Simulación de los efectos de la integración en una cadena de suministro

Proyecto Fin de Grado Grado en Ingeniería de Tecnologías Industriales Simulación de los Efectos de la Integración en una Cadena de Suministro Autor: José Juan Candón Hurtado Tutor: Jesús Muñuzuri Sanz Dep. Organización Industrial y Gestión de Empresas II Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2017 2 Proyecto Fin de Grado Grado en Ingeniería de Tecnologías Industriales Simulación de los Efectos de la Integración en una Cadena de Suministro Autor: José Juan Candón Hurtado Tutor: Jesús Muñuzuri Sanz Catedrático Dep. Organización Industrial y Gestión de Empresas II Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2017 4 Proyecto Fin de Grado: Simulación de los Efectos de la Integración en una Cadena de Suministro Autor: José Juan Candón Hurtado Tutor: Jesús Muñuzuri Sanz El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2017 El Secretario del Tribunal 6 Resumen Existe un catálago muy amplio de herramientas de simulación. Estas herramientas pueden ser usadas para simulaciones en cualquier entorno, incluyendo el de la docencia. Beer Game, herramienta que permite simular una cadena de suministro, es usada en nuetra Escuela para la docencia, pero los tiempos actuales requerían una actualización. Una réplica de esta herramienta será la que se desarrolle a lo largo de este trabajo, desde la definición de sus políticas hasta su implementación en Excel, que será el sistema software bajo el que cuál funcionará la herramienta, por lo que resultará una aplicación de uso sencillo, en un entorno conocido e intuitivo. Por lo tanto, uno de los resultados de este trabajo se resume en el desarrollo de una herramienta que simula una cadena de suministro y que será principalmente usada como material de apoyo a la docencia. En la gestión de una cadena de suministro existe una gran cantidad de información que puede ser obviada por cada una de las entidades que participan en la cadena. Esta información puede ser de gran utilidad si es compartida por todos los miembros de la cadena para mejorar la eficiencia y así dar mejor servicio. Es aquí donde entra el papel de la integración. La integración de la información es un recurso muy utilizado en la actualidad gracias a la mejora contínua que ha tenido mediante el desarrollo de la tecnología y los resultados que genera. La importancia que ha obtenido la integración ha hecho que sea un campo sobre el que recae gran parte del peso de una empresa. Tras el desarrollo de la herramienta de simulación, se utilizará ésta para realizar una serie de simulaciones de gestión de una cadena de suministro sencilla en diferentes escenarios utilizando dos tipos de gestiones: gestión tradicional y gestión integrada. El fin es demostrar mediante los resultados obtenidos y de manera analítica las ventajas que se obtienen con la integración de una cadena de suministro. 8 Índice Resumen 7 Índice 9 Índice de Tablas 13 Índice de Figuras 15 1 Introducción y objeto del trabajo 19 1.1 Introducción al trabajo 19 1.2 ¿Qué es el Beer Game? 19 1.3 Objetivos 19 1.4 Metodología 19 1.5 Resultados 20 2 Definición de políticas. Parametrización y Modelado 23 2.1 Introducción 23 2.2 Definición de parámetros y variables 24 2.2.1 Parámetros y constantes 24 2.2.2 Variables 24 2.3 Simulación del modelo 24 2.3.1 Ecuaciones del modelo 24 2.3.2 Demanda del cliente 25 2.3.3 Políticas de inventario 26 3 Implementación en Excel del modelo diferenciando por políticas de inventarios 29 3.1 Introducción 29 3.2 Resultados 30 3.2.1 s-S 30 3.2.2 s-Q 31 3.2.3 Order to S 32 3.2.4 Order Q 33 3.2.5 Updated s 34 3.2.6 Echelon 36 3.3 Conclusiones 37 4 Implementación del simulador de la cadena de suministro en Excel 39 4.1 Estructura 39 4.2 Macros VBA 40 4.3 Formularios 41 4.4 Interfaz de usuario 44 5 Generación de gráficos 49 5.1 Estructura 49 5.2 Formularios 49 5.3 Interfaz 50 6 Simulación de gestión tradicional frente a gestión integrada 55 6.1 Introducción 55 16 Figura 4-7: Formulario “UserForm4”. 43 Figura 4-8: Formulario “UserForm6”. 44 Figura 4-9: Interfaz inicial. 44 Figura 4-10: Interfaz con jugador. 45 Figura 4-11: Interfaz con jugador y la información de todos los sectores. 45 Figura 4-12: Interffaz con simulación iniciada. 46 Figura 4-13: Interfaz con simulación iniciada y formulario de introducción de orden. 46 Figura 5-1: Formulario “UserForm5”. 49 Figura 5-2: Interfaz de usuario con botón para gráficas. 50 Figura 5-3: Formulario para gráficas en la interfaz de usuario. 51 Figura 5-4: Selección de la opción dentro del formulario para gráficas. 51 Figura 5-5: Gráfico del sector con los datos generales. 52 Figura 5-6: Gráfico de costes acumulados del sector seleccionado. 52 Figura 6-1: Comparación órdenes en escenario 1. 56 Figura 6-2: Comparación inventarios en escenario 1. 56 Figura 6-3: Comparación pedidos con retraso en escenario 1. 56 Figura 6-4: Comparación costes en escenario 1. 57 Figura 6-5: Comparación órdenes en escenario 2. 57 Figura 6-6: Comparación inventarios en escenario 2. 58 Figura 6-7: Comparación pedidos con retraso en escenario 2. 58 Figura 6-8: Comparación costes en escenario 2. 58 Figura 6-9: Comparación órdenes en escenario 3. 59 Figura 6-10: Comparación inventarios en escenario 3. 59 Figura 6-11: Comparación pedidos con retraso en escenario 3. 60 Figura 6-12: Comparación costes en escenario 3. 60 Figura 6-13: Comparación órdenes en escenario 4. 61 Figura 6-14: Comparación inventarios en escenario 4. 61 Figura 6-15: Comparación pedidos con retraso en escenario 4. 61 Figura 6-16: Comparación costes en escenario 4. 62 Figura 6-17: Comparación órdenes en escenario 5. 63 Figura 6-18: Comparación inventarios en escenario 5. 63 Figura 6-19: Comparación pedidos con retraso en escenario 5. 63 Figura 6-20: Comparación costes en escenario 5. 63 Figura 6-21: Comparación órdenes en escenario 6. 64 Figura 6-22: Comparación inventarios en escenario 6. 65 Figura 6-23: Comparación pedidos con retraso en escenario 6. 65 Figura 6-24: Comparación costes en escenario 6. 65 Figura 6-25: Comparación órdenes en escenario 7. 66 Figura 6-26: Comparación inventarios en escenario 7. 66 Figura 6-27: Comparación pedidos con retraso en escenario 7. 67 Figura 6-28: Comparación costes en escenario 7. 67 Figura 6-29: Comparación órdenes en escenario 8. 68 Figura 6-30: Comparación inventarios en escenario 8. 68 Figura 6-31: Comparación pedidos con retraso en escenario 8. 68 Figura 6-32: Comparación costes en escenario 8. 69 Figura 6-33: Comparación órdenes escenario 9. 70 Figura 6-34: Comparación inventarios escenario 9. 70 Figura 6-35: Comparación pedidos con retraso escenario 9. 70 Figura 6-36: Comparación costes escenario 9. 70 Figura 6-37: Comparación órdenes escenario 10. 71 Figura 6-38: Comparación inventarios escenario 10. 72 Figura 6-39: Comparación pedidos con retraso escenario 10. 72 Figura 6-40: Comparación costes escenario 10. 72 Figura 6-41: Comparación órdenes escenario 11. 73 Figura 6-42: Comparación inventarios escenario 11. 73 Figura 6-43: Comparación pedidos con retraso escenario 11. 74 Figura 6-44: Comparación costes escenario 11. 74 Figura 7-1: Ejemplo 6-1. 78 Figura 7-2: Ejemplo 6-2. Inventario sector Mayorista. 78 Figura 7-3: Ejemplo 6-3. Inventario sector Mayorista. 79 Figura 7-4: Ejemplo 6-3. Costes de sector Mayorista en ambas gestiones. 