.
En la línea de reactivos en polvo las falencias de las políticas de inventarios
han mostrado los serios inconvenientes que conlleva no hacer una buena
gestión, perdida de inventario por obsolescencia, baja rotación de sus ítems,
ventas perdidas por no poseer stock y a su vez altos inventarios de productos
6
que no rotan fácilmente, han generado que la empresa pierda flujo de caja y
además deba soportar el pago a sus proveedores con préstamos a entidades
bancarias que impactan directamente a la utilidad de la compañía.
Por otra parte, aunque poseen el software ERP SAP BUSSINES ONE (SAP)
para el manejo integral de la compañía, se puede observar que aun generan
actividades manuales para las compras, las cuales se realizan basadas en la
experiencia del personal y no en una metodología fundada en los datos
históricos y la demanda de los productos.
Mediante las acciones que se proyecten de esta propuesta, se pretende
promover una herramienta de apoyo en la toma de decisiones, planificación de
las ventas y compras de la organización, controlando efectivamente el proceso
logístico y de inventarios, de forma rápida, efectiva y confiable, satisfaciendo la
demanda del mercado y por ende las necesidades de los clientes
2.1.1 Formulación del problema
¿Mediante la propuesta generada en este trabajo será posible brindar a la
empresa una alternativa de mejoramiento en la gestión de sus inventarios, que
permita de forma eficiente mejorar las cantidades y frecuencia de
reabastecimiento, optimizando sus costos y mejorando su nivel de servicio?
2.2. OBJETIVOS
2.2.1 Objetivo General
Elaborar un modelo de inventario para los productos más representativos de la
línea Reactivos en Polvo que mejore el ciclo logístico en la empresa ANDIA
S.A.S, calculando el nivel óptimo de inventario y frecuencia de
reabastecimiento basado en el análisis de la cadena de suministro de la
compañía.
7
2.2.2 Objetivos Específicos
Diagnosticar el estado actual del ciclo logístico de la empresa, a través
de aplicación de técnicas de recolección de datos.
Clasificar los productos de la línea determinando la importancia en
cuanto al volumen de unidades vendidas.
Establecer el comportamiento de la demanda de los productos en
estudio con la menor desviación posible.
Formular el modelo de inventario aplicable a los productos en estudio
que optimice costos, almacenamiento y distribución.
Precisar los planes de acción que respalden las operaciones de control
de inventario basados en el modelo propuesto, de manera que el
proceso se ajuste a las necesidades de la organización.
8
3. DELIMITACION O ALCANCE
El presente trabajo tiene como propósito generar una propuesta de modelo de
inventarios para la compañía ANDIA S.A.S. y presentar las recomendaciones
para que sea viable su implementación dentro de la compañía.
3.1 METODOLOGIA
Esta propuesta se elabora mediante un trabajo de campo, prestando atención a
los procesos del manejo de los inventarios mediante la recolección de datos y
observaciones directas; por medio del método descriptivo que medirá con
mayor precisión las variables que se presenten en el problema.
3.1.2 Estudio comportamiento de la cadena de suministro En este paso se
comienza con el diagnóstico de la situación actual de la empresa, es decir, la
forma como realizan las actividades en el área de logística, permitiendo
determinar situaciones de posibles problemas dentro del ciclo logístico que se
lleve a cabo actualmente en la empresa. Para este diagnóstico la información
necesaria se recopilará mediante la revisión de la documentación otorgada por
la compañía; obteniendo así una mejor percepción del sistema.
3.1.3 Clasificación de los productos en estudio Paso siguiente se procede
a realizar la clasificación de las líneas de producto en la empresa, donde se
muestra el porqué de la selección de la línea elegida, luego se realiza la
clasificación en sus productos más significativos, todo esto con la finalidad de
poder establecer la base de los productos para realizar la propuesta. Para
realizar dicha clasificación se utilizará la Clasificación ABC por volumen de
unidades vendidas, estableciendo así un grado de importancia a los ítems
seleccionados.
3.1.4 Determinación del comportamiento de la demanda Luego de tener
clasificados los productos para realizar la propuesta, se procede a pronosticar
la demanda a un plazo de doce meses, la cual se basa en las unidades
vendidas desde enero de 2012 a diciembre de 2014 eliminando los valores
atípicos que puedan distorsionar la proyección, se elige el modelo que mejor se
9
adapte al comportamiento de los datos y se estima la desviación del pronóstico,
lo cual sirve de base para la determinación del mejor modelo de inventario para
la línea en estudio.
3.1.5 Propuesta de modelo de inventario Después de tener toda la
información y de realizar el estudio de la demanda, se propone el modelo de
inventario que mejor se ajuste a las necesidades de la empresa para dichos
productos, según las características de los datos. Todo esto a través del
estudio analítico de los modelos existentes de inventario.
3.1.6 Establecimiento de planes de acción Por último se establecen los
planes de acción a seguir, para mejorar los problemas existentes dentro del
ciclo logístico de la empresa. Estos planes de acción, permiten guiar a la
empresa para la posible implementación del modelo a futuro.
10
4. MARCO REFERENCIAL
4.1 TEORICO
4.1.1 Fundamentos de los inventarios: Debido a la naturaleza de los
inventarios al interior de una empresa, su impacto es alto dentro de la cadena
logística al ser referencia para la toma de decisiones en áreas como compras,
planeación de producción, ventas, servicio al cliente y otras áreas, las cuales
necesitan soporte para la verificación de la existencia de productos de acuerdo
a sus registros. La vida de un producto es igual de importante en su forma
física como en su registro en sistema.
La finalidad de los inventarios se divide en varios aspectos como lo son; la
capacidad de la predicción aplicada en buena parte en la planeación de
producción, la fluctuación de la demanda la cual nos permite analizar el
comportamiento de la demanda del cliente y así estar atentos en el momento
de alguna fluctuación y lograr que estas afecten lo mínimo posible, la
inestabilidad del suministro al momento de contar con proveedores de baja
calidad o escases de materias primas e insumos, permitiendo que el inventario
respalde la entrega a tiempo al cliente, la protección de precios fijada en una
compra a tiempo y con ventajas al tener claridad en las cantidades a ordenar,
descuentos por cantidad, estas negociaciones son exitosas al tener pleno
conocimiento de los niveles de producto que podemos adquirir y menores
costos de pedido disminuyendo el costo de compra, un inconveniente
constante es el aumento en el costo de almacenar al no tener una rotación
rápida de la mercancía adquirida.
4.1.2 Clasificación ABC El problema logístico de cualquier empresa es el total
de problemas individuales de los productos. La línea de productos de una típica
empresa está conformada por artículos individuales en diferentes etapas de
sus respectivos ciclos de vida y con diferentes grados de éxito de ventas. En
cualquier punto del tiempo, esto crea un fenómeno de productos conocido
como la curva 80-20, concepto particularmente valioso para la planeación
logística. Después de observar los patrones de productos en muchas
11
empresas, el concepto 80/20 se deriva de que el volumen de ventas es
generado por relativamente pocos productos en la línea de productos, y del
principio conocido como la ley de Pareto. Es decir, 80% de las ventas de una
empresa se generan por 20% de los artículos de la línea de productos. Rara
vez se observa una relación exacta 80-20, pero la desproporcionalidad entre
las ventas y el número de artículos por lo general es verdadera, se puede
analizar el grado de participación en cada segmento en la siguiente figura
Figura 2. Grado de participación segmentos ABC
Fuente: Administración De Operaciones - Lee J. Krajewski
El concepto 80-20 es particularmente útil para planear la distribución cuando
los productos se agrupan o clasifican según su actividad de ventas. El primer
20% podría llamarse artículos A, el 30% siguiente artículos B y el restante
artículos C. Cada categoría de artículos podría distribuirse de manera diferente.
Por ejemplo, los artículos A podrían recibir una amplia distribución geográfica a
través de muchos almacenes con altos niveles de disponibilidad de existencias,
en tanto que los artículos C podrían distribuirse desde un punto de venta único
y central como una planta con niveles totales de surtido más bajos que para los
artículos A. Los artículos B tendrían una estrategia de distribución intermedia,
en la que se usarían pocos almacenes regionales.
12
El sistema de clasificación ABC es un sistema de clasificación de los productos
que determina un nivel de control de existencia; para con esto reducir tiempos
de control, esfuerzos y costos en el manejo de inventarios. El tiempo y costos
que las empresas invierten en el control de todos y cada una de sus materias
primas y productos terminados son incalculables; y de hecho resulta
innecesario controlar artículos de poca importancia para un proceso productivo
y en general productos cuya inversión no es cuantiosa. Toda empresa, sin
importar su tamaño puede encontrar en este sistema los beneficios de una
mejor rotación de los inventarios y los concernientes ahorros en los costos
totales del control de los inventarios.
Son estos motivos los que justifican la aplicación de éste sistema de
selectividad cuya filosofía implica que en muchas ocasiones cuesta más el
control del inventario que lo que cuesta el producto que se está controlando.
Los artículos o productos según su importancia y valor se pueden clasificar en
las tres clases siguientes:2
Tipo A: Dentro de este tipo se involucran los artículos que por su costo
elevado, alta inversión en el inventario, nivel de utilización o aporte a las
utilidades necesitan de un 100% en el control de sus existencias.
Tipo B: Esta clasificación comprende aquellos productos que son de menor
costo y menor importancia; y los cuales requieren un menor grado de control.
Tipo C: En esta última clasificación se colocan los productos de muy bajo
costo, inversión baja y poca importancia para el proceso productivo; y que
requieren de muy poca supervisión sobre el nivel de sus existencias.
Dentro de los sistemas más comunes utilizados para realizar esta clasificación
se encuentran:
2 García Cantu Alfonso. Enfoques prácticos para la planeación y el control de inventarios. Editorial Trillas. México, 1996. página 29.
13
Clasificación por precio unitario
Este es quizás el método de aplicación más sencillo de utilizar, pero se
requiere de un buen criterio de quien lo aplique; ya que es posible que se
realice una sub-clasificación dentro de cada rango de importancia A, B o C.
Clasificación por utilización y valor
Para este método se toma en cuenta los datos históricos, la utilización o
consumo de cada uno de los artículos con su correspondiente costo. Al igual
que en el método anterior se requiere que el analista fije un nivel o porcentaje
de importancia para cada nivel de clasificación.
Clasificación aportación a las utilidades
En este método la clasificación de los productos se realiza de la misma forma
que se utilizó en la clasificación por precio unitario; con la diferencia que se
realiza con el dato de utilidades de cada uno de los productos. Como es
evidente se requiere de calcular el precio de venta y los costos unitarios de
cada una de las referencias.
4.1.3 Proyección de la demanda Para el estudio de los inventarios y la
determinación de los sistemas de inventario para cualquier empresa es
necesario conocer el comportamiento de los artículos o bienes, pues con base
en este se definirá el tipo de modelo a aplicar para estimar los niveles de
inventarios que desde el punto de vista económico son los óptimos. Desde el
punto de vista del consumidor la demanda es la cantidad de bienes y servicios
que los consumidores están dispuestos a comprar a los posibles precios del
mercado.
El concepto de demanda es similar al de consumo, pero, a diferencia de este,
se refiere a la cantidad de unidades solicitadas y no a las despachadas. Si
existe suficiente inventario el consumo es igual a la demanda, ya que cada
unidad solicitada es despachada. Si se presenta una ruptura de inventario y
durante ese periodo se requieren materiales, la demanda será superior al
consumo.
14
4.1.4 Tipos de demanda Existen varios tipos de demanda, los que vamos a
repasar en este estudio son la demanda determinística y la demanda
probabilística que consisten en:
Demanda Determinística
Es la demanda de un artículo que se conoce con certeza. Esta a su vez, puede
ser estática o dinámica:
- Estática
Es aquella donde la tasa de consumo permanece constante durante el
transcurso del tiempo.
- Dinámica
Es aquella en la cual la demanda se conoce con certeza, pero varía de un
periodo al siguiente.
Demanda Probabilística
Es cuando la demanda de un artículo está sujeta a incertidumbre y variabilidad,
y se describe en términos de una función de probabilidad. Esta puede ser
estacionaria o no estacionaria:
- Estacionaria
En la cual la función de densidad de probabilidad de la demanda, se mantiene
sin cambio con el tiempo.
- No estacionaria
Donde la función de densidad de probabilidad varía con el tiempo.
4.1.5 Herramientas utilizadas para la determinación de la demanda
Coeficiente de variabilidad
Es una medida relativa que suele expresarse como porcentaje en vez de en
términos de las unidades de los particulares. Es de particular utilidad al
compararse la variabilidad de dos o más conjuntos de datos que se expresan
en diferentes unidades. Mide la dispersión con relación a la media. A menor
porcentaje (menor al 20%) los datos son más homogéneos, de lo contrario
(mayor a 20%) son más variables su fórmula es:
15
CV= x 100
Donde
CV= coeficiente de variabilidad.
S2= varianza del conjunto de datos.
X2=media del conjunto de datos elevado al cuadrado.
La media
Es la suma de todos los valores de la distribución dividida por el número total
de datos. En el caso de tenerse una distribución con datos agrupados en
intervalos o clases, se asume que el punto medio del intervalo de clase
representa el valor medio de dicha clase, y se aplicaría la fórmula original de la
media simple para dichos valores. En el caso de que la variable presente
valores anormalmente extremos, éstos pueden distorsionar la media aritmética,
haciéndola incluso poco representativa.
Desviación estándar y varianza
La desviación estándar es la medida de dispersión más importante y de mayor
utilidad práctica. Proporciona la variación de las observaciones con respecto a
la media aritmética. Puede denotarse con S (para una muestra) o con σ (para
una población). La varianza es lo mismo que la desviación estándar, la única
diferencia es que la varianza está expresada en unidades de la variable
elevada al cuadrado mientras que la desviación estándar se expresa en las
mismas unidades que la variable. Su fórmula matemática es:
=
16
4.1.6 Función de la autocorrelación3 En ocasiones en una serie de tiempo
acontece, que los valores que toma una variable en el tiempo no son
independientes entre sí, sino que un valor determinado depende de los valores
anteriores, existen dos formas de medir esta dependencia de las variables.
Función de autocorrelación (ACF) donde la autocorrelación mide la correlación
entre dos variables separadas por k periodos.
Función de Autocorrelación Parcial (PACF) La autocorrelación parcial mide la
correlación entre dos variables separadas por k periodos cuando no se
considera la dependencia creada por los retardos intermedios existentes entre
ambas.
4.1.7 Pronósticos La planeación y el control de las actividades de logística y
de la cadena de suministros requieren estimar de forma precisa los volúmenes
de producto y de servicio que serán manejados por la cadena de suministro.
Estos estimados de ordinario se presentan en la forma de pronósticos y
predicciones. Sin embargo, por lo regular no es responsabilidad única de quien
está al frente de la logística el generar los pronósticos generales para la
empresa. Es más probable que esta tarea se asigne a marketing, planeación
económica o a un grupo especialmente conformado. Bajo ciertas
3 http://www.estadisticas.gobierno.pr/iepr/LinkClick.aspx?fileticket=4_BxecUaZmg%3D
17
circunstancias, en particular en la planeación de corto plazo, como el control de
inventarios, la magnitud de los pedidos o la programación del transporte, el
responsable de la logística con frecuencia enfrenta la necesidad de asumir la
labor de generar este tipo de información.
La necesidad de proyecciones de la demanda es un requerimiento general a lo
largo del proceso de planeación y control. Sin embargo, también podrían
necesitarse ciertos tipos de problemas de planeación, como control de
inventarios, compras económicas, control de costos, pronósticos de los tiempos
de espera, precios y costos. Cuando la incertidumbre de la variable de
predicción es tan alta que las técnicas estándar de pronósticos y su aplicación
en la planeación de la cadena de suministros llevan a resultados
insatisfactorios, se necesitarán otros métodos de planeación. El pronóstico de
colaboración es un método contemporáneo para la predicción de la demanda.
También se analizan estas alternativas para los pronósticos tradicionales.
4.1.9 Modelos de pronóstico
Se dispone de varios métodos de pronóstico estandarizados. Éstos se han
dispuesto en tres grupos: cualitativos, de proyección histórica, y causales.
Cada grupo difiere en términos de la precisión relativa en el pronóstico sobre el
largo plazo y el corto plazo, en el nivel de sofisticación cuantitativa utilizada y
en la base lógica (información histórica, opinión experta o encuestas) de la que
se deriva el pronóstico.
Métodos cualitativos
Los métodos cualitativos utilizan el juicio, la intuición, las encuestas o técnicas
comparativas para generar estimados cuantitativos acerca del futuro. La
información relacionada con los factores que afectan el pronóstico por lo
general es no cuantitativa, intangible y subjetiva. La información histórica tal
vez esté disponible o quizá no sea muy relevante para el pronóstico. La
naturaleza no científica de los métodos los hace difíciles de estandarizar y de
validar su precisión. Sin embargo, estos métodos pueden ser los únicos
disponibles cuando se intenta predecir el éxito de nuevos productos, cambios
18
en la política gubernamental o el impacto de una nueva tecnología. Son
métodos adecuados para pronósticos de mediano a largo plazo.
