Printer Friendly

Analisis sistemico de los riesgos de servicio y financiero en la cadena de abastecimiento z.

Colciencias tipo 1

Systemic Analysis of service and financial risks in a supply chain

I. Introduccion

A. Contextualizacion de la problematica

El riesgo en la cadena de abastecimiento se define como cualquier evento que pudiera afectar cualquier movimiento, sea de materiales, informacion o productos, y perturbar el flujo previsto (Waters, 2007). Un retraso en la entrega de las materias primas podria detener la produccion, aumentar los costos--al obligar a la utilizacion de transporte alternativo-, aumentar las existencias de productos en proceso, afectar los indicadores financieros y hacer que los socios reconsideren sus relaciones comerciales.

Esto demuestra que la concrecion de los riesgos en la Cadena de Abastecimiento [CA] puede ser el comienzo de otros eventos que afecten al sistema, con consecuencias mucho mas significativas, llegando incluso a impactar la liquidez, el endeudamiento y la rentabilidad, entre otras variables financieras.

Aun cuando la academia ha demostrado alto interes en la medicion y prevencion de los riesgos en la cadena de abastecimiento, una revision hecha en esta investigacion, no encontro literatura que relacione al riesgo de servicio con el riesgo financiero de una empresa, teniendo en cuenta la complejidad de todo el sistema; la relacion entre estos dos tipos de riesgo se ha trabajado, en su mayoria, con modelos econometricos.

Tampoco se encontraron estudios concretos sobre las perdidas economicas en las que se puede incurrir al desconocer la relacion causal que se presenta entre los diferentes tipos de riesgo en la cadena de abastecimiento; si bien existen estudios que hacen analisis del riesgo, con base en modelos cuantitativos (ver detalle en la Tabla 1), ninguno de ellos deja bien definida la relacion y la cuantificacion entre el riesgo de servicio y el riesgo financiero.

Para poder ayudar a la comprension de un tema que implica complejidad dinamica, se plantea en este documento la elaboracion de un modelo de una cadena de abastecimiento a traves de Dinamica de sistemas, que establezca la influencia que ejercen las decisiones de gestion de la cadena de abastecimiento sobre las finanzas de la empresa, especificamente sobre el riesgo de cumplir con las metas u objetivos estrategicos de la empresa.

B. Manejo de riesgo en la cadena de abastecimiento (MRCA)

Los gerentes logisticos--quienes desempenan un rol fundamental en el manejo del riesgo en la CA- requieren de metodologias o herramientas que los ayuden a gestionar de una mejor manera un sistema complejo, dado que la vulnerabilidad al riesgo es inherente a las cadenas de abastecimiento y los niveles de riesgo parecen estar incrementandose debido a la incertidumbre que a diario se presenta en el entorno (Waters, 2007).

Los gerentes deben estar atentos a los riesgos en una CA; reconocer el riesgo les puede traer beneficios que incluyen: mejor flujo de materiales e informacion, disminucion de los costos e incremento del valor agregado; estos beneficios pueden potenciar las ventajas competitivas de la empresa, lo que, a su vez, tiene el potencial de aumentar la probabilidad de alcanzar los objetivos estrategicos y mejorar su posicionamiento en el mercado.

II. Estructura

Este trabajo da continuidad a los estudios y el modelo propuestos por Arenas (2004), al cual se le incluira un submodelo que permita estudiar la relacion, desde un punto de vista sistemico, de la gestion de los riesgos de servicio y financiero.

El modelo base consiste en una cadena de abastecimiento de tres escalones de una empresa manufacturera en el sector energetico (cables electricos), en la cual, por el alcance del proyecto, se tiene en cuenta solo dos tipos de materias primas (cobre y plastico). Esta CA se compone de dos bodegas de materias primas (una para cada proveedor), una bodega de producto terminado (fabrica) y tres bodegas de distribucion (mayoristas). La bodega 1 representa un cliente preferencial y por lo tanto es el primero al que se le despacha producto terminado.

