mejora de la gestión de pronósticos de la demanda para...

FACULTAD DE INGENIERÍA

Carrera de Ingeniería Industrial y Comercial

MEJORA DE LA GESTIÓN DE PRONÓSTICOS DE

LA DEMANDA PARA REDUCIR LOS INVENTARIOS

EN UNA EMPRESA TEXTIL

Tesis para optar el Título Profesional de Licenciado en

Ingeniería Industrial y Comercial

ARTURO ALEJANDRO LUJÁN ARELLANO

Asesor:

Ronald Huerta Mercado Herrera

Lima – Perú

2017

EPIGRAFE

“Los retos hacen que la vida sea interesante.

Superarlos es lo que hace que la vida tenga

sentido” (Ralph Waldo Emerson)

ÍNDICE DE CONTENIDO

DEDICATORIA 10

AGRADECIMIENTO 11

RESUMEN 12

ABSTRACT 13

INTRODUCCIÓN 1

PROCESO DE PRODUCCIÓN DE JEAN 6

PROBLEMAS DE LA INVESTIGACIÓN 11

IDENTIFICACIÓN DEL PROBLEMA 11

FORMULACIÓN DEL PROBLEMA 11

PROBLEMA GENERAL 11

PROBLEMAS ESPECÍFICOS 11

MARCO REFERENCIAL 12

ANTECEDENTES INTERNACIONALES 12

ANTECEDENTES NACIONALES 14

ESTADO DEL ARTE 15

MARCO TEÓRICO 16

Inventario 16

Pronóstico 20

Modelos De Decisión Para Pronósticos 20

Modelo Cualitativo 20

Modelo Cuantitativo 21

PLANEAMIENTO DE VENTAS Y OPERACIONES S&OP 24

OBJETIVOS 25

OBJETIVOS ESPECÍFICOS 25

JUSTIFICACIÓN 26

TEÓRICA 26

PRÁCTICA 26

SOCIAL 26

HIPÓTESIS 27

MATRIZ DE CONSISTENCIA 28

MARCO METODOLÓGICO 29

METODOLOGÍA 29

PARADIGMA 29

ENFOQUE 29

MÉTODO 29

VARIABLES 29

INDEPENDIENTE 29

DEPENDIENTE 30

POBLACIÓN Y MUESTRA 30

POBLACIÓN Y MUESTRA 30

MUESTRA 30

UNIDAD DE ANÁLISIS 30

INSTRUMENTOS Y TÉCNICAS 30

INSTRUMENTOS 30

TÉCNICAS 31

PROCEDIMIENTOS Y MÉTODO DE ANÁLISIS 32

PROCEDIMIENTO 32

MÉTODO DE ANÁLISIS 33

RESULTADOS 35

PROPUESTAS DE MEJORA 45

DISCUSION 57

CONCLUSIONES 58

REFERENCIAS 60

ANEXOS 62

ÍNDICE DE FIGURAS

Figura N°1: Cadena de suministros 2

Figura N°2: BOM 5

Figura N°3: Pantalon clásico de dama recto 5

Figura N°4: Proceso de producción jean clpasico (dama) 9

Figura N°5: Diagrama de actividades de producción jean clásico 10

Figura N°6: Modelo de cantidad económica a ordenar 30

Figura N°7: SPSS 31

Figura N°8: Correlación Pearson 34

Figura N°9: Correlación Spearman 34

Figura N°10: Gráfica de la pregunta 1 35








Figura N°18: Pareto 42

Figura N°19: Diagrama de Ishikawa 42

Figura N°20: Las 5 S 43

ÍNDICE DE TABLAS

Tabla N°1: Tabla de tiempo de pedido con tela en stock 3 Tabla N°2: Tabla de tiempo de pedido sin tela en stock 4 Tabla N°3: Horizontes de tiempo 20 Tabla N°4: Hipótesis 27 Tabla N°5: Matriz de consistencia 28 Tabla N°6: Ponderación de encuesta 31 Tabla N°7: Encuesta 31 Tabla N°8: Respuestas de encuesta 32 Tabla N°9: Valores de las respuestas de la encuesta 33 Tabla N°10: Respuesta porcentual de la pregunta 1 35 Tabla N°11: Respuesta porcentual de la pregunta 2 36 Tabla N°12: Respuesta porcentual de la pregunta 3 36 Tabla N°13: Respuesta porcentual de la pregunta 4 37 Tabla N°14: Respuesta porcentual de la pregunta 5 38 Tabla N°15: Respuesta porcentual de la pregunta 6 39 Tabla N°16: Respuesta porcentual de la pregunta 7 40 Tabla N°17: Respuesta porcentual de la pregunta 8 41 Tabla N°18: Variación de pronósticos 46 Tabla N°19: Pronóstico Holt-Winters 46 Tabla N°20: Ahorro de costos en canal propio 47 Tabla N°21: Pronóstico de Oeschle 48 Tabla N°22: Pronóstico de Ripley 49 Tabla N°23: Pronóstico de Paris 50 Tabla N°24: Pronóstico del total de canales de retail 50 Tabla N°25: Tiempo de trabajo y costos/hora 51 Tabla N°26: Cantidad de jeans/mes 51 Tabla N°27: Ahorro económico de horas extra en canal propio 52 Tabla N°28: Ahorro económico de horas extra en canal retail 52 Tabla N°29: Ahorro económico de horas extra en canal propio y retail 53 Tabla N°30: Ahorro de costo de mantener en canal propio 54 Tabla N°31: Ahorro de costo de mantener en canal retail 54 Tabla N°32: Ahorro de costo de mantener 55 Tabla N°33: Ahorro total de costos 56

INDICE DE ANEXOS

Anexo N°1: Tipo de pronósticos 62 Anexo N°2: Diferencia de costos por tipo de pronósticos 63 Anexo N°3: Unidades de ventas por canales de retail 65 Anexo N°4: Encuesta 67 Anexo N°5: Bill of materials 67 Anexo N°6: DOP 68 Anexo N°7: DAP 69 Anexo N°8: Cadena de suministros 70

DEDICATORIA

La presente tesis es dedicada a mi familia, en

especial a mi papá quien siempre me motivó

a superarme y también va dedicada a un gran

amigo que es como un hermano para mí,

Carlos, quién es un apoyo constante.

AGRADECIMIENTO

Agradezco a la empresa ABC por brindarme

las facilidades de recopilar la información

necesaria para el desarrollo de la presente

tesis.

RESUMEN

Esta tesis consiste en mejorar la gestión de pronósticos de la demanda con el fin de

reducir costos de producción, reducir solicitudes de pedido de canal retail, reducir costos de

pago por horas extras de trabajo a los operarios y disminuir el stock de productos terminados

de la empresa ABC.

La empresa realizan sus pronósticos de la demanda para su red propia en función al

promedio de los 3 últimos años por mes y operan según las órdenes de producción que se

reciben del área Comercial para los pedidos de canal retail. Al realizar un pronóstico simple

no se tiene mucha precisió al momento de pronosticar y se suelen quedar productos en el

almacen, lo que genera que el almacén de productos terminados acumule más mercancía

de la necesaria.

El objetivo de esta tesis consiste en determinar el impacto que se lograría al

incrementar la eficiencia de la empresa realizando mejores pronósticos de la demanda en

base a la data histórica de las ventas. De ese modo se podrá evitar que los almacenes se

saturen de stock innecesario de productos terminados.

Así mismo también se planea utilizar distintos métodos de pronósticos con el fin de

hallar el más adecuado y así tener un menor margen de error el cual permita reducir costos.

Finalmente se realiza un análisis el cual demuestra que la implementación es factible

y logra incrementar la eficiencia y reducir costos de la empresa textil.

Palabras clave: costos, eficiencia, stock y utilidades

ABSTRACT

This thesis consists of improving the management of forecasts of demand in order to

reduce production costs, reduce retail channel returns, reduce costs of payment for hours

overtime workers and reduce the stock of finished products of the Company ABC.

The company made its forecasts of demand for its own network based on the average

of the last 3 years per month and operate according to production orders which are received

from the commercial area for channel retail orders. To perform a simple forecast it is not

much precision at the time of forecast and usually be products in the store, which generates

the warehouse of finished products to accumulate more goods than necessary.

The objective of this thesis consists of determining the impact that would be achieved

by increasing the efficiency of the company making better forecasts of demand based on

historical sales data. Thus you can avoid stores are saturated unnecessary stock of finished

products.

They are also planned using different methods of forecasting in order to find the most

appropriate and thus have less margin of error that can be accessed at reduced costs.

Finally an analysis is performed which demonstrates that the implementation is

feasible and manages to increase the efficiency and profits of the textile company.

Key words: costs, efficiency, stock and profit

1

INTRODUCCIÓN

La empresa ABC se dedica a la fabricación de prendas de vestir para damas y caballeros en

telas demin, tafeta, dril, entre otros. Teniendo como principales productos pantalones de

jean, snickers, shorts, bermudas, entre otros. Además, ofrece sus productos en diferentes

marcas.

La empresa cuenta con 2 canales de ventas los cuales son el canal propio (5 locales

en Gamarra y 5 en el centro de Lima) y de retail (Ripley, Paris y Oeschle). Su planta de

producción cuenta con 3 talleres de confección y con áreas de soporte para la producción

de las prendas de vestir.

Con respecto a su línea de proveedores tiene 3 grupos y son los siguientes:

Proveedores de Telas: Son los que proveen tela de tejido plano en diversos colores

y texturas. Las telas son consideradas la materia prima para la empresa.

Proveedores de Avíos: Son los que proveen diversos artículos necesarios para la

confección de jeans, entre ellos tenemos: Hilos, cierres, botones, remaches,

etiquetas, etc.

Proveedores de Suministros: Son los que proveen los accesorios utilizados para la

presentación del producto final; entre ellos, tenemos: bolsas, siliconas, adhesivos,

etc.

La empresa ABC también cuenta con 3 almacenes que se encargan de recibir y

despachar los artículos necesarios para el proceso productivo y comercial. Entre ellos

tenemos los siguientes:

Almacén avíos y suministros: Recepciona, almacena y despacha los avíos y

suministros de los proveedores a las áreas de producción.

Almacén telas: Recepciona, almacena y despacha las telas compradas de los

proveedores al área de corte.

Almacén de productos terminados: Recepciona y almacena los productos

terminados. Además, se encarga de despachar los pedidos para las tiendas propias

y de retail.

A continuación se presenta el diagrama de la Cadena de Suministro para el producto

Estrella: Jeans Z.

2

Figura N°1: Cadena de Suministro

Fuente: Elaboración propia

3

Respecto al Lead time de la empresa, se calcula de acuerdo a cada proveedor,

operación y tiempo de distribución. Actualmente se encuentran trabajando con lead time

de 36-44 días desde que se hace el pedido de cada uno de los requerimientos de

producción hasta que se envía a tienda. El lead time acumulado desde el

aprovisionamiento de la materia prima hasta la distribución del producto terminado a los

puntos de venta se rige bajo 2 conceptos y se da en el tiempo indicado a continuación.

En caso no haya tela en stock:

Concepto Tiempo Unitario

(días) Lead Time acumulado

(días)

Tiempo de suministros 35 35

Tiempo de suministro de telas (MP) 35 -

Tiempo de suministro de Botones 27 -

Tiempo de suministro de Remaches 17 -

Tiempo de suministro de Etiqueta 15 -

Tiempo de suministro de Hang Tag 15 -

Tiempo de suministro de Ojalillos 12 -

Tiempo de suministro de Cierre 9 -

Tiempo de suministro de Bolsa con marca

7 -

Tiempo de suministro de Broche 2 -

Tiempo de suministro de Hilo 2 -

Tiempo de suministro de Bolsa sin marca

2 -

Tiempo de suministro de Avíos diversos

2 -


Tiempo de fabricación de un lote de prendas (4608 unid)

6 41

Tiempo de permanencia en Almacén PT

2 43

Tiempo de despacho a puntos de ventas

1 44

Tabla N°1: Tabla de tiempo de pedido con tela en stock


4

En caso haya tela en stock:

Concepto Tiempo Unitario

(días) Lead Time acumulado

(días)

Tiempo de suministros 27 27

Tiempo de suministro de Botones 27 -

Tiempo de suministro de Remaches 17 -

Tiempo de suministro de Etiqueta 15 -

Tiempo de suministro de Hang Tag 15 -

Tiempo de suministro de Ojalillos 12 -



Tiempo de suministro de Bolsa con marca

7 -

Tiempo de suministro de telas (MP) 2 -

Tiempo de suministro de Broche 2 -

Tiempo de suministro de Hilo 2 -

Tiempo de suministro de Bolsa sin marca

2 -

Tiempo de suministro de Avíos diversos

2 -

Tiempo de fabricación de un lote de prendas (4608 unid)

6 33

Tiempo de permanencia en Almacén PT

2 35

Tiempo de despacho a puntos de ventas

1 36

Tabla N°2: Tabla de tiempo de pedido sin tela en stock


La empresa aplica el Just in Time utilizando la estrategia de Push and Pull, en donde

utilizan el concepto de push para realizar la operación de corte y obtener el producto

terminado sin importar cuanta demanda se está satisfaciendo. Es ahí cuando luego aplican

el concepto de Pull para brindar a su canal propio de tiendas la cantidad de prendas que

se necesite. A continuación se presenta la lista de materiales a utilizar para la fabricación

de un jean de la empresa ABC.

5

Figura N°2: BOM


Figura N°3: Pantalón clásico de dama recto


En función de las partes que comprende el producto, podemos realizar un estudio

para poder determinar los niveles de inventario y producción de cada parte dependiendo

de la demanda general del producto en mención.

