Post on 20-Jul-2022
Modelo de reabastecimiento colaborativo entre una empresa y
sus filiales internacionales
Estéfany Flórez Orrego
Universidad Nacional de Colombia
Facultad de Minas, Departamento de Ingeniería de la Organización
Medellín, Colombia
2019
Modelo de reabastecimiento colaborativo entre una empresa y
sus filiales internacionales
Estéfany Flórez Orrego
Trabajo de investigación presentado como requisito parcial para optar al título de:
Magister en Ingeniería Industrial
Director:
Ph.D. Martín Darío Arango Serna
Codirector (a):
Ph.D. Julián Andrés Zapata Cortés
Línea de Investigación:
Gestión de la cadena de suministro
Universidad Nacional de Colombia
Facultad de Minas, Departamento de Ingeniería de la Organización
Medellín, Colombia
2019
Agradezco a Dios y a todas las personas que
contribuyeron a la realización de este trabajo,
a mis padres, a David, a la Universidad y
especialmente a mi director y codirector por su
apoyo incondicional.
Resumen y Abstract VII
Resumen
Este trabajo de maestría presenta una propuesta para calcular el plan de reabastecimiento
entre una empresa y sus filiales internacionales (1xm), a través de un modelo de
colaboración basado en la estrategia de VMI y en el problema de reabastecimiento
conjunto de órdenes (JRP). El objetivo del modelo es encontrar el programa de reposición
adecuado para la empresa y sus filiales tal que se minimicen los costos de
reabastecimiento.
La solución del modelo se llevó a cabo a través de un algoritmo genético el cual es exitoso
en la solución de este tipo de problemas. Los resultados del modelo fueron validados
mediante la comparación de los enfoques colaborativo e individual y a través del análisis
de datos históricos, con lo cual se encontró que el modelo planteado permite disminuir los
costos de reabastecimiento de la empresa. De esta forma se cumplen totalmente los
objetivos propuestos para este trabajo de maestría.
Palabras clave: inventarios colaborativos, cadena de suministro, abastecimiento
internacional.
VII
I
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Abstract
This work presents a proposal to calculate the replenishment plan between a company and
its international subsidiaries (1xm) through a collaboration model based on the VMI strategy
and on the problem of joint replenishment of orders (JRP). The objective of the model is to
find the appropriate replenishment program for the company and its subsidiaries so that
replenishment costs are minimized
The solution of the model was carried out through a genetic algorithm which is successful
in solving this type of problem. The results of the model were validated through the
comparison of the collaborative and individual approaches and through the analysis of
historical data, with which it was found that the proposed model allows to reduce the costs
of replenishment of the company. In this way, the objectives proposed for this work are fully
accomplished.
Keywords: collaborative inventories, supply chain, international supply
Contenido IX
Contenido
Pág.
1. Cadenas de suministro internacionales ................................................................. 5 1.1 Proceso de abastecimiento internacional ......................................................... 11 1.2 Manejo de inventarios en el contexto global ..................................................... 18 1.3 Relación entre las empresas matrices y sus filiales .......................................... 24 1.4 Costos asociados al abastecimiento internacional............................................ 25
2. Colaboración en el proceso de reabastecimiento ............................................... 27 2.1 Tipos de colaboración ...................................................................................... 30
2.1.1 Colaboración vertical ..................................................................................... 31 2.1.2 Colaboración horizontal ................................................................................. 31 2.1.3 Colaboración lateral ....................................................................................... 32
2.2 Herramientas de colaboración para la gestión de inventarios y reabastecimiento 32
2.2.1 Desarrollo conjunto de órdenes ..................................................................... 33 2.2.2 Estrategia justo a tiempo ............................................................................... 33 2.2.3 Respuesta rápida ........................................................................................... 35 2.2.4 Inventario en consignación ............................................................................ 36 2.2.5 Inventario Manejado por el Vendedor (Vendor Managed Inventory) .............. 36 2.2.6 Respuesta Eficiente al Consumidor (en inglés Efficient Consumer Response) ................................................................................................................ 40 2.2.7 Planeación Pronóstico y Reabastecimiento Colaborativo (Planning Forecasting and Replenishment) .............................................................................. 44
3. Modelos de reabastecimiento colaborativo ......................................................... 49
4. Formulación del modelo ........................................................................................ 65 4.1 Modelo propuesto............................................................................................. 67
4.1.1 Capa 1. Captura de información .................................................................... 69 4.1.2 Capa 2. Cálculo del plan de reabastecimiento ............................................... 69 4.1.3 Capa 3. Validación y retroalimentación .......................................................... 70
4.2 Modelo matemático para el cálculo del plan de reabastecimiento .................... 70 4.3 Solución del modelo de reposición conjunta (JRP) ........................................... 75 4.4 Algoritmo genético para la solución del modelo de reabastecimiento colaborativo 76
4.4.1 Descripción del algoritmo genético ................................................................ 78
5. Caso de aplicación ................................................................................................. 83 5.1 Aplicación del modelo ...................................................................................... 88
X Título de la tesis o trabajo de investigación
5.1.1 Captura de información ................................................................................. 89 5.1.2 Cálculo del plan de reabastecimiento ............................................................ 90 5.1.3 Validación y retroalimentación del modelo ..................................................... 92
5.2 Análisis de estabilidad del modelo .................................................................... 94
6. Conclusiones y recomendaciones ....................................................................... 99 6.1 Conclusiones .................................................................................................... 99 6.2 Recomendaciones .......................................................................................... 101
Contenido XI
Lista de figuras
Pág. Figura 1-1: Flujo de inventario y de información en las operaciones logísticas .............. 6
Figura 1-2: Ciclos de proceso en una cadena de suministro ....................................... 12
Figura 1-3: Características del tránsito internacional ................................................... 13
Figura 1-4: Comportamiento del inventario .................................................................. 19
Figura 1-5: Tipos de inventario .................................................................................... 20
Figura 2-1: Modelos usados para el soporte a las decisiones de VMI ......................... 39
Figura 2-2: Proceso de VMI ......................................................................................... 39
Figura 2-3: Flujo de información y materiales en la estrategia ECR ............................ 41
Figura 2-4: Proceso de CPFR ..................................................................................... 46
Figura 2-5: Modelo CPFR............................................................................................ 47
Figura 4-1: Modelo colaborativo y de transferencia de mandato VMI .......................... 66
Figura 4-2: Modelo multicapa para el reabastecimiento de productos, basado en el
inventario colaborativo de un proveedor y m clientes. .................................................... 68
Figura 4-3: Procedimiento básico de un algoritmo genético ........................................ 78
Figura 4-4: Representación del cromosoma para la estrategia IGS. ............................ 79
Figura 4-5: Recombinación en dos puntos ................................................................. 80
Figura 4-6: Método de mutación de un punto ............................................................. 80
Figura 5-1: Proceso logístico ....................................................................................... 84
Figura 5-2: Modelo de colaboración de la empresa estudiada ..................................... 85
Figura 5-3: Procedimiento reabastecimiento a filiales de la empresa estudiada .......... 88
Contenido XII
Lista de tablas
Pág. Tabla 1-1: Actividades clave en la cadena de abastecimiento ...................................... 7
Tabla 1-2: Actividades de apoyo ................................................................................... 9
Tabla 2-1: Beneficios y obstáculos de ECR ................................................................ 43
Tabla 2-2: Beneficios de la implementación de CPFR ................................................ 45
Tabla 3-1: Tipos de modelos y métodos de solución identificados en la literatura ...... 62
Tabla 5-1: Demanda de productos para los 6 clientes del modelo colaborativo de
reabastecimiento 𝐷𝑖 ........................................................................................................ 89
Tabla 5-2: Costo de mantener el inventario ℎ𝑖 ............................................................ 90
Tabla 5-3: Costo del pedio 𝑆𝑖 ...................................................................................... 90
Tabla 5-4: Mejor individuo enfoque colaborativo ......................................................... 91
Tabla 5-5: Mejor individuo enfoque colaborativo descodificado ................................. 91
Tabla 5-6: Comparación entre la situación actual de la empresa y la solución dada por
el modelo colaborativo .................................................................................................... 92
Tabla 5-7: Resultado enfoque individual ..................................................................... 93
Tabla 5-8: Comparación entre el modelo con enfoque colaborativo e individual. ........ 93
Tabla 5-9: Demanda año 2017 ................................................................................... 94
Tabla 5-10: Demanda año 2016 ................................................................................ 94
Tabla 5-11: Demanda año 2015 ................................................................................ 95
Tabla 5-12: Costo de pedido año 2017 ..................................................................... 95
Tabla 5-13: Costo del pedido año 2016 ..................................................................... 95
Tabla 5-14: Costo de pedido año 2015 ..................................................................... 96
Tabla 5-15: Costo de mantener el inventario 2017 .................................................... 96
Tabla 5-16: Costo de mantener el inventario 2016 .................................................... 96
Tabla 5-17: Costo de mantener el inventario 2015 .................................................... 97
Tabla 5-18: Comparación de los costos obtenidos con el modelo y por la empresa
para los datos históricos ................................................................................................. 97
Introducción
El estudio de los problemas de reabastecimiento data desde el año 1915, cuando Ford
Whitman Harris propuso el modelo del lote económico (EOQ); a partir de este, se
empezaron a desarrollar más estudios similares orientados a encontrar la cantidad óptima
del pedido teniendo en cuenta los tiempos de respuesta (lead time) para lograr el costo
mínimo (Jiménez, 2005). Actualmente el análisis de este tipo de problemas está
evolucionando hacia modelos más complejos, en los que se propone la colaboración como
herramienta fundamental para satisfacer las necesidades de proveedores y clientes, lograr
sinergia y coordinación en las operaciones (M. D. Arango, Adarme, & Zapata, 2013).
Los retos que una compañía enfrenta al definir su modelo de reabastecimiento son: lograr
minimizar los costos de inventario, otorgar el nivel de servicio deseado a los clientes y
satisfacer la demanda de productos, teniendo en cuenta restricciones como frecuencias de
entrega extensas, capacidad de almacenamiento, tiempos de producción, entre otros. Al
modelar este proceso, es posible identificar el nivel de inventario óptimo aumentando la
disponibilidad de materiales y otorgando el nivel de servicio prometido a los clientes, lo
cual le garantiza a la empresa una disminución en costos y mayor eficiencia (H. Min & Yu,
2008).
La gestión de inventarios es una de las actividades claves dentro de la cadena de
suministro debido al alto impacto que tienen los inventarios en los costos operacionales;
involucra el diseño de políticas para definir la cantidad de inventarios que se deben
mantener de producto terminado y de materias primas a lo largo de la cadena de
abastecimiento, considerando la aleatoriedad en la demanda y los tiempos y cantidades
de suministro (Jiménez, 2005). Dentro de las herramientas de colaboración de inventarios
que se han estudiado, se encuentran el inventario gestionado por el vendedor (VMI), la
respuesta eficiente al cliente (ECR); de la cual se desglosan estrategias como la
Administración de Categorías y el Programa de Reposición Continua y la Planeación,
Pronóstico y Reabastecimiento Continuo (CPFR) (Soosay & Hyland, 2015).
2 Introducción
Las cadenas de abastecimiento globales poseen mayores retos debido a que sus
operaciones están ligadas a condiciones locales de tipo político y económico, pero a su
vez enfrentan mayor incertidumbre debido a características inherentes a los procesos de
transporte global como lo son las distancias, la demanda, las diferencias en los clientes, la
documentación y trámites de aduanas, costos de transporte y la complejidad de la cadena.
(Bowersox, Closs, & Cooper, 2007). En este tipo de cadenas, la gestión de los inventarios
es preponderante debido a que las largas distancias, la incertidumbre en el tiempo de
respuesta y las disrupciones impactan directamente en todos los procesos de la cadena y
dificultan el cumplimiento del nivel de servicio deseado conservando los niveles de
inventario bajos (Golini & Kalchschmidt, 2011).
En la presente tesis se tiene como objetivo proponer un modelo de reabastecimiento
colaborativo entre una empresa y sus filiales internacionales (1xm) para lo cual se han
propuesto los siguientes objetivos específicos: 1) analizar la literatura actual de modelos
colaborativos de inventarios en la cadena de suministro; 2) identificar los modelos
colaborativos de inventarios más usados que facilitan integrar la cadena de suministro de
forma aplicada en las organizaciones; 3) describir aspectos principales de la logística de
abastecimiento internacional que permitan dar soporte conceptual al estudio; 4) validar el
modelo propuesto en un ambiente controlado en una empresa del sector industrial
colombiano. El modelo propuesto considera una política de inventario manejando por el
vendedor y el problema de reposición conjunta de órdenes. La solución del modelo se llevó
a cabo utilizando un algoritmo genético con lo cual fue posible encontrar un plan de
reabastecimiento que minimizara los costos de reabastecimiento de la empresa y sus
filiales.
El presente trabajo tiene como fin principal, tratar elementos logísticos del flujo de
materiales y de información y, por lo tanto, no incluye elementos de comercio y negociación
internacional.
El trabajo tiene la siguiente estructura: en el primer capítulo se presentan las características
de las cadenas de suministro, a la vez que se expone el proceso de abastecimiento
internacional, el manejo de inventarios, la relación entre las empresas matrices y sus filiales
y los costos asociados al abastecimiento internacional. En el segundo capítulo se define la
Introducción 3
colaboración en el proceso de reabastecimiento, los tipos de colaboración y las
herramientas de colaboración de inventarios. En el tercer capítulo se presentan los
modelos de reabastecimiento colaborativo encontrados en la literatura científica. En el
cuarto capítulo se formula el modelo y el algoritmo genético como método de solución. En
el quinto capítulo se presenta el caso de estudio y el análisis de resultados. Finalmente se
presentan las conclusiones y recomendaciones.
1. Cadenas de suministro internacionales
Este capítulo presenta los aspectos principales de la logística de abastecimiento
internacional, los cuales cobran relevancia en la presente tesis debido a que el modelo
propuesto busca mejorar una cadena de suministro de tipo internacional. El capítulo
contiene los aspectos clave encontrados en la literatura científica acerca del proceso de
abastecimiento internacional, el manejo de inventarios en el contexto global, la relación
entre las empresas matrices y sus filiales y los costos del abastecimiento global.
Para entender el concepto de cadena de suministro global, es necesario contextualizar los
términos de cadena de suministro y logística.
El Council of Logistics Management, define la logística como:
La logística es la parte del proceso de la cadena de suministro que planea, lleva a cabo
y controla el flujo y almacenamiento eficientes y efectivos de bienes y servicios, así
como de la información relacionada, desde el punto donde se originan hasta el punto
donde se consumen, con el fin de satisfacer los requerimientos de los clientes (Mentzer
et al., 2001).
Las operaciones logísticas en una empresa consideran el flujo de información y de
inventario así: la información fluye desde la empresa hacia los clientes y desde los clientes
hacia la empresa; usualmente se transmite a través de informes de ventas, inventarios,
pronósticos de demanda y pedidos. Esta información se convierte en el insumo para
actividades de fabricación, adquisición y comercialización. El flujo de inventario comienza
con el proceso de abastecimiento de materiales y de productos y contempla el movimiento
que estos tienen a lo largo de todo el proceso logístico en forma de materias primas,
producto en proceso y producto terminado, considerando que las operaciones logísticas
6 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
inician con la compra inicial de un producto al proveedor y finalizan con la entrega al cliente
o disposición final de los materiales (Bowersox et al., 2007). Las operaciones logísticas en
una empresa se ilustran en la Figura 1-1.
Figura 1-1: Flujo de inventario y de información en las operaciones logísticas
Fuente: tomada de (Bowersox et al., 2007, p. 31).
Una vez la empresa tiene integradas todas sus operaciones logísticas, es necesario
alinearse a la cadena de abastecimiento a través de la inclusión de sus clientes y
proveedores (Bowersox et al., 2007).
La definición de logística indica que más allá de ser un proceso independiente, hace parte
de un concepto más amplio denominado como la gestión de la cadena de abastecimiento,
la cual puede ser definida como el conjunto de actividades relacionadas con el flujo de
materiales, lo cual involucra la transformación de los bienes hasta la entrega de productos
y servicios al cliente final y el flujo de información que se genera entre los eslabones que
la conforman (Ballou, 2004).
La cadena de abastecimiento se compone de una serie de actividades claves y de apoyo
que se realizan de forma repetitiva a lo largo del flujo ya que buscan transformar los
recursos naturales en productos terminados que se entregan al cliente para satisfacer sus
necesidades y añadir valor (Ballou, 2004). Las actividades clave juegan un papel
1.Cadenas de suministro internacionales 7
preponderante dentro de la cadena de abastecimiento ya que afectan directamente el costo
logístico y son indispensables para entregar los productos y servicios a los clientes (Ballou,
2004). Dichas actividades se detallan en la Tabla 1-1.
Tabla 1-1: Actividades clave en la cadena de abastecimiento
Actividades clave Decisiones que abarca
1. Servicio al cliente Determinar necesidades y requerimientos del cliente
para la logística del servicio al cliente.
Determinar la respuesta del cliente frente al servicio
otorgado
Fijar los niveles de servicio al cliente.
2. Transporte Selección del modo y servicio de transporte
Consolidación del flete
Rutas
Programación de vehículos
Selección de equipo
Procesamiento de quejas
Auditoría de tarifas
3. Manejo de inventarios Políticas de almacenamiento de materias primas y
bienes terminados
Estimación de ventas a corto plazo
Mezcla de producto en los centros de
aprovisionamiento
Número, tamaño y localización de los puntos de
almacenamiento.
Estrategias a tiempo, de sistema push y de sistema pull
4. Flujos de información y
procesamiento de
pedidos
Procesamiento de la interfaz de pedidos de venta –
inventarios.
Métodos de transmisión de información de pedidos
Reglas de pedido.
Fuente: Elaboración propia a partir de (Ballou, 2004).
8 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Las características de las actividades clave mencionadas en la tabla anterior se detallan a
continuación:
El servicio al cliente mide la capacidad de respuesta de una cadena de suministro, es decir,
la cantidad demandada por los clientes que se satisface con el inventario disponible. Entre
más alto el nivel de servicio más altos son los costos logísticos ya que se debe mantener
más inventario. Para establecer un nivel de servicio óptimo, se debe encontrar un equilibrio
en los costos tales que la rentabilidad de la cadena se maximice (Chopra & Meindl, 2013).
El transporte busca disponer el inventario en los lugares donde se requiere y en los tiempos
establecidos; debido a su impacto en el costo logístico, la selección de los sistemas de
transporte, se basa en la minimización de los costos totales del sistema sin comprometer
la calidad del servicio otorgado al cliente (Bowersox et al., 2007).
El manejo de inventarios también desempeña un papel crítico en la cadena de
abastecimiento ya que su propósito es alcanzar el nivel de servicio deseado con la cantidad
mínima de inventario requerida (Bowersox et al., 2007). El inventario se utiliza ya que
normalmente no es posible producir y entregar de forma instantánea la cantidad de
productos que solicita el cliente (Ballou, 2004), por lo tanto, sirve para manejar la
incertidumbre y las variaciones entre oferta y demanda (Chopra & Meindl, 2013). Tener
altos inventarios, permite alcanzar mayores niveles de servicio al cliente ya que aumenta
la agilidad en los despachos, al mismo tiempo que evita los agotados; sin embargo, resulta
costoso ya que se requieren de inversiones altas en capital, infraestructura, recursos
tecnológicos y personal para su administración (Zapata, 2014).
Los pedidos constituyen los requerimientos del cliente y su procesamiento abarca la
recepción del pedido, la entrega, la facturación y la cobranza (Bowersox et al., 2007). El
procesamiento efectivo de los pedidos permite mejorar la capacidad de respuesta ya que
es la parte del proceso que activa el movimiento del producto (Ballou, 2004).
Las actividades de apoyo, por su parte, son aquellas que contribuyen a la misión logística
y que a pesar de que están dentro de los costos logísticos, no tienen un impacto tan alto
como el de las actividades clave; cabe resaltar que esto depende del tipo de negocio ya
1.Cadenas de suministro internacionales 9
que, en algunos, las actividades de apoyo son las que resultan más críticas dentro del
canal de distribución de una empresa (Ballou, 2004). Dichas actividades se mencionan en
la Tabla 1-2Tabla 1-2.
Tabla 1-2: Actividades de apoyo
Actividades de apoyo Decisiones que abarca
1. Almacenamiento Determinación de espacios
Distribución de las existencias y diseño del punto para
descarga.
Configuración del almacén
Ubicación de las existencias.
2. Manejo de materiales Selección del equipo
Políticas de reemplazo de equipos
Procedimientos de levantamiento de pedidos
Almacenamiento y recuperación de existencias
3. Compras Selección de la fuente de suministro
Momento correcto para comprar
Cantidades a comprar
4. Embalaje Protección por daños
Facilidad y agilidad para el almacenamiento y manejo
del material
5. Trabajo conjunto entre
operaciones y
producción
Determinar cantidades adicionales
Secuencia y rendimiento del tiempo de producción
Programación de suministros para producción y
operaciones
6. Mantenimiento de
información
Recopilación, almacenamiento y manipulación de la
información
Análisis de datos
Procedimientos de control
Fuente: Elaboración propia a partir de (Ballou, 2004).
10 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Las características de las actividades de apoyo mencionadas en la Tabla 1-2, se detallan
a continuación:
El almacenamiento es una actividad que apoya el manejo del inventario ya que la demanda
de los productos es desconocida y por lo tanto es necesario mantener unas reservas de
inventario que ayuden a coordinar las fluctuaciones entre oferta y demanda (Ballou, 2004).
El costo de almacenar se justifica ya que es compensado con otros costos de transporte y
producción, en tanto que el producto puede ser despachado en cantidades más grandes y
permite que se pueda producir en tamaños de lote económico (Ballou, 2004).
El manejo de materiales abarca las actividades de cargue, descargue, trasladados desde
y hacia el almacén y surtido del pedido. Estas actividades se llevan cabo ya que el producto
debe ubicarse en lugares estratégicos y a su vez alistarse o ensamblarse para dar
cumplimiento a los pedidos del cliente (Bowersox et al., 2007).
Las compras se basan en obtener un recurso de un proveedor y establecer relaciones de
colaboración con ellos. Las decisiones de adquisición tienen un impacto en: la calidad, el
abastecimiento, los inventarios, los costos de los productos vendidos, las cuentas por
pagar y los costos de transporte (Chopra & Meindl, 2008).
El embalaje permite proteger el producto durante el proceso logístico puesto que es
manipulado constantemente y por lo tanto está sujeto a tener averías o daños que impidan
su posterior venta; además, facilita el manejo de materiales ya que es más eficiente
transportar unidades grandes como cajas, que productos pequeños individuales
(Bowersox et al., 2007).
Producción y operaciones son dos áreas que se enfocan en la manufactura de los
productos y en el manejo eficiente de los recursos de la organización. La falta de
coordinación de estas áreas podría impactar negativamente en los niveles de servicio y en
los costos totales de la cadena (Ballou, 2004).
El mantenimiento de información es transversal a todas las actividades logísticas ya que
recopila y suministra la información requerida para los procesos de planeación y el control
(Ballou, 2004).
1.Cadenas de suministro internacionales 11
En el presente trabajo se pretende modelar el proceso de abastecimiento entre una
empresa y sus filiales internacionales, por lo que se abordan los procesos clave de la
cadena de abastecimiento, es decir, el servicio al cliente, el manejo de inventarios, el
transporte y el procesamiento de pedidos.
1.1 Proceso de abastecimiento internacional
Como respuesta al fenómeno de la globalización y a sus ventajas, como bajos costos de
mano de obra, acceso a diversos recursos, desarrollo de las tecnologías que facilitan la
comunicación y nuevas materias primas; cada vez más empresas están expandiendo sus
fronteras e incursionando en el comercio internacional para lograr mayor competitividad
(Gelderman & Semeijn, 2006). Las operaciones internacionales son todas aquellas
actividades que involucran transacciones de bienes, servicios o recursos entre dos o más
países (Demeter, 2014). La adopción de un abastecimiento internacional depende del tipo
de empresa, el sector donde se ubica, el tipo de producto y el país donde se encuentran
los proveedores (Golini & Kalchschmidt, 2011).
Una cadena de abastecimiento internacional se compone de cinco etapas que son:
proveedor, fabricante, distribuidor, retail, cliente; y de cuatro ciclos denominados: ciclo de
pedido, ciclo de reabastecimiento, ciclo de fabricación y ciclo de adquisición (Gong, 2013).
En la Figura 1-2 se muestra la conexión entre las etapas y los ciclos. Cada uno de los
ciclos inicia con un comprador que genera un pedido a un proveedor, el cual surte el pedido
y posteriormente es recibido por el comprador. El objetivo del comprador es garantizar la
disponibilidad del producto y obtener economías de escala; por otra parte, el proveedor
busca pronosticar los pedidos del cliente y ser más eficiente en el proceso de surtido. En
el ciclo de pedido al cliente, como la demanda está dada por el cliente, esta es externa a
la cadena y por tanto desconocida. En el ciclo de adquisición, el rol del comprador es
asumido por el fabricante ya que este genera un pedido al proveedor con los materiales
que necesita para llevar a cabo el plan de producción. En el ciclo de fabricación, el
propósito del fabricante, quien actúa como proveedor, es tener el producto a tiempo para
cuando el distribuidor o minorista solicite los productos. En el ciclo de reabastecimiento, el
rol del proveedor es asumido por el distribuidor ya que el minorista le genera pedidos para
reabastecer su inventario; este ciclo también se puede dar entre el fabricante y el minorista
cuando no existe intermediación del distribuidor.
12 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Figura 1-2: Ciclos de proceso en una cadena de suministro
Fuente: Tomada de (Chopra & Meindl, 2008, p. 8)
Los ciclos de proceso se diferencian unos de otros en la escala de los pedidos, esto es,
cuando se va pasado de una etapa a otra en el sentido cliente-proveedor, el número de
pedidos individuales disminuye, pero el tamaño de cada pedido aumenta (Gong, 2013). Lo
anterior implica que el hecho de compartir información entre los miembros de la cadena
cobra más importancia en la medida en la que se esté más lejos del cliente final.
Las cadenas de abastecimiento globales poseen mayores retos que las locales ya que las
operaciones globales incrementan el costo y la complejidad de la logística; además, dichas
operaciones deben ser realizadas en diferentes contextos nacionales, políticos y
económicos y enfrentar mayor incertidumbre relacionada con las distancias, la demanda,
la documentación y trámites aduaneros (Bowersox et al., 2007).
Las cadenas de suministro globales se diferencian de las locales en los siguientes
aspectos (Bowersox, Closs, & Cooper, 2007):
Estructura del ciclo de desempeño: el ciclo de desempeño abarca desde la
recepción del pedido hasta la entrega y se vuelve más largo en las operaciones
1.Cadenas de suministro internacionales 13
globales debido a dificultades en la comunicación, requisitos de financiamiento,
requerimientos especiales de empaque, programación de fletes, tiempos de tránsito y
trámites aduaneros. La comunicación puede generar retrasos debido a diferencias
horarias o barreras de idioma. Los requisitos de financiamiento están relacionados con
cartas de crédito y cambio de divisas. Los requerimientos de empaque pueden cambiar
debido a las condiciones climáticas, la humedad o las altas temperaturas y por la
excesiva manipulación. En cuanto al tránsito, los contenedores deben ser programados
para que se muevan entre puertos lo cual podría tardar hasta un mes cuando las
condiciones no son óptimas; adicional a esto, el tiempo de transito puede oscilar entre
10 a 21 días debido a los retrasos en los puertos que se dan debido a la espera de que
unas embarcaciones abandonen el puerto. En la Figura 1-3 se ilustran las
características de tránsito internacional. Las autorizaciones aduanales pueden agregar
más tiempo al ciclo, aunque cada vez este proceso es más ágil y electrónico. Los
factores enumerados dificultan la planeación y condicionan el desempeño logístico
volviéndose más largo, inflexible y menos uniforme.
Figura 1-3: Características del tránsito internacional
Fuente: Elaboración propia a partir de (Harrison & Fichtinger, 2013, p. 9)
Transporte: los aspectos que impactan el transporte son la propiedad y operación
intermodales, la privatización, el tráfico y los acuerdos bilaterales. A pesar de que el
transporte internacional ha ganado flexibilidad a través de la mercadotecnia y de
alianzas entre países, aún siguen vigentes algunas restricciones en cuanto a la
posesión u administración de operaciones terrestres integradas por parte de las líneas
marítimas y las decisiones de los gobiernos en cuanto al grado de participación de
País importador
Tránsito puerta a puerta
Moviemiento terrestre
•Comprende desde la puerta de las instalaciones hasta el puerto seco
Puerto de salida
•Abarca desde el punto de la entrada del puerto al punto de salida de la embarcación
Transito márítimo
•Cubre el tiempo entre puerto y puerto
Puerto de entrada
•Comprende desde que el muelle de llgada hasta la salida del contenedor del puerto
Moviemiento terrestre
•Todos los movimientos desde la salida del puerto hasta el destino final
País exportador
14 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
varios países en los servicios de transporte. Otro de los aspectos que impacta el
transporte es una mayor privatización de los transportistas puesto que proporciona
mayor disponibilidad y eficiencia. El tráfico y los acuerdos bilaterales están
relacionados con las normas impuestas para la protección de las industrias de
transportes locales las cuales aumentan los costos y reducen la eficiencia del comercio.
Consideraciones operativas: se refieren a las condiciones que deben cumplir los
productos para ser comercializados en diferentes países, como el caso de
documentación en diferentes idiomas, registros aprobados por el país, o marcaciones
lo cual implica la personalización del producto especiales. Dentro de las
consideraciones operativas también se encuentran características propias de cada
país como consideraciones ambientales, documentación requerida, pago de aranceles,
requisitos de seguridad y aspectos técnicos, que, sumadas a las características de los
productos, aumentan el número de referencias y por tanto los niveles de inventario ya
que se debe crear una referencia diferente si el producto a comercializar cambia
respecto al base. Estas consideraciones también generan un impacto en el tiempo y el
esfuerzo para operar de forma internacional.
Integración de los sistemas de información: esta característica implica que las
empresas puedan conectarse a través de sistemas de información que les permitan
mayor integración operativa como la capacidad de direccionar pedidos y administrar el
inventario de forma electrónica. Para lograr mayor cohesión en este aspecto, es
fundamental contar con un sistema global de planificación de recursos empresariales
o ERP (por sus siglas en inglés, Enterprise Resource Planning) que permita dar soporte
a las operaciones y proporcionar mayor trazabilidad en los envíos.
Alianzas: destaca la importancia de la creación de alianzas con proveedores de
servicios y empresas transportadoras; estas alianzas permiten disminuir el riesgo de
las operaciones internacionales y tener mayor acceso y conocimiento del mercado al
cual se pretende llegar. Otro aspecto importante es que a medida que una cadena de
suministro se extiende globalmente, los intereses de los agentes que interactúan se
van desalineando ya que los beneficios obtenidos por una de las partes no siempre se
traducen en ventajas paras los demás. Por este motivo, se procura generar alianzas
1.Cadenas de suministro internacionales 15
que permitan crear estrategias compartidas y de esta forma la coordinación que se
logra, crea mayor sinergia a lo largo de toda la cadena (Aydin, Cattani, & Druehl, 2014).
Manejo de inventarios: El problema de mantener bajos inventarios a lo largo de la
cadena de suministro es uno de los principales retos de las empresas que poseen
abastecimiento internacional, ya que las largas distancias incrementan la variabilidad
y los tiempos de respuesta, lo cual se traduce en mayores niveles de inventario (Golini
& Kalchschmidt, 2011). Además, con el objetivo de lograr mayor eficiencia, por ejemplo,
al enviar contenedores completos; los lotes pedidos a proveedores extranjeros son más
grandes que los solicitados a los proveedores locales (Golini & Kalchschmidt, 2015).