Métodos de proyección histórica
Cuando se dispone de una cantidad razonable de información histórica y las
variaciones de tendencia y estacionales en las series de tiempo son estables y
bien definidas, la proyección de esta información al futuro puede ser una forma
efectiva de pronóstico para el corto plazo. La premisa básica es que el patrón
del tiempo futuro será una réplica del pasado, al menos en gran parte. La
naturaleza cuantitativa de las series de tiempo estimula el uso de modelos
matemáticos y estadísticos como las principales herramientas de pronóstico.
La precisión que puede lograrse para periodos de pronóstico menores a seis
meses por lo general es buena. Estos modelos trabajan en forma adecuada
simplemente debido a la estabilidad inherente de las series de tiempo en el
corto plazo, estos modelos rastrean los cambios al ser actualizados a medida
que se dispone de nueva información, característica que les permite adaptarse
a los cambios en los patrones de tendencia y estacionales, sin embargo, si el
cambio es rápido, los modelos no emiten una señal del cambio, sino hasta que
éste ha ocurrido, debido a esto, se dice que las proyecciones de estos modelos
demoran los cambios fundamentales en las series de tiempo, y que son débiles
para señalar los puntos críticos antes de que se presenten, esta no es
necesariamente una limitación notable cuando los pronósticos se realizan
sobre horizontes de tiempo cortos, a menos que los cambios sean
particularmente significativos.
Métodos casuales
La premisa básica sobre la que se construyen los métodos causales para
pronósticos es que el nivel de la variable pronosticada se deriva del nivel de
otras variables relacionadas.
Colocado en contexto, si se sabe que el servicio al cliente tiene un efecto
positivo sobre las ventas, entonces al conocer el nivel proporcionado del
19
servicio al cliente podrá proyectarse el nivel de ventas, podríamos decir que el
servicio “causa” las ventas en la medida que puedan describirse adecuadas
relaciones de causa y efecto, los modelos causales pueden ser bastante
buenos para anticipar cambios mayores en las series de tiempo y para
pronosticar de manera precisa sobre un periodo de mediano a largo plazo.
Los modelos causales vienen en una variedad de formas: estadísticos, en el
caso de los modelos de regresión y econométricos; y descriptivos, como en el
caso de los modelos de entrada-salida, ciclo de vida y simulación por
computadora. Cada modelo deriva su validez a partir de los patrones de
información histórica que establecen y la asociación entre las variables para
predicción y la variable que se pronosticará.
Un problema principal con esta categoría de modelos de pronóstico es que con
frecuencia resulta difícil encontrar verdaderas variables causales. Cuando se
encuentran, su asociación con la variable que se pronosticará con frecuencia
es preocupantemente baja, las variables causales que guían a la variable de
pronóstico en el tiempo son incluso más difíciles de encontrar, con demasiada
frecuencia, el tiempo para adquirir la información para las variables
conducentes consume todo el tiempo o la mayor parte del periodo de uno a
seis meses, en el que se encuentra que tales variables dirigen al pronóstico.
Los modelos basados en técnicas de regresión y económicas pueden
experimentar un error de pronóstico importante debido a estos problemas.
4.1.10 Sistemas de inventario Un sistema de inventario es el conjunto de
políticas y controles que supervisa los niveles de inventario y determina cuales
son los niveles que deben mantenerse, cuando hay que reabastecer el
inventario y de qué tamaño debe ser el pedido. Un sistema de inventario
proporciona la estructura de organización y las políticas operativas para
mantener y controlar los bienes en existencia. El sistema es responsable de
pedir y recibir bienes: determinar el tiempo para colocar el pedido y seguir el
rastro de lo que se ha pedido, de cuanto se ha pedido, y de quien lo ha pedido
los sistemas de inventario son los siguientes
20
Sistemas de inventario continuo
En el sistema de Inventario continuo, los registros se mantienen
permanentemente para cada artículo del inventario. Los registros muestran por
lo tanto el inventario disponible todo el tiempo. Los registros continuos son
útiles para preparar los estados financieros mensuales, trimestral o
provisionalmente. El negocio puede determinar el costo del inventario final y el
costo de las mercancías vendidas directamente de las cuentas sin tener que
contabilizar el inventario.
El sistema perpetuo ofrece un alto grado de control, porque los registros de
inventario están siempre actualizados anteriormente, los negocios utilizaban el
sistema continuo principalmente para los inventarios de alto costo unitario,
como las joyas y los automóviles; hoy día con este método los administradores
pueden tomar mejores decisiones acerca de las cantidades a comprar, los
precios a pagar por el inventario, la fijación de precios al cliente y los términos
de venta a ofrecer. El conocimiento de la cantidad disponible ayuda a proteger
el inventario.
Sistemas de inventario periódicos
En el sistema de inventario periódico el negocio no mantiene un registro
continuo del inventario disponible, más bien, al fin del periodo, el negocio hace
un conteo físico del inventario disponible y aplica los costos unitarios para
determinar el costo del inventario final, esta es la cifra de inventario que
aparece en el balance general, se utiliza también para calcular el costo de las
mercancías vendidas. El sistema periódico es conocido también como sistema
físico, porque se apoya en el conteo físico real del inventario, el sistema
periódico es generalmente utilizado para contabilizar los artículos del inventario
que tienen un costo unitario bajo.
Los artículos de bajo costo pueden no ser lo suficientemente valiosos para
garantizar el costo de llevar un registro al día del inventario disponible. Para
usar el sistema periódico con efectividad, el propietario debe tener la capacidad
de controlar el inventario mediante la inspección visual.
21
4.1.11 Clasificación de los inventarios según su función
Inventario de seguridad
Son aquellos que existen como resultado de la incertidumbre en la demanda u
oferta de productos. Se generan para amortiguar variaciones de la demanda
del producto. Los inventarios de seguridad concernientes a materias primas,
protegen contra la incertidumbre de la actuación de proveedores debido a
factores como el tiempo de espera, huelgas, vacaciones o unidades que al ser
de mala calidad no podrán ser aceptadas. Se utilizan para prevenir faltantes
debido a fluctuaciones inciertas de la demanda.
Inventario de transito
Se refiere a los productos que están en tránsito entre proveedor y empresa,
empresa y cliente o entre dos procesos consecutivos. Estos materiales son
artículos que sean pedido pero no se han recibido todavía, existen porque el
material debe de moverse de un lugar a otro y son exclusivamente por el
tiempo de transporte.
Inventario cíclico
Se generan al producir en lotes y no de manera continua. Esto se presenta
cuando en lugar de comprar, producir o transportar inventarios de una unidad a
la vez, se puede decidir trabajar por lotes. Estos inventarios facilitan las
operaciones en los sistemas clásicos de producción.
Inventario de previsión o estacional
Se tienen con el fin de cubrir una necesidad futura perfectamente definida,
además, se diseñan para cumplir la demanda estacional variando los niveles
de producción para satisfacer fluctuaciones en la demanda. Estos inventarios
se utilizan para suavizar el nivel de producción de las operaciones, para que los
trabajadores no tengan que contratarse o despedirse frecuentemente. Ciertos
productos poseen demandan que dependen de algún ciclo, que puede ser
22
estacional o no, ello evita picos exagerados de producción o déficit de
productos.
Inventarios especulativos
Se acumulan inventarios con carácter especulativo, cuando se espera un
aumento de precios superiores a los costos de acarreo de inventarios, en estas
situaciones las políticas de inventarios suelen reducirse a la fórmula de
comprar la mayor cantidad posible según la capacidad de flujo de caja.
Inventarios de contingencia
Se generan con la finalidad de que la empresa sea capaz de superar un
problema en un periodo determinado debido a complicaciones futuras de
diversos aspectos.
4.1.12 Costos de inventario
Costo de pedido
Incluyen todos los costos asociados cuando se lanza una orden de compra,
estos costos deben ser independientes de la cantidad que se compra y
exclusivamente relacionados con el hecho de lanzar la orden.
Costos de almacenamiento
Es el costo por periodo de tiempo por cada artículo en inventario, el hecho de
conservar un producto o material en almacenamiento genera costos por la
razón de mantener dicho producto en buen estado para cuando se necesite.
Estos costos a su vez su pueden clasificar por actividad (almacenaje y
manutención), por imputabilidad (fijos y variables) y por origen (directos e
indirectos).
Costos de adquisición
Es el costo por cada artículo o material pedido, también llamado costo unitario.
Costos de penalización
23
Incluyen el conjunto de costos por la falta de existencia de productos, estos
costos no serán absorbidos por la producción en proceso, sino que irán a parar
directamente el estado de resultados.
5. SITUACIÓN ACTUAL
Actualmente la compañía ANDIA S.A.S no se encuentra manejando ninguna
de las metodologías teóricas conocidas para realizar el cálculo de su
pronóstico.
Si bien se emplean los promedios y las datos históricos de la compañía para
darse una idea del comportamiento de sus productos, no se puede asegurar
que se emplee una metodología de promedios móviles o series de tiempo,
igualmente estos promedios se ajustan exponencialmente con el fin de
incrementar el valor de pronóstico para asegurar que no existan faltantes de
inventario, aunque por una parte se disminuye el riesgo de faltantes, no se
tiene en cuenta el costo de inventario en el que se pueda incurrir.
De acuerdo a estos parámetros, en el anexo 1 se demuestra la metodología
que usa la compañía en una muestra de productos, con el fin de proporcionar
una idea más clara de su uso, el procedimiento se explica a continuación.
Debido a que el proveedor HACH Company, distribuidor del 58% de los
productos que comercializa la compañía solicita realizar pedidos programados
con el fin de disminuir sus tiempos de entrega, la empresa realiza durante el
primer bimestre la solicitud de estos para el resto del año, con base en sus
ventas históricas, cotizaciones abiertas, stock actual y un porcentaje de
crecimiento en las ventas de la compañía, porcentaje que es estimado por el
área comercial de la compañía en el presupuesto general.
Lo primero que se realiza es determinar las ventas por cada producto de los
últimos tres años en unidades de venta, en cada uno de los años, se divide por
los meses en los cuales hubo ventas obteniendo la cantidad mensual
24
promedio por año, para luego promediar los tres años, con esto se establece el
promedio de ventas mensuales de cada uno de los productos.
Posteriormente se establecen todas las cotizaciones abiertas que se poseen
por producto y se estima sobre el total de unidades cotizadas una tasa de éxito
del 10%, que se espera sea lo que se generara de venta del ítem.
Enseguida se suman los promedios de ventas de los últimos tres años con la
tasa de éxito estimada para las cotizaciones, al valor obtenido se le aplicara un
aumento en porcentaje establecido como el del presupuesto de ventas
generado por el departamento comercial de la compañía.
Por último, se generan los pedidos programados con una periodicidad
bimensual, obteniendo 6 pedidos para el año. Para el primer pedido generado
tenemos en cuenta el stock con el que cuenta la compañía en el momento y se
reduce o aumenta cantidades según sea conveniente para llegar al consumo
establecido mensual en el informe.
5.1 MEDICIÓN DE LA PRECISIÓN DEL PRONÓSTICO
La medición en la precisión del pronóstico se calcula bimestralmente
dividiendo el pronóstico calculado por la compañía con las ventas reales del
bimestre. El error de la variación entre el valor real y el pronosticado se
encuentren dentro de un rango de 20% del valor real, para que la empresa
considere al pronóstico como aceptable. Si el error es mayor del rango
estimado, se procede a recalcular las cantidades solicitadas para el siguiente
periodo.
25
6. PROPUESTA
6.1 ESTUDIO COMPORTAMIENTO DE LA CADENA DE SUMINISTRO
La empresa ANDIA S.A.S es una compañía dedicada a la comercialización y
distribución de equipos y reactivos para laboratorios de análisis de aguas, por
esta razón la cadena de abastecimiento está encaminada a la adquisición,
almacenamiento y distribución al cliente final de estos elementos.
El ciclo logístico está documentado y divulgado, esta se encuentra
Figura 3. Cadena de Suministro ANDIA S.A.S
Fuente. Autores.
OJO PRESENTAR GRAFICO ARREGLADO.
6.2 DIAGRAMAS DE FLUJO DE LA CADENA DE SUMINISTRO
De acuerdo a las evidencias encontradas en cada uno de las áreas de trabajo
establecidas en la compañía y los procesos y procedimientos estandarizados
por medio de la Coordinación de Calidad de la empresa, se puede evidenciar
como es el manejo de cada uno de los eslabones de la cadena. A continuación
se muestra como es el procedimiento de cada uno de los eslabones de la
cadena logística en ANDIA S.A.S, los cuales se encuentran representados en
diagramas de flujo.
26
6.2.2 Prevención de la Demanda
Objetivo
Prevenir la demanda para el aprovisionamiento de materias primas.
Figura 4. Prevención de la Demanda – Diagrama de flujo
Fuente: ANDIA S.A.S
ENTRADAS PROCESO SALIDA RESPONSABLE
Datos historicosConsolidacion de
datos ultimos años
Área comercial, ventas y
compras
reporte emitido por SAPVentas historicas del
producto
Área comercial, ventas y
compras
reporte emitido por SAPofertas historicas de
los productos
Área comercial, ventas y
compras
reporte emitido por SAP
inventarios
actualizados de los
productos
Área comercial, ventas y
compras
tres informes de
comportamiento del
producto
consolidado del
comportamiento de la
demanada
Área comercial, ventas y
compras
Consolidacion de datos y
experiencia adquirida por
las areas inplicadas
validacion y ajuste del
la demanda total de
productos
Área comercial, ventas y
compras
determinacion de
cantidades
requerimiento de
productos y materias
primas
Área comercial, ventas y
compras
clacificacion por
proveedorescompras de producto.
Área comercial, ventas y
compras
INICIO
FIN
reporte de ventas historicas segun los productos comercializados segun
archivo de SAP
reporte de oferta de ventas de los productos comercializados segun
archivo de SAP
se determina la cantidad de producto a comprar basados en el resultado de los informes y en la experiencia de ventas, inventarios y compras
Analizar el comportamiento de la demanda.
se realiza una reunion con el personal encargado de inventarios y de compras
para la evaluacion del informe
utilizacion promedio de ventas historicas
SI
reporte de inventario de los productos comercializados segun archivo de SAP
se contruye la consolidacion de los reportes y se determinacion el
comportamiento de los productos comercializados
Los productos se separan por proveedores y se generan las ordenes de compra por SAP
NO
27
6.2.2 Aprovisionamiento
Objetivo
Asegurar que la orden de compra se monte según las especificaciones del sistema de
ANDIA.S.A.S
Figura 5. Aprovisionamiento – Diagrama de flujo
Fuente: ANDIA S.A.S
ENTRADAS PROCESO SALIDA RESPONSABLE
verificacion de que el
proveedor cumpla con los
requisitos de la
organización
Proveedores
calificadosÁrea compras
creacion de la orden de
compra según el proveedor
seleccionado
orden de compra
para validacionÁrea compras
filtro de la orden de
comprafiltro de la compra Área compras
filtro orden de venta y
orden de compra
orden de compra
concuerda con orden
de venta
Área compras y
comercial
verificacion de los
productos a solicitar según
el MRP
Determinacion de
los productos a
comprar evaluando
stock, maximos y
minimos
Área planeaccion.
Reporte de productos a
comprar según el sistema
SBO
consolidacion de la
informacion del
sistema
Área planeaccion.
Toma de decisiones para la
compra según analisis del
informe SBO
determinacion de la
compraÁrea planeaccion.
Compra Final
Requerimiento de
compra con tiempo
de entrega del
proveedor.
Área compras y
comercial
INICIO
FIN
Se monta la orden de compra al proveedor seleccionado
inicio del proceso para la compra del producto
Analisis de la compra en base al informe SBO
Seleccion de proveedores
informe de recomendados del sistema SBO
cumple conlos
requisitos
de proveedor
SI
verificacion orden de Venta
verificacion del Mrp del sistema SBO
Compra de los productos requeridos
NO
28
6.2.3 Distribución física
Objetivo
Validar que el producto entregado por el proveedor cumpla con las
especificaciones requeridas y asegurar que el almacenamiento del producto
sea el adecuado.
Figura 6. Distribución física – Diagrama de flujo
Fuente: ANDIA S.A.S
ENTRADAS PROCESO SALIDA RESPONSABLE
Recepcion en las instalaciones
de la empresa de la mercancia
enviada por el proveedor
Conformidad del
requerimiento
Verificacion de que el
proveedor entregue en
optimas condiciones los
productos.
Devolucion o
recepcion del
producto según su
estado.
