Paulina Alejandra Avila Torres Asesor: Dr. Fernando López

Transcripción

1 Clasificación de inventario con métodos multicriterio Paulina Alejandra Avila Torres Asesor: Dr. Fernando López

2 Introducción Control de inventarios DIFICULTAD productos con diferentes características: costo no muy alto, rotación baja inversión considerable costo alto, rotación alta inversión baja Método ABC muy utilizado CONTROL ÓPTIMO INVENTARIOS

3 Introducción Método ABC DEBILIDAD no garantiza robustez en resultados SOLUCIÓN varios autores aplican métodos de clasificación multicriterio MOTIVACIÓN estudiar métodos de clasificación multicriterios para inventarios CASO DE ESTUDIO practikum realizado por estudiantes de PISIS en empresa PCM, primavera 2009

4 Objetivo General El objetivo de esta investigación consiste en desarrollar una metodología robusta para clasificar productos de inventario de una empresa tomando como base el método ABC a partir de clasificaciones obtenidas por varios métodos de clasificación multicriterio

5 Objetivos Particulares Familiarización con los principios teóricos y prácticos de las teorías clásicas de la decisión bajo certeza Fomentar el desarrollo de habilidades y capacidades en la conducción de una investigación asociada a un problema real Verificar en la aplicación a la solución de un problema interesante y real la efectividad de los métodos mas conocidos para la decisión multicriterio bajo certeza

6 Revisión bibliográfica Artículos Cantidad Relevantes Teoría de la decisión 4 Teoría de inventarios 4 - What is decision support - Decision Theory - Multiple attribute decision meaking - El grafico ABC como tecnica de gestion de inventarios - Una forma de clasificacion multicriterio ABC Métodos de clasificación 10 - A note on multi-criteria ABC inventpry classification using weigted linear optimization - A case-based distance model for multiple criteria ABC analysis - A comparative study on multicriteria ABC analysis in inventory management Teoría de la votación 2 -The Marquis de Condorcet and elections - Soft computing of the borda count fuzzy linguistic quantifiers

7 Metodología Seleccionar Métodos ADU Costo Tiempo de entrega Factor Critico Seleccionar criterios Bi-criterio Ng R-Modelo R-Modelo Extendido Jerarquización Jerarquización Jerarquización Jerarquización Clasificación final (consolidada) Clasificación

8 Métodos Método Modelo Fortalezas Debilidades Bi-Criterio Aplica la regla 80/20 para cada criterio R-Modelo R-Modelo Extendido Ng Modelo de distancia Función objetivo de maximización, utiliza una función de suma de pesos que debe ser menor o igual a uno Función objetivo de minimización, utiliza una suma de pesos que debe ser mayor o igual a uno. Obtiene un índice compuesto Programación lineal en forma canónica Función cuadrática que utiliza parámetros de ajuste inferior y superior Es un modelo sencillo de aplicar, toma en cuenta un criterio extra al ADU Cada articulo selecciona su propio peso y estima su puntuación Evita la subjetividad en la determinación de pesos Es sencillo de aplicar, no requiere optimizador lineal Es un método robusto No aplica cuando el tomador de decisiones desea incluir mas de dos criterios Si un articulo tiene un valor que domina a otros siempre será clasificado en el grupo A Cuando el índice obtenido esta muy alejado de los valores mínimo y máximo la clasificación resultante no es muy favorecedora Depende de la subjetividad del tomador de decisiones Requiere trabajar mas con el tomador de decisiones

9 Resultado Final No. Codigo FLORES Ng R-Model R-Model Ext. GRUPO GRUPO GRUPO GRUPO Rank ADU UANL 1 ATEPPMTSK44 B C C C C C C 2 ARIEPT120LK A C B C B A A 5 CSMBB215 B A A B A C B 6 AAVTDBBZ6K B C B C B C C 7 BIOPAQUE LBL B B A A A C A* 8 BIOPLAIN LBL B B A A A C B* 9 CPMPB120 C C C C C C C 11 CPMPB164 C C C C C C C 12 AAVEBOS246G C C C C C C B 14 AAVEBCD170G C C A B B C B* 15 CIFCS2C8 C C C C C C B 16 CTAKT200 C C A B B C C 18 AAVPCGR128K C C C C C C C 19 PAEFT12M A C B C B B C 20 COUCHE120G C C C C C C C 21 PAEFT19M B C B C B C B 22 AAVPLW5246K C C C C C C C 23 AMAPEDPAP0K A C B C B B B

10 Discrepancias No. Código Costo ADU Lead Time Factor Crítico RANK ADU UANL 2 ARIEPT120LK B A A 5 CSMBB A C B 6 AAVTDBBZ6K B C C 8 BIOPLAIN LBL A C B* 12 AAVEBOS246G C C B 15 CIFCS2C C C B 16 CTAKT B C C 19 PAEFT12M B B C 33 AAVEBGCWPT C B A* 45 AMAPLAAREM B C C 56 TF C C B* 68 SG B B A* 69 AMAPSPETP00K B C C 77 SIA A C C 79 TD32A B A A 80 AMAPTDBP00K B C C 84 TP B C A* 87 TT28F C A A 90 AAVPTTR519K A C B* 95 AAVINILBCO B C C 98 ATKEVOAP00K A C B* 100 PAEFM35M B C C

11 Conclusiones La clasificación ABC de productos o materias primas de inventarios no es un problema sencillo, depende de los criterios seleccionados y la subjetividad de los tomadores de decisiones. Para lograr una mayor robustez en los resultados se recomienda aplicar varios métodos multicriterio e identificar los productos discrepantes, asi el tomador de decisiones puede centrar su atención en estos. Considero que es un tema de gran interés del todavía se pueden hacer muchas innovaciones y talvez realizar mejoras a algunos métodos para así obtener una mejor clasificación Aprendí diversos temas relacionados con el apoyo a la decisión a través del estudio de muchos artículos científicos.