Para la gestión eficiente de una cadena de suministro global, las empresas deben
considerar el grado de centralización apropiado, en términos de fabricación, manufactura
y distribución; es por esto que han surgido una serie de estrategias que buscan alcanzar
un equilibrio entre el cumplimiento de las necesidades de los mercados locales y el logro
de las economías de escala que buscan las organizaciones; dichas estrategias se detallan
a continuación (Christopher, 2016):
Fábricas enfocadas: esta estrategia se orienta en tener una visión global del mercado
y se refiere a que la empresa puede alcanzar mayores economías de escala limitando
la cantidad y la mezcla de productos que se fabrican en una determinada ubicación; un
ejemplo de esto es que la planta de cada país produce todo el portafolio de productos
que se comercializa en ese país; otra alternativa es producir en una o algunas de las
plantas un producto que se comercializa para satisfacer la demanda de todos los
clientes ubicados en diferentes lugares del mundo. Las fabricas enfocadas, están
ubicadas donde la producción es más rentable; sin embargo, es necesario analizar y
simular los costos de toda la cadena para tomar decisiones en cuanto a la producción
ya que, si bien la empresa puede tener ahorros por esta estrategia, también puede
tener sobrecostos en el transporte por las largas distancias para llevar el producto hasta
los clientes o tiempos de entrega muy largos que acarrean altos niveles de inventario,
estos sobrecostos en ocasiones no logran compensar los ahorros.
Centralización de inventarios: esta estrategia se basa en la premisa de que la
consolidación de inventarios en menos ubicaciones, reduce de forma significativa el
16 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
inventario total, esta es la razón por la cual la mayoría de empresas tienen centros de
distribución en varias regiones. La centralización de inventarios nos solo busca reducir
las ubicaciones, sino que el inventario sea ubicado de forma estratégica cerca del
cliente o del lugar de producción y que este sea administrado de forma virtual. Esta
última estrategia se basa en que mediante el uso de información y de las herramientas
tecnológicas, sea posible conocer la disponibilidad del inventario en toda la cadena de
suministro para alcanzar menores niveles de inventario y mejorar el nivel de servicio.
Postergación: el propósito de esta estrategia es el de cumplir los requisitos locales
mientras se busca la optimización de la logística global; este enfoque surge ya que
cada mercado es diferente, incluso dentro de una misma región, las preferencias de
los clientes pueden ser muy diversas lo cual requiere que los productos sean
caracterizados según las necesidades de cada cliente. La idea de la postergación se
basa en retrasar tanto como sea posible la personalización de un producto, de tal forma
que no se lleve a cabo hasta que se conozca el cliente o destinatario final. Una de las
ventajas de la postergación es que al tener más inventario genérico que personalizado,
el inventario total es menor. En esta estrategia, el producto usualmente se termina de
caracterizar en los mercados locales, en centros de distribución o se subcontrata con
un proveedor.
La expansión de las cadenas de abastecimiento hacia un ámbito internacional tiene
ventajas y desventajas; algunas de las ventajas son:
Precios bajos: debido a menores costos que se obtienen en los países que proveen
los productos, comúnmente países en desarrollo (Colotla, Shi, & Gregory, 2003).
Volúmenes más altos: se logran con economías de escala y a través de la
centralización de las compras, la distribución o la producción global (Bozarth,
Handfield, & Das, 1998).
Calidad: se obtienen productos de alta calidad debido a la cantidad de proveedores
que compiten en el mismo mercado y a las exigencias cada vez mayores de
consumidores informados (Gereffi, Humphrey, & Sturgeon, 2005).
Acceso a tecnología y nuevos mercados: las alianzas comerciales y estratégicas
permiten acceder a nueva tecnología así como también a nuevos mercados ya que
1.Cadenas de suministro internacionales 17
cuando una empresa se establece en un país diferente, puede empezar a vender
productos o servicios a través de un abastecimiento global (Ferdows, 1997).
Las desventajas de las cadenas globales se relacionan con incertidumbres por impuestos
y aduanas, tipos de cambio, barreras de idioma, problemas por las leyes de otros países,
distancias largas, disrupciones, entre otros. A nivel organizacional, también puede generar
mayor complejidad, confusión, costos adicionales de coordinación y dificultades en la
comunicación (Cho, 2000) (Demeter, 2014).
Algunos estudios se han centrado en examinar los factores que impactan negativamente
el desempeño de la cadena de suministro con el objetivo de ayudar a manejar la
incertidumbre. En el campo de la manufactura, por ejemplo (Rocky Newman, Hanna, & Jo
Maffei (1993) sugirieron un modelo de equilibrio que relaciona la flexibilidad con la
amortiguación a través de la capacidad, el inventario y los plazos de entrega con retrasos
en los pedidos. Otros autores como De Giovanni & Massabò (2018) también relacionaron
la incertidumbre con el concepto de flexibilidad y amortiguación de inventarios como
inversiones importantes para proteger el flujo y planear de forma efectiva. La flexibilidad
no solo está presente en la manufactura sino también en los proveedores, en los acuerdos
de abastecimiento que se establecen y en la ganancia obtenida por la información que se
comparte (Stevenson & Spring, 2009). Otras estrategias para mitigar la incertidumbre en
los tiempos de despachos son el inventario de seguridad, pronósticos más acertados,
incremento en la información que se comparte, mayor nivel de integración en la cadena
(Motwani, Larson, & Ahuja, 1998)(Chung, Talluri, & Kovács, 2018).
El conocimiento de los riesgos y de la forma en la que pueden afectar la cadena, se puede
convertir en una fuente de ventaja competitiva y en una mejora en el desempeño financiero
(Manuj & Mentzer, 2008). Las estrategias para mitigar las disrupciones propuestas por
Chopra & Sodhi (2004) se basan en incrementar la capacidad, adquirir más proveedores
para no depender de un solo suministro, incrementar inventario, aumentar la flexibilidad y
la demanda agregada. Para construir una estrategia para la gestión del riesgo en la cadena
de suministro, debe existir un estudio previo de la importancia y aplicabilidad de cada una
de las categorías del riesgo en la cadena, con el objetivo de determinar cómo adaptar las
estrategias anteriormente enunciadas a las particularidades de cada organización Chopra
18 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
& Sodhi (2004). Una aplicación del análisis del riesgo y su forma de mitigarlo es propuesta
por Chung, Talluri, & Kovács (2018); en su investigación, analizaron un problema de riesgo
de despacho en unas empresas maquiladoras que se encuentran ubicadas en la frontera
entre Estados Unidos y México y que implementan la estrategia justo a tiempo en sus
operaciones diarias. En este estudio, identificaron a través de análisis estadísticos y
simulación, la afectación del rendimiento logístico por los riesgos asociados al transporte
y a los inventarios.
1.2 Manejo de inventarios en el contexto global
El manejo de inventarios consiste en determinar la cantidad óptima de cada producto que
se debe almacenar y el momento en el que se deben adquirir los materiales, de tal forma
que los costos de almacenar sean los más bajos posibles y que se eviten los agotados
(Zapata, 2014)(M. D. Arango et al., 2013). Las decisiones de inventario impactan a toda la
cadena de suministro ya que tienen una repercusión directa en el cliente y en las ventas;
sin un surtido adecuado, la empresa puede tener agotados, perder ventas y generar
insatisfacción al cliente (Bowersox et al., 2007). Por otra parte, sin una planeación de
materiales acertada, se puede generar escasez, paros en las plantas de fabricación o
cambios en la producción que generan costos altos y cambios en los proyectos de
mercadeo (Bowersox et al., 2007). Tanto la escasez como el exceso son negativos para la
organización; en el caso de niveles altos de inventario, el mayor impacto se refleja en el
aumento del costo logístico y la reducción de la rentabilidad debido a que se deben
comprar o arrendar más almacenes, se genera más capital de trabajo, mayor
obsolescencia, entre otros (Zapata, 2014).
Los inventarios disminuyen en relación con la demanda de producción o de los clientes y
aumentan cuando un nuevo pedido es recibido. La tendencia de los inventarios es que
lleguen a cero a medida que son demandados, sin embargo, antes de que eso suceda,
debe llegar una nueva cantidad a la bodega. El tiempo que transcurre entre la llegada de
un pedido y otro se conoce como tiempo de ciclo (Zapata, 2014). El comportamiento
anteriormente descrito, se ilustra en la Figura 1-4.
1.Cadenas de suministro internacionales 19
Figura 1-4: Comportamiento del inventario
Fuente: tomada de (Zapata, 2014, p. 30)
En un escenario ideal, si los tiempos de ciclo no varían y la demanda permanece constante,
el comportamiento obtenido de los inventarios va a ser el mismo, sin embargo, la cadena
de abastecimiento siempre está expuesta a variaciones, entre oferta y demanda y tiempos
de suministro (Chopra & Meindl, 2008); en estos casos, se considera necesario tener un
inventario de seguridad a través del cual, se pueden evitar costos ocultos de tener
agotados y disminución en el servicio al cliente. El inventario de seguridad también resulta
útil cuando las entregas de los proveedores no son confiables en términos de calidad,
cantidad o tiempo y cuando en el proceso de producción se generan desperdicios y
retrasos por reprocesos (Zapata, 2014).
El comportamiento de los inventarios también comprende el inventario de ciclo y el
inventario promedio (Bowersox et al., 2007). El inventario de ciclo es el resultado de
comprar una cantidad mayor de unidades en comparación con la cantidad demandada en
un determinado periodo de tiempo, con el objetivo de reducir los costos por unidad
adquirida. El inventario de ciclo se calcula como la media del tamaño de lote cuando la
demanda es constante (Bowersox et al., 2007). El inventario promedio mide la cantidad
media de inventario que se tiene en la cadena y se puede calcular de varias formas, una
de ellas es la suma entre el inventario de ciclo y el inventario de seguridad. En la Figura
1-5 se muestra gráficamente los diferentes tipos de inventario.
20 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Figura 1-5: Tipos de inventario
Fuente: tomada de (Bowersox et al., 2007, p. 305)
Las decisiones que se toman en las cadenas de suministro respecto al manejo de
inventarios se han basado en técnicas cuantitativas y modelos matemáticos, los cuales
tienen en cuenta aspectos tales como: reposición de un solo producto de forma aislada o
múltiples productos a la vez; temporalidad en la venta de los productos, número de puntos
de almacenamiento, la naturaleza del producto (nivel de deterioro o si es perecedero), la
naturaleza de la demanda, es decir, si es determinista o probabilística, la naturaleza del
proceso de abastecimiento con sus restricciones y las penalidades cuando se producen
pérdidas asociadas a los procesos que integran la cadena de suministro (Ziukov, 2015).
Uno de los modelos para optimización de inventarios mayormente implementados es el de
Cantidad económica de pedido o EOQ (Economic Order Quantity) a través del cual se
puede determinar la cantidad y el momento adecuado para hacer reposición del inventario
(Julian Andres Zapata-Cortes, Arango-Serna, & Saldarriaga-Romero, 2019). En este
modelo se asume: una demanda estática determinista, no se permiten los agotados,
tiempo de entrega de los pedidos es constante y una cantidad de pedidos ilimitada
(Robinson, Narayanan, & Sahin, 2009) (Ziukov, 2015). Una de las desventajas de este
modelo es que solo permite optimizar el inventario de un producto, por lo que su aplicación
a situaciones reales en las que se requiere ordenar varios productos al mismo tiempo es
limitada (Julian Andres Zapata-Cortes et al., 2019).
Una extensión del EOQ es el modelo de Lote Económico de Producción o EPQ (Economic
Production Quantity). A través de dicho modelo, es posible determinar la cantidad que una
1.Cadenas de suministro internacionales 21
empresa debe pedir para minimizar los costos totales de inventario logrando un equilibrio
entre el costo de mantenimiento del inventario y el costo de pedido fijo promedio (Ziukov,
2015).
La optimización de inventarios de forma conjunta para múltiples productos, se puede
realizar a través del modelo de Reposición Conjunta o JRP (Joint Replenishment Problem),
este método se emplea para definir el momento y las cantidades en las que un conjunto
de productos debe ser pedido al proveedor, a la vez que se minimiza el costo total del
inventario y el costo de pedido (Julian Andres Zapata-Cortes et al., 2019). Otro modelo que
se emplea para coordinar el inventario de forma conjunta es el de tamaño de lote
económico conjunto o JELS (Joint economic lot sizing); en este modelo el objetivo es
minimizar los costos de inventario entre proveedor y comprador (Babekian, Hariga, &
Bahroun, 2017).
En la literatura se encuentran modelos de periodos únicos como el caso del vendedor de
periódicos (newsvendor problem) que se emplea para determinar la cantidad de pedido
que minimiza los costos de tener agotados y los costos de quedar con excesos de
inventario, teniendo en cuenta un periodo de tiempo limitado para la venta de productos,
es decir, una sola oportunidad de compra antes del inicio del período de venta. Este tipo
de modelos tienen aplicaciones en diferentes industrias como la de servicios, la moda o el
deporte (Qin & Kar, 2013). Por otra parte, los modelos de periodos múltiples pueden ser
de dos tipos: con una cantidad fija de pedido que se entrega cada que se recibe una orden
o en momentos fijos del tiempo con cantidades variables (Ziukov, 2015).
En las cadenas de abastecimiento globales, la forma más común de protegerse de la
variabilidad, las disrupciones y los tiempos largos de suministro es aumentando el
inventario ya que el cálculo de este último, depende directamente del tiempo de suministro
y de sus fluctuaciones (Handfield, 1994). El aumento del inventario, no siempre trae como
consecuencia mayores inversiones, ya que los costos de adquirir el producto pueden ser
más bajos en el abastecimiento global que en el local (Jain, Girotra, & Netessine, 2014)
En el contexto global, existe una mayor propensión a los desequilibrios en el inventario,
debido a los largos tiempos de reabastecimiento; estos desequilibrios se producen cuando
hay una diferencia entre la cantidad ordenada y la cantidad que efectivamente se necesita
22 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
en el momento en que llega la orden. Esta disparidad resulta en desbalances entre las
entidades que hacen parte de la cadena global, es decir, algunas poseen más inventario
del deseado y otras menores cantidades (Bhatnagar & Teo, 2009). Para abordar estas
estrategias, algunas compañías emplean tres tácticas que son (Bhatnagar & Teo, 2009) :
Asignación de inventario: algunas compañías tienen la opción de reasignar los envíos
desde el puerto marítimo a las plantas, esto proporciona flexibilidad en las decisiones
de abastecimiento y evita los agotados.
Transbordos: se refiere a los movimientos de inventario entre plantas para equilibrar
los inventarios.
Decisiones conjuntas de transporte e inventario: la toma de decisiones entre la
empresa y las plantas o los clientes, permite decidir sobre los medios de transporte a
usar dependiendo del nivel de inventario en cada instalación.
Algunos de los factores que afectan en mayor medida los inventarios en las cadenas de
abastecimiento globales son (Jain et al., 2014):
Costo de adquisición unitario: este factor es clave para impulsar el abastecimiento
global ya que, si el costo de adquirir un material o un producto disminuye, los costos
de tener más inventario probablemente no sean tan altos. Los costos de adquirir un
producto globalmente pueden disminuir debido a menores costos de mano de obra,
regulaciones favorables, incentivos a las exportaciones, entre otros.
Tiempo de respuesta: en las cadenas globales el factor tiempo, tiene un impacto
fundamental en los niveles de inventario ya que el transito marítimo (entre puerto y
puerto) alarga el tiempo de ciclo. Los efectos de este factor se traducen en: mayor
inventario en tránsito cuando el tiempo de tránsito es mayor; por otra parte, el inventario
de ciclo al ser función de la frecuencia de reposición, aumenta cuando esta reposición
es menos frecuente. Por último, el inventario de seguridad se ve afectado a través de
la variación de la demanda cuando esta es probabilística, en caso contrario, se ve
afectado solo por la variación en el tiempo de entrega (Harrison & Fichtinger, 2013).
Costos fijos de pedido y envío de contenedores grandes: en el abastecimiento global
se incurren en costos fijos de pedido por procedimientos de importación que incluyen
gastos de aduana, documentación, honorarios a agentes aduaneros, entre otros. Por
otra parte, el envío de contenedores conlleva a incrementos en el inventario de ciclo y
por consiguiente a mayor nivel de inventario promedio.
1.Cadenas de suministro internacionales 23
Dispersión de los proveedores: la dispersión de la ordenes entre diferentes
proveedores reduce los niveles de inventario puesto que le proporciona flexibilidad a la
cadena en cuanto a la adquisición de inventario dependiendo de las ventajas que
ofrezca cada proveedor. Tener una base de proveedores dispersa también aumenta la
confiabilidad en las entregas, disminuye los tiempos de respuesta y los costos fijos de
pedido.
Golini & Kalchschmidt (2011) argumentan que la integración con los proveedores y la
comunicación son herramientas que permiten mantener los niveles de inventario
controlados ya que reducen la cantidad de materiales con inventarios de seguridad. Golini
& Kalchschmidt (2011) realizaron un análisis acerca de las relaciones entre el
abastecimiento global y los niveles de inventario: los hallazgos de este estudio indicaron
que los inventarios disminuyen cuando se incrementa la inversión en la cadena de
suministro y que las prácticas de colaboración; especialmente las relacionadas con
coordinar las decisiones de planificación y el flujo de los productos, evitan los aumentos
en el inventario. De acuerdo con Narasimhan & Mahapatra (2004), la gestión de la cadena
de suministro ayuda a disminuir o controlar el nivel de inventario ya que se enfoca en lograr
eficiencia en la cadena completa; sin embargo, ponerla en práctica supone inversiones
encaminadas en mejorar las relaciones proveedor-comprador en términos de
comunicación y coordinación (Chung et al., 2018).
Susarla & Karimi (2018) estudiaron la integración de los inventarios y la planeación de la
producción en una cadena de suministro de una empresa multinacional farmacéutica.
Además, propusieron un modelo de programación lineal entera mixta (MILP) que
combinaba las decisiones de todas las funciones de la cadena; desde el aprovisionamiento
de las materias primas, hasta la distribución de productos terminados. Entre las variables
usadas estaban: cantidad de inventario en la red, costo total, demanda insatisfecha,
cantidad de material recibido entre una fábrica y otra, precio de compra, entre otras. El
desempeño del modelo fue demostrado usando el caso de dos empresas multinacionales
con múltiples instalaciones de fabricación y centros de distribución ubicados alrededor del
mundo.
De acuerdo con Kiesmüller (2009), una estrecha coordinación entre la gestión de inventario
y el transporte, permite obtener reducción de costos en la cadena y ventajas de economías
24 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
de escala. Dicho autor consideró el manejo de inventario en una cadena de suministro
entre un retail y un proveedor con una demanda estocástica y despachos en camiones
completos con capacidad finita. Las decisiones de cuánto y cuándo ordenar se modelaron
bajo una política dinámica, en la cual los pedidos iniciales se reducen o amplían para crear
cargas completas en los camiones. Los hallazgos de la implementación del modelo
propuesto, indicaron que se pueden obtener grandes ahorros de costos con una política
dinámica en comparación con la política de reposición periódica, cuando el tiempo
promedio entre envíos no es demasiado grande y los costos de envío son altos.
Farhat, Akbalik, Sauer, & Hadj-Alouane (2018) abordaron el problema de tamaño de lote
en una cadena de suministro entre un retail y un proveedor, en la cual contemplaron costos
fijos de por el envío de lotes en camiones completos y retorno de productos del retail al
proveedor al final de cierto periodo de tiempo. Las variables seleccionadas para el modelo
de programación entera mixta propuesto fueron: cantidad reabastecida en un periodo de
tiempo, número de lotes completos en cierto periodo de tiempo, nivel de inventario y
cantidad a retornar al final del periodo estudiado. Los autores diseñaron un algoritmo de
programación dinámica para cumplir con el objetivo de determinar las decisiones de cuánto
ordenar, almacenar y devolver en cada período, minimizando los costos totales de
instalación y reposición y maximizando los ingresos.
1.3 Relación entre las empresas matrices y sus filiales
La configuración de la cadena de abastecimiento global, depende del tipo de relaciones
que se tienen con los eslabones; una de estas relaciones se produce entre empresas
matrices y filiales las cuales son conocidas como transnacionales; son compañías que
cuentan con una sede principal y filiales o subsidiarias que adoptan las normas y
decisiones de la compañía central o casa matriz (Ventura-Dias & Durán Lima, 2005). El
nivel y el tipo de actividades internacionales que realizan estas firmas puede variar, en
algunos casos, las empresas producen y venden en el mercado local pero dependen
significativamente del abastecimiento internacional; en otros casos, el suministro y la
manufactura se da a nivel local y la venta se da a nivel internacional (Demeter, 2014). Las
filiales de empresas manufactureras operan en dos redes distintas de la cadena de
1.Cadenas de suministro internacionales 25
abastecimiento: a nivel interno como miembros de la red de fabricación y a nivel externo
como socio en el suministro, esto se conoce como integración doble (Demeter, 2014).
Es común que las empresas filiales de una compañía, requieran de los mismos
componentes para manufacturar sus productos, por ende, sus procesos de
aprovisionamiento suelen ser similares y depender de los mismos proveedores (Egelhoff,
2010). La gestión de pedidos y de inventarios se puede dar de forma autónoma, es decir,
cada filial se encarga de administrar sus inventarios y realizar sus compras o de forma
centralizada, en la cual, las órdenes de compra de las filiales se procesan en la sede
principal o matriz (Yi-chen Lan, 2006). T. Zhang, Huang, Qu, & Li (2013) estudiaron los
modelos de aprovisionamiento autónomo y centralizado; en este último examinaron dos
políticas de coordinación de pedidos: en la primera, la casa matriz propone los periodos
de reposición y en la segunda, las filiales combinan la cantidad a pedir y la sede central
realiza un pedido al proveedor. La determinación de la cantidad del pedido combinado de
las filiales se realizó a partir de un modelo de reabastecimiento conjunto (Joint
Replenishment Problem) y a través de los análisis matemáticos, encontraron que la
consolidación de las ordenes reduce los costos totales y responde mejor ante la
incertidumbre de la demanda.
1.4 Costos asociados al abastecimiento internacional
La clasificación de los costos en el suministro global ha sido definida por varios autores
como: costos de inventario, fluctuaciones de la moneda, costos logísticos o en términos de
las desventajas propias del suministro global en comparación con el local (Holweg,
Reichhart, & Hong, 2011). También se encuentran otras clasificaciones propuestas por
Cavusgil, Yaprak, & Yeoh (1993), Lowson (2002) y Meredith Smith (1999) reunidas en la
investigación de los autores Holweg, Reichhart, & Hong (2011) en las que abordaron tres
tipos de costos: estáticos, dinámicos y ocultos. Dentro de los costos estáticos se agrupan
la mano de obra, el transporte, el despacho aduanero. Los costos dinámicos se presentan
por lo quiebres de inventario y ventas perdidas debido a las fluctuaciones en los tiempos
de entrega. Finalmente, los costos ocultos se definen como aquellos que no están
relacionados con las operaciones de la cadena de suministro, son difíciles de predecir y se
incurre en ellos de forma ocasional; por ejemplo, la tasa de cambio, viajes de personal para
revisar procesos o resolver problemas, cambios en las regulaciones, daños en la
mercancía entre otros (Holweg et al., 2011) . Por otra parte, Zeng & Rossett (2003)
26 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
clasifican los costos de abastecimiento global como: costos de transporte, costo de
manipulación del inventario, inventario en tránsito y el costo de pedido. El costo de
transporte incluye todos los transportes en los que se incurre desde que sale de la planta
o centro de distribución hasta que llega al destinatario final; transporte de carretera,
marítimo, tarifa de agencia, despachos de aduana y factor de ajuste de la moneda. El costo
de manipulación se refiere al costo de la mano de obra y al equipo utilizado para manipular
los productos en el almacén. El costo de inventario incluye el inventario en tránsito, el
inventario en ciclo y el inventario de seguridad. El costo de pedido es el relacionado con el
procesamiento de pedidos, la reposición de existencias y la planificación de envíos.
En el presente capítulo se presentaron las características de las cadenas de suministro y
del manejo de inventarios tanto a nivel general como de forma específica para las cadenas
de abastecimiento internacionales, la relación entre empresas y sus filiales y los costos
asociados al abastecimiento internacional. Se concluye que las decisiones de
abastecimiento son claves dentro de la cadena de suministro ya que analizan la forma de
coordinar el inventario, la capacidad de almacenamiento y las operaciones de transporte,
determinando la cantidad óptima a despachar, así como la cantidad de envíos requeridos
para satisfacer al cliente. Con lo expuesto en el presente capítulo se da cumplimiento al
tercer objetivo planteado de describir los aspectos principales de la logística de
abastecimiento internacional que permiten dar soporte conceptual al estudio. La gestión
de inventarios se destaca como un elemento fundamental ya por los largos tiempos de
reposición, la alta variabilidad y las disrupciones que tienen lugar en las cadenas de
abastecimiento internacional, existe mayor propensión a que se generen agotados o por
el contrario niveles de exceso de inventarios que aumentan los costos y disminuyen la
rentabilidad.
2. Colaboración en el proceso de reabastecimiento
En este capítulo se presenta una revisión sobre los procesos de colaboración entre
empresas, lo cual es la base del modelo propuesto en el presente trabajo. En este
apartado, se analizan los tipos de colaboración en la cadena de suministro, sus beneficios
y características; además se revisan las herramientas colaborativas que se emplean en la
gestión de inventarios y el proceso de reabastecimiento.
El concepto de colaboración en la cadena de suministro fue introducido por Ellram y
Cooper (1990) como una característica que permitía gestionar las relaciones de asociación
entre varios miembros de la cadena, para minimizar el inventario y tener el nivel de servicio
deseado. En la década de los 70’s y 80’s surgió la tendencia de integrar áreas funcionales
dentro de las empresas ya que se tenía la noción de que la cooperación permitía el logro
de los objetivos de la organización y no de los objetivos de cada área de forma aislada. La
gestión de la cadena de suministro extendió el concepto de integración funcional a todas
las empresas que hacían parte de la cadena; debido a esto, en 1990 surge la integración
entre proveedores, clientes y otras entidades externas, a través de la cual se compartían
información, objetivos y planes para alcanzar mayor competitividad y eficiencia (Ellram &
Cooper, 1990).
En las últimas dos décadas, la gestión de la cadena de suministro se ha convertido en una
herramienta indispensable para sobrevivir en el mercado competitivo (Ramanathan, 2013)
ya que los clientes cada vez están demandando productos de alta calidad y que sean
entregados en el tiempo requeridos; sin embargo dada la complejidad que supone
pronosticar la demanda de productos, las empresas han establecido relaciones de
colaboración que les permiten ser efectivas en la alineación de la demanda con la oferta
(Simatupang & Sridharan, 2002). Las herramientas de colaboración han recibido una
atención considerable en la actualidad ya que las investigaciones académicas y prácticas
28 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
que abordan este tema, han demostrado que a través de dichas herramientas, se logra un
mejor desempeño de la cadena de suministro que difícilmente se puede obtener por
organizaciones que trabajan de forma individual (Hudnurkar, Jakhar, & Rathod, 2014).
Las relaciones de colaboración en la cadena de abastecimiento son definidas como
relaciones de largo plazo donde dos o más participantes trabajan en conjunto, cooperan y
comparten información para mejorar el desempeño de toda la cadena en general (Whipple,
Lynch, & Nyaga, 2010). La colaboración es conocida por ser una filosofía de negocio cuyo
objetivo principal es crear relaciones de sinergia que se basan en la experticia y habilidades
de cada uno de los participantes, para crear beneficios de forma colectiva a los socios de
la cadena y a los clientes (M. Ralston, Richey, & J. Grawe, 2017)
S. Min et al.(2005) mencionan que la colaboración entre los socios de la cadena de
abastecimiento es una fuerza impulsora que ayuda a la gestión efectiva de la cadena y que
por lo tanto tiene un impacto positivo en las operaciones al igual que en la rentabilidad.
De acuerdo con M. Ralston, Richey, & J. Grawe (2017), para construir relaciones de
colaboración exitosas, es necesario considerar factores internos, relacionales y
tecnológicos. Los factores internos hacen referencia a la disposición que tiene cada una
de las partes para trabajar en conjunto, a la capacidad de apertura, innovación y
adaptación al cambio. El apoyo y compromiso de la alta gerencia es fundamental para que
surja la motivación interna y para establecer objetivos comunes y sistemas de integración
que faciliten la colaboración (Fawcett, Fawcett, Watson, & Magman, 2012). Los factores
relacionales se basan en la búsqueda del beneficio mutuo y de la confianza entre las
empresas, así como en una comunicación efectiva (Stank, Keller, & Daugherty, 2001). La
orientación a las relaciones refleja la intención de una compañía para colaborar con otras
y para generar mayor al cliente, lo cual no se podría lograr de forma aislada (Kähkönen &
Lintukangas, 2012). El factor tecnológico es fundamental en la colaboración ya que los
métodos electrónicos como el intercambio electrónico de datos (EDI) y otras plataformas
de software para comercio electrónico, proporcionan beneficios en cuanto a la
comunicación y a la transferencia de información ya que permiten que las partes
involucradas accedan a las mismas bases de datos o puedan obtener información de forma
más rápida y sin errores (Stock, Greis, & Kasarda, 2000). El uso de herramientas
2.Colaboración en el proceso de reabastecimiento 29
tecnológicas también favorecen la eficiencia operativa lo cual genera un mejor uso del
tiempo y de los recursos en actividades que agregan valor al trabajo colaborativo (M.
Ralston et al., 2017).
Las principales características de la colaboración son: el intercambio de información,
planeación conjunta, solución de problemas conjuntos y la confianza (Sheu, Rebecca Yen,
& Chae, 2006) (S. Min et al., 2005). El intercambio de información es un requisito
indispensable para la colaboración ya que la mejora de la cadena de suministro implica
que las partes involucradas implementen procesos comunes que requieren transferencia
de información, además este intercambio afecta la reducción de costos, ayuda a
pronosticar la demanda y contribuye al logro de una ventaja competitiva (Cheng, 2011)
(Ramanathan, 2013). Las relaciones colaborativas son efectivas cuando la información es
fluida, abierta y multidireccional (Grudinschi, Sintonen, & Hallikas, 2014). La información
proporciona una base común para los socios y es la que desencadena el flujo de los demás
procesos en la cadena; además, tiene una función de adherencia porque mantiene unidas
a las compañías para responder a los desafíos de forma ágil (Hudnurkar et al., 2014). El
reabastecimiento conjunto es requerido para alinear las operaciones y la capacidad de
respuesta de cada una de las partes involucradas en la colaboración, en este aspecto, se
comparten planes de producción, proyecciones de volumen, entre otros (S. Min et al.,
2005). La resolución conjunta de problemas permite que se generen ideas de mejora en
los procesos colaborativos que van desde el control de calidad hasta las operaciones de
distribución de mercancía. La confianza es la medida en que los socios de la cadena
mantienen una credibilidad mutua y una búsqueda del bien común; la confianza se
considera un determinante del éxito de las relaciones colaborativas especialmente entre
compradores y proveedores (Whipple et al., 2010).
Dentro de los beneficios de la colaboración que se encuentran en la literatura, se destacan
la reducción de costos y el aumento del nivel de servicio (M. D. Arango et al., 2013). Cao
& Zhang (2010) conceptualizan la ventaja y los beneficios de la colaboración en la cadena
de suministro a través de las siguientes dimensiones:
Eficiencia en los procesos: la eficiencia es una medida del éxito y de la habilidad de
una compañía para generar ganancias; es incrementada a través de los bajos
inventarios y un mejor desempeño en los despachos. Los procesos involucrados en la
30 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
colaboración son: compartir información, logística conjunta, desarrollo conjunto de
productos y la toma de decisiones conjunta. A través de la eficiencia en los procesos
colaborativos se puede obtener reducción en costos y mejora en los ingresos.