Área compras y
almacen
Primera inspeccion por parte
del amacen revisando las
caracteristicas generales del
producto
Validacion del
estado del producto
recepcionado.
Área almacen
Segunda inspeccion por parte
del almacen de las
caracteristicas especificas del
producto.
Verificacion de pesos
y cantidades.Área almacen
Mercancia que cumple con las
especificaciones y listas para
almacenar.
Mercancia preparada
para identificacion
interna
Área almacen
Productos marcados
Distribucion de
producto según la
clasificacion de la
organización.
Área almacen
Productos validados según
orden de venta por cliente
Embalaje listo para la
solicitud del cliente Área almacen
ubicación de los productos
según su funcion.
logistica de despacho
y almacenamiento
según las normas de
la organización
Área almacen
ingreso a los inventarios
virtuales de la compañia
Asignacion de fecha
de entrega según
requerimiento del
cliente.
Área almacen y
planeacion
INICIO
FIN
primera inspeccion (estado fisico, lote, serial, identificacion)
segunda inspeccion Verificacion de especificaciones y cantidades segun
sistema SBO
ubicar el material en la zona de almacenamiento segun su funcion
(reactivos, bodega general, seccion de recepcion empaque y despacho)
recepcion e inspeccion de los productos comprados
separar los articulos de acuerdo con la orden de venta
cumple con lo requerido en la oden
de compra
SI
Almacenamiento de mercancias
Identificacion de mercancia de acuerdo con su numero de referencia y
clacificacion NFPA
ingreso al sistema SBO segun su caracteristica y ubicacion para el cliente
NO
29
6.2.4 Despacho de mercancía
Objetivo
Validar que el producto entregado por el proveedor cumpla con las
especificaciones requeridas y asegurar que el almacenamiento del producto
sea el adecuado.
Figura 7. Despacho de mercancía – Diagrama de flujo
Fuente: ANDIA S.A.S
ENTRADAS PROCESO SALIDA RESPONSABLE
Determinacion de si el despacho
es Nacional o local
Mercancia registrada
según el sitio de
despacho
Área logistica
Mercancia que cumple con los
requerimientos para el
despacho
Validacion del producto
para seguir o parar el
proceso de despacho
Área Almacen.
Verificacion de la concordancia
del producto con la nota de
entrega al cliente
Confirmacion de que el
material a despachar sea
el solicitado por el
cliente
Área Almacen y
logistica
Embalaje de los productos
cumpliendo con las normas de
proteccion de los productos
según sus caracteristicas
Producto embalado y
listo para identificacion
de despacho
Área Almacen y
logistica
Facturacion y registro en el
sistema SOBFactura
Área Almacen y
logistica
Determinacion de la forma de
despacho dependiendo si el
cliente es nacional o local.
Definicion de rutas
según el tipo de
despacho.
Área Almacen y
logistica
Identificacion del producto
según las instrucciones
impartidas por el cliente para el
despacho.
Despacho final al clienteÁrea Almacen y
logistica
INICIO
FIN
alistamiento conforme a lo relacionado en la nota de entrega
alistamiento,empaque y embalaje de la mercancia
identicacion como despacho nacional (nombre, direccion, ciudad y guia por si
se despacha por transportadora y pictograma de manipulacion)
Divicion del despacho en dos : Nacional y Local
Despachos en la ciudad
autorizacion de almacen
para ser despachado
SBO
SI
registro de la factura o documento remisorio para la mercancia
Despachos fuera de la ciudad
Se envia directamente por la compañia segun lo especificado por el cliente y segun la rutra logistica que permita
despachar mas de dos pedidos por la misma ruta
NO
FIN
30
6.3 CLASIFICACIÓN DE LOS PRODUCTOS EN ESTUDIO
La compañía ANDIA S.A.S ha querido conocer cuál de sus líneas de producto
es la más determinante en su inventario y por ende a la que más debe prestar
atención. Por esta razón se estableció la clasificación ABC. Para esta
clasificación se realiza como primera medida un estudio de los proveedores,
para luego revisar de esos proveedores cuales son las líneas de mayor
impacto, en volumen de unidades vendidas. Para esto se toman los tres últimos
años de ventas. Basados en esto se evidencia la siguiente clasificación.
Tabla 1. Revisión de Ventas por Proveedor 2012-2014
31
A primera vista es fácil observar que el proveedor HACH COMPANY mantiene
los mayores volúmenes de ventas de la compañía con un promedio del 48%
del total de las ventas durante los 3 años en estudio, de acuerdo con esto, la
compañía desea saber cuál de las líneas del proveedor HACH es la que mayor
venta genera y sobre la cual recae el mayor inventario de la empresa, de esta
manera poder realizar el análisis de la línea y determinar tanto el pronóstico de
su demanda, como la planeación de sus compras, esto con el fin de evitar
inventarios elevados que conllevan a mayores gastos y menor flujo de caja. Las
siguientes tablas establecerán la línea sobre la cual se enfocara el trabajo.
Tabla 2. Revisión de líneas de producto 2012-2014
32
Fuente: Autores
Al revisar las líneas de producto durante los últimos tres años, es evidente que
la línea Reactivos en Polvo ha tenido siempre la mayor participación del total
del volumen de ventas de HACH con un promedio del 46%. Igualmente el
promedio del inventario mensual de esta línea creció 8%, paso de $165
millones en 2012 a $175 millones, un aumento que influye negativamente en el
flujo de caja de la compañía. Por esta razón la compañía decide realizar el
estudio sobre esta línea de producto y según sus resultados aplicar el modelo a
todas sus líneas.
De acuerdo a estos datos, la línea de reactivos en polvo cuenta con 208
productos dentro de su haber, de allí se determina su clasificación ABC
dependiendo de su volumen de ventas, con lo que se espera obtener los
productos a los cuales se debe enfocar el modelo de inventario, esta
clasificación se encuentra discriminada en el anexo 2.
A partir de los datos del anexo 2, se puede observar que 22 productos que
corresponden al 11% del total de los artículos son los que producen el mayor
volumen de ventas de la línea en estudio. Se considera que estos productos
son los que la compañía debe mantener un estricto control de inventario y con
una periodicidad continua.
Los artículos que constituyen el género B, representan el 20% del volumen de
ventas y un total del 15% del total de las referencias. Cabe señalar que los
33
artículos pertenecientes a esta clase se consideran deben tener un control
moderado y con menor periodicidad.
Finalmente entre la clase C se localiza el 74% de los productos, con un
porcentaje de volumen de ventas de tan solo el 10%; Su revisión no es tan
importante, al igual que su pronóstico ya que su impacto no es considerable en
el comportamiento de la línea.
Tabla 3. Resultado clasificación ABC
Cantidad
Referencias % Participación
Part
Acumulada
Tipo
Clasificación
22 70% 70% A
31 20% 90% B
153 10% 100% C
206 100%
Fuente: Autores.
34
Figura 8. Diagrama de Pareto de la línea reactivos en polvo
Fuente: Autores.
6.4 DETERMINACIÓN DEL COMPORTAMIENTO DE LA DEMANDA
Una de las partes más difíciles en la proyección de pronósticos es la
recolección de datos confiables, un pronóstico no es más preciso que los datos
en los cuales se basa. Para definir la metodología a emplear se debe
considerar que cada serie de datos describe su propio comportamiento, este
comportamiento es importante debido a que debemos conocer qué tipo de
patrón siguen y estimar si estos datos poseen tendencia, estacionalidad e
irregularidad, además de entender que con el método y los pasos resultantes
de este trabajo llegaremos a la metodología para elegir el mejor modelo que
nos ayude a pronosticar la demanda de los reactivos en polvo.
Por lo tanto, a continuación se describirá la metodología sugerida para intentar
dar solución a aquellos problemas que tengan que ver con el cálculo de la
demanda.
6.4.1 Selección de los ítems a pronosticar
Para determinar y limitar que productos a analizar y pronosticar se define que
de los 22 ítems que componen la clase A de la línea de reactivos en polvo se
tome una muestra del 20% de estas, esto corresponde a 4,4 items en estudio,
35
ajustado al mayor valor se eligen 5 productos para estimar la demanda. Estos
ítems serán los 5 primeros que corresponden al 33% del total del volumen de
ventas de la línea de negocio.
Tabla 4. Muestra para proyección de la demanda
. MUESTRA PARA PROYECCION DE LA DEMANDA
Referencia Descripción Articulo 12 13 14 15
Total
venta
2012-
2015
% Part
Unitaria
% Part
Acumulada
Clasificación
ABC
21055-69
DPD FREE CHLORINE RGT PP
10ML PK/100 406 730 613 189 1936 11% 11% A
21057-69
FERROVER, IRON REAGENT
PP 10ML PK/100 663 597 545 223 1364 8% 19% A
14077-99
DPD FREE CHLORINE PP 5ML
PK/100 280 353 282 92 1007 6% 25% A
21067-69
SULFAVER 4, SULFATE RGT
PK/100 287 258 281 100 921 5% 30% A
21062-69
CITRIC ACID, FOR SILICA
PK/100 106 199 202 54 561 3% 33% A
Fuente: Autores
6.4.2. Ajuste del comportamiento de los datos
Para iniciar con la elección del modelo, es vital determinar la existencia de
valores atípicos, extremos y valores perdidos, al igual que realizar el grafico de
secuencia, con el fin de confrontar lo encontrado en los gráficos y dar una
mejor perspectiva sobre la fiabilidad de los datos y la forma de los mismos.
Inicialmente se realiza el grafico de secuencia, allí se evidencia cual es el
comportamiento de los datos y se hallan los valores atípicos que se puedan
presentar en la serie.
La reducción de datos con frecuencia es necesaria ya que en el proceso de
pronóstico es posible tener muchos o muy pocos datos. Algunos datos pueden
no ser pertinentes al problema, por lo que reducirían la precisión del pronóstico.
36
Tabla 5. Datos de ventas sin ajuste
Código
Articulo Descripción Articulo Año Ene Feb. Mar Abr May Jun Jul Ago Sep Oct Nov Dic
21055-69 DPD FREE CHLORINE
RGT PP 10ML PK/100
2012 19 24 34 18 25 29 35 55 42 44 34 47
2013 14 40 57 49 32 281 45 32 27 60 44 49
2014 46 37 187 29 24 39 50 25 58 27 29 62
2015 34 31 36 8 36 44
Codigo
Articulo Descripción Articulo
Año Ene Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
21057-69 FERROVER, IRON REAGENT
PK/100
2012 63 85 34 41 45 101 71 115 25 23 30 34
2013 0 73 51 51 43 80 36 25 57 32 68 83
2014 41 73 62 41 47 47 69 27 41 50 18 29
2015 19 33 42 21 44 64
Código
Articulo Descripción Articulo
Año Ene Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
14077-99 DPD FREE CHLORINE PP
5ML PK/100
2012 13 28 24 27 31 18 15 38 16 19 42 9
2013 10 48 22 26 29 29 13 34 32 64 25 21
2014 15 48 17 25 17 24 14 18 28 36 13 27
2015 21 10 12 10 21 18
Código
Articulo Descripción Articulo
Año Ene Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
21067-69 SULFAVER 4, SULFATE RGT
PK/100
2012 3 33 12 11 15 18 85 57 8 7 12 26
2013 7 14 16 10 10 59 35 14 11 16 12 54
2014 17 29 63 14 8 10 24 15 14 16 28 43
37
2015 17 33 21 5 10 14
Codigo
Articulo Descripción Articulo
Año Ene Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
21062-69 CITRIC ACID, FOR SILICA
PK/100
2012 2 5 7 5 7 10 14 0 7 36 9 4
2013 0 30 44 12 15 12 0 17 17 0 35 17
2014 18 32 2 52 17 17 19 6 2 28 2 7
2015 5 0 23 6 15 5
Fuente: Autores
Figura 9. Graficas de Secuencia sin ajuste
38
Fuente: Autores
39
Como se observa en los gráficos de cada una de las referencias en estudio, los
puntos marcados con rojo se encuentran lejos de la distribución central de los
datos por lo cual se consideran como datos atípicos o datos con ruido, estos
datos pueden generar distorsión en la estimación de la demanda y por ende
una proyección errada.
Para este caso, se hace la verificación de estos puntos con la base de datos de
las ventas, con el propósito de establecer si estas ventas fueron únicas y
atípicas o si por el contrario tienen posibilidad de repetirse.
Tabla 6. Datos atípicos a eliminar
Referenc
ia
Dato
Atípico Fecha Observación del Dato Acción
21055-69 281 jun-13 Licitación acueducto IBAL 250 und Eliminar de la proyección
21055-69 187 mar-14 Compra Ecopetrol 150 und Eliminar de la proyección
21057-69 101 jun-12 Venta Meta Petroleum por 82 unidades Eliminar de la proyección
21057-69 115 ago-12 Venta Ecopetrol 50 unidades Eliminar de la proyección
14077-99 64 oct-13
Aumento de ventas sin ningún caso en
particular
Se mantiene dentro de los datos a
proyectar
21067-69 85 jul-12 Venta puntual Nalco 50 unidades Eliminar de la proyección
21067-69 59 ago-12 Venta Acueducto IBAL 25 unidades Eliminar de la proyección
21067-69 54 dic-13 Venta puntual P1 Energy 35 unidades Eliminar de la proyección
21067-69 63 mar-14 Venta Acueducto IBAL 40 unidades Eliminar de la proyección
21062-69 44 mar-13 Venta sin ningún caso puntual
Se mantiene dentro de los datos a
proyectar
21062-69 52 abr-14 Venta sin ningún caso puntual
Se mantiene dentro de los datos a
proyectar
Fuente: ANDIA S.A.S
Con base en estas apreciaciones se ajustan los datos a proyectar y se realiza
el grafico de secuencia nuevamente verificando el ajuste de los datos a su
comportamiento normal.
40
Tabla 7. Datos de ventas ajustadas
Código
Articulo Descripción Articulo Año Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
21055-69 DPD FREE CHLORINE RGT
PP 10ML PK/100
2012 19 24 34 18 25 29 35 55 42 44 34 47
2013 14 40 57 49 32 31 45 32 27 60 44 49
2014 46 37 37 29 24 39 50 25 58 27 29 62
2015 34 31 36 8 36 44
Codigo
Articulo Descripción Articulo
Año Ene Feb. Mar Abr May Jun. Jul. Ago. Sep. Oct. Nov Dic.
21057-69 FERROVER, IRON
REAGENT PK/100
2012 63 85 34 41 45 19 71 65 25 23 30 34
2013 0 73 51 51 43 80 36 25 57 32 68 83
2014 41 73 62 41 47 47 69 27 41 50 18 29
2015 19 33 42 21 44 64
Código
Articulo Descripción Articulo
Año Ene Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
14077-99 DPD FREE CHLORINE PP
5ML PK/100
2012 13 28 24 27 31 18 15 38 16 19 42 9
2013 10 48 22 26 29 29 13 34 32 64 25 21
2014 15 48 17 25 17 24 14 18 28 36 13 27
2015 21 10 12 10 21 18
Código
Articulo Descripción Articulo
Año Ene Feb Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
21067-69 SULFAVER 4, SULFATE
RGT PK/100
2012 3 33 12 11 15 18 35 32 8 7 12 26
2013 7 14 16 10 10 59 35 14 11 16 12 19
2014 17 29 23 14 8 10 24 15 14 16 28 43
2015 17 33 21 5 10 14
41
Código
Articulo Descripción Articulo
Año Ene Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
21062-69 CITRIC ACID, FOR SILICA
PK/100
2012 2 5 7 5 7 10 14 0 7 36 9 4
2013 0 30 44 12 15 12 0 17 17 0 35 17
2014 18 32 2 52 17 17 19 6 2 28 2 7
2015 5 0 23 6 15 5
Fuente: Autores
Figura 10. Gráficos de Secuencia Ajustados
42
Fuente: Autores
6.4.3. Análisis de la Tendencia, Estacionalidad y Aleatoriedad de la Serie
Luego de haber realizado el ajuste de los valores atípicos para cada uno de los
productos, se procede a realizar el análisis de cada componente de la serie de
tiempo.
6.4.3.1 Tendencia Inicialmente se realizara la gráfica de secuencias con la
línea de tendencia y el coeficiente de determinación R2, cuyo valor oscila entre
0 y 1 y proporciona la variación de los datos con respecto a su línea de
tendencia. Entre más cerca este a 1 indica que los datos se comportan muy
cerca de la línea de tendencia, por el contrario si está más cerca a cero
43
significa que los datos están muy dispersos y la recta de tendencia no
representa los datos otorgados.
Figura 11. Grafico Análisis de Tendencia de las Series
44
De las graficas se pude concluir que los prodcutos en estudio no poseen una
tendencia con alta relacion de linealidad, sus lineas de tendencia proyeeciones
no son pronunciadas y tediendo a ser casi nulas.