El proceso productivo de la fabricación de pantalones de la empresa ABC es flexible

debido a que la demanda de dichas prendas de vestir varía en modelos dependiendo de la

marca que se elaborara y las restricciones y especificaciones del diseñador. A continuación

presentaremos el proceso productivo de la fabricación de pantalones de jean.

6

Proceso de Producción de jean

Tizado de corte

Tizado es la ubicación de los moldes y se realiza la elaboración de las hojas de

corte; que tiene que ser realizado por el encargado de corte para tener la liquidación

real, consumo de las telas y las mermas de cada corte que se esté realizando y a

su vez tener controlados los stock de tela existente en los almacenes.

Se debe tener un revisador de tizados para poder realizar la revisión de los tizados

antes de tender las prendas ya sea con los minimizados del tizado o con la muestra

para revisar de que no falte sobre piezas y que sean los lados adecuados, que no

falte piquetes, otros.

Corte

Tendido, el cual consiste en extender las capas de tela en la mesa de una manera

uniforme tratando de maltratarla lo menos posible.

Corte.

Habilitado

Consiste en separar por tallas y enumeración de piezas.

Tener habilitadores con experiencia para que puedan reaccionar en la codificación

y habilitado de las piezas para que no falten al momento de ser enviado a los

talleres.

Ensamble y confección

Armado de posteriores.

Armado de delanteros.

Ensamble.

Atraque.

7

Control De Calidad

Revisión de costura de ensamble.

Seguir insistiendo con el uso de la ficha técnica para un mejor control de la prenda

y teniendo en cuenta las medidas de las prendas.

Lavado de prenda

Desengomado.

Centrifugdo.

Secado.

Focalizado.

Trapedo.

Neutralizado.

Centrifugado.

Secado.

Planchado.

Despacho a limpieza.

Limpieza

Limpieza de prenda.

Pegado de etiquetas.

Pegado de cueros de marca en pretina.

Pegado de botones.

Cortado de persillas.

Limpieza de ojal y cueros.

Despacho a acabados.

Acabados

Colocación de piedras adhesivas.

Planchado de láminas de piedras.

Retirado de micas de las piedras.

8

Marcado para botones.

Pegar botones.

Pegar remaches.

Pegar placas.

Doblado e inspección.

Pegado de etiquetas Hantag.

Pegado de código de barras.

Embolsado de prendas.

Empaquetado

Despacho a destino

Distribución de empaque según lo requerido.

Preparado de cajas.

Cellado de cajas.

Colocado de rótulos.

Forrado de cajas.

Despacho a destino.

A continuación se muestra el diagrama de bloques del proceso descrito, separado

por sub-áreas de producción.

9

Figura N°4: Proceso de Producción Jean Clásico (Dama)


Proceso de producción de pantalón jean de corto recto

Comercialización Almacén Corte Confección Control de calidad Lavandería

Inicio

Envío de tela a corte

Generación de orden de producción

¿Quedó bien?

Habilitado

Corte Ensamble y confección

Envío de prendas a lavandería

¿Costura correcta?

Recepción de prenda lavada

Lavado de prenda

Acabado (se ensamblan botones,

cremalleras, etc.)

¿Todo ok?

Fin

Envío a cliente

Empaquetado

Inspección final

Revisión de la costura de

ensamble

Tizado

Limpieza de prenda

Recepción de pedido

Fase

10

A continuación se demuestra un DAP indicando el tiempo que demora en realizar

cada actividad para fabricar un jean.

Figura N°5: Diagrama de Actividades de Producción Jean Clásico (Dama)


11

PROBLEMAS DE LA INVESTIGACIÓN

Identificación Del Problema

La empresa ABC, no cuenta con una estrategia de planeamiento comercial desarrollada.

Por ende, las funciones de planeamiento para determinar la cantidad a producir, según las

órdenes de producción que se reciben del área de Comercialización, son asumidas por el

jefe de la sección de corte, quien se encuentra en el área de operaciones.

Es por ese motivo que cuando ingresa una nueva orden de otro producto que tiene

una prioridad alta por ser venta a canal de retail, se paraliza toda la producción que se

estaba realizando en esos momentos y se procede a trabajar en la nueva orden ingresada,

dejando en stand by la producción anterior. Eso ocasiona que la producción anterior se

retrase y se generen horas extra de los colaboradores y sobre costos en la producción para

la empresa.

Otros de los problemas que se logran encontrar en la empresa es que no se llega a

vender todas las prendas de los locales de su canal propio. Eso genera stock involuntario

en los almacenes de productos terminados. El mismo efecto ocasiona la devolución de las

prendas de los canales de retail que ellos no lograron vender en el mercado.

Formulación Del Problema

Problema General

¿Cuál es el impacto que se genera al reducir inventarios de la empresa con la mejora de

la gestión en pronósticos de la demanda?

Problemas Específicos

Problema específico 1:

¿Cuánto es el ahorro económico que se obtendría al reducir inventarios de la empresa

con la mejora de la gestión en pronósticos de la demanda?


¿Cuál sería el ahorro económico que se lograría al disminuir cantidad de pedidos del

canal retail al reducir inventarios de la empresa con la mejora de la gestión en

pronósticos de la demanda?

12


¿Cuánto es el ahorro económico en pago de tiempos extra de operarios al reducir

inventarios de la empresa con la mejora de la gestión en pronósticos de la demanda?


¿Cuánto es el ahorro económico al disminuir stock de productos terminados en almacen?

MARCO REFERENCIAL

Antecedentes Internacionales

Utreras Avalos J. L. 2015, ingeniero Industrial en la Universidad San Francisco de

Quito, Ecuador. “Propuesta de mejoras a los modelos de pronóstico de demanda y de

control de inventario de materia prima actuales de los principales productos del segmento

APH de la empresa XYZ”. En dicho trabajo aplican la metodología DMAIC y realizan una

categorización ABC en base a la utilidad generada por los productos del segmento APH en

el que se concluye de que el método de descomposición es el más adecuado debido a que

caracteriza de mejor manera la tendencia, estacionalidad y ciclos de demanda. Finalmente

se recomienda adquirir un software de ERP con el fin de tener información a tiempo real.

Marín Valderrama Juliana María, 2011, ingeniera industrial en la Universidad

Pontificia Universidad Javeriana, Colombia. “Propuesta de rediseño de la cadena de

abastecimiento de la empresa de confecciones GAF y definición de los indicadores de

gestión”. En esta tesis se genera una propuesta de mejora de los procesos productivos,

con el fin de rediseñar la cadena de abastecimiento identificando variables críticas con la

ayuda de herramientas e indicadores de gestión. La herramienta planteada son pronósticos

de ventas que ayuden a predecir el comportamiento del mercado.

Agudelo Rendón, Carolina (2013) Universidad Tecnológica de Pereira,

Colombia. “Desarrollo de un modelo para el pronóstico de la demanda por color en la

empresa Coats Cadena Andina SA”. El siguiente trabajo se basa en el uso de pronósticos

para series de tiempo ARMA y GARCH, con el fin de estudiar el comportamiento de las

series de tiempo y los enfoques del pronóstico de la demanda a utilizar. Como conclusión,

permite modelar de manera individual los distintos tipos de color para conocer cuales se

deben incluir en la venta.

13

Tejada López, C. A. 2012, ingeniero industrial en la Universidad San Francisco de

Quito, Ecuador. “Utilización del modelo SCOR para realizar una propuesta de rediseño del

esquema de gestión del abastecimiento y del manejo de inventarios en una industria textil”.

La siguiente tesis al utilizar el modelo SCOR, concluye que la empresa toma una decisión

acertada al aceptar tener faltantes debido a que no representa un costo significante. Por lo

tanto, se recomienda reducir cantidad de proveedores y realizar un plan de homologación

y calificación de proveedores.

Ramírez Agudelo, S. 2013, ingeniero industrial en la Universidad Pontificia

Bolivariana, Colombia. “Comparación de metodologías estadísticas para pronóstico de

demanda de productos de difícil estimación”. En esta tesis la metodología utilizada para la

planeación de inventarios es la prima bayesiana, junto con distribuciones de Gamma-

Poisson y el algoritmo tabú. En el presente trabajo se recomienda hacer un análisis

exploratorio de la correlación de datos y también llevar a cabo con otro tipo de

combinaciones distribucionales.

Villegas Salazar, J. J., 2017, ingeniero industrial de la Universidad autónoma de

Occidente de Cali, Colombia. “Diseño de un sistema de planeación de la producción en la

empresa Confecciones A&J SAS.” El siguiente trabajo se realiza con el fin de gestionar de

manera eficiente la cadena de suministros realizando un plan maestro de producción para

poder anticiparse a la cantidad a producir. Gracias a este trabajo se concluye que el plan

de requerimientos de materiales le permitió anticiparse a la demanda y poder planificar

mejor su producción. Como recomendación se considera que debe ser medido el

desempeño de los operarios constantemente con el fin de generar mayor compromiso en

el trabajo.

Orobio Hurtado, J. F., 2017, ingeniero industrial de la Universidad Autónoma de

Occidente de Cali, Colombia. “Propuesta de un sistema de control de inventarios de

productos terminados en la empresa Laboratorios Seres SAS de Santiago de Cali.” El

siguiente trabajo propone una clasificación ABC para identificar los productos de mayor

rotación en el almacén, la utilización de la simulación Montecarlo y se elige el pronóstico

de regresión lineal. Como recomendación; se debe tener un mejor control de las materia

prima y realizarlo de manera frecuente para poder obtener mejores pronósticos de la

demanda.

14

Antecedentes Nacionales

Vásquez Médico, J.I. 2013, ingeniero industrial en la Pontificia Universidad Católica

del Perú. Perú. “Propuesta de un sistema de planificación de la producción aplicado a una

empresa textil dedicada a la fabricación de calcetines”. La siguiente tesis propone un

sistema de planificación de la producción. La herramienta planteada consiste en utilizar

pronósticos de ventas que ayuden a predecir el comportamiento del mercado y se

recomienda realizar estudios más a fondo del mercado para ampliar el número de clientes.

Se puede concluir que el pronóstico estacional multiplicativo es más apropiado que el

anterior debido a que genera menos error. Se recomienda la aplicación contar con un

software de ERP para automatizar la planificación agregada.

Hinostroza Huanay, L. D. C., 2016, Ingeniera Industrial de la Universidad San Ignacio

de Loyola, Perú. “Manejo de pronósticos e inventarios para la mejora del desempeño de

las operaciones en una empresa textil peruana.” Se concluye que los métodos y pronóstico

utilizado generar un aumento en las ventas y se recomienda monitorear de manera

permanente el manejo y control de los inventarios

Gordillo Cerrutti Rodrigo, 2016, ingeniero industrial en la Universidad de Lima, Perú.

“Mejora en el proceso de elaboración y gestión de los pronósticos de la demanda en una

empresa dedicada a la venta de productos de belleza”. Su trabajo consiste en mejorar la

gestión de pronósticos de la demanda con el fin de reducir el margen de error y brindarle

un beneficio económico a la empresa. Como investigación más a fondo se recomienda

investigar el origen de la faltante del 20% de la demanda, debido a que no es un error de

pronóstico.

Rodríguez A., Lizeth J., Licla, P. & Yudith, J., 2017, ingenieros industriales en la

Universidad Pontificia Universidad Católica del Perú, Perú. “Análisis y propuesta de

implementación de un sistema de planificación de producción y gestión de inventarios y

almacenes aplicado a una empresa de fabricación de perfiles de plásticos de pvc.” En el

trabajo de tesis proponen un método de pronóstico multiplicativo y utilizar la estrategia de

ajuste con el fin de generar ahorros en producción y reducir cantidad de inventario. Como

conclusión, la empresa no tiene un sistema de planeamiento, el cual le permita pronosticar

de manera adecuada su demanda. Por ende, se recomienda invertir en el software ERP y

aplicar las 5S en cada estación de trabajo.

15

Estado Del Arte

Uno de los principales flujos para conseguir información es realizar pronósticos para

predecir la demanda. Sirven para realizar una mejor gestión de los costos generados por

el proceso de producción y es clave para la cadena de suministros. Si bien esta herramienta

no es una verdad absoluta, es fundamental para reducir la incertidumbre y así poder

realizar una mejor toma de decisiones. En otras palabras, no puede haber una estrategia

efectiva sin un buen pronóstico, debido a que permite controlar las cantidades que se van

a producir tener conocimiento de los costos de almacenamiento y los costos de pedido de

la materia prima. Además, los pronósticos se ajustan al comportamiento variable que se

genera por la demanda.

A continuación se van a describir una serie de metodologías y/o herramientas que

han sido utilizadas anteriormente para realizar una buena proyección en la gestión de la

demanda con el fin de minimizar costos, tiempos y mejoras de la eficiencia en las

empresas. Como se puede apreciar en las literaturas anteriores, se presentan distintas

maneras de pronosticar la demanda y tener un buen control de inventarios. Lo cual no es

nada sencillo debido a que cada vez la demanda es más variable.

Comenzando por el lado de las literaturas peruanas, uno de los pronósticos más

utilizados es el pronóstico estacional multiplicativo, más conocido como Holt-Winters. Tiene

la facultad de manejar datos con tendencia, datos estacionales (aditivos o multiplicativos)

y datos aleatorios; el cual es una buena opción para ese tipo de demandas variadas. Otro

dato a tomar en cuentas es que al realizar pronósticos, las literaturas peruanas suelen

aplicar el método de clasificación ABC, el cual consiste en segmentar los productos de

acuerdo a los criterios establecidos que se le brinda para tener una idea más clara de los

productos con mayor impacto en el mercado. También utilizan herramientas de control de

inventario y de ajuste con el fin de generar ahorros al momento de pedir materia prima o

enviar productos terminados.

