Análisis Marginal en la Gestión de Inventarios de Productos Perecibles

En general la Gestión de Inventarios de productos perecibles enfrenta desafíos mayores en comparación a la determinación de tamaños de lotes de aquellos productos de ciclo de vida largo donde los productos se desvalorizan de forma más lenta y adicionalmente existe más de una oportunidad de venta. En este contexto el análisis marginal es una alternativa metodológica para enfrentar los problemas de determinación de tamaño de lote de producción o compra, bajo un contexto de incertidumbre (demanda incierta) donde existe una oportunidad única de orden o producción.

Si un producto es perecible (notar que bajo esta clasificación no sólo debemos considerar productos alimenticios) y la demanda excede la cantidad ordenada, entonces se pierde venta (lo que genera costos de quiebres de stock, los cuales son complejos de estimar según lo analizado en la clasificación de los costos de inventario). Por el contrario, si la demanda es menor que la cantidad ordenada entonces sobra inventario el cual puede o no tener un uso alternativo, no obstante por lo general el valor monetario que se logra rescatar de su uso alternativo no logra cubrir la totalidad del costo de compra o fabricación.

El análisis marginal enfrentar el problema de determinación de tamaño de lote de compra o producción de aquellos productos perecibles. Se enfoca en analizar lo que ocurre con el artículo a vender que tiene peor margen, y asegurar que este margen sea positivo. Si se venden “k” items, nos preocupa analizar el margen esperado (en probabilidad) del k-ésimo artículo en venderse. Si D representa la demanda (variable aleatoria) de un producto perecible, ¿cuál es la probabilidad de vender la k-ésima unidad del inventario?:

prob-demanda-mayor-o-igual-

La probabilidad de que la demanda total sea por lo menos k unidades!. Luego, la probabilidad de NO vender la k-ésima unidad es:

prob-demanda-menor-a-k

El margen esperado de la k-ésima unidad queda descrito por:

margen-k-esimo

Notar que la ganancia esperada es decreciente en la medida que aumenta el tamaño de pedido.

perdida-y-ganancia-esperada

En consecuencia, queremos encontrar el mayor valor de k tal que esta cantidad sea no negativa. Esto equivale a encontrar el mayor k tal que:

razon-critica-analisis-marg

Ejemplo Análisis Marginal en la Gestión de Inventarios

Un retailer especialista en artículos de moda debe decidir cuántas cajas de vestidos de la línea “Sass” pedir para la próxima temporada. Esta línea de vestidos es sumamente exclusiva y elaborada manualmente en Italia. Ya que se trata de un producto nuevo y altamente costoso, el Product Manager encargado de la compra pide ayuda a cinco expertos de la empresa. Juntos ellos pronostican que la demanda seguirá una distribución normal con media 10 cajas y desviación estándar igual a 2 cajas.

La ganancia por cada vestido vendido es de 24% del costo. Si no se vende un vestido, este debe ser liquidado, en cuál caso sólo se recupera el 64% del costo. Utilice el pronóstico de los expertos para modelar la demanda con una distribución normal, y determine la cantidad de cajas que debiera pedir el retailer a fin de maximizar sus ganancias. Indique el nivel de servicio instock que se ofrecerá a los clientes producto de esta estrategia. En su análisis suponga que es posible comprar (y vender) fracciones de cajas.

instock-analisis-marginal

El nivel de servicio instock es de un 40%. El tamaño óptimo de pedido (aproximado luego de ajustar el valor de Z(40%)) según el análisis marginal es:

solucion-analisis-marginal

Notar que el tamaño óptimo de pedido calculado anteriormente se puede corroborar haciendo uso del software Geogebra, donde luego de seleccionar la función de probabilidad teórica que representa el comportamiento de la demanda, se ingresan sus parámetros y el nivel de servicio (instock) objetivo.