Respecto al coeficiente de determinacion, se evidencia que los datos se
encuentran con valores cercanos a cero, lo que significa que la variacion de los
datos respecto a la linea de de tendencia es bastante alta. A primera impresión
ninguno de los items en estudio contaria con una tendencia claramente
marcada, aunque esto solo sera posible corroborarlo con el analisis de
autocorrelacion.
45
Tabla 8. Coeficiente de determinación de las referencias evaluadas
Referencia R2
21055-69 0,1415
21057-69 0,013
14077-99 0,0005
21067-69 0,0534
21062-69 0,0798
Fuente: Autores
6.4.3.2 Estacionalidad El componente estacional se refiere a un patrón de
cambio que se repite a sí mismo año tras año. En el caso de las series
mensuales, el componente estacional mide la variabilidad de las series cada
mes. Para determinar que una serie es estacional, su variación debe ser mayor
que las variaciones aleatorias y deben ser estables en el tiempo.
Figura 12. Grafica análisis de la Estacionalidad de la Series
46
47
Fuente: Autores
El comparativo año a año de cada uno de los productos muestra que aunque
en algunos puntos concuerdan datos año a año, estos datos no permiten
identificar claramente que posean un patron de estacionalidad. Para este caso,
el analisis de autocorrelacion permite identificar si en alguna de las series se
encuentra un patron definido.
Respecto a la aleatoriedad de los datos, dentro de todas las series de tiempo,
se estima que siempre existira un factor aleatorio como componente, por
definición, la aleatoriedad no puede pronosticarse, pero una vez que ha sido
aislada, su magnitud se puede estimar y utilizar para determinar el alcance de
la probable variación entre los resultados reales y pronosticados, lo que permite
determinar el alcance de la incertidumbre en las predicciones. Para este caso
en particular y al revisar los graficos de secuencia presentados en la tendencia
y estacionalidad, se concluye que la aleatoriedad es un componente intrinseco
en la serie de tiempo y por lo tanto se debera tener en cuenta en la eleccion del
modelo de pronostico a elegir.
6.5 Autocorrelacion Identificacion de los patrones de datos mediante el
analisis de autocorrelacion
Para determinar qué tipo de modelo es el que mejor se adapta a la serie de
datos en estudio, y considerando los factores ya descritos para efectuar una
buena elección del método, el modelo a elegir debe ser aquel que ofrezca el
mayor grado de precisión, para lo cual se considera manejar aquellos métodos
48
con mayor grado de complejidad. Sin embargo, es importante tener en cuenta
que al elegir un método complejo para obtener un resultado muy preciso,
podría afectar otros factores como el de la facilidad de la aplicación y el
entendimiento del método.
Por lo tanto, para tomar la decisión sobre el método más conveniente para los
requerimientos establecidos, es necesario utilizar una herramienta que permita
evaluar el comportamiento de la serie y que además considere a los elementos
que la componen.
La herramienta ideal para este proceso es el ANÁLISIS DE
AUTOCORRELACIÓN, con el que es posible establecer una observación del
patrón de la serie de datos, además de obtener el coeficiente de
autocorrelación que permitirá identificar qué elementos de la serie se
encuentran presentes en ésta.
Los coeficientes de autocorrelación para diferentes desfases de tiempo de una
variable se emplean para identificar patrones en las series de tiempo de datos.
Comúnmente se usa la siguiente ecuación para calcular el coeficiente de
autocorrelación de primer orden o la correlación entre Yt y Yt-1.
En donde:
r1 = coeficiente de autocorrelacion de primer orden
Ŷ = media de los valores de la serie
Yt = observación en el periodo t
Yt-1= observación en un periodo anterior o en el periodo t - 1
49
Para calcular el coeficiente de autocorrelacion entre observaciones separas por
k periodos se utiliza la siguiente ecuación
En donde:
rk = coeficiente de autocorrelacion para un desfase de k periodos
Ŷ = media de los valores de la serie
Yt = observación en el periodo en el tiempo t
Yt-k= observación en k periodos anteriores o en el periodo t - k
Para realizar este análisis se elige la referencia 21055-69 DPD FREE
CHLORINE RGT PP 10ML PK/100, que corresponde al artículo con mayor
volumen de ventas; Este se utiliza para mostrar el procedimiento, para las otras
referencias se muestran los coeficientes de autocorrelacion. Los valores de la
serie de tiempo se presentan en la siguiente tabla.
Tabla 9. Valores de la serie tiempo DPD FREE CHLORINE RGT PP 10ML
PK/100
Perio
do
Yt
Yt-
1
Yt-
2
(Yt -
Ymedia)
(Yt-1 -
Ymedia)
(Yt-2 -
Ymedia)
(Yt -
Ymedia)^2
(Yt - Ymedia)(Yt-1 -
Ymedia)
(Yt - Ymedia)(Yt-2 -
Ymedia) t
1 19
-18
341
2 24 19 -13 -18 182 249 0
3 34 24 19 -3 -13 -18 12 47 64
4 18 34 24 -19 -3 -13 379 68 262
5 25 18 34 -12 -19 -3 156 243 43
50
6 29 25 18 -8 -12 -19 72 106 165
7 35 29 25 -2 -8 -12 6 21 31
8 55 35 29 18 -2 -8 307 -43 -148
9 42 55 35 5 18 -2 21 79 -11
10 44 42 55 7 5 18 43 30 114
11 34 44 42 -3 7 5 12 -23 -16
12 47 34 44 10 -3 7 91 -33 62
13 14 47 34 -23 10 -3 551 -224 82
14 40 14 47 3 -23 10 6 -59 24
15 57 40 14 20 3 -23 381 49 -458
16 49 57 40 12 20 3 133 225 29
17 32 49 57 -5 12 20 30 -63 -107
18 31 32 49 -6 -5 12 42 35 -75
19 45 31 32 8 -6 -5 57 -49 -41
20 32 45 31 -5 8 -6 30 -41 35
21 27 32 45 -10 -5 8 110 57 -79
22 60 27 32 23 -10 -5 508 -236 -123
23 44 60 27 7 23 -10 43 147 -68
24 49 44 60 12 7 23 133 75 260
25 46 49 44 9 12 7 73 98 56
26 37 46 49 0 9 12 0 -4 -5
27 37 37 46 0 0 9 0 0 -4
28 29 37 37 -8 0 0 72 4 4
29 24 29 37 -13 -8 0 182 114 6
30 39 24 29 2 -13 -8 2 -21 -13
31 50 39 24 13 2 -13 157 19 -169
51
32 25 50 39 -12 13 2 156 -156 -19
33 58 25 50 21 -12 13 421 -256 257
34 27 58 25 -10 21 -12 110 -215 131
35 29 27 58 -8 -10 21 72 89 -174
36 62 29 27 25 -8 -10 602 -208 -257
∑
134
9
128
7
125
8 0 -25 -16 5489 125 -142
Fuente: Autores
Media 1349 = 37
36
N= 36
Con los resultados de las sumatorias obtenidas se puede calcular el valor de r
mediante la utilización de la siguiente ecuación 1
r1 125 = 0,023
5489
El valor de r1 obtenido es de 0.023, lo cual significa que la autocorrelación de
primer orden refleja que no existe una correlación entre la demanda del primer
periodo con la del segundo.
52
Para la autocorrelación de segundo orden, se calcula con la segunda ecuación
r1 -142 = -0,026
5489
Para la autocorrelación de segundo orden, el valor obtenido es de -0.026,
reflejando que tampoco existe relación alguna con el siguiente periodo.
La siguiente tabla presenta todos los coeficientes de autocorrelacion del ítem
en estudio.
Tabla 10. Coeficientes de autocorrelación para las series
Coeficiente Valor Coeficiente Valor Coeficiente Valor Coeficiente Valor
r1 0,023 r11 0,026 r21 0,021 r31 -0,027
r2 -0,026 r12 0,000 r22 -0,017 r32 -0,125
r3 0,148 r13 -0,134 r23 -0,077 r33 0,041
r4 -0,146 r14 0,124 r24 0,038 r34 -0,032
r5 -0,095 r15 0,008 r25 0,070 r35 -0,083
r6 -0,044 r16 0,096 r26 -0,004
Ref 21055-69
r7 0,046 r17 0,038 r27 0,011
r8 0,107 r18 -0,151 r28 0,130
r9 0,022 r19 -0,053 r29 -0,075
r10 -0,131 r20 -0,221 r30 -0,006
53
Coeficiente Valor Coeficiente Valor Coeficiente Valor Coeficiente Valor
r1 -0,080 r11 0,084 r21 0,185 r31 -0,118
r2 -0,055 r12 -0,190 r22 0,035 r32 0,036
r3 -0,015 r13 -0,121 r23 0,018 r33 -0,044
r4 -0,242 r14 0,258 r24 0,102 r34 -0,101
r5 -0,169 r15 0,094 r25 0,067 r35 0,099
r6 -0,073 r16 0,048 r26 -0,005
Ref. 21057-69
r7 0,166 r17 -0,018 r27 -0,051
r8 0,125 r18 -0,091 r28 0,023
r9 0,058 r19 -0,097 r29 -0,057
r10 -0,164 r20 -0,298 r30 0,093
Coeficiente Valor Coeficiente Valor Coeficiente Valor Coeficiente Valor
r1 -0,196 r11 0,031 r21 -0,187 r31 0,015
r2 -0,131 r12 0,283 r22 0,065 r32 0,003
r3 0,035 r13 -0,266 r23 0,065 r33 -0,033
r4 0,151 r14 -0,013 r24 -0,027 r34 0,032
r5 -0,212 r15 -0,048 r25 -0,025 r35 -0,004
r6 0,303 r16 -0,027 r26 0,064
Ref. 14077-99
r7 -0,186 r17 -0,042 r27 -0,075
r8 0,119 r18 0,117 r28 0,038
r9 -0,217 r19 -0,015 r29 0,028
54
r10 -0,180 r20 0,026 r30 0,011
Coeficiente Valor Coeficiente Valor Coeficiente Valor Coeficiente Valor
r1 0,157 r11 0,143 r21 -0,109 r31 -0,006
r2 -0,235 r12 0,137 r22 -0,093 r32 -0,015
r3 -0,149 r13 -0,091 r23 -0,142 r33 -0,002
r4 -0,158 r14 -0,187 r24 0,006 r34 0,008
r5 -0,036 r15 -0,128 r25 -0,026 r35 -0,031
r6 -0,106 r16 0,065 r26 -0,135
Ref. 21067-69
r7 -0,151 r17 0,132 r27 -0,023
r8 -0,015 r18 0,015 r28 0,106
r9 0,067 r19 0,175 r29 0,136
r10 0,009 r20 0,190 r30 -0,005
Coeficiente Valor Coeficiente Valor Coeficiente Valor Coeficiente Valor
r1 -0,063 r11 0,155 r21 -0,090 r31 0,044
r2 -0,011 r12 -0,244 r22 -0,134 r32 0,028
r3 0,146 r13 0,148 r23 -0,082 r33 -0,001
r4 -0,122 r14 0,136 r24 0,022 r34 0,035
r5 0,224 r15 -0,118 r25 -0,099 r35 0,014
r6 -0,007 r16 0,066 r26 -0,084
Ref. 21062-69 r7 -0,245 r17 -0,097 r27 -0,037
55
r8 0,131 r18 0,021 r28 0,018
r9 -0,135 r19 0,011 r29 0,006
r10 -0,053 r20 -0,094 r30 0,014
La mejor manera de interpretar estos datos es por medio del correlograma.
Esta herramienta es muy útil para representar autocorrelaciones para varios
desfases en una serie de tiempo.
El correlograma además de permitir identificar si una serie es aleatoria, también
permite verificar si posee tendencia, estacionalidad y/o ciclicidad.
En la gráfica del correlograma de la serie analizada se pueden observar los
coeficientes de autocorrelación para cada periodo, al igual que es posible
definir el intervalo de confianza de estos datos.
El cálculo del intervalo de confianza se usa para determinar si los coeficientes
de autocorrelación son significativamente diferentes de cero y de esta manera
concluir si la serie es aleatoria, este procedimiento se realiza utilizando la
siguiente ecuación.
Si se considera un nivel de confianza del 95% tenemos que
En donde
Z= valor normal estandar para un nivel de confianza dado
n= numero de observaciones en la serie de datos
Ya que para esta serie el valor de la muestra n=36, el error estándar
(desviación de los coeficientes de la autocorrelación) está dado por 1/√36 =
0,16, para un nivel de significancia de 0.05, el valor correcto normal estándar
z es 1.96, por tanto el valor critico es 1.96 (0.16) = 0.322.
56
Si un coeficiente de autocorrelación es menor que 0.322 o mayor que 0.322, se
dice que la serie no es aleatoria, en caso contrario se dice que la serie es
aleatoria.
Los coeficientes de autocorrelación de los datos en revisión aparecen
graficados en el correlograma. Las dos líneas paralelas al eje horizontal son
los límites de confianza de 95% (-0.322 y 0.322).
Figura 13. Correlogramas de las Series
57
58
Fuente: Autores
Al ingresar todos los coeficientes de autocorrelación en el correlograma a un
intervalo de confianza del 95% se puede concluir que las series no presentan
tendencia ni estacionalidad, esto se comprueba al detectar que todos los datos
de la serie se ubican dentro de estos límites de significancia. Por tal motivo se
puede definir que esta serie de datos es de comportamiento aleatoria.
59
Con base en los datos de autocorrelacion y los correlogramas, la siguiente
tabla permite visualizar el comportamiento de cada una de las series de tiempo
Tabla 11. Comportamiento de cada una de las series de tiempo
Articulo Tendencia Estacionalidad Aleatoriedad
21055-69 NO NO SI
21057-69 NO NO SI
14077-99 NO NO SI
21067-69 NO NO SI
21062-69 NO NO SI
Fuente: Autores
De acuerdo con la tabla anterior es posible estimar que las referencias en
estudio tienen un comportamiento similar, los coeficientes de autocorrelacion
calculados para cada serie no superaron los límites de confianza, indicando
que las series presentan un comportamiento aleatorio, sin tendencia ni
estacionalidad, por lo tanto se pueden definir como SERIES ESTACIONARIAS.
Las series estacionarias se definen como aquellas que su valor medio no
cambia a lo largo del tiempo, esto se da comúnmente cuando los patrones de
demanda en la series de tiempo son relativamente estables. Esto es común en
series de datos en las cuales el ciclo de vida del producto se encuentra en la
etapa de maduración, se han estabilizado y permanecen relativamente sin
cambios.
6.6 Selección técnica de pronóstico
El siguiente paso de la metodología consiste en seleccionar la técnica de
pronóstico que se adapte mejor al patrón de datos encontrado. Como ya se
había mencionado anteriormente el comportamiento de los datos en estudio se
presentan como una serie estacionaria, cuyo caso se da cuando los patrones
de demanda que influyen sobre la serie permanecen relativamente estables.
60
La siguiente tabla presenta las técnicas de pronóstico que deben ser usadas
con determinados patrones de datos.
Tabla 12. Técnicas de pronóstico según su comportamiento
Fuente: Pronósticos en los negocios John Hanke
De acuerdo con la tabla, los modelos que mejor se adaptan al pronóstico de
series estacionarias son los métodos no formales, los métodos de promedio
simple y promedios móviles y la suavización exponencial.
Con base en la estimación anterior, se establece un cuadro comparativo de los
modelos que mejor se adaptan a los datos existentes, para que de esta manera
se defina el método con el cual se realizan las proyecciones.
61
Tabla 13. Comparativo de los modelos estacionarios
Método Características Cuando Utilizar
Promedio Simple
Consiste en atenuar los datos al obtener la media aritmética de cierto número de datos históricos para obtener con este el pronóstico para el siguiente período
Óptimo para patrones de demanda
aleatorios o nivelados sin elementos
estacionales o de tendencia
Promedio Móvil
Se utiliza cuando se quiere dar más importancia a conjuntos de datos más recientes para obtener la previsión. A medida que se incrementa el número de observaciones la demanda promedio se vuelve menos sensible a la demanda observada más reciente.
Óptimo para patrones de demanda
aleatorios o nivelados donde se
pretende eliminar el impacto de los
elementos irregulares históricos
mediante un enfoque en períodos de
demanda reciente
Suavización Exponencial Simple
Se considera como una evolución del método de promedio móvil ponderado, en éste caso se calcula el promedio de una serie de tiempo con un mecanismo de autocorrección que busca ajustar los pronósticos en dirección opuesta a las desviaciones del pasado mediante una corrección que se ve afectada por un coeficiente de suavización. El método de suavizamiento exponencial simple es el más apropiado cuando la demanda no tiene una tendencia o estacionalidad observable
El pronóstico de suavización
exponencial simple es óptimo para
patrones de demanda aleatorios o
nivelados donde se pretende
eliminar el impacto de los elementos
irregulares históricos mediante un
enfoque en períodos de demanda
reciente, este posee una ventaja
sobre el modelo de promedio móvil
ponderado ya que no requiere de
una gran cantidad de períodos y de
ponderaciones para lograr óptimos
resultados
Fuente: Autores
De acuerdo al cuadro comparativo, el modelo de suavización exponencial
simple es el más óptimo de los tres métodos, ya que tiene en cuenta el
componente irregular de la demanda, no requiere gran cantidad de datos y no
presenta una gran desviación a medida que se van aumentado los datos,
62
además de permitir por medio del coeficiente de suavización ajustar las
proyecciones según se requiera, coeficiente alto para dar mayor ponderación a
los datos más recientes o coeficiente bajo para dar mayor estabilidad y menos
ponderación a los datos más actuales. Se elige como método a proyectar el
modelo de suavización exponencial simple.