Por el lado de las literaturas internacionales también se utiliza el método de

clasificación ABC para darle prioridad a los productos de mayor impacto. Sin embargo,

también se encuentran pronósticos de la demanda más variados; como por ejemplo, el

pronóstico de regresión lineal, el cual define la funcionalidad de dos o más variables que

estén correlacionadas y se utiliza para pronosticar hechos significativos a largo plazo y de

16

ese modo poder calcular la planeación agregada que se necesite encontrar. También se

puede ver que utilizan la simulación Montecarlo. Inicialmente se quiso utilizar el EOQ

(Cantidad económica de pedido) pero debido a un cambio de políticas que hubo en el

almacén de esa empresa, se utilizó la simulación Montecarlo. El cual sirvió para estudiar la

proyección de la data histórica y así realizar una propuesta de control de inventarios.

También se puede ver en otras literaturas internacionales que se utiliza el pronóstico

de Holt-Winters y el pronóstico de Descomposición, el cual se utiliza para pronosticar datos

estacionales en función al cálculo de los promedios móviles de un determinado periodo de

tiempo. Así como también el uso de pronósticos para series de tiempo con el fin de estudiar

el comportamiento de las series de tiempo y los enfoques del pronóstico de la demanda a

utilizar. Con respecto a las metodologías, se puede notar que utilizan otras distintas al ABC

que son como por ejemplo la metodología DMAIC que sirve para definir, medir, analizar,

mejorar y controlar; la cual es muy importante para la mejora de sus procesos. Como

también la prima bayesiana, junto con distribuciones de Gamma-Poisson y el algoritmo

tabú.

La gestión de la demanda es un factor sumamente importante para que las empresas

sean competitivas en el mercado, la cual se enfoca en evitar que haya roturas de stock o

por el contrario, exceso de stock en el almacén. Es por ello de que no solo hay que fijarse

en los pronósticos sino también en el flujo del proceso. Desde que se realiza el pedido de

suministros hasta que se realiza la entrega del producto terminado. Esto se logra

rediseñando la cadena de abastecimiento identificando variables críticas con la ayuda de

herramientas e indicadores de gestión con el fin de anticiparse a la demanda y así poder

planificar mejor la producción.

Marco teórico

Inventario

Los inventarios son la cantidad de bienes o activos fijos, que de acuerdo a lo que

indica el doctor en ingeniería industrial en su artículo “Inventarios colaborativos en la

optimización de la cadena de suministros” (Arango Serna, Martín – 2013) los inventarios

cuales constituyen una parte del patrimonio de las empresas que ayuda a medir el impacto

en los costos operacionales y es una de las medidas más importantes para evaluar la

17

efectividad de la cadena de suministros . Los inventarios se dividen en pronósticos

determinísticos o probabilísticos y pueden ser inventarios de materias primas, de envase o

empaque y productos terminados. La gestión de inventarios permite asegurar y mantener

una capacidad óptima de productos y satisfacer la demanda de los clientes teniendo en

cuenta el low cost de mantener inventarios. También se debe tener un control de

inventarios en el registro y conteo de los suministros en el almacén para controlar las en

las entradas y salidas de los productos.

Clasificación ABC del Inventario

La distribución ABC, también conocida como el principio de Pareto en honor a

Vilfredo Pareto, de acuerdo al artículo del ingeniero Faraón Largo “De gestores de

contenidos a gestores de metodologías” (Faraón Llorens, Largo – 2015) indica que la

distribución no sigue el patrón de la normal sino que tiene una distribución previsible en el

que se describe el fenómeno estadístico en el que una pequeña cantidad de valores altos

equivalen a representar más al total que un gran número de valores bajos. Una manera de

verlo es dividiéndolo en el ABC tal como indica el ingeniero Orobio Hurtado en su tesis

“Propuesta de un sistema de control de inventarios de productos terminados en la empresa

Laboratorios Seres SAS de Santiago de Cali “ (Orobio Hurtado, 2017) menciona que el

análisis se divide en 3 listas de productos en donde los productos A representan el 80%

del valor total en dinero, los productos B el 15% y los productos C el último 5% restante. El

objetivo por el cual se realiza esta clasificación es para saber donde se establece un mayor

impacto del costo total del inventario. Siendo los del producto A los que se deben tener

más en cuenta para un futuro análisis.

(Fórmula para hallar porcentaje individual de cada producto)

Modelo de cantidad económica a ordenar (EOQ)

Se basa en reducir los niveles de inventario pidiendo el lote económico mínimo e

indispensable para no incurrir mucho en costos y obtener la máxima ganancia.

b = variable

Q = lote fijo

18

Figura N°6: Modelo de cantidad económica a ordenar

Fuente: Manejo de pronósticos e inventarios para la mejora del desempeño de las operaciones en una

empresa textil peruana

D = demanda

S = costo de preparación de la orden

H =costo de mantenimiento del inventario

Punto De Re Orden (ROP)

Se utiliza para realizar una nueva orden en caso el primer pedido no se de basto

d = demanda diaria

L = tiempo de entrega de la orden

Inventario de seguridad

Sirve para prevenir excesos en la demanda. Entonces el punto de re orden quedaría de la

siguiente manera.

Para halla el stock de seguridad se tiene la siguiente ecuación.

Z = número de desviación estándar basadas en un nivel de servicio

σd = deviación estándar de la demanda diaria

19

Modelo de cantidad económica a producir

Se utiliza cuando el inventario fluye de manera continua o se acumula después de un

tiempo y cuando se produce y vende al mismo tiempo.

Modelo de descuento por cantidad

Q = Cantidad ordenada

D = Demanda anual

S = Costo de preparación de la orden

H = Costo de mantener inventario

P = Precio

Q* = Cantidad a ordenar

D = Demanda anual

S = Costo de preparación

I = % del costo de mantener del precio

P = Precio unitario

20

Pronóstico

Es una herramienta fundamental para un manejo adecuado de la cadena de

suministros. Se utiliza para predecir la demanda y así poder tener un mayor control de la

incertidumbre en las tendencias del precio, costo de materias primas y planeación de la

producción. De acuerdo a lo mencionado por la Ingeniera matemática en su artículo

Administración de Operaciones, métodos de pronóstico (Verónica Valera - 2009), realizar

pronósticos debe ser consistente con la filosofía de producción push/pull. La estrategia

Push se enfoca en producir en función a un pronóstico de la demanda o a un itinerario

determinado y la estrategia Pull limita la producción en función a los requerimientos del

consumidor. Los pronósticos se dividen en 3 horizontes, los cuales serán presentados en

el siguiente cuadro.

Tabla N°3: Horizontes de tiempo


Teniendo conocimiento de esto, se llega a la conclusión de que los pronósticos a

utilizar serán los de horizonte a corto plazo, debido a que utilizan metodologías diferentes

y tienden a ser más exactos. Como por ejemplo: Promedios móviles, Suavización

exponencial, Extrapolación con tendencia, entre otros.

Modelos De Decisión Para Pronósticos

Modelo Cualitativo

Jurado de Opinión ejecutiva

Encuesta a la Fuerza de Ventas

Método Delphi

o Proceso grupal iterativo

o Tres tipos de participantes (tomadores de decisión, personal asesor y

encuestados)

21

Encuesta a consumidores de mercado (clientes).

Analogía Histórica

Estudio de Mercado

Modelo Cuantitativo

Los modelos cuantitativos se refiere a lo númerico y de acuerdo a lo mencionado por

la Ing. Matemática en su artículo “Administración de Operaciones, métodos de pronóstico”

(Verónica Valera - 2009). Los modelos cuantitativos se dividen por modelos de serie de

tiempo, los cuales son un conjunto ordenado de múltiples observaciones de una variable

que suelen ser registradas comúnmente a intervalos de tiempos variables (como por

ejemplo promedio simple, promedio ponderado, suavización exponencial, suavización

exponencial doble y estacional multiplicativa) y métodos causales o asociativos (regresión

lineal). Respecto a saber cual elegir, uno se tiene que basar en varios cálculos de medidas

de error para una mejor orientación de cual modelo tomar.Para calcular el error del

pronóstico se utiliza la siguiente fórmula en mención.

El resultado es un margen de error de +- y no es exacto. Otra manera de medir el

error es utilizando el error porcentual absoluto medio (MAPE). Primero se tiene que calcular

el error de cada periodo, luego se divide por el valor real observado para ese periodo y

finalmente se promedian los errores porcentuales. Ideal para datos reales.

También tenemos la desviación absoluta media (MAD) que mide la precisión del

pronóstico al promediar errores y el Mean Squared Error (MSE), en el que cada error se

eleva al cuadrado, luego se suman y se dividen entre el número de observaciones.

22

Finalmente tenemos el de señal de rastreo (TS), el cual se utiliza para demandas

aleatorias. La señal de rastreo no debe superar el rango de +-6 en ningún periodo.

A continuación se presentaran otro tipo de pronósticos los cuales pueden ayudar a

realizar un mejor pronóstico de la demanda, tal y como s emenciona en la tesis de la

ingeniera Hinostroza “Manejo de pronósticos e inventarios para la mejora del desempeño

de la soperaciones en una empresa textil” (Hinostroza Huanay, Lucía – 2016) se van a

mencionar los pronósticos más utilizados y confiables al momento de querer mejor la

gestión de pronósticos de la demanda.

Promedio móvil simple

Se aplica sobre datos históricos de las ventas. Se recomienda utilizarlo cuando presenta

estacionalidad o tendencia.

Pms = promedio móvil simple

Dt – 1 = demanda del periodo pasado

Dt – 2 = demanda de dos periodos atrás

N = número de periodos a promediar o extencia definida

Promedio móvil ponderado

La diferencia con el anterior, es que este método calcula el pronóstico asignando un peso

ponderado a algunos elementos de tiempo por encima de otros.

Pmp = promedio móvil ponderado

Dt – 1 = demanda del periodo pasado

Dt – 2 = demanda de dos periodos atrás

Dt = demanda del periodo t

W = peso (%) que se le dara al valor real

23

Suavizamiento exponencial o aminorado

Se dice que es el más aceptado porque es fácil de formular, se requieren pocos cálculos,

los requisitos para una base histórica son mínimos y las pruebas para la exactitud son

fáciles de calcular.

Pex = pronostico exponencial para el periodo actual

Pγex (t – 1) = pronostico exponencial para el periodo anterior

D (t – 1) = demanda real del periodo anterior

(ᾳ) = tasa deseada de crecimiento de respuesta

(ᾳ) es el parámetro de suavizamiento y su valor varía de 0 – 1. El objetivo de la constante

Atenuación es determinar el grado de velocidad ante el pronóstico y la venta real.

Pex = Pex (t-1) + α (D (t-1) – Pex (t-1))

Pex = α D (t-1) + ((1- α) * Pex (t-1))

P ex (t+1) = Pex + α (D (t-1) – Pex (t))

P ex (t+1) = α D (t-1) + ((1- α) * Pex (t))

Suavizamiento exponencial y tendencia

Para este método se suaviza las estimaciones del promedio y la tendencia. Se realiza con

2 constantes y se calcula el estimado y la tendencia para cada periodo. La segunda

constante será conocida como delta (ᵹ). Para armar la ecuación se debe dar un valor de

forma manual, el cual se puede basar en datos históricos.

24

Análisis de regresión lineal en pronósticos

Permite analizar el impacto de los factores causales en correlación con la demanda del

producto para obtener un estimado. Determina si los cambios de una variable influye en

los cambios de la otra.

Y = a + bX

Y = Valor de la variable dependiente que se busca resolver.

a = intercepción en el eje vertical (y)

b = pendiente de la recta

X = variable independiente o unidades de tiempo

Existen 3 medidas de precisión, las cuales son el coeficiente de correlación lineal de la

muestra, el coeficiente de correlación y el coeficiente de determinación.

r = 𝑛 ∗ ∑ 𝑥 ∗ 𝑦

√(𝑛 ∗ ∑𝑥 2 − (∑𝑥)2)(𝑛 ∗ ∑𝑦 2 − (∑𝑦)2)

Planeamiento de Ventas y Operaciones S&OP

Es una planeación integral entre el área de ventas y operaciones. Toda empresa tiene

recursos finitos, de los cuales esta estrategia se va encargar de determinar como

distribuirlos, definiendo la estructura organizacional, los procesos productivos, entre otras

cosas. Esta estrategia se inicia analizando el presupuesto. Para que esta estrategia marche

25

bien, las áreas involucradas deben pensar en utilizar los recursos en conjunto y no solo en

beneficio a su área.

La planeación de ventas y operaciones debe ser liderada por un comité quienes serán

los encargados de fundamentar los criterios y estrategias competitivas mediante una

planeación táctica con el fin de asegurar el cumplimiento de los objetivos. Ellos serán los

encargados de tomar parte de las funciones determinantes en la creación y consumo de

valor. Una vez que las funciones tienen claro su plan, se debe compartir con el resto de

funciones, incluso con grupos de interés externo de la empresa. Se debe tener en cuenta

que con el pasar del tiempo las funciones pueden cambiar, lo cual dependería de las

condiciones del entorno.

Una característica de esta estrategia de planeamiento es que compromete a los

gestores de las funciones en cumplimiento de desempeño con el fin de incentivar a realizar

las funciones de manera correcta. Es importante reconocer las posibilidades reales de la

planeación de ventas y operaciones de acuerdo al nivel de madurez del negocio para no

generar falsas expectativas. Todo esto se logra a las 5 etapas mencionadas por Julio

Padilla Solis en su artículo “La evolución del planeamiento de ventas y operaciones”

(Padilla Solís, Julio – 2014). Las cuales son Arquitectura del proceso propuesto para el

S&OP, razones de la necesidad del cambio, entradas, salidas y lógica del proceso, lo que

no hay que hacer, etapas del proceso, explotación de las salidas del proceso y factores de

éxito. Teniendo bien definido estos puntos es loque hace un mejor planeamiento de ventas

y operaciones.