79 Figura 8-1: Esquema del sistema. 89 Figura 8-2: Pantalla inicial. 92 Figura 8-3: Pantalla inicial con sector seleccionado. 92 Figura 8-4: Sector en pantalla. 93 Figura 8-5: Cuadro de diálogo para el lanzamiento de órdenes. 94 Figura 8-6: Sector en pantalla. 94 Figura 8-7: Cuadro de diálogo para gráficas. 94 Figura 8-8: Cuadro de diálogo para gráficas. 95 Figura 8-9: Cuadro de diálogo para gráficas. 95 Figura 8-10: Cuadro de diálogo de Políticas. 96 Figura 8-11: Cuadro de diálogo para seleccionar sector. 97 Figura 8-12: Cuadro de diálogo para establecer la demanda del cliente. 97 Figura 8-13: Cuadro de diálogo para establecer costes. 98 18 1 INTRODUCCIÓN Y OBJETO DEL TRABAJO 1.1 Introducción al trabajo Este trabajo, titulado “Simulación de los Efectos de la Integración en una Cadena de Suministro”, surge de la necesidad de la realización del Trabajo de Fin de Grado para completar el aprendizaje llevado a cabo a lo largo del Grado en Ingeniería de Tecnologías Industriales. La idea de este trabajo consiste en la realización de una réplica del juego Beer Game, juego de simulación usado para la docencia en diferentes asignaturas, con el que demostrar que la integración en una cadena de suministro es más eficiente que la gestión tradicional sin integración de ésta. Para ello será necesario la implementación de la herramienta en un entorno software que permita a los usuarios realizar las simulaciones. Una vez implementada la herramienta se llevarán a cabo diferentes simulaciones en las que se usarán ambos métodos para buscar los mejores resultados. 1.2 ¿Qué es el Beer Game? El Beer Game es una cadena de suministro formada por cuatro sectores que consisten en un minorista, mayorista, distribuidor y fabricante. Cada uno de estos sectores es controlado de manera independiente. En este juego existe un control de inventario para cada uno de los sectores. Durante el juego, el jugador deberá controlar el inventario de su correspondiente sector mediante el lanzamiento de órdenes. El flujo de órdenes va desde aguas abajo (minorista) hasta aguas arriba (fabricante), mientras que el flujo del material es inverso. El objetivo del juego es minimizar el coste total acumulado de todos los sectores. Este coste es calculado imputando los costes de mantenimiento y de pedidos retrasados al final de cada periodo de simulación, que en este caso es la semana. 1.3 Objetivos Los objetivos de este trabajo son: • Replicar el juego Beer Game para suplir a la anterior aplicación que se encuentra obsoleta para los ordenadores de la Escuela. De esta manera podrá usarse la herramienta en la docencia sin problemas de infraestructura. Se desarrollará en un entorno sencillo e intuitivo como es Microsoft Excel mediante VBA (Visual Basic for Applications). • Demostrar las ventajas de la integración en una cadena de suministro frente a la gestión tradicional de ésta. Para ello se llevarán a cabo diferentes simulaciones en difertentes escenarios y se analizarán y compararán los resultados obtenidos en cada una de las simulaciones. 1.4 Metodología Para el desarrollo del trabajo se han establecido una serie de fases que implica trabajar de manera estructurada y constante. Las diferentes fases por las que ha pasado el trabajo son: • Definición de políticas. Parametrización y modelado. En esta fase se ha desarrollado el modelo del problema que rige el funcionamiento del juego. Se han parametrizado todas sus variables y modelado el conjunto de ecuaciones, todo bajo el estudio previo de las políticas que se utilizarán en el juego, que serán las mismas que aparecen en el juego a replicar. • Implementación en Excel del modelo diferenciando por políticas de inventarios. 20 Esta fase implica la simulación del modelo desarrollado en la fase anterior. El modelo se implantará en Excel para que, aplicando una política diferente a cada simulación y para todos los sectores, se lleven a cabo simulaciones de prueba. • Implementación del simulador de la cadena de suministro en Excel. Es en esta fase donde se desarrolla la herramienta en el entorno software elegido para ser usada directamente por el usuario. • Generación de gráficos. Se añadirá en esta fase a la herramienta la opción de generar gráficos para mostrar de manera más intuitiva los datos al usuario. • Simulación de gestión tradicional frente a gestión integrada. En esta fase se llevarán a cabo las simulaciones en los diferentes escenarios planteados para comparar y analizar los resultados obtenidos entre gestión tradicional y gestión integrada de una cadena de suministro. 1.5 Resultados Como resultado del trabajo se obtentrá una herramienta de simulación que permite simular una cadena de suministro formada por cuatro sectores que podrá ser controlada por un usuario desde cualquier punto de la cadena. El usuario podrá establecer los parámetros más convenientes a la simulación requerida para así obtener los mejores resultados. De esta forma, la herramienta permitirá a los usuarios experimentar la gestión de una cadena de suministro aplicando factores que podrán encontrarse en una situación real. Además, como resultado del trabajo se demostrará mediante el uso de la herramienta que la gestión integrada, en este caso aplicada a la cadena de suministro, conlleva resultados más eficientes y eficaces que la gestión sin integrar. 2 DEFINICIÓN DE POLÍTICAS. PARAMETRIZACIÓN Y MODELADO 2.1 Introducción El Beer Game es una simulación de un sistema de producción y distribución dividido en cuatro niveles: Retailer (minorista), Wholesaler (mayorista), Distributor (distribuidor) y Factory (fábrica). Las órdenes llegan desde el consumidor entrando al sistema por el sector Minorista, luego pasa a Mayorista, después a Distribuidor y finalmente a Fábrica. Mientras tanto, se están sirviendo al cliente las órdenes previas. Es un juego que se usa para gestionar los inventarios de cada sector buscando hacer frente a las variaciones de la demanda del cliente y al mismo tiempo evitar quedarse sin stock en cada uno de los inventarios. Básicamente se usa para mostrar la relación entre la toma de decisiones y el comportamiento de la cadena de suministro. La estructura del sistema es la siguiente: Para simplificar el sistema, se definirán algunas reglas: • Sólo hay un inventario en cada nivel inicializado con 12 cajas de cerveza. • El retraso de envíos de una etapa a otra está fijado en una semana. • El tiempo paso de órdenes de un sector a otro es de una semana. • El tiempo de producción es de tres semanas y se asume que la capacidad de producción puede ajustarse sin límites. • Cada semana los clientes demandan desde el sector Minorista (Retailer), quien suministra la cantidad solicitada. El objetivo del jugador es minimizar los costes del sector que se está dirigiendo. Se consideran los costes asociados al mantenimiento del inventario (se establece en 0.50€ por caja y semana, pero puede modificarse en cualquier momento) y los costes asociados a los pedidos retrasados (1.00€ por caja y semana, pero puede modificarse en cualquier momento), por lo que debe mantenerse el menor stock posible y evitar que existan pedidos retrasados. El jugador, en el sector que haya seleccionado, tiene que decidir al principio de cada semana la cantidad de Equema del sistema Ilustración 2-1: Esquema del sistema Figura 2-1: Esquema del sistema 24 cajas de cerveza que solicita al siguiente sector. 