En la Figura 2 se muestra el diagrama causal que representa la dinamica general de las bodegas y su influencia en los indicadores financieros y de servicios.

A. Definicion de riesgo

En este documento, se define el riesgo como la probabilidad de no poder cumplir o no poder lograr un objetivo estrategico especifico de la empresa estudiada (IRM, 2002); el riesgo de servicio, como la probabilidad de no alcanzar el objetivo de cumplir con el 80% de nivel de servicio, periodo a periodo; y el riesgo financiero como la probabilidad de no tener un flujo de caja positivo durante cada periodo de simulacion.

B. Modelo de simulacion

La Figura 3 muestra la estructura de uno de los agentes en la cadena de abastecimiento estudiada y representa la dinamica del proveedor de la materia prima 1 (cobre); se compone principalmente de un acumulador de inventario (variable de nivel "Inv MP1") que calcula los niveles de inventario a partir de los despachos realizados al cliente (planta produccion de cables) y la recepcion de materia prima. Para esto, el proveedor de cobre toma, como punto de partida, las ordenes de la planta productiva y con ellas realiza un pronostico de la demanda, el que junto con la politica de inventario serviran de insumos para determinar cuanto inventario se deberia tener (cuanto se deberia comprar) para satisfacer la demanda de cobre.

Bajo una dinamica similar funcionan tanto el fabricante de cables (ver Figura 4) y el proveedor de plastico, como cada uno de los tres distribuidores de producto terminado (ver la estructura del distribuidor 1 en la Figura 5); sin embargo, los distribuidores se diferencian en que el primero se atiende con prioridad mientras que a los dos siguientes se les provee con el remanente.

Adicionalmente, se dejo abierta la posibilidad de utilizar un switch POS (Point of Sale), que al ser activado por el fabricante, le permitira contar con los recursos tecnologicos y logisticos para realizar sus pronosticos, con base en la demanda del cliente final y no con las ordenes de las bodegas de distribucion. Con esto se espera disminuir el denominado efecto latigo, y disminuir el ruido que genera la variabilidad de la demanda.

El analisis sistemico de la gestion del riesgo en la CA teniendo en cuenta los objetivos estrategicos de la empresa, se inicio determinando las variables en las que los agentes tomadores de decision pueden tener influencia. Las variables de decision dentro del area operativa corresponden principalmente a las politicas de inventario; es decir, el numero de semanas de demanda esperada que se desea tener en inventario.

El submodelo descrito en la Figura 6 permite analizar el riesgo de servicio de la empresa considerando las decisiones tomadas sobre las variables mencionadas, definiendo el riesgo de servicio como la probabilidad de incumplir la meta de nivel de servicio que previamente se ha establecido como objetivo estrategico de la CA.

Asimismo, despues de haber tomado decisiones de tipo operativo, con el fin de cumplir la meta de nivel de servicio, es de gran importancia analizar como se puede afectar al riesgo financiero, es decir, al riesgo de tener flujos de caja negativos (ver Figura 7).

Teniendo definido los submodelos que permiten evaluar el riesgo en servicios y financiero, se procedio a correr una simulacion base con los parametros originales de la cadena de abastecimiento estudiada. Los resultados se muestran en la Tabla 2.

A partir de esto, se planteo evaluar el efecto de aumentar la politica de inventario de cada agente decisor (individualmente) en dos semanas de inventario adicional; la eleccion del numero de semanas fue arbitraria, con el fin de evaluar el correcto comportamiento del modelo con posibles resultados similares a los que se esperarian.

Los cambios fueron simulados y los resultados obtenidos se muestran en la Tabla 3, donde se jerarquizaron las politicas de inventario para poder identificar cuales generaban las reducciones de riesgo mas significativas.