OBJETIVOS

Objetivos General

Medir el impacto que se logrará al reducir inventarios de la empresa con la mejora de la

gestión en pronósticos de la demanda.

Objetivos Específicos

Objetivo específico 1:

Medir el ahorro de costos de producción de jeans que se obtendría al reducir inventarios

de la empresa con la mejora de gestión en pronósticos de la demanda.

26


Medir el ahorro económico que se lograría al disminuir cantidad de pedidos del canal

retail al reducir inventarios de la empresa con la mejora de la gestión en pronósticos de la

demanda.


Determinar el ahorro en pago de tiempos extra de operarios al reducir inventarios de la

empresa con la mejora de la gestión en pronósticos de la demanda.


Determinar el ahorro económico al disminuir stock de productos terminados en almacén.

JUSTIFICACIÓN

Teórica

La justificación teórica se basa en los aportes de la investigación para la ingeniería

industrial con el fin de ampliar los conocimientos de los pronósticos de la demanda y la

utilización de la metodología S&OP. Se pretende mejorar la gestión de pronósticos de la

demanda siendo más precisos al reducir los tiempos y costos de la fabricación del producto.

Práctica

La justificación práctica se basa en realizar pronósticos de la demanda del producto

estrella, jean recto para damas, para poder tener un mejor conocimiento de la cantidad

necesaria de productos a fabricar y así reducir tiempos en la fabricación y reducción de

costos de inventario y de pago a horas extras de trabajadores. Por otro lado, con una mayor

precisión de los productos a fabricar se podrá saber la cantidad más exacta para enviar a

las tiendas propias.

Social

La empresa de donde se realiza la investigación es del rubro textil y se encuentra

ubicado en el distrito de San Juan de Lurigancho, Lima, Perú. El impacto de esta tesis será

beneficioso para futuras proyecciones que se quieran realizar en el futuro y así tener un

mejor conocimiento de la demanda del mercado.

27

HIPÓTESIS

HIPÓTESIS REAL NULA

GENERAL

El uso de pronósticos de la demanda reducirá inventarios de la empresa textil

El uso de pronósticos de la demanda no reducirá inventarios de la empresa textil.

ESPECÍFICA

El uso de pronósticos de la demanda generará un ahorro de costos en la producción de jeans

El uso de pronósticos de la demanda no generará un ahorro de costos en la producción de jeans.

El uso de pronósticos de la demanda lograría disminuir cantidad de pedidos del canal retail al reducir inventarios.

El uso de pronósticos de la demanda no lograría disminuir cantidad de pedidos del canal retail al reducir inventarios.

El uso de pronósticos de la demanda generará un ahorro en pago de tiempos extra de operarios al reducir inventarios.

El uso de pronósticos de la demanda no generará un ahorro en pago de tiempos extra de operarios al reducir inventarios.

El uso de pronósticos de la demanda generará un ahorro económico al disminuir stock de de productos terminados en almacén.

El uso de pronósticos de la demanda no generará un ahorro económico al disminuir stock de productos terminados en almacén.

Tabla N°4: Hipótesis

Fuente: Elaboraricón propia

28

MATRIZ DE CONSISTENCIA

PROBLEMA OBJETIVOS HIPOTESIS VARIABLES INDICA- DORES

METODOLOGÍA

Problema general Objetivo general Hipótesis general Independiente Tipo

¿Cuál es el impacto que se genera al reducir inventarios de la empresa


Medir el impacto que se logrará al reducir inventarios de la empresa con

la mejora de la gestión en pronósticos de la demanda.

El uso de pronósticos de la demanda reducirá inventarios de

la empresa textil

Pronósticos de la

demanda

Reducción de costos

Tipo de investigación

Correlacional bi- variada

Problema específico Objetivo específico Hipótesis específica Dependiente Método

¿Cuánto es el ahorro de costos de producción que se obtendría al

reducir inventarios de la empresa con la mejora de la gestión en pronósticos de la demanda?

Medir el ahorro de costos de producción de jeans que se obtendría al reducir inventarios de la empresa

con la mejora de gestión en pronósticos de la demanda.

El uso de pronósticos de la

demanda generará un ahorro de costos en la producción de jeans

Reducción de

inventarios

Mejora de tiempos de

pago

El método es cuantitativa

¿Cuál sería el ahorro económico que se lograría al disminuir la

cantidad de pedidos del canal retail al reducir inventarios de la empresa


Medir el ahorro económico que se lograría al disminuir cantidad de pedidos del canal retail al reducir inventarios de la empresa con la

mejora de la gestión en pronósticos de la demanda.

El uso de pronósticos de la demanda lograría disminuir

cantidad de pedidos del canal retail al reducir inventarios.

¿Cuánto es el ahorro económico en pago de tiempos extra de operarios al reducir inventarios de la empresa


Determinar el ahorro en pago de tiempos extra de operarios al reducir

inventarios de la empresa con la mejora de la gestión en pronósticos

de la demanda.

El uso de pronósticos de la demanda generará un ahorro en

pago de tiempos extra de operarios al reducir inventarios.

Reducir la variación

del pronóstico con lo real

¿Cuánto es el ahorro económico al disminuir stock de productos

terminados en almacén recudiendo inventarios?

Determinar el ahorro económico al disminuir stock de productos

terminados en almacén.

El uso de pronósticos de la demanda generará un ahorro

económico al disminuir stock de productos terminados en almacén.

Tabla N°5: Matriz de consistencia


29

MARCO METODOLÓGICO

Metodología

El siguiente trabajo de tesis se realizará utilizando una metodología cuantitativa, en

el cual se analizará el impacto en tiempos y costos al implementar una mejora en la

gestión de pronósticos de la demanda.

Paradigma

El estudio es de paradigma positivista y tendrá un alcance correlacional bi-variable.

Es decir, se estudiarán dos variables dentro del área de estudio: Pronósticos de demanda

y reducción de inventarios.

Enfoque

El enfoque es cuantitativo debido a que tiene resultados numéricos en función a

datos estadísticos los cuales han sido observados. Con estos resultados es que se

podrán plantear una solución al problema.

Método

El método es cuasi experimental debido a que se trabajará con un muestreo pre-

seleccionado, el cual es el personal operativo encargo de las funciones diarias para la

fabricación de los jeans.

VARIABLES

Independiente

La variable independiente es el pronóstico de la demanda porque no dependen de

otra variable para realizar su función. En cambio, la otra variable si depende de esta. Su

función será tener una mejor proyección más acertada de la cantidad necesaria para

vender sin incurrir en muchos gastos y tiempos.

30

Dependiente

En este caso la variable dependiente es la reducción de inventarios y está sujeta al

cambio que realice la variable dependiente. Es la variable que demostrará si funcionó el

método a aplicar y de ese modo descubrir si las hipótesis fueron correctas y se cumplieron

los objetivos.

POBLACIÓN Y MUESTRA

Población y Muestra

La problación a estudiar se basará en el personal del área de operaciones que

trabajan en el proceso de fabricación de jeans.

Muestra

En este caso la muestra a utilizar son los 24 operarios que trabajan en el área de

operaciones.

UNIDAD DE ANÁLISIS

Todos los operarios que participan en la fabricación de jeans para dama de la

empresa ABC.

INSTRUMENTOS Y TÉCNICAS

Instrumentos

La empresa ABC desea implementar mejoras para continuar en su crecimiento

como empresa y en este año 2017 se decidió realizar una encuesta a los trabajadores la

cual será utilizada en esta tesis para demostrar la importancia de realizar un mejor

pronóstico de la demanda y así tener una mejor proyección de las ventas reales y reducir

tiempos y costos de producción. En dicha encuesta se calificará del 0 al 2. Siendo el 2

más importante y el 0 menos importante con el fin de validar la importancia de

implementar pronósticos.

31

Letra Opción Ponderación

A De acuerdo 2

B Parcialmente de acuerdo 1

C Desacuerdo 0

Tabla N°6: Ponderación de encuesta


N° PREGUNTAS

1 ¿Considera que el método de pronóstico actual para proyectar la demanda no es el más apropiado?

2 ¿Se utiliza suficiente data histórica de las ventas de periodos anteriores para estimar la demanda?

3 ¿La proyección realizada cubre de manera correcta la demanda de locales de canal propio?

4 ¿Se deben priorizar los pedidos de canal retail?

5 ¿Se ha presentado sobre costos por exceso de pedidos de canal retail?

6 ¿Se ha presentado sobrecarga laboral por exceso de pedidos de canal retail?

7 ¿Se ha presentado sobre costos por exceso de productos en stock?

8 ¿Consideran que se debe realizar una nueva gestión en los pronósticos de inventario?

Técnicas

Tabla N°7: Encuesta


Se realizó el cálculo de confiabilidad del software estadístico “SPSS versión 22” el

cual demuestra que si es confiable por ser mayor a 0.80.

Figura N°7: SPSS

Fuente: Programa estadístico SPSS 22

32

PROCEDIMIENTOS Y MÉTODO DE ANÁLISIS

Procedimiento

Se muestra la serie de respuestas realizadas por los 24 operarios.

Personas / preguntas

1 2 3 4 5 6 7 8

1 A A B A A A A A

2 A A A A A A A A

3 A B A B A A A B

4 A A B B A A A A

5 B A B B A A B B

6 A A A A A A A B

7 A A A A A A A A

8 B B B B B B A A

9 A A B B B A A B

10 B A B B B A B B

11 A A A A A A A A

12 A A A A A A A A

13 A B B B B B B B

14 B A B B A B A A

15 A A B A A A A A

16 A A B A A B B A

17 A A A B A A B A

18 A A A A A A A A

19 B A B A B B A B

20 A B B A A A B A

21 A A B A A A A A

22 A A A A A B A A

23 B B B B B B B B

24 B B A B B B B B

Tabla N°8: Respuestas de encuesta

Fuente: Instrumento de la universidad técnica de Ambato, Ecuador.

33

Método de análisis

Al tener la respuesta de los cuestionarios se procedió a darle un monto un valor a

cada respuesta. Se detalla en la tabla siguiente:

Personas / preguntas

1 2 3 4 5 6 7 8 total

1 2 2 1 2 2 2 2 2 15

2 2 2 2 2 2 2 2 2 16

3 2 1 2 1 2 2 2 1 13

4 2 2 1 1 2 2 2 2 14

5 1 2 1 1 2 2 1 1 11

6 2 2 2 2 2 2 2 1 15

7 2 2 2 2 2 2 2 2 16

8 1 1 1 1 1 1 2 2 10

9 2 2 1 1 1 2 2 1 12

10 1 2 1 1 1 2 1 1 10

11 2 2 2 2 2 2 2 2 16

12 2 2 2 2 2 2 2 2 16

13 2 1 1 1 1 1 1 1 9

14 1 2 1 1 2 1 2 2 12

15 2 2 1 2 2 2 2 2 15

16 2 2 1 2 2 1 1 2 13

17 2 2 2 1 2 2 1 2 14

18 2 2 2 2 2 2 2 2 16

19 1 2 1 2 1 1 2 1 11

20 2 1 1 2 2 2 1 2 13

21 2 2 1 2 2 2 2 2 15

22 2 2 2 2 2 1 2 2 15

23 1 1 1 1 1 1 1 1 8

24 1 1 2 1 1 1 1 1 9

VARIANZA 0.2156 0.1957 0.2536 0.2591 0.2156 0.2319 0.2319 0.2446 6.6014

Tabla N°9: Valores de las respuestas de la encuesta

Fuente: Instrumento de la universidad técnica de Ambato, Ecuador.

Obteniendo las varianzas se puede aplicar la fórmula indicada para encontrar el

alfa.

34

𝑡

𝑡

α = Coeficiente de alfa Cronbach

K = Número de preguntas = 8=

𝑆2 = Varianza de la suma de las preguntas = 6.6014

𝑆2 = Sumatoria de varianza de las preguntas = 1.8478

Reemplazando los datos por la fórmula se obtiene lo siguiente:

α = 8

(1 − 81.8478

7 6.6014 )

α = 0.823

Figura N°8: Correlación Pearson


Figura N°9: Correlación Spearman


35

En ambas correlaciones estadísticas, tanto para la de Pearson como la

deSpearman, se demuestra su significancia en el nivel de 0.05

RESULTADOS

Se realizará un análisis de cada pregunta con el fin de mostrar la opinión de los

operarios y así ver si es importante realizar una mejora en la gestión de pronósticos de

inventarios.

Pregunta 1: ¿Considera que el método de pronóstico actual para proyectar la

demanda no es el más apropiado?

Como se puede apreciar en la tabla y la figura, más del 70% están de acuerdo con

que el método actual no es el más apropiado

Respuestas Cantidad Porcentaje Porcentaje acumulado

A 17 71% 71%

B 7 29% 100%

C 0 0% 100%

Total 24 100% 100%

Tabla N°10: Respuesta porcentual de la pregunta 1


Figura N°10: Gráfica de la pregunta 1


Pregunta 2 ¿Se utiliza suficiente data histórica de las ventas de periodos anteriores

para estimar la demanda?

Porcentaje

0%

29%

71%

A B C

36

Como se puede apreciar, el 75% de trabajadores está de acuerdo con que se utiliza

suficiente data histórica para realizar un buen pronóstico de la demanda.


A 18 75% 75%

B 6 25% 100%

C 0 0% 100%

Total 24 100% 100%





Pregunta 3 ¿La proyección realizada cubre de manera correcta la demanda de

locales de canal propio?

Como se puede apreciar más de la mitad no consideran que cubre la demanda de

manera correcta.