z-alfa-0,4-geogebra

Otra alternativa es obtener Z(40%) haciendo uso de Excel. Para ello utilizamos la fórmula =DISTR.NORM.ESTAND.INV(0,4) según se muestra en la siguiente imagen:

z-alfa-excel-normal

Planificación del Arriendo de una Bodega a través de la Programación Lineal

Las bodegas enfrentan requerimientos variables de almacenamiento de un mes a otro. Esto se explica entre otros factores por la estacionalidad y variabilidad de la demanda, cambio en los niveles de producción,  retraso en el despacho de los productos, políticas de la empresa, etc. En la actualidad es común que las empresas externalicen la totalidad o parte del servicio de almacenamiento (bodegas) de modo que se utilizan instalaciones de un tercero para guardar productos de inventario. Una decisión relevante en este contexto es determinar cuánto espacio arrendar y por cuánto tiempo, de modo de satisfacer las necesidades de almacenamiento a un costo mínimo.

El siguiente ejemplo toma en cuenta esta situación y propone una política óptima de arriendo de espacio en bodega para una empresa para los próximos 5 meses. Se conoce cuanto espacio necesita en cada uno los próximos meses. Dado que los requerimientos son muy diferentes, podría resultar económico arrendar sólo lo necesario en cada mes de acuerdo a los requerimientos dados. Sin embargo, el costo total para arrendar de una vez por varios periodos consecutivos es más económico que hacerlo mes a mes sobre el mismo lapso de periodos, por lo tanto puede considerarse la opción de ir cambiando en el tiempo la cantidad de superficie arrendada al menos una vez pero no todo los meses, agregando nuevos periodos de arriendo y/o dejando los que expiraron su periodo. Los requerimientos (en miles de m²) y el costo total de arrendar en cualquier mes por periodos de uno, dos, tres, cuatro o cinco meses consecutivos (en $ por m²), se resumen en la siguiente tabla:

tabla-costo-arriendo-de-bod

Formule y resuelva con Solver un modelo de Programación Lineal que minimice el costo total de arriendo, de modo de satisfacer los requerimientos por espacio en los próximos 5 meses.

Variables de Decisión:

variables-arriendo-bodega

Función Objetivo: Minimizar los costos asociado al arriendo de la bodega durante el período de planificación de 5 meses.

funcion-objetivo-arriendo-d

Restricciones:

restricciones-arriendo-de-b

Por ejemplo los requerimientos de 30 mil m² del primer mes (restricción 1) se pueden satisfacer con arriendos que se gestionan en el mes 1 por una duración de 1, 2, 3, 4 o 5 meses. Análogamente las necesidades del mes 2 (20 mil m²) se pueden enfrentar con arriendos planificados anteriormente (mes 1) con una duración de 2, 3 o 4 meses (notar que no tiene sentido arrendar por 5 meses en el mes 2) como también con arriendos gestionados en dicho período por 1, 2, 3 o 4 meses (se propone al lector seguir dicho razonamiento de modo de corroborar que las restantes restricciones son correctas).

A continuación se muestra un extracto de la resolución computacional del problema anterior haciendo uso de Solver de Excel:

solucion-arriendo-de-bodega

La solución óptima consiste en arrendar 30 m² en el mes 1 por un total de 5 meses, luego en el mes 3 se arriendan 10 m² adicionales por sólo un período, para finalmente en el mes 5 arrendar 20 m² por un mes. De esta forma se satisfacen los requerimientos de espacio en bodega para cada mes del horizonte de planificación a un costo mínimo de $76.500 (valor óptimo).

¿Quieres tener el archivo Excel con la resolución en Solver de este problema?. Recomiéndanos en Facebook, Google+ o Twitter utilizando la herramienta de redes sociales a continuación y accede de forma gratuita e inmediata a la descarga del archivo (el enlace de descarga con el nombre “Descarga el Archivo” se mostrará abajo una vez que nos hayas recomendado).

[l2g name=»Descarga el Archivo» id=»4562″]

Clasificación de los Costos de Inventario

El manejo de inventarios implica equilibrar la disponibilidad del producto (servicio al cliente) con los costos de suministrar un nivel determinado de disponibilidad del producto. En este contexto se busca minimizar los costos relacionados con el inventario para cada nivel de servicio. El propósito del análisis de inventarios en organizaciones manufactureras y de servicio es especificar cuándo se deben pedir los artículos y el tamaño o cuánto solicitar en cada pedido.

