Tema 1e

LOS SUBSISTEMAS DE LA DISTRIBUCION

FISICA

CONTROL DE INVENTARIO

Textos:
Fundamentos de Mk. (William J. Stanton)
Logística del Transporte (Francesc Robusté Antón)
Canales de Marketing y Distribución Comercial (Lou E. Penton)
La distribución física puede dividirse en cinco
subsistemas

Localización
Control de Procesamiento de
(Inventario y Manejo Materiales Transporte
Inventario Pedidos
Almacenamiento)

5 Subsistemas de la Distribución Física

 LA GESTION
DE LOS
INVENTARIOS

HOY NOS ENFOCAREMOS EN

 Son artículos que la
empresa posee con
la intención de
venderlos (en su
presente estado o
tras algunas
transformaciones).

CONCEPTO DE INVENTARIO
IMPORTANCIA DE LA GESTION DE
LOS INVENTARIOS

La inversión realizada en ellos, no proporciona retornos hasta que

dejan de ser inventarios

El inventario representa parte importante de la inversión para las

empresas.

Los costos de mantener un inventario puede representar desde un 10%

hasta un 40% de los costos logísticos totales.
Tipos de inventario

Por su naturaleza
Por el momento
(la función que
en que se usan
desempeñan)

Los
inventarios
pueden
clasificarse
así…
Tipos de inventario

• Inventario de Productos Terminados.

Productos listos para su comercialización.

• Inventarios de Materias Primas.

Por su Productos que serán transformados por un
naturaleza proceso productivo para su comercialización
(la función que posterior.
desempeñan)
• Inventario Promocional.
Son determinados por Marketing para
promociones y/o lanzamiento de nuevos
productos.
Tipos de inventario

• Inventario Regular, Activo o Cíclico.

Constituyen los productos necesarios para la
satisfacción de la demanda durante un tiempo
determinado.
Por el
momento en • Inventario en Tránsito.
Productos listos para su comercialización que ya
el cual se fueron pedidos, pero no han ingresado al
usan Almacén.

• Inventario de Seguridad.
Surge como protección ante la variabilidad de la
demanda y el tiempo de reaprovisionamiento.
Existen Tres aspectos claves de la Gestión de Inventarios

Objetivos Reducir al mínimo la inversión y las fluctuaciones de las existencias.

prioritarios
Surtir con puntualidad y precisión los pedidos de los clientes

Clave central Los pronósticos de venta o la estimación de la demanda de los clientes.

A mayor exactitud de pronósticos, mayores probabilidades de optimizar el tamaño

de los inventarios.

Costos de Son los gastos asociados con su tenencia. Pueden ser de dos tipos:
Inventario
Costos de Adquisición (compras)

Costos de mantenimiento (almacenamiento, interés sobre la inversión, hurtos,

impuestos al inventario, etc.)
La Función de la Gestión de Inventarios

Función Añadir flexibilidad de operación a las mercancías.

Supuestos El costo será mayor cuanto mayor sea el volumen de

inventario
Mantener existencias bajas provocan un riesgo alto de
faltantes.
Retos Fijar un excelente grado de satisfacción de servicio, a un
costo mínimo.
Para una Gestión eficiente de inventarios se realizan
las siguientes funciones
Regular ritmo de
compras y ventas

Para la
realización de
Optimizar el margen
Anticipación
de explotación esta gestión se
lleva a cabo un
proceso llamado
FORECASTING

Seguridad Comunicación
 Consiste en la
estimación de la
demanda
futura de un
bien o servicio,
utilizando de
base ratios
de venta
histórica,
estimaciones de
marketing e
información
promocional.

CONCEPTO DE FORECASTING
El logro en el Forecasting
El punto fundamental en los pronósticos es ser consistente y lograr la menor desviación respecto
a las ventas reales, por dos razones:

Pronosticar por arriba de la demanda tiene entre

sus consecuencias exceso de inventario,
obsolescencia, reducción de margen para
promover su venta.

Pronosticar por debajo de la demanda tiene entre

sus consecuencias comprar y producir más caro
algo que no estaba planeado, incluso pérdida de
venta y margen si no reaccionamos a tiempo
Visión gráfica
del logro en el
Forecasting
KPI PARA EL CONTROL DE
INVENTARIOS
Cantidad Económica de Pedido (CEP)
Es el tamaño del pedido que minimiza la inversión en almacenamiento del inventario y los
costos del procesamiento de los pedidos.

