Uso de técnicas de pronósticos para la planeación del inventario de una PYME comercializadora en Tlaxcala, México

Main Article Content

Lucía Guadalupe Enríquez Zárate Miguel Ángel Rodríguez Lozada

Resumen

La presente investigación tiene como objetivo contribuir con herramientas de pronósticos que asistan al administrador de la PYME bajo análisis a anticipar las ventas futuras para tomar decisiones de compra más acertadas que optimicen los niveles de inventario. El estudio se realiza en una empresa comercializadora de materiales de construcción en Tlaxcala, utilizando los datos históricos de venta del cemento gris por su aportación al 50% de las utilidades globales del negocio. Se compararon tres prácticas observadas en el entorno local (promedio semanal del último año, promedio semanal del mes anterior y misma cantidad que la semana anterior) y cinco técnicas de pronósticos usualmente aplicadas en la literatura (regresión lineal simple, suavización exponencial, regresión no lineal, regresión por redes neuronales y metodología Box-Jenkins). Los resultados revelaron que, cualquier pronóstico cercano o igual a la media resultará aceptable cuando la serie de datos siga una distribución normal. Hallándose que el modelo no lineal (regresión logarítmica natural) se ajustó mejor a los datos por la naturaleza variable de la demanda, los pronósticos con valores cercanos a la media y el 88% de aciertos en el patrón de tendencia.

Article Details

Como citar
ENRÍQUEZ ZÁRATE, Lucía Guadalupe; RODRÍGUEZ LOZADA, Miguel Ángel. Uso de técnicas de pronósticos para la planeación del inventario de una PYME comercializadora en Tlaxcala, México. RECAI Revista de Estudios en Contaduría, Administración e Informática, [S.l.], p. 22 - 41, ene. 2021. ISSN 2007-5278. Disponible en: <https://recai.uaemex.mx/article/view/15262>. Fecha de acceso: 18 ago. 2022 doi: https://doi.org/10.36677/recai.v10i27.15262.
Sección
Artículos de Investigación

Citas

Acosta, M., Díaz, R. y Anaya, A (2009). Revisión de técnicas de análisis de decisión multicriterio (múltiple criteria decisión analysis–MCDA) como soporte a problemas complejos: pronósticos de demanda. Revista Guillermo de Ockham, 7(2), 91-110. Disponible en: http://www.revistas.usb.edu.co/index.php/GuillermoOckham/article/view/547/349 Consultado el 07/06/2020.

Agudelo, D. y López, Y. (2018). Dinámica de sistemas en la gestión de inventarios. Ingenierías USBMed, 9(1), 75-85. Disponible en: http://www.revistas.usb.edu.co/index.php/IngUSBmed/article/view/3305/2782 Consultado el 15/06/2020.

Aguirre, R. y Armenta C. (2012). La importancia del control interno en las pequeñas y medianas empresas en México. Revista El Buzón de Pacioli, 12(76), 1-17. Disponible en: https://www.itson.mx/publicaciones/pacioli/Documents/no77/68d_-_la_importancia_del_contorl_interno_en_las_pequenas_y_medianas_empresas_en_mexicox.pdf Consultado el 10/11/2020.

Anderson, D., Sweeney, D. y Williams, T. (2008). Estadística para Administración y Economía. [Traducido al español de Statistics for Business and Economics]. 10ª edición. México: Cengage Learning.

Arango, J., Giraldo, J. y Castrillón, O. (2013). Gestión de compras e inventarios a partir de pronósticos Holt-Winters y diferenciación de nivel de servicio por clasificación ABC. Scientia et technica, 18(4), 743-747. Disponible en: https://revistas.utp.edu.co/index.php/revistaciencia/article/viewFile/7171/5623 Consultado el 15/06/2020.
Arnau, J. (2001). Diseños de Series Temporales: Técnicas de Análisis. Barcelona: Edicions de la Universitat de Barcelona.

Beltrán, A. (2006). Los 20 problemas de la pequeña y mediana empresa. Sotavento MBA, (7), 8-15. Disponible en: https://revistas.uexternado.edu.co/index.php/sotavento/article/view/1574/1426 Consultado el 05/06/2020.

Cleri, C. (2013). El Libro de las PyMEs. 1ª edición. Buenos Aires: Ediciones Granica.

Cole, J. (2002). Nociones de Regresión Lineal. Universidad Francisco Maroquin. Octllbre. Disponible en: http://fce2.ufm.edu/jhcole/regresion.pdf Consultado el 10/06/2020.

