Revista Científica Ciencia y Tecnología Vol 22 No 34 págs. 27-38
http://cienciaytecnologia.uteg.edu.ec
Modelos predictivos de sistemas de información en la gestión
de abastecimientos del sector ferretero
Predictive models of information systems in the supply
management of the hardware sector
Francisco Cedeño Troya1
fcedeno@uteg.edu.ec
https://orcid.org/0000-0003-4982-4185
Fernando Carpio Torres2
fernancarpio@gmail.com
https://orcid.org/0000-0001-8481-026X
Recibido: 10/12/2021, Aceptado: 14/03/2022
RESUMEN
Hasta hace unos años era común que las empresas no presentaran un control
permanente sobre las existencias de los productos, lo que obligaba al cálculo de
periodos óptimos de revisión para tomar decisiones de reposición. En este marco se
busca desarrollar un modelo predictivo para las empresas retails en cuanto al
proceso de abastecimiento de productos, enfocado en reducir las pérdidas que
genera una deficiente gestión. La investigación es de tipo no experimental
transversal con enfoque cuantitativo. Se consideraron 1.787 empresas de retails
del sector ferretero para la recolección de datos, utilizando técnicas de campo y
documentales, identificando que en el registro de ventas el 36.3% de las empresas
tienen almacenado solo dos años de registros de ventas. Asimismo, el 57,5%, indica
que el uso de sistemas de información permitirá tener mejor control del
abastecimiento de los productos y el 25,6% corresponde al control de stock a través
de Excel. Se compararon varios modelos encontrando que el modelo Arima, cumple
con los requerimientos que presentan las empresas involucradas en el contexto
investigado, determinando que presenta condiciones de mayor precisión y un
acumulado con menor grado de errores.
Palabras clave: Abastecimiento, gestión, minería de datos, pronósticos,
inventarios.
ABSTRACT
Until a few years ago, it was common for companies not to have permanent control
over product stocks, which forced the calculation of optimal review periods to make
replacement decisions. In this framework, the aim is to develop a predictive model
for retail companies in terms of the product supply process, focused on reducing
the losses generated by poor management. The research is of a non-experimental
cross-sectional type with a quantitative approach. 1,787 retail companies from the
hardware sector were considered for data collection, using field and documentary
techniques, identifying that in the sales record 36.3% of the companies have stored
1 Magíster en Sistemas de Información Gerencial, Universidad Tecnológica Empresarial de Guayaquil, Ecuador
2 Magíster en Sistemas de Información Gerencial, Universidad Tecnológica Empresarial de Guayaquil, Ecuador
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
only two years of sales records. Likewise, 57.5% indicate that the use of information
systems will allow better control of the supply of products and 25.6% corresponds
to stock control through Excel. Several models were compared, finding that the
Arima model complies with the requirements presented by the companies involved
in the investigated context, determining that it presents conditions of greater
precision and a cumulative one with a lower degree of errors.
Keywords: Procurement, management, data mining, forecasts, inventories.
Introducción
La dinámica actual de la empresa retails ferreteras con sus cadenas de
abastecimientos, ha pasado a ser un factor perjudicial en la actualidad debido a su
notable impacto en las finanzas empresarial, influenciado por el nivel de capital de
trabajo que involucran y también por su incidencia en el servicio oportuno al
consumidor. (Garrido & Cejas, 2017) Cada día es más importante tener la cantidad
de stock necesarios que permita servir las necesidades de los clientes, sin aumentar
demasiado la inversión requerida.
Hasta hace unos años era común que las empresas no presentaran un control
permanente sobre las existencias de los productos, lo que obligaba al cálculo de
periodos óptimos de revisión para tomar decisiones de reposición. El rol del control
de inventario consiste en la flexibilización de las operaciones administrativas
realizadas para el abastecimiento en determinados periodos. En la época actual a
revisión de los stocks ya puede ser permanente, gracias a la asistencia de los
sistemas informáticos, mientras que los tiempos de suministro tienden a cambiar
por al avance de los sistemas logísticos y por la globalización (Garrido & Cejas,
2017).
La información de base para la planeación de inventarios en la actualidad debe tener
la suficiente dinámica para adaptarse a los movimientos de los mercados. Los
modelos probabilísticos tienden a tener un mayor nivel de aproximación, en la
mayoría de los casos, a las circunstancias del mundo real. Partir de modelos
confiables de pronósticos es una buena estrategia para hacer una previsión realista
de las necesidades futuras de inventarios y evitar tanto los excesos como los
faltantes (Duran, 2014).
Si bien es cierto el control de inventarios es importante en toda organización.
Nahmias (2017), indica que al menos 20% de los Pymes como lo son las Ferreterías
no se han efectuado políticas y procedimientos que permitan el control de
inventarios, esto impidió el desarrollo normal de las actividades relacionadas con la
comercialización, que se lleva a cabo mediante la presentación prematura de
información relevante relacionada con los inventarios.
La gestión de abastecimiento, según Cárdenas (2013), existen alternativas para
mejorar la gestión de la cadena de suministro en una de las empresas más
competitivas del mercado con el fin de aumentar su fiabilidad, rentabilidad y
competitividad. Para hacer esto, se propuso la introducción de un nuevo sistema de
planificación que le permite controlar los costos totales de almacenamiento
(almacenamiento más la consideración de costos de importación), una nueva
política sobre el manejo de stock, analizando la variabilidad que presente la
demanda, el tiempo de entrega de producción y el stock promedio establecido;
28
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
only two years of sales records. Likewise, 57.5% indicate that the use of information
systems will allow better control of the supply of products and 25.6% corresponds
to stock control through Excel. Several models were compared, finding that the
Arima model complies with the requirements presented by the companies involved
in the investigated context, determining that it presents conditions of greater
precision and a cumulative one with a lower degree of errors.
Keywords: Procurement, management, data mining, forecasts, inventories.
Introducción
La dinámica actual de la empresa retails ferreteras con sus cadenas de
abastecimientos, ha pasado a ser un factor perjudicial en la actualidad debido a su
notable impacto en las finanzas empresarial, influenciado por el nivel de capital de
trabajo que involucran y también por su incidencia en el servicio oportuno al
consumidor. (Garrido & Cejas, 2017) Cada día es más importante tener la cantidad
de stock necesarios que permita servir las necesidades de los clientes, sin aumentar
demasiado la inversión requerida.
Hasta hace unos años era común que las empresas no presentaran un control
permanente sobre las existencias de los productos, lo que obligaba al cálculo de
periodos óptimos de revisión para tomar decisiones de reposición. El rol del control
de inventario consiste en la flexibilización de las operaciones administrativas
realizadas para el abastecimiento en determinados periodos. En la época actual a
revisión de los stocks ya puede ser permanente, gracias a la asistencia de los
sistemas informáticos, mientras que los tiempos de suministro tienden a cambiar
por al avance de los sistemas logísticos y por la globalización (Garrido & Cejas,
2017).
La información de base para la planeación de inventarios en la actualidad debe tener
la suficiente dinámica para adaptarse a los movimientos de los mercados. Los
modelos probabilísticos tienden a tener un mayor nivel de aproximación, en la
mayoría de los casos, a las circunstancias del mundo real. Partir de modelos
confiables de pronósticos es una buena estrategia para hacer una previsión realista
de las necesidades futuras de inventarios y evitar tanto los excesos como los
faltantes (Duran, 2014).
Si bien es cierto el control de inventarios es importante en toda organización.
Nahmias (2017), indica que al menos 20% de los Pymes como lo son las Ferreterías
no se han efectuado políticas y procedimientos que permitan el control de
inventarios, esto impidió el desarrollo normal de las actividades relacionadas con la
comercialización, que se lleva a cabo mediante la presentación prematura de
información relevante relacionada con los inventarios.
La gestión de abastecimiento, según Cárdenas (2013), existen alternativas para
mejorar la gestión de la cadena de suministro en una de las empresas más
competitivas del mercado con el fin de aumentar su fiabilidad, rentabilidad y
competitividad. Para hacer esto, se propuso la introducción de un nuevo sistema de
planificación que le permite controlar los costos totales de almacenamiento
(almacenamiento más la consideración de costos de importación), una nueva
política sobre el manejo de stock, analizando la variabilidad que presente la
demanda, el tiempo de entrega de producción y el stock promedio establecido;
28
Revista Científica Ciencia y Tecnología Vol 22 No 34 págs. 27-38
http://cienciaytecnologia.uteg.edu.ec
y controlar estrictamente la frecuencia de las órdenes de compra. De esta manera
se necesita identificar la mejor manera de reducir los costos operativos de los
procesos logísticos, los mismos que permitirán crear una ventaja competitiva.
Las autoras Correa & Fernández (2016) determinan que, muchas empresas al darse
cuenta del valor estratégico de determinada propuesta, no solo reestructuraron esta
función, sino que también comenzaron a repensar la manera tradicional empleada
para la adquisición y constitución de relaciones con los proveedores, lo que condujo
a una visión más inclusiva de la cadena de suministro.
El desarrollo de un modelo de gestión de abastecimiento a través de la clasificación
de los materiales que se requieren para los procesos de reparación y construcción
de buques, proporciona al área de adquisiciones una visión sobre la importancia de
los diferentes materiales y se tiene una herramienta que guía sobre las relaciones
a establecer con los proveedores de estos bienes en cuanto al tipo de acuerdo que
sea más beneficioso tanto para la empresa como para sus proveedores. Cada
categoría de materiales va de la mano con un conjunto de estrategias consideradas
adecuadas para desarrollar acuerdos con los proveedores de estos bienes. De esta
manera, la organización mejora sus procesos de compra optimizando sus recursos
y disminuyendo tiempos de respuesta y costos (Otero Pineda, 2011). Con esta
visión permite tener crear una clasificación de los productos más rentables para las
empresas y disminuir el costo de almacenamiento.
Mira et al. (2018), en un estudio sobre la aplicación de Holt-Winters para
pronósticos de inventarios, indica que la aplicación de este módulo para disminuir
las actividades de las organizaciones que tan solo las ventas constantes de los
productos permitirán tener un mejor control de los tiempos de entregas a los
consumidores.
Una observación clara de este modelo es que se pudo identificar que sólo para los
productos que presentan demanda estacional se puede aplicar, por el contrario, no
es propio aplicar este modelo para los productos que son de demanda altamente
variable.
El análisis predictivo es el uso de datos, algoritmos estadísticos y técnicas de
aprendizaje automático para identificar la probabilidad de resultados futuros
basados en datos históricos. El objetivo es ir más allá de saber qué ha pasado para
proporcionar una mejor evaluación de lo que ocurrirá en el futuro. Las
organizaciones se apoyan en la analítica predictiva para ayudar a resolver
problemas difíciles y descubrir nuevas oportunidades (Chavez & Saucedo, 2016).
En virtud de lo mencionado se plantea el siguiente objetivo Evaluar un
modelamiento predictivo para la gestión de abastecimiento de productos en el
sector ferretero ubicada en la parroquia Rocafuerte de la ciudad de Guayaquil.
El modelo de Wilson para la gestión de inventarios
Canaleta (2018) indica la existencia de muchos modelos matemáticos relacionados
con una óptima gestión de inventario en una organización. Uno de los modelos más
conocidos y explicados con mayor frecuencia en su simplicidad es el modelo Wilson
o el modelo de volumen económico.
29
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
Modelo ETS
El ETS es un modelo de pronóstico de series de tiempo para datos univariados, los
métodos de series de tiempo como la familia de métodos ARIMA de Box-Jenkins
desarrollan un modelo en el que la predicción es una suma lineal ponderada de
observaciones o retrasos recientes. Los pronósticos producidos utilizando métodos
de suavizado exponencial son promedios ponderados de observaciones pasadas,
con los pesos decayendo exponencialmente a medida que las observaciones
envejecen. En otras palabras, cuanto más reciente sea la observación, mayor será
el peso asociado (Blacona & Magnani, 2012).
Redes neuronales
Las redes neuronales son un conjunto de algoritmos, modelados a partir del cerebro
humano, que están diseñados para reconocer patrones. Interpretan los datos
sensoriales a través de un tipo de percepción de máquina, etiquetando o agrupando
entradas sin procesar. Los patrones que reconocen son numéricos, contenidos en
vectores, a los que se deben traducir todos los datos del mundo real, ya sean
imágenes, sonido, texto o series de tiempo (Muñoz & Garcia, 2013).
Modelo Bats
El modelo BATS es un Método de suavizado exponencial + Transformación Box-Cox
+ Modelo ARMA para residuos. La transformación de Box-Cox aquí es para tratar
con datos no lineales y el modelo ARMA para los residuos puede des-correlacionar
los datos de series de tiempo. Alysha M. (2010) ha demostrado que el modelo BATS
puede mejorar el rendimiento de predicción en comparación con el simple modelo
Sate Space. Sin embargo, el modelo BATS no funciona bien cuando la naturaleza
es compleja y de alta frecuencia. Entonces, Alysha M. (2011) propuso un modelo
TBATS que es el modelo BATS + Trigonometric Seasonal.
Modelo ARIMA
Son modelos paramétricos que pretenden lograr la representación de la serie en
requisitos de la interrelación temporal de sus características. Yule y Slutsky
propusieron este tipo de modelo, que define una serie en forma de sumas o
diferencias, ponderadas o no ponderadas, variables aleatorias o series resultantes.
Fueron la base de los procesos de promedios móviles y autorregresivos, que
recibieron un desarrollo significativo después de la publicación del libro Box-Jenkins
sobre los modelos ARIMA en 1970 (González, s/n).
Tabla 1 Características de los modelos predictivos
WILSON
HOLT-WINTER
ETS
• La demanda del
producto es
constante,
uniforme y
conocida.
• El precio de cada
unidad de
producto es
constante e
independiente del
nivel de
inventario y del
• Tiene la ventaja
de ser fácil de
adaptarse a
medida que
nueva
información real
esté disponible.
• Debe contarse
con datos de la
variable a
pronosticar de al
menos dos
• Estos métodos
proponen un
suavizado para la
componente
tendencia y otro
para la
componente de
estacionalidad,
cuando ambas
componentes
están presentes
se puede
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
Modelo ETS
El ETS es un modelo de pronóstico de series de tiempo para datos univariados, los
métodos de series de tiempo como la familia de métodos ARIMA de Box-Jenkins
desarrollan un modelo en el que la predicción es una suma lineal ponderada de
observaciones o retrasos recientes. Los pronósticos producidos utilizando métodos
de suavizado exponencial son promedios ponderados de observaciones pasadas,
con los pesos decayendo exponencialmente a medida que las observaciones
envejecen. En otras palabras, cuanto más reciente sea la observación, mayor será
el peso asociado (Blacona & Magnani, 2012).
Redes neuronales
Las redes neuronales son un conjunto de algoritmos, modelados a partir del cerebro
humano, que están diseñados para reconocer patrones. Interpretan los datos
sensoriales a través de un tipo de percepción de máquina, etiquetando o agrupando
entradas sin procesar. Los patrones que reconocen son numéricos, contenidos en
vectores, a los que se deben traducir todos los datos del mundo real, ya sean
imágenes, sonido, texto o series de tiempo (Muñoz & Garcia, 2013).
Modelo Bats
El modelo BATS es un Método de suavizado exponencial + Transformación Box-Cox
+ Modelo ARMA para residuos. La transformación de Box-Cox aquí es para tratar
con datos no lineales y el modelo ARMA para los residuos puede des-correlacionar
los datos de series de tiempo. Alysha M. (2010) ha demostrado que el modelo BATS
puede mejorar el rendimiento de predicción en comparación con el simple modelo
Sate Space. Sin embargo, el modelo BATS no funciona bien cuando la naturaleza
es compleja y de alta frecuencia. Entonces, Alysha M. (2011) propuso un modelo
TBATS que es el modelo BATS + Trigonometric Seasonal.
Modelo ARIMA
Son modelos paramétricos que pretenden lograr la representación de la serie en
requisitos de la interrelación temporal de sus características. Yule y Slutsky
propusieron este tipo de modelo, que define una serie en forma de sumas o
diferencias, ponderadas o no ponderadas, variables aleatorias o series resultantes.
Fueron la base de los procesos de promedios móviles y autorregresivos, que
recibieron un desarrollo significativo después de la publicación del libro Box-Jenkins
sobre los modelos ARIMA en 1970 (González, s/n).
Tabla 1 Características de los modelos predictivos
WILSON
HOLT-WINTER
ETS
• La demanda del
producto es
constante,
uniforme y
conocida.
• El precio de cada
unidad de
producto es
constante e
independiente del
nivel de
inventario y del
• Tiene la ventaja
de ser fácil de
adaptarse a
medida que
nueva
información real
esté disponible.
• Debe contarse
con datos de la
variable a
pronosticar de al
menos dos
• Estos métodos
proponen un
suavizado para la
componente
tendencia y otro
para la
componente de
estacionalidad,
cuando ambas
componentes
están presentes
se puede
Revista Científica Ciencia y Tecnología Vol 22 No 34 págs. 27-38
http://cienciaytecnologia.uteg.edu.ec
tamaño del
pedido.
• No se permiten
rupturas de stock.
periodos
anteriores.
• Acepta para el
pronóstico 3
variables de
tiempo para
realizar una
predicción de las
tendencias
considerar que los
hacen en forma
aditiva o
multiplicativa
• No tienen
desarrollada una
fundamentación
estadística.
REDES
NEURONALES
BATS
ARIMA
• Simulan e imitan
sistemas
permitiendo
establecer
relaciones no
lineales entre las
variables de
entrada y salida.
• Su principal
ventaja que
consiste en
procesar
información en
paralelo en
tiempo real ha
permitido su
aplicación en la
clasificación y
reconocimiento de
patrones en
sistemas
complejos.
• Son de gran
utilidad en la
predicción de
datos económicos
y financieros
• BATS solo puede
modelar
duraciones de
períodos enteros.
• Es la
generalización
más obvia de los
modelos
tradicionales de
innovaciones
estacionales para
permitir múltiples
períodos
estacionales.
• no puede
acomodar la
estacionalidad no
entera, y puede
tener una gran
cantidad de
estados
• BATS da el
modelo estacional
aditivo de doble y
triple estacional
de Holt-Winters
• Destacan porque
con un número
reducido de
parámetros
permiten explicar
la estructura de
correlación que
domina a una
serie.
• Por lo general
predicen bien
para horizontes
de tiempo (h)
fuera de la
muestra cortos y
medios.
• Tienen como
supuesto básico
que las series en
estudio son todas
endógenas por lo
tanto se produce
un feedback entre
las mismas.
Fuente: Elaboración propia
La tabla 1 muestra que las características de los diferentes modelos estudiados
entre ellos presentan el modelo ARIMA se ajusta a los parámetros para el modelo
propuesto, evaluar nivel de ventas, tendencias, estacionalidades y reposiciones. Se
seleccionó el modelo ARIMA por su gran capacidad de generación de predicciones
óptimas de análisis univariantes con serie de tiempo con el menor error en sus
pronósticos, tomando en cuenta esta característica se puede adaptar a la
variabilidad que tiene la demanda del sector, en consecuencia, va permitir tener
herramienta para la ayuda de las decisiones en una empresa.
31
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
Modelo en la gestión en los abastecimientos de productos para las retails
Ahora bien, es conveniente destacar el modelo que permite mejorar los niveles de
abastecimiento, estacionalidades y tendencias de una serie de tiempo de productos
(ilustración 1), porque según los estudios expuestos en el marco teórico es el
modelo más utilizado por los investigadores para evaluar los abastecimientos de los
artículos, además por ser un método que se adaptada a medida que se obtiene
nuevos resultados.
Nivel de ventas: Para el correcto control del nivel de ventas, se debe tomar en
cuenta indicadores como, cantidad de productos vendibles y el total de las facturas
realizadas, debido a que estos datos pueden proporcionar una interpretación exacta
de las ventas generadas por la empresa y al mismo tiempo que se mide la demanda.
Demanda: Para el correcto control de la demanda, se debe tomar en cuenta
indicadores como, los tipos de inventarios y leadtime de productos, debido a que
estos datos proporcionaran un comportamiento de las diferentes clasificaciones de
inventarios para manejar demandas de un negocio.
Tendencia: la tendencia de ventas se puede medir a partir de la frecuencia con que
la empresa rota su stock (inventario), sea por compra de nuevas mercancías
durante un periodo de tiempo establecido debido a la falta de stock por la venta de
estos, o porque se tuvo que retirar dicha mercadería por motivos específicos.
Además, se debe tener en consideración que una tasa alta de rotación es una señal
de tener un excelente rendimiento.
Estacionalidad: se puede determinar por la cobertura de stock, el cual permite,
calcular cuánto tiempo puede una tienda continuar vendiendo artículos o grupos de
artículos dado un historial de ventas e inventario.
Reposición: tanto la rotación como la cobertura de stock puede dar una idea general
de la tasa de reposición en cualquier momento dado. Esto también permite evitar
la falta y el exceso de existencias, así como los elevados costes que conllevan.
Ilustración 1 Esquema del modelo propuesto basado en el modelo Arima.
Fuente: Elaboración propia
32
NIVELES
DE
VENTAS
TENDENC
IAS
ESTACIO
NALIDAD
Número de
facturas
Cantidad de
Productos
sustitutos
Productos
Productos de
temporada
Patrones de
DEMAND
A
Tipos de
inventarios
Lead Time
REPOSICI
ON
Time Product.
Productos
rentables
GESTION EN
LOS
ABASTECIMI
ENTODE
PRODUCTOS
EN LA
MODELO PREDICTIVO
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
Modelo en la gestión en los abastecimientos de productos para las retails
Ahora bien, es conveniente destacar el modelo que permite mejorar los niveles de
abastecimiento, estacionalidades y tendencias de una serie de tiempo de productos
(ilustración 1), porque según los estudios expuestos en el marco teórico es el
modelo más utilizado por los investigadores para evaluar los abastecimientos de los
artículos, además por ser un método que se adaptada a medida que se obtiene
nuevos resultados.
Nivel de ventas: Para el correcto control del nivel de ventas, se debe tomar en
cuenta indicadores como, cantidad de productos vendibles y el total de las facturas
realizadas, debido a que estos datos pueden proporcionar una interpretación exacta
de las ventas generadas por la empresa y al mismo tiempo que se mide la demanda.
Demanda: Para el correcto control de la demanda, se debe tomar en cuenta
indicadores como, los tipos de inventarios y leadtime de productos, debido a que
estos datos proporcionaran un comportamiento de las diferentes clasificaciones de
inventarios para manejar demandas de un negocio.
Tendencia: la tendencia de ventas se puede medir a partir de la frecuencia con que
la empresa rota su stock (inventario), sea por compra de nuevas mercancías
durante un periodo de tiempo establecido debido a la falta de stock por la venta de
estos, o porque se tuvo que retirar dicha mercadería por motivos específicos.
Además, se debe tener en consideración que una tasa alta de rotación es una señal
de tener un excelente rendimiento.
Estacionalidad: se puede determinar por la cobertura de stock, el cual permite,
calcular cuánto tiempo puede una tienda continuar vendiendo artículos o grupos de
artículos dado un historial de ventas e inventario.
Reposición: tanto la rotación como la cobertura de stock puede dar una idea general
de la tasa de reposición en cualquier momento dado. Esto también permite evitar
la falta y el exceso de existencias, así como los elevados costes que conllevan.
Ilustración 1 Esquema del modelo propuesto basado en el modelo Arima.
Fuente: Elaboración propia
32
NIVELES
DE
VENTAS
TENDENC
IAS
ESTACIO
NALIDAD
Número de
facturas
Cantidad de
Productos
sustitutos
Productos
Productos de
temporada
Patrones de
DEMAND
A
Tipos de
inventarios
Lead Time
REPOSICI
ON
Time Product.
Productos
rentables
GESTION EN
LOS
ABASTECIMI
ENTODE
PRODUCTOS
EN LA
MODELO PREDICTIVO
Revista Científica Ciencia y Tecnología Vol 22 No 34 págs. 27-38
http://cienciaytecnologia.uteg.edu.ec
Metodología
Este tipo de diseño no experimental transversal se caracteriza porque relaciona dos
o más teorías, conceptos o variables en un momento dado; en este caso se utilizó
este diseño para comparar los diferentes modelos, teorías y sus respectivas
dimensiones propuestos por autores destacados para evaluar la gestión del
abastecimiento, se hace énfasis en la investigación exploratoria por ser una
temática que no ha sido estudiada por las retails ferreteras de la ciudad de
Guayaquil y además porque se utiliza en la etapa inicial del estudio a fin de que
proporcione un acercamiento superficial al problema, considerando el tipo
descriptivo debido al proceso de detallar la situación existente del fenómeno
observado en cada una de las variables sujetas a estudio y plasmar una fotografía
de la situación actual. Cabe agregar que la investigación es también de tipo
correlacional, porque se trata de relacionar dos o más variables para llegar a una
conclusión.
La investigación tiene un enfoque cuantitativo porque la recopilación de información
se basa en la obtención de datos reales y objetivos más no en supuestos. La unidad
de análisis en este caso la gestión en los abastecimientos de productos en las retails
del sector ferretero ubicados en la parroquia Rocafuerte de la ciudad de Guayaquil.
De acuerdo con los datos del INEC (2018) en la ciudad de Guayaquil existe un total
de 1787 empresas retails que corresponden al sector ferretero, este valor se
considera como la población del presente trabajo.
Debido a los requerimientos de la investigación se utiliza la técnica documental y la
técnica de campo
Resultados y discusión
La industria de la construcción para el año 2013 en Ecuador, fue el sector que mayor
aporte generó en el PIB con el 9.8% del total. No obstante, hasta el 2017 ha sido
un sector con constantes cambios, referentes a su tasa de crecimiento, a inicios del
2015 (-0.8%) hasta el cuarto trimestre del 2018 (1.3%), donde se reportó un
crecimiento positivo apenas del 0.1%.
Se debe mencionar que, debido a la Ley de Plusvalía, el terremoto de abril del 2016,
fueron factores que afectaron significativamente en diversas formas a la demanda
y oferta de viene y servicios de este sector.
En cuanto a los ingresos que el sector producía durante el periodo 2013-2017, en
promedio llegan a los $5,394 millones, monto que representa el 5% de todos los
ingresos generados por el sector formal. En el 2013 se reportó un crecimiento del
5.5% del total de las ventas de todos los sectores económicos; el crecimiento
económico de este sector fue superior al crecimiento del PIB, llegando a una tasa
del 7.4%. Al año siguiente el crecimiento del sector de construcción presento un
incremento del 4.7% nuevamente superior al crecimiento del PIB el cual fue de un
3.8%. Sin embargo, a partir del 2015 la tasa del crecimiento del sector dejara de
ser superior a la tasa del PIB.
33
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
Para el 2017 el PIB tuvo un crecimiento del 2.4%, lo que en términos económicos
representaba una “recuperación económica”, esto debido al gasto del consumo final
de los hogares, el gasto de consumo final del Gobierno Central y las exportaciones,
en cuanto al sector de construcción el panorama fue totalmente los opuesto,
teniendo un decremento del 4.4% como efecto de esto hubo poca comercialización
de materiales de construcción y se otorgó menos crédito por parte del BIESS.
Según la Superintendencia de Compañías, Valores y Seguros (SCVS), las grandes
empresas representaron el 71.7% de los ingresos por ventas en este sector. Pese
a que dentro del sector de la construcción las PYMES tiene mayor cantidad de
empresas, solo aportan con un 28.3% del total de los ingresos, pero cabe mencionar
que generan alrededor del 97% de empleo formal dejando con un 3% de empleados
en las empresas grandes.
Dentro del conjunto de datos se vio la necesidad de investigar la conglomeración
de las diferentes agrupaciones para detectar perfiles que tiene las ferreterías, para
ello utilizo análisis clúster para cubrir esta necesidad (ilustración 2).
Del análisis efectuado se identifica que existen tres clusters de perfiles de
ferreterías, a continuación, se explicara los perfiles que existen según el color: Color
Verde: Ferretería Pequeñas. Color Rojo: Ferretería Medianas. Color Turquesa:
Ferretería Grandes
Ilustración 2 Análisis clustering
Fuente: Elaboración propia
Ilustración 2: Análisis
Fuente: Elaboración propia
En la tabla 2 se observa que la media para la variable registros ventas es de 1.3, lo
cual confirma que las empresas del sector ferretero poseen información registrada
de sus ventas entre 2 años a 4 años, también podemos apreciar que el valor de la
desviación estándar que es de 1.25 con una varianza de 1.55, esto permite
evidenciar que existe una alta dispersión en los datos de las respuestas.
34
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
Para el 2017 el PIB tuvo un crecimiento del 2.4%, lo que en términos económicos
representaba una “recuperación económica”, esto debido al gasto del consumo final
de los hogares, el gasto de consumo final del Gobierno Central y las exportaciones,
en cuanto al sector de construcción el panorama fue totalmente los opuesto,
teniendo un decremento del 4.4% como efecto de esto hubo poca comercialización
de materiales de construcción y se otorgó menos crédito por parte del BIESS.
Según la Superintendencia de Compañías, Valores y Seguros (SCVS), las grandes
empresas representaron el 71.7% de los ingresos por ventas en este sector. Pese
a que dentro del sector de la construcción las PYMES tiene mayor cantidad de
empresas, solo aportan con un 28.3% del total de los ingresos, pero cabe mencionar
que generan alrededor del 97% de empleo formal dejando con un 3% de empleados
en las empresas grandes.
Dentro del conjunto de datos se vio la necesidad de investigar la conglomeración
de las diferentes agrupaciones para detectar perfiles que tiene las ferreterías, para
ello utilizo análisis clúster para cubrir esta necesidad (ilustración 2).
Del análisis efectuado se identifica que existen tres clusters de perfiles de
ferreterías, a continuación, se explicara los perfiles que existen según el color: Color
Verde: Ferretería Pequeñas. Color Rojo: Ferretería Medianas. Color Turquesa:
Ferretería Grandes
Ilustración 2 Análisis clustering
Fuente: Elaboración propia
Ilustración 2: Análisis
Fuente: Elaboración propia
En la tabla 2 se observa que la media para la variable registros ventas es de 1.3, lo
cual confirma que las empresas del sector ferretero poseen información registrada
de sus ventas entre 2 años a 4 años, también podemos apreciar que el valor de la
desviación estándar que es de 1.25 con una varianza de 1.55, esto permite
evidenciar que existe una alta dispersión en los datos de las respuestas.
34
Revista Científica Ciencia y Tecnología Vol 22 No 34 págs. 27-38
http://cienciaytecnologia.uteg.edu.ec
Tabla 2 Estadística descriptiva
Variables
Media
desviación
estándar
Varianza
Registros
Ventas
1.3
1.25
1.55
Productos
Sustitutos
0.3
0.46
0.21
Productos
Nuevos
0.99
1.41
1.99
Productos
de
Temporada
0.82
1.1
1.21
Patrones
de ventas
0.74
1.05
1.11
Tipos de
Inventarios
0.61
0.89
0.8
Lead Time
0.64
0.86
0.74
Time
Product
1.65
0.62
0.38
Productos
Rentables
0.55
0.89
1.2
Fuente: Elaboración propia
Para la variable productos sustitutos la media es 0.3, esto confirma que la mayoría
de los negocios del sector ferretero si tiene mecanismo para la detectar los
productos sustitutos, también se observa que la desviación estándar es de 0.46 y
varianza 0.21, esto significa que los datos tienen muy poca dispersión. En la variable
productos nuevos se encontró que la media es 0.99, esto permite indicar que el
nivel es extremadamente importante para la mayor parte los participantes de la
muestra, con una desviación estándar de 1.41 y una varianza de 1.99, esto confirma
que los datos tienen una alta dispersión en sus respuestas.
En la variable producto de temporada se encontró en el calculó de la media que es
de 0.82, esto quiere decir que la mayoría del sector ferretero controlan los
productos de temporada por medio de los sistemas computacionales contables,
también se puede observar la desviación de los datos que es 1.1 con una varianza
de 1.21, con esto se puede indicar que existe una elevada dispersión en los datos
de esta variable. Se observa en la variable patrones de ventas tiene una media de
0.74, esto confirmar que la mayoría de los encuestados indicaron que utilizan
sistemas computacionales contable para la identificar patrones de ventas, también
se observa una alta dispersión en los datos por el valor desviación estándar
calculada que es 1.05 con una varianza de 1.11.
Para determinar el grado de asociación lineal de las variables leadtime y productos
rentables se verificará la forma de identificar los productos rentables y el grado de
importancia que tiene los tiempos de espera la reposición de los productos, para
ello se utilizara el test de coeficiente de Pearson. En los cálculos realizados
encontramos que existe una correlación positiva moderada, esto quiere decir ambas
variables se correlacionan en sentido directo, en consecuencia, de esto se obtiene
35
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
el coeficiente de 0.0000037777 con una correlación de 0.60 y con porcentaje de
confianza de 95%, con una varianza de 0.36, esto quiere decir el leadtime y
productos rentables tiene 36% de asociaciones en común.
Ilustración 3 Correlación de las variables leadtime vs productos rentables
Elaborado por: Autor
Para determinar el grado de asociación lineal de la variable Productos temporada
vs Productos rentables se verificará la relación la forma identificar los productos
rentables en una determinada temporada. En los cálculos realizados encontramos
que existe una correlación positiva fuerte, esto quiere decir ambas variables se
correlacionan en sentido directo, en consecuencia, se obtiene un coeficiente de
0.0000022 con una correlación de 0.84 y un porcentaje de confianza de 95% y una
varianza de 0.7056, esto quiere decir los productos temporada y productos
rentables tienen 70% de asociaciones en común
Ilustración 4 Correlación de las variables
productos temporada vs productos rentables
Fuente: Elaboración propia
Comparación de los modelos
Para la comparación de los modelos de predicción se utilizaron varias métricas de
medición a los diferentes modelos planteados. RMSE (Error de la media cuadrática)
nos permite medir el error que dos agrupaciones de datos. MAPE (Porcentaje
Absoluto Medio) se lo utiliza como indicador del desempeño de la demanda, es
usado para la comparación de pronósticos. ME (MEDIANA) se lo utiliza para observar
tendencia central de una serie de datos. El resultado de los indicadores RMSE y
MAPE para el modelo de Arima es el que tiene el menor grado de error RMSE cuyo
36
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
el coeficiente de 0.0000037777 con una correlación de 0.60 y con porcentaje de
confianza de 95%, con una varianza de 0.36, esto quiere decir el leadtime y
productos rentables tiene 36% de asociaciones en común.
Ilustración 3 Correlación de las variables leadtime vs productos rentables
Elaborado por: Autor
Para determinar el grado de asociación lineal de la variable Productos temporada
vs Productos rentables se verificará la relación la forma identificar los productos
rentables en una determinada temporada. En los cálculos realizados encontramos
que existe una correlación positiva fuerte, esto quiere decir ambas variables se
correlacionan en sentido directo, en consecuencia, se obtiene un coeficiente de
0.0000022 con una correlación de 0.84 y un porcentaje de confianza de 95% y una
varianza de 0.7056, esto quiere decir los productos temporada y productos
rentables tienen 70% de asociaciones en común
Ilustración 4 Correlación de las variables
productos temporada vs productos rentables
Fuente: Elaboración propia
Comparación de los modelos
Para la comparación de los modelos de predicción se utilizaron varias métricas de
medición a los diferentes modelos planteados. RMSE (Error de la media cuadrática)
nos permite medir el error que dos agrupaciones de datos. MAPE (Porcentaje
Absoluto Medio) se lo utiliza como indicador del desempeño de la demanda, es
usado para la comparación de pronósticos. ME (MEDIANA) se lo utiliza para observar
tendencia central de una serie de datos. El resultado de los indicadores RMSE y
MAPE para el modelo de Arima es el que tiene el menor grado de error RMSE cuyo
36
Revista Científica Ciencia y Tecnología Vol 22 No 34 págs. 27-38
http://cienciaytecnologia.uteg.edu.ec
valor es 30427.36 y el MAPE es 0.44, entonces se concluye que el modelo Arima es
el apropiado para utilizar modelos predictivos para el sector ferretero.
En la evaluación de modelos predictivos estadísticos encontramos variables de
importancia que aportan a la gestión de abastecimientos las mismas se puede medir
los niveles de ventas, tendencias, estacionalidad, demanda y reposición de
productos.
Dentro del desarrollo de la investigación se pudo observar los siguientes aspectos.
En la variable registros ventas nos indica que la empresa ya está comenzando a
registrar sus ventas, 36.3% tiene como mínimo almacenados 2 años esto permitirá
conocer la demanda de su sector y también podrá utilizarlo para la generación de
predicciones de ventas.
En la variable productos sustitutos podemos observar el 63% de las empresas tiene
mecanismos manuales o automáticos para conocer cuando un producto sustituye a
otro, ya que el cambio de tendencia de compras que tienen los clientes hace que
los dueños del negocio acudan a las herramientas detección de tendencias. En la
variable productos nuevos observo que el nivel de importancia que dan las
tendencias para la introducción de nuevos productos es de 57.5 %, esto implica que
se considere como factor primordial las nuevas necesidades que tiene los clientes.
En la variable productos temporada se pudo apreciar que el 82.5% de la empresa
busca de mecanismos informáticos para controlar los productos de temporada en
sus empresas, ya que es de vital importancia encontrar la estacionalidad de los
productos para poder tener el stock suficiente en nuestros inventarios.
Se observó en la variable de patrones ventas que las empresas del sector ferretero
confían en herramientas informáticas como los sistemas computacionales contables
y Excel para buscar los patrones de ventas de sus demandas con un porcentaje
80.7%, es importante encontrar cuando nos compras y sabes quienes nos compras
para generar estrategias a la hora analizar nuestra demanda.
También podemos observar que la demanda para el sector ferretero es controlada
por tipos de inventario, por ello las empresas indicaron que el 57.5%, las
clasificaciones de tipos de inventarios permitan ayudar a realizar un control
minucioso de nuestra demanda.
Conclusiones
Se realizó la evaluación del impacto en las ventas de los modelos predictivos. Siendo
así, que el modelo Arima al ser el primer modelo puesto a prueba determina en su
proyección una tendencia variable en las ventas, donde el periodo a evaluarse hace
referencia a doce meses, culminando en un leve crecimiento. También, basado en
los resultados del modelo Holt-Winters se determina una tendencia poco menos
variable que el modelo anterior, sin embargo, esta tendencia se orienta hacia un
declive en las ventas. A su vez, el modelo ETS en sus resultados hace referencia a
una tendencia que marca un crecimiento lento y constante. Como último modelo
analizado se determina el modelo BATS el cual arrojo como resultado una
proyección con una tendencia de pérdidas en relación a las ventas de la empresa.
37
Cedeño y Carpio. Modelos predictivos de sistemas de información
en la gestión de abastecimientos del sector ferretero
Se concluye que el modelo predictivo escogido es el Arima, dado que cumple con
los requerimientos que presentan las empresas involucradas en el contexto
investigado, puesto que al realizar la debida comparación entre los modelos puestos
a prueba, se determinó que el modelo Arima presentas condiciones de mayor
precisión y un acumulado un menor grado de errores, a comparación de los demás
modelos, obteniendo como resultado un RMSE de 30427.36 y el MAPE es 0.44,
siendo este el modelo apropiado para su utilización en la presente investigación.
Referencias bibliográficas
Blacona, M., & Magnani, L. (2012). Características de los modelos de espacio de
estado. Decimoséptimas Jornadas de Ciencias Económicas y Estadística.
Canaleta, X. (2018). Estudio desde el punto de vista de teoría de sistemas del
modelo de Wilson para la gestión de inventarios. Barcelona. Obtenido de
http://users.salleurl.edu/~xavier.canaleta/material/ModelWilson.pdf
Cárdenas. (2013). Análisis y Propuestas de Mejora para la Gestión de
Abastecimiento de una Empresa Comercializadora de Luminarias. (Tesis de
licenciatura). Universidad Católica del Perú. Lima.
Chavez, J., & Saucedo, N. (2016). Aplicación teórica de un modelo de análisis
predictivo para desarrollar estrategias . Revista Red Internacional de
Investigadores en Competitividad.
Correa, E., & Fernandez, J. (2016). Modelo de abastecimiento para reducir costos
en las importaciones de telas. Obtenido de
http://www.repositorioacademico.usmp.edu.pe/bitstream/usmp/2765/10/corre
a_fernandez.pdf
De Livera, Alysha M. “Automatic forecasting with a modified exponential smoothing
state space framework.” Monash Econometrics and Business Statistics Working
Papers 10, no. 10 (2010).
De Livera, Alysha M., Rob J. Hyndman, and Ralph D. Snyder. “Forecasting time
series with complex seasonal patterns using exponential smoothing.” Journal of
the American Statistical Association 106, no. 496 (2011): 1513-1527.
Duran, Y. (2014). Administración del inventario: elemento clave para la
optimización de las utilidades en las. Revista Visión Gerencial, 55-78.
Garrido, I., & Cejas, M. (2017). La gestion de inventario como factor estrategico en
la administracion de empresas. Revista Negotium, 109-129.
González, P. (s/n). Análisis de Series Temporales: Modelos ARIMA. Universidad del
País Vasco, Departamento de Econom´ıa Aplicada III (Econometría y
Estadística).
INEC, INEC. (2018). Encuesta empleos 2018. Obtenido de
https://www.ecuadorencifras.gob.ec/institucional/home/
Mira, L., Trejo, A., & López, D. (2018). Aplicación de Holt-Winters para pronósticos
de inventarios. Revista de divulgación científica y tecnológica de la Universidad
Autónoma de Nuevo León
Muñoz, F., & Garcia, E. (2013). Aplicación de las Redes Neuronales al Pronóstico.
Revista Información Tecnológica.
Nahmias, S. (2017). Administracion de inventarios un desafio para las pymes.
Revista pensamiento universitario, 31 - 38.
Otero Pineda, M. (2011). Diseño de una propuesta de gestión de abastecimiento e
inventarios para un astillero en Colombia. Obtenido de
http://bdigital.unal.edu.co/9000/1/822065.2012.pd
38
