Desbalance entre costo del inventario y nivel de servicio de producto terminado

• Quezada Cepeda, Diego Paúl ^[2] ; Nájera Acuña, Santiago Nicolás ^[1]
  1. [1] Universidad Internacional del Ecuador

     Universidad Internacional del Ecuador

     Quito, Ecuador

     
  2. [2] Investigador independiente, Ecuador
• Localización: INNOVA Research Journal, ISSN-e 2477-9024, Vol. 5, Nº. 3, 1, 2020
• Idioma: español
• DOI: 10.33890/innova.v5.n3.1.2020.1542
• Títulos paralelos:
  • Unbalance between the cost of inventory and the level of service of the finished product
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El presente trabajo tiene como principal objetivo desarrollar una herramienta de control y gestión para el inventario de producto terminado para una empresa industrial con la ayuda de herramientas tecnológicas como Excel y el software R Studio. Por tal razón, se analizarán las variables que intervienen o afectan directa e indirectamente al inventario como: datos históricos de venta, datos atípicos de ventas, pronóstico de demanda futura, modelo de proyección, tiempos de reabastecimiento, nivel de servicio, stock de seguridad, inventario promedio e inventario óptimo. Además, el modelo de optimización del inventario está basado en el análisis estadístico de datos como: coeficientes de variación, desviación estándar, valores mínimos y máximos y cuartiles. Debido a la confiabilidad de los datos e información estratégica de la empresa, el presente estudio tiene sus limitaciones y por lo tanto se generan supuestos que serán detallados para que la herramienta a futuro pueda ser utilizada, evaluada y mejorada según amerite.

  • English

    The main objective of this work is to develop a control and management tool for the finished product inventory of a company with the help of technological tools such as Excel and R Studio software. For this reason, the variables that intervene in the inventory control will be analyzed, such as: historical sales data, atypical sales data, forecast model, lead time, service level, safety stock, average inventory and optimal inventory. In addition, the inventory optimization model is based on the statistical analysis of data such as: coefficients of variation, standard deviation, minimum and maximum values, and quartiles. Due to the reliability of the data and strategic information of the company, this study has its limitations and therefore assumptions are generated that will be detailed so that the tool in the future can be used, tested and improved as necessary.

• Referencias bibliográficas
  • APICS. (2015). Learning System (Vol. 4.2).
  • Christopher, M. (2011). Logistics & supply chain management, Pearson education limited.
  • Creswell, J. (2002). Research Desing Qualitative, Quantitative, and mixed methods approaches (Vol. 2 ed).
  • Davis, R. (2016). Demand-Driven Inventory Optimization and Replenishment (Vol. 2nd Edition). New Jersey, USA: John Wiley & Sons, Inc.
  • Graves, S. (1993). Logistics of Production and Inventory (Vol. vol 4). Elsevier Science Publishers.
  • Grob, C. (2018). Inventory Mangement in Multi-Echelon Networks. Wolfsburg, Germany: Springer.
  • Hiles, A. (2002). The Complete Guide to IT Service Level Agreements. Connecticut, USA: KingWell.
  • Hyndman, R. (2008). Forecasting with Exponential Smoothing. Clayton, Australia: Springer.
  • IOMA. (2002). Logistics and Inventory Management. New York, USA: John Wiley & Sons, Inc.
  • ITC. (2006). International,Trade Centre - Especificación de Requerimientos y Plan del Suministro. Ginebra, Suiza.
  • Monteverde, E. C. (2012). Finanzas Corporativas. Con nuevos temas y ejercicios, Cengage Learning Editores S.A. de C.V.
  • Muller, M. (2003). Essentials of Inventory Management. New York, USA, AMACOM.
  • Sharma, S. (2017). Inventory parameters, Springer.
  • Shenoy, D. (2018). Problems & Solutions in Inventory Management. Springer.
  • Silver, E. (2017). Inventory and Production Management in Supply Chains. Boca Raton, Florida, USA, CRC Press.