Propuesta de un marco de selección de variables para la reposición de productos

Proposition of a variable selection framework for product replenishment

Las empresas integradas en cadenas de suministro buscan constantemente iniciativas para mejorar el rendimiento global de la cadena, especialmente cuando se trata de suministrar productos y gestionar canales de distribución directos e indirectos. El VMI (Vendor Managed Inventory) ayuda a las empresas a gestionar y equilibrar mejor las existencias a lo largo de la cadena. Para que el VMI funcione correctamente, los parámetros y los modelos de cálculo deben ajustarse a las características de los productos y los lugares de reaprovisionamiento, que suelen describirse mediante un gran número de variables. Este artículo propone un sistema de selección de variables para clasificar los productos en los modelos de reaprovisionamiento. Para ello, utiliza el Análisis de Componentes Principales (ACP) junto con las herramientas de clasificación k-Nearest Neighbour (KNN) y Linear Discriminant Analysis (LDA). Cuando se aplicó a un estudio práctico en el sector de la consultoría de la cadena de suministro, el método propuesto alcanzó una precisión de clasificación del 90% conservando el 55% de las variables originales.

1. INTRODUCCIÓN

Con el aumento de la competencia mundial, la eficacia de los procesos internos de las organizaciones ha dejado de ser un factor diferenciador en el mercado. Las empresas integradas en una cadena de suministro deben prestar atención a todos sus eslabones y gestionar los procesos entre ellos con eficacia y flexibilidad, garantizando altos niveles de calidad y costes reducidos (SIMCHI-LEVI; KAMINSKY; SIMCHI-LEVI, 2000). En este contexto, la utilización de políticas adecuadas para la gestión de modelos de reposición de existencias, combinada con sistemas de transferencia de información a lo largo de la cadena, ha ofrecido potencial de diferenciación a diversas empresas del segmento industrial (HOBERG; THONEMANN, 2014).

El Análisis Multivariado (AMV) es una herramienta estadística que consiste en el análisis simultáneo de múltiples variables, que tienen la capacidad de explicar diversos comportamientos del sistema. El AVM puede ayudar a las empresas a comprender mejor sus procesos, lo que permite responder con mayor rapidez a los cambios del mercado, ofrecer productos y servicios más ajustados a las necesidades de los clientes y reducir los costes y el tiempo de funcionamiento. Además, la MVA permite transformar los datos disponibles en conocimiento para la toma de decisiones (HAIR JR et al., 2010; RENCHER; CHRISTENSEN, 2012).