Flexibilidad de oferta: esta ventaja se basa en la capacidad de las empresas que
colaboran para adaptarse a las necesidades de los clientes y cambiar rápidamente los
procesos. Para tener mayor aceptación de los productos o servicios, muchas
compañías solicitan a los clientes sus opiniones desde la etapa de diseño, con lo cual
logran una mejora simultanea de la satisfacción de los clientes y en los costos.
Sinergia empresarial: hace referencia al trabajo conjunto a través del cual se logra un
mejor uso de los recursos, mayor aprendizaje, intercambio de conocimiento, reducción
y control del riesgo de suministro, reducción de costos administrativos, mejora de la
comunicación, entre otros (Simatupang & Sridharan, 2002). En este punto, otros
autores argumentan que la colaboración también ayuda a mejorar el procesamiento de
la información, reducir los inventarios, costos y tiempos de aprovisionamiento (Fawcett
et al., 2012) (Cao & Zhang, 2010).
Calidad: las empresas que colaboran pueden generar un mayor valor a los clientes ya
que ofrecen productos de mejor calidad, diseño y servicio post-venta; esto a su vez
ayuda a construir lealtad del cliente, aumentar la cuota de mercado y finalmente
aumentar las ganancias.
Innovación: se refiere a la capacidad de introducir nuevos productos o servicios y
nuevos procesos. El trabajo colaborativo de varios socios facilita la innovación ya que
se aprovechan las capacidades de creatividad conjunta, aprendizaje y resolución de
problemas, es por esto que las compañías pueden introducir nuevos productos de
forma más rápida y frecuente.
2.1 Tipos de colaboración
Los tipos de colaboración han sido ampliamente estudiados en el ámbito de la gestión de
la cadena de suministro. A continuación, se enuncian las características de cada uno y su
aplicabilidad.
2.Colaboración en el proceso de reabastecimiento 31
2.1.1 Colaboración vertical
Es el tipo de colaboración más analizado (Sanchez Rodrigues, Harris, & Mason, 2015) y
se realiza entre organizaciones que están en diferentes eslabones de la cadena; además
abarca diferentes relaciones como comprador-proveedor, interna y con clientes (M. D.
Arango et al., 2013). Dentro de este tipo de colaboración se encuentran el Inventario
Manejado por el Vendedor (VMI por sus silgas en inglés), Respuesta Eficiente del Cliente
(ECR por sus siglas en inglés) y Planeación, Pronóstico, y Reabastecimiento Colaborativo
(CPFR por sus siglas en inglés) (Simatupang & Sridharan, 2002). Los beneficios se basan
en mejorar los niveles de servicios, así como también en reducir costos (Mason, Lalwani,
& Boughton, 2007); sin embargo, también tiene numerosos desafíos como encontrar
formas de reducir la variabilidad, aumentar la confianza entre las partes, establecer una
cultura de colaboración y obtener un apoyo continuo de la alta gerencia (Sanchez
Rodrigues et al., 2015). Las relaciones entre comprador y proveedor se entienden como
una inversión conjunta en la cual se adquieren recursos que resultan útiles para las
relaciones de largo plazo; por ejemplo, inversiones en tecnologías de la información; sin
embargo, cualquier inversión conlleva a una serie de riesgos, por tanto, las empresas que
realizan este tipo de colaboración. buscan que sus socios tengan competencias que les
permitan tomar decisiones acertadas en cuanto a la gestión cotidiana de pedidos, de
inventario y transporte y otras decisiones estratégicas basadas en los costos y mejora de
la eficiencia (Ha, Park, & Cho, 2011).
2.1.2 Colaboración horizontal
La colaboración horizontal se realiza entre organizaciones que están en el mismo eslabón
de la cadena de abastecimiento; este tipo de colaboración surge a nivel interno (Barratt,
2004) y entre dos o más compañías no relacionadas entre sí o competidores que colaboran
para compartir información confidencial o recursos como por ejemplo centros de
distribución compartidos (Simatupang & Sridharan, 2002). Las investigaciones que
abordan la colaboración horizontal, se enfocan en su mayoría en la gestión de transporte;
otros autores han estudiado también la colaboración entre fabricantes y entre empresas
de productos agroalimentarios (Soosay & Hyland, 2015). La colaboración entre fabricantes
tiene los siguientes benéficos: precios bajos como resultado de agregar la cantidad a
producir o a comprar, disminución en el riesgo de suministro, reducción en el costo
administrativo por la centralización de las compras, entre otros relacionados con la
32 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
comunicación e interacción. Sin embargo, también tiene desventajas como la poca
flexibilidad, la pérdida de control individual, los costos incurridos en lograr una coordinación
efectiva, dificultades para establecer confianza entre los miembros, entre otras. Para hacer
frente a esto retos, es necesario contar con una adecuada gestión social y tecnológica
(Bahinipati, Kanda, & Deshmukh, 2009).
2.1.3 Colaboración lateral
Se refiere a la combinación entre colaboración horizontal y vertical, la cual se emplea para
obtener mayor flexibilidad dada la transferencia de capacidades en ambos sentidos
(Mason et al., 2007). En la literatura se encuentran pocas aplicaciones de este tipo de
colaboración; en cuanto al transporte, Mason et al (2007) propusieron un enfoque que
combinaba la colaboración vertical y horizontal para optimizar el transporte; en este estudio
no solo incluyeron la variable costos sino también nivel de servicio, satisfacción del cliente
final, visibilidad y optimización del valor. Chan & Prakash (2012) examinaron dos cadenas
de suministros de empresas manufactureras bajo una perspectiva de gestión de
inventarios y concluyeron que una cantidad mayor de punto de reorden resultaba en un
bajo costo para la colaboración lateral. Bahinipati & Deshmukh (2014) establecieron un
marco de referencia a través del cual exploraron las condiciones de intercambio de
recursos bajo las cuales las empresas de semiconductores estarían dispuestas a colaborar
y aquellas en las que la colaboración tendría un resultado.
2.2 Herramientas de colaboración para la gestión de inventarios y reabastecimiento
Las estrategias de colaboración se han desarrollado para facilitar el intercambio de
información, establecer objetivos de rendimiento comunes y lograr sincronización de la
cadena de suministro (Sari, 2008) (Achabal, McIntyre, Smith, & Kalyanam, 2000). Los
primeros acuerdos de cooperación entre vendedores y minoristas surgieron gracias al
desarrollo de plataformas de intercambio de información, a través de las cuales, uno de los
miembros de la cadena le compartía información a los demás; con el paso del tiempo los
socios de la cadena empezaron a surgir herramientas colaborativas que mejoraron la
relación entre comprador-vendedor y el desempeño global de la cadena (Attaran & Attaran,
2007).
2.Colaboración en el proceso de reabastecimiento 33
Entre las herramientas que surgieron como mecanismos para coordinar los inventarios
entre proveedores y compradores se encuentran: el desarrollo conjunto de órdenes,
estrategia justo a tiempo, repuesta rápida, inventario en consignación, inventario manejado
por el vendedor (VMI), respuesta eficiente al consumidor (ECR), la planificación, pronóstico
y reabastecimiento colaborativo (CPFR), entre otros (Jimenez Sanchez, 2005). A
continuación, se explican las herramientas anteriormente descritas.
2.2.1 Desarrollo conjunto de órdenes
Esta estrategia se basa en el control de inventarios a través de variaciones en los tamaños
de lote con posibilidad de obtener descuentos fijos en el precio (B. Kim, Leung, Park,
Zhang, & Lee, 2002). Este tipo de estrategia sigue el modelo clásico de EOQ y su objetivo
es buscar estabilizar los desequilibrios entre oferta y demanda a través de negociaciones
entre proveedor y cliente orientadas en buscar uniformidad entre los lotes de producción y
las ordenes de los clientes (Jimenez Sanchez, 2005).
Las ventajas del desarrollo conjunto de órdenes se basan en que el comprador obtenga
beneficios por las economías de escala al obtener descuentos por cantidades, menores
costos de transporte debido a la consolidación de envíos. En el caso del proveedor, las
ventajas son: menores costos de procesamiento de órdenes y menores costos de
manufactura cuando el mismo realiza la producción (Banerjee, 1986).
El resultado de esta táctica depende del eslabón de la cadena con mayor poder de
negociación ya que este es el que impondrá la fuerza y podrá garantizar que las decisiones
de la cadena estén coordinadas, es decir, que se maximicen las utilidades totales. En el
caso del comprador la intención es seleccionar los tamaños de lote óptimos tales que se
minimicen los costos de ordenar y de mantener el inventario; para el proveedor, la decisión
está basada en definir las condiciones de precios y descuentos acertados para maximizar
sus utilidades. Es posible maximizar las utilidades de la cadena, incluso si una de las partes
está intentando maximizar las propias (Chopra & Meindl, 2013).
2.2.2 Estrategia justo a tiempo
Es una de las estrategias de manufactura e inventarios más populares que busca la
eliminación del exceso de inventario en todas las partes del proceso productivo (Jimenez
34 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Sanchez, 2005). El justo a tiempo o JIT (Just-in-time) ha ido evolucionando a través del
tiempo ya que pasó de ser una metodología empleada para mejorar el flujo de los
materiales a través de las líneas de producción a una estrategia que cubre todos los
aspectos del proceso productivo (planificación, inventarios, trabajo flexible, transporte,
calidad, proveedores, entre otros) (Singh & Garg, 2011).
Los beneficios del justo a tiempo han sido reportados en numerosos artículos ya que su
aplicación se ha extendido a empresas de diversas industrias. Alcaraz, Maldonado, Iniesta,
Robles, & Hernández (2014) consolidaron una lista de 22 beneficios los cuales otros
autores han reportado en un periodo de 26 años de la práctica de JIT, entre estos, los más
citados y destacados son:
Incremento en la productividad
Reducción del costo de producción total
Calidad en la producción
Reducción de procesos administrativos
Proveedores confiables
Incremento en los índices internos de eficiencia
La implementación de JIT recibe el nombre de Factores Críticos de Éxito o CSFs (Critical
Success Factors) algunos de los autores que abordaron el tema fueron:
Golhar & Stamm (1991): propusieron cuatro dimensiones definidas como la eliminación
del desperdicio, participación de los trabajadores en la toma de decisiones,
participación de los proveedores y control total de la calidad.
Mehra & Inman (1992): definieron un procedimiento comprendido por cuatro
estrategias, definidas como la estrategia de proveedor JIT, estrategia de producción
JIT, compromiso de la gerencia con JIT y estrategia de educación JIT.
Davy, White, Merritt, & Gritzmache (1992): definieron tres estrategias para la
implementación que fueron la estructura operacional y control, programación de la
producción y la implantación de calidad.
Sakakibara, Flynn, & Schroede (2009): propusieron tres dimensiones definidas como
la gestión del recurso humano, simplificación del flujo físico y gestión de proveedores
2.Colaboración en el proceso de reabastecimiento 35
Ramarapu, Mehra, & Frolick (1995) analizaron estrategias tales como el control y
mejora de la calidad, compromiso gerencial, participación de proveedores y eliminación
del desperdicio y estrategia de producción.
Más que representar una estrategia, el justo a tiempo es una filosofía que comprende una
estructura, cultura organización y un conjunto de procedimientos encaminados a la
eliminación del desperdicio y a la disminución delos costos de inventarios.
2.2.3 Respuesta rápida
La estrategia de respuesta rápida o QR (Quick-Response) permite que la cadena de
suministro reaccione de forma ágil ante los cambios de la demanda, por lo que se enfoca
en reducir el tiempo de ciclo (Perry & Sohal, 2001). En la respuesta rápida, la transferencia
de información cobra importancia ya que, para llevarse a cabo, es necesario actualizar las
estimaciones de demanda y los inventarios, por lo que debe estar soportada en las
tecnologías de la información (Jimenez Sanchez, 2005).
Los autores Fisher & Raman (1996) la definen como una iniciativa empleada para acortar
los tiempos de respuesta de manufactura y distribución a través de diferentes formas como
el intercambio electrónico de datos (EDI), lectores o escáneres en los puntos de venta,
códigos de barras, centros logísticos automatizados y mejoras en los procesos de
manufactura.
Un elemento clave dentro de la estrategia de respuesta rápida es el desarrollo de
asociaciones entre los eslabones de la cadena de suministro ya que el éxito de las
empresas no depende únicamente de la mejora en sus procesos internos, sino que abarca
la logística externa, los sistemas de soporte de infraestructura, entre otros factores (Perry
& Sohal, 2001).
Otro elemento fundamental es la información de la demanda ya que soporta la toma de
decisiones con el objetivo de maximizar la oferta, de que se reduzca el tiempo de ciclo y
los costos de inventario (Christopher & Towill, 2002).
36 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
2.2.4 Inventario en consignación
En esta estrategia el proveedor se encarga de la administración del inventario y de su
ubicación en las instalaciones del cliente; bajo esta configuración, el cliente no incurre en
costos de almacenamiento ni de inventario (Valentini & Zavanella, 2003). En esta iniciativa,
la relación entre el proveedor y el comprador está determinada por las siguientes reglas
(Valentini & Zavanella, 2003):
El proveedor garantiza unos niveles mínimos y máximos de inventario para garantizar
reposiciones continuas a los clientes. En caso tal de que se generen agotados, se
pueden generar penalizaciones en el contrato o débitos por el valor de las ventas
perdidas al proveedor.
La información sobre las ventas se debe transferir a través de herramientas de
información de forma permanente en las frecuencias definidas por ambas partes.
Los beneficios encontrados en la literatura acerca de esta estrategia son (Zavanella &
Zanoni, 2009):
Los clientes siempre tienen mercancía disponible.
El proveedor tiene flexibilidad en cuanto a que puede organizar la producción de
acuerdo a sus preferencias y ahorrar costos de producción.
Se establece una mejor relación cliente-proveedor debido a la confianza que depositan
ambos.
La estrategia de inventario en consignación es una forma particular del VMI y representa
un enfoque exitoso de colaboración entre proveedores y compradores (Zavanella &
Zanoni, 2009)
2.2.5 Inventario Manejado por el Vendedor (Vendor Managed Inventory)
En 1985 se popularizó la iniciativa de VMI por las compañías Wal-Mart y Procter & Gamble,
en la cual el vendedor decide los niveles apropiados de inventario para cada producto, las
políticas para la gestión del mismo y el proceso de reabastecimiento (Sari, 2008). En esta
estrategia, el proveedor requiere que el minorista le comparta información de la demanda
para tomar decisiones sobre el inventario y a su vez sobre la producción; esto contribuye
2.Colaboración en el proceso de reabastecimiento 37
a mejorar los pronósticos y a ajustar la oferta con la demanda (Chopra & Meindl, 2013). En
VMI la transferencia de información es fundamental por lo que se debe contar con EDI o
cualquier otra plataforma de comunicación confiable
Esta estrategia cambia la forma tradicional en la cual el retail decidía cuanto, cuando y
donde ordenar (M. D. Arango et al., 2013) y enfatiza en que el rol del retail solo sea de
rentar un espacio al proveedor y este último se encargue del manejo del inventario
(Bowersox et al., 2007). Los beneficios que se pueden lograr bajo la adopción de esta
iniciativa son: aumentos del nivel de servicio como consecuencia de tener información
confiable de los inventarios, reducción del costo de pedidos ya que se elimina la necesidad
de hacer pedidos de reabastecimiento y disminución del número de errores asociados a la
gestión de inventarios y distribución (M. D. Arango et al., 2013) (Bowersox et al., 2007).
Yao & Dresner (2008) destacan que los beneficios del proveedor con la estrategia de VMI
son:
Disminución del efecto látigo gracias a la información que se comparte.
Mejor uso de la capacidad de manufactura por el conocimiento de los niveles de
inventario y de la demanda por lo que pueden posponer o anticipar ciertos despachos
Mayor sincronización en el plan de reabastecimiento al reducir el tiempo de ciclo.
Disminución de agotados debido a pronósticos más precisos.
Aumento en el retorno de la inversión.
En cuanto a los beneficios para el retail, Achabal, McIntyre, Smith, & Kalyanam (2000)
destacan los siguientes:
Mayor disponibilidad del producto.
Disminución de los costos de almacenamiento.
Aumentos del nivel de servicio.
Disminución de costos de planificación de pedidos y de gestionar el inventario ya que
esta responsabilidad es asumida por el proveedor.
Claassen, Van Weele, & Van Raaij (2008) sintetizan los facilitadores de la estrategias de
VMI en los siguiente grupos:
38 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Calidad de la relación de colaboración: se refiere a la interdependencia, confianza,
compromiso y frecuencia de interacción.
Calidad de la información: se basa en la disponibilidad, integridad, intercambio y
confiabilidad en la información.
Intercambio de información: ayuda a crear una comprensión común de los objetivos y
permite hacer mejores previsiones al compartir información sobre promociones y
campañas.
La calidad de los sistemas de información puesto que proporcionan una interfaz amplia
y canales de comunicación directa.
Las principales limitaciones de VMI son: el retail no participa en el proceso del pronóstico
de la demanda por lo cual la información que posee acerca del cliente y del mercado no
se une con las decisiones de inventario que realiza el proveedor. Otra de las falencias de
esta iniciativa es que en ocasiones los proveedores carecen de las herramientas o
competencias para generar adecuadas políticas de reabastecimiento (Sari, 2008). Los
costos de tecnología se pueden incrementar debido al uso de plataformas de comercio
electrónico para la transmisión de información (Zapata, 2014).
Achabal, McIntyre, Smith, & Kalyanam (2000) desarrollaron varios modelos de toma de
decisiones para VMI los cuales se enumeran a continuación son:
Modelo de pronóstico.
Modelo de decisión de inventario.
Modelo de actualización.
En la Figura 2-1 se exponen las características de cada uno de los modelos mencionados
anteriormente.
2.Colaboración en el proceso de reabastecimiento 39
Figura 2-1: Modelos usados para el soporte a las decisiones de VMI
Fuente: Elaboración propia a partir de (Achabal et al., 2000)
En la literatura se encuentran gran cantidad de aplicaciones de VMI mediante modelos
matemáticos, modelos de simulación y casos de estudio; sin embargo no se evidencia un
referente del proceso de implementación de VMI (Salem & Elomri, 2017). Marquès, Thierry,
Lamothe, & (2010) Gourc plantearon un macro proceso de VMI teniendo en cuenta
elementos operacionales y de colaboración táctica y estratégica. Este proceso se detalla
en la Figura 2-2.
Figura 2-2: Proceso de VMI
Fuente: elaboración propia a partir de (Marquès et al., 2010)
•Proporciona pronósticos semanales a nivel de producto y una estimación del error estándar de la demanda.
Modelo de pronóstico
•El proveedor plenea la producción y el retail elabora planes de mercadeo
•El modelo determina los niveles de inventario apropiados
Modelo de decisión de inventario •Estimación de parámetros
para el modelo de pronóstico
•Actualización de parámetros para ajustarse a los cambios en las ventas
Modelo de actualización
Acuerdo de trabajo conjunto:
•Establece la integración de los socios en un proceso VMI de reposición
Acuerdo logístico:
•Especifia los parámetros para gestionar el inventario de cada artículo (niveles de inventario, cantidades de despacho, cronograma de transorte, entre otros)
Proceso de producción y despacho
•Monitorea decisiones de corto plazo sobre los depachos y el transporte
40 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
En el acuerdo de trabajo conjunto se especifica el modelo de colaboración en su totalidad
lo cual genera una sincronización del proceso de VMI. En esta etapa del proceso se dan
lineamientos y definiciones acerca de: niveles de inventario, periodicidad de los acuerdos
logísticos, información de pronósticos, frecuencia de despachos, características de
transporte, sincronización en el proceso de planeación, etc. (Marquès et al., 2010).
El acuerdo logístico establece los parámetros que regulan la gestión de cada artículo con
el objetivo de lograr convergencia y delimitar las decisiones de producción y despacho en
el corto plazo. Este acuerdo integra los objetivos definidos en cuanto a nivel de servicio,
costo de inventario objetivo, utilidades requeridas y las limitaciones del proveedor en la
producción y en el transporte (Marquès et al., 2010).
El proceso de producción y despacho se puede realizar de forma independiente o
integrada; en el primer caso, el proceso de VMI solo se usa para tomar decisiones de
despacho, mientras que, en el segundo, se coordinan las decisiones de reposición de
inventario, frecuencias y cantidades de despacho.
2.2.6 Respuesta Eficiente al Consumidor (en inglés Efficient Consumer Response)
La Respuesta Eficiente al Consumidor (ECR) surgió en 1990 producto de un estudio
iniciado por el Instituto de Comercialización de Alimentos (en inglés Food Marketing
Institute), pero fue Wal-Mart quien lo implementó con el objetivo de ofrecer a sus clientes
productos de calidad de forma más rápida, eficiente y a bajo costo (Demiray, Akay, Tekin,
& Boran, 2017).
ECR se enfoca en lograr mayor productividad y reducir el inventario, a través de iniciativas
en el área de reabastecimiento, variedad y surtido de productos, desarrollo de productos y
promoción; las cuales se facilitan por el uso de tecnologías de comercio electrónico (Kurnia
& Johnston, 2001). La estrategia de ECR se centra tanto en la demanda como en la oferta;
el objetivo por parte de la oferta es impulsar el flujo del producto a través de los procesos
de la cadena de suministro hasta el cliente final, de forma rápida y a bajo costo. El objetivo
por parte de la demanda es emplear la información para determinar cuáles productos
deben estar en los estantes del minorista (Dupre & Gruen, 2004) . En la Figura 2-3 se
2.Colaboración en el proceso de reabastecimiento 41
ilustran el flujo de información y materiales a través de la cadena de suministro bajo la
estrategia de ECR.
Figura 2-3: Flujo de información y materiales en la estrategia ECR
Fuente: tomada de (Reyes & Bhutta, 2005, p. 348).
Las iniciativas desarrolladas en ECR, están basadas en dos programas que son:
Administración de Categorías (en inglés Category Management) y Programa de
Reposición Continua (en inglés Continuous Replenishment Program) (Kurnia & Johnston,
2003).
La Administración de Categorías propone un cambio en el enfoque de la gestión de marca
tradicional en el que se definía la unidad de negocios como una marca específica o una
línea de productos, hacia una orientación de gestión de categoría (Reyes & Bhutta, 2005).
Este enfoque se basa en el supuesto de que las ventas y los beneficios se maximizan a
través de una combinación óptima de marcas, referencias y precios. La mezcla óptima de
productos
El Programa de Reposición Continua surge como una mejora de VMI ya que la política de
inventario se basa en el pronóstico de las ventas, el cual se construye con el histórico de
la demanda y no como sucedía en VMI que se calculaba con las variaciones en los niveles
de inventario (Pramatari, 2007). El objetivo de CRP es conseguir un abastecimiento
automático garantizando el flujo más eficiente de productos del fabricante al retail (Harris,
Swatman, & Kurnia, 1999).
La Respuesta Eficiente al Consumidor se divide en cuatro estrategias las cuales se detallan
a continuación:
42 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Surtido Eficiente: se refiere a la asignación optima de productos en las estanterías del
vendedor con el fin de maximizar la satisfacción del consumidor y garantizar la
rentabilidad del fabricante, distribuidor y retail (Aastrup, Kotzab, Grant, Teller, & Bjerre,
2008). En esta estrategia se requiere que los socios de la cadena adopten la estrategia
de Administración de categorías ya que les permite satisfacer las necesidades del
cliente y al mismo tiempo obtener mayores ganancias, clientes recurrentes y un
abastecimiento más frecuente (Harris et al., 1999).
Reabastecimiento eficiente: es el proceso que involucra la gestión y coordinación de
las actividades logísticas que se llevan a cabo para entregar el mix de productos
adecuado en el menor tiempo posible, desde el productor hasta el consumidor; con el
objetivo de disminuir costos y optimizar tiempos a la vez que se alcanza el nivel de
servicio deseado (Pearce, 1996).
Promoción eficiente: es el proceso que se enfoca en coordinar los esfuerzos de
promoción para eliminar costos excesivos. Las estrategia que se implementa para que
el retail obtenga mejores beneficios en los precios es que se genera una sola orden y
se realizan despachos parciales por lo que el minorista no tiene que asumir el inventario
total (Harris et al., 1999).
Introducción de productos eficiente: se refiere al proceso de introducir nuevos
productos al mercado reduciendo costos y evitando fallas; a través de la colaboración
de todos los socios de la cadena en la etapa inicial del proceso. Los productos nuevos
deben satisfacer una necesidad identificada en el mercado y una demanda específica
(Harris et al., 1999).
Hoffman & Mehra (2000) propusieron una serie de pautas para la adopción de la estrategia
ECR en las empresas que son:
Participación de los involucrados para la evaluación: es fundamental que todos los
socios de la cadena establezcan una participación temprana ya que esto permite
comprender los objetivos finales, alinear prioridades y acordar aspectos claves del
proceso que faciliten el cumplimiento de las metas.
Involucramiento temprano del vendedor y el cliente: en cada etapa del proceso se debe
definir el rol de los participantes para comprender la interdependencia de las relaciones
en la cadena de suministro; de igual forma se asegura que las prioridades relacionadas
2.Colaboración en el proceso de reabastecimiento 43
con la logística y los sistemas de información, se entiendan claramente desde la etapa
inicial.
Mapa de valoración: en este paso se identifican las actividades que agregan valor y las
que no lo generan, a través del entendimiento claro de cada una de las actividades de
la cadena de suministro; dicho mapeo, ayuda a reconocer los puntos donde se pueden
reducir costos y tiempo y facilita la sincronización de todos los participantes.
Evaluación de necesidades tecnológicas: para asegurar un flujo de información
oportuno y garantizar compatibilidad en la implementación de tecnologías para el
proceso de colaboración, es necesario realizar un análisis de los requisitos
tecnológicos y de sistemas de información de cada uno de los socios de la cadena.
Involucramiento del cliente: debido a que el objetivo final de la estrategia ECR es
responder a las necesidades del cliente a menor costo y menor tiempo, los clientes
juegan un papel fundamental en el proceso de implementación por lo que se propone
su participación en el punto de venta para identificar si se están generando patrones
de demanda incorrectos por días de promociones o eventos especiales.
(Kurnia & Johnston, 2003) analizaron algunos beneficios y los obstáculos de la
implementación de esta práctica en Estados Unidos y en Europa; los cuales se enuncian
en la Tabla 2-1.
Tabla 2-1: Beneficios y obstáculos de ECR
Beneficios Obstáculos
Aumento de las ventas y del margen
bruto
Reducción en el inventario almacenado
y de producto terminado
Mayor variedad de productos ofrecidos
a los clientes
Reducción en el número de referencias
o códigos
Reducción de gastos en las áreas
operativas
Resistencia de los clientes a
intercambiar información
Falta de un mapeo de actividades claro
Conflictos en las prioridades del uso de
los recursos
Personal sin entrenamiento para la
administración de categorías
Información y sistemas de información
insuficientes para llevar a cabo todo el
proceso
Fuente: elaboración propia a partir de (Kurnia & Johnston, 2003)
44 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
ECR es una filosofía que continúa siendo practicada alrededor del mundo y que dio paso
a una de las estrategias actuales y más importantes de la colaboración: CPFR
(Collaborative Planning Forecasting and Replenishment) (Aastrup et al., 2008).
2.2.7 Planeación Pronóstico y Reabastecimiento Colaborativo (Planning Forecasting and Replenishment)
Esta iniciativa se basa en que todos los miembros de la cadena desarrollan de forma
conjunta pronósticos de demanda, planes de producción y de compra y reposición de
inventarios (Sari, 2008). De las demás prácticas colaborativas, CPFR es conocida por ser
la más prometedora ya que no solo se enfoca en la información compartida del negocio
sino que también busca establecer un pronóstico común que guíe los esfuerzos de toda la
cadena (Thron, Nagy, & Wassan, 2006) (Ramanathan, 2014). Esta práctica comenzó en
1995 con implementaciones piloto pero sus primeras adopciones se dieron después de
1998 (Hill, Zhang, & Miller, 2018) con el objetivo de atacar las causas que afectan de forma
negativa el rendimiento de la cadena de suministro; tales como la falta de visibilidad de la
demanda del cliente y la información incompleta e imprecisa (Barratt & Oliveira, 2001). La
práctica de CPFR agrega valor a la cadena reduciendo el inventario e incrementando el
nivel de servicio a través de la convergencia entre demanda y suministro (Fliedner, 2003).
La aplicación de esta iniciativa en el sector empresarial, se concentra en compañías de
tipo textil, de alimentos y en general en retailers; esto se debe a que en estas industrias
más que en otros sectores, existe la necesidad de compartir información debido a aspectos
como la alta competencia, la innovación en sus productos, los cortos ciclos de vida, largos
tiempos de suministro, la estructura de costos de los mercados globales y la complejidad
de las cadenas de suministro ya que cada vez más tienden a subcontratar sus actividades
(Panahifar, Heavey, Byrne, & Fazlollahtabar, 2015).
Las compañías que han adoptado esta práctica destacan la reducción de costos como uno
de los mayores beneficios de la aplicación de CPFR. Otros de los factores que influencian
la adopción de dicha iniciativa son: (Sari, 2008) (Panahifar, Heavey, et al., 2015) (Attaran
& Attaran, 2007) (Panahifar, Ghadimi, Azadnia, Heavey, & Byrne, 2015):
La reducción de inventario
2.Colaboración en el proceso de reabastecimiento 45
Incremento del nivel de servicio
Mejora en las ventas y el desempeño operacional y financiero
Tiempos de aprovisionamiento más rápidos
Aumento en la calidad de nuevos productos
Mejora en el proceso productivo
Reducción de errores de pronóstico
Mejora en la disponibilidad de los productos.
En la Tabla 2-2 se presentan los beneficios reportados en la literatura analizada y los
autores correspondientes.
Tabla 2-2: Beneficios de la implementación de CPFR
Beneficios Autores
Mejora en la precisión de los pronósticos
(K. K. Chang & Wang, 2008) (Hill et al., 2018) (Jiang & Liu, 2012) (Attaran & Attaran, 2007)
Mejora en la calidad de la información compartida
(Ghosh & Fedorowicz, 2008)
Reducción del efecto látigo (de Almeida, Marins, Salgado, Santos, & da Silva, 2015)
Incremento en el nivel de servicio (Poler, Hernandez, Mula, & Lario, 2008) (McCarthy & Golicic, 2002)
Reducción de costos en la cadena de suministro
(Lehoux, D’Amours, & Langevin, 2011)
Reducción del inventario (T. Chang, Fu, Lee, Lin, & Hsueh, 2007) (Demiray et al., 2017)
Mejora en las ventas y el desempeño operacional y financiero
(L. Li, Zhang, & Willamowska-Korsak, 2014) (S. M. Kim & Mahoney, 2010)
Fuente: elaboración propia.
Proceso de CPFR
El modelo de CPFR tiene tres subprocesos que son: planeación, pronóstico y
reabastecimiento; cada uno de estos, contienen a su vez una serie de actividades
46 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
conocidas como pasos (Liu, 2011) (Attaran & Attaran, 2007) los cuales se ilustran en la
Figura 2-4.
Figura 2-4: Proceso de CPFR
Fuente: Elaboración propia a partir de (Panahifar, Heavey, et al., 2015).