16.00
Costo Totales
14.00
12.00
Costos

10.00
8.00
6.00
4.00
2.00
Cantidad del Pedido en Unidades
0.00
0 2 4 6 8 10 12
Premisas Fundamentales del CEP

Costos de Mtto de inventario aumentan propor-cionalmente con los

niveles del mismo. Lo idóneo es realizar pedidos más pequeños e
incrementar el número de los mismos.

Conforme el tamaño del pedido aumenta, los costos promedio por

pedido se reducen. Por tanto, lo lógico es reducir el número de
órdenes (pedidos), incrementando la cantidad de productos en cada
pedido.

La clave es: ¿Cuál es el punto donde los costos de mantenimiento

con los costos por pedido sea el más bajo?
Supuestos del cálculo de la Cantidad Económica de
Pedidos (CEP) 1/2

Demanda constante y conocida

Se calcula tomando en consideración un solo producto y éste se

produce o compra en lotes

Cada lote u orden de pedido se recibe en un solo envío

Supuestos del cálculo de la Cantidad Económica de
Pedidos (CEP) 2/2

Costo fijo de emitir una orden es constante

No hay quiere de inventario (quiere de stock)

Tiempo de espera es conocido y constante (Lead Time).

No existen descuentos por volumen.

Modelo para calcular la Cantidad Económica de
Pedido (CEP)
Donde
Q= Cantidad a ordenar (CEP)
2𝐷𝑆
𝑄= D= Demanda. Unidades por año

𝐻 S= Costo de emitir una orden.

H= Costo asociado a mantener

una unidad en inventario en
un año.
Ejemplo de aplicación del Modelo CEP
Una empresa enfrenta una demanda anual de 1.000 unidades de su principal producto. El costo de
emitir una orden es de $10 y se ha estimado que el costo de almacenamiento unitario del producto
durante un año es de $2.5. Determine la cantidad óptima de pedido utilizando el modelo CEP.

2𝐷𝑆 2(1000)($10. ) 20,000

𝑄= 𝑄= 𝑄=
𝐻 $2.50 2.50

Donde 𝑄 = 8000
Q= Cantidad a ordenar
(CEP)
𝑄 = 89.4
D= Demanda. Unidades por
año
Cantidad Económica de 𝑄 = 90 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠
S= Costo de emitir una Pedido (CEP)
orden.
H= Costo asociado a
mantener una unidad en Este es el número de unidades que minimiza los costos de procesamiento de cada pedido y
inventario en un año. los costos de mantenimiento en inventario.
KPI PARA EL CONTROL DE
INVENTARIOS
Cumplimiento del Pronóstico de Demanda
(Forecast Accuracy)

Permite medir el grado de cumplimiento (%) del pronóstico de la demanda planteada

en el(o los) mes (meses ) anterior(es).

Si bien los Forecast nunca son exactos, son necesarios para estimar la demanda
con el fin de obtener inventarios óptimos.

Este indicador generalmente se mide a nivel de SKU (stock keeping units) y cada
compañía define un nivel de tolerancia.

La idea es entender las razones de los desvíos y considerar en los futuros procesos
de forecast dichas variables.
Cumplimiento del Pronóstico de Demanda
(Forecast Accuracy)

El cálculo del FA se realiza de la siguiente manera:

ESTIMACIONES OPTIMAS DE
DEMANDA
FORMAS DE CALCULAR EL FORECAST
 Constituyen
estimaciones
estadísticas de
los pronósticos
de ventas para
el futuro.
Se realizan
proyecciones que
pueden ser desde 3
meses móviles
hasta 2 años móviles.

CONCEPTO
Principales métodos de estimación de demanda:

Promedio Móvil (moving average).

Promedios Móvil Ponderado

Regresión Lineal

Regresión Logarítmica o Exponencial

Promedio Móvil (moving average)
➢Considera como pronostico del período siguiente, el promedio de los
últimos «n» períodos.
➢Parte del supuesto que las condiciones vigentes en el período tomado en
cuenta se mantendrán en el siguiente período.
➢La base es el histórico de ventas de los períodos anteriores.