Luego resulta natural que para tomar cualquier decisión que afecte el tamaño del inventario se deben tomar en cuenta los costos asociados a su gestión. El siguiente diagrama representa dichos costos de una forma esquemática, agrupando éstos en costos de hacer un pedido, costos de mantener el inventario y costos de falta de existencias:

Costos de Inventario

clasificacion-costos-de-inv

1. Costos de hacer un pedido: Conocido también como costo de emisión de pedido. Son aquellos costos asociados con la adquisición de bienes para el reaprovisionamiento del inventario. Cuando se emite un pedido se incurre en costos asociados con el procedimiento, ejecución, transmisión, manejo y compra del pedido.

Los costos de hacer un pedido, en una empresa de comercio detallista (retail) o empresa se servicios, pueden incluir:

  • el costo de procesar un pedido a través de los departamentos de contabilidad y compras.
  • el costo de transmitir el pedido al punto de suministro.
  • el costo de transportar el pedido cuando los cargos de transporte no están incluidos en el precio de los artículos comprados.
  • el costo de cualquier manejo o procesamiento de materiales de los artículos en el punto de recepción.

Por ejemplo en el modelo de Cantidad Económica de Pedido (EOQ) que considera abastecimiento externo se asume que el costo de emisión de pedido es fijo e independiente del tamaño del pedido.

Por otra parte cuando la empresa se auto suministra sus propios inventarios de artículos terminados (empresa manufacturera), como en el caso de reabastecimiento de una fábrica, los costos de hacer el pedido se alteran para reproducir los costos de ejecución de la producción (como sucede en el modelo de POQ). En este caso los costos de hacer un pedido pueden incluir:

  • el costo de procesar la orden de trabajo (OT).
  • el costo de preparación de máquina o proceso.
  • el costo de producción del producto para varios tamaños de pedido.

bodega

2. Costos de mantener el inventario: Son aquellos asociados a guardar artículos durante un período de tiempo y son proporcionales a la cantidad promedio de artículos disponibles. A la vez los costos de mantener inventario se pueden clasificar en:

2.1. Costo de espacio: Son cargos hechos por el uso del volumen dentro del edificio o espacio de almacenamiento (bodega). Cuando la bodega es rentada, la renta mensual se distribuye en función del volumen ($/m3/mes). Si el espacio es propio, los costos de espacio se determinan mediante la distribución de los costos de operación relacionados con el espacio, así como los costos fijos, como costos de equipo del edificio y del almacenamiento sobre una base de volumen almacenado.

2.2. Costo de capital: Se refiere al costo de oportunidad en conexión con el inventario. El costo exacto del capital para los propósitos de inventario se ha debatido durante algún tiempo. Muchas empresas usan:

  • Costo promedio de capital.
  • Tasa promedio de recuperación requerida de las inversiones de la compañía.
  • La tasa de rendimiento de las inversiones más lucrativas que la empresa no acepta.

2.3. Costo de seguros e impuestos: Los seguros y los impuestos, dependen de la cantidad de inventario disponible. De forma intuitiva la prima de los seguros a pagar serán mayores en la medida que la cantidad de productos que se almacene en inventario sea mayor.

2.4. Costo de riesgos de inventario: Son aquellos costos relacionados con deterioro, pérdidas, robos, daño, u obsolescencia. Por ejemplo los productos tecnológicos almacenados en inventario en un tienda de departamento se deprecian (en un sentido comercial) rápidamente en la medida que se mantengan un tiempo prolongado en la bodega (debido al desarrollo de la tecnología donde los productos son sustituidos rápidamente por nuevas alternativas con mejores prestaciones y en algunos casos incluso más económicas). En general los costos de riesgo de inventario son particularmente caros en productos que tienen un ciclo de vida corto (por ejemplo en aquellos casos que la decisión del tamaño de pedido involucra un sólo período como el modelo Newsvendor).