6.7. Aplicación de la técnica seleccionada
De acuerdo al método establecido, el siguiente paso es aplicarlo a la serie de
datos para cada uno de los productos, proyectando su demanda por los
siguientes doce meses.
El método de suavizamiento exponencial simple es el más apropiado cuando la
demanda no tiene una tendencia o estacionalidad observable. Se ha observado
que es la más precisa entre los modelos competidores de su clase, y es
autoadaptable a los cambios fundamentales en la información pronosticada.
Es un tipo de promedio móvil, donde las observaciones pasadas no reciben la
misma ponderación. En vez de ello, las observaciones que son más recientes
reciben mayor ponderación que las anteriores.
De esta forma, el pronóstico de demanda para el siguiente periodo estará dado
por:
Pronóstico nuevo = α (demanda real) + (1 - α )(pronóstico previo)
Donde:
α es un factor de ponderación, comúnmente denominado como la constante de
ajuste exponencial, con valores entre 0 y 1.
Para la aplicación del método se utilizara el software IBM SPSS Statistics, que
permite realizar las proyecciones de manera rápida y confiable, el
procedimiento se realiza para una de las referencias, para las otras se mostrara
el resultado final de la proyección.
63
6.7.1 Medición del error en el pronóstico
Se han ideado diversos métodos para resumir los errores generados por una
técnica particular de pronóstico. La mayoría de estas mediciones implican
promediar alguna función de diferencia entre el valor real y su valor de
pronóstico, comúnmente se llaman residuales a las diferencias entre los
valores observados y los valores de pronóstico. Los métodos que generalmente
se emplean para medir la precisión de la demanda son:
MSE (Error Cuadrático Medio): Cada error o residual se eleva al cuadrado;
luego, estos valores se suman y se divide entre el número de
observaciones.
MAD (Desviación Media Absoluta): Mide la precisión de un pronóstico
mediante el promedio de la magnitud de los errores de pronóstico (valores
absolutos de cada error).
MAPE (Error Medio Absoluto Porcentual): Se calcula encontrando el error
absoluto en cada periodo, dividiendo éste entre el valor real observado para
ese periodo y después promediando estos errores absolutos de porcentaje.
Este enfoque es útil cuando el tamaño o magnitud de la variable de
pronóstico es importante en la evaluación de la precisión del pronóstico.
El método escogido para determinar el error del pronóstico es el MAPE, que
proporciona una visión mucho más global de la proyección con respecto a los
datos reales. El valor en porcentaje del error del pronóstico también se
visualiza en el programa SPSS.
6.8 Pronostico por el Método de Suavización Exponencial Simple en SPSS
IBM SPSS Statistics es una familia de SOFTWARE estadístico integrada que
se centra en el completo proceso analítico, desde la planificación a la colección
de datos y al análisis. Con más de una docena de módulos plenamente
integrados donde elegir, puede encontrar las capacidades especializadas que
64
necesita para incrementar los ingresos, ganar espacio a la competencia,
conducir la investigación y tomar mejores decisiones.4
Dentro de sus características principales cuenta con un módulo de predicciones
que permite establecer los parámetros y modelos que el usuario requiere de
manera rápida y confiable, ahorrando tiempo en su elaboración.
Respecto al conjunto de datos sobre los cuales se basa esta propuesta, se
utiliza el programa estadístico SPSS para generar la proyección por el método
de suavización exponencial simple, explicando paso a paso hasta llegar a la
proyección para los siguientes 12 meses, estos datos proyectados son la base
del modelo de inventario propuesto para la compañía ANDIA S.A.S.
La primera actividad es definir el archivo, esto es, definir las variables como
serie temporal mensual. Para ello se debe completar la pantalla de entrada en
Datos/Definir fechas/Años, meses. Desde este momento SPSS reconoce la
variable como una serie temporal mensual generando las variables YEAR_,
MONTH_ y DATE en el conjunto de datos.
4 http://www-01.ibm.com/software/es/analytics/spss/products/statistics
65
Fuente: Software IBM SPSS V.20
Para la predicción del modelo por el método se suavización exponencial se
selecciona Analizar/Predicciones/Crear Modelos
Fuente: Software IBM SPSS V.20
66
Se escoge el método de suavización exponencial y se elige el criterio con el
que se desea realizar la proyección
Fuente: Software IBM SPSS V.20
Se seleccionan las variables a modelar con el método elegido.
Fuente: Software IBM SPSS V.20
67
En la pestaña Estadísticos se selecciona las medidas de ajuste, donde se elige
el tipo de error que se quiere medir
Fuente: Software IBM SPSS V.20
En la pestaña Graficos, se eligen las variables que se desean proyectar en el
grafico, para este caso se elige que muestre la serie original, los valores de
prediccion, los valores ajustados por el modelo y los intervalos de confianza de
las predicciones.
Fuente: Software IBM SPSS V.20
La pestaña Guardar permite guardar predicciones del modelo como variables
nuevas en el conjunto de datos activo y guardar las especificaciones del
68
modelo en un archivo. Para este caso solo se van a guardar los valores
pronosticados.
Fuente: Software IBM SPSS V.20
En la pestaña Opciones se puede elegir el período de predicción, especificar el
tratamiento de los valores perdidos, establecer el ancho del intervalo de
confianza y establecer el número de retardos mostrados para las
autocorrelaciones. Para el caso en estudio se elige el caso después del periodo
de estimación hasta la fecha elegida para proyectar, el ancho de intervalo de
confianza es del 95%.
Fuente: Software IBM SPSS V.20
Por último se selecciona el Aceptar en la pantalla inicial del modelador, el
programa utilizara las variables seleccionadas y proyectara los valores hacia
las fechas elegidas anteriormente.
69
6.9 Resultados de la Proyección.
El programa SPSS después de ingresar los parámetros del modelo elegido,
realiza los cálculos y proporciona los resultados que se adaptan mejor a los
datos ingresados.
La pantalla de resultados genera las soluciones a los parámetros elegidos,
donde describe el modelo elegido, los cálculos del error del pronóstico y por
ultimo las proyecciones de los siguientes doce meses escogidos.
Tabla 14. Resultados Modelo Elegido y Error del Pronostico SPSS
Descripción del modelo
Tipo de modelo
ID del modelo
21055-69 Modelo_1 Estacional simple
21057-69 Modelo_2 Estacional simple
14077-99 Modelo_3 Estacional simple
21067-69 Modelo_4 Estacional simple
21062-69 Modelo_5 Estacional simple
Modelo Número de
predictores
Estadísticos de ajuste del
modelo
Ljung-Box Q(18) Número de
valores
atípicos
R-cuadrado
estacionaria
MAPE Estadísticos GL Sig.
21055.69- 0 ,781 23,640 34,263 16 ,005 0
21057-69- 0 ,811 37,571 29,492 16 ,021 0
14077-99- 0 ,862 28,605 17,618 16 ,347 0
21067-69- 4 0 ,796 61,809 29,122 16 ,023 0
21062-69- 0 ,844 122,679 32,717 16 ,008 0
Fuente: Software IBM SPSS V.20
70
Claramente se muestran los resultados de los parámetros estadísticos
establecidos, el MAPE (Error Medio Absoluto Porcentual) y los valores atípicos
que evidencio el pronóstico. Para este caso el error porcentual varía entre el
122,67% para el caso de la referencia 21062-69 y el 23,64% para la referencia
14077-99.
Por ultimo muestra el cuadro de las predicciones y los gráficos de las mismas.
En el grafico se evidencia los datos iniciales, el ajuste de los datos por medio
del método elegido y la proyección futura de cada una de las series.
Tabla 15. Previsión de la Demanda
Modelo Ene
2015
Feb
2015
Mar
2015
Abr
2015
May
2015
Jun
2015
Jul
2015
Ago
2015
Sep
2015
Oct
2015
Nov
2015
Dic
2015
21055.69-
Modelo_1
Previsión 27 34 43 33 28 34 44 38 43 44 36 53
LCS 48 56 65 54 49 55 66 60 65 66 58 76
LCI 6 13 22 11 6 12 22 16 21 22 14 31
21057-69-
Modelo_2
Previsión 31 73 45 40 41 72 55 52 37 31 35 45
LCS 74 116 88 84 85 116 99 96 82 76 80 90
LCI -12 30 2 -3 -2 28 11 8 -7 -14 -10 0
14077-99-
Modelo_3
Previsión 14 43 22 27 27 25 15 31 27 41 28 20
LCS 32 60 40 45 45 43 33 49 44 59 46 38
LCI -3 25 5 10 10 8 -2 14 9 24 11 3
21067-69-
Modelo_4
Previsión 9 25 30 12 11 29 48 29 11 13 17 41
LCS 40 56 62 43 43 61 80 61 43 45 50 74
LCI -22 -6 -1 -20 -21 -3 16 -4 -21 -20 -15 8
21062-69-
Modelo_5
Previsión 8 23 19 24 14 14 12 9 10 22 16 10
LCS 32 48 44 49 39 39 38 34 35 48 42 36
LCI -17 -2 -6 -1 -11 -11 -14 -17 -16 -4 -10 -16
Fuente: Software IBM SPSS V.20
71
Figura 14. Grafica de proyección de la demanda
Fuente: Software IBM SPSS V.20
6.10 Comparación de los Datos Reales vs Datos Proyectados
Con los datos de la proyección de la demanda para el año 2015, se procede a
realizar un comparativo con los datos de las ventas reales hasta el mes de
junio de 2015, esto con el objetivo de obtener la desviación de los datos y
confirmar si la proyección de la demanda estimada se acerca a la realidad de
las ventas.
72
Como se puede observar en la tabla 16, la desviación de los datos en estudio
respecto de las ventas reales del 2015 y el proyectado del modelo de
suavización exponencial varía entre un -10% y el 11%, esto permite sustentar
que el modelo elegido fue el adecuado.
Con los datos de la demanda total proyectada para el año 2015, se procede a
realizar el modelo de inventario que permita a la compañía optimizar las
compras de los reactivos con la cantidad adecuada y al mejor costo.
Tabla 16. Comparación de los Datos Reales vs Datos Proyectados
Fuente: Autores
73
7. MODELO DE INVENTARIO
Los inventarios son un recurso muy importante para todas las organizaciones,
estos afectan en gran medida las operaciones cotidianas porque deben
contarse, pagarse, usarse y administrarse.
Los inventarios requieren inversión de dinero, este recurso invertido en el
inventario no está disponible para utilizarlo en otras actividades; por lo que los
inventarios representan una disminución de los flujos de efectivo de una
organización. No obstante, también son importantes debido a que la
disponibilidad de productos es un punto clave de las ventas en la gran mayoría
de los mercados.
Es aquí donde se evidencia la necesidad de las compañías de encontrar un
modelo que le permita responder las preguntas básicas para el manejo y
control de los inventarios, ¿Cuándo comprar? ¿Cuánto ordenar?
Los modelos de inventario permiten solucionar estos inconvenientes, además
de otorgar al analista herramientas para tomar decisiones que permitan a la
compañía optimizar sus recursos.
7.1 ELECCION DEL MODELO DE INVENTARIO
Cuando se selecciona un sistema de control de inventario, el tipo de demanda
de los artículos es un factor crucial. Una diferencia importante entre los tipos de
inventarios es si el artículo en cuestión está sujeto a una demanda dependiente
o independiente.
A continuación se puede observar las características de los modelos
existentes, basados en eso, se identificara el modelo que mejor se ajuste a los
requerimientos de los productos en estudio, con el cual se procederá a su
aplicación.
74
Tabla 17. Modelos de inventario
Fuente: Autores Las características de los productos base de esta propuesta cuentan con las
siguientes características:
Poseen una demanda variable, ya que sus ventas no se comportan de
manera constante mes a mes.
La variación de la demanda obliga a que la empresa tenga inventarios de
seguridad que eviten faltantes que conllevan a pérdidas de venta.
El objeto social de la compañía es comercializar y distribuir, lo cual depende
de los tiempos de entrega de sus proveedores, aunque estos tiempos al
revisarlos poseen una tendencia que permite establecer un tiempo mínimo
que se informa a los clientes, estos pueden variar dependiendo de los
faltantes que posea el proveedor.
75
De acuerdo a las características de los productos en estudio y a la clasificación
de los modelos de inventarios, es posible concluir que el modelo que mejor se
adapta a las condiciones de la compañía es el MODELO PROBABILISTICO
DE REVISIÓN CONTINUA.
El modelo de revisión continua es aquel que actualiza el inventario cada vez
que se registra una transacción y compara este nivel de inventario con uno
predeterminado, conocido como “punto de reorden” (PR) o nivel de
reaprovisionamiento. La comparación del nivel de inventarios y el punto de
reorden se realiza para todos los artículos en forma continua
Los componentes del modelo de revisión continua son:
7.1.1 Inventario de Seguridad (IS)
El inventario de seguridad se para cubrir la incertidumbre de la demanda y del
cumplimiento de la entrega, para mantener un cierto nivel de servicio. Esta
parametrizada por la ecuación:
Donde,
K = Factor, según nivel de servicio
sD = Desviación estándar mensual de la demanda
sL = Desviación estándar del tiempo de abastecimiento
7.1.2 Punto de Reorden (PR)
El punto de reorden (PR) es aquel en el cual se debe lanzar una orden de
abastecimiento. Se debe generar una nueva orden cuando el inventario
disponible (existencias físicas, más órdenes lanzadas, menos pedidos
pendientes) cae por debajo del punto de reorden calculado. La ecuación del
punto de reorden se identifica así:
76
Donde,
D = Demanda promedio
L = Tiempo que transcurre desde el momento de llegar al punto de reorden,
hasta que el producto se encuentre disponible para su utilización
IS = Inventario de Seguridad
7.1.3 Inventario de Aseguramiento del Servicio (IAS)
Es el nivel máximo de inventario físico disponible necesario para cubrir la
demanda. La ecuación está dada por:
Donde,
Lote = Es la cantidad que se solicita después de que el inventario llega al
punto de reorden
IS = Inventario de seguridad.
7.1.4 Tiempo de abastecimiento (L)
Se define como el tiempo promedio de abastecimiento de los proveedores
(interno o externo), medido desde el momento en que la referencia llega a
punto de reorden (PR) y el tiempo en que la referencia está lista para disponer
de ella.
77
7.1.5 Demanda del producto (D)
Corresponde a la demanda histórica del producto proyectada hacia el futuro, en
tanto el sD será el resultado de la variabilidad del el error del pronóstico
7.1.6 Costo Total del Pedido (C)
Los costos totales en el sistema de revisión continua (Q) es la suma de tres
componentes de costo.
Costo Total= Costo anual por mantenimiento de inventario de ciclo + Costo
anual por hacer pedidos + Costo anual por mantenimiento de inventario de
seguridad
En donde,
C = Costo total del inventario, en valor monetario.
Q = Cantidad de pedido, en unidades.
H = Costo unitario anual de mantener inventario, en valor monetario. H = i×c
D = Demanda anual del producto, en unidades.
c = Costo unitario de producto, en valor monetario.
S = Costo fijo de realizar un pedido, en valor monetario.
i = Costo de manejo de inventario como porcentaje del valor del producto, en
porcentaje anual.
ZsL = inventario de Seguridad
78
7.2. DETERMINACION DE LOS COSTOS
Para evaluar el modelo de inventarios es necesario conocer y calcular los
costos involucrados en el modelo, como los son el costo de mantener, el costo
unitario, el costo de ordenar y el costo por faltantes.
De los costos antes mencionados, el costo unitario se obtuvo de la base de
datos de los productos obtenida del programa SAP, el costo de ordenar se
define como el costo en el que se incurre cada vez que se realiza un pedido,
este fue determinado por el procedimiento realizado para esta actividad.
Tabla 18. Costo total por pedido
Fuente. Autores
El costo de mantener, se calcula como un porcentaje teniendo en cuenta los
datos de la empresa, las instalaciones son propias por lo que los costos de la
edificación solo se estiman con respecto a los impuestos que paga la
compañía, se calcula también el área que ocupa la bodega de
almacenamiento, los costos por obsolescencia, costos por mantenimiento.
