Professional Documents
Culture Documents
Presentado por:
LOGÍSTICA
INFORME
A continuación, los analistas Natalia Ruiz, Angie Tatiana Millán Y Luis David Lerma proceden a
presentar la propuesta de solución del caso de estudio de la empresa Coffe Now, para esto se
realizaron pronósticos con herramientas confiables comparándoles entre sí, eligiendo el método de
menor error con el cual se harán las políticas de inventario.
PRONÓSTICOS
ITEM: CN-0-00L---MS
los datos históricos del ítem CN-0-00L—MS, muestra una tendencia de forma CRECIENTE.
50000
40000
30000
20000
10000
0
0 20 40 60 80 100 120 140
Revisando la literatura se encontró que se trabaja con el 60% de los datos históricos, ya que en el
otro 40% produce ruido a la hora de hacer los pronósticos.
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
MESES BASES DE PRONÓSTICO
60000
R² = 0.0262
50000
40000
30000
20000
10000
0
0 20 40 60 80 100 120 140
los errores de Tendencia Cuadrática son más bajos en comparación con los modelos de Tendencia
Lineal y Suavización Exponencial Doble. Por lo tanto, el modelo de Tendencia Cuadrática
proporciona el mejor pronostico, los cuales se presentan a continuación:
Los datos históricos del ítem CN-0-00S—MS, muestra una tendencia de forma CRECIENTE.
50000
40000
30000
20000
10000
0
0 20 40 60 80 100 120 140
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
- Regresión lineal
- Suavización exponencial doble
SUAV.DO REG.LI
MAPE 26 29
los errores de la Regresión Lineal son más bajos en comparación con el modelo de Suavización
Exponencial Doble. Por lo tanto, el modelo de Regresión Lineal proporciona el mejor pronostico, los
cuales se presentan a continuación:
122 37932,8
123 38089,4
124 38245,9
125 38402,5
126 38559,1
127 38715,6
128 38872,2
129 39028,8
130 39185,3
131 39341,9
132 39498,5
133 39655
134 39811,6
135 39968,2
136 40124,7
137 40281,3
138 40437,8
139 40594,4
140 40751
141 40907,5
142 41064,1
143 41220,7
144 41377,2
145 41533,8
146 41690,4
147 41846,9
148 42003,5
149 42160,1
150 42316,6
151 42473,2
152 42629,7
153 42786,3
154 42942,9
155 43099,4
156 43256
157 43412,6
158 43569,1
159 43725,7
160 43882,3
161 44038,8
162 44195,4
163 44352
164 44508,5
165 44665,1
166 44821,7
167 44978,2
168 45134,8
169 45291,3
170 45447,9
171 45604,5
172 45761
173 45917,6
174 46074,2
175 46230,7
176 46387,3
177 46543,9
178 46700,4
179 46857
180 47013,6
181 47170,1
ITEM: CN-1-DLL---MR
los datos históricos del ítem CN-1-DLL—MR, muestra una tendencia de forma perpetua.
DATOS HISOTORICOS
R² = 0.2919
80000
60000
40000
20000
0
0 20 40 60 80 100 120 140
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
- Promedio Móvil
- Suavización exponencial doble
- Suavización exponencial simple
los errores de Promedio Móvil son más bajos en comparación con los modelos de Suavización
Exponencial Simple y Suavización Exponencial Doble. Por lo tanto, el modelo de Promedio Móvil
proporciona el mejor pronostico, los cuales se presentan a continuación:
ITEM: CN-1-DLS---MR
los datos históricos del ítem CN-1-DLS—MR, muestra una tendencia de forma CRECIENTE.
Chart Title
40000
35000
R² = 0.2311
30000
25000
20000
15000
10000
5000
0
0 20 40 60 80 100 120 140
En este caso el grupo analista decidió trabajar con el 50% de los datos debido que en el momento
de analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
MAPE 45 61 49 47
los datos históricos del ítemCN-1-ECL--QRS, muestra una tendencia de forma CRECIENTE.
200000
R² = 0.3135
150000
100000 Series1
Linear (Series1)
50000
0
0 20 40 60 80 100 120 140
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
ITEM: CN-1-ECS---QRS
los datos históricos del ítemCN-1-ECS--QRS, muestra una tendencia de forma CRECIENTE.