Esta serie de nueve pasos fue propuesta por la asociación VICS (Voluntary Industry
Commerce Standards) en 1998; pero en el 2004 esta misma entidad, redefinió este modelo
en un conjunto de ocho pasos llamados tareas de colaboración las cuales se pueden
aplicar en cualquier tipo de industria y se ilustran en la Figura 2-5Figura 2-5. Dicho modelo
involucra cuatro etapas que son:
Estrategia y planeación
Gestión de la demanda y del abastecimiento
Ejecución
Análisis
Planear
•Elaborar un acuerdo de Inicio-Fin
•Realizar un plan de negocios conjunto
Pronósticar
•Crear pronóstico de ventas
•Identificar excepciones al pronóstico de ventas
•Resolver o colaborar sobre las excepciones al pronostico de ventas
•Crear pronóstico de pedidos
•Identificar excepciones al pronóstico de pedidos
•Resolver o colaborar sobre las excepciones al pronostico de ventas
Reabastecer
•Generar pedidos
2.Colaboración en el proceso de reabastecimiento 47
Figura 2-5: Modelo CPFR
Fuente: Tomado de (VICS, 2011, p. 9)
La etapa de estrategia y planeación comprende dos pasos que son: los acuerdos de
colaboración y el plan de negocios conjunto; en el primer paso se establecen objetivos,
requerimientos, roles y responsabilidades, con el fin de que las partes estén alineados y
comprometidas con el logro de los objetivos propuestos (Cassivi, 2006). En el segundo
paso, se establece el plan de negocios, a través del cual, las partes involucradas
profundizan en la información del producto que se intercambia, comparten sus estrategias
comerciales como promociones, políticas de inventario, apertura de nuevas tiendas y
desarrollo de nuevos productos (VICS, 2011) (Attaran & Attaran, 2007).
En la etapa de gestión de la demanda y del abastecimiento, se desarrolla el pronóstico de
las ventas y de los pedidos; en el primero se proyecta la demanda del consumidor en el
punto de venta, mientras que en el segundo se determinan los pedidos futuros y los
requisitos de la entrega de dichos pedidos en cuanto al inventario, la gestión de demanda,
48 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
los tiempos de tránsito, entre otros (VICS, 2011) (Márcio Tavares Thomé, Luis Hollmann,
& Scavarda do Carmo, 2014).
La etapa de ejecución consta de la generación de los pedidos y en el cumplimiento de los
pedidos que abarca el proceso de producción y entrega de los productos (VICS, 2011).
La etapa de análisis consiste de dos pasos, que son la gestión de las situaciones
excepcionales, que se basa en la gestión activa de las operaciones y la evaluación del
rendimiento la cual consta del cálculo de indicadores para medir el logro de los objetivos e
identificar posibles mejoras en el proceso (VICS, 2011).
En el presente capitulo se analizaron las herramientas de colaboración de inventarios más
usadas que facilitan integrar la cadena de suministros de forma aplicada en las
organizaciones, con lo cual se da cumplimiento al segundo objetivo específico.
.
3. Modelos de reabastecimiento colaborativo
En este capítulo se presenta una revisión de los modelos colaborativos de
reabastecimiento que permiten integrar y optimizar la cadena de suministro de forma
aplicada en las organizaciones. El concepto de reabastecimiento colaborativo es definido
como la estrategia que busca determinar las cantidades y momentos en los cuales se
deben reponer los productos a través del intercambio de información entre los diferentes
actores que definen las políticas de reposición (Lyu, Ding, & Chen, 2010). Los trabajos
encontrados en la literatura que presentan modelos de reabastecimiento colaborativo se
detallan a continuación.
T.-H. Chen & Chen (2005) propusieron modelos de reposición conjunta y una práctica de
coordinación de canales con el objetivo de investigar el efecto de dichas herramientas en
el desempeño de la cadena de suministro. Los autores formularon cuatro modelos de toma
de decisiones para determinar las políticas de producción y el reabastecimiento óptimo de
inventario en una cadena de suministro de dos niveles, para lo cual consideraron un
inventario de tres niveles, una demanda determinística y diferentes escenarios
colaborativos y no colaborativos, así como reposición conjunta e individual de una familia
de productos. Las variables involucradas fueron: el ciclo de reposición para el minorista, la
cantidad pedida para todos los productos terminados, la cantidad producida por el
fabricante y la cantidad de reaprovisionamiento por lote. La aplicabilidad del modelo se
determinó a través de una serie de experimentos en los que se analizó la reducción del
costo en cada uno de los escenarios propuestos a través de un algoritmo de búsqueda.
Los resultados de la investigación demostraron que la política que trae mejores beneficios
en reducción de costos para ambas partes es la de reaprovisionamiento conjunto bajo una
perspectiva de colaboración.
50 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Yang & Wee (2006) desarrollaron un modelo colaborativo basado en la cantidad de lote
económico o EOQ, con el objetivo de maximizar el beneficio total de la cadena entre un
comprador y un vendedor. El modelo involucraba un factor de negociación entre proveedor-
comprador y el retraso en el pago. Las variables involucradas eran: el periodo de reposición
del comprador, el número de despachos del vendedor al comprador por ciclo, el precio del
minorista y la tasa de demanda. Los autores plantearon tres escenarios así: el primero no
considera la colaboración vendedor-comprador ni demora en el pago, el segundo incluye
la colaboración proveedor-comprador, pero no está permitida la postergación de pagos, el
último involucra la colaboración proveedor-comprador y el retraso en el pago. La
aplicabilidad del modelo fue demostrada a través de un ejemplo numérico y se concluyó
que, bajo escenarios de colaboración, el nivel de ganancias aumenta.
Chang, Fu, Lee, Lin, & Hsueh (2007) propusieron un modelo de CPFR (collaborative
planning, forecasting, and replenishment) en el contexto retail-proveedor con el objetivo de
mejorar la precisión en el pronóstico de demanda y reducir el efecto látigo en la cadena de
suministro. Los autores analizaron el caso de una empresa Taiwanesa de computadores
la cual tenía un modelo existente de CPFR con el objetivo de proponer un modelo nuevo.
En la investigación, realizaron una simulación para comparar el desempeño de ambos
modelos a través de indicadores tales como: nivel de servicio, nivel de agotados, rotación
del capital y rotación de inventario. Finalmente, los autores demostraron que el modelo
propuesto presentó un mejor desempeño en cuanto a mayor precisión en el pronóstico de
ventas, reducción de niveles de inventario y del efecto látigo.
Yang, Wee, & Hsu (2008) investigaron el caso de mercados con demanda decreciente
desde una perspectiva de abastecimiento colaborativo en una cadena de suministro de
dos niveles. El modelo matemático propuesto constaba de tres variables de decisión y
múltiples parámetros; las variables consideradas fueron: cantidad de ciclos de
reabastecimiento del proveedor en el horizonte de planeación, cantidad de ciclos del
comprador por cada ciclo de reabastecimiento del proveedor y nivel de servicio definido
como el porcentaje de tiempo en cada ciclo de reposición. Los autores plantearon tres
casos que incluían escenarios sin colaboración y con descuento de precios, con
colaboración, pero sin descuento en los precios y con colaboración y descuento en los
precios. A través de un ejemplo numérico y un análisis de sensibilidad encontraron que a
3. Modelos de reabastecimiento colaborativo 51
través de la colaboración y una negociación acertada en la política de precios se reducen
los costos totales de la cadena de forma significativa.
Amer, Luong, & Lee (2010) propusieron un modelo con una adaptación de las
metodologías Six Sigma y lógica Fuzzy para optimizar el proceso de procesamiento y
cumplimiento de pedidos en la cadena de suministro global de una tienda retail. El objetivo
de la investigación era demostrar la aplicación del modelo en el caso real de una empresa
minorista con una extensa cadena de suministro, alto grado de colaboración, pero con
problemas de abastecimiento. El modelo de cumplimiento de pedidos se basó en una
función de transferencia formulada a través de lógica difusa en la cual se establecieron los
parámetros para tener una “orden perfecta” y una función de pertenencia para medir la
diferencia entre el rendimiento actual y el deseado. Los resultados demostraron que el
modelo propuesto facilitó la comprensión, el control y la medición de la cadena de
suministro global lo cual se tradujo en un mejor desempeño de la cadena; además, los
autores argumentaron que es posible aplicar el modelo a cualquier proceso y desde
cualquier perspectiva de la cadena de suministro debido a la flexibilidad del mismo.
Lyu, Ding, y Chen (2010) propusieron tres modelos de reabastecimiento colaborativo entre
un proveedor y varias tiendas minoristas basados en los conceptos de CPFR. El objetivo
era estudiar el efecto de los mecanismos de reabastecimiento en modelos colaborativos y
tradicionales, considerando como variables el costo total y el nivel de servicio. Los modelos
propuestos fueron aplicados a través del caso de estudio de una empresa comercializadora
de alimentos, tres de sus tiendas propias y una empresa manufacturera (proveedor). Los
autores llevaron a cabo una simulación para realizar diferentes escenarios en los cuales
tenían como parámetros: cuatro productos categorizados, el patrón de demanda, el punto
de reorden, el tiempo de respuesta del proveedor hacia el retail, el tiempo de revisión del
inventario y el costo. Los hallazgos indican que dos de los modelos propuestos podrían ser
implementados en una etapa inicial e intermedia de colaboración entre un proveedor y un
retail ya que representan beneficios en términos de disminución de costos para ambas
partes en comparación con el modelo tradicional.
Zhao, Chen, Leung, & Lai (2010) formularon los problemas de decisiones de pedido y
cantidad a despachar a través de procesos de decisión Markov (MDP), en una cadena de
suministro compuesta por una empresa matriz y sus cuatro empresas filiales bajo una
52 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
política de inventario manejado por el vendedor (VMI) y justo a tiempo (JIT). El objetivo de
la investigación era optimizar las decisiones de inventario y de transporte tales que se
minimizara el costo esperado en el largo plazo. Las variables del modelo fueron: la cantidad
a despachar y la cantidad ordenada de un periodo a otro. La solución al modelo presentado
se encontró a través de algoritmos de iteración de políticas modificados (Modified Policy
Iteration algorithms). Los hallazgos indicaron que con el modelo propuesto se reducen los
costos de transporte, inventario y costos asociados por tener agotados.
M. Arango, Zapata, & Jaimes (2011) emplearon la metodología de Inventario Manejado por
el Vendedor (VMI) en una cadena de suministro del sector alimentario en Colombia,
compuesta por un proveedor de materiales y los centros de distribución; con el objetivo de
minimizar los costos operativos totales promedio de mantener el inventario en el
reabastecimiento de los productos. Los autores propusieron dos modelos para calcular la
cantidad a ordenar en cada periodo de reabastecimiento: el modelo de aprendizaje
retrospectivo de acción-recompensa (action-reward learning) para demandas no
estacionarias y el problema del joven vendedor (Newsvendor problem); ambas
perspectivas fueron comparadas con la forma actual en la que la empresa realizaba su
proceso de reabastecimiento, es decir, a través del promedio de las demandas anteriores
al periodo en curso. La aplicación de los modelos propuestos en la empresa seleccionada,
permitió concluir que el método elegido para calcular el reabastecimiento no se debe basar
en la complejidad sino en la operatividad ya que los menores costos logísticos de la cadena
fueron obtenidos mediante el cálculo que realizaba la empresa.
Zhang, Deng, Chan, & Zhang (2013) formularon un algoritmo genético de optimización
multicriterio (MCOGA) para determinar una distribución optima de las órdenes de compra
en una cadena de abastecimiento colaborativa. El objetivo de la investigación era proponer
un método que le permitiera a los compradores establecer un proceso óptimo de
asignación de órdenes a los proveedores buscando minimizar los costos totales, el tiempo
total de suministro; aumentando la relación colaborativa entre ambos miembros de la
cadena y el nivel de servicio. Los autores analizaron una metodología que combina
algoritmos genéticos con la herramienta de decisión multicriterio análisis jerárquico (AHP)
y propusieron un nuevo método que combinaba algoritmos genéticos con la técnica de
orden de preferencia por similitud a la solución ideal (TOPSIS). Los hallazgos demuestran
3. Modelos de reabastecimiento colaborativo 53
que se pueden obtener resultados similares con ambos métodos, pero con la metodología
propuesta se disminuye la complejidad para buscar la solución al problema de distribución
de órdenes.
Hariga, Gumus, Daghfous, & Goyal (2013) examinaron una cadena de suministro
compuesta por un proveedor y múltiples retailers desde una perspectiva de manejo de
inventarios bajo un modelo VMI. En la investigación, propusieron un modelo de
programación no lineal entera mixta para abordar el problema de sincronización cuando
los tiempos de reposición son desiguales; el objetivo era minimizar los costos de inventario
bajo restricciones de almacenamiento. Las variables de decisión utilizadas en el estudio
fueron: el intervalo de reorden para el retail y para el proveedor, la cantidad de entregas
realizadas durante el intervalo de reorden del proveedor y la cantidad ordenada enviada al
retail. Los autores también desarrollaron un heurístico para resolver el problema de
optimización planteado y concluyeron que genera disminución en los costos en casos de
mayor variabilidad de la demanda de los retailers.
Sadeghi, Mousavi, Niaki, & Sadeghi (2013) analizaron el problema de reabastecimiento en
una cadena de suministro compuesta por múltiples vendedores y múltiples retailers y un
solo centro de distribución, bajo la política de VMI; el objetivo era encontrar las cantidades
a ordenar y el número de envíos recibidos por los minoristas tales que se minimizara el
costo total del inventario en la cadena. Las variables de decisión fueron: la frecuencia de
reposición anual de los minoristas; la frecuencia de reposición anual de los proveedores
suministrados por el almacén, cantidad de pedido del minorista suministrado por cada
proveedor. El problema fue formulado con un modelo de programación lineal entera y a
través de un algoritmo metaheuristico de nube de partículas y un algoritmo genético
encontraron una solución óptima. Los autores concluyeron que la combinación de los
diferentes algoritmos planteados, permite encontrar mejores resultados en la búsqueda del
óptimo.
Coelho & Laporte (2014) formularon un modelo de ruteo y gestión de inventarios para
productos perecederos (IRP) bajo la política de inventario manejado por el vendedor (VMI)
y de reabastecimiento conjunto (Joint Replenishment), en una cadena de suministro de
tres escalones, en la cual intervienen proveedores que distribuyen sus productos a los
minoritas y estos a su vez los venden a los consumidores finales. El objetivo del modelo
54 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
era construir el ruteo de vehículos para cada periodo y determinar la cantidad a enviar de
productos perecederos a cada cliente tales que se maximizaran los ingresos. Las variables
usadas en el modelo fueron: el nivel de inventario al final de cada periodo, la cantidad de
producto con cierta edad para satisfacer la demanda del cliente y la cantidad de productos
con cierta edad despachada por vehículo. El modelo fue solucionado a través de un
algoritmo de corte y bifurcación exacto (exact branch-and-cut algorithm) y fue probado con
datos simulados. Los hallazgos indicaron que el algoritmo puede calcular de forma óptima
las decisiones de reposición y entrega de productos perecederos en un contexto de
enrutamiento de inventario para instancias de tamaño mediano.
Rad, Razmi, Sangari, & Ebrahim (2014) propusieron un modelo VMI para una cadena de
suministro de dos compradores y un proveedor en la cual el proveedor suministra el mismo
producto a ambos compradores bajo una tasa de producción finita. En la investigación, se
desarrollaron modelos matemáticos y algoritmos de solución tanto para la política de VMI
(inventario manejado por el proveedor); como para RMI (inventario administrado por el
retail); a través de dichos algoritmos analizaron los parámetros clave de ambas políticas
tales como: la demanda del comprador, costos de transporte del comprador, costo de
pedido del proveedor y el costo que genera los cambios en el tamaño de los pedidos;
adicionalmente los algoritmos se emplean para determinar el tamaño de lote óptimo y el
costo total de inventario a lo largo de la cadena de suministro. Las variables del modelo
eran: cantidad a ordenar por el comprador y el total de ordenes despachadas desde el
vendedor a los compradores. Se llevaron a cabo experimentos a través de los cuales los
autores argumentaron que la mayor reducción en el costo total de la cadena se logra
mediante el uso de la política de VMI y enunciaron las diferentes políticas de inventarios
que se emplean para mejorar el desempeño de la cadena de suministro.
Wang & Xu (2014) propusieron un modelo de combinación de pronóstico bayesiano que
permite mejorar la previsión de la demanda en el proceso de implementación de la
metodología CPFR. Dicho modelo fue validado con los datos de ventas de una línea de
productos de la empresa Carrefur en China. A través de la herramienta de simulación de
Matlab, se calcularon los pronósticos a partir de diferentes combinaciones de los modelos
individuales elegidos (media móvil simple, suavizado exponencial, extrapolación de
tendencia, ARIMA y método de red neuronal artificial). Los resultados de la simulación
3. Modelos de reabastecimiento colaborativo 55
demostraron que la combinación bayesiana de pronósticos es una herramienta útil para el
proceso colaborativo de previsión de la demanda puesto que se obtiene una disminución
en el error de pronóstico.
Lan, Zhao, Su, & Liu (2014) analizaron el equilibrio de la cadena de frío en términos de la
cantidad pedida y el precio de venta de los alimentos entre un proveedor y un retail,
basándose en la política de respuesta eficiente del consumidor (ECR). A través de la
aplicación de la teoría del equilibrio y del punto fijo, plantearon un modelo con un algoritmo
iterativo que buscaba obtener mejores soluciones en términos de un mayor equilibrio en
toda la cadena. Las variables de decisión definidas fueron: la cantidad a ordenar por el
retail en cada ciclo de venta y el precio de los alimentos. Los autores propusieron un
ejemplo numérico con el objetivo de identificar la aplicabilidad del modelo, con lo cual se
detectó mediante un análisis de sensibilidad que los beneficios del reabastecimiento
colaborativo aumentan con la demanda de los consumidores mientras que la satisfacción
del cliente disminuye cuando la tasa de deterioro de alimentos y el costo de escasez
aumentan. Los hallazgos ilustran que el modelo planteado puede extenderse hacia un
mayor número de agentes como proveedores, tiendas retail y consumidores.
Alftan, Kaipia, Loikkanen, & Spens (2015) propusieron un modelo operacional de
pronóstico y abastecimiento colaborativo entre dos proveedores y un mayorista; el objetivo
era mejorar el rendimiento de la cadena de suministro y la disponibilidad de los productos
a través de un pronóstico centralizado llevado a cabo por una unidad de planeación
especializada con acceso a la información de las ventas, inventarios y activaciones
comerciales. En este estudio compararon las características de las estrategias de VMI y
CPFR para desarrollar un modelo que superara las limitaciones de ambos métodos. La
metodología de estudio de caso fue empleada para analizar las ventajas y oportunidades
de mejora del modelo propuesto y mediante su aplicación se concluyó que dicho modelo
proporcionaba pronósticos precisos de los pedidos, mayor flexibilidad en las operaciones
del fabricante y mejor manejo de situaciones en las que la demanda se comporta de forma
excepcional.
Arango Serna, Zapata Cortes, & Gutierrez Sepulveda (2015) analizaron el problema de
ruteo de vehículos (VRP) y ruteo de inventario (IRP) para la distribución de productos en
una cadena de suministro de múltiples clientes y múltiples proveedores, bajo la política de
56 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
VMI como método de colaboración. El objetivo del modelo era minimizar los costos totales
del inventario en toda la cadena y los costos de transporte para el horizonte de planeación.
Las variables del modelo fueron: la demanda de cada cliente en cada periodo, la capacidad
máxima de almacenamiento de cada cliente en cada periodo, capacidad de carga de cada
vehículo, cantidad enviada a cada cliente y el inventario en tanto en el proveedor como en
el cliente. La solución del modelo se llevó a cabo mediante un algoritmo genético aplicado
a una red de distribución específica de quince clientes y cuatro proveedores con un
horizonte de tres periodos. Los hallazgos indicaron que a través de la colaboración se
obtienen mejores resultados en términos de disminución de costos para la cadena.
Mateen, Chatterjee, & Mitra (2015) examinaron una cadena de suministro de dos niveles
compuesta por un vendedor y múltiples minoristas, basada en una política de inventario
administrado por el vendedor (VMI) y demanda estocástica. Algunos de los supuestos
asumidos para el desarrollo del modelo fueron que el vendedor repone a todos los
minoristas al mismo tiempo, los tiempos de respuesta son diferentes para cada retail, el
proveedor debe cumplir con un límite superior de inventario en el retail ya que de lo
contrario se genera una multa; entre otros. Los autores plantearon un modelo cuya función
objetivo era minimizar los costos del sistema completo y consideraron el número de envíos
recibidos por los minoristas, el ciclo de reposición y un factor de seguridad; como variables
de decisión. La aplicación del modelo se llevó a cabo a través de un ejemplo numérico en
un software de optimización para encontrar la configuración del sistema que permitiera
minimizar los costos totales.
Jeng (2015) realizó una investigación en la que analizó a través de una perspectiva teórica,
la interacción entre aspectos determinantes para el éxito de la colaboración en la cadena
de suministro tales como la confianza, la interdependencia, la incertidumbre del entorno y
los procesos colaborativos. En conjunto con la perspectiva teórica, el autor realizó un
estudio de caso de la cadena de suministro de fabricantes de productos electrónicos en
Taiwan, en el cual empleó la técnica fuzzy DEMATEL (Decision Making Trial and
Evaluation Laboratory) para construir y analizar un modelo causal que comprende
relaciones complejas entre factores que influyen en la colaboración. La determinación de
dichos factores se llevó a cabo a través de la teoría del costo de las transacciones (TCE o
trasnsaction Cost Economics) y la teoría de intercambio relacional (RET). De esta
3. Modelos de reabastecimiento colaborativo 57
investigación se concluyó que el enfoque óptimo para la colaboración en la cadena de
suministro depende en un alto grado de las estrategias existentes y el contexto de cada
empresa; además se resaltó que la colaboración se puede mejorar aumentando el nivel de
intercambio de información y la sincronización de decisiones ya que estos evitan el efecto
látigo, así como otros resultados negativos que se generan en este tipo de relaciones.
Taleizadeh, Noori-daryan, & Cárdenas-Barrón (2015) propusieron un modelo de inventario
manejado por el vendedor que consideraba el deterioro de los productos y de las materias
primas; la aplicación del modelo se efectuó para una cadena de suministro de dos niveles
que constaba de un proveedor y múltiples retailers. En la investigación plantearon un
algoritmo de optimización y el método de Stackelberg, un enfoque de teoría de juegos entre
los agentes de la cadena, para encontrar las estrategias óptimas de precios, frecuencias
de reabastecimiento, ciclos de reposición y tasas de producción; además, consideraron
una demanda constante sensitiva a los precios, tiempo de respuesta inmediato, costo de
deterioro constante y un solo tipo de producto. Las variables de decisión del modelo fueron:
el precio de cada ítem dado por el retail, el ciclo de reabastecimiento del producto, la tasa
de producción del vendedor y los tiempos de pedido de la materia prima.
Zapata (2016) desarrolló un modelo de optimización para la distribución urbana de
mercancías utilizando un modelo genético multiobjetivo de inventario colaborativo, en una
cadena de suministro con inventario manejado por el vendedor (VMI). El objetivo del
modelo era optimizar el proceso de distribución de mercancías mediante la colaboración
del inventario entre múltiples proveedores y múltiples clientes, buscando de forma
simultánea, minimizar los costos de inventario y transporte, maximizar del nivel de servicio
y minimizar el número de viajes requeridos. Las variables descritas en el modelo fueron:
el nivel de inventario de cada cliente, el inventario de cada proveedor, la cantidad de
mercancía enviada a cada cliente, el tiempo de tránsito en que un vehículo llega a cada
cliente y la cantidad de mercancía recogida por el cliente. La aplicación del modelo en una
cadena de suministro real, permitió concluir que las soluciones del modelo genético de
inventario colaborativo, crean planes de distribución óptimos ya que cumplen con los
objetivos propuestos, a la vez que no se generan faltantes.
Akbari Kaasgari, Imani, & Mahmoodjanloo (2017) formularon un modelo VMI y
desarrollaron un algoritmo genético y un algoritmo de optimización por nube de partículas
58 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
(PSO). La aplicación del modelo fue realizada en una cadena de suministro de dos niveles
con un proveedor y múltiples retailers en la cual se implementaron estrategias de VMI para
gestionar los inventarios de productos perecederos. Dichos autores, utilizaron una función
objetivo consistió en minimizar el costo total de la cadena de suministro incluyendo el costo
de los pedidos fijos, costo de almacenamiento y de mantenimiento, costo de los
descuentos y el costo del deterioro de los productos. La variable de decisión empleada fue
el ciclo de reabastecimiento del producto para cada uno de los minoristas. El modelo
desarrollado permitió determinar los ciclos de reposición, el tamaño de los pedidos para
los minoristas y el tiempo de producción necesario para suministrar el inventario de cada
retail. Los autores concluyeron que el algoritmo PSO tiene mejor rendimiento para la
solución del modelo propuesto y que la estrategia VMI reduce el tiempo de respuesta a la
demanda de los productos, los niveles de inventarios y aumenta la tasa de
reabastecimiento mediante la coordinación entre los miembros de la cadena.
Schleich, Seok, & Yoon (2017) investigaron los beneficios de la redistribución del inventario
y de la demanda bajo una perspectiva de colaboración en una red de suministro
conformada por varias empresas con alta heterogeneidad. Los autores propusieron un
modelo de inventario y demanda colaborativa para mejorar el nivel de servicio y la ganancia
total; además desarrollaron un algoritmo que reasigna el exceso de inventario entre los
miembros de la cadena contemplando escenarios de colaboración completa, parcial y sin
colaboración. Los resultados numéricos demostraron que la aplicación del algoritmo en
situaciones de colaboración completa, mejora la utilización del inventario, el nivel de
servicio y los beneficios totales percibidos por la cadena en general; sin embargo, también
encontraron configuraciones bajo las cuales la colaboración parcial supera el rendimiento
obtenido con la colaboración completa; por tal motivo; concluyeron que se deben aplicar
diferentes formas de colaboración para maximizar el rendimiento de la red de suministro.
L.-T. Chen (2017) propuso dos modelos de decisión para una cadena de suministro de
productos perecederos compuesta por un proveedor y un retail con el objetivo de minimizar
los costos; en el primer modelo consideró una política de inventario manejada por el retail
y en el segundo, una política de VMI con un tipo de contrato en consignación. Para ambos
casos se permitió escasez de productos y retrasos en los despachos. Las variables de
decisión fueron: el precio, el tiempo de agotamiento del inventario, la cantidad y ciclo de
3. Modelos de reabastecimiento colaborativo 59
reposición del inventario. En la investigación, el autor propuso un método de programación
dinámica para resolver la secuencia óptima de reposiciones, el precio óptimo dado por el
retail y el tiempo de reposición para cumplir con el nivel de servicio. La aplicabilidad del
modelo fue demostrada a través de un caso real de cadena de suministro en Taiwan que
involucraba un proveedor de mariscos regional y una cadena de retail nacional. Los
resultados indicaron que el modelo VMI arrojó mejores resultados en términos de ingresos
percibidos en la cadena.
Ashraf, Malhotra, Muhuri, & Danish Lohani (2017) propusieron un modelo de inventario
manejado por el vendedor (VMI) que consideraba un sistema de inferencia difusa tipo dos
para representar la incertidumbre en la demanda, en una cadena de suministro compuesta
por un proveedor y un retail. El objetivo era minimizar el costo del inventario, encontrar la
cantidad óptima a ordenar y el nivel de pedido pendiente; para lo cual, los autores
emplearon un algoritmo de optimización por nube de partículas. Las variables de decisión
eran: las cantidades a ordenar y el nivel de agotados. La aplicación del modelo se llevó a
cabo a través de un ejemplo numérico con los datos de una compañía real y se simularon
varios escenarios que incluyeron las soluciones el mismo problema con un conjunto difuso
de tipo uno y con un modelo VMI sin componentes difusos. Los hallazgos indicaron que el
modelo propuesto superaba a los demás analizados.
Babekian, Hariga, & Bahroun (2017) analizaron una cadena de suministro de dos niveles
que opera bajo la metodología de inventario manejado por el vendedor (VMI); que busca
obtener beneficios en la reducción de costos y en impuestos de tipo ambiental por la
emisión de toneladas de carbono. Los autores propusieron dos modelos para minimizar la
suma de los costos operativos de toda la cadena y los impuestos por la cantidad de
carbono emitido. Las variables de decisión fueron: la cantidad enviada por cada despacho,
número de despachos por ciclo de producción, tamaño del lote de producción del vendedor
y el tiempo de ciclo del vendedor. Los resultados encontrados demostraron que es posible
obtener ahorros significativos en costos y reducción de carbono ajustando las cantidades
de producción y de envío a través de la modalidad de VMI.
Otero & Amaya (2017) desarrollaron un modelo de reposición conjunta colaborativo con
demanda estocástica (S-CJRP), con el objetivo de minimizar los costos en una cadena de
suministro compuesta por múltiples vendedores y múltiples compradores. Las variables
60 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
seccionadas fueron: costo total anual, demanda anual de cada producto y tiempo de ciclo.
El modelo propuesto, por estos autores, fue aplicado al caso de estudio de cuatro
empresas importadoras de carros en Colombia con limitaciones de almacenamiento y
transporte. Los autores plantearon dos problemas en la investigación: determinar la
frecuencia de reposición de productos de cada proveedor, la cual fue solucionada a través
de un método heurístico y asignar beneficios como resultado de la colaboración; este
último fue modelado como un juego cooperativo utilizando el valor de Shapley como
método de asignación de las ganancias entre los colaboradores. Los hallazgos de este
estudio indicaron que el modelo propuesto permite disminuir los costos relacionados con
el manejo de los inventarios y que los diferentes actores de la cadena con condiciones
similares de demanda y costos operaciones, pueden obtener más beneficios si crean
asociaciones.
Hezarkhani, Slikker, & Van Woensel (2018) abordaron el problema de reabastecimiento
conjunto (JRP) para estudiar el caso de reabastecimiento colaborativo entre múltiples
intermediarios y compradores en el cual se plantearon diferentes escenarios de reposición
de pedidos directamente del proveedor y a través de intermediarios. A través de la
aplicación del valor Shapley, un método usado en teoría de juegos, demostraron la forma
en la cual los agentes de la cadena de suministro podían delegar las decisiones de
reabastecimiento de sus productos a intermediarios o fabricantes obteniendo mejores
resultados a nivel de costos totales. En las situaciones de colaboración en presencia de
intermediarios, las variables de decisión están relacionadas con las políticas de
reabastecimiento, es decir, las opciones con respecto a las fuentes de reabastecimiento
de diferentes productos para diferentes intermediarios. Los autores argumentaron que la
clase de juegos cooperativos aplicados, permiten una mayor coordinación en la cadena de
suministro incluso bajo escenarios de información asimétrica.
Pasandideh, Niaki, & Ahmadi (2018) desarrollaron un modelo de reabastecimiento
conjunto (JRP) en una cadena de suministro de dos niveles con el objetivo de comparar la
cantidad a ordenar y los tiempos de reposición óptimos, en las políticas tradicionales de
reposición y bajo la política de reposición conjunta de inventarios manejado por el
proveedor. Los autores formularon modelos matemáticos para cada política y los
resolvieron a través de tres métodos de optimización: búsqueda aleatoria, algoritmos
3. Modelos de reabastecimiento colaborativo 61
genéticos y un algoritmo basado en enseñanza-aprendizaje (TLBO por sus siglas en
inglés). Las variables de decisión del modelo fueron: el tiempo de ciclo, el intervalo de
tiempo entre dos órdenes consecutivas, numero de productos ordenados por el vendedor
y la demanda diaria de cada producto. La aplicabilidad de estos modelos fue demostrada
a través de un ejemplo numérico y se concluyó que la estrategia de reposición conjunta
con una política VMI podría reducir significativamente el costo total de la cadena de
suministro.
Boctor & Bolduc (2018) abordaron el problema de reabastecimiento desde una perspectiva
biobjetivo en la cual buscaron minimizar los costos de ordenar y de mantener el inventario,
además de minimizar el espacio de almacenamiento utilizado. El método que emplearon
para resolver el problema fue un algoritmo evolutivo de dos poblaciones, el cual generaba
un frente de soluciones Pareto aproximadas a los objetivos inicialmente considerados; a
su vez, este enfoque fue comparado con un método exploratorio puesto que no
encontraron otros análisis de tipo biobjetivo para el planteamiento del problema. El modelo
propuesto incluía como variables de decisión la duración del ciclo de reabastecimiento y la
cantidad a ordenar. Los autores encontraron que los dos métodos propuestos se pueden
emplear de forma combinada para encontrar mejores soluciones al problema.