A 10 42% 42%

B 14 58% 100%

C 0 0% 100%

Total 24 100% 100%



Porcentaje

0%

25%

75%

A B C

37



Pregunta 4 ¿Se deben priorizar los pedidos de canal retail?

Esta es posiblemente le pregunta más complicada de todas. Los clientes

mayoristas, que vienen a ser los de canal retail, son quienes tienen prioridad en sus

pedidos y eso hace que los trabajadores terminen incurriendo en las horas extras y eso

lo demuestran en la encuesta. Poco más de la mitad está segura de que si se le debe dar

prioridad. Es por ese motivo la importancia de realizar mejores pronósticos de la demanda

para poder sustentarles con data histórica a los de canal retail que no venden todo lo que

piden y así ambos podrían beneficiarse.


A 13 54% 54%

B 11 46% 100%

C 0 0% 100%

Total 24 100% 100%



Porcentaje

0%

42%

58%

A B C

38



Pregunta 5 ¿Se ha presentado sobre costos por exceso de pedidos de canal

retail?

Más del 70% de los trabajadores tiene conocimiento de lo que sucede en la

sobreproducción y es por ese motivo de importancia de los pronósticos y poder de

negociación para realizar una buena propuesta que sea beneficiosa para ambas partes.


A 17 71% 71%

B 7 29% 100%

C 0 0% 100%

Total 24 100% 100%



Porcentaje

0%

46%

54%

A B C

39



Pregunta 6 ¿Se ha presentado sobrecarga laboral por exceso de pedidos de canal

retail?

Casi 2/3 de los trabajadores aceptan la situación actual con los canales de retail y

el otro 1/3 de los trabajadores está parcialmente de acuerdo.


A 16 67% 67%

B 8 33% 100%

C 0 0% 100%

Total 24 100% 100%





Porcentaje

0%

29%

71%

A B C

Porcentaje

0%

33%

67%

A B C

40

Pregunta 7 ¿Se ha presentado sobre costos por exceso de productos en stock?

El 67% de los trabajadores tiene conocimiento de que ese indicador es el que ha

hecho de que el área de operaciones se de cuenta que no está haciendo precisamente

el trabajo más óptimo y por ese motivo es que saben que se debe de mejorar la gestión

de los pronósticos de la demanda


A 16 67% 67%

B 8 33% 100%

C 0 0% 100%

Total 24 100% 100%





Pregunta 8 ¿Consideran que se debe realizar una nueva gestión en los pronósticos

de inventario?

2/3 de las personas entrevistadas aprueban el cambio y el resto está parcialmente

de acuerdo. No hay saldo negativo.

Porcentaje

0%

33%

67%

A B C

41


A 16 67% 67%

B 8 33% 100%

C 0 0% 100%

Total 24 100% 100%





Luego de ver cada una de las respuestas de manera individual se ha logrado

comprobar la aceptación de los trabajadores y necesidad de la empresa en mejorar la

gestión de pronósticos de la demanda para poder reducir costos y tiempos al momento

de fabricar pantalones de jean.

Teniendo conocimiento de que ahora se tiene la aprobación para realizar la gestión

de pronósticos de la demanda se realizó una clasificación ABC para poder evaluar cual

de los productos que fabrican tiene mayor importancia y entre ellos salió el jean para

dama de corte recto, dejando como no tan importantes la fabricación de polos y casacas.

Jeans para dama de corte recto (A).

Casacas de jean (B):

Polos ( C).

Porcentaje

0%

33%

67%

A B C

42

Figura N°18: Pareto


Sabiendo cual es el producto del que se va realizar la tesis se optó por utilizar la

herramienta de calidad mejor conocida como Diagrama de Ishikawa para saber cuales

son los problemas principales.

Figura N°19: Diagrama de Ishikawa


43

Teniendo los problemas bien identificados es que se puede proceder con la correcta

gestión de pronósticos de la demanda pero antes de comenzar es importante tener en

cuenta la siguiente herramienta de calidad para que su proceso de producción sea más

efectivo. La herramienta a utilizar son las 5S, también conocido como housekeeping y

son las siguientes:

Figura N° 20: Las 5 S

Fuente: Las 5s pilares de la fábrica visual

El propósito de utilizar esta herramienta es con el fin de aplicarla en el proceso de

fabricación del jean para poder tener un mayor rendimiento, producri menos defectos,

cumplir mejor los plazos y más segura. A continuación se realizará una breve explicación

de cada una de las 5S.

Seiri, también conocido como arreglo apropiado u organización, consiste en utilizar

lo necesario y así poder eliminar todo lo no necesario para evitar la compra innecesaria

de la tela y suministros. El saber que es lo que se necesita y lo que no, se evita tener

exceso de inventario que origine gastos extras y se obtiene más espacio libre. Ese tipo

de organización también puede servir para saber elegir la tela necesaria y clasificarla al

momento de los envíos a los talleres, tanto para la materia prima como para productos

terminados, evaluar el tizado y la costura correcta.

Otro paso a realizar es Seiton, también conocido como orden. Se puede definir

como la organización de los elementos y se debe aplicar de forma paralela con la

44

organización. Seiton consiste en tener todas las herramientas y máquinas a utilizar en su

ubicación correspondiente, de ese modo se puede mantener el orden y la cantidad

necesaria de tela para no dejar muchos retazos o merma innecesaria. Con respecto a los

productos terminados, en el momento que se vayan a almacenar se debe especificar no

solo la ubicación de los mismos, sino que también el número máximo de jeans por caja y

el número máximo de cajas.

El tercer paso a realizar es Seiso, también conocido como limpieza. Está

comprobado que las personas se sienten más cómodas al trabajar en un ambiente limpio

para una mayor productividad, es por eso la importancia del constante mantenimiento de

las máquinas y aseo de los lugares de trabajo. El aseo a las máquinas también ayuda a

descubrir defectos de funcionamiento por la introducción de polvo, lubricación

inadecuada, entre otros problemas.

El cuarto paso a realizar es Seiketsu, también conocido como limpieza

estandarizada. Este paso solo se logra cuando se vienen trabajando de manera constante

los 3 pasos anteriores que son organización, orden y limpieza. Esto paso no es que se

realice una actividad como tal, sino que va más referido al trabajador, quien debe estar

con la ropa adecuada para el trabajo y plantearse maneras de como continuar

manteniendo el orden y limpieza en el trabajo.

El quinto paso a realizar Shitsuke, también conocido como disciplina. Como su

mismo nombre lo dice, consiste en mantener esta filosofía en el trabajo con el fin de

realizar un mejor trabajo y obtener mejores resultados. Tiene que convertirse en un hábito

con el fin de mantener en constante funcionamiento las 5S.

Los beneficios de esta filosofía de trabajo generan reducción de costos de

mantenimiento por tener menor nivel de inventarios, cero despilfarros, crecimiento de

fiabilidad del equipo al tener menor número de averías y menor número de productos

defectuosos, reducción de accidentes y crecimiento del tiempo medio entre fallas como

traslados inútiles y cambio de herramientas. Todo esto genera un aumento de confianza

al trabajador con la posibilidad de cometer menos errores, genera mejor calidad de trabajo

y muestra un crecimiento corporativo.

45

A continuación se mostraran los objetivos trazados en la tesis y demostrar que las

hipótesis que se mostraron en su momento son viables y con respaldo de data histórica.

PROPUESTAS DE MEJORA

OBJETIVO 1

Medir el ahorro de costos de producción de jeans que se obtendría al reducir

inventarios de la empresa con la mejora de gestión en pronósticos de la demanda.

Los resultados a presentar se basarán en los pronósticos utilizados para cumplir

con los objetivos trazados y así poder determinar si las hipótesis fueron válidas. A

continuación mencionaré los 3 pronósticos utilizados:

Suavización Exponencial con Tendencia y Estacionalidad Multiplicativa

(Holt-Winters).

Suavización Exponencial con Tendencia.

Pronóstico con Promedio Móvil Simple y Factor Estacional.

Se realizaron los pronósticos mencionados con el fin de ver cuál de todos es el que

tiene el menor porcentaje medio absoluto (EPMA). Al notar que la data histórica si tiene

tendencia fue claro que el que presenta menor EPMA es el de Suavización Exponencial

con Tendencia y Estacionalidad multiplicativo (Holt-Winters) obteniendo un porcentaje de

4.9%, un alfa de 3,18%, un beta de 38,35% y un gamma de 59.76%. Para lograr realizar

el pronóstico se utilizaron las siguientes fórmulas.

En la tabla N°18 se demuestra que el pronóstico propuesto es mejor que el que se

utiliza actualmente. Se presentan las ventas reales de enero a julio del 2017, a su costado

la cantidad de jeans que se hubieran fabricado si se hubiera utilizado el pronóstico

propuesto, seguido de la cantidad de jeans producidos con el pronóstico que utilizan

actualmente y al final tenemos una desviación porcentual de ambos pronósticos con las

ventas reales. Lo que se desea mostrar es que el pronóstico propuesto tuvo una

desviación más pequeña con las ventas reales, lo que demuestra que el nuevo método

es más preciso que el anterior. Los porcentajes totales con el promedio absoluto del año.

46

MES

VENTAS REALES

2017

PRONÓSTICO PROPUESTO

PRON.

ACTUAL

DESVIACIÓN % de PRON.

PROPUESTO CON VENTAS

REALES:

DESVIACIÓN % DE PRON.

ACTUAL CON VENTAS REALES

ENERO 18435 18524 18753 0.48% 1.72%

FEBRERO 18798 18813 19668 0.08% 4.63%

MARZO 21343 19895 19865 -6.78% -6.92%

ABRIL 19853 19885 20424 0.16% 2.88%

MAYO 20484 20584 21479 0.49% 4.86%

JUNIO 28232 28301 29158 0.24% 3.28%

JULIO 35456 35481 35787 0.07% 0.93%

TOTAL 162601 161483 165134 0.75% 1.63%

Tabla N°18: Variación de pronósticos


En la tabla N°19 lo que se pretende mostrar es la desviación entre ambos

pronósticos, donde demuestra que el método actual fabrican una mayor cantidad. Por

otro lado, el motivo pro el cual se colocaron las ventas de años pasados es para demostrar

algo muy común al momento de pronosticar las ventas; uno siempre quiere vender más

y es por eso que el método actual consiste en sacarle un promedio del mismo mes de los

3 últimos años y multiplicarlo por el porcentaje de crecimiento del PBI el cual en su

momento fue de 3.5%. Sin embargo, que el PBI se haya incrementado no significa que

suceda exactamente lo mismo con las empresas. Hay ocasiones como en este caso que

en vez de aumentar termina disminuyendo.

UNIDADES

MES AÑO 2014

AÑO 2015

AÑO 2016

PRONOSTICO PROPUESTO

PRON. ACTUAL

DESVIACIÓN %

ENERO 17436 17946 18973 18524 18753 1.24%

FEBRERO 18952 19753 18302 18813 19668 4.54%

MARZO 17877 18947 20754 19895 19865 -0.15%

ABRIL 19174 20130 19893 19885 20424 2.71%

MAYO 22901 18775 20583 20584 21479 4.35%

JUNIO 27369 28933 28214 28301 29158 3.03%

JULIO 32922 34168 36639 35481 35787 0.86%

AGOSTO 38010 38333 39158 38822 39849 2.65%

SETIEMBRE 33419 30437 32017 31921 33077 3.62%

OCTUBRE 30404 28608 29906 29728 30677 3.19%

NOVIEMBRE 22626 24764 25625 24974 25191 0.87%

DICIEMBRE 18335 19112 20373 19784 19949 0.83%

TOTAL 299425 299906 310437 306712 313877 2.31%

Tabla N°19: Pronóstico Holt-Winters


47

Como se puede apreciar, la variación del nuevo pronóstico (Holt-Winters) en

comparación con el pronóstico actual de la empresa hubo una desviación promedio anual

del 2.31%, lo cual trae una diferencia de costos en suministros bastante considerable.

Corroborando que el pronóstico es el adecuado, se hace una evaluación de costo por

fabricación de jean, el cual es de S/.50.15, en función a las cantidades pronosticadas.

SOLES

MES PRON. PROPUESTO PRON. ACTUAL VARIACIÓN MONETARIA

ENERO 928,978.60 940,462.95 -11,484.35

FEBRERO 943,471.95 986,350.20 -42,878.25

MARZO 997,734.25 996,229.75 1,504.50

ABRIL 997,232.75 1,024,263.60 -27,030.85

MAYO 1,032,287.60 1,077,171.85 -44,884.25

JUNIO 1,419,295.15 1,462,273.70 -42,978.55

JULIO 1,779,372.15 1,794,718.05 -15,345.90

AGOSTO 1,946,923.30 1,998,427.35 -51,504.05

SETIEMBRE 1,600,838.15 1,658,811.55 -57,973.40

OCTUBRE 1,490,859.20 1,538,451.55 -47,592.35

NOVIEMBRE 1,252,446.10 1,263,328.65 -10,882.55

DICIEMBRE 992,167.60 1,000,442.35 -8,274.75

TOTAL 15,381,606.80 15,740,931.55 -359,324.75

Tabla N°20: Ahorro de costos en canal propio


Como se aprecia en la tabla N°20, se ve una diferencia de S/.359,324.75 anual, la

cual se logró con la sumatoria de las multiplicaciones de las cantidades producidas al mes

por el costo de producción del jean (S/.50,15). Esto demuestra la importancia de realizar

una mejor gestión en pronósticos y así poder evitar costos de producción innecesarios.

Por tal motivo, de este modo se demuestra que el primer objetivo ha sido cumplido.

OBJETIVO 2

Medir el ahorro económico que se lograría al disminuir la cantidad de pedidos

del canal retail con la mejora de la gestión en pronósticos de la demanda.