Calculando la sumatoria de los porcentajes establecidos en la tabla, se
concluye que el costo de mantener una unidad en el inventario es del 28% del
costo de compra o adquisición de los productos. La tabla 19 muestra el
porcentaje que el costo de mantener involucra dentro del inventario
79
Tabla 19. Porcentaje que el costo de mantener involucra dentro del
inventario
Fuente: Autores
7.3 APLICACIÓN DE MODELO DE INVENTARIO
Obtenidos todos los datos requeridos para desarrollar el modelo, se procede a
generar los cálculos que muestren los resultados para cada uno de los
productos en estudio.
7.3.1 Demanda Promedio. Debido a que la demanda de los productos es
variable, esta se calcula por medio de un histograma de frecuencias, donde
permite establecer el comportamiento de los productos y la media de los datos
y la desviación estándar de la media, estos datos son esenciales para calcular
los demás componentes del modelo de revisión continua. El procedimiento se
realiza en SPSS; la gráfica muestra la demanda promedio para cada una de las
series.
Figura 15. Demanda Promedio de las series
80
Fuente: Software IBM SPSS V.20
El histograma muestra el cálculo de la demanda promedio y la desviación
estándar de los datos de cada uno de los productos, los cuales se evidencian
en la siguiente tabla.
81
Tabla 20. Demanda Promedio Mensual y desviación estándar
Referencia
Demanda
Mensual
Desviación
Estándar
Mensual
21055-69 38 8
21057-69 46 14
14077-99 27 9
21067-69 23 13
21062-69 15 6
Fuente.: Autores
7.3.2 Calculo del Inventario de Seguridad El cálculo del inventario de
seguridad permite mantener una protección contra la incertidumbre de la
demanda y el tiempo de respuesta del proveedor. La ecuación, permite
mantener un nivel de servicio según el criterio requerido.
El primer paso consiste en definir las variables de la ecuación dada
K= Factor, según el nivel de servicio requerido.
L= Tiempo de abastecimiento
SL= Desviación estándar del tiempo de abastecimiento
D= Demanda mensual promedio del producto
SD= Desviación estándar de la demanda.
El nivel de servicio para la compañía ANDIA S.A.S fue estimado en el 90%,
este estimado fue propuesto debido a que la compañía maneja clientes de gran
importancia que los evalúan por sus tiempos de entrega y que por esta razón
podría eliminarlos de sus listas de proveedores.
82
El factor de nivel de servicio se calcula por medio de la tabla de las áreas de la
distribución normal estándar acumulada.
Al revisar la tabla 21, el valor G(x) corresponde al nivel de servicio que desea
obtenerse y Z equivale al valor de la tabla obtenido para el servicio deseado.
Para el caso en estudio, el valor de K para un nivel de servicio del 90% es de
1.30.
Tabla 21. Áreas de la distribución normal estándar acumulada
Fuente: http://industrialopusnova.blogspot.com/2012/10/areas-de-la-distribucion-normal.html
83
Con respecto al tiempo de abastecimiento L, fue calculado con base en la tabla
de seguimiento a las importaciones. Se realiza el histograma para determinar
cuál es el tiempo promedio de reabastecimiento y la desviación estándar de
esos días. En el anexo 3 se puede revisar la base de datos de las
importaciones con su respectivo tiempo entre el momento en que se solicita la
orden, hasta su llegada a las instalaciones de la empresa. En la figura 12 se
representa la distribución de los datos requeridos de las importaciones.
Figura 16. Tiempo promedio de Reabastecimiento
Fuente: Autores
Se observa que el tiempo promedio de reabastecimiento es de 32 días con una
desviación de 13 días.
La demanda promedio y la desviación de la demanda ya habían sido
calculadas en el punto anterior.
Con los datos de las variables obtenidos, se procede a calcular el inventario de
seguridad, el cálculo se realiza para la referencia 21055-69, para los demás se
entrega el dato final.
IS = 1,30 √(82 * 1,07 + 0,432 * 382 )
IS = 1,30 √(64 * 1,07 + 0.18 * 1444)
IS = 1.30 √(68.48 + 259.92)
84
IS = 1,30 √328.4
IS = 1,30 * 18,12
IS = 23,4
IS = 23
Esto quiere decir que para la referencia 21055-69, que tiene una demanda
promedio de 38 unidades mensuales, el inventario mínimo que debe poseer en
existencias para poder otorgar un nivel del 90% deben ser 23 unidades.
En la tabla 22 se evidencian los inventarios de seguridad para los demás ítems
en estudio.
Tabla 22. Inventario de seguridad
Fuente. Autores
7.3.3 Calculo Punto de Reorden El punto de reorden es aquel en el cual se
debe lanzar una orden de abastecimiento. La orden esa calculada para
realizarse cuando el inventario disponible cae por debajo de este punto. Se
basa en la ecuación.
85
Para el cálculo de este punto, se toma nuevamente la referencia 21055-69,
para los demás ítems solamente se entregara el valor final.
PR = D x L + IS
PR= 38 * 1.07 + 23
PR = 40.66 + 23
PR= 63.66
PR = 64 unidades
El cálculo del punto de reorden para la referencia 21055-69 indica que cuando
el inventario se encuentre en 64 unidades, la compañía debe lanzar un nuevo
pedido del lote óptimo determinado.
La siguiente tabla muestra los valores de punto de reorden para los demás
productos.
Tabla 23. Punto de reorden
Fuente. Autores
7.3.4 Calculo Inventario de Aseguramiento del Servicio Es el nivel máximo
de inventario físico disponible necesario para cubrir la demanda. Está
determinado por la ecuación
86
Donde
Lote= Representa la cantidad que se solicita cada vez que se llega al punto de
reorden
IS= Inventario de seguridad para asegurar un nivel de servicio del 90%
Para el cálculo del lote óptimo se realiza con la ecuación del modelo EOQ
básico.
Donde,
D = Demanda anual del producto
S = Costo de solicitar un pedido
H = Costo de mantener una unidad del producto
Como primera medida se debe hallar el costo de mantener, de acuerdo a la
tabla de costos, se sabe que el costo de mantener una unidad equivale al 28%
del costo de compra del producto. El sistema SAP proporciona los datos de
costo de compra, con lo cual se halla el costo de mantener de cada producto.
Tabla 24. Costo de mantener
Fuente. Propia
La demanda ya estaba estimada anteriormente al igual que el costo de solicitar,
con lo cual ya se puede calcular el lote óptimo para cada producto, al igual que
87
con los anteriores puntos, el procedimiento se realiza a la referencia 21055-69,
para las otras se dará el dato final.
Q* = √(2 * 457 * 32120) / 11286
Q* = √(29´366.820) / 11286
Q* = √2602
Q* = 51 unidades
Tabla 25. Calculo Lote Óptimo Pedido
Fuente. Autores
Calculados los lotes óptimos, podemos definir cuál es el Inventario de
Aseguramiento del Servicio para cada una de las referencias, que nos asegura
un nivel máximo de inventario.
Tabla 26. Inventario Aseguramiento de servicio
Fuente. Autores
88
Después de definir cada uno de los componentes del modelo de inventario
continuo, se estiman los costos totales para cada uno de los productos.
Tabla 27. Modelo de Inventario de revisión continúa
Fuente. Autores
El modelo nos especifica que para la referencia 21055-69, el pedido óptimo a
realizar es de 51 unidades, el punto de reorden para abastecer el inventario es
de 64 unidades y el inventario de seguridad para mantener un nivel de servicio
de 90% es de 23 unidades.
Por último se muestran los costos totales en los que se incurre cada vez que se
solicita un pedido.
Este procedimiento se realiza con la ecuación
Para la referencia 21055-69, el costo total del sistema es:
C = 51 (11.286) + 457 (32.130) + 23 (11.286) 2 51
C= 25,5(11.286) + 8,96(32.130) + 259.588
C = 287793 + 287910 + 259588
C = $835.301
89
Para la referencia 21055-69 el costo total del sistema Q cada vez que se
realiza un pedido es de $835.301
Los costos de los demás ítems, se encuentran en la siguiente tabla:
Tabla 28. Costos totales
Fuente. Autores
8. COMPARATIVO MODELO PROPUESTO VS MODELO ACTUAL Después de ejecutar el modelo de inventario continuo propuesto, se evalúan
los costos generados por cada pedido con el nuevo método, contra el modelo
que se posee en la compañía, con esto se busca determinar qué modelo le
genera a la compañía los menores costos y otorga un nivel de inventario
óptimo.
Se determina revisar tanto las cantidades de inventario a comprar, como los
costos asociados a esta compra y verificar en porcentaje la diferencia entre los
dos modelos.
El siguiente cuadro contiene la información de la solicitud de los pedidos por la
compañía con el método estimativo y los periodos en los cuales se solicitan.
90
Tabla 29. Solicitud de los pedidos por el método estimado
Fuente. Autores Con los costos ya estimados, se calculan los costos asociados al pedido por el
método actual.
Como este modelo no contempla inventario de seguridad, la ecuación del costo
total se contempla de la siguiente manera:
91
Para la referencia 21055-69, el costo total con el método actual de la empresa
es:
C = 150 (11.286) + 807 (32.130) 2 150
C= 75(14699) + 5,38(15257)
C = 846.481 + 172.859
C = $1.019.341
La siguiente tabla muestra los costos de cada pedido con el modelo actual que
maneja la empresa para las referencias en estudio.
Tabla 30. Costos totales por periodo modelo actual
Fuente. Autores Por último se realiza un comparativo en porcentaje de los dos modelos en
cantidades y costo con el fin de revisar cual modelo de los dos modelos es el
que mejor se adapta a las necesidades de la empresa.
Tabla 31. Comparativo Modelo Inventario Continuo Vs Modelo actual
Fuente. Autores
92
Al analizar las tabla del comparativo de los dos modelos, es evidente que el
modelo de inventario continuo le proporciona a la empresa ANDIA S.A.S unas
mejores herramientas para gestionar su inventario, los productos se compran
de acuerdo a la demanda que exige el mercado, basado en el punto de
reorden, lo que evita que se mantengan sobre-stocks de productos y a su vez
mejora la rotación del inventario y disminuye las perdidas por obsolescencia.
Igualmente se evidencia que es posible disminuir un 5% el costo total del
inventario por cada pedido realizado versus el sistema actual, esto contribuirá a
que la compañía disminuya sus costos de operación, que podrán ser invertidos
en otras actividades.
93
CONCLUSIONES
Con respecto a la revisión de la cadena de suministro de la compañía
ANDIA S.A.S y la verificación de los procesos internos en cada uno de sus
eslabones, se pudo establecer que la empresa tiene su mayor problemática
en la planeación de la demanda, lo que genera una serie de problemas en
toda la cadena como lo son la obsolescencia, baja rotación de los
inventarios, tiempos de entrega fuera de lo establecido, sobrecostos y
niveles de servicio bajos, esto impacta directamente a la utilidad de la
compañía y proporciona a los clientes una mala imagen de la empresa lo
que conlleva a que se pierdan ventas todo por la falta de precisión en la
aplicación de políticas de inventario y consecuentemente la falta de un
control de gestión efectivo.
A través del análisis ABC para la clasificación de los productos basados en
el volumen de ventas de la línea de reactivos en polvo, se determinó que el
porcentaje de uso para los productos del tipo A es de 70% que, mientras
que a los productos de la clase B, le corresponde el 20% y el resto de los
productos, que corresponde al 10% respectivamente son de clase C, que
representan en productos 22, 31 y 153 ítems respectivamente.
Por medio del análisis de las gráficas de secuencia, índice de
autocorrelacion y correlogramas de cada producto en estudio, se pudo
establecer que la demanda de todos los ítems correspondían a series de
datos estacionarias, sin tendencia ni estacionalidad, permitiendo elegir entre
los modelos que se adaptan mejor a este tipo de patrones.
El modelo de suavización exponencial simple, fue elegido como el que
mejor se adaptaba a las características de los datos estacionales, las
proyecciones de la demanda se calcularon con este método de pronóstico
el cual fue validado con el programa estadístico IBM SPSS, donde nos
proporcionó el cálculo del error MAPE entre el 23% y el 122% para las 5
94
referencias en estudio, aun así, siguió siendo el modelo que mejores datos
presento.
Con base en el estudio de la demanda y las proyecciones calculadas con el
modelo de pronóstico para los siguientes doce meses, se estableció el
comportamiento de los datos mensualmente y permitió realizar un cuadro
comparativo de modelos de inventario. El modelo escogido fue el de
inventario de revisión continua, debido a la variabilidad de la demanda mes
a mes y los tiempos de reabastecimiento. Este modelo además le permite a
la compañía contar con stocks de seguridad, lotes óptimos y puntos de
reorden e inventarios de aseguramiento con la información actualizada cada
día, permitiendo obtener el nivel de servicio deseado por la empresa.
El modelo de inventario de revisión continua propuesto en este trabajo
permite una disminución en los costos totales para cada producto alrededor
del 5% con respecto al modelo que la compañía maneja actualmente, lo que
permite establecer que es una opción adecuada para la empresa.
Por último se definieron los planes de acción a seguir de acuerdo a los
modelos planteados, y las sugerencias en cuanto a los procedimientos que
debe seguir la empresa para mejorar el funcionamiento de sus actividades
de planeación, manejo y control de inventario.
95
RECOMENDACIONES
De acuerdo al trabajo realizado en la empresa ANDIA S.AS y a la propuesta de
modelo de inventario generada, se realizan las siguientes recomendaciones
que ayudaran a mejorar la gestión y control de inventario:
La compañía ANDIA S.A.S debe implementar la clasificación ABC para
cada una de las líneas de negocio con las que cuenta actualmente y definir
los productos por categoría de acuerdo a esta metodología, esto le permitirá
concentrar sus esfuerzos en los productos en la de mayor impacto para la
compañía y no atacar el total de inventario al mismo tiempo.
Con base en la clasificación ABC, realizar los cálculos de las proyecciones
de la demanda futura para los productos de categoría A, de acuerdo al
modelo de pronostico que mejor se adapte al comportamiento de los datos
para cada línea de negocio, con esto se obtendrá una mejor estimación de
la demanda y evitara tanto faltantes de inventario como sobre stocks de los
mismos por una mala planeación.
Adquirir un paquete de modelación estadística y capacitar al personal
encargado de las proyecciones en su implementación, esto le permitirá
rapidez y eficacia en la obtención de los datos. Aunque existen varios
programas que pueden variar su costo en el mercado, la compañía puede
adquirir el que mejor se ajuste a sus necesidades y presupuesto.
Implementar el modelo de inventario de revisión continua en su
procedimiento general, este sistema conlleva a que la compañía pueda
diariamente tener el control de sus inventarios y las alarmas necesarias
para cuando allá necesidad de solicitar los pedidos a los proveedores, para
evitar demoras en el proceso, optimizar el costo de la mercancía y asi
mismo, evitar sobrecostos innecesarios.
Como la compañía cuenta con el software ERP SAP BUSSINES ONE, es
importante tratar de consolidar los datos del modelo de inventario y de la
proyección de la demanda con el SAP, esto proporcionara el beneficio de
tener la información en un solo lugar y permitirá realizar las actividades de
pedidos de manera inmediata y actualizada.
96
Establecer convenios con los proveedores basados en los pronósticos de
demanda y las cantidades óptimas de pedido generadas, permitiendo al
proveedor realizar una mejor planeación de las entregas para la compañía y
mejorar su tiempo de respuesta y nivel de servicio ofrecido.
Se deben buscar nuevas alternativas de transporte internacional de acuerdo
con las cantidades estimadas de demanda, con los datos estimados se
podrá negociar con los operadores logísticos tarifas mucho más
económicas que las que actualmente maneja.
Llevar a cabo las acciones propuestas en este trabajo.
97
BIBLIOGRAFÍA
98
99
ANEXOS
Anexo 1.