III. Resultados

Los resultados de dicha tabla permiten observar como al aumentar en dos semanas la politica de inventario de la bodega de distribucion 2, se obtiene una disminucion de 10% en el riesgo de no cumplir con el nivel de servicio al cliente, pero tambien como esta decision afecta el riesgo financiero, aumentandolo en un 38%.

Tal como se esperaba, aumentar las politicas de inventario con el objetivo de reducir el riesgo de servicio, aumentan significativamente el riesgo de no tener flujo de caja positivo (riesgo financiero).

Para evaluar el impacto que tienen diferentes decisiones a lo largo de la cadena de abastecimiento, se corrio una simulacion aumentando dos semanas de politica de inventario de las bodegas de distribucion 1 y 2. Los resultados obtenidos de la simulacion de los dos primeros se muestran en la Tabla 4, en la cual se puede observar como tomar decisiones desde el area operativa (niveles de inventario) para disminuir el riesgo de servicios, puede llegar a aumentar, hasta en 42%, el riesgo financiero de la empresa manufacturera.

En las Figuras 8 y 9 se puede observar como se comportan el riesgo operativo y el riesgo financiero a lo largo de las cincuenta semanas en las que se llevo a cabo la simulacion. Se ve como, al aumentar tanto las politicas de inventario en las bodegas de distribucion 1 y 2, se disminuye el riesgo de incumplimiento de la meta de nivel de servicio a lo largo de todas las cincuenta semanas simuladas.

Por el contrario, en la Figura 9 se puede ver como la decision tomada en un area ajena a Finanzas puede afectar significativamente el cumplimiento de la meta de flujo de caja, riesgo que aumenta hasta en 42% (linea superior en el periodo 50 de la Figura 9).

Los resultados obtenidos permiten apreciar la gran importancia de la administracion del riesgo a lo largo de la cadena de abastecimiento; esto se apreciar al observar como un riesgo del 62% de no cumplir con las entregas a los clientes (Tabla 2, nivel de servicio) puede llegar a ser disminuido hasta en 16 puntos porcentuales (46%) por medio de la toma de decisiones conjuntas.

Tambien se puede identificar claramente un efecto trade-off, entre mejorar la atencion al cliente y obtener mayores utilidades, al observar como al implementar cambios en las bodegas de distribucion 1 y 2, es posible obtener disminuciones en el riesgo de nivel de servicio, pero un aumento muy significativo en el riesgo financiero (ver Tabla 4).

A) Diseno de experimentos

En el diseno de experimentos se calcula el efecto que tiene cada una de las variables (politicas de inventario) sobre los riesgos de incumplimiento de flujo de caja y de nivel de servicio, por separado. Tambien se calcularon todos los posibles efectos combinados (iteraciones) que pudieran estar ocasionando una variacion en el nivel de cada uno de los riesgos.

Para poder hacer las combinaciones del diseno experimental se definieron dos niveles en las politicas de inventario, un nivel alto y un nivel bajo del inventario en semanas; a partir de ahi se hicieron todas las combinaciones posibles con las seis variables y el numero de niveles de todas ellas. Lo anterior es un experimento factorial (26=64), donde 64 es el numero de combinaciones que se realizaron en el experimento. Los datos arrojados en este punto se utilizan para la cuantificacion del riesgo por medio de modelos de regresiones lineal. En la Tabla 5 se muestran los niveles bajos y altos que se utilizaron para crear las 64 simulaciones en el modelo de dinamica de sistemas.

B. Cuantificacion del riesgo

Para realizar el analisis de correlacion se deben de definir las variables dependientes e independientes que se quieren estudiar. Como se quiere cuantificar la influencia de las politicas de inventario en el riesgo de incumplimiento de las metas, financiera y de servicios, las variables son las que presenta la Tabla 6.

En primera instancia, se quiere encontrar una cuantificacion de las variables independientes con la primera dependiente, y despues encontrar la misma cuantificacion con la otra variable independiente y poder sacar conclusiones a partir de los diferentes coeficientes encontrados.