σ 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒 𝑙𝑜𝑠 n 𝑝𝑒𝑟í𝑜𝑑𝑜𝑠 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟𝑒𝑠

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀ó𝑣𝑖𝑙 =
𝑛
Promedio Móvil – Ejemplo 1. Utilizando una media móvil de 3 meses.
COMERCIAL "MINI MAX"
VENTAS DE "DESODORANTES PARA DAMAS" $200
AÑO 2012
Promedio Móvil 3 $180
MES Venta $
meses
AÑO 2016
ENERO $ 80,130
$160
FEBRERO $ 63,538
MARZO $ 82,739 $ 75,469
$140
ABRIL $ 87,365 $ 77,881
MAYO $ 112,977 $ 94,360
$120
JUNIO $ 101,732 $ 100,691
JULIO $ 127,733 $ 114,147 $100
AGOSTO $ 137,314 $ 122,260
SEPTIEMBRE $ 126,110 $ 130,385 $80
OCTUBRE $ 171,271 $ 144,898
NOVIEMBRE $ 139,534 $ 145,638 $60
DICIEMBRE $ 178,689 $ 163,165
$40
ENERO-2013 $ 163,165 $ 160,462 ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC
FEBRERO-2013 $ 160,462 $ 167,439 Ventas Reales Media Móvil
MARZO-2013 $ 167,439
Promedio Móvil – Ejemplo 2: Utilizando una Media Móvil anual (12 meses)
200
Miles

180
160
140
120 117
100
80
60
40
20

Ventas Reales Media Móvil 12 m

 Promedio Promedio
Ventas Móvil Móvil
Año reales 2 años 4 años
2008 2980
2009 3150 3065
Ejemplo 3 2010 3597 3373
Cuando se 2011 3812 3704 3385
calculan 2012 3689 3750 3562
períodos de 2013 3740 3715 3710
años 2014 3903 3821 3786
completos 2015 4028 3965 3840
2016 4256 4142 3982
2017 3989 4123 4069
2018 4150 4069 4106

Proyección 2018
Ventajas y Desventajas del Método de
Promedios Móviles (moving average)
• Ventajas
• Facilidad de cálculo.
• Proporcionan previsiones exactas para productos con historiales de ventas
estables.
• Bajo costo.

• Desventajas
• Hay inexactitud en el cálculo con ventas para productos con historiales de ventas
muy variables entre períodos.
• Considera que las condiciones del mercado serán las mismas del período anterior.
• No considera la entrada de nuevos competidores u otros factores en el mercado.
Principales métodos de estimación de demanda:

Promedio Móvil (moving average).

Promedios Móvil Ponderado

Regresión Lineal

Regresión Logarítmica o Exponencial

Promedio Móvil Ponderado
(Método Suavizamiento Exponencial)

➢Este modelo sostiene que las ventas previstas son iguales a las ventas reales del
presente período multiplicadas por una constante de suavizamiento (ponderación).
➢Esta constante es una «ponderación» de la importancia (peso) que tiene un período
sobre otro.
➢Puede ser utilizada cuando los historiales de ventas no son tan constantes.

σ(𝑝𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑝𝑎𝑟𝑎 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑛) (𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑒𝑛 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑛)

𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑀ó𝑣𝑖𝑙 𝑃𝑜𝑛𝑑𝑒𝑟𝑎𝑑𝑜 =
σ 𝑝𝑜𝑛𝑑𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
Promedio CALCULO PROMEDIO MOVIL
PROMEDIO
MOVIL
Móvil PERIODO VENTAS USD$ PONDERADO 3 PERIODOS PONDERADO

ENE 253,838
Ponderado
FEB 263,711
Ejemplo
MAR 284,150 [(3*284,150)+(2*263,711)+(1*253,838)] ÷ 6= 272,285
Ponderación de Períodos
ABR 299,572 [(3*299,572)+(2*284,150)+(1*263,711)] ÷ 6= 288,455
Ponderación Período
MAY 327,829 [(3*327,829)+(2*299,572)+(1*284,150)] ÷ 6= 311,130
3 El más
reciente JUN 343,277 [(3*343,277)+(2*327,829)+(1*299,572)] ÷ 6= 330,844

2 Hace dos JUL 355,491 [(3*355,491)+(2*343,277)+(1*327,829)] ÷ 6= 346,809

períodos
1 El más AGO 378,873 [(3*378,873)+(2*355,491)+(1*343,277)] ÷ 6= 365,146
antiguo
SEP 366,946 [(3*366,946)+(2*378,873)+(1*355,491] ÷ 6= 369,013
6 ෍ 𝑆𝑢𝑚𝑎

𝑑𝑒 𝑃𝑜𝑛𝑑 Pronóstico de Ventas para Octubre= $369,013.