METODOLOGÍA PRONOSTICO ACTUAL EMPRESA ANDIA S.A.S
Refere
ncia
Descrip
ción del
artículo
Promedio Ventas
Mensual
Cant
Cotiza
das
Abiert
a
Tasa
Éxito
Abie
rto
(10%
)
Requerim
iento
Mensual
Solicitu
d
progra
mado
Mensua
l
Sto
ck
Act
ual
Pedidos Bimensuales
20
11
20
12
20
13
Prom
edio
de
Venta
s
Pedi
do 1
Mar
zo
Pedi
do 2
May
o
Pedi
do 3
Julio
Pedido
4
Septie
mbre
Pedid
o 5
Novie
mbre
1008-68
DETERGE
NT
REAGENT
PWD
PLW
PK/25 6 4 6 5 80 8 13 15 19 11 30 30 30 30
1037-69
FERROUS
IRON
RGT PP
25ML
PK/100 3 7 15 8 23 2 11 12 12 12 24 24 24 24
1043-99
CHLORID
E 2 IND
PWD
PLWS
PK/100 2 2 3 2 68 7 9 10 11 9 22 22 22 22
12064-
99
BARIVER
4
POWDER
PILLOWS
PK/100 28 20 45 31 264 26 57 64 76 53 64 64 64 64
12065-
28
SULFAVE
R 4 PWD
PLWS
PK/1000 1 0 1 1 291 29 30 34 12 55 68 68 68 68
1269-36
SILICONE
OIL 15ML
SCDB 9 11 10 10 144 14 24 27 20 35 55 55 55 55
100
12710-
99
CHROMA
VER 3 PP
5 OR
10ML
PK/100 7 5 6 6 16 2 7 8 19 0 13 16 16 16
14034-
99
NITRAVE
R 5 PWD
PLWS
25ML
PK/100 8 8 16 10 159 16 26 30 40 19 60 60 60 60
14065-
99
NITRIVER
3 PWD
PLWS
25ML
PK/100 15 9 18 14 92 9 23 26 27 25 52 52 52 52
14070-
99
DPD
FREE
CHLORIN
E PP
25ML
PK/100 35 43 26 35 38 4 39 44 110 -23 65 88 88 88
14076-
28
DPD TOT
CHLORIN
E PP 5ML
PK/1000 9 4 3 5 17 2 7 8 46 0 0 0 14 16
14076-
99
DPD
TOTAL
CHLORIN
E PP 5ML
PK/100 15 15 20 17 25 2 19 22 45 -1 43 44 44 44
14077-
28
DPD
FREE
CHLORIN
E PP 5ML
PK/1000 35 24 36 31 99 10 41 47 47 46 94 94 94 94
14111-
00
TEST KIT,
CN-67
CHLORIN
E DPD PH 6 3 11 6 29 3 9 10 14 7 20 20 20 20
101
1414-53
STD
COLOR
SOLN
500
UNITS,
1000ML 2 2 2 2 81 8 10 12 7 16 24 24 24 24
14364-
01
TITRAVE
R EDTA
0.0800M
,
CARTRID
GE 20 12 25 19 182 18 37 42 34 49 84 84 84 84
14389-
01
SULFURI
C ACID
1.600N,
CARTRID
GE 24 26 32 27 200 20 47 53 30 77 106 106 106 106
14393-
01
MERCURI
C
NITRATE
0.2256N,
CRTG 21 16 26 21 337 34 55 62 60 63 124 124 124 124
102
Anexo 2.
CLASIFICACIÓN ABC POR VOLUMEN DE VENTAS DE LA LÍNEA DE
REACTIVOS EN POLVO PARA LA COMPAÑÍA ANDIA S.A.S
CLASIFICACION ABC LINEA DE PRODUCTO REACTIVOS EN POLVO
# Referencia Descripción Articulo 12 13 14 15
Total
venta
2012-
2015
% Part
Unitari
a
% Part
Acumulad
a
Clasificació
n ABC
1 21055-69
DPD FREE CHLORINE
RGT PP 10ML PK/100 406 730 613 189 1936 11% 11% A
2 21057-69
FERROVER, IRON
REAGENT PP 10ML
PK/100 663 597 545 223 1364 8% 19% A
3 14077-99
DPD FREE CHLORINE
PP 5ML PK/100 280 353 282 92 1007 6% 25% A
4 21067-69
SULFAVER 4, SULFATE
RGT PK/100 287 258 281 100 921 5% 30% A
5 21062-69
CITRIC ACID, FOR
SILICA PK/100 106 199 202 54 561 3% 33% A
6 12064-99
BARIVER 4 POWDER
PILLOWS PK/100 178 153 104 72 507 3% 36% A
7 14077-28
DPD FREE CHLORINE
PP 5ML PK/1000 144 140 153 50 487 3% 39% A
8 21071-69
NITRIVER 3 PWD PLW
10ML PK/100 125 134 137 58 454 3% 41% A
9 12065-99
SULFAVER 4 POWDER
PILLOWS PK/100 178 137 118 39 451 3% 44% A
10 21060-69
PHOSVER 3 PWD
PLWS 10ML PK/100 183 143 123 68 451 3% 46% A
11 21073-69
MOLYBDATE RGT,
SILICA HR PK/100 119 153 146 31 449 3% 49% A
12 21074-69
ACID RGT, SILICA HIGH
RNG PK/100 134 143 145 27 449 3% 51% A
13 14070-99
DPD FREE CHLORINE
105 52 208 52 417 2% 54% A
103
PP 25ML PK/100
14 943-99
BROMCRESOL GR-
METH RED PP PK/100 110 114 141 50 413 2% 56% A
15 21061-69
NITRAVER 5 PWD
PLWS 10ML PK/100 114 155 141 41 399 2% 58% A
16 21055-28
DPD FREE CHLORINE
PP 10ML PK/1000 81 111 128 72 352 2% 60% A
17 942-99
PHENOLPHTHALEIN PP
PK/100 85 109 100 35 329 2% 62% A
18 851-99
MANVER 2 PWD PLWS
50ML PK/100 111 124 93 39 328 2% 64% A
19 852-99
CALVER 2 PWD PLWS
50ML PK/100 145 58 55 19 277 2% 66% A
20 854-99
FERROVER IRON
REAGENT PP 25ML
PK/100 136 94 131 28 253 1% 67% A
21 836-99
DIPHENYLCARBAZONE
RGT PP PK/100 83 97 60 7 247 1% 69% A
22 22443-00
REAGENT SET 25 ML,
SILICA HR/UHR
SILICOMOLYBDATE
MTHD 100 TESTS 9 152 71 232 1% 70% A
23 21058-69
CUVER 1, COPPER
REAGENT PK/100 37 48 102 46 229 1% 71% B
24 14076-28
DPD TOT CHLORINE
PP 5ML PK/1000 71 59 58 24 212 1% 72% B
25 21056-69
DPD TOTAL CHLORINE
RGT PP PK/100 71 34 40 39 184 1% 73% B
26 14076-99
DPD TOTAL CHLORINE
PP 5ML PK/100 81 38 45 18 182 1% 74% B
27 872-99
PHENOL REAGENT
PWD PLWS PK/100 38 70 44 10 162 1% 75% B
28 2125-99
PHOSVER 3 PWD PLW
25ML PK/100 70 29 43 6 148 1% 76% B
29 20847-69 POTASSIUM
PERSULFATE PP
73 34 23 17 147 1% 77% B
104
PK/100
30 14064-99
DPD TOT CHLORINE
PP 25ML PK/100 52 32 40 16 140 1% 78% B
31 14034-99
NITRAVER 5 PWD
PLWS 25ML PK/100 63 33 40 3 139 1% 79% B
32 22540-69
AMINO ACID F, PP FOR
10ML PK/100 16 57 35 29 137 1% 79% B
33 14065-99
NITRIVER 3 PWD PLWS
25ML PK/100 72 38 17 5 132 1% 80% B
34 1836-99
PHENOL 2 RGT PWD
PLWS PK/100 35 36 49 10 130 1% 81% B
35 14577-99
ASCORBIC ACID PWD
PLWS PK/100 25 16 70 17 128 1% 82% B
36 14290-99
ALUVER 3 POWDER
PILLOWS PK/100 16 52 32 11 111 1% 82% B
37 1008-68
DETERGENT REAGENT
PWD PLW PK/25 24 39 35 33 110 1% 83% B
38 14070-28
DPD FREE CHLORINE
25ML PK/1000 11 35 51 10 107 1% 84% B
39 14294-49
BLEACHING 3 RGT
PWD PLWS PK/100 10 52 29 8 99 1% 84% B
40 14160-66
NUTRIENT BFR SOLN
PLW .5ML PK/50 19 25 40 14 98 1% 85% B
41 927-99
FERROVER PWD PLWS
5ML PK/100 21 19 17 40 97 1% 85% B
42 2301-66
FERROZINE RGT SOLN
PLWS PK/50 22 53 17 0 92 1% 86% B
43 21057-28
FERROVER IRON RGT
PP PK/1000 27 28 24 12 88 1% 86% B
44 854-28
FERROVER PWD PLWS
25ML PK/1000 30 22 25 6 83 0% 87% B
45 21075-69
NITRIVER 2, NITRITE
RGT PK/100, 10 ML 31 16 21 5 72 0% 87% B
46 14188-99
CUVER 1 COPPER PP
19 24 25 1 69 0% 88% B
105
25ML PK/100
47 22756-99
TPTZ IRON RGT PP
25ML PK/100 25 12 32 69 0% 88% B
48 21069-69
CYANIVER 4 CYANIDE
RGT PP PK/100 10 41 17 68 0% 88% B
49 21056-28
DPD TOTAL CHLORINE
RGT, PK/1000 11 17 22 16 66 0% 89% B
50 21070-69
CYANIVER 5 CYANIDE
RGT PP PK/100 14 31 18 63 0% 89% B
51 21068-69
CYANIVER 3 CYANIDE
RGT PP PK/100 9 35 17 61 0% 89% B
52 22538-69
AMINO ACID F PP 25ML
PK/100 3 17 34 1 55 0% 90% B
53 7005-99
EDTA REAGENT PWD
PLWS PK/100 5 7 38 2 52 0% 90% B
54 947-99
CALVER 2 POWDER
PILLOWS PK/100 5 16 30 1 52 0% 90% C
55 1057-66
CHLORIDE 2 IND PP
100ML PK/50 31 5 8 7 51 0% 91% C
56 12710-99
CHROMAVER 3 PP 5
OR 10ML PK/100 22 16 13 7 49 0% 91% C
57 14548-99
CITRIC ACID PP 25ML
PK/100 2 10 28 8 48 0% 91% C
58 967-99
DIPHENYLCARBAZONE
PP PK/100 16 3 22 3 44 0% 91% C
59 1037-69
FERROUS IRON RGT
PP 25ML PK/100 59 21 20 1 42 0% 92% C
60 22270-66
BUFFER, PH7.00 PWD
PLWS Y PK/50 7 34 1 42 0% 92% C
61 29187-00
POLYSEED BOD
INNOCULUM PK/50 16 7 14 5 42 0% 92% C
62 928-99
MANVER 2 PWD
PILLOWS PK/100 16 13 11 2 41 0% 92% C
63 987-99
DISSOLVED OXYGEN 3
15 7 7 10 39 0% 93% C
106
PWD PW PK/100
64 2283355
AMINO ACID F,
POWDER 410 G. 38 38 0% 93% C
65 21412-99
TRIAZOLE REAGENT
PWD PLWS PK/100 4 11 9 13 37 0% 93% C
66 24012-68
QAC REAGENT 2, PWD
PLWS PK/25 3 7 18 9 37 0% 93% C
67 1043-99
CHLORIDE 2 IND PWD
PLWS PK/100 10 10 9 5 34 0% 93% C
68 982-99
DISSOLVED OXYGEN 2
PP PK/100 12 8 10 2 32 0% 94% C
69 24300-00
REAGENT SET,
MANGANESE 8 3 14 6 31 0% 94% C
70 21679-69
DEHA REAGENT 1 PWD
PLWS PK/100 7 2 21 30 0% 94% C
71 44515-69
SODIUM & POTASSIUM
IONIC STR ADJUSTER
PWD PLW PK/100 9 8 10 3 30 0% 94% C
72 981-99
DISSOLVED OXYGEN 1
PP PK/100 12 8 7 3 30 0% 94% C
73 12065-28
SULFAVER 4 PWD
PLWS PK/1000 3 22 3 1 29 0% 94% C
74 21072-49
NITRAVER 6 RGT PP
10ML PK/100 11 7 9 1 28 0% 95% C
75 962-99
UNIVER 3 POWDER
PILLOWS PK/100 1 17 4 6 28 0% 95% C
76 14078-99
NITRIVER 3 PWD PLWS
5ML PK/100 8 6 8 5 27 0% 95% C
77 14548-28
CITRIC ACID PWD PW
25ML PK/1000 5 16 1 4 26 0% 95% C
78 14861-66
NUTRIENT BFR SOLN
PLWS 3ML PK/50 FOR 3
LITERS APHA 6 7 5 8 26 0% 95% C
79 21066-69
ZINCOVER 5, ZINC
REAGENT PK/100 10 3 12 3 22 0% 95% C
107
80 2219-69
NITRIVER 2 PP 25ML
PK/100 7 1 10 4 22 0% 95% C
81 2451-99
POTASSIUM
PERSULFATE PP
PK/100 10 8 4 22 0% 96% C
82 26042-99
MOLYVER 1 RGT PP
10ML PK/100 2 8 9 1 20 0% 96% C
83 22538-28
AMINO ACID F PP 25ML
PK/1000 6 9 4 19 0% 96% C
84 24010-66
QAC REAGENT 1 PWD
PLW PK/50 4 9 5 18 0% 96% C
85 26044-99
MOLYVER 3 RGT PP
10ML PK/100 5 5 5 3 18 0% 96% C
86 22269-64
BUFFER, PH4.01 PWD
PLWS R PK/250 2 9 6 17 0% 96% C
87 22270-64
BUFFER, PH7.00 PWD
PLWS Y PK/250 2 9 6 17 0% 96% C
88 14163-69
LITHIUM HYDROXIDE
PWD PLW PK/100 8 6 2 16 0% 96% C
89 14170-99
BOROVER 3 RGT PWD
PLWS PK/100 8 1 5 2 16 0% 96% C
90 22271-64
BUFFER, PH10.01 PWD
PLW BLUE PK/250 1 10 5 16 0% 96% C
91 26532-99
AMMONIA SALICYLATE
PP PK/100 3 1 8 4 16 0% 97% C
92 1041-99
MOLYBDATE RGT HR
PP 25ML PK/100 3 2 6 4 15 0% 97% C
93 26087-99
TPTZ IRON RGT PP
10ML PK/100 4 2 3 6 15 0% 97% C
94 14119-99
NITRAVER 6 RGT PP
30ML PK/100 2 9 2 1 14 0% 97% C
95 1042-99
ACID REAGENT PP
25ML PK/100 3 2 6 2 13 0% 97% C
96 12066-99
CHROMAVER 3 PP
25ML PK/100 12 1 13 0% 97% C
108
97 14202-99
BUFFER PWD PLW,
CITRATE PK/100 4 3 6 13 0% 97% C
98 22269-66
BUFFER, PH4.01 PWD
PLWS R PK/50 4 5 3 1 13 0% 97% C
99 24815-69
PHENOL REAGENT
PWD PLW PK/100 1 2 10 13 0% 97% C
10
0 29806-99
AMMONIUM IONIC
STRENGTH ADJUSTOR
(ISA) POWDER
PILLOWS, PK/100 2 3 5 3 13 0% 97% C
10
1 12616-99
DITHIVER METALS RGT
PP PK/100 4 3 4 1 12 0% 97% C
10
2 2043-99
CHROMIUM 1 RGT
PWD PLWS PK/100 1 10 1 12 0% 97% C
10
3 21978-46
DPD FREE CHLORINE
PP 5ML PK/50 7 4 1 12 0% 97% C
10
4 21982-46
DPD TOTAL CHLORINE
PP 5ML PK/50 1 5 4 2 12 0% 97% C
10
5 22972-55
CHLORINE, DPD
COMPOUND, FREE &
TOTAL, 24 G 12 12 0% 98% C
10
6 26531-99
AMMONIA CYANURATE
RGT PP PK/100 3 1 3 5 12 0% 98% C
10
7 14862-66
NUTRIENT BFR SOLN
PLWS 6ML PK/50 FOR 6
LITERS APHA 1 10 11 0% 98% C
10
8 21076-69
BUFFER, CITRATE
TYPE PK/100 5 1 2 3 11 0% 98% C
10
9 21501-66
PHTHALATE-
PHOSPHATE RGT PP
PK/50 2 1 8 11 0% 98% C
11
0 26043-99
MOLYVER 2 RGT PP
10ML PK/100 2 4 4 1 11 0% 98% C
11
1 14065-28
NITRIVER 3, NITRITE
25ML RGT PK/1000 4 7 10 0% 98% C
11
14322-98
POTASSIUM 2 RGT
7 3 10 0% 98% C
109
2 SOLN PLWS, PK/25
11
3 21060-46
PHOSVER 3,
PHOSPHATE PP PK/50 1 6 3 10 0% 98% C
11
4 21077-69
SODIUM PERIODATE
PP 10ML PK/100 4 2 2 2 10 0% 98% C
11
5 26036-49
PORPHYRIN 2 RGT PP
10ML PK/100 5 5 10 0% 98% C
11
6 872-99 R
PHENOL REAGENT
PWD PLWS PK/100 5 5 10 0% 98% C
11
7 2318069
CHLORIDE IONIC
STRENGTH ADJUSTOR