Por lo anterior se plantearan los dos siguientes modelos de regresion lineal:

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII] (1)

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII] (2)

donde

[RINS.sup.i] = Riesgo de incumplimiento de nivel de servicio en la combinacion i

[RIFC.sub.i] = Riesgo de incumplimiento de flujo de caja en la combinacion i

[MPc.sub.i] = Politica de inventario de cobre en la combinacion i

[MPp.sub.i] = Politica de inventario de plastico en la combinacion i

[PF.sub.i] = Politica de inventario de la fabrica en la combinacion i

[PD1.sub.i] = Politica de inventario de bodega de distribucion 1 en la combinacion i

[PD2.sub.i.] = Politica de inventario de bodega de distribucion 2 en la combinacion i

[PD3.sub.i] = Politica de inventario de bodega de distribucion 3 en la combinacion i

Utilizando el paquete estadistico EasyReg se corroboraron todas las pruebas necesarias para la aplicacion de la regresion lineal. Como datos de entrada se utilizaron los resultados de la elaboracion de un diseno experimental. La Tabla 7 presenta los resultados obtenidos.

A continuacion se analiza cada una de las politicas para poder establecer una serie de parametros que ayuden a mejorar (disminuir) la simulacion de los riesgos de incumplimiento. Con los anteriores coeficientes se pueden llegar a los siguientes resultados.

Politica de inventario de la distribuidora 3. Se debe disminuir, si se quiere reducir el riesgo de incumplimiento de flujo de caja, pero para el riesgo de incumplimiento del nivel de servicio no es significativo; por ello se decide dejar esa politica en su nivel bajo de una semana de inventario, para cuid ar asi con el riesgo de flujo de caja.

Politica de inventario de la distribuidora 2. Se debe disminuir, si se quiere reducir el riesgo de incumplimiento de flujo de caja, pero para el riesgo de incumplimiento del nivel de servicio, se debe a aumentar. En este caso una disminucion en una semana de esta politica provocara una disminucion de 15.2 puntos porcentuales al riesgo de incumplimiento de flujo de caja y aumentara 4.5 puntos porcentuales el riesgo de incumplimiento del nivel de servicio. Se decide dejar la politica en el modelo base y, dependiendo de los resultados que se obtengan con la decision de esta corrida, se definira en que valor dejar la politica.

Politica de inventario de la distribuidora 1. Se debe disminuir, si se quiere reducir el riesgo de incumplimiento de flujo de caja, pero para disminuir el riesgo de incumplimiento del nivel de servicio, se debe a aumentar. En este caso un aumento en una semana de esta politica provocara un aumento de 9.9 puntos porcentuales al riesgo de incumplimiento de flujo de caja y disminuira 9.5 puntos porcentuales el riesgo de incumplimiento del nivel de servicio. Se decide dejar la politica en el modelo base y, dependiendo de los resultados que se obtengan con la nueva decision, se definira en que valor dejar la politica.

Politica de inventario de la fabrica. Se debe disminuir, si se quiere reducir el riesgo de incumplimiento de flujo de caja, pero para disminuir el riesgo de incumplimiento del nivel de servicio, se debe a aumentar. En este caso una disminucion en una semana de esta politica provocara una disminucion de 15.1 puntos porcentuales al riesgo de incumplimiento de flujo de caja y aumentara 4.8 puntos porcentuales el riesgo de incumplimiento del nivel de servicio. En este caso la disminucion de una semana de la politica provoca una mejoria porcentual mas grande en el riesgo de incumplimiento del flujo de caja que lo que perjudica el incumplimiento del nivel de servicio, por lo que se decide dejar esta politica en su nivel minimo de una semana.

Politica de la bodega de plastico. En ambos modelos esta politica no arrojo resultados significativos, por lo que se decide mantenerla en los parametros base.