Nematollahi, Hosseini-Motlagh, Ignatius, Goh, & Saghafi Nia (2018) analizaron una cadena
de suministro de productos farmacéuticos de dos niveles (distribuidor y retail) y propusieron
un modelo de colaboración de toma de decisión multiobjetivo para identificar el tiempo del
ciclo de compra óptimo y el nivel de stock requerido tal que se incremente el nivel de
servicio mientras se minimice el inventario. El objetivo era definir un modelo que fuera
beneficioso para las partes involucradas pero que al mismo tiempo equilibrara la
rentabilidad y responsabilidad social; por tal motivo, la función objetivo del modelo
consideraba el nivel de servicio percibido por el cliente para evaluar la responsabilidad
social de los miembros de la cadena y las restricciones fueron definidas como las
ganancias individuales de los agentes que participan en la cadena; además se asumió una
demanda normalmente distribuida. La variable de decisión del modelo era la cantidad a
reabastecer de cada producto en un ciclo de tiempo definido. Para evaluar la aplicabilidad
del modelo, los autores plantearon tres problemas en tres escenarios diferentes de toma
de decisiones. Los hallazgos indicaron que el modelo multiobjetivo propuesto, permite
mejorar el nivel de servicio y las ganancias esperadas por los miembros de la cadena.
62 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Zapata-Cortes, Arango-Serna, & Serna-Urán (2018) propusieron un modelo de
colaboración basado en el problema de reabastecimiento conjunto (Joint Replenishment
Problem) con aplicación en contextos de distribución urbana de mercancía . El objetivo del
modelo era determinar los planes de reabastecimiento y la localización del inventario en
una cadena de suministro compuesta por un proveedor y múltiples clientes basados en la
política de Inventario Manejado por el vendedor. Las variables usadas en el modelo fueron:
el tiempo de ciclo y la cantidad a ordenar de cada producto. El modelo propuesto fue
aplicado en una cadena de suministro en Colombia compuesta por empresas con un
proceso de distribución colaborativo conjunto y fue solucionado a través de un algoritmo
genético. Los autores concluyeron que, a través del modelo de colaboración y
reabastecimiento conjunto de órdenes, se reducen los costos totales de la cadena.
En la Tabla 3-1 se detallan los tipos de modelos y métodos de solución encontrados en la
revisión de literatura anteriormente descrita.
Tabla 3-1: Tipos de modelos y métodos de solución identificados en la literatura
Tipo de modelo Autores Año Solución del modelo
Inventario manejado por el vendedor (VMI) Yang, Wee, & Hsu 2008
Simulación y aplicación numérica
M. Arango, Zapata, & Jaimes 2011 Aplicación numérica
Rad, Razmi, Sangari, & Ebrahim 2014 Algoritmo de iteración
Mateen, Chatterjee, & Mitra 2015 Simulación
Taleizadeh, Noori-daryan, & Cárdenas-Barrón 2015 Enfoque Stackelberg
Akbari Kaasgari, Imani, & Mahmoodjanloo 2017 Algortimo PSO
L.-T. Chen 2017 Programación dinámica
Ashraf, Malhotra, Muhuri, & Danish Lohani 2017 Simulación y aplicación numérica
Babekian, Hariga, & Bahroun 2017 Algoritmo heurístico
Problema de reabastecimiento conjunto (JRP) T.-H. Chen & Chen 2005 Algoritmo de búsqueda
Otero & Amaya 2017 Algoritmo heurístico
Hezarkhani, Slikker, & Van Woensel 2018 Valor Shapley
Pasandideh, Niaki, & Ahmadi 2018
Algoritmo de búsqueda aleatoria, algoritmos genéticos y un algoritmo basado en enseñanza-aprendizaje
Zapata-Cortes, Arango-Serna, & Serna-Urán 2018 Algoritmo genético
Planeación, pronóstico y Reabastecimiento colaborativo(CPFR) Chang, Fu, Lee, Lin, & Hsueh 2007 Simulación
Lyu, Ding, y Chen 2010 Simulación
Alftan, Kaipia, Loikkanen, & Spens 2015 Estudio de caso
Ruteo y gestión de inventarios (IRP) Coelho & Laporte 2014
Algoritmo de corte y bifurcación
3. Modelos de reabastecimiento colaborativo 63
Tipo de modelo Autores Año Solución del modelo
Arango Serna, Zapata Cortes, & Gutierrez Sepulveda 2015 Algoritmo genético
Cantidad de lote económico (EOQ) Yang & Wee 2006
Aplicación numérica con diferentes escenarios
Metodologías Six Sigma y lógica Fuzzy Amer, Luong, & Lee 2010
Herramientas de lógica difusa
Procesos de decisión Markov Zhao, Chen, Leung, & Lai 2010 Algoritmo de iteración
Optimización multicriterio Zhang, Deng, Chan, & Zhang 2013 Algoritmo genético y AHP
Programación no lineal entera mixta Hariga, Gumus, Daghfous, & Goyal 2013 Algoritmo heurístico
programación lineal entera Sadeghi, Mousavi, Niaki, & Sadeghi 2013 Algoritmo genético y algoritmo meta heurístico
Pronóstico bayesiano Wang & Xu 2014 Análisis estadístico
Modelo de equilibrio de la cadena de frío (FCC Equilibrium) Lan, Zhao, Su, & Liu 2014 Aplicación numérica
Modelo causal de colaboración con tecnica Fuzzy Jeng 2015
Herramientas de lógica difusa
Modelo genético multiobjetivo Zapata 2016 Algoritmo genético
Redistribución del inventario y de la demanda Schleich, Seok, & Yoon 2017 Algoritmo PIDSA
Modelo biobjetivo Boctor & Bolduc 2018 Método exploratorio y algoritmo evolutivo
Toma de decisión multiobjetivo Nematollahi, Hosseini-Motlagh, Ignatius, Goh, & Saghafi Nia 2018
Método de las ε-restricciones
Fuente: elaboración propia.
Los modelos presentados anteriormente, buscaban determinar las cantidades óptimas a
despachar y el ciclo de reposición para diferentes productos; con el objetivo de disminuir
los costos totales de la cadena de suministro, el nivel de agotados y aumentar el nivel de
servicio. De los trabajos que se mencionan en este análisis, 20 de ellos tienen como
objetivo principal disminuir los costos; entre los rubros que tenían en cuenta están: los
costos de transporte, de inventarios, de almacenamiento, de rotación de inventario y de
pedido. En los modelos de colaboración planteados se considera el inventario como el
principal elemento a colaborar y se destacó la herramienta de inventario manejado por el
proveedor o VMI como la de mayor aplicación (9 de 32 documentos).
De los modelos analizados, 5 de los trabajos aplicaron el problema de reabastecimiento
conjunto de ordenes (JRP) para determinar las decisiones de cantidad óptima de
reabastecimiento y cantidad de envíos. También se encontraron 3 publicaciones que
desarrollaron modelos de CPFR y 2 artículos que propusieron modelos IRP; los demás
plantean modelos y metodologías diferentes.
En cuanto a los métodos empleados para solucionar los modelos planteados, se encontró
que el 50% de los trabajos emplearon diferentes tipos de algoritmos tales como: algoritmos
64 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
genéticos, evolutivos, iterativos y de búsqueda. De los modelos JRP implementados, 4 se
solucionaron mediante algoritmos genéticos y 1 mediante juegos cooperativos y valor
Shapley. En 8 de 32 trabajos, se realizaron análisis numéricos y simulaciones de diferentes
escenarios para analizar el comportamiento de los parámetros.
De acuerdo a la revisión bibliográfica presentada en este capítulo acerca de los modelos
de reabastecimiento colaborativo, se da cumplimiento al primer objetivo específico de la
presente tesis de maestría, relacionada con identificar los modelos colaborativos de
inventarios más usados que facilitan integrar la cadena de suministro de forma aplicada en
las organizaciones
4. Formulación del modelo
En el presente capítulo se propone un modelo de reabastecimiento que permite definir un
programa de reposición de inventarios encaminado a la reducción de costos. El objetivo
del modelo es la optimización del proceso de abastecimiento mediante la colaboración del
inventario entre un proveedor y m clientes. Para llevar a cabo el objetivo planteado se
propone la aplicación del problema de reposición conjunta (JRP) basado en una política
de inventario manejado por el vendedor (VMI). La elección del modelo JRP se debe a que
en los modelos de reabastecimiento colaborativo analizados en el capítulo tres
corresponde al de mayor aplicación con tres trabajos desarrollados en el 2018, uno del
2017 y uno del 2005. La selección de este modelo también se basa en que la reducción
de costos al aplicar JRP puede ser de hasta el 13% en comparación con la aplicación de
otros modelos como el EOQ (Porras & Dekker, 2008). Por otra parte, la política de VMI se
evidenció en el capítulo dos como una de las más importantes en la reducción de costos y
en el capítulo tres como una de las más implementadas en los modelos de colaboración
de inventario.
El reabastecimiento de inventario basado en VMI, requiere que entre los clientes y el
proveedor se lleve a cabo un proceso de planificación, en el cual ambas partes se
comparten datos, información y pronósticos, los cuales son empleados posteriormente
para calcular los planes de reabastecimiento (M. Arango et al., 2011). Estos últimos se
pueden desarrollar de dos formas: colaborativo cuando ambas partes toman decisiones
conjuntas acerca de la cantidad de inventario y frecuencia de reabastecimiento, pero el
proveedor es quien dirige y ejecuta los planes; o por transferencia de mandato cuando la
responsabilidad de la elaboración de los planes de reabastecimiento, así como la
planificación, la operación y los costos de inventario recaen sobre el proveedor ya que el
comprador le transfiere esta responsabilidad (M. Arango et al., 2011). Los modelos se
muestran en la Figura 4-1Figura 4-1.
66 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Figura 4-1: Modelo colaborativo y de transferencia de mandato VMI
Fuente: tomado de (M. Arango et al., 2011, p. 25).
En los dos esquemas presentados, se observa que ambos modelos requieren de un
proceso de intercambio de información, esta información es fundamental ya que sirve para
apoyar las decisiones de reabastecimiento en las cuales se determinan las cantidades a
enviarse a cada cliente de tal forma que los costos de inventario requeridos para abastecer
a los clientes de acuerdo a los planes definidos sean lo menor posible (Zapata, 2016). En
el caso del modelo propuesto, la información de colaboración que se requiere del cliente
es la demanda, los niveles de inventario, las políticas de inventario y otra información
relevante que facilite la toma de decisiones como pueden ser las estrategias de activación
comercial, planes de mercadeo, etc.
El modelo propuesto para el cálculo del reabastecimiento colaborativo entre un proveedor
y varias empresas se desarrolla en la siguiente sección.
4.Formulación del modelo 67
4.1 Modelo propuesto
El modelo colaborativo propuesto tiene como objetivo elaborar un plan de reabastecimiento
entre un proveedor y múltiples clientes basado en la política de inventarios colaborativos
VMI y en el modelo JRP para realizar los cálculos matemáticos; lo que se busca es la
reducción de los costos de reabastecimiento. El modelo consta de tres capas que son:
captura de información, cálculo del plan de reabastecimiento, validación y
retroalimentación. En la Figura 4-2 se presenta el modelo multicapa propuesto en la
presente tesis.
68 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Figura 4-2: Modelo multicapa para el reabastecimiento de productos, basado en el
inventario colaborativo de un proveedor y m clientes.
MODELO MULTICAPA
Va
lidació
n y
Re
tro
alim
en
tació
n
Cálc
ulo
de
l pla
n d
e a
baste
cim
ien
to
Cap
tura
de
Info
rma
ció
n
Fuente: elaboración propia.
INICIO
información de entrada del modelo matemático
Cantidad de
productos
Costos de
almacenamiento
Clientes
Costos de
pedido
Información de colaboración
Demanda
Niveles de
inventario
Políticas
de
inventario
Otro
Recolección de información para el modelo de reabastecimiento
Modelo para el cálculo del plan de
reabastecimiento
Parámetros de entrada
Características del modelo
Solución del modelo
Un proveedor
Múltiples
clientes
Múltiples
productos
Recursos
Consolidación de
varias ordenes
Cantidad a reabastecer a cada cliente
Tiempo de ciclo
Costos totales
Definición de plan de abastecimiento
FIN
Análisis de resultados
Establecimiento del plan de reabastecimiento
Ajustes al modelo
Ajustes a la recolección de información
4.Formulación del modelo 69
4.1.1 Capa 1. Captura de información
En esta capa se consolida la información que se requiere como soporte para el modelo.
Está compuesta por los parámetros de entrada y la información del proceso de
colaboración. En los parámetros de entrada del modelo se captura información acerca de
las condiciones del sistema de abastecimiento como son:
Cantidad de productos que se van a abastecer
Número de clientes
Costos: de almacenamiento y de pedido
En la información de colaboración se lleva a cabo el proceso de intercambio de información
sensible que se decide compartir como parte del acuerdo de colaboración que establecen
ambas partes (clientes y proveedores). Entre la información requerida está:
Nivel de inventario
Demanda
Políticas de inventario
Otros
4.1.2 Capa 2. Cálculo del plan de reabastecimiento
En la segunda capa se determinan las decisiones de reabastecimiento con base en la
captura de información que se llevó a cabo en la capa 1. Para calcular el plan de
reabastecimiento se tiene en cuenta la información de los parámetros de entrada, los
recursos y las características del modelo. En la revisión de los diferentes tipos de modelos
que permiten calcular los planes de reabastecimiento colaborativo, se tomó la decisión de
formular el modelo como un problema de planeación conjunta de órdenes, para lo cual se
consideran las siguientes características:
Múltiples clientes
Un proveedor
Múltiples productos
Consolidación de órdenes
70 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Posterior a la formulación del modelo, se procede con la solución del mismo, la cual brinda
como respuesta el plan de reabastecimiento colaborativo que se ajusta a las necesidades
de las empresas involucradas y que permite determinar:
Las cantidades a bastecer de cada producto a cada filial
El tiempo de ciclo de reposición de los productos
Costos totales
4.1.3 Capa 3. Validación y retroalimentación
En la tercera capa se propone realizar un análisis de los resultados del plan de
reabastecimiento obtenido de la solución del modelo, con el fin de establecer la validez del
mismo. En este análisis se identifican las variaciones en la información que se captura
inicialmente y se determina la necesidad de realizar ajustes al modelo.
4.2 Modelo matemático para el cálculo del plan de reabastecimiento
El plan de reabastecimiento para una empresa y sus múltiples filiales puede ser modelado
mediante el problema de reposición conjunta (JRP), el cual permite determinar decisiones
del manejo de inventarios de varios productos buscando agruparlos en órdenes, de forma
tal que se minimicen los costos totales de almacenamiento y de pedido (Julian Andres
Zapata-Cortes et al., 2019).
La versión más simple del JRP, considera los costos de pedido y de almacenamiento, para
generar planes de reabastecimiento sin incurrir en productos agotados (Olsen, 2005). En
otras variaciones se incluyen elementos como capacidad y restricciones de recursos,
costos de pedido dependientes, demandas dinámicas y estocásticas, proceso de
abastecimiento multinivel y problemas ruteo (Bastos, Mendes, Nunes, Melo, & Carneiro,
2017; Julian Andres Zapata-Cortes et al., 2019).
El modelo está sujeto a los siguientes supuestos:
La demanda de cada producto a cada cliente es constante.
Los agotados no están permitidos.
4.Formulación del modelo 71
El tiempo se divide en periodos de tiempo discretos de igual duración.
Los tiempos de respuesta son determinísticos y constantes en el tiempo.
La cantidad se expresa como un número entero de contenedores, pero no
necesariamente están llenos.
Los productos están disponibles cuando se requieran despachar a los clientes.
No se tienen restricciones de capacidad.
Los costos se mantienen constantes en el tiempo.
En el modelo JRP, se consideran los costos de almacenamiento y de ordenar; este último
está compuesto por dos elementos (Julian Andres Zapata-Cortes et al., 2019):
Costo fijo de preparación de orden: es el costo más alto en el que se incurre cada
vez que una orden es lanzada y es compartido entre todos los productos.
Costo de ordenar: es el costo más bajo de ordenar asociado a cada ítem 𝑖 y se tiene
en cuenta, cada vez que el producto es incluido en una orden, lo cual incrementa el
costo total.
El objetivo del modelo es lograr que se reduzcan todos los costos de inventario,
encontrando la mejor combinación de tiempos de reposición (Julian Andres Zapata-Cortes
et al., 2019).
Los estudios más recientes sobre JRP han considerado soluciones más eficientes y
rápidas como métodos meta heurísticos ya que al ser un problema NP-Hard, se buscaban
soluciones exactas que incurrían en largos tiempos computacionales (Khouja & Goyal,
2008). Los dos métodos de solución principales que se encuentran en la literatura son:
estrategia de agrupación directa o DGS (direct grouping strategy) y una estrategia de
agrupación indirecta o IGS (indirect grouping strategy) (J.A. Zapata-Cortes et al., 2018).
En el método de agrupación indirecta, se define un tiempo de ciclo y se crea una orden en
cada ciclo para reponer el inventario que se requiere; por otra parte, en el método directo,
los productos se dividen en conjuntos y se determina un tiempo de ciclo para cada uno; en
ese caso, todos los artículos dentro de un mismo grupo, se reponen conjuntamente en el
mismo tiempo de ciclo (Olsen, 2005). De acuerdo con los resultados obtenidos por las
investigaciones de van Eijs, Heuts, & Kleijnen (1992), Olsen (2005), Khouja & Goyal (2008),
Porras & Dekker (2008) y Bastos et al. (2017); la estrategia de agrupación indirecta (IGS)
72 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
presenta mejores resultados que la agrupación directa (DGS). En el presente trabajo, el
modelo JRP es solucionado con el método de agrupación indirecta (IGS).
La notación para la formulación del modelo se detalla a continuación:
Índices y parámetros:
𝑛: cantidad de productos
𝑖: índice que representa los productos, 𝑖: {1,2,3, … 𝑛}
𝐷𝑖: demanda anual del producto 𝑖.
ℎ𝑖: costo de mantener el inventario del producto 𝑖.
𝑆: costo fijo de efectuar un pedido.
𝑆𝑖: costo variable de incluir el producto 𝑖 en un pedido.
Variables de decisión:
𝑘𝑖: número entero que decide el programa de reposición del producto 𝑖.
𝑇: tiempo de ciclo.
Para encontrar el tiempo de reposición y la cantidad a ordenar con la estrategia indirecta,
se requiere definir un tiempo de ciclo óptimo común 𝑇∗ y el momento en el cual el producto
𝑖 debe ser solicitado al proveedor. Para definir dicho momento, se construye un conjunto
de 𝑘𝑖 números enteros que corresponden a los múltiplos del ciclo de tiempo, esto es, los
productos que tienen el mismo valor de 𝑘, son ordenados a la misma vez y comparten el
mismo costo fijo 𝑆. Así, un producto con valor de 𝑘 = 1 es ordenado cada tiempo de ciclo,
y un producto con valor de 𝑘 = 2 es ordenado cada 2 veces el tiempo de ciclo (J.A. Zapata-
Cortes et al., 2018) (Wahab & Chen, 2018).
La cantidad a ordenar para cada producto 𝑄𝑖 en cada tiempo de ciclo se expresa en la
Ecuación (4.1).
𝑄𝑖 = 𝑇∗𝑘𝑖𝐷𝑖 (4.1)
4.Formulación del modelo 73
El costo total anual que se incurre por mantener el inventario de cada producto es calculado
usando la Ecuación (4.2) y el costo total de mantener el inventario para todos los productos
está dado por la Ecuación (4.3).
𝑇𝑘𝑖
𝐷𝑖
2ℎ𝑖 (4.2)
𝐶ℎ =1
2𝑇 ∑ ℎ𝑖𝑘𝑖𝐷𝑖
𝑛
𝑖=1
(4.3)
El costo de pedido para cada ítem está dado por la Ecuación (4.4) y debe ser adicionado
al costo fijo de efectuar un pedido. El costo total anual de ordenar, incluyendo el costo fijo
y el costo variable, está expresado en la Ecuación (4.5).
𝑆𝑖
𝑘𝑖 (4.4)
𝐶𝑜 =1
𝑇(𝑆 + ∑
𝑆𝑖
𝑘𝑖
𝑛
𝑖=1
) (4.5)
El costo total de reabastecimiento para la estrategia indirecta de agrupación está dado por
la Ecuación (4.6).
𝑇𝐶 =𝑇
2∑ ℎ𝑖𝑘𝑖𝐷𝑖
𝑛
𝑖=1
+1
𝑇(𝑆 + ∑
𝑆𝑖
𝑘𝑖)
𝑛
𝑖=1
(4.6)
El tiempo de ciclo óptimo 𝑇∗ es calculado para el conjunto de enteros 𝑘𝑖, como se muestra
en la Ecuación (4.7).
74 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
𝑇∗ = √2(𝑆 + ∑
𝑆𝑖𝑘𝑖
)𝑛𝑖=1
∑ ℎ𝑖𝑘𝑖𝐷𝑖𝑛𝑖=1
(4.7)
El costo total mínimo para la estrategia de IGS puede ser calculado encontrando los 𝑘𝑖
valores para los 𝑛 productos a ordenar, empleando la Ecuación (4.8).
𝑇𝐶 = √2(𝑆 + ∑𝑆𝑖
𝑘𝑖) ∑ ℎ𝑖𝑘𝑖𝐷𝑖
𝑛
𝑖=1
𝑛
𝑖=1
(4.8)
Para calcular los 𝑘𝑖 se emplea la Ecuación (4.9) propuesta por (Moon & Cha, 2006).
𝑘𝑖 = 𝑘𝑖𝐿𝐵 + ⌊(𝑘𝑖
𝑈𝐵 − 𝑘𝑖𝐿𝐵 + 1)× 𝐺𝑒𝑛(𝑖)⌋ (4.9)
Donde, 𝑘𝑖𝐿𝐵 representa el límite inferior, 𝑘𝑖
𝑈𝐵 el límite superior y ⌊𝐺⌋ es la función que
encuentra los números enteros menores que 𝐺. Para esto se define un rango de solución
con los limites inferior y superior que se indican en la ecuación (4.10).
𝑘𝑖𝐿𝐵 = 1, 𝑘𝑖
𝑈𝐵 = [𝑇𝑖
𝐼𝑁
𝑇𝑚𝑖𝑛])
(4.10)
Donde, 𝑇𝑖𝐼𝑁 es el tiempo de ciclo óptimo individual para el producto 𝑖 que se obtiene del
modelo EOQ y se calcula con la Ecuación (4.11) y 𝑇𝑚𝑖𝑛 es el tiempo de ciclo mínimo para
el producto 𝑖 y se obtiene mediante la Ecuación (4.12).
𝑇𝑖𝐼𝑁 = √2(𝑆 + 𝑠𝑖)/𝐷𝑖ℎ𝑖 (4.11)
𝑇𝑚𝑖𝑛 = √2𝑠𝑖/𝐷𝑖ℎ𝑖 (4.12)
4.Formulación del modelo 75
El modelo JRP trata de encontrar un plan de reposición que minimice el costo total de
reabastecimiento, hallando el tiempo de ciclo óptimo y los múltiplos del ciclo de tiempo.
Para encontrar las variables de decisión, se propone el siguiente método de solución.
4.3 Solución del modelo de reposición conjunta (JRP)
En la literatura científica se encuentra un extenso número de publicaciones que abordan
soluciones para el JRP; sin embargo, los estudios recientes se han enfocado en encontrar
soluciones más eficientes y rápidas, es por esto que los métodos metaheurísticos se están
implementando cada vez más en lugar de la generación de soluciones exactas que
implican mayores tiempos computacionales (Bastos et al., 2017). La decisión del tipo de
técnica heurística o metaheurística que se usa para resolver los modelos JRP está
influenciada por el tipo de estrategia de agrupación indirecta o directa, de la cual se habló
en esta sección. La estrategia directa de agrupación ha sido usada por varios autores que
además de proponer diferentes soluciones, han comparado el desempeño de ambas
estrategias, encontrando que la estrategia de solución IGS genera mejores resultados
cuando los costos de ordenar son altos ya que el costo fijo se distribuye entre más
productos (Bastos et al., 2017; Khouja & Goyal, 2008; Olsen, 2005, 2008).
Uno de los algoritmos más exitosos de solución del problema JRP es el RAND propuesto
por Kaspi & Rosenblatt (1991), cuyos resultados superaban los obtenidos con los demás
algoritmos usados hasta ese momento (Julian Andres Zapata-Cortes et al., 2019). Los
autores Goyal & Deshmukh (1993) propusieron una mejora al algoritmo RAND, el cual es
un método de solución que arroja resultados válidos y aceptables en comparación con
otros algoritmos propuestos más recientemente (Moon & Cha, 2006). Otros autores han
propuesto métodos exactos como Van Eijs, Heuts, & Kleijnen o (1992) y Viswanathan
(1996). Los algoritmos genéticos y evolutivos también han sido ampliamente usados para
resolver el JRP (Bastos et al., 2017). Los algoritmos genéticos son técnicas de búsqueda
avanzada que pretenden replicar el proceso de evolución y selección natural propuesto por
Charles Darwin (Nagasawa, Irohara, Matoba, & Liu, 2015).
Entre las publicaciones que se encuentran sobre aplicaciones de este tipo de algoritmos
para la solución de JRP están: Khouja, Michalewicz, & Satoskar (2000) presentaron una
comparación entre el modelo RAND y un algoritmo genético. Olsen (2005) empleó un
76 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
algoritmo genético y la estrategia de agrupación directa (DGS) para resolver el JRP. Moon
& Cha (2006) desarrollaron un JRP con restricciones de presupuesto y presentaron un
algoritmo genético para su solución. Olsen (2008) empleó un algoritmo evolutivo para
solucionar el JRP considerando costos de pedido con relación independiente. C. Li, Xu, &
Zhan (2009) emplearon un algoritmo genético para resolver un JRP con productos
perecederos. (Nagasawa, Irohara, Matoba, & Liu (2015) presentaron un algoritmo genético
para resolver el JRP con una política de múltiples pedidos. Chen, Wahab, & Ongkunaruk
(2016) presentaron un JRP con restricciones de cantidad de envíos, restricciones de
capacidad y múltiples vehículos y lo solucionaron a través de un algoritmo genético. J.A.
Zapata-Cortes, Arango-Serna, & Serna-Urán (2018) presentaron una aplicación del JRP a
la distribución urbana de mercancía y lo solucionaron a través de un algoritmo genético.
Los algoritmos genéticos son ampliamente empleados en la solución del JRP ya que son
de fácil aplicación y tienen la capacidad de resolver problemas complejos que incluyen
restricciones (Moon & Cha, 2006). Este tipo de algoritmos son utilizados en problemas
complejos que no pueden ser solucionados con métodos tradicionales por los largos
tiempos computacionales en los que se incurren y porque el espacio de soluciones es muy
amplio (Olsen, 2008); también tienen la capacidad de encontrar soluciones en problemas
con características de discontinuidad, multimodalidad, no-linealidad y no convexidad en los
espacios de búsqueda (Julian Andres Zapata-Cortes et al., 2019).
4.4 Algoritmo genético para la solución del modelo de reabastecimiento colaborativo
Los algoritmos genéticos son técnicas de búsqueda aleatoria que se basan en procesos
iterativos en los que se generan poblaciones, se evalúa su aptitud a través de una función
objetivo y luego atraviesan por un procedimiento de selección, recombinación y mutación
para generar nuevas generaciones que son comparadas con las anteriores (Nagasawa et
al., 2015). El código de programación del algoritmo genético desarrollado en la presente
tesis, se muestra en el Anexo A. Este procedimiento se compone de los siguientes pasos
(W. Yang, Chan, & Kumar, 2012).
4.Formulación del modelo 77
Generación de individuos: El conjunto de individuos que representan las soluciones del
modelo se conoce como población; estos individuos se crean al azar o siguiendo
alguna especificación. Al iniciar el proceso se crean las variables de decisión del
problema como arreglos numéricos conocidos como cromosomas. Un cromosoma es
una colección de genes que son valores discretos de las variables que pertenecen a la
solución del problema. El cromosoma es un elemento fundamental ya que es la
codificación de las soluciones reales para el lenguaje genético. En el caso del modelo
JRP, la representación del cromosoma se realiza a través de un vector de números
enteros, números reales o números binarios (Olsen, 2005), (Moon & Cha, 2006). Para
la estrategia de agrupación directa, el vector se representa con números enteros y para
la estrategia de agrupación indirecta, con números reales (Olsen, 2005), (Moon & Cha,
2006).
Evaluación de la función de aptitud: una función de aptitud es una función objetivo a
través de la cual se encuentra la solución óptima y se evalúan las posibles soluciones.
La población inicial se evalúa para determinar la calidad de la solución y para guiar las
poblaciones siguientes.
Selección: consiste en una operación genética que elige los cromosomas más
cercanos a la solución óptima a través de diferentes técnicas para cruzarlos en la
siguiente generación.
Recombinación: este paso considera la combinación de genes, imitando la
recombinación de genes de dos organizamos en la biología para producir nuevas
descendencias.
Mutación: esta operación permite que las poblaciones de cromosomas que se crean,
se vuelvan similares evitando los mínimos locales. Este operador se aplica a cada
solución secundaria mediante un cambio en algunos genes.
En la Figura 4-3 se muestra el flujograma del procedimiento que compone un algoritmo
genético anteriormente enunciado.
78 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Figura 4-3: Procedimiento básico de un algoritmo genético
Fuente: tomada de (W. Yang et al., 2012, p. 3084)
4.4.1 Descripción del algoritmo genético
En este apartado se detallan cada uno de los elementos requeridos en el modelo genético
desarrollado específicamente para solucionar el modelo matemático para el cálculo del
plan de reabastecimiento, el cual se basa en los trabajos desarrollados por Moon & Cha
(2006), J.A. Zapata-Cortes, Arango-Serna, & Serna-Urán (2018) y Julian Andres Zapata-
Cortes, Arango-Serna, & Saldarriaga-Romero (2019).
Representación y población inicial: el algoritmo comienza con la creación de la
población inicial la cual es obtenida de forma aleatoria. La representación de los
individuos o cromosoma se realiza a través de un vector de números reales en el cual,
un gen ubicado en la posición 𝑖 del cromosoma, corresponde al valor de 𝑘𝑖 para el
producto 𝑖, es decir, el múltiplo del tiempo de ciclo en el cual el producto debe ser
reabastecido. Este cromosoma es descodificado en los valores de 𝑘𝑖 usando la
INICIO
Generación de individuos de forma
aleatoria
Cálculo de la función objetivo
Selección
Recombinación
Mutación
¿Finalización??
Operaciones genéticas
FIN
No
Si
4.Formulación del modelo 79
Ecuación (4.9) siguiendo el procedimiento desarrollado por Moon & Cha (2006), a
través del cual, es posible determinar el límite superior e inferior para los 𝑘𝑖 reduciendo
el espacio de búsqueda. En la Figura 4-4 se muestra la representación del cromosoma
en un problema de 10 productos para la estrategia IGS. Los números enteros en dicha
figura, corresponden a los 𝑘𝑖 valores, múltiplos del tiempo de ciclo, esto es, por ejemplo,
los productos 1,2,3,7.8 y 9 son reabastecidos cada tiempo de ciclo.
Figura 4-4: Representación del cromosoma para la estrategia IGS.
Fuente: tomada de (Julian Andres Zapata-Cortes et al., 2019, p. 250).
El algoritmo genético calcula internamente el tiempo de ciclo y el costo total de la solución
de acuerdo con el modelo matemático presentado en las ecuaciones (4.7) y (4.8)
respectivamente de la sección 4.2.