(ISA) BUFFER POWDER
PILLOWS, PK/100 2 2 2 3 9 0% 98% C
11
8 14501-99
PHOSPHATE
PRETREAT PP PK/100 2 6 1 9 0% 98% C
11
9 1813-69
NITRIVER 2, NITRITE
RGT PK/100, 5ML 4 1 4 9 0% 98% C
12
0 2209-99
PHOSVER 3 PWD
PLWS 5ML PK/100 6 1 1 1 9 0% 98% C
12
1 27013-49
MUREXIDE INDICATOR
PP, PK/100 2 1 6 9 0% 98% C
12
2 14064-28
DPD TOT CHLORINE
PP 25ML PK/1000 0 1 7 8 0% 99% C
12
3 14321-98
POTASSIUM 1 RGT
PWD PLWS PK/25 5 3 8 0% 99% C
12
4 22271-66
BUFFER, PH10.01 PWD
PLWS BLUE PK/50 4 3 1 8 0% 99% C
12
5 2589-99
FLUORIDE ADJ 25ML
PWD PW PK/100 1 5 2 8 0% 99% C
12
6 984-99 PRM
SODIUM PERIODATE
PP 25ML PK/100 8 8 0% 99% C
12
7 1836-99 R
PHENOL 2 RGT PWD
PLWS PK/100 5 2 7 0% 99% C
12
8 2206-00 R
STOVE, FOLDING
W/FUEL TABLETS 7 7 0% 99% C
110
12
9 22935-66 SILVER 1 RGT PP PK/50 4 2 1 7 0% 99% C
13
0 26573-64
PH STORAGE SOLN PP
PK/20 2 5 7 0% 99% C
13
1 984-99
SODIUM PERIODATE
PP 25ML PK/100 4 2 1 7 0% 99% C
13
2 14148-69
MOLYVER 2 REAGENT
PP 25ML PK/100 2 1 2 1 6 0% 99% C
13
3 14545-99
ACID RGT PP (HR) 5ML
PK/100 6 6 0% 99% C
13
4 14549-99
CITRIC ACID PP 5ML
PK/100 6 6 0% 99% C
13
5 21068-69 R
CYANIVER 3 CYANIDE
RGT PP PK/100 1 5 6 0% 99% C
13
6 2203-99
SULFITE 1 RGT PWD
PLWS PK/100 2 2 2 6 0% 99% C
13
7 22936-66
SILVER 2 RGT SOLN
PLWS PK/50 3 2 1 6 0% 99% C
13
8 2984799
NITRATE IONIC STRG
ADJ PP, PK/100 1 2 2 5 0% 99% C
13
9 14035-99
NITRAVER 5 PWD
PLWS 5ML PK/100 4 1 5 0% 99% C
14
0 14146-69
MOLYVER 1 REAGENT
PP 25ML PK/100 2 1 2 5 0% 99% C
14
1 21057-69 R
FERROVER, IRON
REAGENT PK/100 4 1 5 0% 99% C
14
2 21058-69 R
CUVER 1, COPPER
REAGENT PK/100 4 1 5 0% 99% C
14
3 23524-49
MOLYBDENUM 1 LR
PWD PLW PK/100 1 4 5 0% 99% C
14
4 243-99
HEXAVER POWDER
PILLOWS PK/100 1 4 5 0% 99% C
14
5 25438-66
FERROMO IRON RGT 2
PWD PLW PK/50 2 3 5 0% 99% C
111
14
6 44471-69
AMMONIA IONIC STR
ADJ PP PK/100 1 2 2 5 0% 99% C
14
7 983-99
BUFFER, CITRATE
PWD PLWS PK/100 2 3 5 0% 99% C
14
8 14323-99
POTASSIUM 3 RGT
PWD PLWS PK/100 1 3 4 0% 99% C
14
9 21056-03
DPD TOTAL CL PP
PK/100X3 DPD TOTAL
CHLORINE RGT 2 2 4 0% 99% C
15
0 21060-28
PHOSVER 3
PHOSPHATE RGT
PK/1000 3 1 4 0% 99% C
15
1 21061-03
NITRAVER 5, NITRATE
RGT PK/300 1 3 4 0% 99% C
15
2 23954-66
AMMONIA CYANURATE
RGT PP PK/50 1 1 2 4 0% 100% C
15
3 24364-66
NUTRIENT BFR SOLN
PLWS 4ML PK/50 FOR 4
LITERS APHA 3 1 4 0% 100% C
15
4 25895-99
CHLOROPHOSPHONAZ
O SOLN PLWS PK/100
INDICATOR F/ULTRA
LOW RANGE
HARDNESS 2 2 4 0% 100% C
15
5 1041-28
MOLYBDATE RGT HR
PWD PW PK/1000 1 1 1 3 0% 100% C
15
6 12710-28
CHROMAVER 3 PP 5
OR 10ML PK/1000 2 1 3 0% 100% C
15
7 14079-95
BUFFER PWD PLWS,
PH8.00 PK/15 3 3 0% 100% C
15
8 22271-95
BUFFER, PH10.01 PWD
PLWS BLUE PK/15 2 1 3 0% 100% C
15
9 804-28
AMINO ACID RGT PP
25ML PK/1000 FOR LR
SILICA 1 1 0 1 3 0% 100% C
16
0 2962266 RESPIROMETRIC BOD
BUFFER SOLUTION
1 1 2 0% 100% C
112
PLW PK/50
16
1 1042-28
ACID REAGENT PP
25ML PK/1000 1 1 2 0% 100% C
16
2
1042-99
PRM
ACID REAGENT PP
25ML PK/100 2 2 0% 100% C
16
3 1077-99
POTASSIUM IODIDE PP
PK/100 2 2 0% 100% C
16
4 12321-20
CALCIUM SULFATE
POWDER, 50 TESTS 1 1 2 0% 100% C
16
5 14178-69
MOLYVER 3 REAGENT
PP 25ML PK/100 2 2 0% 100% C
16
6 14818-66
COPPER SULFATE
PWD PLWS, PK/50 1 1 2 0% 100% C
16
7 2044-99
CHROMIUM 2 RGT
PWD PLWS PK/100 1 1 2 0% 100% C
16
8 20762-66
SULFAMIC ACID PP
PK/50 2 2 0% 100% C
16
9 21062-28
CITRIC ACID, FOR
SILICA PK/1000 2 2 0% 100% C
17
0 22269-95
BUFFER, PH4.01 PWD
PLWS R PK/15 1 1 2 0% 100% C
17
1 22270-95
BUFFER, PH7.00 PWD
PLWS Y PK/15 1 1 2 0% 100% C
17
2 22937-66
SODIUM THIOSULFATE
PWD PW, PK/50 1 1 2 0% 100% C
17
3 23952-66
AMMONIA SALICYLATE
RGT PP PK/50 1 1 2 0% 100% C
17
4 23955-66
AMMONIA CYANURATE
RGT PP PK/50 FOR
25ML SAMPLE 1 1 2 0% 100% C
17
5 2460-66
CYANURIC ACID 2 PWD
PLWS PK/50 1 1 2 0% 100% C
17
6 25437-68
FERROMO IRON RGT 1
PWD PLW PK/25 2 2 0% 100% C
113
17
7 28022-46
MONOCHLORAMINE F
RGT PP, PK/50 2 2 0% 100% C
17
8 44563-69
NITRATE IONIC STRG
ADJ PP PK/100 1 1 2 0% 100% C
17
9 2353255
AMINO ACID F
REAGENT POWDER
FOR ANALYZERS, 380
GR. 1 1 0% 100% C
18
0 1055-99
SULFAMIC ACID PWD
PLWS PK/100 1 1 0% 100% C
18
1 14032-68
ZINCOVER 5 ZINC
REAGENT PP PK/25 2 -1 1 0% 100% C
18
2 14034-28
NITRAVER 5 PP 25ML
PK/1000 1 1 0% 100% C
18
3 14055-66
BUFFER PWD PLWS,
PH6.00 PK/50 1 1 0% 100% C
18
4 14080-99
CDTA MAGNESIUM
SALT PP PK/100 1 1 0% 100% C
18
5 14321-98 R
POTASSIUM 1 RGT
PWD PLWS PK/25 1 1 0% 100% C
18
6 14363-69
DECHLORINATING
REAGENT PP PK/100 1 1 0% 100% C
18
7 14817-99
BORIC ACID PWD
PLWS PK/100 1 1 0% 100% C
18
8 14863-98
NUTRIENT BFR SOLN
PWS 19ML PK/25 1 1 0% 100% C
18
9 21056-69 R
DPD TOTAL CHLORINE
RGT PP PK/100 1 1 0% 100% C
19
0 21074-28
ACID RGT, SILICA HR
PK/1000 1 1 0% 100% C
19
1 21076-69 R
BUFFER, CITRATE
TYPE PK/100 1 1 0% 100% C
19
2 21077-69 R
SODIUM PERIODATE
PP 10ML PK/100 1 1 0% 100% C
19
2123-68
NICKEL 1 REAGENT
1 1 0% 100% C
114
3 PWD PLWS PK/25
19
4 2124-68
NICKEL 2 REAGENT
PWD PLWS PK/25 1 1 0% 100% C
19
5 2126-99
ACID RGT PWD PLWS
PK/100 1 1 0% 100% C
19
6 22992-64
BUFFER, PH4.01 (RED)
& PH7.00 (YEL) PWD
PLWS PK/20 (10 EACH) 1 1 0% 100% C
19
7 23689-64
PPB-5, IND REAGENT
PWD PLW PK/20 1 1 0% 100% C
19
8 23953-66
AMMONIA SALICYLATE
PP PK/50 1 1 0% 100% C
19
9 2418-99
SULFIDE INHIBITOR
PWD PW PK/100 1 1 0% 100% C
20
0 26038-49
ECR REAGENT PWD
PLW 20ML PK/100 1 1 0% 100% C
20
1 271-69
SILICA 3 REAGENT
PWD PLWS PK/100 1 1 0% 100% C
20
2 27566-99 THM RGT 4 PP PK/100 1 1 0% 100% C
20
3 28022-99
MONOCHLOR F
REAGENT PK/100 1 1 0% 100% C
20
4 29722-42
SODIUM CHLORIDE,
10,000 µS/cm, 100ML 3 1 1 0% 100% C
20
5 14078-28
NITRIVER 3 PWD PLWS
5ML PK/1000 0 0 0% 100% C
20
6 14120-99
NITRAVER 6 PWD
PLWS 5ML PK/100 0 0 0% 100% C
TOTAL
527
1
571
3
573
1
199
7
1757
7 100%
115
Anexo 3.
TIEMPO DE RECEPCION DE IMPORTACIONES
Item No de Importacion Fecha
venta
FECHA DE
LLEGADA
ANDIA
DIAS O.C
HASTA
ANDIA
1 1428 18/11/2013 03/01/2014 46
2 1429 12/11/2013 15/01/2014 64
3 1434 25/11/2013 03/01/2014 39
4 1435 25/11/2013 15/01/2014 51
5 1436 25/11/2013 03/01/2014 39
6 1437 02/12/2013 14/01/2014 43
7 1438 02/12/2013 03/01/2014 32
8 1440 02/12/2013 15/01/2014 44
9 1441 12/12/2013 16/01/2014 35
10 1442 12/12/2013 15/01/2014 34
11 1443 12/12/2013 21/01/2014 40
12 1444 12/12/2013 15/01/2014 34
13 1445 19/12/2013 21/01/2014 33
14 1446 23/12/2013 13/02/2014 52
15 1447 23/12/2013 17/02/2014 56
116
16 1448 23/12/2013 17/01/2014 25
17 1449 06/01/2014 13/02/2014 38
18 1450 06/01/2014 13/02/2014 38
19 1451 24/12/2013 21/01/2014 28
20 1452 30/12/2013 13/02/2014 45
21 1453 16/01/2014 17/02/2014 32
22 1455 16/01/2014 10/02/2014 25
23 1456 16/01/2014 13/02/2014 28
24 1457 15/01/2014 04/02/2014 20
25 1458 23/01/2014 26/02/2014 34
26 1459 20/01/2014 13/02/2014 24
27 1460 20/01/2014 21/02/2014 32
28 1461 27/01/2014 11/03/2014 43
29 1462 22/01/2014 26/02/2014 35
30 1463 24/01/2014 05/02/2014 12
31 1464 27/01/2014 21/02/2014 25
32 1465 27/01/2014 11/02/2014 15
33 1466 27/01/2014 26/02/2014 30
34 1467 30/01/2014 05/03/2014 34
35 1468 06/02/2014 10/03/2014 32
117
36 1469 06/02/2014 28/02/2014 22
37 1470 06/02/2014 14/03/2014 36
38 1471 07/02/2014 12/03/2014 33
39 1472 13/02/2014 14/04/2014 60
40 1473 12/02/2014 25/02/2014 13
41 1474 13/02/2014 04/03/2014 19
42 1475 14/02/2014 04/03/2014 18
43 1476 18/02/2014 04/03/2014 14
44 1477 10/03/2014 14/04/2014 35
45 1478 10/03/2014 02/05/2014 53
46 1480 10/03/2014 03/04/2014 24
47 1481 10/03/2014 07/04/2014 28
48 1482 20/02/2014 21/03/2014 29
49 1483 17/02/2014 21/03/2014 32
50 1484 20/02/2014 10/04/2014 49
51 1485 24/02/2014 21/03/2014 25
52 1486 20/02/2014 12/03/2014 20
53 1487 24/02/2014 03/04/2014 38
54 1488 24/02/2014 21/03/2014 25
55 1489 27/02/2014 21/03/2014 22
118
56 1490 05/03/2014 03/04/2014 29
57 1491 05/03/2014 09/04/2014 35
58 1492 05/03/2014 21/04/2014 47
59 1493 11/03/2014 03/04/2014 23
60 1494 12/03/2014 14/04/2014 33
61 1495 12/03/2014 28/04/2014 47
62 1496 19/03/2014 16/05/2014 58
63 1497 28/03/2014 02/05/2014 35
64 1498 19/03/2014 03/04/2014 15
65 1499 26/03/2014 21/04/2014 26
66 1500 03/04/2014 05/05/2014 32
67 1501 10/04/2014 13/05/2014 33
68 1502 09/04/2014 16/05/2014 37
69 1503 10/04/2014 24/06/2014 75
70 1504 15/04/2014 07/05/2014 22
71 1505 08/05/2014 07/07/2014 60
72 1506 15/04/2014 13/05/2014 28
73 1507 30/04/2014 20/05/2014 20
74 1509 23/04/2014 01/07/2014 69
75 1510 07/05/2014 27/05/2014 20
119
76 1511 19/05/2014 16/06/2014 28
77 1512 19/05/2014 16/06/2014 28
78 1513 17/06/2014 01/08/2014 45
79 1514 29/05/2014 19/07/2014 51
80 1515 10/06/2014 15/07/2014 35
81 1516 13/06/2014 15/07/2014 32
82 1524 19/06/2014 29/07/2014 40
83 1525 09/07/2014 01/08/2014 23
84 1526 07/07/2014 29/07/2014 22
85 1527 07/07/2014 01/08/2014 25
86 1528 07/07/2014 29/07/2014 22
87 1529 11/07/2014 01/08/2014 21
88 1530 11/07/2014 21/08/2014 41
89 1531 11/07/2014 27/07/2014 16
90 1532 21/07/2014 21/08/2014 31
91 1533 30/07/2014 21/08/2014 22
92 1534 25/07/2014 09/09/2014 46
93 1535 30/07/2014 19/09/2014 51
94 1536 30/07/2014 21/08/2014 22
95 1537 12/08/2014 30/08/2014 18
120
96 1538 02/08/2014 12/08/2014 10
97 1539 17/09/2014 21/10/2014 34
98 1540 04/08/2014 30/08/2014 26
99 1541 08/08/2014 17/09/2014 40
100 1542 14/08/2014 30/08/2014 16
101 1543 27/08/2014 15/09/2014 19
102 1544 29/08/2014 01/10/2014 33
103 1545 29/08/2014 23/09/2014 25
104 1546 02/09/2014 17/10/2014 45
105 1547 05/09/2014 22/09/2014 17
106 1548 11/09/2014 24/09/2014 13
107 1549 16/09/2014 03/10/2014 17
108 1550 22/09/2014 12/11/2014 51
109 1551 16/10/2014 20/11/2014 35
110 1552 29/09/2014 01/11/2014 33
111 1553 08/10/2014 01/11/2014 24
112 1554 17/10/2014 06/11/2014 20
113 1555 21/10/2014 02/12/2014 42
114 1556 21/10/2014 20/11/2014 30
115 1557 20/10/2014 12/11/2014 23
121
116 1558 20/10/2014 24/10/2014 4
117 1559 21/10/2014 12/11/2014 22
118 1561 24/10/2014 12/11/2014 19
119 1562 28/10/2014 20/11/2014 23
120 1563 31/10/2014 14/11/2014 14
121 1564 05/11/2014 12/12/2014 37
122 1565 07/11/2014 25/11/2014 18
123 1566 13/11/2014 12/12/2014 29
124 1568 20/11/2014 23/12/2014 33
125 1572 25/11/2014 15/12/2014 20
122