out_stock_en

3. Costos de falta de existencias: Se incurre en costos por falta de existencias o quiebres de stock cuando se emite un pedido pero este no puede satisfacerse desde el inventario al cual esta normalmente asignado. Dentro de los costos de quiebre de stock se encuentran:

3.1. Costo por pérdida de ventas: Ocurre cuando el cliente, ante una situación de falta de existencias decide cancelar su pedido del producto (el costo es el beneficio que se habría obtenido de esta venta). Este costo es muy difícil de estimar dado que frente a un quiebre de stock no estamos seguros cuántas unidades estaba dispuesto a comprar el cliente y si también la falta de inventario afecto la venta de otros productos. Por ejemplo si una panadería vende toda la producción del día antes de lo estimado, cuando lleguen nuevos clientes preguntando por pan al percatarse que no queda es menos probable que compren productos complementarios (por ejemplo queso). Incluso es más, en un caso extremo el quiebre de stock puede implicar que el cliente no nos prefiera en el futuro y se cambie a la competencia, perdiendo todos los flujos de dinero que representaba ese cliente en el tiempo.

3.2. Costo de pedido pendiente: Ocurre cuando un cliente espera a que su pedido sea surtido, por lo que la venta no esta perdida, sólo retrasada. Los pedidos pendientes pueden crear costos adicionales de personal, ventas, transporte, manejo, etc.

Cálculo del Valor Esperado de la Información Perfecta (VEIP) en el Modelo Newsvendor

En el contexto del Modelo Newsvendor (modelo de un periodo con demanda estocástica, pero con distribución de probabilidad conocida) el Valor Esperado de la Información Perfecta (VEIP o EVPI: Expected Value of Perfect Information) es un indicador cuantitativo que mide cuán lejos la solución en promedio está de la solución perfecta, es decir, de aquella solución donde se conoce la demanda de antemano. De forma análoga el VEIP corresponde al precio que se estaría dispuesto a pagar de modo de acceder a información perfecta respecto a la realización de la demanda.

Si el valor que adoptará la demanda es conocido con antelación entonces naturalmente el tamaño óptimo de pedido será la magnitud de la demanda y=D (conocida como solución «espere y vea») lo cual permite evitar incurrir en costos asociados a un inventario insuficiente o excesivo. En dicho caso el costo esperado correspondiente será simplemente c*D donde el parámetro c representa el costo unitario de adquisición o fabricación (según sea el caso).

Luego si obtenemos el promedio de todas las realizaciones de la demanda D obtenemos el costo c*µ, donde µ es el promedio de la demanda. En consecuencia, el VEIP corresponderá a la diferencia positiva entre el costo de la solución óptima sin conocer la demanda y el costo de la solución espere y vea.

Valor Esperado de la Información Perfecta

Consideremos el siguiente ejemplo que permite ilustrar el cálculo e interpretación del Valor Esperado de la Información Perfecta (VEIP):

María es un vendedora de flores que tiene que decidir todas las noches cuántas flores va a llevar de su plantación a su local comercial para vender al día siguiente. La demanda por flores es estocástica y por experiencia estima que sigue una distribución exponencial con λ=0,04. El costo por flor para María es de $6 y las flores no vendidas son consignadas (liquidadas) a $2 cada una a un vendedor de flores secas. Además, María estima que el costo por cliente perdido es de $10.

¿Cuál es la cantidad óptima de flores que María debe llevar todos los días desde su plantación a su local comercial si desea minimizar el costo esperado? ¿Cuál es el nivel de servicio instock asociado a esta alternativa?.