Evaluación de los individuos: cada individuo pasa por un proceso de evaluación a
través de la función objetivo, con el fin de determinar si es bueno con relación al
problema real y para guiar las siguientes poblaciones por el proceso evolutivo, en el
cual algunos individuos son seleccionados para la recombinación y la mutación. La
función objetivo corresponde al costo total que se obtiene mediante la Ecuación (4.8).
Elitismo: se trata de que las siguientes poblaciones incluyen el mejor individuo de las
poblaciones anteriores y los nuevos individuos que se producen en las operaciones
de recombinación y mutación (Julian Andres Zapata-Cortes et al., 2019).
Selección: es realizada a través del método torneos, que consiste en una selección
al azar de individuos para completar los grupos con una capacidad equivalente al 10%
de la población. El ganador de cada torneo es seleccionado para la recombinación.
Producto 6. Producto 1. Producto 10.
80 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Recombinación: es realizada a través del método de dos puntos, en el cual, se
seleccionan al azar dos puntos o genes de los cromosomas padres; los genes que
están en medio de los dos puntos, son intercambiados entre los cromosomas padres
creando dos cromosomas hijos. Este proceso se ilustra en la Figura 4-5.
Figura 4-5: Recombinación en dos puntos
Fuente: Tomada de (Julian Andres Zapata-Cortes et al., 2019, p. 251).
Mutación: esta operación, se realiza a través del método de un punto, en el cual
se reemplaza un gen del cromosoma elegido al azar con un nuevo número aleatorio entre
el mínimo valor y el valor real más alto que representa el 𝑘𝑖 de cada producto para la
estrategia de agrupación indirecta. Esta operación se ilustra en la Figura 4-6.
Figura 4-6: Método de mutación de un punto
Fuente: tomado de (Julian Andres Zapata-Cortes et al., 2019, p. 252).
Finalización: El algoritmo se detiene después de ejecutar un cierto número de
evoluciones basado en la condición de ajuste del algoritmo, el tamaño de la población
y el porcentaje de mutación se determinan mediante experimentación y ajuste (ajuste
del algoritmo).
Padre 1
Padre 2
Hijo 1
Hijo 2
Individuo
Individuo
mutado
Punto de mutación, seleccionado aleatoriamente
Gen mutado
4.Formulación del modelo 81
En este capítulo se desarrolló el modelo para el cálculo del plan de reabastecimiento entre
una empresa y sus múltiples clientes y el procedimiento del algoritmo genético como una
solución para el modelo planteado. El modelo propuesto se va usar en un caso de
aplicación, presentado en el siguiente capítulo, para modelar el reabastecimiento
colaborativo entre una empresa y sus filiales internacionales con lo cual se da cumplimiento
al objetivo principal. De acuerdo a lo mencionado en este capítulo, se ha logrado proponer
un modelo conceptual y matemático que permite realizar el proceso de reabastecimiento
colaborativo de múltiples empresas lo cual apunta al cumplimiento del objetivo general.
5. Caso de aplicación
En el presente capítulo se aplica el modelo colaborativo JRP para el reabastecimiento de
varios productos entre una empresa matriz y sus filiales internacionales buscando la
reducción de los costos de reabastecimiento. La empresa matriz está ubicada en Colombia
y se sitúa dentro de la industria de producción de pulpa, papel y cartón.
La compañía cuenta con 8 plantas de producción nacionales e internacionales, 2 plantas
ubicadas en Antioquia, 1 en Cundinamarca, 1 en Cauca, 2 en Ecuador, 1 en República
Dominicana y 1 en Argentina. Cuenta con 3 Centros de distribución, ubicados en
Cundinamarca, Cali y Antioquia y con 3 bodegas ubicadas en Cauca y Antioquia.
En cuanto a su presencia internacional, la organización tiene operación propia en 6 países
localizados en Suramérica y Centroamérica que son: Ecuador, Argentina, Chile, Perú,
Bolivia y República Dominicana. Además, exporta algunos de sus productos a países
como: México, España, Francia, Australia, Venezuela, Brasil, Costa Rica, Israel, Hungría
y Turquía. La empresa cuenta también con operaciones comerciales en los siguientes
países: Puerto Rico, Aruba, Curazao, Cuba, Dominica, Guayana, Haití, Jamaica, Panamá,
Paraguay, Santa Lucía, Surinam, Trinidad y Tobago, Uruguay, Bonaire y Guayana
Francesa.
La compañía cuenta con las siguientes unidades de negocio y productos:
Cuidado de la familia: en esta unidad de negocio la compañía produce papel higiénico,
servilletas, toallas de cocina, pañuelos, paños húmedos, entre otros.
Cuidado del bebé y del niño: en esta unidad la compañía produce y comercializa
pañales, cremas, shampoo y paños húmedos.
Cuidado de la Mujer: conformada por toallas higiénicas, protectores, tampones, paños
húmedos y jabón íntimo.
84 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Cuidado del Adulto: conformado por pañales, toallas húmedas y cremas humectantes.
Cuidado de las mascotas: en esta unidad de negocios se encuentras los paños
húmedos, eliminadores de olores, tapetes absorbentes, entre otros.
Línea para instituciones: está conformada por papel higiénico, toallas de mano,
jabones, geles antibacteriales, servilletas, limpiones, paños húmedos, pañuelos,
eliminador de olores, entre otros,
El proceso logístico de la compañía con sus filiales se muestra en la Figura 5-1 y se
describe a continuación.
Figura 5-1: Proceso logístico
Fuente: elaboración propia
La gestión de pedido es llevada a cabo por el área de Servicio al Cliente y tiene como
propósito aumentar la satisfacción del cliente a través de la gestión eficiente de los pedidos.
Esta gestión incluye la validación de pedidos, las solicitudes de liberación de crédito, las
condiciones de entrega por cliente, la revisión de novedades logísticas, la gestión de notas
crédito y la programación de despachos de los pedidos a los clientes.
El proceso de planeación es llevado a cabo por el área de planeación de manufactura
conformada por planeadores de abastecimiento y de manufactura. Los planeadores de
manufactura se encargan de garantizar la disponibilidad del inventario y asignarlo a los
diferentes clientes; los de abastecimiento tienen asignado el reabastecimiento de cada filial
con el objetivo de estimar las ventas futuras para suministrar información sobre la demanda
a los planeadores de manufactura.
El proceso de almacenamiento tiene como objetivo garantizar una custodia del inventario
adecuada y el despacho oportuno de los pedidos a los clientes. Está conformado por el
personal administrativo y operativo que lleva a cabo las tareas de recibo, almacenamiento,
picking, despacho y control de inventarios.
Transporte Almacenamiento Planeación Gestión de
pedido
5. Caso de aplicación 85
El proceso de transporte comprende la gestión del transporte nacional, la gestión de flotas,
el transporte internacional y la gestión de aduanas. El objetivo del transporte nacional e
internacional es ggarantizar el transporte de los productos para satisfacer las necesidades
de los clientes internos y externos en el menor costo. Por otra parte, la gestión de flotas se
enfoca en administrar la flota propia y de terceros garantizando la disponibilidad y menores
costos. Finalmente, la gestión de aduanas tiene el objetivo de dar cumplimiento a los
requisitos legales en materia aduanera de las operaciones de importaciones,
exportaciones y zonas francas.
En cuanto al tema de colaboración, las filiales, comparten con el proveedor o casa matriz,
la información necesaria para determinar sus planes de abastecimiento; el proveedor
consolida la información y se encarga de llevar a cabo el proceso de reposición evitando
los agotados en las filiales y reduciendo los costos de inventarios en la cadena. En la Figura
5-2: Modelo de colaboración de la empresa estudiada Figura 5-2 ilustra el modelo de
colaboración de la empresa estudiada.
Figura 5-2: Modelo de colaboración de la empresa estudiada
Fuente: elaboración propia
El cálculo del plan de reabastecimiento que realiza la empresa actualmente, tiene las
siguientes características:
La cantidad de reabastecimiento se define con cada país de forma individual. Se estima
la demanda y luego a partir de la información de las ventas, del inventario en tránsito y
Producto 1 Producto 2 Producto 3 Producto 10 …
Proveedor
Filial 1 Filial 2 Filial 3 Filial 4 Filial 5 Filial 6
Clientes
Flujo de
información para
la generación del
plan de
reabastecimiento
86 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
el del cliente y del tiempo de tránsito, se realiza una resta de inventario para definir la
cantidad a pedir.
La compañía no realiza una consolidación de la información de todos los clientes ni
toma decisiones de reposición con base en los costos totales de reabastecimiento de
toda la cadena. La programación de despachos, consiste en programar todo el
inventario disponible.
Entre los objetivos que tiene la empresa en relación al proceso de reabastecimiento son:
Reducción de capital de trabajo: con el objetivo de duplicar sus ventas para el 2025 la
empresa se propuso reducir su capital de trabajo y está enfocado principalmente en la
reducción de inventario.
Disminuir nivel de agotados: de acuerdo a los indicadores de la compañía, este
porcentaje varía mucho ya que depende de múltiples factores.
Reducción de costos logísticos: el costo logístico como porcentaje de las ventas es del
5,35%.
La empresa sigue el procedimiento de reabastecimiento que se muestra en la
5. Caso de aplicación 87
Figura 5-3 para estimar el tiempo y las cantidades que deben ser enviadas a los clientes.
88 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Figura 5-3: Procedimiento reabastecimiento a filiales de la empresa estudiada
Procedimiento Descripción
El procedimiento inicia con una reunión de
consenso, liderada por el planeador de
abastecimiento de la filial en la que participa el área
de mercadeo y ventas; en esta reunión se acuerda
una cifra de gestión de demanda para cada una de
las referencias.
El planeador de abastecimiento con base en la
información de las ventas del último periodo y los
inventarios en tránsito y en el país; realiza una
estimación de las cantidades que deben ser
pedidas.
El planeador de manufactura visualiza los pedidos y
corre el plan maestro de producción (MPS);
posteriormente asigna el inventario disponible a los
clientes.
El analista de Servicio al Cliente, revisa la cantidad
de inventario asignada a cada cliente de forma
semanal y programa los despachos a cada uno
garantizando que se envíen las cantidades
solicitadas.
Fuente: elaboración propia
El objetivo de la presente tesis es generar un plan que reduzca los costos de
reabastecimiento actuales, los cuales se estiman en $ 58270797 de pesos.
5.1 Aplicación del modelo
Tal y como se describió en la Figura 4-2 del capítulo anterior, el modelo propuesto consta
de 3 capas para el desarrollo del plan de reabastecimiento colaborativo de una empresa y
INICIO
Realizar consenso para estimar las ventas futuras y planear el
abastecimiento
Planeador abastecimiento/ cliente
Estimar las cantidades de cada referencia que deben ser reabastecidas y crear los
pedidos
Planeador abastecimiento
Elaborar plan de producción y asignar el inventario a los
clientes
Planeador de manufactura
Definir la programación del despacho de los pedidos
Analista servicio al cliente
información de ventas e inventarios
FIN
5. Caso de aplicación 89
sus filiales internacionales. A continuación, se desarrollan cada una de las capas para el
caso de aplicación descrito anteriormente en la empresa seleccionada.
5.1.1 Captura de información
El primero para el desarrollo de los planes de reabasteciendo colaborativo de la empresa
y sus filiales internaciones es determinar la información necesaria para la aplicación del
modelo. En el proceso de reabastecimiento, se consideraron 10 productos que se envían
a las 6 filiales desde el centro de distribución desde el cual se despacha el producto de
exportación; dichos productos tienen demandas y costos diferentes.
En la Tabla 5-1 se muestran las demandas de los 10 productos para los 6 clientes las
cuales están expresadas en cantidad de cajas/año. Las demandas se obtuvieron de los
datos históricos del 2018 y se calculan con base en las estimaciones de las cantidades
que cada filial tiene proyectado vender.
Tabla 5-1: Demanda de productos para los 6 clientes del modelo colaborativo de
reabastecimiento 𝐷𝑖
Demanda
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 278304 930864 88560 3996 358920 432780 128328 10632 2299956 72384 2 354684 2336784 34500 5466 31680 12300 268812 14760 82467 45345 3 234840 569148 25440 10536 626820 131160 26772 49236 521040 31200
4 74160 725940 6180 21360 127704 23784 7632 13360 11435 15678 5 385656 564768 92398 18006 89688 45689 18600 50400 83178 74975 6 10572 146268 14278 8635 18960 18521 8659 45132 100855 13487
Fuente: elaboración propia
En la Tabla 5-2 y Tabla 5-3 se muestran los costos de mantener el inventario y el costo de
pedido respectivamente. El costo de mantener el inventario ℎ𝑖 fue calculado dividiendo el
precio por pallet que es de $ 42547 pesos, entre el número promedio de cajas por pallet
de cada producto que se envía a las filiales. El costo de pedido se calculó como el valor
adicional de los trámites que se llevan a cabo para incluir el producto 𝑖 en cada pedido, el
cual es de $15128000 y dividió entre el número de órdenes que se procesan por año que
es aproximadamente 4000. El costo fijo 𝑆 se calculó teniendo en cuenta los salarios
anuales de las personas que se encargan de la generación de los pedidos dividido por el
número de ordenes al año que se procesan. La suma de los salarios del personal
90 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
administrativo encargados de los pedidos es de aproximadamente $342400000 pesos y la
cantidad de pedidos que se procesan por año, es de aproximadamente 4000 órdenes, con
lo cual el valor obtenido fue de $8600 pesos.
Tabla 5-2: Costo de mantener el inventario ℎ𝑖
Costo de mantener el inventario
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 499 487 688 669 689 679 474 478 285 394 2 487 482 567 632 672 687 469 473 245 275 3 495 499 671 684 668 685 475 471 300 290 4 488 487 676 673 678 680 470 481 378 367 5 485 497 432 675 543 658 469 451 321 343 6 485 490 488 685 684 463 645 453 386 357
Fuente: elaboración propia
Tabla 5-3: Costo del pedio 𝑆𝑖
Costo de preparación del pedido
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 2338 2691 2710 2803 2758 2853 1973 2820 3045 3252 2 2965 3039 3129 3209 3191 3095 3033 3175 2265 1055 3 3275 3378 3645 3345 3782 3459 3347 2195 3882 4034 4 4119 4686 3897 1580 4177 4322 3790 3969 3759 3861 5 2329 2803 2704 2303 2085 2803 2404 2656 2355 2456 6 5568 6536 3435 6236 4775 4376 4728 4562 4326 1328
Fuente: elaboración propia.
5.1.2 Cálculo del plan de reabastecimiento
Una vez el proveedor obtiene la información requerida para el desarrollo de la estrategia
VMI a partir de la información de colaboración suministrada por los clientes, debe aplica el
modelo matemático basado en el JRP descrito en la sección 4.2 y lo resuelve utilizando el
algoritmo genético descrito en la sección 4.4. El procedimiento del algoritmo genético
presentado en el capítulo anterior para la solución del modelo matemático propuesto fue
desarrollado en el software de aplicación NetBeans IDE 8.2, el cual utiliza un lenguaje de
programación Java. Las corridas fueron realizadas en un computador con procesador Intel
core-i5, sistema operativo Windows 10 de 64-bit y 6 GB de memoria RAM. Para correr el
5. Caso de aplicación 91
algoritmo se utilizó una población de 200 individuos, 500 evoluciones y como condición de
parada un porcentaje de mutación de 0.2.
La Tabla 5-4 representa el mejor individuo obtenido con el algoritmo genético para el
escenario colaborativo que produce los menores costos de reabastecimiento; es un vector
de 60 genes pero se muestra en una tabla con el propósito de mejorar su presentación.
Esto indica que los 10 primeros datos de 𝑘𝑖 corresponden a los múltiplos del ciclo de tiempo
en que se deben ordenar los 10 productos para la filial 1, los próximos 10 datos
corresponden a la filial 2 y así sucesivamente. Este mejor individuo es descodificado
mediante la ecuación (4.9) en los 𝑘𝑖’s números reales, su representación se muestra en la
Tabla 5-5. El tiempo de ciclo en años obtenido con este enfoque es de 0,0069.
Tabla 5-4: Mejor individuo enfoque colaborativo
Mejor individuo
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 0.062 0.267 0.086 0.317 0.02 0.049 0.101 0.564 0.428 0.258
2 0.056 0.455 0.208 0.106 0.208 0.209 0.114 0.481 0.109 0.233
3 0.158 0.144 0.087 0.231 0.183 0.094 0.237 0.218 0.379 0.472
4 0.162 0.211 0.185 0.105 0.074 0.3 0.214 0.334 0.435 0.731
5 0.11 0.22 0.316 0.24 0.26 0.271 0.472 0.34 0.503 0.387
6 0.319 0.3 0.246 0.357 0.181 0.584 0.188 0.441 0.266 0.299
Fuente: elaboración propia.
Tabla 5-5: Mejor individuo enfoque colaborativo descodificado
Mejor individuo
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 1 1 1 12 1 1 1 11 1 2
2 1 1 3 4 3 5 1 8 1 2
3 1 1 2 6 1 1 3 2 1 5
4 2 1 6 2 1 5 5 6 7 11
5 1 1 2 5 2 3 7 3 4 3
6 7 2 5 10 4 9 5 4 2 5
Tiempo de ciclo (en años) 0,0069
Fuente: elaboración propia.
92 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
El plan de reabastecimiento obtenido con el enfoque colaborativo indica que, por ejemplo,
el producto 1 debe ser ordenado cada tiempo de ciclo de 0,0069 años para los clientes 1,
2, 3 y 5 mientras que para los clientes 4 y 6, debe ser ordenado cada 2 y 7 veces el tiempo
de ciclo. En el caso del producto 2, este se debería ordenar cada tiempo de ciclo para
todos los clientes, excepto para el cliente 6 para el cual se debería ordenar cada dos veces
el tiempo de ciclo.
5.1.3 Validación y retroalimentación del modelo
Con el objetivo de validar el modelo, se comparan los resultados obtenidos con el modelo
propuesto y los costos del plan de reabastecimiento actual de la empresa. En la Tabla 5-6
se muestra la comparación entre el costo total del enfoque colaborativo y los costos
actuales de la empresa. El ahorro total encontrado con el enfoque del JRP planteado es
de un 10% lo cual indica que, a través de un reabastecimiento colaborativo, la compañía
puede lograr reducir el costo total contribuyendo a un mejor rendimiento de su desempeño
logístico y el de sus filiales.
Tabla 5-6: Comparación entre la situación actual de la empresa y la solución dada por el modelo colaborativo
Situación Modelo propuesto Actual Ahorro
Costo Total 52590622 58270797 10%
Fuente: elaboración propia.
Lo anterior permite argumentar de la pertinencia del modelo con respecto al proceso
desarrollado actualmente en la compañía estudiada, toda vez que permite lograr un ahorro
nada despreciable del 10% de los costos de reabastecimiento.
Para continuar con la validación, se propone un análisis en el cual se produce un solo plan
de reabastecimiento para cada cliente, en este caso la colaboración se da entre una filial
y la empresa, por lo cual, la información de los otros clientes no se considera para
determinar el pan de reabastecimiento. En este caso, el proveedor también decide el plan
de reabastecimiento siguiendo la política de VMI.
5. Caso de aplicación 93
En la Tabla 5-7 se muestran los resultados obtenidos con el enfoque individual. Se tiene
un tiempo de ciclo, un costo total y un plan de reabastecimiento indicado por los valores
de 𝑘𝑖 diferentes para cada una de las filiales. De esta tabla se puede observar que todos
los 𝑘𝑖 para los clientes 5 y 6 son iguales a 1, lo cual indica que todos los productos se
deben reponer conjuntamente cada ciclo para reducir los costos de reabastecimiento.
También se puede observar que el valor más alto de 𝑘𝑖 para este enfoque es 4 mientras
que en el enfoque colaborativo 2 de los productos tuvieron valores de 11, 1 producto tuvo
un valor de 10 y otro de 12; lo cual indica que los dos enfoques son muy diferentes y se
presentan cambios significativos en los planes de reabastecimiento.
Tabla 5-7: Resultado enfoque individual
Resultado para el enfoque individual
Productos
Clientes Tiempo de ciclo Costo total 1 2 3 4 5 6 7 8 9 10
1 0,0103 20677577 1 1 1 4 1 1 1 3 1 2
2 0,0113 18223576 1 1 2 4 2 2 1 3 1 1
3 0,0089 24436927 1 1 2 3 1 1 3 2 1 3
4 0,0202 11258960 1 1 2 1 1 1 2 2 2 2
5 0,0179 12280712 1 1 1 1 1 1 1 1 1 1
6 0,0381 6898705 1 1 1 1 1 1 1 1 1 1
Total 93776456 Fuente: elaboración propia
La Tabla 5-8Tabla 5-8 muestra una comparación entre el enfoque colaborativo y el
individual de los planes de reabastecimiento calculados usando el algoritmo genético para
el modelo propuesto. De esta tabla es posible concluir que el costo del modelo individual
es muy alto en comparación con el colaborativo y se presenta un ahorro del 44%. Los altos
costos del enfoque individual indican que no sería idóneo para la empresa implementar el
modelo individual.
Tabla 5-8: Comparación entre el modelo con enfoque colaborativo e individual.
Situación Modelo Colaborativo Modelo Individual Ahorro
Costo Total 52590622 93776456 44%
Fuente: elaboración propia.
94 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
De acuerdo a lo presentado anteriormente, el modelo colaborativo le genera más
beneficios a la compañía en términos de disminución de costos ya que en comparación
con los costos de reabastecimiento en los que incurre la compañía actualmente, con el
modelo colaborativo podría tener un 10% de ahorro; además se descartaría la
implementación de un enfoque individual ya que los costos se elevan en un 44% respecto
al enfoque colaborativo.
5.2 Análisis de estabilidad del modelo
Para validar la estabilidad del modelo propuesto, este se analizó con datos históricos de la
empresa para los años 2015, 2016 y 2017. Los datos de la demanda para los tres periodos
considerados en la validación de la estabilidad del modelo se muestran en la Tabla
5-9,Tabla 5-10y Tabla 5-11.
Tabla 5-9: Demanda año 2017
Demanda 2017
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 256217 919151 79506 3320 356830 431883 126750 9724 2194378 71506
2 352457 2229326 33452 5031 29590 11403 202872 13852 76889 44467
3 231273 567561 24395 10101 624730 130263 25194 48328 515462 30322
4 72593 724553 5145 20925 125614 22887 6054 12452 5857 14800
5 382089 563181 91253 17578 87598 44792 17022 49492 77600 74097
6 9005 144685 13263 8210 16870 17624 7081 44224 95277 12609
Fuente: elaboración propia
Tabla 5-10: Demanda año 2016
Demanda 2016
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 241083 915977 77416 2450 354740 430089 123594 7908 2183222 69750
2 347323 2226152 35662 4161 28500 9609 198716 12036 65433 42711
3 233139 564387 22305 9231 625640 128469 22038 46512 514306 28566
4 67459 721379 3055 20055 123524 21093 2898 10536 5299 12134
5 376955 560107 89163 16708 85508 40998 13866 46676 66444 72341
6 3871 131511 11173 7540 14780 15830 3925 42408 84121 10853
5. Caso de aplicación 95
Fuente: elaboración propia
Tabla 5-11: Demanda año 2015
Demanda 2015
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 238516 914390 76371 2015 353695 429192 122016 7000 2177644 68872
2 344756 2224565 34617 3726 27455 8712 197138 11128 59855 41833
3 230572 562800 21260 8796 624595 127572 20460 45604 508728 27688
4 64892 719792 2010 19620 122479 20196 1320 9628 -10877 11256
5 374388 558520 88118 16273 84463 40101 12288 45768 60866 71463
6 1304 129924 10128 7105 13735 14933 2347 41500 78543 9975
Fuente: elaboración propia
Los costos de pedido para los periodos analizados 2015, 2016 y 2017 se muestran en la
Tabla 5-12, Tabla 5-13 y Tabla 5-14.
Tabla 5-12: Costo de pedido año 2017
Costo de pedido 2017
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 2037 3258 3520 3529 2739 2524 3766 3101 2796 3064
2 2656 2267 2310 2186 2055 2795 3545 2994 3504 2511
3 3784 3555 3566 2676 2353 2253 2370 3454 3590 2925
4 2245 2755 2101 2973 2655 2590 2963 2739 2759 3429
5 2884 3583 3776 2598 2770 3055 2462 2057 2482 3262
6 3784 3366 2546 2661 3047 2647 3033 2633 2091 3534
Fuente: elaboración propia
Tabla 5-13: Costo del pedido año 2016
Costo de pedido 2016
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 3126 2536 3163 2109 3494 3002 2171 2702 3385 3548
2 2202 2089 2008 2295 3165 3293 2468 2869 2838 3524
3 2280 2554 3054 2727 2616 2066 3659 3538 2478 2442
4 3672 3110 2815 2402 3102 2922 2817 3325 2688 2053
5 2929 3501 2151 2146 2738 3711 2799 2538 2084 2691
6 2783 2496 3346 3649 2454 3580 2581 2376 3719 3723
96 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Fuente: elaboración propia.
Tabla 5-14: Costo de pedido año 2015
Costo de pedido 2015
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 2795 3365 2964 2035 3351 2462 3732 2528 3647 2674
2 2977 3276 2244 2031 3295 3658 2527 2391 2515 3559
3 2342 2783 3274 3411 2453 3446 2801 3391 2700 2457
4 2953 2378 3500 3001 2417 3266 2835 2447 3651 2802
5 2375 2573 3162 3498 2924 3462 3709 3005 2836 2979
6 3461 3585 2816 3118 2916 3210 3249 3550 2098 2231
Fuente: elaboración propia.
Los costos de mantener el inventario para los años 2015, 2016 y 2017 son los que se
muestran en Tabla 5-15, Tabla 5-16 y Tabla 5-17.
Tabla 5-15: Costo de mantener el inventario 2017
Costo de mantener el inventario 2017
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 494 399 389 552 357 547 612 539 539 546
2 576 558 478 637 461 458 642 428 617 600
3 673 528 425 573 361 427 536 640 490 479
4 510 432 431 557 610 449 468 515 557 563
5 679 557 422 606 666 552 590 402 661 397
6 373 375 431 465 469 607 398 497 489 653
Fuente: elaboración propia
Tabla 5-16: Costo de mantener el inventario 2016
Costo de mantener el inventario 2016
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 467 425 656 470 410 348 614 399 613 491
2 629 429 367 678 647 665 550 518 618 377
3 551 661 518 588 390 548 407 489 581 616
4 580 673 529 570 429 631 385 396 549 389
5 496 484 497 525 388 574 600 502 449 431
5. Caso de aplicación 97
6 509 541 452 456 620 579 363 377 422 658
Fuente: elaboración propia
Tabla 5-17: Costo de mantener el inventario 2015
Costo de mantener el inventario 2015
Productos
Clientes 1 2 3 4 5 6 7 8 9 10
1 483 675 422 382 548 612 588 640 457 480
2 366 592 486 646 438 610 442 371 664 601
3 467 388 592 539 498 465 496 378 441 680
4 670 404 626 480 574 623 439 553 554 487
5 543 569 456 374 462 606 411 425 650 498
6 397 622 475 617 669 631 520 538 527 453 Fuente: elaboración propia.
En la Tabla 5-18 se muestra una comparación entre los datos obtenidos con los periodos
de validación del modelo y el obtenido con los datos actuales. De esta información se
observa que tanto los tiempos de ciclo como el costo total son similares entre sí, esto se
debe a que la empresa goza de alta solidez y su presencia en el mercado internacional
continúa manteniéndose estable y en algunos países sus ventas van en aumento.
Tampoco se han presentado cambios en cuanto a la forma en la cual se planifica el
reabastecimiento de sus filiales. En esta tabla también se puede evidenciar el ahorro entre
los costos totales obtenidos con el modelo de reabastecimiento propuesto y los costos
totales de la empresa, los cuales fueron del 9%, 12% y 8% para los periodos 2015, 2016 y
2017 respectivamente. El ahorro que se presenta con el modelo propuesto respecto a la
situación de la empresa permite corroborar la validez del mismo.
Tabla 5-18: Comparación de los costos obtenidos con el modelo y por la empresa para los datos históricos
Periodo Tiempo de ciclo Costo total con el modelo
Costo total empresa Ahorro
2015 0,0067 51964540 56984753 9%
2016 0,0066 51134731 58267073 12%
2017 0,0056 50104814 54456908 8%
2018 (actual) 0,0069 52590622 58270797 10%
Fuente: elaboración propia.
98 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Debido a que la validación del modelo arrojó ahorros superiores al 8% tanto para el
enfoque colaborativo como el individual y el análisis de estabilidad con los datos históricos,
no se requiere realizar ajustes al modelo planteado inicialmente.
En el presente capítulo se presentó la aplicación del modelo de colaboración para la
empresa analizada y sus filiales internaciones, de donde se pudo evaluar su pertinencia
con base en la generación de planes de reabastecimiento más eficientes en relación con
los costos; además, se realizó una validación del modelo con varios datos históricos de la
compañía. Con base en esto, es posible argumentar sobre el cumplimiento del cuarto
objetivo específico, el cual era validar el modelo propuesto en un ambiente controlado en
una empresa del sector industrial colombiano y con ello el objetivo general del actual
trabajo de maestría, el cual consistía en proponer un modelo de reabastecimiento
colaborativo entre una empresa y sus filiales internacionales. A continuación, se presentan
las conclusiones y trabajos futuros derivados de la presente tesis.
6. Conclusiones y recomendaciones
6.1 Conclusiones
En el presente trabajo se desarrolló un modelo para el cálculo del plan de reabastecimiento
entre una empresa y sus filiales internacionales a partir de una estrategia de colaboración
de VMI y del problema de reposición conjunta (JRP) para minimizar los costos totales de
reponer los productos desde la empresa a sus filiales. El modelo propuesto se resolvió
mediante un algoritmo genético debido a su complejidad y su exitosa aplicación en
problemas similares generando reducción en los costos de reabastecimiento.
El modelo propuesto consta de una parte conceptual que se encarga de desarrollar de
manera global el proceso de colaboración bajo la metodología de VMI y de un modelo
matemático JRP que se encarga de realizar los cálculos para dicho plan. El modelo está
conformado por tres capas que son: la captura de información en la que se obtienen los
datos de colaboración y los parámetros del modelo matemático; una segunda capa en la
que se construye el modelo con la información suministrada y se da solución al mismo
encontrando el plan de reabastecimiento y los costos totales y una tercera capa en la que
se realizan las validaciones y la retroalimentación. Este modelo fue aplicado en la empresa
seleccionada, encontrando reducciones en los costos de reabastecimiento.
En la etapa de validación y retroalimentación del modelo se realizó una comparación entre
el costo total empleando el modelo propuesto y el costo total en el que incurre la empresa
actualmente al reponer sus productos a las filiales y se encontró una disminución del 10%
con el modelo planteado. También se analizó el comportamiento individual frente al
colaborativo y se encontró que con el enfoque colaborativo se presenta un ahorro del 44%.
Además, se aplicó el modelo con varios datos históricos de la compañía con el objetivo de
analizar la estabilidad del mismo y se compararon los costos obtenidos con el modelo y los
100 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
costos de la empresa en cada periodo de tiempo, encontrando ahorros en cada periodo
superiores al 8%.
Dada la complejidad del modelo planteado y de acuerdo a otros trabajos que abordaban
problemas similares, se desarrolló un algoritmo genético como método de solución el cual
es un tipo de metaheurístico utilizado en problemas complejos que no pueden ser
solucionados con métodos tradicionales por los largos tiempos computacionales en los que
se incurren y porque el espacio de soluciones es muy amplio. El algoritmo genético
demostró capacidad para solucionar el modelo planteado en la presente tesis.
