Printer Friendly

Diseno de sistema experto para toma de decisiones de compra de materiales.

Design of expert system for decision making in materials purchasing

Conception d'un systemes expert pour la prise de decisions dans l'achat de materiels

1. Introduccion

La funcion de compras dentro de una organizacion es la encargada de gestionar de manera oportuna y al menor costo posible los materiales (productos, repuestos e insumos) que se requieren para satisfacer sus necesidades, cumpliendo con los requisitos de precio, calidad, condiciones de entrega y condiciones de pago. Utilizar de forma optima el capital de trabajo involucrado en inventarios, es crucial para obtener mayores rendimientos del dinero invertido, es por ello, que llevar estrategias acordes con las caracteristicas de cada producto, va en beneficio directo de las utilidades que obtenga la organizacion (Dominguez, Garcia, Martinez y Pozas, 2006).

El contexto de esta investigacion cientifico tecnologica se circunscribe en una gerencia de logistica y abastecimiento que debe tomar decisiones respecto de la adquisicion de alrededor de 12.500 materiales para apoyar los procesos de produccion de una empresa de paneles (o tableros) de madera, que forma parte de un complejo industrial siendo una de las mayores empresas forestales de America Latina (Arauco, 2014). En la empresa se carece de un metodo eficaz para determinar los lotes de compra eficientes, porque no se hace distincion entre tipos de materiales, frecuencia y comportamiento de su demanda, entre otros, ocasionando un capital inmovilizado sin justificacion aparente de casi 14 millones de dolares en productos, repuestos e insumos, los cuales se manifiestan en productos sin rotacion y niveles de reserva redundantes. Por otra parte, la gestion de los inventarios cobra relevancia porque se consideran como un amortiguador entre dos sistemas, uno de oferta y otro de demanda; el termino amortiguador radica en que la cantidad disponible en bodega de cierto producto, debe soportar las variaciones que pueda experimentar la demanda o los tiempos de entrega en un periodo determinado (Aguilar, 2012). Ademas, la gestion de inventarios redunda directamente en la rentabilidad y crecimiento de la empresa y por ende, es vital para alcanzar una ventaja competitiva (Aguilar, 2009).

La revision bibliografica ofrece diversos modelos para apoyar la toma de decisiones de inventarios, sin pretender ser exhaustivo. Se puede resaltar que, segun diversos autores, siguen estando vigentes los modelos clasicos de lote economico (EOQ) y sus variantes, cuando se asume una demanda conocida con cierto grado de incertidumbre, los modelos de revision continua, periodica y mixta tambien con sus variantes cuando se asume cierta aleatoriedad en la demanda, sobre todo durante los tiempos de entrega. En consecuencia, el modelo EOQ es recomendable para situaciones de alto consumo y frecuencias regulares (Perez, Cifuentes, Vasquez y Ocampo, 2013; Gutierrez, Panteleeva, Hurtado y Gonzalez, 2013; Aguilar, 2009). Ademas, Puchades y Mula (2004) resaltan el hecho que el modelo EOQ se utiliza para productos con fecha de caducidad a largo plazo y demanda uniforme.

Por otra parte, los modelos de Wagner-Whitin y de balanceo de periodo fragmentado son utilizados, segun se indica en Bustos y Chacon (2012), para insumos con demanda irregular. El modelo Silver-Meal se utiliza, segun se indica en Torres y Rincon (2005), para articulos con demanda sin tendencia y con existencia de variabilidad y en Amat de Swert (2009), se indica que el modelo de costo unitario minimo presenta buenos resultados en escenarios de compra de productos que exhiben una demanda esporadica y cantidades de consumo irregulares. En Chackelson y Errasti (2010) se destacan las cualidades que ofrece el modelo de inventario base el cual presenta buenos resultados para fines de compra de materiales que muestran un bajo consumo y frecuencia irregular. Finalmente, el modelo Lote a lote ha presentado buenos resultados, segun se indica en Cardenas y Rau (2013), cuando se aplica a materiales que implican un alto costo de adquisicion, con demanda deterministica y ambiente justo a tiempo. De modo que los aportes de la literatura investigada facilitan la tarea de identificar modelos de inventarios y segmentos de materiales, segun la variabilidad y frecuencia de sus consumos historicos y asi disponer en una primera etapa de un criterio para deducir una clasificacion multicriterio ABC.

Por la multiplicidad de variables que intervienen en los modelos de inventarios, Casanovas (2011), indica que para seleccionar las estrategias adecuadas para cada producto, es necesario definir categorias y segmentar un portafolio de compras, de modo de desarrollar un perfil de comportamiento de cada clase de producto. En este contexto, la metodologia multicriterio es mas flexible que los modelos unicriterios, cuando el problema a abordar requiere considerar mucha informacion para realizar una buena eleccion.

En el ambito de la logistica y abastecimiento, llevar un eficiente control de inventarios implica diferenciar la gestion de los mismos dependiendo de las caracteristicas particulares de los materiales. Es ampliamente conocido el metodo ABC para la clasificacion de inventarios propuesto por Pareto, sin embargo, al ser un metodo unicriterio, que solo considera el costo anual de consumo, hace que sea dificil adoptar estrategias diferenciadas que posibiliten una gestion eficiente de los mismos.

Cuando un analisis ABC incluye dos o mas criterios, este problema es llamado Clasificacion ABC Multicriterio el cual es un problema ampliamente estudiado en la literatura (Castro, Velez y Castro, 2011). En Parada (2009), se concluye que "la formulacion de un enfoque multicriterio en la aplicacion del metodo ABC y la matriz costo de adquisicion/indice de rotacion constituyen dos metodos para clasificar los productos y adoptar estrategias diferenciadas que mejoran la gestion de inventario en las organizaciones. Su eleccion dependera de la situacion concreta de aplicacion", ademas, una clasificacion multicriterio de inventarios de materiales va efectivamente en ayuda del control selectivo de productos, repuestos e insumos en un almacen, de modo de focalizar la atencion y los recursos disponibles hacia aquellos productos que requieran, por su impacto en la continuidad del proceso productivo, una mayor dedicacion.

Una de las variables determinantes en la eficacia de la aplicacion de los modelos de inventario es el desafio de identificar criterios para estimar la demanda de productos o materiales; en este contexto, en Rivera (2012) se presentan los resultados de la aplicacion de modelos de series de tiempo para la misma planta de tableros de madera, donde se utilizaron los siguientes modelos segun los criterios de clasificacion establecidos: promedios moviles, suavizamiento exponencial simple, suavizamiento exponencial doble (o metodo de Holt), suavizamiento exponencial triple (o metodo de HoltWinters) y el metodo de demanda intermitente (o metodo de Croston). Estos aportes seran integrados en el sistema experto propuesto.