2.2 Definición de parámetros y variables 2.2.1 Parámetros y constantes Se definen los siguientes parámetros y constantes que se usarán el modelo: • s: Inventario mínimo. • S: Inventario máximo. • Q: Lote establecido. • M: Períodos para la estimación de la desviación estándar. • ID: Demanda inicial para la demanda determinista. • FWD: Período final para ID en la demanda determinista. • FD: Demanda que se aplica a partir de FWD en la demanda determinista. • IM: Media inicial para la demanda aleatoria. • IS: Desviación inicial para la demanda aleatoria. • FWN: Período final para (IM, IS) en la demanda aleatoria. • FM: Media final para la demanda aleatoria que se aplica a partir de FWN. • FS: Desviación final para la demanda aleatoria que se aplica a partir de FWN. • L: Constante que vale 3. Se usa en la política Echelon. • h: Coste de mantenimiento de inventario por unidad y tiempo. • b: Coste de pedido no servido por unidad y tiempo. • t: instante actual. 2.2.2 Variables Se definen las variables que intervienen en el modelo. Cada variable tiene una inicial que hace referencia al sector que pertenece, pudiendo ser Minorista (R); Mayorista (W); Distribuidor (D) o Fábrica (F). Ejemplo: WINV, inventario en el sector Mayorista. • ISt: Cajas entrantes al sector en tiempo T. (RISt, WISt y DISt) • FPD1t: Retraso de producción 1 de Factory en tiempo t. • FPD2t: Retraso de producción 2 de Factory en tiempo t. • OSt: Cajas salientes del sector en tiempo t. (WOSt, DOSt y FOSt) • INVt: Inventario del sector en tiempo t. (RINVt, WINVt, DINVt y FINVt) • BLt: Pedidos retrasados del sector en tiempo t. (RBLt, WBLt, DBLt y FBLt) • COSt: Coste acumulado del sector en tiempo t. (RCOSt, WCOSt, DCOSt y FCOSt) • IOt: Órdenes entrantes al sector en tiempo t. (WIOt, DIOt y FIOt) • CORt: Demanda exógena entrante directamente al sector Minorista en tiempo t. • OPt: Órden realizada por el sector en tiempo t. (ROPt, WOPt y DOPt) • FPRt: Órden realizada por Fábrica en tiempo t. 2.3 Simulación del modelo 2.3.1 Ecuaciones del modelo La simulación del modelo consiste en un proceso iterativo que proporciona la secuencia de operaciones que cada sector debe realizar. Las diferentes ecuaciones del modelo que representan dichas operaciones se definen como sigue: 1 1 1 1 1 1 1 1 si 0 e.o.c. t t t t t t t t t WINV WIS WBL WIO WINV WIS WBL WIO WINV                  (1.1) Las expresiones para RINVt, DINVt y FINVt son análogas. Esta expresión establece el inventario del sector. Comprueba si hay stock suficiente para suministrar al siguiente sector chequeando si la suma del inventario de t-1 más las cajas entrantes en t-1 es mayor que la suma de los pedidos retrasados anteriores más las órdenes entrantes de t-1. Si esto se cumple, se actualiza el inventario al valor que resulta de sumar el inventario anterior más las cajas entrantes menos el los pedidos retrasados y las órdenes entrantes. Quedan así servidos los pedidos pendientes y las órdenes actuales. Si la condición impuesta no se cumple, se hace le inventario del sector 0 y se actualiza el numero de pedidos retrasados de la siguiente forma: 1 1 1 1 1 1 1 1 si 0 e.o.c. t t t t t t t t t WBL WIO WINV WIS WBL WIO WINV WIS WBL                  (1.2) Las expresiones para RBLt, DBLt y FBLt son análogas. 1tt WIS DOS   (1.3) Las expresiones para RISt, DISt, FPD1t y FPD2t son análogas. Esta expresión indica que el número de cajas entrantes a un sector es igual al número de cajas que salen del sector previo en t-1. tt WIO ROP (1.4) Las expresiones para DIOt y FIOt son análogas. Esta expresión indica que las ordenes entrantes al sector es igual a las órdenes salientes del sector previo en el mismo instante t.   1 1 1 1 ; t t t t t WOS Min WINV WIS WBL WIO        (1.5) Las expresiones para DOSt y FOSt son análogas. Se comprueba si puede servirse el número de cajas solicitadas. Para ello se mira la suma del inventario en t-1 más las cajas entrantes al inventario en t-1 y la suma de los pedidos retrasados anteriores más las órdenes entrantes en t-1. Se establece el número de cajas salientes en el valor más bajo resultante. 1** t t t t WCOS WCOS WINV h WBL b     (1.6) Las expresiones para RCOSt, DCOSt y FCOSt son análogas. Para calcular el coste acumulado se suma el coste en t-1 más el inventario actual por el coste de mantenimiento más el número de pedidos retrasados actual por el coste de pedido no servido. 2.3.2 Demanda del cliente La demanda del cliente se define en la variable CORt. Esta variable es exógena. La demanda entra directamente el sector Minorista. La demanda se puede definir de dos maneras: determinista y normal aleatoria. • Determinista: Fijando una demanda estática inicial (ID) hasta cierto instante (FWD) para cambiar a otro valor estático (FD). La demanda determinista se asimila a un escalón. ID si t FWD si t>FWD t COR FD     (1.7) • Normal aleatoria: Se fija la media inicial (IM) y la desviación inicial (IS) hasta cierto instante (FWN), donde la media y la desviación cambian a otros valores estáticos (FM y FS). ( , ) si t FWN ( , ) si t>FWN t t COR N IM IS COR N FM FS     (1.8) 32 Figura 3-7: Política s-Q. Lanzamientos de órdenes. Figura 3-8: Política s-Q. Costes. La política s-Q aplicada al sistema requiere un estudio del lote económico exhaustivo para que se adapte de manera adecuada al sistema. En este caso se han usado parámetros por defecto para todas las simulaciones, lo que provoca los malos resultados que se han obtenido. Como se observa, los lanzamientos de órdenes son muy frecuentes debido a que el lote económico establecido no es suficiente para alcanzar el nivel requerido por el sistema, lo que provoca las numerosas roturas de stock y los elevados costes en todos los sectores. Por tanto, esta política aplicada con los parámetros por defectos definidos no es muy convenviente para el sistema en cuestión. Para aplicarla se debe realizar una búsqueda exhaustiva de los parámetros adecuados. 3.2.3 Order to S Figura 3-9: Política Order to S. Inventarios. 0 5 10 15 OP (Lanzamiento de órdenes) Minorista Mayorista Distribuidor Fábrica 0 1000 2000 COS (Costes) Minorista Mayorista Distribuidor Fábrica 0 10 20 30 INV (Inventarios) Minorista Mayorista Distribuidor Fábrica Figura 3-10: Política Order to S. Roturas de stock. Figura 3-11: Política Order to S. Lanzamientos de órdenes. Figura 3-12: Política Order to S. Costes. Para los parámetros establecidos por defectos, esta política presenta muy buenos resultados. Los niveles de stock se mantienen en todo momento sin provocar roturas, a excepción de las primeras semanas, tiempo que le lleva al sistema adaptarse. Esta política presenta los costes más bajos de todas las simulaciones que se presentan en este capítulo. Por tanto, para los parámetros definidos, ésta es una opción muy favorable para aplicar al sistema. 3.2.4 Order Q Figura 3-13: Política Order Q. Inventarios. 0 10 20 30 BL (Pedidos con retraso) Minorista Mayorista Distribuidor Fábrica 0 10 20 30 OP (Lanzamiento de órdenes) Minorista Mayorista Distribuidor Fábrica 0 500 1000 COS (Costes) Minorista Mayorista Distribuidor Fábrica 0 200 400 600 INV (Inventarios) Minorista Mayorista Distribuidor Fábrica 34 Figura 3-14: Política Order Q. Roturas de stock. Figura 3-15: Política Order Q. Lanzamientos de órdenes. Figura 3-16: Política Order Q. Costes. Esta política presenta resultados poco favorables para el sistema en cuestión ya que requiere una parametrización adaptada. Los niveles de inventario difieren en cantidades muy sifnificativas pasando de estar en tres sectores sin stock, a tener en el sector ‘Minorista’ un exceso de inventario que crece a lo largo del tiempo. Las roturas de stock y el exceso de inventario provocan que el coste del sistema crezca exponencialmente a unas cifras totalmente excesivas. 