Siguiendo con el segundo objetivo, en base a la data histórica, se quiere proponer

a las tiendas de retail darles menos jeans de los que solicitan sin alterar su nivel de ventas.

El acuerdo con los canales de retail es que ellos solicitan una cantidad de jeans que ponen

a la venta y todo lo que no se venda se devuelve a la empresa ABC. Dado el poder de

negociación que los canales de retail tienen es que tienden a solicitar cantidades elevadas

48

con el fin de tener un colchón de seguridad. El objetivo es convencerlos, en base a la

propuesta de pronósticos, de aceptar esta propuesta que genere un beneficio para

ambos. A continuación se presentan tablas que demuestran que el pronóstico propuesto

indica que la demanda de los jeans es menor a la solicitada por los canales de retail. Sin

embargo, como inicio de cara para una mejor negociación en el futuro no se va pretender

brindarles lo que dice el pronóstico realizado, sino que en el caso con Oeschle se

pretende reducir en rangos de 500 unidades y dejando margen de error en caso aumenten

las ventas en ese mes. En este caso se obtuvo un EPMA de 3.1%, un alfa de 12.18%, un

beta de 35.73% y un gama de 52.09%. Cabe indicar que el ahorro en costos es la

multiplicación de la desviación del pronóstico de canales retail con las ventas y el costo

de fabriación, el cual es S/.50,15, del jean.

En la tabla N° 21 se demuestra los resultados del pronóstico propuesto en función

a las ventas de años pasados, la cantidad de jeans que suele solicitar Oeschle y la

propuesta de venta que se le quiere proponer para ahorrar costos. En base a esos datos

se hace una desviación de los pronósticos de retail con las ventas y esa diferencia se

multiplica con los costos de producción y de ese modo poder saber el monto a ahorra de

manera mensual y anual.

OESCHLE

MES PRONOSTICO PROPUESTO

SOLICITUD OESCHLE

PROPUESTA DE VENTA

DESVIACION DE SOL. OESCHLE / P.

VENTA

AHORRO EN COSTOS

ENERO 3846 5000 4500 500 25,075.00

FEBRERO 3799 5000 4500 500 25,075.00

MARZO 3907 5000 4500 500 25,075.00

ABRIL 4118 5500 4500 1000 50,150.00

MAYO 4491 5500 5000 500 25,075.00

JUNIO 5183 5500 5500 0 -

JULIO 6352 7000 6500 500 25,075.00

AGOSTO 7304 7000 7500 -500 -25,075.00

SETIEMBRE 6755 7000 7000 0 -

OCTUBRE 5567 5500 5700 -200 -10,030.00

NOVIEMBRE 4958 5500 5200 300 15,045.00

DICIEMBRE 4519 5500 5000 500 25,075.00

TOTAL 60799 69000 65400 3600 180,540.00

Tabla N°21: Pronóstico de Oeschle


Lo mismo se aplica para el caso de Ripley, con diferencia de que ya no serán por

rangos de cada 500 unidades sino que en esta ocasión será por rangos de 100. El ahorro

49

anual en costos de materia prima y suministros se encuentra en la columna de Ahorro en

costos. En este caso se obtuvo un EPMA de 4.8%, un alfa de 12.5%, un beta de 35.86%

y un gama de 52.09%.

RIPLEY


SOLICITUD REPLEY

PROPUESTA DE VENTA

DESVIACION DE P. RIPLEY / P. VENTA

AHORRO EN COSTOS

ENERO 2105 2500 2400 100 5,015.00

FEBRERO 2152 2500 2400 100 5,015.00

MARZO 2277 2500 2500 0 -

ABRIL 2268 3000 2800 200 10,030.00

MAYO 2450 3000 2800 200 10,030.00

JUNIO 2905 3000 3200 -200 -10,030.00

JULIO 3652 4500 4000 500 25,075.00

AGOSTO 4210 4500 4500 0 -

SETIEMBRE 3658 4500 4000 500 25,075.00

OCTUBRE 3015 3000 3200 -200 -10,030.00

NOVIEMBRE 2757 3000 3200 -200 -10,030.00

DICIEMBRE 2520 3000 3200 -200 -10,030.00

TOTAL 33969 39000 38200 800 40,120.00

Tabla N° 22: Pronóstico de Ripley


Finalmente se realiza lo mismo para el canal retail de Paris en donde el rango va

de 50 en 50 para acortar diferencias al momento de fabricar jeans. En este caso se obtuvo

un EPMA de 5.1%, un alfa de 9.34%, un beta de 38.64% y un gama de 50.02%.

50

PARIS


SOLICITUD PARIS

PROPUESTA DE VENTA

DESVIACION DE S.PARIS/P.VENTA

AHORRO EN COSTOS

ENERO 2077 2500 2350 150 7,522.50

FEBRERO 2094 2500 2350 150 7,522.50

MARZO 2140 2500 2500 0 -

ABRIL 2292 2500 2500 0 -

MAYO 2348 3000 2500 500 25,075.00

JUNIO 2738 3000 3000 0 -

JULIO 3416 3500 3600 -100 -5,015.00

AGOSTO 3928 4500 4300 200 10,030.00

SETIEMBRE 3662 4500 4000 500 25,075.00

OCTUBRE 2890 3500 3300 200 10,030.00

NOVIEMBRE 2594 3000 3000 0 -

DICIEMBRE 2419 3000 2700 300 15,045.00

TOTAL 32598 38000 36100 1900 95,285.00

Tabla N°23: Pronóstico de Paris


Teniendo conocimiento de los ahorros a nivel individual de cada local de retail es

que se hace una nueva tabla del total de los 3 locales y así poder ver cuanto es el ahorro

económico que se obtendría al reducir los pedidos realizados por ellos.

TOTAL DE LOCALES RETAIL

MES SOLICITUD RETAILS

PROPUESTA DE VENTA

DESVIACION DE S.RETAIL / VENTA PROPUESTA

AHORRO EN COSTOS

ENERO 10000 9250 750 37,612.50

FEBRERO 10000 9250 750 37,612.50

MARZO 10000 9500 500 25,075.00

ABRIL 11000 9800 1200 60,180.00

MAYO 11500 10300 1200 60,180.00

JUNIO 11500 11700 -200 -10,030.00

JULIO 15000 14100 900 45,135.00

AGOSTO 16000 16300 -300 -15,045.00

SETIEMBRE 16000 15000 1000 50,150.00

OCTUBRE 12000 12200 -200 -10,030.00

NOVIEMBRE 11500 11400 100 5,015.00

DICIEMBRE 11500 10900 600 30,090.00

TOTAL 146000 139700 6300 315,945.00

Tabla N°24: Pronóstico del total de canales de retail


Como se aprecia en la tabla N° 24, la cantidad de ahorro anual es de S/315945 y

de ese modo se vuelve a demostrar la importancia de una correcta gestión de invetarios

que demuestre una cantidad más acertada a fabricar y así poder generar un ahorro

51

económico. De este modo se cumple con el segundo objetivo al demostrar que si hay un

ahorro económico.

OBJETIVO 3

Determinar el ahorro en pago de tiempos extra de operarios al reducir

inventarios de la empresa con la mejora de la gestión en pronósticos de la

demanda.

Con respecto a este objetivo, se tomará como referencia información

exclusivamente brindada por la empresa. En el cuadro se muestra información sobre la

cantidad de operarios que laboran fabricando los jeans, H-H trabajadas, semanas

trabajadas, costo de H-H por operario, entre otros.

INFORMACIÓN CANTIDAD NUMERACIÓN

Horas de trabajo diarias 8 Horas

Días de trabajo semanales 6 Días

Cant. De semanas 4 Semanas

Costo H-H 8 Soles/hora

Costo H-H extra 12 Soles/hora

Cant. Producida por hora 4 Jeans/Operario

Cantidad de operarios 24 Operarios

Tabla N°25: Tiempo de trabajo y costos/hora


Por lo tanto:

INFORMACIÓN CANTIDAD NUMERACIÓN

Cantidad de Jeans producidos 4608 Jeans/Semana

Cantidad de Jeans producidos 18432 Jeans/Mes

Tabla N°26: Cantidad de jeans/mes


Al conocer la cantidad de jeans fabricados de manera mensual se puede apreciar

que en ambos pronósticos, tanto para el pronóstico propuesto (Pronóstico Holt-Winters)

como el pronóstico que se viene utilizando hasta la fecha (Pronóstico Actual), exceden el

número total de jeans que se fabrican al mes sin incurrir en horas extras. Teniendo

conocimiento de ello, se hizo un cuadro mostrando las ventas reales del año 2017 y de

los 2 pronósticos ya mencionados. Se puede apreciar que de los 7 primeros meses de

los cuales se tiene la información de las ventas reales, el pronóstico más cercano es el

52

propuesto en la tesis y por ese motivo se hace una comparación con el pronóstico que

realiza la empresa para ver la diferencia de jeans que se pudieron haber dejado de

fabricar para evitar costos innecesarios. En la columna 5 se muestra la diferencia de

ambos pronósticos y en la sexta columna (Diferencia de costos) se muestra el total de

dinero que se está pagando por las horas extra a los trabajadores, teniendo un total de

ahorro de casi S/.21 495 anuales en canal propio.

MES VENTAS

2017 PRONOSTICO PROPUESTO

PRON. ACTUAL

DIFERENCIA DE PRONOSTICOS

DIFERENCIA DE COSTOS

ENERO 18435 18524 18753 229 687.00

FEBRERO 18798 18813 19668 855 2,565.00

MARZO 21343 19895 19865 -30 -90.00

ABRIL 19853 19885 20424 539 1,617.00

MAYO 20484 20584 21479 895 2,685.00

JUNIO 28232 28301 29158 857 2,571.00

JULIO 35456 35481 35787 306 918.00

AGOSTO - 38822 39849 1027 3,081.00

SETIEMBRE - 31921 33077 1156 3,468.00

OCTUBRE - 29728 30677 949 2,847.00

NOVIEMBRE - 24974 25191 217 651.00

DICIEMBRE - 19784 19949 165 495.00 162601 306712 313877 7165 21,495.00

Tabla N°27: Ahorro económico de horas extra en canal propio


MES DEJAR DE PRODUCIR

DIFERENCIA DE COSTOS S/

ENERO 750 1187.5

FEBRERO 750 1187.5

MARZO 500 791.67

ABRIL 1200 1900

MAYO 1200 1900

JUNIO -200 -316.67

JULIO 900 1425

AGOSTO -300 -475

SETIEMBRE 1000 1583.33

OCTUBRE -200 -316.67

NOVIEMBRE 100 158.33

DICIEMBRE 600 950

TOTAL 6300 9974.99

Tabla N°28: Ahorro económico de horas extra en canal retail


53

También se toma en cuenta el ahorro por parte de canal retail (Oeschle, Ripley y

Paris) que se muestra en la tabla N° 28. Por ende, el total de ahorro por horas extra

trabajadas es de S/. 31469.99 que equivalen a 2622.50 horas.

MES HORAS EXTRA

CANT. DEJAR DE PRODUCIR

DIFERENCIA DE COSTOS S/

ENERO 163.17 979 1874.5

FEBRERO 267.5 1605 3752.5

MARZO 78.33 470 701.67

ABRIL 289.83 1739 3517

MAYO 349.17 2095 4585

JUNIO 109.5 657 2254.33

JULIO 201 1206 2343

AGOSTO 121.17 727 2606

SETIEMBRE 359.33 2156 5051.33

OCTUBRE 124.83 749 2530.33

NOVIEMBRE 52.83 317 809.33

DICIEMBRE 127.5 765 1445

TOTAL 2244.16 13465 31469.99

Tabla N°29: Ahorro económico de horas extra en canal propio y retail


De este modo, en el tercer objetivo se demuestra la importancia de una correcta

gestión de inventarios. Gracias al pronóstico propuesto queda expuesto el exceso de

horas extra que se pagan a los colaboradores por fabricar cantidades innecesaria.

OBJETIVO 4

Determinar el ahorro económico al disminuir stock de productos terminados

en almacén.

Al reducir inventarios no solo se está ahorrando costos al comprar materia prima y

contratar mano de obra; sino que también se está disminuyendo el costo de mantener

productos terminados en almacén. Al aplicar el nuevo pronóstico de holt-Winters se puede

ver la clara diferencia de cantidades a producir entre los pronósticos actuales y los

propuestos. La diferencia de esas cantidades se multiplica por el costo de mantener, ese

costo de mantener es un porcentaje que se obtiene mediante una fórmula en donde se

dividen todos los gaston que hay en el almacen (Sueldos/tiempoextra, prestaciones de

ley, gastos de luz, papelería, depreciación de activos asignados al almacen, teléfono/

internet, gasto de instalación, costo de demoras, renta de superficie, mermas, entre otros)

54

entre el costo de la producción del inventario que se encuentra dentro del almacén y da

como resultado el 10% aproximadamente. Finalmenete se puede obervar que el ahorro

anual en canal propio es de S/.35,932.48.

MES PRONÓSTICO PROPUESTO

PRON.OSTICO ACTUAL

DESVIACIÓN DE

PRONOSTICOS

COSTO DE MANTENER

ENERO 18524 18753 229 1,148.44

FEBRERO 18813 19668 855 4,287.83

MARZO 19895 19865 -30 -150.45

ABRIL 19885 20424 539 2,703.09

MAYO 20584 21479 895 4,488.43

JUNIO 28301 29158 857 4,297.86

JULIO 35481 35787 306 1,534.59

AGOSTO 38822 39849 1027 5,150.41

SETIEMBRE 31921 33077 1156 5,797.34

OCTUBRE 29728 30677 949 4,759.24

NOVIEMBRE 24974 25191 217 1,088.26

DICIEMBRE 19784 19949 165 827.48

TOTAL 306712 313877 7165 35,932.48

Tabla N°30: Ahorro de costo de mantener en canal propio


Por el lado de canal retail también se tiene un ahorro considerable de S/.93,449.51.