Comparando resultados Media Móvil vs Media Móvil Ponderada

400000

350000

300000

250000

200000

150000

100000
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre

Media Móvil Ponderada Vta Real Media Móvil

Principales métodos de estimación de demanda:

Promedio Móvil (moving average).

Promedios Móvil Ponderado

Regresión Lineal

Regresión Logarítmica o Exponencial

Análisis de Regresión

Consiste en
emplear métodos
que determinen la
mejor relación
funcional entre dos
o más variables
concomitantes
(o relacionadas).

¿Qué es la Regresión Lineal?

Algunos antecedentes de la
Regresión Lineal

• Se utilizó por primera vez en el

estudio de variables
antropométricas:
• Comparando la estatura de padres e hijos, resultó:
• Hijos cuyos padres tenían una estatura muy
superior al promedio tendían a igualarse a éste
• Hijos cuyos padres eran muy bajos tendían a reducir su diferencia
respecto a la estatura media. «Regresaban" al promedio.
• El término lineal se usa para determinar la relación lineal
de la función modelo.
¿Cómo llegó a utilizarse en los negocios?
Observando la
tendencia pasada se
puede «predecir» el
La regresión lineal resultado de las
puede usarse para el mismas.
pronóstico futuro de
El modelo es una las ventas.
explicación simple de
la realidad con un
soporte matemático y
estadístico.

Es un análisis gráfico que utiliza

una función «lineal» para calcularlo.
Tiempo u otro factor variable
Forma de cálculo del Análisis de Regresión
Función Lineal=> 𝛾 = 𝑎 + 𝑏𝑥 Proyección de Ventas para 1 Período

450,000

Donde:
400,000
y Variable dependiente que
quiere predecirse. 350,000
360,850

x Variable independiente
(tiempo) 300,000
y = 11247x + 267449
a Representa la intersección
de la recta en el eje «y» 250,000

b Representa la pendiente
200,000
de la recta o tasa de
variación por cada valor 150,000
unitario de cambio en «x». 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011

Ventas Lineal (Ventas)

Análisis de Regresión
Cálculo de los valores «a» y «b» para la función lineal

Función Lineal => 𝛾 = 𝑎 + 𝑏𝑥

𝑁 σ 𝑥𝑦 − σ 𝑥 σ 𝑦
𝑎 = 𝑦ഥ − 𝑏𝑥ҧ 𝑏= 2
𝑁(σ 𝑥 2 ) − (σ 𝑥)

donde:
x = valores conocidos de la variable independiente (tiempo)
y = valores conocidos de la variable dependiente (ventas)
N = número de datos puntuales u observaciones.
Análisis de Regresión - Ejemplo
Determinar el pronóstico de ventas de Cereales de Desayuno del año 2004
tomando como base los históricos siguientes:

Ventas
Históricas 2
Año Periodo (x) x xy
(y)
2011 1 74 1 74
2012 2 79 4 158
2013 3 80 9 240
2014 4 90 16 360
2015 5 105 25 525
2016 6 142 36 852
2017 7 122 49 854
N=7 X = 28 y = 692 2
x = 140 xy = 3.063
Análisis de Regresión - Ejemplo
Sustituyendo los valores en las fórmulas:
7(3,063) − (28 ∗ 692)
𝑏=
𝑁 σ 𝑥𝑦 − σ 𝑥 σ 𝑦 7 140 − 282
𝑏= 2
𝑁(σ 𝑥 2 ) − (σ 𝑥)
21,441 − 19,376
𝑏=
980 − 784

𝑏 = 10.5357

𝑎 = 𝑦ഥ − 𝑏𝑥ҧ 𝑎 = 98.857 − 10.5357(4)

𝑎 = 98.857 − 10.5357(4)
𝑎 = 56.7142
Análisis de Regresión - Ejemplo
Sustituyendo los valores «a» y «b» en la función lineal:

𝑏 = 10.5357 𝑎 = 56.7142

𝛾 = 𝑎 + 𝑏𝑥 𝛾 = 56.7142 + 10.5357𝑥

Número de períodos históricos: 7

Período para pronosticar: 8

𝛾 = 56.7142 + 10.5357(8)

Valor del pronóstico

de ventas para 2018 𝛾 = 140.99
Análisis de Regresión - Ejemplo

Representación Gráfica del Pronóstico

160
140
120
100
y = 10.536x + 56.714
80
60
40
20
1997 1998 1999 2000 2001 2002 2003
Histórico Regresión Lineal
FINISH!