3.2.5 Updated s Figura 3-17: Política Updated s. Inventarios. 0 10 20 30 BL (Pedidos con retraso) Minorista Mayorista Distribuidor Fábrica 0 5 10 15 OP (Lanzamiento de órdenes) Minorista Mayorista Distribuidor Fábrica 0 5000 10000 15000 COS (Costes) Minorista Mayorista Distribuidor Fábrica 0 5 10 15 INV (Inventarios) Minorista Mayorista Distribuidor Fábrica Figura 3-18: Política Updated s. Roturas de stock. Figura 3-19: Política Updated s. Lanzamientos de órdnes. Figura 3-20: Política Updated s. Costes. Figura 3-21: Política Updated s. Punto de lanzamiento en t. Los resultados que presenta esta política son muy poco favorables. No existe stock en el inventario en ningún momento, lo que provoca que los costes sean muy elevados. Estos resultados no son coherentes para el funcionamiento de un sistema como el que se trata. Una vez más se ve la importante necesidad de una buena parametrización del sistema para cada política. 0 20 40 60 BL (Pedidos con retraso) Minorista Mayorista Distribuidor Fábrica 0 5 10 15 OP (Lanzamiento de órdenes) Minorista Mayorista Distribuidor Fábrica 0 1000 2000 3000 COS (Costes) Minorista Mayorista Distribuidor Fábrica 0 5 10 15 s(t) 36 3.2.6 Echelon Figura 3-22: Política Echelon. Inventarios. Figura 3-23: Política Echelon. Roturas de stock. Figura 3-24: Política Echelon. Lanzamientos de órdenes. Figura 3-25: Política Echelon. Costes. 0 50 100 INV (Inventarios) Minorista Mayorista Distribuidor Fábrica 0 20 40 60 BL (Pedidos con retraso) Minorista Mayorista Distribuidor Fábrica 0 20 40 OP (Lanzamiento de órdenes) Minorista Mayorista Distribuidor Fábrica 0 1000 2000 3000 COS (Costes) Minorista Mayorista Distribuidor Fábrica Figura 3-26: Política Echelon. Puntos de pedido en t. Esta política presenta resultados algo mas favorables que la anterior, ya que presenta niveles de stock y pocas roturas. Sin embargo, algunos costes son muy elevados. Es el caso del sector ‘Fabrica’, que, a diferencia del resto de sectores, presenta unos costes que alcanzan aproximadamente cuatro veces los costes del sector ‘Minorista’. Aun así, dicha política puede ser muy favorable aplicándose a los eslabones establecidos aguas abajo, pudiéndose combinar con otras políticas. 3.3 Conclusiones Es dificil sacar conclusiones de las simulaciones presentadas debido a que se han realizado todas con los mismos parámetros sin tener en cuenta las necesidades de cada una. Sin embargo, para el sistema en cuestión y y las condiciones iniciales definidas hay algunas políticas que han producido resultados favorable y que conviene destacar. En primer lugar cabe destacar los resultados obtenidos por la política ‘Echelon’, que a pesar de que los costes de algunos sectores son elevados, ha presentado resultados muy favorables con respecto a los niveles de stock, lanzamiento de órdenes y costes. Dicha política actualiza en cada instante el punto de pedido, por lo que va adaptándose al sistema en cada momento. Esto requiere la definición de parámetros adicionales que no se han utilizado en el resto de simulaciones (a excepecion de la simulación con la política Updated s). En segundo lugar hay que destacar los resultados obtenidos en la simulación con la política ‘s-S’ ya que se ha conseguido mantener los niveles de stock a pesar de presentar algunos picos de roturas. Aun así, los costes son muy favorables y es una opción a tener en cuenta. Por último, los resultados que se han obtenido con la política ‘Order to S’ son los mejores que se han presentado. Presenta niveles de stock sin roturas y los costes mas bajos de todas las simulaciones, que es al fin y al cabo por lo que se rigen las decisiones. Una vez analizados los resultados, la conclusión más importante que se obtiene de estas simulaciones es la importancia que tiene la definición óptima de los parametros para cada sistema y cada política. Como se ha observado, algunos resultados obtenidos no tienen coherencia con el funcionamiento que debería presentar una cadena de suministro y esto es debido a dicha parametrización. Cada sistema, cada sector y cada política requiere un estudio previo de los parámetros para el correcto funcionamiento y optimización de sus recursos. 0 50 100 s(t) Minorista Mayorista Distribuidor Fábrica 38 4 IMPLEMENTACIÓN DEL SIMULADOR DE LA CADENA DE SUMINISTRO EN EXCEL 4.1 Estructura La herramienta desarrollada en Excel contiene una estructura dividida en hojas. Cada una de las hojas implica una función específica en el funcionamiento de la herramienta. Esta estructura de hojas está formada por las siguientes: • Game • Normal • Options • Controller La hoja “Game” desempeña la función de mostrar al usuario la interfaz de la herramienta. Desde esta hoja se controla la aplicación a través de botones y formularios que hacen que el usuario pueda introducir datos y generar los resultados. Estos resultados se muestran de manera instantánea en la interfaz. Figura 4-1: Hoja “Game”. La hoja “Normal” es donde se desarrollan los cálculos y se generan los resultados para luego ser mostrados de manera más intuitiva al usuario en la hoja “Game”. Esta hoja está estructurada como tabla, donde cada columna es una variable que interviene en el desarrollo de la simulación y cada fila es el instante en el que se desarrolla. Los resultados se generan mediante macros que dependen de la configuración que el usuario haya establecido para la simulación. Figura 4-2: Hoja “Normal”. La hoja “Options” es donde se almacenan todas las opciones establecidas por el usuario. Por una parte, se encuentran las opciones de política, en las que se establece qué política es aplicada a cada eslabón de la 40 cadena, las variables que intervienen en cada una de esas políticas (s, S, Q, M) y si el eslabón estará controlado por el usuario (jugador). Por otro lado, se establecen las opciones para la demanda, que podrá ser determinista o normal aleatoria, y sus respectivas variables (ID, FWD, FD, IM, IS, FWN, FM, FS). También se almacenan las variables que determinan los costes tanto de almacenamiento como para los pedidos no servidos. Por último, la variable que determina si se debe mostrar la información de toda la cadena también está establecida en esta hoja. Figura 4-3: Hoja “Options”. La hoja “Controller” sirve para guardar variables auxiliares que serán usadas por las distintas macros. Podrá establecerse en esta hoja cualquier variable que no se haya contemplado con anterioridad. 4.2 Macros VBA La herramienta basa su funcionamiento en Macros de Excel escritas en lenguaje VBA (Visual Basic for Applications). El código está estructurado en cuatro módulos donde se han establecido las Macros. • Módulo 1 o Macro “start” Esta Macro inicializa las variables para el instante t=0 y las escribe en la hoja “Normal”. La Macro identifica el tipo de demanda y la política de inventario para desarrollar los cálculos. Además, escribe dichos resultados en la interfaz de usuario de la hoja “Game”. o Macro “demand” Esta Macro desempeña la función de identificar en cada instante t el tipo de demanda establecido y generar la demanda. o Macro “time” Este código se encarga de identificar el instante t en el que se encuentra la simulación. o Función “xNORMAL” Función que devuelve como respuesta un número aleatorio basado en la distribución Normal. o Función “LN” Función que devuelve el logaritmo neperiano de un número. o Macro “reset” Macro que reestablece la hoja “Normal” borrando todos los resultados anteriores y pone a 0 todos los resultados que se muestran en la interfaz de usuario en la hoja “Game”. • Módulo 2 o Macro “play” Es la Macro encargada de generar los resultados para cada instante t. Identifica la demanda y las políticas establecidas para generar los resultados que quedarán escritos en la hoja “Normal”. o Función “min2” Función que devuelve el mínimo valor de dos números. o Función “m_average” Función que devuelve la media móvil de la demanda de un eslabón en los diez instantes anteriores al actual. o Función “desv” Función que devuelve la desviación típica de la demanda de un eslabón en los diez instantes anteriores al actual. • Módulo 3 o Macro “order” Esta Macro se encarga de generar la orden saliente para cada eslabón. Primero identifica la política de inventario establecida para cada eslabón y genera la orden según las condiciones de dicha política. Si un eslabón es controlado por el usuario (jugador), la Macro pide al usuario que introduzca la orden manualmente. Una vez establecidas las órdenes, se escriben en la interfaz de usuario todos los resultados para ser mostrado de manera intuitiva. • Módulo 4 o Macro “policy” Macro asociada al formulario en el que se establecen las políticas de cada eslabón. Esta Macro determina qué política está en uso junto con sus características para mostrar a continuación el formulario para la elección de las políticas al usuario. o Macro “player” Macro asociada al formulario en el que se establece el eslabón que será el jugador. Primero determina en qué eslabón se encuentra el jugador, si es que hay alguno establecido, para luego mostrar el formulario donde éste será elegido. o Macro “demandtype” Macro asociada al formulario que establece el tipo de demanda junto con sus características. Primero lee el valor de las variables que forman parte de la demanda y el tipo de demanda para luego mostrar el formulario en el que se establecerá la demanda y el nuevo valor de sus variables. o Macro “globalinformation” Macro asociada a la opción Global Information. Esta Macro se encarga de determinar si el usuario quiere que se muestre la información de toda la cadena de suministro o sólo la información del eslabón que se está controlando. o Macro “costs” Macro que sirve para cambiar los parámetros de costes. Primero determina los parámetros actuales para mostrarlos en el formulario que permite al usuario el cambio de estos. 4.3 Formularios Para facilitar el uso de la herramienta al usuario se han usado formularios que muestran la información y recogen los valores introducidos por el usuario de manera más intuitiva. • UserForm1 (Introducir órdenes) 5 GENERACIÓN DE GRÁFICOS 5.1 Estructura La herramienta se estructura en hojas, descritas con anterioridad. Para esta ocasión se ha añadido una hoja nueva que tendrá la función de almacenar los gráficos que se desarrollarán cuando el usuario lo requiera. La nueva estructura queda como sigue: • Game • Normal • Options • Controller • Chart “Chart” es la hoja en la que se escribirán los gráficos. Es una Hoja en blanco. La creación de los gráficos será automática, no será percibida por el usuario y una vez que los gráficos sean mostrados, serán eliminados automáticamente de la hoja. 5.2 Formularios Se ha añadido un formulario para facilitar la interacción entre el usuario y la herramienta en la generación de las gráficas: • UserForm5 (Generador de gráficas) Figura 5-1: Formulario “UserForm5”. Este formulario está compuesto por un botón que genera la gráfica, una lista para seleccionar el sector del que se generará la gráfica, una pestaña donde se reproduce el grafico con los datos de inventario, órdenes y productos no servidos y otra pestaña donde se reproduce el coste acumulado del sector. También aparece en la lista la opción “Sistema”, que genera el gráfico de las órdenes de toda la cadena y el gráfico del coste total acumulado. Una vez que se elige la opción en la lista, se pulsa el botón “CARGAR GRÁFICO” para generar el 50 gráfico. La función que desempeña el código programado en este botón es la siguiente: En primer lugar, identifica la opción elegida en la lista y genera las gráficas con los datos de dicha opción. Estas gráficas se establecen en la hoja “Chart”. Una vez que las gráficas están generadas, éstas se guardan como archivo ‘.gif’ en la misma carpeta en la que se encuentra el archivo Excel de la herramienta para luego ser cargadas por el formulario y mostradas al usuario. Se puede cambiar el sector a mostrar tantas veces como se requiera. Para ello, sólo hay que cambiar la opción en la lista y volver a pulsar el botón “CARGAR GRÁFICO”. 5.3 Interfaz Aparece un nuevo botón en la interfaz de usuario, el botón “Gráficas”. Este botón desempeña la función de mostrar al usuario el formulario “UserForm5” para generar las gráficas. El código de dicho botón se incluye en la hoja “Game”, hoja donde se desarrolla el entorno de la herramienta. Figura 5-2: Interfaz de usuario con botón para gráficas. Cuando se pulsa el botón “Gráficas”, se muestra el formulario de la siguiente manera: Figura 5-3: Formulario para gráficas en la interfaz de usuario. A continuación, se selecciona el sector, por ejemplo “DISTRIBUIDOR”: Figura 5-4: Selección de la opción dentro del formulario para gráficas. Cuando se pulsa el botón “CARGAR GRÁFICO”, el formulario queda como sigue: 52 Figura 5-5: Gráfico del sector con los datos generales. Figura 5-6: Gráfico de costes acumulados del sector seleccionado. 6 SIMULACIÓN DE GESTIÓN TRADICIONAL FRENTE A GESTIÓN INTEGRADA 6.1 Introducción Para llevar a cabo la comparación entre gestión tradicional frente a gestión integrada se han planteado diferentes escenarios para la simulación. Para cada uno de los escenarios se ha realizado una simulación con gestión tradicional y otra con gestión integrada. Para realizar las simulaciones, el eslabón controlado por el usuario ha sido ‘Mayorista’. Para las simulaciones de gestión tradicional se ha mantenido toda la información de la cadena oculta, de manera que sólo se conoce la información del eslabón seleccionado por el usuario. Para las simulaciones de gestión integrada se ha tenido toda la información de la cadena accesible en todo momento, de manera que se puede tener en cuenta el estado de cada uno de los eslabones de la cadena. De esta forma, la estrategia seguida a la hora de hacer los pedidos es la siguiente: • Para gestión tradicional: realizar pedidos teniendo en cuenta únicamente la información del sector controlado en el instante en el que se pide. Esto es, sabiendo únicamente el inventario del sector en cuestión y los pedidos retrasados, lanzar órdenes en función de los pedidos que entran en el sector. • Para gestión integrada: se ha tenido en cuenta la información de los sectores previo y posterior, así como la demanda externa y los pedidos en proceso de camino hacia nuestro sector. La demanda exógena ha sido establecida de manera aleatoria para cada uno de los escenarios. Se ha realizado la simulación de cada escenario para 50 semanas. De cada una de las simulaciones se han obtenido diferentes resultados que han quedado representados en forma de gráficos. Los gráficos obtenidos corresponden a las variables de ‘Órdenes’, ‘Inventarios’, ‘Pedidos retrasados’ y ‘Costes’ del eslabón seleccionado. Estas simulaciones permitirán estudiar las situaciones que se generan en cada uno de los escenarios en función del tipo de gestión empleado. Se tratará de demostrar como la gestión integrada genera mejores resultados que la gestión tradicional. 