En la presente tesis se explicaron los aspectos principales de la logística de abastecimiento
internacional para dar soporte conceptual al estudio con lo cual se detectaron las
principales diferencias entre las cadenas de suministro internacionales y las locales; se
identificó la importancia de mantener bajos niveles de inventario ya que por los largos
tiempos de reposición, en las cadenas de tipo internacional o global existe mayor
propensión a que se generen agotados o por el contrario niveles de exceso de inventarios
que aumentan los costos y disminuyen la rentabilidad. Los estudios encontrados en este
campo también destacaron que los inventarios disminuyen cuando se incrementa la
inversión en la cadena de suministro y que las prácticas de colaboración; especialmente
las relacionadas con coordinar las decisiones de planificación y el flujo de los productos,
evitan los aumentos en el inventario.
Se analizaron las herramientas de colaboración de inventarios más usadas que facilitan
integrar la cadena de suministros de forma aplicada en las organizaciones, entre los cuales
se destacan la respuesta eficiente al consumidor, el inventario manejado por el proveedor
y la Planeación, Pronóstico y Reabastecimiento Colaborativo. A partir de la revisión de
dichas herramientas se logra concluir que la colaboración es una estrategia fundamental
en las cadenas de suministro ya que permite alinear la oferta con la demanda, mejorar el
desempeño logístico global y crear relaciones de largo plazo que ayuden a lograr sinergia
entre las partes, lo cual se traduce en beneficios como reducción de costos y aumento del
nivel de servicio.
Conclusiones 101
A partir de la literatura encontrada acerca de los modelos colaborativos de inventarios fue
posible concluir que existen diferentes enfoques para abordar el problema de
reabastecimiento dependiendo de aspectos tales como: el tipo de cadena de suministro,
las restricciones, el tipo de producto o productos que se comercializan, la cantidad de
actores involucrados y las diferentes políticas de inventarios y de precios. Se identificó que
la estrategia de inventario manejado por el vendedor (VMI) y el problema de reposición
conjunta (JRP) son los más implementados en cadenas de abastecimiento similares a la
propuesta.
Con base en lo realizado en la tesis y en cada uno de los aspectos mencionados
anteriormente, es posible concluir sobre el cumplimiento a cabalidad de todos los objetivos
específicos y particularmente del objetivo general de la presente tesis que es proponer un
modelo de reabastecimiento colaborativo entre una empresa y sus filiales internacionales.
6.2 Recomendaciones
La colaboración en las cadenas de suministro es un tema que está siendo ampliamente
estudiado en los últimos años y que se evidencia como un pilar fundamental para la
consecución de diferentes objetivos como reducción de costos, aumento del nivel de
servicio, mayor eficiencia logística y mejora de las relaciones con los diferentes agentes.
Por tal motivo, se recomienda para futuros trabajos, analizar el impacto que puede tener
la colaboración con otras áreas de logística como transporte, servicio al cliente y
almacenamiento para el reabastecimiento de productos.
Para futuras investigaciones se propone incluir posibles restricciones al modelo
matemático para el cálculo del plan de reabastecimiento, como es el caso de limitaciones
de capacidad y presupuesto para los procesos de reabastecimiento, lo cual puede ser
condicionantes en muchas empresas, aunque este no sea el caso de la empresa
analizada.
Una segunda investigación puede estar orientada hacia la extensión de este trabajo
analizando la posibilidad de estudiar modelos de optimización multiobjetivo donde además
de considerar los costos asociados al reabastecimiento, se puedan incluir otros objetivos
102 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
que generen alto impacto en el desempeño logístico de las empresas como el nivel de
servicio.
Se recomienda ampliar la investigación en reabastecimiento colaborativo aplicado a las
cadenas de abastecimiento globales compuestas por empresas matrices y empresas
filiales ya que se encontraron numerosos trabajos con aplicaciones en cadenas de
suministro domésticas con un proveedor y varios clientes externos a la compañía; pero no
se contó con un referente para cadenas de abastecimiento que incluían filiales
internacionales.
A. Anexo: Código de programación algoritmo genético
En este anexo se presenta el código de programación empleado para encontrar el plan de
reabastecimiento para el caso propuesto
La rutina principal es la que se muestra a continuación y contiene las otras rutinas que son
requeridas para realizar los cálculos del JRP, que son la función objetivo y el algoritmo con
sus operadores genéticos
import jrp.Problem.MetodoAleatorio;
//import irp_jul.Problem.customer;
//import irp_jul.Problem.vehiculos;
import java.util.ArrayList;
public class ALGORITMO {
static double porcentaje_mutacion = 0.2;
static int tamaño_torneo = (int) (JRP_IGS.get_tamañopoblacion()*(0.2));
static boolean elitismo = true;
private static double costo;
static int[] crossoverPoints;
static int firstPoint;
static int secondPoint;
public static POBLACION evolucion_poblacion(POBLACION pob){
POBLACION nueva_poblacion = new POBLACION(pob.tamaño(), false);
int offset_elitismo =0;
10
4
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
if(elitismo){
nueva_poblacion.guardar_solucion(0, pob.mas_ajustado());
offset_elitismo=1;
}
for (int i=offset_elitismo; i<pob.tamaño();i=i+2){
ArrayList indiv1 = seleccion_cruce(pob);
ArrayList indiv2 = seleccion_cruce(pob);
POBLACION nuevo_individuo = cruce(indiv1, indiv2);
nueva_poblacion.guardar_solucion(i, nuevo_individuo.get_individuo_solucion(0));
nueva_poblacion.guardar_solucion(i+1, nuevo_individuo.get_individuo_solucion(1));
}
for (int i=offset_elitismo; i<nueva_poblacion.tamaño(); i++){
mutar(nueva_poblacion.get_individuo_solucion(i));
}
return nueva_poblacion ;
public static ArrayList seleccion_cruce(POBLACION pob){
POBLACION poblacion_torneo = new POBLACION(tamaño_torneo, false);
for (int i=0; i<tamaño_torneo; i++){
int indice_aleatorio = (int)MetodoAleatorio.randomInt(pob.tamaño());
poblacion_torneo.guardar_solucion(i, pob.get_individuo_solucion(indice_aleatorio));
}
ArrayList max_ajustado = poblacion_torneo.mas_ajustado();
return max_ajustado;
}
public static POBLACION cruce(ArrayList padre1, ArrayList padre2){
int longitud = padre1.size();
POBLACION hijos = new POBLACION(2,false);
ArrayList hijo1 = INDIVIDUO.generateIngividuoAleatorioCruce();
Anexo A. Código de programación algoritmo genético 105
ArrayList hijo2 = INDIVIDUO.generateIngividuoAleatorioCruce();
hijos.guardar_solucion(0, hijo1);
hijos.guardar_solucion(1, hijo2);
crossoverPoints = MetodoAleatorio.randomCP(padre1 , 2);
firstPoint = crossoverPoints[0];
secondPoint = crossoverPoints[1];
for (int i=firstPoint; i<secondPoint; i++){
Object gene = padre1.get(i);
hijo1.set(i, gene);
Object geneDos = padre2.get(i);
hijo2.set(i, geneDos);
}
int indexChild1 = secondPoint;
int indexChild2 = secondPoint;
for (int i=secondPoint; i<longitud; i++){
Object gene2 = padre2.get(i);
if (indexChild1>=longitud){
indexChild1 = 0;
}
hijo1.set(indexChild1, gene2);
indexChild1++;
Object gene2Dos = padre1.get(i);
if (indexChild2>=longitud){
indexChild2 = 0;
}
hijo2.set(indexChild2, gene2Dos);
indexChild2++;
}
for (int i=0; i<firstPoint; i++){
Object gene3 = padre2.get(i);
if (indexChild1>=longitud){
indexChild1=0;
10
6
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
}
hijo1.set(indexChild1, gene3);
indexChild1++;
// }
Object gene3Dos = padre1.get(i);
if (indexChild2>=longitud){
indexChild2=0;
}
hijo2.set(indexChild2, gene3Dos);
indexChild2++;
}
return hijos;
}
public static void mutar(ArrayList indiv){
for (int posicion1 = 0; posicion1 < indiv.size(); posicion1++){
if(Math.random() < porcentaje_mutacion){
crossoverPoints = MetodoAleatorio.randomCP(indiv , 1);
firstPoint = crossoverPoints[0];
Object gene = (float) Math.round(Math.random()*1000)/1000;
indiv.set(firstPoint, gene);
}
}
}
public static String imprimirIndividuo(ArrayList[] individuo){
String imprimir = "[";
for (int i=0; i<individuo.length; i++){
imprimir += individuo[i].toString() + "\n";
}
imprimir += "]";
Anexo A. Código de programación algoritmo genético 107
return imprimir;
}
public static double fitness_desdeAlgoritmo(ArrayList individuo){
costo = 1/Fitness.prueba_measureCost(individuo);
System.out.println("fitness "+costo);
return costo;
}
public static void swapGenes(ArrayList per, Object a, Object b){
int indexA = per.indexOf(a);
int indexB = per.indexOf(b);
per.set( indexA, b);
per.set(indexB, a);
}
}
El código de programación para calcular función objetivo se muestra a continuación:
import java.util.ArrayList;
//import irp_jul.Problem.MetodoAleatorio;
import jrp.INDIVIDUO;
public class Fitness {
static int S = 85600;
public static double[] di ={278304, 930864, 88560, 3996, 358920, 432780, 128328, 10632, 2299956, 72384, 354684,
2336784, 34500, 5466, 31680, 12300, 268812, 14760, 467, 345, 234840, 569148, 25440, 10536, 626820, 131160, 26772,
4236, 521040, 31200, 74160, 725940, 6180, 3360, 127704, 23784, 7632, 3360, 1435, 15678, 385656, 564768, 2398,
18006, 5688, 45689, 18600, 50400, 3178, 4975, 10572, 146268, 14278, 8635, 18960, 18521, 8659, 45132, 100855,
13487};
static double[] si = {2338, 2691, 2710, 2803, 2758, 2853, 1973, 2820, 3045, 3252, 2965, 3039, 3129, 3209, 3191, 3095,
3033, 3175, 3365, 3155, 3275, 3378, 3645, 3345, 3782, 3459, 3347, 3195, 3882, 4034, 4119, 4686, 3897, 4580, 4177,
10
8
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
4322, 3790, 3969, 3759, 3861, 2329, 2803, 2704, 2303, 2085, 2803, 2404, 2656, 2355, 2456, 5568, 6536, 3435, 6236,
4775, 4376, 4728, 4562, 4326, 1328};
static double[] hi = {499, 487, 688, 669, 689, 679, 474, 478, 285, 394, 487, 482, 567, 632, 672, 687, 469, 473, 345, 375,
495, 499, 671, 684, 668, 685, 475, 471, 300, 290, 488, 487, 676, 673, 678, 680, 470, 481, 378, 367, 485, 497, 432, 675,
543, 658, 469, 451, 321, 343, 485, 490, 488, 685, 684, 463, 645, 453, 386, 357};
static int numero_productos =60;//di.length;
static double TC;
static double T;
static double[] t_min = new double[numero_productos];
static double tmin;
static double tmax;
static double [] t_iIN = new double [numero_productos];
static double t_opt;
static double tc;
static int[] k_lb = {1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1};
static int[] k_ub = new int[numero_productos];
static double[] k_ub_multiplo = new double[numero_productos];
static int[] ki = new int[numero_productos];
public static double prueba_measureCost(ArrayList chr){
for (int i = 0; i < numero_productos; i++) {
t_min[i]=Math.sqrt( 2*si[i]/(di[i]*hi[i]));//(2*si[i]/(di[i]*hi[i]));
}
tmin = t_min[0];
for (int i = 0; i < numero_productos; i++) {
if (t_min[i]<T){
tmin= t_min[i];
};
}
Anexo A. Código de programación algoritmo genético 109
double sum_si=0;
for (int i = 0; i < numero_productos; i++) {
sum_si += si[i];
}
double sum_dihi=0;
for (int i = 0; i < numero_productos; i++) {
sum_dihi += di[i]*hi[i];
}
tmax = Math.sqrt(2*(S+sum_si)/sum_dihi);
for (int i = 0; i < t_iIN.length; i++) {
t_iIN[i]=Math.sqrt(2*(S+si[i])/di[i]*hi[i]);
}
for (int i = 0; i < numero_productos; i++) {
k_ub_multiplo[i]=(t_iIN[i]/tmin);
}
double min_kub = k_ub_multiplo[0];
for (int i = 0; i <numero_productos; i++) {
if (k_ub_multiplo[i]<min_kub){
min_kub =k_ub_multiplo[i];
}
}
for (int i = 0; i < numero_productos; i++) {
k_ub[i]=(int) Math.round(k_ub_multiplo[i]/min_kub);
}
for (int i = 0; i < numero_productos; i++) {
ki[i] = k_lb[i]+(int)Math.floor((k_ub[i]-k_lb[i]+1)*(Double.parseDouble(chr.get(i).toString())));
}
11
0
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
double sum_si_ki=0;
for (int i = 0; i < numero_productos; i++) {
sum_si_ki+=si[i]/ki[i];
}
double sum_di_ki_hi=0;
for (int i = 0; i < numero_productos; i++) {
sum_di_ki_hi += di[i]*ki[i]*hi[i];
}
t_opt = Math.sqrt((S + sum_si_ki)/((0.5)*sum_di_ki_hi)); // 0,5 en vez de 1/2
tc =(S+sum_si_ki)/t_opt + 0.5*sum_di_ki_hi*t_opt;
double To =0;
To = t_opt;
tmin =To;
double costo_total=0;
costo_total = (S+sum_si_ki)/tmin + 0.5*sum_di_ki_hi*tmin;
return costo_total;
}//fin del fitness
public static double Imprimir_datos_final(ArrayList chr){
for (int i = 0; i < numero_productos; i++) {
t_min[i]=Math.sqrt( 2*si[i]/(di[i]*hi[i]));//(2*si[i]/(di[i]*hi[i]));
}
tmin = t_min[0];
for (int i = 0; i < numero_productos; i++) {
if (t_min[i]<T){
tmin= t_min[i];
};
}
Anexo A. Código de programación algoritmo genético 111
double sum_si=0;
for (int i = 0; i < numero_productos; i++) {
sum_si += si[i];
}
double sum_dihi=0;
for (int i = 0; i < numero_productos; i++) {
sum_dihi += di[i]*hi[i];
}
tmax = Math.sqrt(2*(S+sum_si)/sum_dihi);
for (int i = 0; i < t_iIN.length; i++) {
t_iIN[i]=Math.sqrt(2*(S+si[i])/di[i]*hi[i]);
}
for (int i = 0; i < numero_productos; i++) {
k_ub_multiplo[i]=(t_iIN[i]/tmin);
}
double min_kub = k_ub_multiplo[0];
for (int i = 0; i <numero_productos; i++) {
if (k_ub_multiplo[i]<min_kub){
min_kub =k_ub_multiplo[i];
}
}
for (int i = 0; i < numero_productos; i++) {
k_ub[i]=(int) Math.round(k_ub_multiplo[i]/min_kub);
}
for (int i = 0; i < numero_productos; i++) {
ki[i] = k_lb[i]+(int)Math.floor((k_ub[i]-k_lb[i]+1)*(Double.parseDouble(chr.get(i).toString())));
}
11
2
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
System.out.println("ki " +impIndividuo(ki));
double sum_si_ki=0;
for (int i = 0; i < numero_productos; i++) {
sum_si_ki+=si[i]/ki[i];
}
double sum_di_ki_hi=0;
for (int i = 0; i < numero_productos; i++) {
sum_di_ki_hi += di[i]*ki[i]*hi[i];
}
System.out.println("sum_si_ki "+sum_si_ki);
System.out.println("sum_di_ki_hi "+sum_di_ki_hi);
t_opt = Math.sqrt((S + sum_si_ki)/((0.5)*sum_di_ki_hi)); // 0,5 en vez de 1/2
tc =(S+sum_si_ki)/t_opt + 0.5*sum_di_ki_hi*t_opt;
System.out.println("t opt : "+t_opt);
System.out.println("t opt : "+tc);
double To =0;
To = t_opt;
tmin=To;
double costo_total=0;
costo_total = (S+sum_si_ki)/tmin + 0.5*sum_di_ki_hi*tmin;
Anexo A. Código de programación algoritmo genético 113
System.out.println("to "+To);
System.out.println("tc "+tc);
System.out.println("\n Resutados finales");
System.out.println("Tiempo de Ciclo (Tmin) "+tmin);
System.out.println("Costo total Modelo "+costo_total);
return costo_total;
}//fin del fitness
public static String impVectores (int[] matriz){
String imp = "";
for (int i=1; i<matriz.length;i++) {
imp+= "Posicion "+i+" "+"[";
imp += matriz[i];
imp +="]"+"\n";
}
return imp;
}
public static String impIndividuo (int[] matriz){
String imp = "{";
for (int i=0; i<matriz.length;i++) {
imp += matriz[i]+", ";
}
imp +="}";
return imp;
}
public static String impIndividuo (double[] matriz){
String imp = "{";
for (int i=0; i<matriz.length;i++) {
imp += matriz[i]+", ";
}
11
4
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
imp +="}";
return imp;
}
static String impMatrices (int[][] matriz){
String imp = "";
for (int i=1; i<matriz.length;i++) {
imp+= "Periodo "+i+" "+"[";
for (int j =0; j< matriz[i].length; j++){
imp += matriz[i][j]+" , ";
}
imp +="]"+"\n";
}
return imp;
}
}
La siguiente es la rutina para desarrollar el algoritmo genético:
import jrp.Problem.MetodoAleatorio;
import java.util.ArrayList;
public class ALGORITMO {
static double porcentaje_mutacion = 0.2;
static int tamaño_torneo = (int) (JRP_IGS.get_tamañopoblacion()*(0.2));
static boolean elitismo = true;
private static double costo;
static int[] crossoverPoints;
static int firstPoint;
static int secondPoint;
public static POBLACION evolucion_poblacion(POBLACION pob){
POBLACION nueva_poblacion = new POBLACION(pob.tamaño(), false);
Anexo A. Código de programación algoritmo genético 115
int offset_elitismo =0;
if(elitismo){
nueva_poblacion.guardar_solucion(0, pob.mas_ajustado());
offset_elitismo=1;
}
for (int i=offset_elitismo; i<pob.tamaño();i=i+2){
ArrayList indiv1 = seleccion_cruce(pob);
ArrayList indiv2 = seleccion_cruce(pob);
POBLACION nuevo_individuo = cruce(indiv1, indiv2);
nueva_poblacion.guardar_solucion(i, nuevo_individuo.get_individuo_solucion(0));
nueva_poblacion.guardar_solucion(i+1, nuevo_individuo.get_individuo_solucion(1));
}
for (int i=offset_elitismo; i<nueva_poblacion.tamaño(); i++){
mutar(nueva_poblacion.get_individuo_solucion(i));
}
return nueva_poblacion ;
}
public static ArrayList seleccion_cruce(POBLACION pob){
// crear una pobacion para el torneo
POBLACION poblacion_torneo = new POBLACION(tamaño_torneo, false);
for (int i=0; i<tamaño_torneo; i++){
int indice_aleatorio = (int)MetodoAleatorio.randomInt(pob.tamaño());
poblacion_torneo.guardar_solucion(i, pob.get_individuo_solucion(indice_aleatorio));
}
ArrayList max_ajustado = poblacion_torneo.mas_ajustado();
return max_ajustado;
}
public static POBLACION cruce(ArrayList padre1, ArrayList padre2){
int longitud = padre1.size();
11
6
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
POBLACION hijos = new POBLACION(2,false);
ArrayList hijo1 = INDIVIDUO.generateIngividuoAleatorioCruce();
ArrayList hijo2 = INDIVIDUO.generateIngividuoAleatorioCruce();
hijos.guardar_solucion(0, hijo1);
hijos.guardar_solucion(1, hijo2);
crossoverPoints = MetodoAleatorio.randomCP(padre1 , 2);
firstPoint = crossoverPoints[0];
secondPoint = crossoverPoints[1];
for (int i=firstPoint; i<secondPoint; i++){
Object gene = padre1.get(i);
hijo1.set(i, gene);
Object geneDos = padre2.get(i);
hijo2.set(i, geneDos);
}
int indexChild1 = secondPoint;
int indexChild2 = secondPoint;
for (int i=secondPoint; i<longitud; i++){
Object gene2 = padre2.get(i);
if (indexChild1>=longitud){
indexChild1 = 0;
}
hijo1.set(indexChild1, gene2);
indexChild1++;
Object gene2Dos = padre1.get(i);
if (indexChild2>=longitud){
indexChild2 = 0;
}
hijo2.set(indexChild2, gene2Dos);
indexChild2++;
}
for (int i=0; i<firstPoint; i++){
Anexo A. Código de programación algoritmo genético 117
Object gene3 = padre2.get(i);
if (indexChild1>=longitud){
indexChild1=0;
}
hijo1.set(indexChild1, gene3);
indexChild1++;
}
Object gene3Dos = padre1.get(i);
if (indexChild2>=longitud){
indexChild2=0;
}
hijo2.set(indexChild2, gene3Dos);
indexChild2++;
}
return hijos;
}
public static void mutar(ArrayList indiv){
for (int posicion1 = 0; posicion1 < indiv.size(); posicion1++){
if(Math.random() < porcentaje_mutacion){
crossoverPoints = MetodoAleatorio.randomCP(indiv , 1);
firstPoint = crossoverPoints[0];
Object gene = (float) Math.round(Math.random()*1000)/1000;
indiv.set(firstPoint, gene);
}
}
}
public static String imprimirIndividuo(ArrayList[] individuo){
11
8
Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
String imprimir = "[";
for (int i=0; i<individuo.length; i++){
imprimir += individuo[i].toString() + "\n";
}
imprimir += "]";
return imprimir;
}
public static double fitness_desdeAlgoritmo(ArrayList individuo){
costo = 1/Fitness.prueba_measureCost(individuo);
System.out.println("fitness "+costo);
return costo;
}
public static void swapGenes(ArrayList per, Object a, Object b){
int indexA = per.indexOf(a);
int indexB = per.indexOf(b);
per.set( indexA, b);
per.set(indexB, a);
}
}
Bibliografía
Aastrup, J., Kotzab, H., Grant, D. B., Teller, C., & Bjerre, M. (2008). A model for
structuring efficient consumer response measures. International Journal of Retail &
Distribution Management, 36(8), 590–606.
https://doi.org/10.1108/09590550810883450
Achabal, D., McIntyre, S., Smith, S., & Kalyanam, K. (2000). A decision support system
for vendor managed inventory. Journal of Retailing, 76(4), 430–454. Retrieved from
http://www.sciencedirect.com.ezproxy.fiu.edu/science/article/B6W5D-423RHNK-
2/2/c09e00397a63df402de73771dfb77af4
Akbari Kaasgari, M., Imani, D. M., & Mahmoodjanloo, M. (2017). Optimizing a vendor
managed inventory (VMI) supply chain for perishable products by considering
discount: Two calibrated meta-heuristic algorithms. Computers & Industrial
Engineering, 103, 227–241. https://doi.org/10.1016/j.cie.2016.11.013
Alcaraz, J. L. G., Maldonado, A. A., Iniesta, A. A., Robles, G. C., & Hernández, G. A.
(2014). A systematic review/survey for JIT implementation: Mexican maquiladoras as
case study. Computers in Industry, 65(4), 761–773.
https://doi.org/10.1016/j.compind.2014.02.013
Alftan, A., Kaipia, R., Loikkanen, L., & Spens, K. (2015). Centralised grocery supply chain
planning: improved exception management. International Journal of Physical
Distribution & Logistics Management, 45(3), 237–259.
https://doi.org/10.1108/IJPDLM-02-2014-0017
Amer, Y., Luong, L., & Lee, S.-H. (2010). Case study: Optimizing order fulfillment in a
global retail supply chain. International Journal of Production Economics, 127(2),
278–291. https://doi.org/https://doi.org/10.1016/j.ijpe.2009.08.020
Arango, M. D., Adarme, W., & Zapata, J. A. (2013). Inventarios Colaborativos En La
Optimización De La Cadena De Suministros. DYNA: Revista de La Facultad de
Minas. Universidad Nacional de Colombia. Sede Medellín, 80(181), 71–80.
120 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Retrieved from
http://www.revistas.unal.edu.co/index.php/dyna/article/viewFile/37629/42259
Arango, M., Zapata, J., & Jaimes, W. (2011). Aplicación del modelo de inventario
manejado por el vendedor en una empresa del sector alimentario colombiano.
Revista EIA, 15, 21–32. Retrieved from
http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1794-
12372011000100003&nrm=iso
Arango Serna, M. D., Zapata Cortes, J. A., & Gutierrez Sepulveda, D. (2015). Modeling
The Inventory Routing Problem (IRP) With Multiple Depots With Genetic Algorithms.
IEEE Latin America Transactions, 13(12), 3959–3965.
https://doi.org/10.1109/TLA.2015.7404933
Ashraf, Z., Malhotra, D., Muhuri, P. K., & Danish Lohani, Q. M. (2017). Interval type-2
fuzzy demand based vendor managed inventory model. 2017 IEEE International
Conference on Fuzzy Systems (FUZZ-IEEE), 1–6. https://doi.org/10.1109/FUZZ-
IEEE.2017.8015738
Attaran, M., & Attaran, S. (2007). Collaborative supply chain management. Business
Process Management Journal, 13(3), 390–404.
https://doi.org/10.1108/14637150710752308
Babekian, S., Hariga, M., & Bahroun, Z. (2017). Integrated Economic and Environmental
Two-stage Supply Chain Model under Vendor Managed Consignment Inventory
Partnership. In 2017 7th International Conference on Modeling, Simulation, and
Applied Optimization (pp. 1–16). Sharjah, United Arab Emirates.
https://doi.org/10.1109/ICMSAO.2017.7934862
Bahinipati, B. K., & Deshmukh, S. G. (2014). Lateral Collaboration in Semiconductor
Industry Supply Networks. International Journal of Information Systems and Supply
Chain Management, 7(3), 39–79. https://doi.org/10.4018/ijisscm.2014070103
Bahinipati, B. K., Kanda, A., & Deshmukh, S. G. (2009). Horizontal collaboration in
semiconductor manufacturing industry supply chain: An evaluation of collaboration
intensity index. Computers and Industrial Engineering, 57(3), 880–895.
https://doi.org/10.1016/j.cie.2009.03.003
Ballou, R. (2004). Logística Administración de la cadena de suministro (Quinta Edi).
Mexico: Pearson Educación.
Bibliografía 121
Banerjee, A. (1986). Note—On “A Quantity Discount Pricing Model to Increase Vendor
Profits.” Management Science, 32(11), 1513–1517.
https://doi.org/10.1287/mnsc.32.11.1513
Barratt, M. (2004). Understanding the meaning of collaboration in the supply chain.
Supply Chain Management, 9(1), 30–42.
https://doi.org/10.1108/13598540410517566
Barratt, M., & Oliveira, A. (2001). Exploring the experiences of collaborative planning
initiatives. International Journal of Physical Distribution & Logistics Management,
31(4), 266–289. https://doi.org/10.1108/09600030110394932
Bastos, L. dos S. L., Mendes, M. L., Nunes, D. R. de L., Melo, A. C. S., & Carneiro, M. P.
(2017). A systematic literature review on the joint replenishment problem solutions:
2006-2015. Production, 27(0), 2006–2015. https://doi.org/10.1590/0103-
6513.222916
Bhatnagar, R., & Teo, C. (2009). Role of logistics in enhancing competitive advantage.
International Journal of Physical Distribution & Logistics Management, 39(3), 202–
226. https://doi.org/10.1108/09600030910951700
Boctor, F. F., & Bolduc, M.-C. (2018). The inventory replenishment planning and
staggering problem: a bi-objective approach. 4OR, 16(2), 199–224.
https://doi.org/10.1007/s10288-017-0362-2
Bowersox, D. J., Closs, D. J., & Cooper, M. B. (2007). Administración y logística en la
cadena de suministros. https://doi.org/10.1017/CBO9781107415324.004
Bozarth, C., Handfield, R., & Das, A. (1998). Stages of global sourcing strategy evolution:
an exploratory study. Journal of Operations Management, 16(2–3), 241–255.
https://doi.org/10.1016/S0272-6963(97)00040-5
Cao, M., & Zhang, Q. (2010). Supply chain collaborative advantage: A firm’s perspective.
International Journal of Production Economics, 128(1), 358–367.
https://doi.org/10.1016/j.ijpe.2010.07.037
Cassivi, L. (2006). Collaboration planning in a supply chain. Supply Chain Management,
11(3), 249–258. https://doi.org/10.1108/13598540610662158
Cavusgil, S. T., Yaprak, A., & Yeoh, P.-L. (1993). A decision-making framework for global
sourcing. International Business Review, 2(2), 143–156.
https://doi.org/10.1016/0969-5931(93)90011-K
Chan, F. T. S., & Prakash, A. (2012). Inventory management in a lateral collaborative
122 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
manufacturing supply chain: a simulation study. International Journal of Production
Research, 50(16), 4670–4685. https://doi.org/10.1080/00207543.2011.628709
Chang, K. K., & Wang, F. K. (2008). Applying six sigma methodology to collaborative
forecasting. International Journal of Advanced Manufacturing Technology, 39(9–10),
1033–1044. https://doi.org/10.1007/s00170-007-1276-5
Chang, T., Fu, H., Lee, W., Lin, Y., & Hsueh, H. (2007). A study of an augmented CPFR
model for the 3C retail industry. Supply Chain Management: An International
Journal, 12(3), 200–209. https://doi.org/10.1108/13598540710742518
Chen, L.-T. (2017). Buyer–supplier relationship and optimisation model in a dynamic
collaborative network with shortages allowed. International Journal of Computer
Integrated Manufacturing, 30(7), 755–767.
https://doi.org/10.1080/0951192X.2015.1067919
Chen, T.-H., & Chen, J.-M. (2005). Optimizing supply chain collaboration based on joint
replenishment and channel coordination. Transportation Research Part E: Logistics
and Transportation Review, 41(4), 261–285.
https://doi.org/https://doi.org/10.1016/j.tre.2004.06.003
Chen, Y., Wahab, M. I. M., & Ongkunaruk, P. (2016). A joint replenishment problem
considering multiple trucks with shipment and resource constraints. Computers &
Operations Research, 74, 53–63. https://doi.org/10.1016/j.cor.2016.04.012
Chen, Z., & Hua Tan, K. (2011). The perceived impact of JIT implementation on
operations performance. Journal of Advances in Management Research, 8(2), 213–
235. https://doi.org/10.1108/09727981111175957
Cheng, J.-H. (2011). Inter-organizational relationships and knowledge sharing in green
supply chains—Moderating by relational benefits and guanxi. Transportation
Research Part E: Logistics and Transportation Review, 47(6), 837–849.
https://doi.org/10.1016/j.tre.2010.12.008
Cho, J. (2000). Benefits and challenges of global sourcing : perceptions of, 1999.
Chopra, S., & Meindl, P. (2008). Administración de la cadena de suministro. Estrategia,
Planeación y Operación. (PEARSON EDUCACIÓN, Ed.) (3rd ed., Vol. 1). Mexico.
Chopra, S., & Meindl, P. (2013). Administración de la cadena de suministro. Estrategia,
planeación y operación. (5ta ed.). México: PEARSON EDUCACIÓN.
Chopra, S., & Sodhi, M. S. (2004). Managing Risk to Avoid Supply-Chain Breakdown. MIT
Bibliografía 123
Sloan Management Review, 46(1), 53–61.
Christopher, M. (2016). Logistics & Supply Chain Management (4ta ed.). Pearson UK.