La cantidad óptima de pedido en el modelo newsvendor está dada por:

formula-solucion-newsvendor

Donde p representa el costo de quiebre de stock (en nuestro ejemplo por cliente perdido), c corresponde al costo de compra o producción y h el valor de consignación (en el ejemplo lo que se podría rescatar por cada unidad que no se logra vender). Considerando dicha información la cantidad óptima de flores que María debe llevar todos los días desde su plantación a su local comercial es:

pedido-optimo-newsvendor

Es decir, debe llevar diariamente 17 flores. Luego el nivel de servicio instock asociado a un pedido de 17 unidades es:

instock-newsvendor

¿Cuál es el costo total esperado para la cantidad optima de pedido propuesta? ¿Cuál es el Valor Esperado de la Información Perfecta (VEIP)?.

costo-esperado-newsvendor

El costo esperado de implementar un pedido de 17 flores es aproximadamente $219,32. A continuación calculamos el VEIP (recordar que en el caso de una distribución exponencial la media se obtiene de µ=1/λ).

calculo-veip

Como se señalo anteriormente el VEIP establece el precio máximo que María debería estar dispuesta a pagar de modo de acceder a información perfecta respecto a la realización de la demanda de flores.

Gestión de Inventarios a través de Cadenas de Markov en Tiempo Discreto

La gestión de inventarios hace uso de distintas herramientas metodológicas que abordan 2 preguntas básicas: ¿de qué tamaño debe ser un pedido? y ¿cada cuánto tiempo se debe realizar un pedido?. En el siguiente artículo se propone la utilización de una Cadena de Markov en tiempo discreto para determinar la política de reposición de inventarios de una empresa: Una tienda que mantiene un inventario de un producto dado para satisfacer una demanda (aleatoria). La demanda diaria D, tiene la siguiente distribución de probabilidades:

distribucion-probabilidad-d

Consideremos una política de inventarios denominada (q,Q), que indica que si el nivel de inventarios al final de cada día es menor a q=2 se ordenan Q=1 unidades adicionales (las cuales se asumen disponibles al inicio del día siguiente), en caso contrario no se hace ninguna orden. La demanda no satisfecha es venta perdida y hay 2 unidades al final en n=0 (distribución inicial). Sea Xn el nivel de inventario al final del día n (esto corresponde a la definición de la variable aleatoria), interesa modelar el problema mediante una Cadena de Markov.

Un primer desafío consiste en determinar los posibles estados que puede adoptar la variable aleatoria en una etapa n cualquiera. Notar que es posible finalizar un día sin unidades en inventario, dado que si bien esta situación genera una reposición de 1 unidad, ésta se asume disponible al inicio del día siguiente. Adicionalmente también es posible terminar un día con 1 o 2 unidades en inventario (en estos casos no se genera reposición). Sin embargo, no es posible terminar un día con 3 unidades en inventario (recordar que en n=0 se dispone de 2 unidades en inventario y dada la política de reposición, ésta se genera cuando se dispone de menos de 2 unidades en inventario). En resumen, los estados posibles para la variable aleatoria son Xn℮{0,1,2}.

A continuación estimamos las probabilidades de transición en una etapa las cuales se resumen en la siguiente matriz de probabilidades de transición (matriz P):

markov-inventarios

Por ejemplo, si en un día n en particular se finaliza con 0 unidades en inventarios se genera un pedido que al inicio del día siguiente permitirá disponer de 1 unidad; para que dicho día (n+1) se termine con 0 unidades en inventario se requiere que la demanda sea mayor o igual a 1 unidad (este es el caso de P00).

Adicionalmente se pueden estimar las probabilidades estacionarias, es decir, que en el largo plazo (independiente de la distribución inicial) se disponga al final de un día de 0, 1 o 2 unidades en inventario. Para ello se debe clasificar los estados de la cadena donde en particular se corrobora que ésta es irreducible con estados recurrentes positivos aperiódicos.

solucion-largo-plazo-invent

En consecuencia la probabilidad de que en el largo plazo se disponga de 0 unidades al final de un día es de un 50% (1/2), tener una unidad es un 37,5% (3/8) y 2 unidades un 12,5% (1/8). Alternativamente podemos hacer uso de las ecuaciones matriciales para que partiendo de la distribución inicial (dato) se estime la probabilidad de encontrarse en cualquiera de los estados al cabo de 1, 2, …, n etapas (con n que tiende a infinito). Dicho resultado corrobora los resultados anteriores:

ecuaciones-matriciales-inve

Se propone al lector comprobar que independiente de la selección de la distribución inicial las probabilidades de largo plazo son las expuestas.