6.2 Resultados 6.2.1 Escenario 1 Parámetros: MINORISTA MAYORISTA DISTRIBUIDOR FÁBRICA Política s-S Usuario s-S s-S s 4 4 4 4 S 30 30 30 30 Tabla 6-1: Parámetros escenario 1. Demanda normal aleatoria: 56 • Media: 6 • Desviación: 2 Costes • Mantenimiento: 0.5 • Rotura: 1 Figura 6-1: Comparación órdenes en escenario 1. Figura 6-2: Comparación inventarios en escenario 1. Figura 6-3: Comparación pedidos con retraso en escenario 1. 0 10 20 30 40 Órdenes Gestión Tradicional Gestión Integrada 0 10 20 30 40 Inventario Gestión Tradicional Gestión Integrada 0 10 20 30 40 Pedidos con retraso Gestión Tradicional Gestión Integrada Figura 6-4: Comparación costes en escenario 1. Se observa como el lanzamiento de órdenes en la gestión integrada empieza antes, ya que se ha previsto la llegada de la demanda. Gracias a esta previsión, el inventario se actualiza con antelación para evitar que se produzca rotura de stock, que como se observa, en la gestión integrada es menor que en la gestión tradicional, lo que provoca que el coste de la gestión integrada sea menor. 6.2.2 Escenario 2 Parámetros: MINORISTA MAYORISTA DISTRIBUIDOR FÁBRICA Política s-Q Usuario Order to S Order Q s 4 4 4 4 S 30 30 30 30 Q 10 10 10 10 Tabla 6-2: Parámetros escenario 2. Demanda normal aleatoria: • Media: 6 • Desviación: 2 Costes • Mantenimiento: 0.5 • Rotura: 1 Figura 6-5: Comparación órdenes en escenario 2. 0 200 400 600 Costes Gestión Tradicional Gestión Integrada 0 10 20 30 Órdenes Gestión Tradicional Gestión Integrada 64 Este caso plantea la misma situación que el escenario anterior, ajustando los parámetros de las políticas para hacer frente a la alta demanda establecida. En el caso de las órdenes se observa que en la gestión integrada se lanzan antes. Se observa como el inventario de la gestión tradicional se ha sobredimensionado debido a la falta de información y el intento de proveer todos los pedidos, lo que conlleva que no tenga rotura de stock, pero aumente de manera significativa el coste. Sin embargo, en la gestión integrada se ha intentado mantener el inventario con poco stock de seguridad, lo que ha provocado que haya algunas roturas de stock. Estas roturas no han afectado de manera significativa a su coste ya que es menor que el de la gestión tradicional. 6.2.6 Escenario 6 Parámetros: MINORISTA MAYORISTA DISTRIBUIDOR FÁBRICA Política Updated s Usuario Updated s Updated s S 30 30 30 30 M 1,96 1,96 1,96 1,96 Tabla 6-6: Parámetros escenario 6. Demanda normal aleatoria: • Media inicial (hasta la semana 4): 6 • Desviación inicial (hasta la semana 4): 2 • Media final: 12 • Desviación final: 3 Costes • Mantenimiento: 0.5 • Rotura: 1 Figura 6-21: Comparación órdenes en escenario 6. 0 20 40 60 Órdenes Gestión Tradicional Gestión Integrada Figura 6-22: Comparación inventarios en escenario 6. Figura 6-23: Comparación pedidos con retraso en escenario 6. Figura 6-24: Comparación costes en escenario 6. En este escenario se observa que los inventarios no logran alcanzar los niveles demandados, por lo que se encuentra una continua rotura de stock en ambas gestiones. Esto es debido a que los parámetros establecidos para las políticas no son los adecuados para hacer frente a una demanda tan alta. Debido a la continua rotura de stock, los costes en ambas gestiones son muy elevados. A pesar de todo, se observa como con la gestión integrada se consigue tener stock en el inventario y mantenerlo antes que con la gestión tradicional, lo que provoca que los costes disminuyan. 6.2.7 Escenario 7 Parámetros: 0 50 100 Inventario Gestión Tradicional Gestión Integrada 0 50 100 150 Pedidos con retraso Gestión Tradicional Gestión Integrada 0 1000 2000 3000 Costes Gestión Tradicional Gestión Integrada 66 MINORISTA MAYORISTA DISTRIBUIDOR FÁBRICA Política Updated s Usuario Updated s Updated s S 50 30 50 50 M 1,96 1,96 1,96 1,96 Tabla 6-7: Parámetros escenario 7. Demanda normal aleatoria: • Media inicial (hasta la semana 4): 6 • Desviación inicial (hasta la semana 4): 2 • Media final: 12 • Desviación final: 3 Costes • Mantenimiento: 0.5 • Rotura: 1 Figura 6-25: Comparación órdenes en escenario 7. Figura 6-26: Comparación inventarios en escenario 7. 0 20 40 60 Órdenes Gestión Tradicional Gestión Integrada 0 50 100 150 200 Inventario Gestión Tradicional Gestión Integrada Figura 6-27: Comparación pedidos con retraso en escenario 7. Figura 6-28: Comparación costes en escenario 7. Este escenario plantea la misma situación que el escenario anterior, pero con los parámetros de las políticas reajustados para intentar obtener mejores resultados. Aun así, no logra establecer los niveles adecuados de inventarios en ninguna de las gestiones, ya que presenta numerosas roturas de stock y costes elevados. A pesar de eso, se observa que la gestión integrada genera mejores resultados, disminuyendo las roturas y los costes. 6.2.8 Escenario 8 Parámetros: MINORISTA MAYORISTA DISTRIBUIDOR FÁBRICA Política s-S Usuario Order to S s-S s 10 4 10 10 S 50 30 50 50 Tabla 6-8: Parámetros escenario 8. Demanda normal aleatoria: • Media inicial (hasta la semana 4): 10 • Desviación inicial (hasta la semana 4): 2 • Media final: 15 • Desviación final: 3 Costes • Mantenimiento: 0.5 0 50 100 150 Pedidos con retraso Gestión Tradicional Gestión Integrada 0 1000 2000 3000 Costes Gestión Tradicional Gestión Integrada 68 • Rotura: 1 Figura 6-29: Comparación órdenes en escenario 8. Figura 6-30: Comparación inventarios en escenario 8. Figura 6-31: Comparación pedidos con retraso en escenario 8. 0 20 40 60 Órdenes Gestión Tradicional Gestión Integrada 0 50 100 Inventario Gestión Tradicional Gestión Integrada 0 20 40 60 80 Pedidos con retraso Gestión Tradicional Gestión Integrada Figura 6-32: Comparación costes en escenario 8. En este escenario se ha establecido una alta demanda y se han establecidos los parámetros de las diferentes políticas para intentar hacer frente a dicha demanda. Se observa que el lanzamiento de órdenes en ambas gestiones es más frecuente que en otros escenarios debido a la alta demanda del cliente. Debido a que en la gestión integrada se ha tenido previsión de la demanda, el inventario de dicha gestión se ajusta antes que el de la gestión tradicional. El sobredimensionamiento de inventario y las roturas de stock de la gestión tradicional hacen que el coste de esta sea mayor que el de la gestión integrada a pesar de que ésta también tiene alguna rotura de stock. 6.2.9 Escenario 9 Parámetros: MINORISTA MAYORISTA DISTRIBUIDOR FÁBRICA Política s-S Usuario s-S s-S s 4 4 4 4 S 30 30 30 30 Tabla 6-9: Parámetros escenario 9. Demanda normal aleatoria: • Media: 6 • Desviación: 2 Costes • Mantenimiento: 0.5 • Rotura: 1.5 0 500 1000 1500 Costes Gestión Tradicional Gestión Integrada 70 Figura 6-33: Comparación órdenes escenario 9. Figura 6-34: Comparación inventarios escenario 9. Figura 6-35: Comparación pedidos con retraso escenario 9. Figura 6-36: Comparación costes escenario 9. 