Chart Title
100000
90000 R² = 0.26
80000
70000
60000
50000
40000
30000
20000
10000
0
0 20 40 60 80 100 120 140
En este caso el grupo analista decidió trabajar con el 50% de los datos debido que en el momento
de analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
- los errores Descomposición de serie de tiempo Multiplicativo son más bajos en comparación
con los modelos Descomposición de series de tiempo modelo Aditivo Modelo Winters
multiplicativo Modelo Winters aditivo
los datos históricos del ítemCN-1-ECS--QRS, muestra una tendencia de forma CRECIENTE.
50000
40000 R² = 0.7079
30000
Series1
20000
Linear (Series1)
10000
0
0 20 40 60 80 100 120 140
-10000
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
- Regresión lineal
- Suavización Exponencial Doble
- los errores de Suavización Exponencial Simple son más bajos en comparación con el modelo
de regresión lineal
. Por lo tanto, el modelo de suavización Exponencial Simple, proporciona el mejor pronostico, los
cuales se presentan a continuación:
ITEM: CN-1-ICS---MR
los datos históricos del ítem: CN-1-ICS--MR, muestra una tendencia de forma CRECIENTE.
40000
R² = 0.677
30000
20000 Series1
0
0 20 40 60 80 100 120 140
-10000
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
- Regresión lineal
- Suavización Expo. Doble
- los errores de Suavización Expo. Doble son más bajos en comparación con el modelo de
regresión lineal.
. Por lo tanto, el modelo de Suavización Expo. Doble. proporciona el mejor pronostico, los cuales se
presentan a continuación:
ITEM: CN-1-PSL---QRS
los datos históricos del ítem: CN-1-PSL--QRS, muestra una tendencia de forma CRECIENTE.
DATOS HISTORICOS
140000
120000
100000
80000
60000
40000
20000
0
0 20 40 60 80 100 120 140
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
-Regresión lineal
-Suavización Expo. Doble
-descomposición de series de tiempo multi
MAPE 44 43 41
- los errores Descomposición de serie de tiempo Multiplicativo son más bajos en comparación
con los modelos de regresión Lineal y Suavización Expo. Dobe
ITEM: CN-1-PSS
los datos históricos del ítem: CN-1-PSS, muestra una tendencia de forma CRECIENTE
DATOS HISTÓRICOS
160000
140000
120000
100000
80000
60000
40000
20000
0
0 20 40 60 80 100 120 140
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
Teniendo en cuenta la gráfica anterior la cual presenta patrones de tendencia Perpetua, se
procede a utilizar los métodos correspondientes para esta tendencia.
- los errores Descomposición de serie de tiempo Multiplicativo son más bajos en comparación
con el modelos de Suavizacion Expo. Doble.
122 78701
123 75405
124 78130
125 73258
126 81571
127 82399
128 73785
129 83422
130 101534
131 112892
132 94765
133 123115
134 85088
135 81484
136 84386
137 79085
138 88016
139 88868
140 79539
141 89886
142 109351
143 121528
144 101969
145 132415
146 91475
147 87562
148 90642
149 84912
150 94462
151 95336
152 85294
153 96350
154 117169
155 130164
156 109172
157 141715
158 97862
159 93641
160 96898
161 90739
162 100908
163 101805
164 91049
165 102814
166 124986
167 138800
168 116376
169 151015
170 104249
171 99719
172 103155
173 96566
174 107353
175 108273
176 96803
177 109279
178 132803
179 147437
180 123580
181 160314
ITEM: CN-1-PSL---QRS
los datos históricos del ítem: CN-1-PSL--QRS, muestra una tendencia de forma CRECIENTE.
50000
45000
40000
35000
30000
25000
Series1
20000
15000
10000
5000
0
0 10 20 30 40 50 60 70
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
Teniendo en cuenta la gráfica anterior la cual presenta patrones de tendencia Perpetua, se
procede a utilizar los métodos correspondientes para esta tendencia.
- los errores Descomposición de serie de tiempo Multiplicativo son más bajos en comparación
con los modelos Descomposición de series de tiempo modelo Aditivo Modelo Winters
multiplicativo Modelo Winters aditivo
66 12224,3
67 13986,4
68 17305,6
69 9707,4
70 6778,3
71 16116,2
72 22566,6
73 4073,6
74 13966
75 16218,4
76 10330,5
77 11344,2
78 12224,3
79 13986,4
80 17305,6
81 9707,4
82 6778,3
83 16116,2
84 22566,6
85 4073,6
86 13966
87 16218,4
88 10330,5
89 11344,2
90 12224,3
91 13986,4
92 17305,6
93 9707,4
94 6778,3
95 16116,2
96 22566,6
ITEM: CN-1-SCS---MR
los datos históricos del ítem: CN-1-SCS--MR, muestra una tendencia de forma CRECIENTE.