Politica de la bodega de cobre. En esta politica, al igual que lo ocurrido con la politica de la fabrica, una disminucion en una semana provocara la disminucion de 12.38 puntos porcentuales al riesgo de incumplimiento de flujo de caja y aumentara 6.4 puntos porcentuales el riesgo de incumplimiento del nivel de servicio. Asi como en la politica de inventario de la fabrica, la disminucion de una semana provoca una mejoria porcentual mas grande en el riesgo de incumplimiento del flujo de caja que lo que perjudica el incumplimiento del nivel de servicio, por lo cual se decide dejar esta politica en su nivel minimo de 0.5 semanas de inventario.

C. Resultados de la simulacion

Con las anteriores decisiones (ver Tabla 8) se disminuyo el riesgo de incumplimiento de flujo de caja a cero y el riesgo de incumplimiento del nivel de servicio aumento de 0.62 a 0.84 (ver Figura 10). Esto ocurre porque algunas politicas que se dejaron en su nivel minimo, para mejorar el riesgo de flujo de caja, perjudicaban el riesgo de incumplimiento de nivel de servicio.

Con base en la anterior decision se puede tomar una segunda, que intente disminuir cuanto mas se pueda el riesgo de incumplimiento de nivel de servicio--ya que el riesgo de flujo de caja es cero-.

En la decision anterior se habian dejado unas politicas en el nivel base para despues definirlas, a esas politicas se les va a asignar su nivel maximo, buscando disminuir el incumplimiento del nivel de servicio. La segunda decision se muestra en la Tabla 9.

En la Figura 11 se puede notar una disminucion del riesgo de incumplimiento del nivel se servicio en 10 puntos porcentuales, con respecto a la decision 1 (tomada en el apartado anterior) alcanzando un valor de 0.74%. El riesgo de incumplimiento de flujo de caja permanece igual con respecto a la decision anterior.

Conclusiones

Los resultados obtenidos evidencian la importancia de la administracion del riesgo a lo largo de la cadena de abastecimiento; esto se aprecia al observar como un riesgo del 62%, de no cumplir con las entregas a los clientes (Tabla 2, nivel de servicio) puede llegar a ser disminuido hasta en 16 puntos porcentuales (a 46%), por medio de la toma de decisiones conjuntas.

Tambien es posible identificar con claridad un efecto trade-off, entre mejorar la atencion al cliente y obtener mayores utilidades, al ver como al implementar cambios en las bodegas de distribucion 1 y 2, se pueden obtener disminuciones en el riesgo de nivel de servicio, pero un aumento muy significativo en el riesgo financiero (ver Tabla 4). A esta misma conclusion se puede llegar observando los signos opuestos que tienen los coeficientes estimados para cada uno de los modelos. *

Este documento se ha construido a partir de la ponencia presentada por los autores en el X Congreso Latinoamericano de Dinamica de Sistemas, realizado en Buenos Aires, Argentina, en noviembre de 2012. El documento es inedito.

Fecha de recepcion: Febrero 26 de 2013

Fecha de aceptacion: Abril 1 de 2013

Referencias bibliograficas

Agrella, P., Lindrothb, R. & Norman, A. (2004). Risk, information and incentives in telecom supply chains. International Journal of Production Economics, 90(1), 1-16

Arenas, F. (2004). Una aproximacion a los indicadores de gestion a traves de la dinamica de sistemas. Sistemas y Telematica, 2(3), 69-81

Faisal, M.N., Banwet, D.K., Shankar, R. (2007). Management of Risk in Supply Chains: SCOR Approach and Analytic Network Process. Supply Chain Forum, 8(2), 66-79

Gaudenzi, B. & Borghesi, A. (2006). Managing risk in the supply chain using AHP method. International Journal of Logistics Management, 17(1), 114-136

Goh, M., Lim, J., & Meng, F. (2007). A stochastic model for risk management in global supply chain networks. European Journal of Operational Research, 182, 164-173