Por la multiplicidad de variables que intervienen en la toma de decisiones, tales como decisiones de compras, criterios de reposicion, costos de ordenamiento y costos de mantenimiento, entre otros, la literatura especializada ofrece modelos de apoyo a la toma de decisiones en ambientes de alta complejidad basados en el conocimiento, tales como los sistemas expertos. Los sistemas expertos pertenecen a una rama de la inteligencia artificial, especificamente a los sistemas basados en conocimiento, los que a su vez son parte de la ingenieria del conocimiento, disciplina que nacio para capturar y representar el conocimiento humano llevando esta actividad de un arte, a un proceso de ingenieria (Alonso, Guijarro, Lozano, Palma y Taboada, 2004) y representan actualmente una herramienta muy utilizada de la inteligencia artificial, segun se indica en Cuadrado, Gonzalez, Curbelo, Luna, Casas y Gutierrez (2011).

La idea principal de los sistemas expertos es rescatar el conocimiento de uno o varios expertos humanos de un area especifica y simular mediante un software el razonamiento que este tendria frente a una situacion y proporcionada dentro del dominio seleccionado, dando como resultado conclusiones o consejos que sirven de guia a un tomador de decisiones (Liao, 2005; Esquivias, Zamora, Merino y Prieto, 2013) y asi, poder interrelacionar de una manera mas eficaz las multiples variables, que en este caso, estan presenten en la toma de decisiones de inventarios.

El diseno de un sistema experto requiere precisar e identificar sus componentes fundamentales y son los siguientes: la base de conocimiento (donde se aloja el conocimiento del experto humano y configurada a traves de reglas de decision): base de hechos (unidad de memoria auxiliar de naturaleza dinamica que contiene los datos especificos de la situacion que se desea analizar): un componente de explicacion (configuracion de un modulo encargado de revelar al usuario los pasos que utilizo el sistema para entregar sus resultados); un motor de inferencia (unidad del software que se encarga de utilizar el conocimiento alojado en la base de datos para inferir conclusiones acordes con el problema planteado utilizando metodos de encadenamientos hacia atras o hacia adelante para relacionar situaciones de entrada y soluciones factibles, o viceversa); y una interfaz con el usuario (componente que facilita la interaccion entre el sistema experto y el usuario final a traves de preguntas segun el patron de conversacion escrito entre seres humano).

De modo que el objetivo principal de un sistema experto es simular, mediante software, el razonamiento de un experto en un area especifica para obtener conclusiones o consejos que guien el proceso de toma de decisiones (Alonso et al. 2004; Liao, 2005; Ruiz y Agudelo, 2006; Pino, Gomez y De Abajo, 2001; Armendariz, Ortiz y Schouwenaars, 2007; Tabares, Monsalve y Diez, 2013).

En la literatura consultada, sobre todo publicaciones cientificas seriadas de acceso online, se reconocen dos tipos de conocimiento que deben incorporarse en un sistema experto, el conocimiento tacito, que es el que proviene de las buenas practicas, es subjetivo, esta en la mente de las personas; y el conocimiento explicito, que es aquel que se encuentra documentado, se dice que es un conocimiento tangible al cual podemos recurrir y consultar cuando sea necesario (Arbonies y Calzada, 2004). Para efectos de este estudio, el conocimiento tacito se rescata del personal involucrado en las compras de materiales quienes reconocen, por su experiencia, que materiales son mas prioritarios que otros, pero muchas veces en un contexto de subjetividad y poca precision.

Para representar el conocimiento tacito, existen varias tecnicas; entre las mas destacadas estan las reglas de produccion, redes semanticas, mapas conceptuales, mapas mentales y los diagramas de flujo (Henao-Calad y Rodriguez-Lora, 2012). En esta investigacion se optara por la regla de produccion por su facilidad de comprension por parte de los encargados de compra. El conocimiento explicito, que complementa el conocimiento tacito, esta constituido por la teoria de los modelos de inventarios y documentos afines que describen practicas relevantes sobre gestion de inventarios.

El proceso de diseno y desarrollo de un sistema experto requiere que se demuestren evidencias suficientes en relacion con la verificacion y validacion del sistema; estos requisitos proveeran una mayor satisfaccion de los usuarios porque proporcionan herramientas y recursos para la realizacion eficiente del trabajo (Garcia, De Amescua y Velasco, 2006). Sin embargo, en un sistema experto se deberia verificar el cumplimiento de las especificaciones, base de conocimiento y ademas, incluir criterios de validacion. En este contexto, se rescatan los aportes de Hernandez (2000), que proporciona la aplicabilidad del estadistico Kappa (k) "que es una medida de acuerdo entre cada par de expertos, que introduce un ajuste eliminando del porcentaje de acuerdo, aquel que puede ser debido a la casualidad)". La expresion de este estadistico se presenta en la ecuacion 1.

k = Po - Pc/ 1 - Pc [member of] [-1, 1] (1)

Donde,

[p.sub.o] es la proporcion de acuerdo observado

[p.sub.c] es la proporcion de acuerdo esperado debido a la casualidad

Un valor de +1.00 de este estadistico indicara un acuerdo total y un valor de 0.00 indicara que el acuerdo se debe por completo a la casualidad. Los valores negativos se obtendran solo cuando el acuerdo entre los expertos sea menor incluso que el acuerdo esperado por la casualidad. Los valores mayores a 0.75 indican un nivel de acuerdo excelente; los valores entre 0.40 y 0.75 muestran un acuerdo bastante bueno a bueno, y los valores por debajo de 0.40 indican un acuerdo bastante pobre, mas alla del cual, el acuerdo se podria deber simplemente a la casualidad o a una casuistica poco representativa.

En resumen, esta investigacion tiene como objetivo principal verificar la factibilidad de integracion entre las teorias de inventarios y de sistemas expertos a traves del diseno de un sistema informatico basado en el conocimiento para apoyar el proceso de toma de decisiones en el area de logistica y abastecimiento de una empresa forestal lider en el mercado latinoamericano.

2. Metodologia

Los principales participantes lo constituyeron los encargados de compra de la unidad bajo analisis quienes poseian el conocimiento tacito, tipo de conocimiento que es reconocido como una fuente de competitividad en empresas manufactureras, segun se precisa en Boisier (2001). Lo anterior debido a la experiencia de los encargados en el area de abastecimiento y compras de la empresa, sobre todo en la habilidad demostrada para reconocer las variables de inventario relevantes que inciden en los procesos de compra, variables tales como destreza para anticiparse a eventuales inexistencias, conocimiento del desempeno y efectividad de proveedores, experiencia para relacionarse con proveedores y capacidades efectivas de comunicacion en su ambito de accion, entre otros.