Se debe tener en cuenta que este cuadro representa el total de los canales de retail.


PRON.OSTICO ACTUAL

DESVIACIÓN DE

PRONOSTICOS

COSTO DE MANTENER

ENERO 8028 10000 1972 9,889.58

FEBRERO 8045 10000 1955 9,804.33

MARZO 8324 10000 1676 8,405.14

ABRIL 8678 11000 2322 11,644.83

MAYO 9289 11500 2211 11,088.17

JUNIO 10826 11500 674 3,380.11

JULIO 13420 15000 1580 7,923.70

AGOSTO 15442 16000 558 2,798.37

SETIEMBRE 14075 16000 1925 9,653.88

OCTUBRE 11472 12000 528 2,647.92

NOVIEMBRE 10309 11500 1191 5,972.87

DICIEMBRE 9458 11500 2042 10,240.63

TOTAL 127366 146000 18634 93,449.51

Tabla N°31: Ahorro de costo de mantener en canal retail


55

Al conocer la información de ambos canales de venta se obtiene como resultado

que el ahorro en costo de mantener es de S/. 129,381.99.


PRONOSTICO ACTUAL

DESVIACIÓN DE PRONOSTICOS

COSTO DE MANTENER

ENERO 26552 28753 2201 11,038.02

FEBRERO 26858 29668 2810 14,092.15

MARZO 28219 29865 1646 8,254.69

ABRIL 28563 31424 2861 14,347.92

MAYO 29873 32979 3106 15,576.59

JUNIO 39127 40658 1531 7,677.97

JULIO 48901 50787 1886 9,458.29

AGOSTO 54264 55849 1585 7,948.78

SETIEMBRE 45996 49077 3081 15,451.22

OCTUBRE 41200 42677 1477 7,407.16

NOVIEMBRE 35283 36691 1408 7,061.12

DICIEMBRE 29242 31449 2207 11,068.11

TOTAL 434078 459877 25799 129,381.99

Tabla N°32: Ahorro de costo de mantener total


Con esta información queda demostrado que con una mejor gestión de pronósticos

se cumple con el objetivo cuatro de demostrar el ahorro económico en costos de mantener

OBJETIVO GENERAL

De acuerdo a lo expuesto en la presente tesis se demuestra que la propuesta de

mejorar la gestión de pronósticos de la demanda ha tenido éxito al mostrar el ahorro

económico que se ha logrado al reducir la cantidad de producción de jeans de corte recto.

En la tabla N° 33 se resumen el total de los ahorros de manera mensua y anual el

cual es un monto de S/836,121.73.

56

AHORRO EN COSTOS

MES PRODUCCIÓN

EN RED PROPIA

PRODUCCIÓN EN CANALES

DE RETAIL

PAGO DE HORAS EXTRAS

COSTO DE MANTENER

TOTAL

ENERO

11,484.35

37,612.50 1,874.50 11,038.02

62,009.37

FEBRERO

42,878.25

37,612.50 3,752.50 14,092.15

98,335.40

MARZO -

1,504.50

25,075.00 701.67 8,254.69

32,526.86

ABRIL

27,030.85

60,180.00 3,517.00 14,347.92

105,075.77

MAYO

44,884.25

60,180.00 4,585.00 15,576.59

125,225.84

JUNIO

42,978.55 -

10,030.00 2,254.33 7,677.97

42,880.85

JULIO

15,345.90

45,135.00 2,343.00 9,458.29

72,282.19

AGOSTO

51,504.05 -

15,045.00 2,606.00 7,948.78

47,013.83

SETIEMBRE

57,973.40

50,150.00 5,051.33 15,451.22

128,625.95

OCTUBRE

47,592.35 -

10,030.00 2,530.33 7,407.16

47,499.84

NOVIEMBRE

10,882.55

5,015.00 809.33 7,061.12

23,768.00

DICIEMBRE

8,274.75

30,090.00 1,445.00 11,068.11

50,877.86

TOTAL

359,324.75

315,945.00 31,469.99 129,381.99

836,121.73

Tabla N°33: Ahorro total de costos


57

DISCUSION

Esta tesis se basa en la mejora de gestión de pronósticos de la demanda para

obtener el ahorro económico reduciendo la cantidad de producción. Gracias a eso se

puede reducir los costos en la compra de suministros, pago de horas extra a los

trabjadores y en los costos de mantener. Sin embargo, hay otras tesis, como la de Gordillo

Cerrutti, que también utiliza los pronósticos pero no para estimar la demanda del producto

terminado, sino que lo hacen para la planificación al momento de solicitar los suministros.

Otro caso fue el de Lucía Hinostroza quien también utilizó los pronósticos para

mejorar la precisión de la demanda debido a que la manera de pronosticar de esa

empresa hacía que en algunas ocasiones produzcan más y en otras menos. Esa tesis se

enfoca más en mejorar el desempeño de las operaciones que en el ahorro de costos.

La tesis de Marín Valderrama es otro caso en el que utiliza los pronósticos para re

diseñar la cadena de suministros y así disminuir ruptura y exceso de inventarios

disminuyendo costos y teniendo un mejor control de sus variables. Un caos muy similar

es que plantea Orobio Hurtado quien también se plantea re diseñar la cadena de

suministros con los pronósticos de la demanda utilizando la clasificación ABC.

La mayoría de casos de las tesis encontradas se tratan de pronósticos de la

demanda para reducir costos al momento de ordenar los suministros y así reducir sus

costos al momento de comprar. Hubo algunos casos que si se enfocaban más en el

producto terminado como el caso de esta tesis. Sin embargo esta tesis no solo se enfoca

en los costos de fabricación y suministros sino que también se enfoca en costos de horas

extra a los trabajadores y negociación con el canal retail pero reducir costos y ambos salir

beneficiados.

58

CONCLUSIONES

La importancia de aplicar distintos métodos de pronósticos ayuda a que uno pueda

comparar cual es el que más se le acomoda a su data histórica. En el caso de esta tesis

se pudo utilizar el método de Suavización Exponencial con Tendencia y Estacionalidad

Aditiva (Holt-Winters) gracias a que la data tenía una tendencia. En cambio, otra data que

no tenga tendencia no serviría de mucho y en vez de ese método se podría utilizar el

método de promedio móvil y factor estacional.

Los pronósticos de la demanda se basaron en una clasificación ABC en donde el

pantalón para dama de corte recto representa el mayor margen de rentabilidad que ofrece

la empresa y su mayor cantidad de ventas. Un punto relativo a resaltar es la importancia

de los costos que se pueden reducir con solo realizar un mejor pronóstico de inventario,

debido a que no solo reduces los costos de los suministros a comprar sino que también

se reduce el costo de mantener productos terminados y también se reduce la horas extras

que se le debe pagar a los operarios.

Otro punto a resaltar es que gracias a una base de datos histórica se puede obtener

un mejor poder de negociación con canales de retail para demostrar que se puede brindar

menos productos terminados sin afectar las ventas de ellos y la empresa reduciendo

costos. De ese modo ambos serían beneficiados debido a que retail también ahorraría en

sus costos de transporte a sus distintos locales.

Finalmente como última conclusión, se detalla el monto total ahorrado de manera

anual con una correcta gestión de pronósticos de la demanda.

AHORRO EN COSTOS

MES PRODUCCIÓN EN

RED PROPIA

PRODUCCIÓN EN CANALES DE

RETAIL

PAGO DE HORAS EXTRAS

COSTO DE MANTENER

TOTAL

ENERO 11,484.35 37,612.50 1,874.50 11,038.02 62,009.37

FEBRERO 42,878.25 37,612.50 3,752.50 14,092.15 98,335.40

MARZO -1,504.50 25,075.00 701.67 8,254.69 32,526.86

ABRIL 27,030.85 60,180.00 3,517.00 14,347.92 105,075.77

MAYO 44,884.25 60,180.00 4,585.00 15,576.59 125,225.84

JUNIO 42,978.55 -10,030.00 2,254.33 7,677.97 42,880.85

JULIO 15,345.90 45,135.00 2,343.00 9,458.29 72,282.19

AGOSTO 51,504.05 -15,045.00 2,606.00 7,948.78 47,013.83

SETIEMBRE 57,973.40 50,150.00 5,051.33 15,451.22 128,625.95

OCTUBRE 47,592.35 -10,030.00 2,530.33 7,407.16 47,499.84

NOVIEMBRE 10,882.55 5,015.00 809.33 7,061.12 23,768.00

DICIEMBRE 8,274.75 30,090.00 1,445.00 11,068.11 50,877.86

TOTAL 359,324.75 315,945.00 31,469.99 129,381.99 836,121.73

59

RECOMENDACIONES

La primera recomendación sería adquirir un software ERP para que puedan integrar

sus operaciones logísticas y de inventario para poder tener acceso a una base de datos

más centralizada y no tenerla en Excel que es más fácil que se pueda perder o

transgiversar la información.

Otra de las recomendaciones se trata de poder tener una mayor comunicación con

los de canales de venta de retail para poder tener un mayor poder de negociación o en

todo caso conocer mejor como es que ellos manejan sus inventarios para así poder

brindar cantidades más acertadas al momento que ellos solicitan una compra.

Si bien este trabajo de tesis se trata de pronóstico de inventarios, se pudo identificar

algunos cuellos de botella en su proceso de fabricación de jeans los cuales podrían

mejorarse. Por ejemplo aplicando las 5S les ayudaría a un mejor control y mantenimiento

de sus máquinas, mantener el área limpia, entre otros. Mejorando esos procesos se

podría reducir el tiempo de fabricación de prendas y producir más jeans los que pueden

actualmente y de ese modo también seguir reduciendo pago de horas extra.

Finalmente, también se recomienda ampliar su gama de proveedores quienes

podrían brindarle los suministros de una manera más rápida con productos de mayor

calidad.

60

REFERENCIAS

Agudelo Rendón, C. (2013). Desarrollo de un modelo para el pronóstico de la demanda

por color en la empresa Coats Cadena Andina SA (Master's thesis, Pereira:

Universidad Tecnológica de Pereira).

Arango-Serna, M. D., Adarme-Jaimes, W., & Zapata-Cortes, J. A. (2013). Inventarios

colaborativos en la optimización de la cadena de suministros. Dyna, 80(181).

Arrieta, J. G. (2012). Las 5s pilares de la fábrica visual. Revista Universidad

EAFIT, 35(114), 35-48.

Gordillo-Cerrutti, R. (2016). Mejora en el proceso de elaboración y gestión de los

pronósticos de la demanda en una empresa dedicada a la venta de productos de

belleza.

Hinostroza Huanay, L. D. C. (2016). Manejo de pronósticos e inventarios para la mejora

del desempeño de las operaciones en una empresa textil peruana.

Largo, F. L. (2015). Campus virtuales: De gestores de contenidos a gestores de

metodologías. Revista de Educación a Distancia, (42).

Marín Valderrama, J. M. (2011). Propuesta de rediseño de la cadena de abastecimiento

de la empresa de confecciones Gaf y definición de los indicadores de

gestión (Bachelor's thesis).

Orobio Hurtado, J. F. (2017). Propuesta de un sistema de control de inventarios de

productos terminados en la empresa Laboratorios Seres SAS de Santiago de

Cali (Bachelor's thesis, Universidad Autónoma de Occidente).

Pérez-Vergara, I., Cifuentes-Laguna, A. M., Vásquez-García, C., & Marcela-Ocampo, D.

(2013). Un modelo de gestión de inventarios para una empresa de productos

alimenticios. Ingeniería Industrial, 34(2), 227-236.

Ramírez Agudelo, S. (2013). Comparación de metodologías estadísticas para pronóstico

de demanda de productos de difícil estimación (Doctoral dissertation).

Rodríguez, A., Lizeth, J., Licla, P., & Yudith, J. (2017). Análisis y propuesta de

implementación de un sistema de planificación de producción y gestión de

61

inventarios y almacenes aplicado a una empresa de fabricación de perfiles de

plásticos de pvc.

Solís, J. A. P. (2014). La evolución del planeamiento de ventas y operaciones. Interfases,

(7), 105-116.

Tejada López, C. A. (2012). Utilización del modelo SCOR para realizar una propuesta

de rediseño del esquema de gestión del abastecimiento y del manejo de

inventarios en una industria textil (Bachelor's thesis, Quito, 2012.).

Tirado G. (2012) El rendimiento laboral y su incidencia en la producción de la industria

de polímeros y plásticos cia. Ltda. Inpolplast. Tesis de pregrado. Universidad

técnica de Ambato, Ambato, Ecuador.

Utreras Avalos, J. L. (2015). Propuesta de mejoras a los modelos de pronóstico de

demanda y de control de inventario de materia prima actuales de los principales

productos del segmento APH de la empresa XYZ (Bachelor's thesis, Quito: USFQ,

2015.).

Vásquez Médico, J. I. (2013). Propuesta de un sistema de planificación de la producción

aplicado a una empresa textil dedicada a la fabricación de calcetines.

Villegas Salazar, J. J. (2017). Diseño de un sistema de planeación de la producción en la

empresa Confecciones A&J SAS (Bachelor's thesis, Universidad Autónoma de

Occidente).

Wallace, T. F. (2004). Sales & operations planning: the" how-to" handbook. TF Wallace &

Co.