Hallikas , J., Karvonen, I., Pulkkinen, U., Virolainen, V-M., & Tuominen, M. (2004). Risk management processes in supplier networks. International Journal of Production Economics, 90(1), 47-58

He, Y & Zhang, J. (2008). Random yield risk sharing in a two-level supply chain. International Journal of Production Economics, 112(2), 769-781

Institute of Risk Management [IRM] (2002). A risk management standard. Londres, UK: IRM, Alarm, Airmic

Nagurney, A. & Matsypura, D. (2005). Global supply chain network dynamics with multicriteria decisionmaking under risk and uncertainty.

Transportation Research, 41, 585-612 Waters, D. (2007). Supply chain risk management: vulnerability and resilience in logistics. Londres, UK: Kogan Page

Xiao, T., Xiangtong, Q., & Yu, G. (2007). Coordination of supply chain after demand disruptions when retailers compete. International Journal of Production Economics, 109(1-2), 162-179

Felipe Romo L.

piperomo@hotmail.com

Harold F. Daza

nando_45@hotmail.com

Fernando A. Arenas G.

faarenas@icesi.edu.co

Universidad Icesi, Cali-Colombia

Curriculum vitae

Felipe Romo

Estudiante de Ingenieria Industrial de la Universidad Icesi (Cali). Actualmente se encuentra realizando su practica empresarial en la multinacional inglesa Reckitt Benckiser en el area Logistics and Distribution. Recibira su titulo como ingeniero en 2013.

Harold Daza

Estudiante de Ingenieria Industrial de la Universidad Icesi (Cali). Actualmente se encuentra realizando su practica empresarial en la multinacional inglesa Reckitt Benckiser en el area Marketing OTC. Recibira su titulo como ingeniero en 2013.

Fernando Antonio Arenas Guerrero

Ph.D(c) en Direccion de Empresas y Estrategia, Universidad de Valencia (Espana); Ingeniero Quimico y Master en Ingenieria Ambiental, Universidad Nacional de Colombia (Bogota D.C.). Cuenta con veinte anos de experiencia empresarial en companias como Croydon S.A., Productos Petroquimicos S.A., Cabot Colombiana S. A. y Rubbermix S.A., desempenando las gerencias de Investigacion y Desarrollo, Produccion, Operaciones y Tecnica. Docente de postgrado en la Universidad Icesi y la Pontificia Universidad Javeriana de Cali, y capacitador y asesor empresarial en los campos de: Mapas Estrategicos y Balanced Scorecard, Indicadores de Gestion, Aprendizaje Organizacional, Pensamiento Sistemico, Pensamiento Estrategico, Gestion del Riesgo, Dinamica de Sistemas y Simulacion Financiera. Es miembro de la System Dynamics Society [SDS] y la Performance Measurement Association. Fue conferencista de la SDS en las conferencias internacionales de New York (NY, 2003), Oxford (UK, 2004), Boston (MA, 2005), Washington D.C., (2011) y St. Gallen (Suiza, 2012). Fue asesor de la Direccion de Credito Publico y Tesoreria del Ministerio de Hacienda y del Banco de la Republica, en el desarrollo e implementacion de modelos macroeconomicos y financieros de simulacion.

Tabla 1. Modelos cuantitativos de riesgo en la cadena
de abastecimiento encontrados en la literatura
(Faisal, Banwet, & Shankar, 2007)

Titulo                                 Autor

Random yield risk sharing in a         He & Zhang (2008)
two-level supply chain

Stochastic model for risk              Goh   Tim & Meng (2007)
management in global supply chain
networks

Coordination of supply chain after     Xiao, Xiangtong & Yu (2007)
demand disruptions

Managing risk in the supply chain      Gaudenzi & Borghesi (2006)
using AHP method