Contreras, A., Atziry, C., Martínez, J. y Sánchez, D. (2016). Análisis de series de tiempo en el pronóstico de la demanda de almacenamiento de productos perecederos. Estudios Gerenciales, 32(141), 387-396. Disponible en: https://www.sciencedirect.com/science/article/pii/S0123592316300754 Consultado el 16/05/2020.

Cruz, A. (2017). UF0476: Gestión de inventarios. COML0210-Gestión y control del aprovisionamiento. 1ª edición. México: IC Editorial.

de la Garza, M., Zavala, M., López, J. y López, P. (2019). Inventario de las causas del fracaso en emprendedores sociales en México (CAFES-M). Revista Perspectivas, (43), 107-134. Disponible en: http://www.scielo.org.bo/pdf/rp/n43/n43_a05.pdf Consultado el 07/06/2020.

Eppen, G., Gould, F., Schmidt, C., Moore, J. y Weatherford, L. (2000). Investigación de Operaciones en la Ciencia Administrativa. [Traducido al español de Introductory Management Science]. 5ª edición. México: Prentice-Hall.

Flórez, R. y Fernández, J. (2008). Las Redes Neuronales Artificiales: Fundamentos Teóricos y Aplicaciones Prácticas. 1ª edición. España: Netbiblo.

García, O. y Nava, R. (2019). Características del dueño-administrador en la innovación y desempeño de pequeñas y medianas empresas metalmecánicas del Valle de Toluca. RECAI: Revista de Estudios en Contaduría, Administración e Informática, 8(23), 39-62. Disponible en: https://recai.uaemex.mx/article/view/12860/10150 Consultado el 30/05/2020.

Gu, Y., Wylie, B., Boyte, S., Picotte, J., Howard, D., Smith, K. y Nelson, K. (2016). An optimal sample data usage strategy to minimize overfitting and underfitting effects in regression tree models based on remotely-sensed data. Remote Sensing, 8(11), 943-953. Disponible en: https://www.mdpi.com/2072-4292/8/11/943/htm Consultado el: 10/08/2020.

Guerra, J., Sánchez, G. y Reyes, B. (1997). Modelos de series de tiempo para predecir la inflación en Venezuela. Banco Central de Venezuela, Gerencia de Investigaciones Económicas, 1-30. Disponible en: http://200.74.197.130/Upload/Publicaciones/doc13.pdf Consultado el 14/06/2020.

Hanke, J. y Wichern, D. (2006). Pronósticos en los Negocios. [Traducido al español de Business forecasting]. 8ª edición. México: Pearson Educación.

Hernández, L. (2007). Competencias esenciales y PYMEs familiares: Un modelo para el éxito empresarial. Revista de Ciencias Sociales (Ve), 13(2), 249-263. Disponible en: https://www.redalyc.org/pdf/280/28011677005.pdf Consultado el 10/11/2020.

Hyndman, R. y Athanasopoulos, G. (2018). Forecasting: Principles and Practice, 2o edición. Australia: OTexts.

INEGI (2020). Comunicado de Prensa Núm. 285/20. México: INEGI. Disponible en: https://www.inegi.org.mx/contenidos/saladeprensa/aproposito/2020/MYPIMES20.pdf Consultado el 13/11/2020.

Jara, M. (1998). Las series temporales: aplicación de los modelos ARIMA para el análisis de la sintomatología del ciclo menstrual. (Trabajo de grado). Barcelona: Micromagna.

Khalaf, H. y Zaman, R. (2015). Methods to avoid over-fitting and under-fitting in supervised machine learning (comparative study). Computer Science, Communication and Instrumentation Devices, 1, 163-172. Disponible en: https://www.researchgate.net/profile/Haider_Allamy/publication/295198699_METHODS_TO_AVOID_OVER-FITTING_AND_UNDER-FITTING_IN_SUPERVISED_MACHINE_LEARNING_COMPARATIVE_STUDY/links/56c8253f08aee3cee53a3707.pdf Consultado el: 11/08/2020.

Laguna, C. (2014). Correlación y regresión lineal. Instituto Aragonés de Ciencias de la Salud, 1-18. Disponible en: http://www.ics-aragon.com/cursos/salud-publica/2014/pdf/M2T04.pdf Consultado el 10/06/2020.

Martínez, J. (2010). Empresas Familiares, Reto al Destino: Claves para Perdurar con Éxito. 1ª edición. Buenos Aires: Granica.

McLeod Jr., R. (2000). Sistemas de Información Gerencial. [Traducido al español de Management information systems a study of computer-based information systems]. 7ª edición. México: Prentice Hall.