Christopher, M., & Towill, D. R. (2002). Developing Market Specific Supply Chain
Strategies. The International Journal of Logistics Management, 13(1), 1–14.
https://doi.org/10.1108/09574090210806324
Chung, W., Talluri, S., & Kovács, G. (2018). Investigating the effects of lead-time
uncertainties and safety stocks on logistical performance in a border-crossing JIT
supply chain. Computers and Industrial Engineering, 118(March), 440–450.
https://doi.org/10.1016/j.cie.2018.03.018
Claassen, M. J. T., Van Weele, A. J., & Van Raaij, E. M. (2008). Performance outcomes
and success factors of vendor managed inventory (VMI). Supply Chain
Management, 13(6), 406–414. https://doi.org/10.1108/13598540810905660
Coelho, L. C., & Laporte, G. (2014). Optimal joint replenishment, delivery and inventory
management policies for perishable products. Computers & Operations Research,
47, 42–52. https://doi.org/10.1016/j.cor.2014.01.013
Colotla, I., Shi, Y., & Gregory, M. J. (2003). Operation and performance of international
manufacturing networks. International Journal of Operations & Production
Management, 23(10), 1184–1206. https://doi.org/10.1108/01443570310496625
Davy, J. A., White, R. E., Merritt, N. J., & Gritzmacher, K. (1992). A Derivation of the
Underlying Constructs of Just-In-Time Management Systems. Academy of
Management Journal, 35(3), 653–670. https://doi.org/10.5465/256491
de Almeida, M. M. K., Marins, F. A. S., Salgado, A. M. P., Santos, F. C. A., & da Silva, S.
L. (2015). Mitigation of the bullwhip effect considering trust and collaboration in
supply chain management: a literature review. The International Journal of Advanced
Manufacturing Technology, 77(1–4), 495–513. https://doi.org/10.1007/s00170-014-
6444-9
De Giovanni, D., & Massabò, I. (2018). Capacity investment under uncertainty: The effect
of volume flexibility. International Journal of Production Economics, 198, 165–176.
https://doi.org/10.1016/j.ijpe.2018.01.030
Demeter, K. (2014). Operating internationally—The impact on operational performance
improvement. International Journal of Production Economics, 149, 172–182.
https://doi.org/10.1016/j.ijpe.2013.06.008
Demiray, A., Akay, D., Tekin, S., & Boran, F. E. (2017). A holistic and structured CPFR
124 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
roadmap with an application between automotive supplier and its aftermarket
customer. International Journal of Advanced Manufacturing Technology, 91(5–8),
1567–1586. https://doi.org/10.1007/s00170-016-9848-x
Dupre, K., & Gruen, T. W. (2004). The use of category management practices to obtain a
sustainable competitive advantage in the fast‐moving‐consumer‐goods industry.
Journal of Business & Industrial Marketing, 19(7), 444–459.
https://doi.org/10.1108/08858620410564391
Egelhoff, W. G. (2010). How the Parent Headquarters Adds Value to an MNC.
Management International Review, 50(4), 413–431. https://doi.org/10.1007/s11575-
010-0043-2
Ellram, L. M., & Cooper, M. C. (1990). Supply Chain Management, Partnership, and the
Shipper ‐ Third Party Relationship. The International Journal of Logistics
Management, 1(2), 1–10. https://doi.org/10.1108/95740939080001276
Farhat, M., Akbalik, A., Sauer, N., & Hadj-Alouane, A. B. (2018). Inventory replenishment
planning with a full truckload cost and a full return policy. IFAC-PapersOnLine,
51(11), 259–263. https://doi.org/10.1016/j.ifacol.2018.08.286
Fawcett, S. E., Fawcett, S. E., Watson, B. J., & Magman, G. M. (2012). Peeking inside the
Black BoxL Toward an Understanding of Supply Chain Collbration Dynamics.
Journal of Supply Chain Management, 48(1), 44–72.
Ferdows, K. (1997). Making the most of foreign factories. Harvard Business Review,
75(2), 73–88. https://doi.org/Article
Fisher, M., & Raman, A. (1996). Reducing the Cost of Demand Uncertainty Through
Accurate Response to Early Sales. Operations Research, 44(1), 87–99.
https://doi.org/10.1287/opre.44.1.87
Fliedner, G. (2003). CPFR: An emerging supply chain tool. Industrial Management and
Data Systems, 103(1–2), 14–21. https://doi.org/10.1108/02635570310456850
Gelderman, C. J., & Semeijn, J. (2006). Managing the global supply base through
purchasing portfolio management. Journal of Purchasing and Supply Management,
12(4), 209–217. https://doi.org/10.1016/j.pursup.2006.10.002
Gereffi, G., Humphrey, J., & Sturgeon, T. (2005). The governance of global value chains.
Review of International Political Economy, 12(1), 78–104.
https://doi.org/10.1080/09692290500049805
Bibliografía 125
Ghosh, A., & Fedorowicz, J. (2008). The role of trust in supply chain governance.
Business Process Management Journal, 14(4), 453–470.
https://doi.org/10.1108/14637150810888019
Golhar, D. Y., & Stamm, C. L. (1991). The just-in-time philosophy: A literature review.
International Journal of Production Research, 29(4), 657–676.
https://doi.org/10.1080/00207549108930094
Golini, R., & Kalchschmidt, M. (2011). Moderating the impact of global sourcing on
inventories through supply chain management. International Journal of Production
Economics, 133(1), 86–94. https://doi.org/10.1016/j.ijpe.2010.06.011
Gong, Y. (2013). Global Operations Strategy. Berlin, Heidelberg: Springer Berlin
Heidelberg. https://doi.org/10.1007/978-3-642-36708-3
Goyal, S. K., & Deshmukh, S. G. (1993). Discussion A note on “The economic ordering
quantity for jointly replenishing items.” International Journal of Production Research,
31(12), 2959–2961. https://doi.org/10.1080/00207549308956910
Grudinschi, D., Sintonen, S., & Hallikas, J. (2014). Relationship risk perception and
determinants of the collaboration fluency of buyer–supplier relationships in public
service procurement. Journal of Purchasing and Supply Management, 20(2), 82–91.
https://doi.org/10.1016/j.pursup.2014.03.004
Ha, B. C., Park, Y. K., & Cho, S. (2011). Suppliers’ affective trust and trust in competency
in buyers: Its effect on collaboration and logistics efficiency. International Journal of
Operations and Production Management, 31(1), 56–77.
https://doi.org/10.1108/01443571111098744
Handfield, R. B. (1994). US Global Sourcing: Patterns of Development. International
Journal of Operations & Production Management, 14(6), 40–51.
https://doi.org/10.1108/01443579410062077
Hariga, M., Gumus, M., Daghfous, A., & Goyal, S. K. (2013). A vendor managed inventory
model under contractual storage agreement. Computers & Operations Research,
40(8), 2138–2144. https://doi.org/10.1016/j.cor.2013.03.005
Harris, J. K., Swatman, P. M. C., & Kurnia, S. (1999). Efficient consumer response (ECR):
a survey of the Australian grocery industry. Supply Chain Management: An
International Journal, 4(1), 35–42. https://doi.org/10.1108/13598549910255077
Harrison, A., & Fichtinger, J. (2013). Managing variability in ocean shipping. The
International Journal of Logistics Management, 24(1), 7–21.
126 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
https://doi.org/10.1108/IJLM-05-2013-0052
Hezarkhani, B., Slikker, M., & Van Woensel, T. (2018). Collaborative replenishment in the
presence of intermediaries. European Journal of Operational Research, 266(1), 135–
146. https://doi.org/https://doi.org/10.1016/j.ejor.2017.09.033
Hill, C. A., Zhang, G. P., & Miller, K. E. (2018). Collaborative planning, forecasting, and
replenishment & firm performance: An empirical evaluation. International
Journal of Production Economics, 196(April 2017), 12–23.
https://doi.org/10.1016/j.ijpe.2017.11.012
Hoffman, J. M., & Mehra, S. (2000). Efficient consumer response as a supply chain
strategy for grocery businesses. International Journal of Service Industry
Management, 11(4), 365–373. https://doi.org/10.1108/09564230010355386
Holweg, M., Reichhart, A., & Hong, E. (2011). On risk and cost in global sourcing.
International Journal of Production Economics, 131(1), 333–341.
https://doi.org/10.1016/j.ijpe.2010.04.003
Hudnurkar, M., Jakhar, S., & Rathod, U. (2014). Factors Affecting Collaboration in Supply
Chain: A Literature Review. Procedia - Social and Behavioral Sciences, 133, 189–
202. https://doi.org/10.1016/j.sbspro.2014.04.184
Jain, N., Girotra, K., & Netessine, S. (2014). Managing Global Sourcing : Inventory
Performance Managing Global Sourcing : Inventory Performance, (August).
https://doi.org/10.1287/mnsc.2013.1816
Jeng, D. J.-F. (2015). Generating a causal model of supply chain collaboration using the
fuzzy DEMATEL technique. Computers & Industrial Engineering, 87, 283–295.
https://doi.org/https://doi.org/10.1016/j.cie.2015.05.007
Jiang, G., & Liu, Y. (2012). Research on Collaborative Forecasting Model Based on
CPFR. In Y. Wu (Ed.), Software Engineering and Knowledge Engineering: Theory
and Practice: Volume 1 (pp. 523–529). Berlin, Heidelberg: Springer Berlin
Heidelberg. https://doi.org/10.1007/978-3-642-03718-4_65
Jiménez, J. (2005). Estado del arte de los modelos matemáticos para la coordinación de
inventarios en la cadena de suministro, (281), 116.
Jimenez Sanchez, J. E. (2005). Estado del arte de los modelos matematicos para la
coordinacion de inventarios en la cadena de suministro. Publicación Técnica, (281),
116. Retrieved from
Bibliografía 127
http://www.imt.mx/archivos/Publicaciones/PublicacionTecnica/pt281.pdf
Kähkönen, A.-K., & Lintukangas, K. (2012). The underlying potential of supply
management in value creation. Journal of Purchasing and Supply Management,
18(2), 68–75. https://doi.org/10.1016/j.pursup.2012.04.006
KASPI, M., & ROSENBLATT, M. J. (1991). On the economic ordering quantity for jointly
replenished items. International Journal of Production Research, 29(1), 107–114.
https://doi.org/10.1080/00207549108930051
Khouja, M., & Goyal, S. (2008). A review of the joint replenishment problem literature:
1989–2005. European Journal of Operational Research, 186(1), 1–16.
https://doi.org/10.1016/j.ejor.2007.03.007
Khouja, M., Michalewicz, Z., & Satoskar, S. S. (2000). A comparison between genetic
algorithms and the RAND method for solving the joint replenishment problem.
Production Planning & Control, 11(6), 556–564.
https://doi.org/10.1080/095372800414115
Kiesmüller, G. P. (2009). A multi-item periodic replenishment policy with full truckloads.
International Journal of Production Economics, 118(1), 275–281.
https://doi.org/10.1016/j.ijpe.2008.08.024
Kim, B., Leung, J. M. Y., Park, K., Zhang, G., & Lee, S. (2002). Configuring a
manufacturing firm’s supply network with multiple suppliers. IIE Transactions, 34(8),
663–677. https://doi.org/10.1080/07408170208928903
Kim, S. M., & Mahoney, J. T. (2010). Collaborative planning, forecasting and
replenishment (CPFR) as a relational contract: an incomplete contracting
perspective. International Journal of Learning and Intellectual Capital, 7(3/4), 403.
https://doi.org/10.1504/IJLIC.2010.034377
Kurnia, S., & Johnston, R. B. (2001). Adoption of efficient consumer response: the issue
of mutuality. Supply Chain Management: An International Journal, 6(5), 230–241.
https://doi.org/10.1108/13598540110407778
Kurnia, S., & Johnston, R. B. (2003). Adoption of efficient consumer response: key issues
and challenges in Australia. Supply Chain Management: An International Journal,
8(3), 251–262. https://doi.org/10.1108/13598540310484645
Lan, H. J., Zhao, L., Su, L., & Liu, Z. G. (2014). Food Cold Chain Equilibrium Based on
Collaborative Replenishment. Journal of Applied Research and Technology, 12(2),
201–211. https://doi.org/https://doi.org/10.1016/S1665-6423(14)72336-3
128 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Lehoux, N., D’Amours, S., & Langevin, A. (2011). Methodology for Assessing
Collaboration Strategies and Incentives in the Pulp and Paper Industry. In T.-M. Choi
& T. C. E. Cheng (Eds.), Supply Chain Coordination under Uncertainty (pp. 625–
650). Berlin, Heidelberg: Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-
642-19257-9_25
Li, C., Xu, X., & Zhan, D. (2009). Solving joint replenishment problem with deteriorating
items using genetic algorithm. Journal of Advanced Manufacturing Systems, 8(1),
47–56. https://doi.org/10.1142/S0219686709001626
Li, L., Zhang, L., & Willamowska-Korsak, M. (2014). The effects of collaboration on build-
to-order supply chains: with a comparison of BTO, MTO, and MTS. Information
Technology and Management, 15(2), 69–79. https://doi.org/10.1007/s10799-014-
0179-z
Lowson, R. H. (2002). Assessing the Operational Cost of Offshore Sourcing Strategies.
The International Journal of Logistics Management, 13(2), 79–90.
https://doi.org/10.1108/09574090210806441
Lyu, J., Ding, J.-H., & Chen, P.-S. (2010). Coordinating replenishment mechanisms in
supply chain: From the collaborative supplier and store-level retailer perspective.
International Journal of Production Economics, 123(1), 221–234.
https://doi.org/10.1016/j.ijpe.2009.07.017
M. Ralston, P., Richey, R. G., & J. Grawe, S. (2017). The past and future of supply chain
collaboration: a literature synthesis and call for research. The International Journal of
Logistics Management, 28(2), 508–530. https://doi.org/10.1108/IJLM-09-2015-0175
Manuj, I., & Mentzer, J. T. (2008). Global supply chain risk management strategies.
International Journal of Physical Distribution & Logistics Management, 38(3), 192–
223. https://doi.org/10.1108/09600030810866986
Márcio Tavares Thomé, A., Luis Hollmann, R., & Scavarda do Carmo, L. F. R. R. (2014).
Research synthesis in collaborative planning forecast and replenishment. Industrial
Management & Data Systems, 114(6), 949–965. https://doi.org/10.1108/IMDS-03-
2014-0085
Marquès, G., Thierry, C., Lamothe, J., & Gourc, D. (2010). A review of Vendor Managed
Inventory (VMI): from concept to processes. Production Planning & Control, 21(6),
547–561. https://doi.org/10.1080/09537287.2010.488937
Bibliografía 129
Mason, R., Lalwani, C., & Boughton, R. (2007). Combining vertical and horizontal
collaboration for transport optimisation. Supply Chain Management, 12(3), 187–199.
https://doi.org/10.1108/13598540710742509
Mateen, A., Chatterjee, A. K., & Mitra, S. (2015). VMI for single-vendor multi-retailer
supply chains under stochastic demand. Computers & Industrial Engineering, 79,
95–102. https://doi.org/10.1016/j.cie.2014.10.028
McCarthy, T. M., & Golicic, S. L. (2002). Implementing collaborative forecasting to
improve supply chain performance. International Journal of Physical Distribution &
Logistics Management, 32(6), 431–454. https://doi.org/10.1108/09600030210437960
Mehra, S., & Inman, R. A. (1992). Determining the Critical Elements of Just-In-Time
Implementation. Decision Sciences, 23(1), 160–174. https://doi.org/10.1111/j.1540-
5915.1992.tb00382.x
Mentzer, J. T., DeWitt, W., Keebler, J. S., Min, S., Nix, N. W., Smith, C. D., & Zacharia, Z.
G. (2001). DEFINING SUPPLY CHAIN MANAGEMENT. Journal of Business
Logistics, 22(2), 1–25. https://doi.org/10.1002/j.2158-1592.2001.tb00001.x
Meredith Smith, J. (1999). Item selection for global purchasing. European Journal of
Purchasing & Supply Management, 5(3–4), 117–127. https://doi.org/10.1016/S0969-
7012(99)00016-7
Min, H., & Yu, W. B. “Vincent.” (2008). Collaborative planning, forecasting and
replenishment: demand planning in supply chain management. International Journal
of Information Technology and Management, 7(1), 4.
https://doi.org/10.1504/IJITM.2008.015886
Min, S., Roath, A. S., Daugherty, P. J., Genchev, S. E., Chen, H., Arndt, A. D., & Glenn
Richey, R. (2005). Supply chain collaboration: what’s happening? The International
Journal of Logistics Management, 16(2), 237–256.
https://doi.org/10.1108/09574090510634539
Moon, I. K., & Cha, B. C. (2006). The joint replenishment problem with resource
restriction. European Journal of Operational Research, 173(1), 190–198.
https://doi.org/10.1016/j.ejor.2004.11.020
Motwani, J., Larson, L., & Ahuja, S. (1998). Managing a global supply chain partnership.
Logistics Information Management, 11(6), 349–354.
https://doi.org/10.1108/09576059810242453
Nagasawa, K., Irohara, T., Matoba, Y., & Liu, S. (2015). Applying Genetic Algorithm for
130 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
Can-Order Policies in the Joint Replenishment Problem. Industrial Engineering and
Management Systems, 14(1), 1–10. https://doi.org/10.7232/iems.2015.14.1.001
Narasimhan, R., & Mahapatra, S. (2004). Decision models in global supply chain
management. Industrial Marketing Management, 33(1), 21–27.
https://doi.org/10.1016/j.indmarman.2003.08.006
Nematollahi, M., Hosseini-Motlagh, S.-M., Ignatius, J., Goh, M., & Saghafi Nia, M. (2018).
Coordinating a socially responsible pharmaceutical supply chain under periodic
review replenishment policies. Journal of Cleaner Production, 172, 2876–2891.
https://doi.org/10.1016/j.jclepro.2017.11.126
Olsen, A. L. (2005). An evolutionary algorithm to solve the joint replenishment problem
using direct grouping. Computers & Industrial Engineering, 48(2), 223–235.
https://doi.org/10.1016/j.cie.2005.01.010
Olsen, A. L. (2008). Inventory replenishment with interdependent ordering costs: An
evolutionary algorithm solution. International Journal of Production Economics,
113(1), 359–369. https://doi.org/10.1016/j.ijpe.2007.09.004
Otero, C., & Amaya, R. (2017). A cost- effective collaborative inventory management
strategy between non-competitor companies - A case study. In International
Conference on Industrial Engineering and Operations Management (pp. 948–960).
Bogotá.
Panahifar, F., Ghadimi, P., Azadnia, A. H., Heavey, C., & Byrne, P. J. (2015). A study on
CPFR implementation critical factors for the automotive spare part industry.
Proceedings - 8th EUROSIM Congress on Modelling and Simulation, EUROSIM
2013, 1–6. https://doi.org/10.1109/EUROSIM.2013.11
Panahifar, F., Heavey, C., Byrne, P., & Fazlollahtabar, H. (2015). A framework for
Collaborative Planning, Forecasting and Replenishment (CPFR). Journal of
Enterprise Information Management, 28(6), 838–871. https://doi.org/10.1108/JEIM-
09-2014-0092
Pasandideh, S. H. R., Niaki, S. T. A., & Ahmadi, P. (2018). Vendor-managed inventory in
the joint replenishment problem of a multi-product single-supplier multiple-retailer
supply chain. Journal of Modelling in Management, 13(1), 156–178.
https://doi.org/10.1108/JM2-11-2016-0099
Pearce, A. M. (1996). Efficient consumer response: managing the supply chain for
Bibliografía 131
“ultimate” consumer satisfaction. Supply Chain Management: An International
Journal, 1(2), 11–14. https://doi.org/10.1108/13598549610799068
Perry, M., & Sohal, A. S. (2001). Effective quick response practices in a supply chain
partnership ‐ An Australian case study. International Journal of Operations &
Production Management, 21(5/6), 840–854.
https://doi.org/10.1108/01443570110390516
Poler, R., Hernandez, J. E., Mula, J., & Lario, F. C. (2008). Collaborative forecasting in
networked manufacturing enterprises. Journal of Manufacturing Technology
Management, 19(4), 514–528. https://doi.org/10.1108/17410380810869941
Porras, E., & Dekker, R. (2008). A solution method for the joint replenishment problem
with correction factor. International Journal of Production Economics, 113(2), 834–
851. https://doi.org/10.1016/j.ijpe.2007.11.008
Pramatari, K. (2007). Collaborative supply chain practices and evolving technological
approaches. Supply Chain Management: An International Journal, 12(3), 210–220.
https://doi.org/10.1108/13598540710742527
Qin, Z., & Kar, S. (2013). Single-period inventory problem under uncertain environment.
Applied Mathematics and Computation, 219(18), 9630–9638.
https://doi.org/10.1016/j.amc.2013.02.015
Rad, R. H., Razmi, J., Sangari, M. S., & Ebrahimi, Z. F. (2014). Optimizing an integrated
vendor-managed inventory system for a single-vendor two-buyer supply chain with
determining weighting factor for vendor׳s ordering cost. International Journal of
Production Economics, 153, 295–308.
https://doi.org/https://doi.org/10.1016/j.ijpe.2014.03.013
Ramanathan, U. (2013). Aligning supply chain collaboration using Analytic Hierarchy
Process. Omega (United Kingdom), 41(2), 431–440.
https://doi.org/10.1016/j.omega.2012.03.001
Ramanathan, U. (2014). Performance of supply chain collaboration – A simulation study.
Expert Systems with Applications, 41(1), 210–220.
https://doi.org/10.1016/j.eswa.2013.07.022
Ramarapu, N. K., Mehra, S., & Frolick, M. N. (1995). A comparative analysis and review
of JIT “implementation” research. International Journal of Operations & Production
Management, 15(1), 38–49. https://doi.org/10.1108/01443579510077188
Reyes, P. M., & Bhutta, K. (2005). Efficient consumer response: literature review.
132 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
International Journal of Integrated Supply Management, 1(4), 346.
https://doi.org/10.1504/IJISM.2005.006301
Robinson, P., Narayanan, A., & Sahin, F. (2009). Coordinated deterministic dynamic
demand lot-sizing problem: A review of models and algorithms. Omega, 37(1), 3–15.
https://doi.org/10.1016/j.omega.2006.11.004
Rocky Newman, W., Hanna, M., & Jo Maffei, M. (1993). Dealing with the Uncertainties of
Manufacturing: Flexibility, Buffers and Integration. International Journal of Operations
& Production Management, 13(1), 19–34.
https://doi.org/10.1108/01443579310023972
Sadeghi, J., Mousavi, S. M., Niaki, S. T. A., & Sadeghi, S. (2013). Optimizing a multi-
vendor multi-retailer vendor managed inventory problem: Two tuned meta-heuristic
algorithms. Knowledge-Based Systems, 50, 159–170.
https://doi.org/10.1016/j.knosys.2013.06.006
Sakakibara, S., Flynn, B. B., & Schroeder, R. G. (2009). A framework and measurement
instrument for just-in-time manufacturing. Production and Operations Management,
2(3), 177–194. https://doi.org/10.1111/j.1937-5956.1993.tb00097.x
Salem, R. W. M., & Elomri, A. (2017). Vendor Managed Inventory (VMI): From Theory to
Practice. A Literature Review. International Journal of Supply Chain Management,
6(1), 68–93.
Sanchez Rodrigues, V., Harris, I., & Mason, R. (2015). Horizontal logistics collaboration
for enhanced supply chain performance: an international retail perspective. Supply
Chain Management, 20(6), 631–647. https://doi.org/10.1108/SCM-06-2015-0218
Sari, K. (2008). On the benefits of CPFR and VMI: A comparative simulation study.
International Journal of Production Economics, 113(2), 575–586.
https://doi.org/10.1016/j.ijpe.2007.10.021
Schleich, B. R., Seok, H., & Yoon, S. W. (2017). Performance assessment in
homogeneous/heterogeneous collaborative enterprise networks with inventory
adjustment. European Journal of Operational Research, 261(3), 958–970.
https://doi.org/10.1016/j.ejor.2017.03.015
Sheu, C., Rebecca Yen, H., & Chae, B. (2006). Determinants of supplier‐retailer
collaboration: evidence from an international study. International Journal of
Operations & Production Management, 26(1), 24–49.
Bibliografía 133
https://doi.org/10.1108/01443570610637003
Simatupang, T. M., & Sridharan, R. (2002). The Collaborative Supply Chain. The
International Journal of Logistics Management, 13(1), 15–30.
https://doi.org/10.1108/09574090210806333
Singh, S., & Garg, D. (2011). JIT System : Concepts , Benefits and Motivation in Indian
Industries. International Journal of Management & Business Studies, 1(1), 26–30.
Soosay, C. A., & Hyland, P. (2015). A decade of supply chain collaboration and directions
for future research. Supply Chain Management: An International Journal, 20(6), 613–
630. https://doi.org/10.1108/SCM-06-2015-0217
Stank, T. P., Keller, S. B., & Daugherty, P. J. (2001). SUPPLY CHAIN COLLABORATION
AND LOGISTICAL SERVICE PERFORMANCE. Journal of Business Logistics, 22(1),
29–48. https://doi.org/10.1002/j.2158-1592.2001.tb00158.x
Stevenson, M., & Spring, M. (2009). Supply chain flexibility: an inter‐firm empirical study.
International Journal of Operations & Production Management, 29(9), 946–971.
https://doi.org/10.1108/01443570910986238
Stock, G. N., Greis, N. P., & Kasarda, J. D. (2000). Enterprise logistics and supply chain
structure: the role of fit. Journal of Operations Management, 18(5), 531–547.
https://doi.org/10.1016/S0272-6963(00)00035-8
Susarla, N., & Karimi, I. A. (2018). Integrated production planning and inventory
management in a multinational pharmaceutical supply chain (Vol. 41, pp. 551–567).
Singapore. https://doi.org/10.1016/B978-0-444-63963-9.00022-1
Taleizadeh, A. A., Noori-daryan, M., & Cárdenas-Barrón, L. E. (2015). Joint optimization
of price, replenishment frequency, replenishment cycle and production rate in vendor
managed inventory system with deteriorating items. International Journal of
Production Economics, 159, 285–295. https://doi.org/10.1016/j.ijpe.2014.09.009
Thron, T., Nagy, G., & Wassan, N. (2006). The impact of various levels of collaborative
engagement on global and individual supply chain performance. International
Journal of Physical Distribution and Logistics Management.
https://doi.org/10.1108/09600030610702880
Valentini, G., & Zavanella, L. (2003). The consignment stock of inventories: industrial
case and performance analysis. International Journal of Production Economics, 81–
82, 215–224. https://doi.org/10.1016/S0925-5273(02)00300-6
Van Eijs, M. J. G., Heuts, R. M. J., & Kleijnen, J. P. C. (1992). Analysis and comparison of
134 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
two strategies for multi-item inventory systems with joint replenishment costs.
European Journal of Operational Research, 59(3), 405–412.
https://doi.org/10.1016/0377-2217(92)90197-H
Ventura-Dias, V., & Durán Lima, J. E. (2005). Comercio intrafirma:concepto alcance y
magnitud (Vol. 44). Santiago de Chile. Retrieved from
https://www.cepal.org/es/publicaciones/4384-comercio-intrafirma-concepto-alcance-
magnitud
Viswanathan, S. (1996). A New Optimal Algorithm for the Joint Replenishment Problem.
The Journal of the Operational Research Society, 47(7), 936.
https://doi.org/10.2307/3010139
Wahab, M. I. M., & Chen, Y. (2018). The joint replenishment problem with resource
restriction: A note. In 2018 5th International Conference on Industrial Engineering
and Applications (ICIEA) (pp. 345–348). IEEE.
https://doi.org/10.1109/IEA.2018.8387122
Wang, W. J., & Xu, Q. (2014). A Bayesian Combination Forecasting Model for Retail
Supply Chain Coordination. Journal of Applied Research and Technology, 12(2),
315–324. https://doi.org/https://doi.org/10.1016/S1665-6423(14)72347-8
Whipple, J. M., Lynch, D. F., & Nyaga, G. N. (2010). A buyer’s perspective on
collaborative versus transactional relationships. Industrial Marketing Management,
39(3), 507–518. https://doi.org/10.1016/j.indmarman.2008.11.008
Yang, P. C., & Wee, H. M. (2006). A collaborative inventory system with permissible delay
in payment for deteriorating items. Mathematical and Computer Modelling, 43(3–4),
209–221. https://doi.org/10.1016/j.mcm.2005.09.029
Yang, P. C., Wee, H. M., & Hsu, P. H. (2008). Collaborative vendor–buyer inventory
system with declining market. Computers & Industrial Engineering, 54(1), 128–139.
https://doi.org/https://doi.org/10.1016/j.cie.2007.06.041
Yang, W., Chan, F. T. S., & Kumar, V. (2012). Optimizing replenishment polices using
Genetic Algorithm for single-warehouse multi-retailer system. Expert Systems with
Applications, 39(3), 3081–3086. https://doi.org/10.1016/j.eswa.2011.08.171
Yao, Y., & Dresner, M. (2008). The inventory value of information sharing, continuous
replenishment, and vendor-managed inventory. Transportation Research Part E:
Logistics and Transportation Review, 44(3), 361–378.
Bibliografía 135
https://doi.org/10.1016/j.tre.2006.12.001
Yi-chen Lan, Bhuvan U. (2006). Global Integrated Supply Chain Systems. (Y.-C. Lan &
B. Unhelkar, Eds.). IGI Global. https://doi.org/10.4018/978-1-59140-611-2
Zapata-Cortes, J. A., Arango-Serna, M. D., & Saldarriaga-Romero, V. J. (2019). The
Constrained Joint Replenishment Problem Using Direct and Indirect Grouping
Strategies with Genetic Algorithms. In Best Practices in Manufacturing Processes
(pp. 239–259). Cham: Springer International Publishing. https://doi.org/10.1007/978-
3-319-99190-0_11
Zapata-Cortes, J. A., Arango-Serna, M. D., & Serna-Urán, C. A. (2018). Application of the
joint replenishment problem in a collaborative inventory approach to define resupply
plans in urban goods distribution contexts. DYNA, 85(207), 174–182.
https://doi.org/10.15446/dyna.v85n207.72546
Zapata, J. A. (2014). Fundamentos de la gestión de inventarios. (Centro Editorial Esumer,
Ed.). Medellín. Retrieved from
https://www.esumer.edu.co/images/centroeditorial/Libros/fei/libros/Fundamentosdela
gestiondeinventarios.pdf
Zapata, J. A. (2016). Optimización de la distribución de mercancías utilizando un modelo
genético multiobjetivo de inventario colaborativo de m proveedores con n clientes.
Universidad Nacional de Colombia.
Zavanella, L., & Zanoni, S. (2009). A one-vendor multi-buyer integrated production-
inventory model: The “Consignment Stock” case. International Journal of Production
Economics, 118(1), 225–232. https://doi.org/10.1016/j.ijpe.2008.08.044
Zeng, A. Z., & Rossetti, C. (2003). Developing a framework for evaluating the logistics
costs in global sourcing processes. International Journal of Physical Distribution &
Logistics Management, 33(9), 785–803. https://doi.org/10.1108/09600030310503334
Zhang, H., Deng, Y., Chan, F. T. S., & Zhang, X. (2013). A modified multi-criterion
optimization genetic algorithm for order distribution in collaborative supply chain.
Applied Mathematical Modelling, 37(14), 7855–7864.
https://doi.org/https://doi.org/10.1016/j.apm.2013.05.021
Zhang, T., Huang, G. Q., Qu, T., & Li, Z. (2013). Headquarter-centered common sourcing
management through order coordination and consolidation. Computers & Operations
Research, 40(8), 2011–2025. https://doi.org/10.1016/j.cor.2013.02.021
Zhao, Q. hong, Chen, S., Leung, S. C. H., & Lai, K. K. (2010). Integration of inventory and
136 Modelo de reabastecimiento colaborativo entre una empresa y sus filiales
internacionales
transportation decisions in a logistics system. Transportation Research Part E:
Logistics and Transportation Review, 46(6), 913–925.
https://doi.org/10.1016/j.tre.2010.03.001
Ziukov, S. (2015). A literature review on models of inventory management under
uncertainty. Business Systems & Economics, 5(1), 26. https://doi.org/10.13165/VSE-
15-5-1-03