Global supply chain network            Hallikas , Karvonen, Pulkkinen,
dynamics with multicriteria            Virolainen, & Tuominen, 2004)
decision-making under risk and
uncertainty

Risk, information and incentives in    Agrella, Lindrothb,
telecom supply chains                  & Norman (2004)

Tabla 2. Riesgo en la CA con politicas de inventario base

Agente decisor           Politica      Riesgo      Riesgo
                        inventarios   servicio   financiero

Bodega distribuidor 1        3          62%         14%
Bodega distribuidor 2        2
Bodega distribuidor 3        2
Bodega fabrica               2
Bodega cobre                 1
Bodega plastico              2

Tabla 3. Variacion del riesgo en puntos porcentuales

Agente Decisor          Politica de   Variacion   Variacion
                        inventarios   riesgo      riesgo
                                      servicio    financiero

Bodega distribuidor 1            4      -10%         +38%
Bodega distribuidor 2            5       -6%         +34%
Bodega distribuidor 3            4        0%         +26%
Bodega fabrica                   4        0%         +38%
Bodega plastico                  4        0%         +38%
Bodega cobre                     3       +4%         +4%

Tabla 4. Riesgo en la CA con politicas de inventario
analisis sensibilidad

Agente Decisor          Politica de   Variacion   Variacion
                        inventarios   riesgo      riesgo
                                      servicio    financiero

Bodega distribuidor 2   4             -16%        +42%
Bodega distribuidor 1   5

Tabla 5. Variables independientes

                                 Nivel bajo   Nivel alto
Variable Independiente           (semanas)    (semanas)

Politica distribuidora No. 3
Politica distribuidora No. 2         1            3
Politica distribuidora No. 1         2            4
Politica de fabrica                  1            3
Politica de bodega de plastico       1            3
Politica de bodega de cobre         0.5           2

Tabla 6. Variables independientes

Variables Independientes         Variables dependientes

Politica bodega distribuidor 2   1. Porcentaje de
Politica bodega distribuidor 1   Incumplimiento de Meta
Politica bodega distribuidor 3   financiera.

Politica bodega fabrica          2. Porcentaje de
Politica bodega cobre            Incumplimiento de meta
Politica bodega plastico         operativa.

Tabla 7. Coeficientes estimados en los dos modelos

                              Modelo riesgo de
                              incumplimiento ...   Nivel alto (semanas)

Variable Independiente        ... flujo de caja       ... nivel de
                                                          servicio
Politica distribuidora 3            0.0403           No significativo
Politica distribuidora 2            0.0528               -0.0450
Politica distribuidora 1            0.0997               -0.0950
Politica de fabrica                 0.1509               -0.0488
Politica bodega de Plastico    No significativo      No significativo
Politica bodega de cobre            0.1238               -0.0658

Tabla 8. Resumen de decisiones (propuesta 1)

Politica                         Decision

Politica Distribuidora No. 3     1
Politica Distribuidora No. 2     base
Politica Distribuidora No. 1     base
Politica de Fabrica              1
Politica de bodega de Plastico   base
Politica de bodega de cobre      0.5

Tabla 9. Resumen de decisiones (propuesta 2)

Politica                         Decision

Politica Distribuidora No. 3     1
Politica Distribuidora No. 2     base
Politica Distribuidora No. 1     base
Politica de Fabrica              1
Politica de bodega de Plastico   base
Politica de bodega de cobre      0.5
COPYRIGHT 2013 Universidad ICESI
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2013 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:Articulo original
Author:Romo L., Felipe; F. Daza, Harold; Arenas G. Fernando A.
Publication:Sistemas & Telematica
Date:Apr 1, 2013
Words:4452
Previous Article:Procedimiento para implementar QoS en la capa de acceso en redes de proxima generacion enfocado en el servicio de voz.
Next Article:Metodo automatizado de analisis de imagenes para deteccion del parasito de la malaria p-vivax en imagenes de gota gruesa.

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters