De la depuración de datos a la decisión logística: Modelo heurístico de cobertura de inventarios en el sector retail

Juan Castillo Salamín

doi:10.70625/rmis/754

Autores/as

Juan Castillo Salamín Universidad de Panamá Autor/a

DOI:

https://doi.org/10.70625/rmis/754

Palabras clave:

Calidad de la información, Cadena de suministro, Reabastecimiento, Sistemas integrados, Analítica de operaciones

Resumen

Introducción: La deficiente calidad de información operativa entre sistemas informáticos en cadenas minoristas latinoamericanas genera inconsistencias que neutralizan la planificación eficiente del reabastecimiento, obligando a ejecutar análisis manuales prolongados y perpetuando ciclos de ineficiencia organizacional. Objetivo: Diseñar, implementar y evaluar un modelo de reabastecimiento para un entorno comercial, integrando un algoritmo de limpieza y un cálculo de revisión periódica para emitir órdenes en bultos cerrados que aseguren un horizonte de cuatro semanas. Metodología: Estudio cuantitativo, aplicativo y descriptivo, con diseño de caso único transversal. Se empleó un censo computacional de quinientas once referencias activas extraídas mediante consultas directas. La intervención consistió en programar un instrumento secuencial basado en lenguaje informático para integrar plataformas, sanear campos inconsistentes y aplicar heurísticas de abastecimiento. Conclusiones: Los resultados revelaron un sobrestock sistémico generalizado, optimizando compras prioritarias mediante ciento veinte unidades logísticas. Estos hallazgos demuestran viabilidad técnica para corregir asimetrías, evidenciando que sanear registros previamente es una variable estructural ineludible. Adoptar formulaciones determinísticas actúa como valioso puente transicional hacia la madurez analítica dentro de mercados emergentes, logrando dotar a toda la organización de sólidos procesos objetivos que consiguen erradicar las adquisiciones intuitivas y logran estandarizar el nivel de servicio al consumidor final.

Referencias

Acero-Chavez, R., & Patiño-Rodríguez, C. E. (2020). Modelo de gestión de inventarios para empresas del sector retail en Colombia. DYNA, 87(212), 25–33. https://doi.org/10.15446/dyna.v87n212.81982

Arias, F. G. (2012). El proyecto de investigación: Introducción a la metodología científica (6ta ed.). Episteme.

Axsäter, S. (2015). Inventory control (3rd ed.). Springer. https://doi.org/10.1007/978-3-319-15729-0

Bijvank, M., & Vis, I. F. A. (2011). Lost-sales inventory theory: A review. European Journal of Operational Research, 215(1), 1–13. https://doi.org/10.1016/j.ejor.2011.02.004

Cachon, G. P., & Terwiesch, C. (2013). Matching supply with demand: An introduction to operations management(3rd ed.). McGraw-Hill Education.

Fisher, M., & Raman, A. (2010). The new science of retailing. Harvard Business Review Press.

Graves, S. C., & Willems, S. P. (2008). Strategic safety-stock placement in supply chains. Manufacturing & Service Operations Management, 10(2), 204–219. https://doi.org/10.1287/msom.1070.0189

Hazen, B. T., Boone, C. A., Ezell, J. D., & Jones-Farmer, L. A. (2014). Data quality for data science, predictive analytics, and big data in supply chain management. International Journal of Production Economics, 154, 72–80. https://doi.org/10.1016/j.ijpe.2014.01.019

Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Metodología de la investigación (6ta ed.). McGraw-Hill Education.

Ilyas, I. F., & Chu, X. (2019). Data cleaning. ACM Books / Morgan & Claypool. https://doi.org/10.1145/3310205

Kimball, R., & Ross, M. (2013). The data warehouse toolkit: The definitive guide to dimensional modeling (3rd ed.). Wiley.

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Gluud, C., Mayo-Wilson, E., McDonald, S., McGuinness, L. A., Stewart, L. A., Thomas, J., Tricco, A. C., Welch, V. A., & Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. PLOS Medicine, 18(3), Artículo e1003583. https://doi.org/10.1371/journal.pmed.1003583

Redman, T. C. (2016). Data driven: Profiting from your most important business asset. Harvard Business Review Press.

Rossi, R., Kilic, O. A., & Tarim, S. A. (2015). Piecewise linear approximations for the static–dynamic uncertainty strategy in stochastic lot-sizing. Omega, 50, 126–140. https://doi.org/10.1016/j.omega.2014.09.007

Salas-Navarro, K., Meza, J. A., Obredor-Baldovino, T., & Mercado-Caruso, N. (2019). Evaluación de la cadena de suministro para mejorar la competitividad y productividad en el sector metalmecánico. Información Tecnológica, 30(2), 25–32. https://doi.org/10.4067/S0718-07642019000200025

Silver, E. A., Pyke, D. F., & Thomas, D. J. (2017). Inventory and production management in supply chains (4th ed.). CRC Press / Taylor & Francis. https://doi.org/10.1201/9781315374406

Wang, R. Y., & Strong, D. M. (1996). Beyond accuracy: What data quality means to data consumers. Journal of Management Information Systems, 12(4), 5–33. https://doi.org/10.1080/07421222.1996.11518099

Zipkin, P. H. (2000). Foundations of inventory management. McGraw-Hill.