Las principales etapas que se consideraron para el diseno y desarrollo del sistema experto fueron las siguientes:

Una etapa de entrenamiento al personal involucrado en el proceso de adquisiciones para reconocer los dominios de conocimiento teorico con la finalidad de comprender y sustentar el desarrollo del sistema experto, ademas de establecer reuniones tecnicas para reconocer variables de interes e importancia que tiene cada una en el contexto de la gestion de inventarios (Palma, Paniagua, Martin y Martin, 2000).

Aplicacion de un cuestionario tipo Likert-Thurstone para calificar las principales variables cualitativas que consideran los encargados de compra dentro de su proceso decisional (Guil, 2005).

Utilizacion de los resultados de Rivera (2012) para disponer de una herramienta que permita realizar las estimaciones de consumo a traves de series de tiempo para cada uno de los productos sujetos a verificacion y validacion.

Analisis de las caracteristicas de cada material, tales como el registro historico de consumos, frecuencia de compras durante los ultimos doce meses a traves de los recursos que aportaba el modulo de mariales del programa de planificacion de recursos empresariales de la empresa.

Revision y analisis de bases de datos cientificas con acceso online, tales como SciELO y Dialnet, para rescatar los aportes de la literatura especializada en relacion con teorias efectivas de gestion de inventarios y diseno de sistemas expertos.

Organizacion de una base de conocimiento que albergo el conocimiento tacito de los encargados de compra, esto fue complementada por el conocimiento explicito que ofrecia la teoria sobre modelos de gestion de inventario. Este conocimiento fue representado por medio de reglas de produccion del tipo "si condicion, entonces accion". Se opto por este tipo de representacion, debido a la uniformidad de su estructura y la naturalidad que ofrece para expresar el conocimiento, ademas, es una de las tecnicas utilizadas con mayor exito para la programacion de sistemas basados en conocimiento (Barcelo, Alonso, De la Cruz y Cendejas, 2009). Diseno y validacion de un motor de inferencia que fue validado con el personal involucrado en el proceso de adquisiciones y se consensuo la utilizacion del razonamiento con encadenamiento hacia adelante, donde las variables de entrada determinan el resultado.

Conformacion de una base de hechos con los consumos registrados en el sistema de planificacion de recursos empresariales con un horizonte de antiguedad de doce meses.

Diseno de un componente de explicacion a partir de los aportes de la literatura de inventarios porque en el area bajo estudio no existia una explicacion formal de las logicas que utilizaban los encargados de compra, estas solo se encontraban albergadas en el conocimiento tacito de ellos.

Diseno de una interfaz con el usuario, la cual considero la compatibilidad del sistema en uso con los archivos utilizados por los encargados de compra, porque de esta forma se potencia la aplicabilidad del sistema.

La clasificacion multicriterio ABC considero diversas etapas con la finalidad de reconocer la importancia para la empresa entre los diferentes articulos, las caracteristicas de variacion de los consumos y la identificacion de grupos de articulos con consumos homogeneos entre ellos.

Para reconocer la importancia entre los items de inventarios se identificaron cinco factores de interes: a) parametros de reposicion, b) area donde se utiliza un material, c) criticidad de un material, d) frecuencia de consumo ultimos 12 meses y e) tiempo entre la emision de un pedido y su llegada a la planta (tiempo de aprovisionamiento).

Con la finalidad de reconocer la importancia (o ponderacion) de los anteriores factores se consideraron los siguientes atributos: a) clasificacion administrativa interna de la empresa para cada factor (individualizandose un total de 35 componentes, distribuidos en los cinco factores); b) Calificacion de la relevancia de cada componente por los encargados de compra utilizando una escala Likert-Thurstone de 1 a 5 (de muy irrelevante a muy relevante) en atencion a los criterios utilizados para fines similares de clasificacion contenidos en Guil (2005). Lo anterior considero las propuestas contenidas en Castro et al. (2011); en ella se establecio una normalizacion de los valores que puede tomar cada variable a traves de las ecuaciones 2 y 3, esto a raiz de que las partidas no comparten las mismas unidades de medida. Los valores normalizados se encuentran entre 0 y 1, siendo los cercanos a 1, los de mayor importancia.

[EXPRESION MATEMATICA IRREPORDUCIBLE EN ASCII] (2)

[[SIGMA].sup.J.sub.j=1] [W.sub.j] = 1 (3)

Donde:

[yn.sub.ij] : valor normalizado del item i-esimo con respecto al criterio j-esimo

wj es el peso asignado al criterio j, bajo la restriccion indicada en la ecuacion 3.

Lo anterior cobra relevancia al detectar que no todas las variables que influyen en la compra de un material tienen el mismo nivel de importancia y en consecuencia facilita la tarea de focalizar los esfuerzos en los que son efectivamente prioritarios.

Para reconocer y precisar las caracteristicas de la variacion de los consumos de los productos se utilizo como criterio de diferenciacion el coeficiente de variacion (Cv) distinguiendo las siguientes tipos de consumos: muy regular (Cv <11%), regular (11% <Cv <16%), irregular (16% <Cv <26%), muy irregular (Cv >26%) (Babiloni, Cardos, Albarracin y Palmer, 2007; Tapia, 2010). Estos criterios permitieron mejorar el criterio inicialmente utilizado en la empresa para reconocer diferentes tipos de consumo. La clasificacion definitiva de los consumos quedo establecida en ocho tipos de consumo, segun se indica en la Tabla 1.

Los criterios utilizados para determinar que modelo de inventario utilizar segun cada grupo de consumos, fueron de juicio discrecional, tales como:

--grado de cumplimiento de los supuestos de un modelo en particular,

--comportamiento historico de los consumos durante los ultimos 24 meses,

--sugerencias de aplicacion de algun modelo segun tipos de consumo,

--sugerencias de la alta direccion de la unidad bajo estudio involucrada en la toma de decisiones de compra, disponibilidad de informacion de costos de compra y ordenamiento de los productos,

--capacidades del personal involucrado en los procesos de compra,

--disponibilidad de parametros en el sistema de planificacion de requerimientos de la empresa para utilizar determinados modelos teoricos.

Para efectos de establecer los consumos y por ende alimentar el parametro de demanda, se consideraron los aportes de Rivera (2012), porque ofrecia una estrategia de pronosticos con base en series de tiempo y que habia sido aplicada con exito a los mismos tipos de productos.

Los modelos que se consideraron en esta investigacion para apoyar la toma de decisiones de compra y demas parametros se indican en la Tabla 2, asi como la segmentacion multicriterio ABC. Por otra parte, el criterio de decision utilizado en los modelos de inventarios es de minimizacion de costos totales. Una mayor precision del criterio adoptado segun clasificacion de consumo y clasificacion multicriterio ABC utilizado, se indica en la Tabla 3.

Las politicas de inventario establecidas segun cada clasificacion de productos, aparecen en la Tabla 4.