62

Tipo de pronósticos de la demanda

ANEXOS

ANEXO 1

Cuadro de pronóstico de suavización exponencial con estacionalidad

UNIDADES

MES

AÑO 2014

AÑO 2015

AÑO 2016

PRON. HOLT-

WINTERS

PRON. ACTUAL

VARICIÓN %

ENERO 17436 17946 18973 19366 18753 -3.17%

FEBRERO 18952 19753 18302 20388 19668 -3.53%

MARZO 17877 18947 20754 20717 19865 -4.11%

ABRIL 19174 20130 19893 21395 20424 -4.54%

MAYO 22901 18775 20583 22553 21479 -4.76%

JUNIO 27369 28933 28214 30111 29158 -3.16%

JULIO 32922 34168 36639 36653 35787 -2.36%

AGOSTO 38010 38333 39158 40715 39849 -2.13%

SETIEMBRE 33419 30437 32017 34311 33077 -3.60%

OCTUBRE 30404 28608 29906 32130 30677 -4.52%

NOVIEMBRE 22626 24764 25625 26968 25191 -6.59%

DICIEMBRE 18335 19112 20373 22041 19949 -9.49%

TOTAL 299425 299906 310437 327348 313877 4.33%

(promedio)

Cuadro de pronóstico promedio móvil simple y factor estacional.

UNIDADES

MES AÑO 2014

AÑO 2015

AÑO 2016

PRON. HOLT-

WINTERS

PRON. ACTUAL

VARICIÓN %

ENERO 17436 17946 18973 19701 18753 -4.81%

FEBRERO 18952 19753 18302 20199 19668 -2.63%

MARZO 17877 18947 20754 18291 19865 8.61%

ABRIL 19174 20130 19893 17234 20424 18.51%

MAYO 22901 18775 20583 17977 21479 19.48%

JUNIO 27369 28933 28214 22630 29158 28.85%

JULIO 32922 34168 36639 27043 35787 32.33%

AGOSTO 38010 38333 39158 29840 39849 33.54%

SETIEMBRE 33419 30437 32017 25908 33077 27.67%

OCTUBRE 30404 28608 29906 26837 30677 14.31%

NOVIEMBRE 22626 24764 25625 25771 25191 -2.25%

DICIEMBRE 18335 19112 20373 23297 19949 -14.37%

TOTAL

299425

299906

310437

274728

313877

13.27% (promedio)

63

Cuadro de pronóstico con Suavización Exponencial con Tendencia y Estacionalidad

Aditiva (Holt-Winters).

. UNIDADES

MES

AÑO 2014

AÑO 2015

AÑO 2016


PRON. ACTUAL

DESVIACIÓN %

ENERO 17436 17946 18973 18524 18753 1.24%

FEBRERO 18952 19753 18302 18813 19668 4.54%

MARZO 17877 18947 20754 19895 19865 -0.15%

ABRIL 19174 20130 19893 19885 20424 2.71%

MAYO 22901 18775 20583 20584 21479 4.35%

JUNIO 27369 28933 28214 28301 29158 3.03%

JULIO 32922 34168 36639 35481 35787 0.86%

AGOSTO 38010 38333 39158 38822 39849 2.65%

SETIEMBRE 33419 30437 32017 31921 33077 3.62%

OCTUBRE 30404 28608 29906 29728 30677 3.19%

NOVIEMBRE 22626 24764 25625 24974 25191 0.87%

DICIEMBRE 18335 19112 20373 19784 19949 0.83%

TOTAL 299425 299906 310437 306712 313877 2.31%

(promedio)

ANEXO 2

Diferencia de costos por tipo de pronósticos

Cuadro de diferencia de costos con pronóstico de suavización exponencial con

estacionalidad

SOLES

MES PRON. HOLT-WINTERS PRON. ACTUAL VARIACIÓN MONETARIA

ENERO 971,204.90 940,462.95 30,741.95

FEBRERO 1,022,458.20 986,350.20 36,108.00

MARZO 1,038,957.55 996,229.75 42,727.80

ABRIL 1,072,959.25 1,024,263.60 48,695.65

MAYO 1,131,032.95 1,077,171.85 53,861.10

JUNIO 1,510,066.65 1,462,273.70 47,792.95

JULIO 1,838,147.95 1,794,718.05 43,429.90

AGOSTO 2,041,857.25 1,998,427.35 43,429.90

SETIEMBRE 1,720,696.65 1,658,811.55 61,885.10

OCTUBRE 1,611,319.50 1,538,451.55 72,867.95

NOVIEMBRE 1,352,445.20 1,263,328.65 89,116.55

DICIEMBRE 1,105,356.15 1,000,442.35 104,913.80

TOTAL 16,416,502.20 15,740,931.55 675,570.65

64

Cuadro de diferencia de costos con pronóstico promedio móvil simple y factor

estacional.

SOLES

MES PRON. HOLT-WINTERS PRON. ACTUAL VARIACIÓN MONETARIA

ENERO 988,005.15 940,462.95 47,542.20

FEBRERO 1,012,979.85 986,350.20 26,629.65

MARZO 917,293.65 996,229.75 -78,936.10

ABRIL 864,285.10 1,024,263.60 -159,978.50

MAYO 901,546.55 1,077,171.85 -175,625.30

JUNIO 1,134,894.50 1,462,273.70 -327,379.20

JULIO 1,356,206.45 1,794,718.05 -438,511.60

AGOSTO 1,496,476.00 1,998,427.35 -501,951.35

SETIEMBRE 1,299,286.20 1,658,811.55 -359,525.35

OCTUBRE 1,345,875.55 1,538,451.55 -192,576.00

NOVIEMBRE 1,292,415.65 1,263,328.65 29,087.00

DICIEMBRE 1,168,344.55 1,000,442.35 167,902.20

TOTAL 13,777,609.20 15,740,931.55 -1,963,322.35

Cuadro de diferencia de costos con Suavización Exponencial con Tendencia y

Estacionalidad Aditiva (Holt-Winters).

SOLES

MES


PRON. ACTUAL

VARIACIÓN MONETARIA

ENERO 928,978.60 940,462.95 -11,484.35

FEBRERO 943,471.95 986,350.20 -42,878.25

MARZO 997,734.25 996,229.75 1,504.50

ABRIL 997,232.75 1,024,263.60 -27,030.85

MAYO 1,032,287.60 1,077,171.85 -44,884.25

JUNIO 1,419,295.15 1,462,273.70 -42,978.55

JULIO 1,779,372.15 1,794,718.05 -15,345.90

AGOSTO 1,946,923.30 1,998,427.35 -51,504.05

SETIEMBRE 1,600,838.15 1,658,811.55 -57,973.40

OCTUBRE 1,490,859.20 1,538,451.55 -47,592.35

NOVIEMBRE 1,252,446.10 1,263,328.65 -10,882.55

DICIEMBRE 992,167.60 1,000,442.35 -8,274.75

TOTAL 15,381,606.80 15,740,931.55 -359,324.75

65

ANEXO 3

Unidades de ventas por canales de retail

Cuadro de unidades y ventas de Oechsle

RESULTADOS DEL AÑO

LOCAL ZONA UNIDADES

2016 UNIDADES

2015 Variación

(UNIDADES) SOLES 2016 SOLES 2015

Variación (S/.)

AREQUIPA PROVINCIA 3,605 3,658 -1.45% 264,438.76 269,030.70 -1.71%

BARRANCA PROVINCIA 1262 0 0.00% 92,571.91 0.00 0.00%

CAJAMARCA PROVINCIA 1,780 2,154 -17.36% 130,568.93 158,417.75 -17.58%

CENTRO CIVICO LIMA 3,539 5,687 -37.77% 259,597.44 418,255.22 -37.93%

CHICLAYO PROVINCIA 5,231 4,683 11.70% 383,711.28 344,415.19 11.41%

CUSCO PROVINCIA 4,090 3,955 3.41% 300,015.13 290,873.82 3.14%

HUANCAYO REAL PROVINCIA 4,188 4,502 -6.97% 307,203.76 331,103.39 -7.22%

HUÁNUCO ORIENTE

PROVINCIA 1,989 2812 -29.27% 145,899.78 206,810.92 -29.45%

ICA PROVINCIA 2,604 2351 10.76% 191,012.08 172,906.28 10.47%

JIRON DE LA UNION

LIMA 2,645 2,764 -4.31% 194,019.56 203,280.71 -4.56%

JOCKEY PLAZA LIMA 1,645 2,063 -20.26% 120,666.23 151,725.08 -20.47%

JULIACA PROVINCIA 2,351 2,160 8.84% 172,453.69 158,859.02 8.56%

LA CURVA LIMA 1259 0 0.00% 92,351.85 0.00 0.00%

MALL DEL SUR LIMA 2,871 0 0.00% 210,597.42 0.00 0.00%

PIURA PROVINCIA 3,534 3,640 -2.91% 259,230.68 267,706.87 -3.17%

PLAZA LIMA NORTE

LIMA 4,478 4,600 -2.65% 328,476.22 338,310.89 -2.91%

PRIMAVERA REAL LIMA 2,204 2,529 -12.85% 161,670.75 185,997.44 -13.08%

PUCALLPA ORIENTE

PROVINCIA 2,535 2369 7.01% 185,950.70 174,230.11 6.73%

SALAVERRY LIMA 1,945 1923 1.14% 142,672.23 141,428.66 0.88%

SAN BORJA LIMA 1,343 1900 -29.32% 98,513.53 139,737.10 -29.50%

TRUJILLO REAL PROVINCIA 4,620 4,507 2.51% 338,892.40 331,471.12 2.24%

TOTALES 59,718 58,257 2.51% 4,380,514.32 4,284,560.27 2.24%

66

Cuadro de unidades y ventas de Ripley

RESULTADOS DEL AÑO

LOCAL ZONA UNIDADES

2016 UNIDADES

2015 Variación


Variación (S/.)

JOCKEY PLAZA LIMA 3,174 2,868 10.67% 227,012.18 204,783.46 10.85%

SAN MIGUEL LIMA 3,835 3,683 4.13% 274,288.51 262,976.81 4.30%

SAN ISIDRO LIMA 2,565 2,803 -8.49% 183,455.02 200,142.27 -8.34%

MIRAFLORES LIMA 2,292 2,597 -11.74% 163,929.40 185,433.28 -11.60%

PRIMAVERA REAL LIMA 2,886 2,712 6.42% 206,413.72 193,644.61 6.59%

MALL DEL SUR LIMA 3,040 2,997 1.43% 217,428.18 213,994.43 1.60%

PLAZA LIMA NORTE LIMA 3,648 3,329 9.58% 260,913.81 237,700.19 9.77%

CALLAO LIMA 3,408 3,332 2.28% 243,748.43 237,914.40 2.45%

NUEVO SAN JUAN LIMA 2,339 2,532 -7.62% 167,290.96 180,792.09 -7.47%

ASIA LIMA 1,300 1,489 -12.69% 92,979.15 106,318.89 -12.55%

BOUTIQUE MARQUIS

LIMA 1,450 1,359 6.70% 103,707.52 97,036.51 6.87%

SAN BORJA LIMA 1,850 1,895 -2.37% 132,316.49 135,308.46 -2.21%

SALAVERRY LIMA 2,345 1,893 23.88% 167,720.09 135,165.65 24.08%

TOTALES 34,132 33,489 1.92% 2,441,203.46 2,391,211.05 2.09%

Cuadro de unidades y ventas de Paris

RESULTADOS DEL AÑO

LOCAL ZONA UNIDADES

2016 UNIDADES

2015 Variación


Variación (S/.)

JOCKEY PLAZA LIMA 4,872 5,111 -4.68% 348,561.94 384,332.32 -9.31%

SAN MIGUEL LIMA 8,047 7,473 7.68% 575,723.19 561,925.86 2.46%

PLAZA LIMA NORTE

LIMA 8,200 8,049 1.87% 586,669.86 605,252.73 -3.07%

BELLAVISTA LIMA 6,536 6,196 5.48% 467,615.90 465,917.97 0.36%

BRASIL LIMA 5,025 5,326 -5.66% 359,508.61 400,514.10 -10.24%

TOTALES 32,679 32,156 1.63% 2,338,079.51 2,417,942.99 -3.30%

67

ANEXO 4

Encuesta

Letra Opción Ponderación

A De acuerdo 2

B Parcialmente de acuerdo 1

C Desacuerdo 0

N° PREGUNTAS A B C

1 ¿Se utiliza data histórica de las ventas de periodos anteriores para estimar la demanda?

2 ¿Considera que el método de pronóstico actual para proyectar la demanda es el más apropiado?

3 ¿La proyección realizada cubre la demanda de locales de canal propio?

4 ¿Es buena idea priorizar los pedidos de canal retail?

5 ¿Se ha presentado sobre costos por exceso de pedidos de canal retail?

6 ¿Se ha presentado sobrecarga laboral por exceso de pedidos de canal retail?

7 ¿Se tiene algún indicador de cuantos productos terminados no se venden por mes o al año?

8 ¿Consideran que se debe realizar una nueva gestión en los pronósticos de inventario?

ANEXO 5

Bill of materials

68

ANEXO 6

DOP

Proceso de producción de pantalón jean de corto recto

Comercialización Almacén Corte Confección Control de calidad Lavandería

Inicio

Envío de tela a corte

Generación de orden de producción

¿Quedó bien?

Habilitado

Corte Ensamble y confección

Envío de prendas a lavandería

¿Costura correcta?

Recepción de prenda lavada

Lavado de prenda

Acabado (se ensamblan botones,

cremalleras, etc.)

¿Todo ok?

Fin

Envío a cliente

Empaquetado

Inspección final

Revisión de la costura de

ensamble

Tizado

Limpieza de prenda

Recepción de pedido

Fase

69

ANEXO 7

DAP

70

ANEXO 8

Cadena de suministros

mejora de la gestión de pronósticos de la demanda para...

Documents