Méndez, G. y López, E. (2014). Metodología para el pronóstico de la demanda en ambientes multiproducto y de alta variabilidad. Tecnura, 18(40), 89-102. Disponible en: https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/6977/8655 Consultado el 15/05/2020.

Muñoz, A. (2014). Metodología para el dimensionamiento de almacenes basado en la estimación de la demanda para el sector cosmético. (Trabajo de grado). Universidad Milinar Nueva Granada. Disponible en: https://repository.unimilitar.edu.co/bitstream/handle/10654/12624/ART%C3%8DCULO%20FINAL.pdf?sequence=1 Consultado el 17/05/2020.

Murillo, J., Trejos, A. y Carvajal, P. (2003). Estudio del pronóstico de la demanda de energía eléctrica, utilizando modelos de series de tiempo. Scientia et technica, 3(23), 37-42. Disponible en: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/7379/4403 Consultado el 20/05/2020.

Orlando, Y., Rivas, A., Pérez, M. y Marrero, F. (2017). Procedimiento para el pronóstico de la demanda mediante redes neuronales artificiales. Ciencias Holguín, 23(1), 1-18. Disponible en: https://www.redalyc.org/pdf/1815/181549596004.pdf Consultado el 22/05/2020.

Osborne, J. (2010). Improving your data transformations: Applying the Box-Cox transformation. Practical Assessment, Research, and Evaluation, 15(12), 1-9. Disponible en: https://scholarworks.umass.edu/cgi/viewcontent.cgi?article=1238&context=pare Consultado el 19/11/2020.

Peterson, R. y Silver, E. (1985). Decision Systems for Inventory Management and Production Planning. New York: John Wiley & Sons Inc.

Rivas, G., López, L. y Velasco, A. (1993). Regresión no lineal. Revista Colombiana de Estadística, 14(27), 89-102. Disponible en: https://revistas.unal.edu.co/index.php/estad/article/viewFile/10003/10531 Consultado el 10/06/2020.

Rodríguez, A. (2013). Modelo de planeación de mano de obra y materiales con demanda variable de envases farmacéuticos y cosméticos plásticos. Gerencia en Logística Integral, 1, 1-19. Disponible en: https://repository.unimilitar.edu.co/bitstream/handle/10654/11009/MODELO%20DE%20PLANEACI%C3%93N%20DE%20MANO%20DE%20OBRA%20Y%20MATERIALES%20AR.pdf?sequence=1&isAllowed=y Consultado el 16/06/2020.

Roscoe, K. y Mckeown, P. (1986). Modelos Cuantitativos para Administración. México: Iberoamérica.

Sturges, H. (1926). The choice of a class interval. Journal of the American Statistical Association, 21(153), 65-66. Disponible en: http://www.esalq.usp.br/departamentos/lce/arquivos/aulas/2013/LCE0216/Sturges1926.pdf Consultado el 13/06/2020.

Taha, H. (2012). Investigación de Operaciones. [Traducido al español de Operations Research: An Introduction]. 9ª edición. México: Pearson Educación. Disponible en: https://www.academia.edu/23181259/Investigacion_de_operaciones_9na_Edicion_Hamdy_A_Taha_FL Consultado el 27/06/2020.

Tobón, J. (2020). Desarrollo de un modelo de pronóstico en la metodología de Box-Jenkins para la demanda de estudiantes de pregrado de la Fundación Universitaria Tecnológico Comfenalco de la ciudad de Cartagena de indias desde 2002 a 2018. (Trabajo de grado). Disponible en: https://repository.libertadores.edu.co/bitstream/handle/11371/2792/Guzm%C3%A1n_%20Juan_2019.pdf?sequence=1 Consultado el 21/05/2020.

van der Aalst, W., Rubin, V., van Dongen, B., Kindler, E. y Günther, C. (2006). Process mining: A two-step approach using transition systems and regions. BPM Center Report BPM-06-30, BPMcenter.org, 6. Disponible en: http://www.padsweb.rwth-aachen.de/wvdaalst/publications/p359.pdf Consultado el 10/08/2020.

Velásquez, J. (2004). Pronóstico de la serie de Mackey-Glass usando modelos de regresión no lineal. Dyna, 71(142), 85-95. Disponible en: https://www.redalyc.org/pdf/496/49614209.pdf Consultado el 16/11/2020.
Yan, X. (2009). Linear Regression Analysis: Theory and Computing. New York: World Scientific Publishing Company