Chart Title
40000
35000
30000
25000
20000
15000
10000
5000
0
0 10 20 30 40 50 60 70
En este caso el grupo analista decidió trabajar con el 50% de lo datos debido que en el momento de
analizar estos datos se encontró una leve tendencia de decrecimiento de los volúmenes
demandados.
MAPE 65 61 80 85
- los errores Descomposición de serie de tiempo Multiplicativo son más bajos en comparación
con los modelos Descomposición de series de tiempo modelo Aditivo Modelo Winters
multiplicativo Modelo Winters aditivo
sep 66 16740,6
oct 67 7593,4
nov 68 7084,5
dic 69 7735,5
2013 ene 70 5163,2
feb 71 11388,3
mar 72 17463,2
abr 73 8050,9
may 74 13512,3
jun 75 21612,5
jul 76 9521,3
ago 77 15664,1
sep 78 16505,4
oct 79 7486,6
nov 80 6984,7
dic 81 7626,5
2014 ene 82 5090,3
feb 83 11227,4
mar 84 17216,2
abr 85 7936,9
may 86 13320,7
jun 87 21305,7
jul 88 9386
ago 89 15441,2
sep 90 16270,3
oct 91 7379,8
nov 92 6885
dic 93 7517,5
2015 ene 94 5017,4
feb 95 11066,5
mar 96 16969,2
abr 97 7822,8
may 98 13129,1
jun 99 20998,9
jul 100 9250,6
ago 101 15218,3
sep 102 16035,2
oct 103 7273
nov 104 6785,3
dic 105 7408,4
2016 ene 106 4944,6
feb 107 10905,6
mar 108 16722,2
abr 109 7708,8
may 110 12937,5
jun 111 20692,1
jul 112 9115,3
ago 113 14995,4
sep 114 15800
oct 115 7166,2
nov 116 6685,5
dic 117 7299,4
2017 ene 118 4871,7
feb 119 10744,7
mar 120 16475,1
abr 121 7594,8
may 122 12745,9
jun 123 20385,3
jul 124 8980
ago 125 14772,5
CLASIFICACIÓN ABC
Como segunda medida se realizó una clasificación ABC teniendo como criterio el costo de
almacenamiento con el objetivo de encontrar los item que generarían los mayores costos de
almacenamiento en cada uno de los años pronosticados obteniendo los siguientes resultados.
Año 2012:
spt-dic2012 costo
item (demanda vol/caja) alm.
Inversión
I. Acumulado % In. Acum ZONA %
1 1
0.916823697
0.77543331
0.8
0.4
0.2 0.141390387
0.083176303
0
7 3 2
Para este año se obtuvo que los siguientes ítem generan los mayores costos de inventarios: CN-1-
PSS; CN-1-PSL; CN-1-ECL; CN-1-ECS; CN-0-00S; CN-0-00L; CN-1-DLL
Año 2013:
2013
item (demanda vol/caja)
costo alm. Inversión I. Acumulado % In. Acum ZONA %
100%
80% 73%
60%
40%
19%
20%
7%
0%
9 1 2
Para este año se obtuvo que los siguientes ítem generan los mayores costos de inventarios: CN-1-
PSS; CN-1-PSL; CN-1-ECL; CN-1-ECS; CN-0-00S; CN-0-00L; CN-1-DLL; CN-1-ICS; CN-1-ICL.
Año 2014:
60%
40%
20%
20% 7%
0%
9 1 2
Para este año se obtuvo que los siguientes ítem generan los mayores costos de inventarios: CN-1-
PSS; CN-1-PSL; CN-1-ECL; CN-1-ECS; CN-0-00S; CN-0-00L; CN-1-DLL; CN-1-ICS; CN-1-ICL.