Finalmente, se definieron cuatro conjuntos de reglas de decision para apoyar el motor de inferencia del sistema experto y el alcance de cada uno de estos conjuntos de reglas (Tabla 5).

3. Resultados

El resultado de esta investigacion lo constituye principalmente el diseno de un sistema experto que integra las orientaciones de la literatura especializada sobre modelos de inventarios con la teoria sobre sistemas expertos basados en el conocimiento. El sistema experto queda conformado por los siguientes componentes: una base de conocimiento, una base de hechos, un componente de explicacion, un motor de inferencia y una interfaz con el usuario a traves de un sistema informatico de planificacion de recursos empresariales disponible en el area de logistica y abastecimiento de una empresa.

La base de conocimiento se conformo con cuatro tipos de reglas generales: para cuantificar variables cualitativas, para realizar la clasificacion ABC multicriterio, para realizar la clasificacion estadistica y para asignar los modelos de inventario segun tipos de consumo. Luego de un proceso de verificacion de coherencia de las reglas especificas en cada caso, se establecio un total de 34 reglas especificas que conformaron la base de conocimiento.

La base de hechos quedo conformada por los consumos registrados con un horizonte de antiguedad de 12 meses. El sistema fue disenado para soportar la matriz de consumos de 12.483 materiales que fueron susceptibles de analizar con el sistema y que correspondieron al total de registros historicos contenidos en el programa de planificacion de recursos empresariales (ERP) de la empresa, de manera que el sistema experto puede interactuar directamente con el. El sistema experto contiene un componente de explicacion que permite informar al usuario las razones por las que hace cierta recomendacion; este componente es de naturaleza rigida e inalterable frente al usuario.

El motor de inferencia fue configurado con participacion de los involucrados en las compras de materiales y el criterio adoptado fue un encadenamiento hacia adelante, de modo que las variables de entrada determinan el resultado sugerido por el sistema experto.

La interfaz del usuario fue integrada por una plataforma de planillas Excel, acompanadas de programacion de macros, en Visual Basic, con dos modulos, uno de acceso general de usuarios que permite ingresar datos e interactuar con el sistema sin alterar los parametros preestablecidos, y otro modulo con restriccion de acceso para actualizar parametros, base de conocimiento y base de hechos.

El proceso de verificacion de la eficacia del sistema experto considero los siguientes ambitos:

Verificacion de la incorporacion de los conceptos propios asociados con los modelos de inventario y requerimientos de constructo de los sistemas expertos.

Verificacion de la adecuacion de la base de conocimiento de modo de comprobar que las reglas de decision funcionen adecuadamente y ademas, comprobar que el sistema experto funciona con razonamiento exacto, es decir, que las variables de entrada sean precisas o que no existen variables "difusas" que puedan generar un conflicto al utilizar este tipo de razonamiento.

Verificacion del correcto funcionamiento de la interfaz con el usuario de modo que exista fluidez en la interaccion entre el sistema experto y las bases de datos que utilizan los encargados de compra.

Verificacion del grado de proteccion del sistema de modo de resguardar la base de conocimiento frente a usuarios no autorizados.

Verificacion del funcionamiento de los mecanismos de inferencia, el cual fue hecho utilizando un total de 24 articulos ficticios, cada uno de ellos representando una de las posibles combinaciones que es capaz de evaluar el sistema experto. Se utilizaron articulos ficticios para asegurar la evaluacion de todos los casos posibles, comprobando que el sistema genero recomendaciones de forma correcta para los 24 articulos.

La verificacion de la base de conocimiento consistio en analisis de consistencia y completitud. La consistencia para comprobar la coherencia de las reglas de decision y las condiciones IF innecesarias o redundantes. La completitud estaba enfocada en observar los valores no referenciados, ilegales o atipicos.

Finalmente, la validacion del sistema experto se hizo utilizando el estadistico Kappa, que es una medida de acierto entre el sistema y un experto humano. Se opto por esta tecnica cuantitativa, porque ofrece un rango de interpretacion de sus valores, ademas, ajusta los porcentajes de acierto para eliminar aquellos que son atribuibles a la casualidad, de esta forma la validacion se realiza objetivamente. El estadistico Kappa para el area bajo estudio registro un valor de 0.6 indicando que tiene un nivel de acuerdo de bueno a bastante bueno.

Pare efectos de verificar las practicas en uso vs. las recomendaciones del sistema experto en relacion con sus parametros de reposicion, se analizaron 1.930 articulos, de ellos se observo que 286 deben mantener sus parametros de reposicion actuales, 200 deben subir sus parametros de reposicion y 1.444 articulos debian disminuir sus parametros de reposicion por estar sobredimensionados.

El criterio utilizado para identificar los materiales que debian disminuir sus parametros de reposicion fue la cuantificacion del capital de trabajo retenido en bodega a traves de las ecuaciones 4, 5 y 6.

[PP.sub.i] = [PPse.sub.i] = [DELTA]PP (4)

[DELTA][PP.sub.i] X [C.sub.i] = [Cr.sub.i] (5)

[EXPRESION MATEMATICA IRREPORDUCIBLE EN ASCII]

Donde

[PP.sub.i] = punto de pedido actual del material i.

[PPse.sub.i] = punto de pedido propuesto por el sistema experto para el material i.

[DELTA][PP.sub.i=] Exceso de inventario del material i.

[C.sub.i] = Costo del material i.

[CR.sub.i] = Capital retenido del material i.

TCR = Capital de trabajo total retenido en bodega.

El resultado obtenido, indico que el capital de trabajo retenido en materiales que no tenian rotacion era del orden de US$843.000. La magnitud de la estimacion anterior se fundamenta en dos causas: por un lado, la realizacion de ordenes de compra de materiales en forma arbitraria y sin justificacion aparente y por otro lado, la falta de fundamento tecnico y teorico para definir los parametros de reposicion de inventarios.

4. Discusion

El origen de este estudio surge ante la necesidad de reducir el capital de trabajo retenido en inventarios, reducir los costos totales de inventarios involucrados y mejorar la eficiencia de la unidad de abastecimiento y bodega de una gran empresa elaboradora de tableros de madera.

El problema principal radica en la ausencia de mecanismos efectivos para definir criterios efectivos de gestion de inventario, tamanos de lote economicos de compra, parametros de reposicion, definicion de niveles de stock adecuados, entre otros.

Si bien en la empresa existia un criterio de clasificacion ABC basico para los materiales, este no era efectivo porque no integraba en un solo indicador, las diversas variables relevantes que caracterizaban a cada material que es de una naturaleza heterogenea. No obstante, la experiencia del personal involucrado poseia el conocimiento tacito para distinguir la urgencia de una gestion de compra pero no la capacidad para realizar una gestion de compra eficiente para soportar una decision fundamentada en relacion con tamanos de lote, frecuencia de pedido, nivel de stock y modelo de revision.