0 10 20 30 40 Órdenes Gestión Tradicional Gestión Integrada 0 20 40 60 Inventario Gestión Tradicional Gestión Integrada 0 10 20 30 Pedidos con retraso Gestión Tradicional Gestión Integrada 0 500 1000 1500 Costes Gestión Tradicional Gestión Integrada En este caso, el inventario en la gestión integrada se mantiene con stock, lo que provoca que no haya rotura como la hay en la gestión tradicional, que es lo que provoca el elevado coste de la gestión tradicional debido al coste de rotura de stock. 6.2.10 Escenario 10 Parámetros: MINORISTA MAYORISTA DISTRIBUIDOR FÁBRICA Política s-S Usuario s-S s-S s 10 4 10 10 S 50 30 50 50 Tabla 6-10: Parámetros escenario 10. Demanda normal aleatoria: • Media inicial (hasta la semana 4): 6 • Desviación inicial (hasta la semana 4): 2 • Media final: 12 • Desviación final: 3 Costes • Mantenimiento: 0.5 • Rotura: 1,5 Figura 6-37: Comparación órdenes escenario 10. 0 20 40 60 Órdenes Gestión Tradicional Gestión Integrada 72 Figura 6-38: Comparación inventarios escenario 10. Figura 6-39: Comparación pedidos con retraso escenario 10. Figura 6-40: Comparación costes escenario 10. En este escenario se observa que el inventario de la gestión integrada se sobredimensiona al principio para evitar las roturas iniciales, aunque es inevitable que se produzcan roturas en ambas gestiones. Ambos inventarios llegan aproximadamente a la misma cantidad, aunque el inventario de la gestión integrada se llena con más frecuencia gracias a que se lanzan más órdenes teniendo en cuenta la previsión de la demanda. La mayor cantidad de roturas de stock en la gestión tradicional es lo que provoca el elevado coste de dicha gestión. 6.2.11 Escenario 11 Parámetros: 0 50 100 Inventario Gestión Tradicional Gestión Integrada 0 50 100 Pedidos con retraso Gestión Tradicional Gestión Integrada 0 500 1000 1500 2000 Costes Gestión Tradicional Gestión Integrada MINORISTA MAYORISTA DISTRIBUIDOR FÁBRICA Política s-S Usuario Order to S s-S s 10 4 10 10 S 50 30 50 50 Tabla 6-11: Parámetros escenario 11. Demanda normal aleatoria: • Media inicial (hasta la semana 4): 10 • Desviación inicial (hasta la semana 4): 2 • Media final: 15 • Desviación final: 3 Costes • Mantenimiento: 0.5 • Rotura: 1,5 Figura 6-41: Comparación órdenes escenario 11. Figura 6-42: Comparación inventarios escenario 11. 0 20 40 60 Órdenes Gestión Tradicional Gestión Integrada 0 50 100 Inventario Gestión Tradicional Gestión Integrada 80 Como se ha visto en el capítulo 5, todas las simulaciones realizadas con la gestión integrada en los diferentes escenarios han generado costes inferiores a las simulaciones realizadas con la gestión tradicional, es decir, sin información. A continuación se muestran las reducciones que han sufrido los costes en los distintos escenarios. Escenario 1 2 3 4 5 6 7 8 9 10 11 Reducción costes (%) 39.27 14.72 6.54 31.25 53.57 31.50 14.62 44.55 30.57 43.84 27.59 Tabla 7-1: Reducción de los costes en los escenarios simulados en Capítulo 5. Reducción de costes media: 30.73%. Los costes son los indicadores más relevantes a la hora de gestionar una cadena de suministro, es por ello que la integración en una cadena de suministro muestra una clara ventaja sobre la gestión tradicional proporcionando mejores resultados. 8 BIBLIOGRAFÍA [1] Jordi Bosch Pagans, Fernanda Strozzi, José Manuel Zaldívar Comenges. “Beer Game Order Policy Optimzation Using Genetic Algorithms.” Liuc Papers n. 179, Serie Metodi quantitativi 17, suppl. a ottobre 2005. [2] Juan Carlos Vergara Schmalbach, Tomás Fontalvo Herrera, Efraín de la Hoz Granadillo. “Efectos de la variación de la demanda y políticas de inventario en la cadena de suministro: un análisis desde la óptica de la dinámica de sistemas.” Ingeniare, Año 7 (2012), No. 13, pp. 25-38. Universidad Libre de Barranquilla. [3] José Alfredo Arévalo Hernández, Samuel Prieto Mejía. “El Juego de la Cerveza, un ejemplo popularizado del enfoque sitémico. Implementación en vensim.” Universidad del Magdalena, 2013. [4] Mert Edali, Hakan Yasarcan. “A Mathematical Model of The Beer Game”. Journal of Artificial Societies and Social Simulation, 17 (4) 2, 2014. [5] Kimberly M. Thompson, Nima D. Badizadegan. “Valuing Information in Complez Systems: An Integrated Analytical Approach to Achieve Optimal Performance in the Beer Distribution Game.” IEEE Access, vol. 3, pp. 2677-2686, 2015. [6] “Business Simulation: Can We Replay the Beer Game on the Computer?”. https://public.wsu.edu/~forda/Beer%20Game%20Bweb.pdf [7] Rachel Croson, Karen Donohue, Elena Katok, John Sterman. “Order Stability in Supply Chains: Coordination Risk and the Role of Coordination Stock”. Production and Operations Management, Vol. 23, No. 2, February 2014, pp. 176–196. [8] Ken Carney, “Adding Charts to an Excel VBA User Form.” Visual Basic .NET For Complete Beginners. 2010. [9] Ken Carney, “Excel Chart Images” Visual Basic .NET For Complete Beginners. 2010. [10] Adolfo Aparicio. “Simulación de una Distribución Normal”. ExcelAvanzado.com, 2008. [11] Ayuda de Microsoft Visual Basic para Aplicaciones. 84 Anexo A. Modelo del Sistema A.1 Definición de variables A.1.1 Variables independientes y constantes del modelo • s: Inventario mínimo. • S: Inventario máximo. • Q: Lote establecido. • M: Períodos para la estimación de la desviación estándar. • ID: Demanda inicial para la demanda determinista. • FWD: Período final para ID en la demanda determinista. • FD: Demanda que se aplica a partir de FWD en la demanda determinista. • IM: Media inicial para la demanda aleatoria. • IS: Desviación inicial para la demanda aleatoria. • FWN: Período final para (IM, IS) en la demanda aleatoria. • FM: Media final para la demanda aleatoria que se aplica a partir de FWN. • FS: Desviación final para la demanda aleatoria que se aplica a partir de FWN. • L: Constante que vale 3. Se usa en la política Echelon. • h: Coste de mantenimiento de inventario por unidad y tiempo. • b: Coste de pedido no servido por unidad y tiempo. • t: Instante actual. A.1.2 Variables de flujo • RISt: Pedidos entrantes al sector ‘Minorista’ en t. • WISt: Pedidos entrantes al sector ‘Mayorista’ en t. • DISt: Pedidos entrantes al sector ‘Distribuidor’ en t. • FPD1t: Retraso 1 de producción en ‘Fábrica’ en t. • WOSt: Pedidos salientes del sector ‘Mayorista’ en t. • DOSt: Pedidos salientes del sector ‘Distribuidor’ en t. • FOSt: Pedidos salientes del sector ‘Fábrica’ en t. • FPD2t: Retraso 2 de producción en ‘Fábrica’ en t. A.1.3 Variables de nivel • RINVt: Inventario del sector ‘Minorista’ en t. • WINVt: Inventario del sector ‘Mayorista’ en t. • DINVt: Inventario del sector ‘Distribuidor’ en t. • FINVt: Inventario del sector ‘Fábrica’ en t. • RBLt: Pedidos retrasados del sector ‘Minorista’ en t. • WBLt: Pedidos retrasados del sector ‘Mayorista’ en t. • DBLt: Pedidos retrasados del sector ‘Distribuidor’ en t. • FBLt: Pedidos retrasados del sector ‘Fábrica’ en t. 86 • RCOSt: Coste total del sector ‘Minorista’ en t. • WCOSt: Coste total del sector ‘Mayorista’ en t. • DCOSt: Coste total del sector ‘Dsitribuidor’ en t. • FCOSt: Coste total del sector ‘Fábrica’ en t. A.1.4 Variables auxiliaries • WIOt: Órdenes entrantes al sector ‘Mayorista’ en t. • DIOt: Órdenes entrantes al sector ‘Distribuidor’ en t. • FIOt: Órdenes entrantes al sector ‘Fábrica’ en t. • CORt: Demanda exógena en t. • ROPt: Orden realizada por el sector ‘Minorista’ en t. • WOPt: Orden realizada por el sector ‘Mayorista’ en t. • DOPt: Orden realizada por el sector ‘Distribuidor’ en t. • FPRt: Orden realizada por el sector ‘Fábrica' en t. A.2 Ecuaciones del modelo A.2.1 Ecuaciones auxiliares tt WIO ROP (A.1) tt DIO WOP (A.2) tt FIO DOP (A.3) Demanda (COR): • Deterministic ID si t FWD si t>FWD t COR FD     (A.4) • Random Normal ( , ) si t FWN ( , ) si t>FWN t t COR N IM IS COR N FM FS     (A.5) Políticas de lanzamiento de órdenes (OP): o s-S si R 0 e.o.c. t t t t t t t t t t t S RINV RIS WOS RBL WBL INV RIS WOS RBL WBL s ROP              (A.6) si 0 e.o.c. t t t t t t t t t t t S WINV WIS DOS WBL DBL WINV WIS DOS WBL DBL s WOP              (A.7) si D 0 e.o.c. t t t t t t t t t t t S DINV DIS FOS DBL FBL INV DIS FOS DBL FBL s DOP              (A.8) 1 2 si F 1 2 0 e.o.c. t t t t t t t t t S FINV FPD FPD FBL INV FPD FPD FBL s FPR            (A.9) o s-Q si RINV 0 e.o.c. t t t t t t Q RIS WOS RBL WBL s ROP         (A.10) si WINV 0 e.o.c. t t t t t t Q WIS DOS WBL DBL s WOP         (A.11) si DINV 0 e.o.c. t t t t t t Q DIS FOS DBL FBL s DOP         (A.12) si FINV 1 2 0 e.o.c. t t t t t Q FPD FPD FBL s FPR        (A.13) o ORDER TO S   0; t t t t t t ROP Max S RINV RIS WOS RBL WBL      (A.14)   0; t t t t t t WOP Max S WINV WIS DOS WBL DBL      (A.15)   0; t t t t t t DOP Max S DINV DIS FOS DBL FBL      (A.16)   0; 1 2 t t t t t FPR Max S FINV FPD FPD FBL     (A.17) o ORDER Q t ROP Q (A.18) t WOP Q (A.19) t DOP Q (A.20) t FPR Q (A.21) o UPDATED S   ; si R 0 e.o.c. t t t t t t t t t t t t t Min S s RINV RIS WOS RBL WBL INV RIS WOS RBL WBL s ROP              (A.22)   ; si 0 e.o.c. t t t t t t t t t t t t t Min S s WINV WIS DOS WBL DBL WINV WIS DOS WBL DBL s WOP              (A.23)   ; si D 0 e.o.c. t t t t t t t t t t t t t Min S s DINV DIS FOS DBL FBL INV DIS FOS DBL FBL s DOP              (A.24)   ; 1 2 si F 1 2 0 e.o.c. t t t t t t t t t t t Min S s FINV FPD FPD FBL INV FPD FPD FBL s FPR            (A.25) 88 Siendo ( ) * ( ) t s AVG D M STD D AVG(D): Media móvil de la demanda en las últimas 10 semanas. STD(D): Desviación estándar de la demanda en las últimas 10 semanas. o ECHELON   ; si R 0 e.o.c. t t t t t t t t t t t t t Min S s RINV RIS WOS RBL WBL INV RIS WOS RBL WBL s ROP              (A.26) Siendo * ( ) * ( )* t s L AVG D M STD D L   ; si 0 e.o.c. t t t t t t t t t t t t t Min S s WINV WIS DOS WBL DBL WINV WIS DOS WBL DBL s WOP              (A.27) Siendo ( 1 )* ( ) * ( )* 1 t s L L AVG D M STD D L L        ; si D 0 e.o.c. t t t t t t t t t t t t t Min S s DINV DIS FOS DBL FBL INV DIS FOS DBL FBL s DOP              (A.28) Siendo (2*( 1) )* ( ) * ( )* 2*( 1) t s L L AVG D M STD D L L        ; 1 2 si F 1 2 0 e.o.c. t t t t t t t t t t t Min S s FINV FPD FPD FBL INV FPD FPD FBL s FPR            (A.29) Siendo (3*( 1) )* ( ) * ( )* 3*( 1) t s L L AVG D M STD D L L      A.2.2 Ecuaciones de nivel 1 1 1 1 1 1 1 1 si R 0 e.o.c. t t t t t t t t t RINV RIS RBL COR INV RIS RBL COR RINV                  (A.30) 1 1 1 1 1 1 1 1 si 0 e.o.c. t t t t t t t t t WINV WIS WBL WIO WINV WIS WBL WIO WINV                  (A.31) 1 1 1 1 1 1 1 1 si D 0 e.o.c. t t t t t t t t t DINV DIS DBL DIO INV DIS DBL DIO DINV                  (A.32) 1 1 1 1 1 1 1 1 1 si F 1 0 e.o.c. t t t t t t t t t FINV FPD FBL FIO INV FPD FBL FIO FINV                  (A.33) 1 1 1 1 1 1 1 1 si R 0 e.o.c. t t t t t t t t t RBL COR RINV RIS BL COR RINV RIS RBL                  (A.34) 1 1 1 1 1 1 1 1 si 0 e.o.c. t t t t t t t t t WBL WIO WINV WIS WBL WIO WINV WIS WBL                  (A.35) 1 1 1 1 1 1 1 1 si D 0 e.o.c. t t t t t t t t t DBL DIO DINV DIS BL DIO DINV DIS DBL                  (A.36) 1 1 1 1 1 1 1 1 1 si F 1 0 e.o.c. t t t t t t t t t FBL FIO FINV FPD BL FIO FINV FPD FBL                  (A.37) 1** t t t t RCOS RCOS RINV h RBL b     (A.38) 1** t t t t WCOS WCOS WINV h WBL b     (A.39) 1** t t t t DCOS DCOS DINV h DBL b     (A.40) 1** t t t t FCOS FCOS FINV h FBL b     (A.41) A.2.3 Ecuaciones de flujo 1tt RIS WOS   (A.42) 1tt WIS DOS   (A.43) 1tt DIS FOS   (A.44) 1 12 tt FPD FPD   (A.45)   1 1 1 1 ; t t t t t WOS Min WINV WIS WBL WIO        (A.46)   1 1 1 1 ; t t t t t DOS Min DINV DIS DBL DIO        (A.47)   1 1 1 1 1; t t t t t FOS Min FINV FPD FBL FIO        (A.48) 1 2tt FPD FPR  (A.49) A.3 Esquema del Sistema Figura 8-1: Esquema del sistema. 96 Figura 8-10: Cuadro de diálogo de Políticas. En este cuadro de diálogo se podrá establecer la política que regirá el sector controlado por el sistema, así como los parámetros que intervienen: punto de pedido, inventario máximo, lote económico y periodos para la estimación de la desviación estándar. Seis políticas son las que están disponibles: • s-S: Cuando el inventario cae por debajo de s el sistema lanza una orden para llevar el inventario a S. • s-Q: Cuando el inventario cae por debajo de s el sistema lanza una orden de cantidad Q. • Order to S: El sistema realiza una orden para llevar el inventario a S. • Updated s: El nivel de s es constantemente actualizado al siguiente valor: la media móvil de la demanda del cliente recibida en las pasadas 10 semanas (o menos de 10 semanas si no se han simulado aún) más M veces la estimación de la desviación estándar en el mismo periodo que la media móvil anterior. Cuando el inventario cae por debajo de dicha s, el sistema lanza una orden para llegar a s. Sin embargo, la cantidad máxima posible a pedir es S. • Echelon: El valor de s para cada sector se determina como sigue: o Minorista: s = L * AVG(D) + M * STD(D) * sqrt(L) o Mayorista: s = (L-1+L) * AVG(D) + M * STD(D) * sqrt(L-1+L) o Distribuidor: s = (2*(L-1)+L) * AVG(D) + M * STD(D) * sqrt(2*(L-1)+L) o Fábrica: s = (3*(L-1)+L) * AVG(D) + M * STD(D) * sqrt(3*(L-1)+L) Siendo AVG(D) la media móvil de la demanda del cliente en las pasadas 10 semanas y STD(D) la desviación estándar de la demanda en el mismo periodo. Cuando el inventario cae por debajo de s, el sistema lanza una orden para llevarlo a s. Sin embargo, el pedido máximo es S. B.6.2 Jugador Se podrá elegir el sector que controlará el usuario con esta opción. Al pulsar el botón Jugador aparece el cuadro siguiente donde se podrá seleccionar el sector o no controlar ningún sector para dejar que el sistema controle toda la cadena de suministro. Figura 8-11: Cuadro de diálogo para seleccionar sector. B.6.3 Demanda Para establecer la demanda del cliente que entra al sector ‘Minorista’ se usa el cuadro de diálogo siguiente: Figura 8-12: Cuadro de diálogo para establecer la demanda del cliente. Podrá seleccionarse el tipo de demanda junto a sus parámetros. B.6.4 Costes Pueden establecerse los costes que se imputarán a cada unidad en inventario y a cada unidad no servida por instante de tiempo. Para establecer dichos costes se usará el siguiente cuadro de diálogo: 98 Figura 8-13: Cuadro de diálogo para establecer costes. B.6.5 Info Global Al pulsar este botón se mostrará en pantalla la información de los sectores que no son controlados por el usuario. Si esta opción está activada cuando se pulsa, se ocultará toda esa información para dejar solo la información del sector controlado por el usuario.