Año 2015:
item 2015 Storage cost INVERSION INVERSION ACU INVERSION AC% CLASE
CN-1-PSS 17840,03 15 $ 267.600,43 $ 267.600,43 28% A
CN-1-PSL 9369,72 10 $ 93.697,20 $ 361.297,63 38% A
CN-1-ECS 8573,99 15 $ 128.609,85 $ 489.907,48 51% A
CN-1-ICS 6471,39 10 $ 64.713,89 $ 554.621,36 58% A
CN-0-00S 7401,89 15 $ 111.028,41 $ 665.649,78 70% A
CN-1-ECL 6405,52 10 $ 64.055,15 $ 729.704,93 76% A 76%
CN-1-DLL 3339,88 15 $ 50.098,14 $ 779.803,07 81% B
CN-1-SCL 2654,55 10 $ 26.545,47 $ 806.348,54 84% B
CN-1-ICL 3489,03 15 $ 52.335,44 $ 858.683,98 90% B
CN-1-DLS 3394,44 10 $ 33.944,37 $ 892.628,35 93% B 17%
CN-0-00L 3014,29 15 $ 45.214,28 $ 937.842,62 98% C
CN-1-SCS 1956,78 10 $ 19.567,81 $ 957.410,44 100% C 7%
TOTAL 73911,49 $ 957.410,44
2015
120%
93%
100% 100%
76%
80%
60%
40%
17%
20%
7%
0%
6 4 2
Para este año se obtuvo que los siguientes ítem generan los mayores costos de inventarios: CN-1-
PSS; CN-1-PSL; CN-1-ECS; CN-1-ICS; CN-0-00S; CN-1-ECL.
Año 2016:
Ítem 2016 Storage cost INVERSION INVERSION ACU INVERSION AC% CLASE
CN-1-PSS
2764,742 15 $ 41.471,13 $ 41.471,13 5% A
CN-1-PSL
7723,97 10 $ 77.239,71 $ 118.710,84 13% A
CN-1-ECS
3339,88 15 $ 50.098,14 $ 168.808,98 18% A
CN-1-ICS
3551,21 10 $ 35.512,11 $ 204.321,10 22% A
42%
CN-0-00S
6405,52 15 $ 96.082,73 $ 300.403,82 33% A
CN-1-ECL
9026,70 10 $ 90.267,01 $ 390.670,84 42% A
CN-1-DLL
3829,91 15 $ 57.448,65 $ 448.119,49 49% A
CN-1-SCL
7133,98 10 $ 71.339,80 $ 519.459,29 56% A
CN-1-ICL
10058,08 15 $ 150.871,20 $ 670.330,49 73% A
CN-1-DLS
19020,60 10 $ 190.206,00 $ 860.536,49 93% B 51%
CN-0-00L
2734,94 15 $ 41.024,10 $ 901.560,59 98% C
CN-1-SCS 7%
1928,18 10 $ 19.281,80 $ 920.842,39 100% C
TOTAL
77517,71 $ 920.842,39
2016
120%
100% 100%
93%
80%
60% 51%
42%
40% 42%
20%
7%
0%
9 1 2
Para este año se obtuvo que los siguientes ítem generan los mayores costos de inventarios: CN-
1PSS; CN-1-PSL; CN-1-ECS; CN-1-ICS; CN-0-00S; CN-1-ECL; CN-1-DLL; CN-1-SCL; CN-1-ICL.
Año 2017:
INVERSION
item 2016 Storage cost INVERSION ACU INVERSION AC% CLASE
CN-1-PSS 1682,52 1682,516 $ 25.237,74 $ 25.237,74 4% A
CN-1-PSL 5328,25 5328,24571 $ 53.282,46 $ 78.520,20 12% A
CN-1-ECS 2226,58 2226,584 $ 33.398,76 $ 111.918,96 17% A
CN-1-ICS 2346,71 2346,71286 $ 23.467,13 $ 135.386,09 21% A 41%
CN-0-00S 4420,47 4420,465 $ 66.306,98 $ 201.693,06 31% A
CN-1-ECL 6551,28 6551,28 $ 65.512,83 $ 267.205,89 41% A
CN-1-DLL 2742,65 2742,651 $ 41.139,77 $ 308.345,65 47% A
CN-1-SCL 5124,09 5124,09429 $ 51.240,94 $ 359.586,60 55% A
CN-1-ICL 7215,18 7215,18 $ 108.227,70 $ 467.814,30 72% A
CN-1-DLS 14083,46 14083,4571 $ 140.834,57 $ 608.648,87 94% B 53%
CN-0-00L 1837,16 1837,16 $ 27.557,40 $ 636.206,27 98% C
CN-1-SCS 1379,57 1379,57143 $ 13.795,71 $ 650.001,98 100% C 6%
TOTAL 54937,92 $ 650.001,98
2017
120%
100% 100%
94%
80%
60% 53%
41%
40% 41%
20%
6%
0%
9 1 2
Para este año se obtuvo que los siguientes ítem generan los mayores costos de inventarios: CN-1-
PSS; CN-1-PSL: CN-1-ECS; CN-1-ICS; CN-0-00S; CN-1-ECL: CN-1-DLL; CN-1-SCL; CN-1-ICL.