La literatura especializada ofrecia diversos enfoques y modelos de inventario aplicados en diversos escenarios, asi como modernas estrategias de clasificacion ABC, ademas, ofrecia aplicaciones y metodologias relacionados con el diseno de modelos basados en el conocimiento de modo, sin embargo, no se detecto en la literatura investigada evidencias de una integracion entre gestion de compras y sistemas expertos.

La validez de los resultados obtenidos permitio resaltar el rol del personal de compras debido a que aportaron eficazmente su conocimiento tacito para deducir las variables relevantes de cada material y su grado de importancia en la empresa, de esta forma fue posible realizar una clasificacion ABC multicriterio eficaz para una gestion de inventarios mas oportuna.

El resultado de la utilizacion del sistema experto permite clasificar los materiales de acuerdo con su real importancia, utilizando el concepto de multicriterio, presenta el resultado de los parametros optimos de cada material con base en el comportamiento de sus consumos historicos y entrega una estrategia de compra que ayuda a disminuir los costos totales anuales.

El sistema experto fue validado mediante el estadistico de Kappa, que es una medida de acierto entre el sistema y un experto humano. Este estadistico arrojo un grado de acierto de bueno a bastante bueno, por lo tanto, las recomendaciones que genera se pueden considerar adecuadas y mejores que antes se utilizaban para atender las necesidades reales de cada material.

Se efectuaron pruebas piloto con 1.930 materiales (utilizando un enfoque de juicio) que tenian definido los criterios de reposicion explicitos, obteniendo resultados conformes en terminos de identificar aquellos que resultada adecuado mantener sus niveles de reposicion, a diferencia de otros en que era mas adecuado subir o bajar los niveles de reposicion segun el tipo de material bajo analisis.

Por otra parte, el sistema experto tambien ofrece una estrategia diferenciada para estimar el consumo futuro presentando modelos de pronostico alternativos segun se haya comportado la demanda de cada material durante los ultimos doce meses (utilizacion del promedio de consumos cuando se trate de consumos con bajo coeficiente de variacion y uso de series de tiempo en caso contrario).

Las limitantes que presenta el sistema experto, por una parte, es la no inclusion de restricciones de capacidad para las ordenes de pedido optimas quedando en manos de los usuarios la decision cuando se detecte la no factibilidad de almacenar los materiales en las instalaciones disponibles; por otra parte, es el criterio establecido para determinar los stock de seguridad los cuales, en trabajos futuros, se deberia analizar la opcion de tratar la demanda de manera dinamica para introducir comportamientos mas factibles que sucedan en el futuro, mejorando asi la calidad de esas estimaciones.

El sistema experto fue disenado para una planta de tableros nacional, el que puede ser replicado en las otras plantas del complejo porque participan en el mismo tipo de industria, o incluso en otros tipos de empresas, pues la gestion de inventarios es una importante fuente de competitividad en empresas de manufactura.

Los resultados obtenidos en las pruebas piloto del sistema experto, reafirman que la utilizacion de una politica de lotificacion poco rigurosa, produce un stock redundante generando costos que se pueden disminuir al conjugar la teoria de inventarios con los recursos que ofrecen los sistemas basados en el conocimiento.

5. Conclusiones

La revision del estudio del arte permite identificar un conjunto de modelos de inventarios que pueden ser utilizados en la toma de decisiones de compra en una empresa de paneles de madera segun variabilidad y frecuencia de los consumos. Los modelos utilizados fueron EOQ con stock de seguridad, EOQ basico, Wagner-Whitin, Silver-Meal, Costo unitario minimo, Balanceo de periodo fragmentado, Inventario base y Lote a lote.

Es factible integrar la teoria de inventarios con los requisitos que impone el diseno de un sistema experto. El sistema experto propuesto incluye una base de conocimiento participativa, un motor de motor de inferencia conformado por 33 reglas del tipo If-Then, una base de hechos soportada a traves de un sistema ERP, un componente de explicacion conformado por ocho modelos de inventario alternativos para generar politicas de aprovisionamiento de materiales en un contexto de clasificacion multicriterio ABC a minimo costo y una interfaz de usuario utilizando los recursos de Office.

La validacion y verificacion del sistema experto presenta un grado de acuerdo satisfactorio segun los usuarios directos (encargados de compra) debido a que el indice Kappa utilizado para contrastar la respuesta del sistema experto y el criterio tacito de los usuarios, arroja un valor de 0,6.

El sistema experto permite reconocer que de un total de 1.930 articulos analizados, 15% deberia mantener sus parametros de reposicion, 10% deberia subir sus parametros de reposicion y 75% debe bajar sus parametros de reposicion establecidos.

Los resultados de esta investigacion permiten afirmar que con la aplicacion de los modelos de inventarios se pueden cambiar los parametros de reposicion existiendo un potencial de reduccion del capital de trabajo retenido en inventarios de un 40% y que para efectos de planificar las cargas de trabajo del personal involucrado esta podria abocarse de manera preferente solo al 21,5% de los articulos bajo su ambito de accion.

6. Referencias

Aguilar, G. (2009). Gestion de inventarios como factor de competitividad, en el sector metalmecanico de la region occidental de Venezuela. Revista de Ciencias Sociales, 15 (6). Recuperado de http://www.scielo.org.ve/scielo. php?pid=S1315-95182009000300012&script=sci_arttext

Aguilar, P. (2012). Un modelo de clasificacion de inventarios para incrementar el nivel de servicio al cliente y la rentabilidad de la empresa. Pensamiento y Gestion, 32. Recuperado de http://www.redalyc.org/articulo.oa?id=64623932007

Alonso, A., Guijarro, B., Lozano, A., Palma, J., & Taboada, M. (2004). Ingenieria del conocimiento: Aspectos metodologicos. Madrid, Espana: Pearson.

Amat de Swert, J. M. (2009). Estudio para la implantacion del sistema MRP de planificacion y control de la produccion de una empresa productora de maquinaria de control numerico (Tesis de Ingenieria en organizacion Industrial). Universitat Politecnica de Catalunya. Recuperado de https://upcommons.upc.edu/pfc/bitstream/2099.1/7470/1/Memoria.pdf

Arauco, S. A. (s.f.). Informacion corporativa. Recuperado 10/04/2014 de http://www.arauco.cl/informacion. asp?idq=681&parent=631&ca_submenu=631&idioma=21

Arbonies, A., & Calzada, I. (2004). El poder del conocimiento tacito: por encima del aprendizaje organizacional. Intangible Capital, 6. Recuperado de https://upcommons.upc.edu/revistes/bitstream/2099/2896/1/El%20poder%20del%20 conocimiento%20t%C3%A1cito.pdf

Armendariz, V., Ortiz, A., & Schouwenaars, R. (2007). SEAFEM: Herramienta computacional para la determinacion de causas de falla en elementos mecanicos metalicos. Ingenieria Investigacion y Tecnologia, 4. Recuperado de http://www.journals.unam.mx/index.php/ingenieria/article/view/13479

Babiloni, E., Cardos, M., Albarracin, J. M., & Palmer, M. (2007, sep.). Revision y clasificacion de los metodos de categorizacion de la demanda. Trabajo presentado en International Conference on Industrial Engineering and Industrial Management. Universidad Politecnica de Valencia. Madrid, Espana. Recuperado de http://adingor.es/congresos/web/uploads/ cio/cio2007/manufacturing_management//0429_0438.pdf

Barcelo, G., Alonso, M., De la Cruz, A., & Cendejas, E. (2009). Medidas de complejidad cuantitativas para sistemas expertos basados en reglas. Revista Iberoamericana de Inteligencia Artificial, 13 (43). Recuperado de http://www. redalyc.org/articulo.oa?id=92513169002

Boisier, S. (2001). Sociedad del conocimiento, conocimiento social y gestion territorial. INTERACOES. Revista Internacional de Desenvolvimento Local, 2 (3). Recuperado de http://www3.ucdb.br/mestrados/RevistaInteracoes/n3_sergio_boisier.pdf

Bustos, C., & Chacon, G. (2012). Modelos deterministicos de inventarios para demanda independiente. Un estudio en Venezuela. Contaduria y Administracion, 57. Recuperado de http://www.redalyc.org/articulo.oa?id=39523153011

Cardenas, R., & Rau, J. (2013). Analsis y propuesta de mejora para la gestion de abastecimiento de una empresa comercializadora de luminarias. (Tesis de grado, Pontificia Universidad Catolica del Peru). Recuperado de http://tesis. pucp.edu.pe/repositorio/handle/123456789/4541

Casanovas, A. (2011). Estrategias avanzadas de compras y aprovisionamiento. Barcelona, Espana: Profit Editorial.

Castro, C., Velez, M., & Castro, J. (2011). Clasificacion ABC Multicriterio: tipos de criterios y efectos en la asignacion de pesos. ITECKNE, 8 (2). Recuperado de http://www. google.cl/url?sa=t&rct=j&q=&esrc=s&frm=1&sourc e=web&cd=2&ved=0CC8QFjAB&url=http%3A%2F% 2Frevistas.ustabuca.edu.co%2Findex.php%2FITECKN E%2Farticle%2Fdownload%2F35%2F14&ei=gNsDU_ ykNofs0QH0h4GQAw&usg=AFQjCNF_WH8WwuZYZ8k2xavA-KLx2S7n7Q

Chackelson, C., & Errasti, A. (2010, sep.). Validacion de un sistema experto para mejorar la gestion de inventarios mediante estudio de caso. Memoria de Trabajos de Difusion Cientifica y Tecnica, 8. Recuperado de http://www.um.edu. uy/_upload/_descarga/web_descarga_229_Validacionsistemaexperto_Chackelson_Errast i.pdf

Cuadrado, S., Gonzalez, E., Curbelo, H., Luna, Y., Casas, G., & Gutierrez, I. (2011). Sistema experto basado en casos para el diagnostico de la hipertension arterial. Revista Facultad Ingenieria Universidad Antioquia, 60. Recuperado de http://aprendeenlinea.udea.edu.co/revistas/index.php/ingenieria/article/view/137 48/12198

Dominguez, A., Garcia, G., Martinez, I., & Pozas, C. (2006). Los modelos de portafolio para el analisis y desarrollo de estrategias de la gestion de compras y aprovisionamiento (Tesis de Grado, Universidad Centroamericana Jose Simeon Canas). Recuperado de http://www.umoar.edu.sv/tesis/administracion%20de%20empresas/aprovisionamiento/ Gestion%20de%20Compras%20y%20Aprovisionamiento%201.06.pdf

Esquivias, J., Zamora, A., Merino, M., & Prieto, C. (2013). Validacion de un sistema experto como ayuda al aprendizaje de la citologia cervicovaginal para formacion de citotecnicos, 16 (1). Recuperado de http://scielo.isciii.es/pdf/fem/v16n1/original5.pdf

Garcia, J., De Amescua, A., & Velasco, M. (2006). Top 10 de factores que obstaculizan la mejora de los procesos de verificacion y validacion en organizaciones intensivas en software. Revista Espanola de innovacion, calidad e ingenieria de software, 12 (2). Recuperado de http://www. redalyc.org/pdf/922/92220204.pdf

Guil, M. (2005). Escala mixta Likert-Thurstone. Anduli: Revista Andaluza de Ciencias Sociales, (5). Recuperado de http:// www.google.cl/url?sa=t&rct=j&q=&esrc=s&frm=1&sou rce=web&cd=1&ved=0CCcQFjAA&url=http%3A%2F%2F dialnet.unirioja.es%2Fdescarga%2Farticulo%2F2151095. pdf&ei=ZN0DU-i4OpCA0AHSooD4Bg&usg=AFQjCNHGooza tE-4BSh1zTZFf2bKQ1zbOQ

Gutierrez, E., Panteleeva, O., Hurtado, M., & Gonzalez, C. (2013). Aplicacion de un modelo de inventario con revision periodica para la fabricacion de transformadores de distribucion. Ingenieria Investigacion y Tecnologia, XIV (4). Recuperado http://www.ingenieria.unam.mx/~revistafi/ejemplares/V14N4/V14N4_art07.pdf

Henao-Calad, M., & Rodriguez-Lora, V. (2012). Modelo de conocimiento conceptual como apoyo a la Ingenieria del Conocimiento. Ingeniare, 20 (3). Recuperado de http://www.scielo.cl/pdf/ingeniare/v20n3/art15.pdf

Hernandez, E. (2000). Tecnicas de inteligencia artificial e ingenieria del software para un sistema inteligente de monitorizacion de apneas en sueno (Tesis doctoral, Universidad de Acoruna). Recuperado de http://ruc.udc.es/dspace/bitstream/2183/5544/2/HernandezPereira_Elena.tesis.pdf

Liao, S. H. (2005). Expert system methodologies and applications --A decade review from 1995 to 2004. Expert System with Applications, 28 (1). Recuperado de http://ac.els-cdn. com/S0957417404000934/1-s2.0-S0957417404000934main.pdf?_tid=2f794598-98ec-11e3- 9b94- 00000aab0f02&acdnat=1392762772_a97bd089a89afd1bef51b2a0d97f5756

Palma, J., Paniagua, E., Martin, F., & Martin, R. (2000). Ingenieria del conocimiento. De la extraccion al modelado del conocimiento. Inteligencia Artificial, Revista Iberoamericana de Inteligencia Artificial, 4 (11). Recuperado de http://www. redalyc.org/articulo.oa?id=92541105

Parada, O. (2009). Un enfoque multicriterio para la toma de decisiones en la gestion de inventarios. Cuadernos de Administracion, 22 (3). Recuperado de http://www.redalyc. org/pdf/205/20511730009.pdf

Perez, I., Cifuentes, A. M., Vasquez, C., & Ocampo, D. (2013). Un modelo de gestion de inventarios para una empresa de productos alimenticios. Ingenieria Industrial, XXXIV (2). Recuperado de http://scielo.sld.cu/scielo.php?pid=S18155 9362013000200011&script=sci_arttext

Pino, R., Gomez, A., & De Abajo, N. (2001). Introduccion a la ingenieria artificial: sistemas expertos, redes neuronales artificiales y computacion evolutiva.[Version electronica]. Recuperado de http://books.google.cl/books?id=RKqLMCw3IUkC&pg= PA26&lpg=PA26&dq=Introducci%C3%B3n+a+la+ingenier %C3%ADa+Artificial:+Sistemas+Expertos,+Redes+Neuron ales+Artificiales+y+Computaci%C3%B3n+Evolutiva&sourc e=bl&ots=iEMCj2z07T&sig=Q9dUuGA0T9l8qqGtBouG7Igw jqE&hl=es-419&sa=X&ei=iWUfU4nlAoLmoATojIL4Bg&ved =0CDAQ6AEwAw#v=onepage&q=Introducci%C3%B3n%20 a%20la%20ingenier%C3%ADa%20Artificial%3A%20Sistemas%20Expertos%2C%20Redes%20Neur onales%20Artifi- ciales%20y%20Computaci%C3%B3n%20Evolutiva&f=false

Puchades, L., & Mula, J. (2004, Septiembre). Aplicacion de Metodos Cuantitativos para la Gestion de Stocks en la Empresa Semacaf, S.L. Trabajo presentado en VIII Congreso de Ingenieria de Organizacion Leganes. Asociacion para el Desarrollo de la Ingenieria de Organizacion: Madrid, Espana. Recuperado 10/12/2014 de http://www.adingor.es/Documentacion/CIO/cio2004/comunicaciones/91-99.pdf

Rivera, R. (2012). Desarrollo de modelo y herramienta para la reposicion de stock de bodega materiales de Panales Arauco S.A. (Tesis de grado). Universidad del Bio-Bio: Concepcion, Chile.

Ruiz, M. I., & Agudelo, J. (2006). Planificador de rutas turisticas basado en sistemas inteligentes y sistemas de informacion geografica RUTASIG. Avances en sistemas e informatica, 3 (2). recuperado de http://www.redalyc.org/pdf/1331/133114988008.pdf

Tabares, H., Monsalve, D., & Diez, D. (2013). Modelo de sistema experto para la seleccion de personal docente universitario. TecnoLogicas, (30). Recuperado de http://itmojs.itm. edu.co/index.php/tecnologicas/article/view/404/458

Tapia, F.J. (2010). Estadistica aplicada a las licenciaturas: administracion, contaduria e informatica administrativa. Hermosillo, Mexico. Recuperado 10/12/2014 de http://www.mat. uson.mx/~ftapia/Prototipos/public_html/Notas%20de%20 Clase/Mis%20Notas%20Tema%20I.pdf

Torres, D., & Rincon, J. (2005). Modelo de control y manejo de inventarios de repuestos para la aerolinea AIRES S.A. (Tesis de grado, Universidad de la Sabana). Recuperdo de http://intellectum.unisabana.edu.co:8080/jspui/bitstream/10818/7058/1/124637.pdf

Carlos A. Torres Navarro

Profesor Investigador Departamento de Ingenieria Industrial, Director Diplomado en Ingenieria Industrial, Universidad del Bio-Bio, Concepcion, Chile. Licenciado en Ciencias de la Ingenieria, Ingeniero Civil Industrial Universidad de Santiago de Chile, Santiago, Chile.

E-mail: ctorres@ubiobio.cl

Javier A. Cordova Neira

Ingeniero de Planificacion de Abastecimiento en Farmacias, Cruz Verde S.A., Santiago, Chile. Ingeniero Civil Industrial, Licenciado en Ciencias de la Ingenieria. Universidad del Bio-Bio, Concepcion, Chile.

E-mail: javier.cordova@cverde.cl

Articulo de investigacion cientifica y tecnologica

Segun clasificacion COLCIENCIAS

Recibido: 19/05/2014

Revisado: 29/10/2014

Aprobado: 09/12/2014
Tabla 1. Clasificacion de los consumos

       Clasificacion                     Descripcion

A   Alto consumo--         -Cantidades consumidas mensualmente
    Frecuencia regular     son regulares.
                           -Se consume 12 meses en un ano.

B   Alto consumo--         -Cantidades consumidas mensualmente
    Frecuencia irregular   son irregulares.
                           -Se consume 12 meses en un ano.

C   Consumo regular--      -Cantidades consumidas mensualmente
    Frecuencia regular     son regulares.
                           -Intervalos de consumo son regulares.

D   Consumo irregular--    -Se presenta consumo entre 4 y 11
    Frecuencia regular     meses dentro de un ano.
                           -Cantidades consumidas mensualmente
                           son irregulares.
                           -Intervalos de consumo son regulares.
                           -Se presenta consumo entre 4 y 11
                           meses dentro de un ano.

E   Consumo regular--      -Cantidades consumidas mensualmente
    Frecuencia irregular   son regulares.
                           -Intervalos de consumo son irregulares.
                           -Se presenta consumo entre 4 y 11
                           meses dentro de un ano.

F   Consumo irregular--    -Cantidades consumidas mensualmente
    Frecuencia irregular   son irregulares.
                           -Intervalos de consumo son irregulares.
                           -Se presenta consumo entre 4 y 11
                           meses dentro de un ano.

G   Consumo irregular--    -Se consume 3 o menos meses en un ano

H   Frecuencia puntual     -Presenta devolucion de unidades a
    Devolucion             bodega.

Fuente: Torres y Cordoba (2014).

Tabla 2. Modelos de inventario a utilizar

                    Clasificacion ABC multicriterio

Clasificacion              A               B        C
estadistica
                A   EOQ con stock     EOQ basico
                    de seguridad
                B
                    El sistema experto selecciona,
                C   para estos ambitos de consumo,
                    el modelo que presente costo
                D   minimo entre los siguientes
                    modelos: Algoritmo Wagner-
                E   Whitin (WW), Algoritmo Silver-
                    Meal (SM), Costo Unitario Minimo
                F   (CUM) o Balanceo de Periodo
                    Fragmentado (BPF).
                G
                    Inventario base   Lote a lote
                H
                    Sin modelo, se debe analizar
                    puntualmente

Fuente: Torres y Cordoba (2014).

Tabla 3. Justificacion de los modelos a utilizar

Clasificacion   Clasificacion ABC             Justificacion
estadistica     multicriterio

A               A                   Productos que cumplen con los
                                    supuestos del modelo EOQ, sus
                                    consumos son constantes y uniforme
                                    en el tiempo, requieren disponer,
                                    dada su relevancia, con un stock
                                    de seguridad. El modelo de un solo
                                    lote se propone cuando el tamano
                                    de lote del modelo EOQ cubra la
                                    demanda anual prevista.

A               B o C               Igual al grupo anterior pero de
                                    menor relevancia para la
                                    continuidad del proceso
                                    productivo, no es imprescindible
                                    disponer de un stock de seguridad.

B;C;D;E;F       A                   El sistema experto, por la
                                    importancia de estos productos,
                                    selecciona entre cuatro modelos
                                    alternativos, el que arroje el
                                    menor costo total de inventarios,
                                    ademas, se considero incluir un
                                    punto de pedido con stock de
                                    seguridad para evitar quiebres de
                                    stock.

B;C;D;E;F       B o C               El sistema experto selecciona
                                    entre cuatro modelos alternativos,
                                    el que arroje el menor costo total
                                    de inventarios.

G               A                   Por la baja tasa de consumo de
                                    esta categoria de productos (menos
                                    de cuatro veces por ano) se
                                    definiria una politica de compra
                                    (inventario base) segun sea la
                                    urgencia del requerimiento.

G               B o C               Por la baja tasa de consumo de
                                    esta categoria de productos (menos
                                    de cuatro veces por ano) se define
                                    una compra bajo el enfoque Lote a
                                    lote.

H               A;B;C               No se aplica un modelo teorico, se
                                    analiza caso acaso.

Fuente: Torres y Cordoba (2014).

Tabla 4. Politicas de inventario

Clasif.       Clasif. ABC     Modelo de     Pronosticar
estadistica   multicriterio   inventario    cantidad
                                            demandada

A             A               EOQ con SS    Con base en los
                                            promedios
                                            historicos

A             B o C           EOQ basico    Con base en los
                                            promedios
                                            historicos

B             A               Evaluar       Pronosticar con
                              WW, SM,       serie de tiempo
                              CUM y BPF

B             B o C           Evaluar       Pronosticar con
                              WW, SM,       serie de tiempo
                              CUM y BPF

C             A               Evaluar       Demanda
                              WW, SM,       promedio
                              CUM y BPF

C             B o C           Evaluar       Demanda
                              WW, SM,       promedio
                              CUM y BPF

D             A               Evaluar       Pronosticar con
                              WW, SM,       serie de tiempo
                              CUM y BPF

D             B o C           Evaluar       Pronosticar con
                              WW, SM,       serie de tiempo
                              CUM y BPF

E             A               Evaluar       Pronosticar con
                              WW, SM,       serie de tiempo
                              CUM y BPF

E             B o C           Evaluar       Pronosticar con
                              WW, SM,       serie de tiempo
                              CUM y BPF

F             A               Evaluar       Pronosticar con
                              WW, SM,       serie de tiempo
                              CUM y BPF

F             B o C           Evaluar       Pronosticar con
                              WW, SM,       serie de tiempo
                              CUM y BPF

G             A               Inventario    --
                              base

G             B o C           Lote a lote   --

H             A;B;C           Analizar      --
                              devolucion

Clasif.       Pronostico intervalos   Stock de seguridad
estadistica   de consumo              (SS)

A             Se consumen todo el     S.S. = Z * adda diaria
              ano

A             Se consumen todo el     --
              ano

B             Se consumen todo el     S.S. = Z * adda diaria
              ano

B             Se consumen todo el     --
              ano

C             Mantener intervalos     S.S. = Z * adda diaria
              consumo

C             Mantener intervalos     --
              consumo

D             Pronosticar con serie   S.S. = Z * adda diaria
              de tiempo

D             Pronosticar con serie   --
              de tiempo

E             Pronosticar con serie   S.S. = Z * adda diaria
              de tiempo

E             Pronosticar con serie   --
              de tiempo

F             Pronosticar con serie   S.S. = Z * adda diaria
              de tiempo

F             Pronosticar con serie   --
              de tiempo

G             --                      S.S. = Z * adda diaria

G             --                      --

H             --                      --

Clasif.       Punto de pedido
estadistica   (PP)

A             P.P.= (Dda diaria * LT) + S.S.

A             P.P.= (Dda diaria * LT)

B             P.P.= (Dda diaria * LT) + S.S.

B             P.P.= (Dda diaria * LT)

C             P.P.= (Dda diaria * LT) + S.S.

C             --

D             P.P.= (Dda diaria * LT) + S.S.

D             --

E             P.P.= (Dda diaria * LT) + S.S.

E             --

F             P.P.= (Dda diaria * LT) + S.S.

F             --

G             P.P.= (Dda diaria * LT) + S.S.

G             --

H             --

Nota: Dda: Demanda diaria; LT: Tiempo de entrega; Z: Coeficiente
para nivel de servicio segun distribucion normal; [[sigma].sub.dda]
Desviacion estandar de la demanda diaria

Fuente: Torres y Cordoba (2014).

Tabla 5. Reglas de decision que conforman el sistema experto

Reglas de decision   Alcance

1. Reglas para       Conjunto de 28 reglas de decision para
cuantificar          deducir el nivel de importancia que posee
variables            cada atributo de clasificacion de materiales.
cualitativas

2. Reglas para       Conjunto de tres reglas de decision para
clasificacion ABC    realizar la clasificacion ABC multicriterio
multicriterio        utilizando el principio de Pareto multicriterio.

3. Reglas para       Conjunto de ocho reglas de decision para
clasificacion        proveer de un criterio de pronostico de
estadistica          demanda y modelo de inventario.

4. Reglas para       Conjunto de quince reglas de decision para
asignar modelo de    relacionar clasificacion de materiales en
inventario           planta, clasificacion multicriterio, punto de
                     ordenamiento y stock de seguridad.

Fuente: Torres y Cordoba (2014).
COPYRIGHT 2014 Universidad del Valle
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2014 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Torres Navarro, Carlos A.; Cordova Neira, Javier A.
Publication:Cuadernos de Administracion
Date:Jul 1, 2014
Words:8573
Previous Article:Propuesta para el diseno de un codigo de etica empresarial basado en la etica kantiana.
Next Article:Influencia de la implementacion del sistema de informacion sobre el rendimiento en pequenas y medianas empresas: un estudio empirico en Colombia.
Topics:

Terms of use | Privacy policy | Copyright © 2020 Farlex, Inc. | Feedback | For webmasters