Proyecto Final Gestión de Inventarios

Ing. Miguel Rojas

Programa de Ingeniería Industrial

Gestión de Inventarios

Isabella Chacón

Joely Diaz

Sheyla Jamboos

Carlos Sarmiento

Universidad del Norte

Barranquilla – Colombia

20 de Mayo de 2025
Contenido
Descripción de VIDAPAN...................................................................................................3
Productos Destacados .........................................................................................................4
Análisis Preliminar del Sistema de Inventario en la Empresa ..............................................5
Descripción del Sistema de Inventario ..............................................................................5
Capacidad de Producción y Recursos ...............................................................................5
Relación entre Producción e Inventario.............................................................................5
Oportunidades de Mejora ............................................................................................6
Característica principal de los productos seleccionados .........................................................6
Acceso a la información ......................................................................................................7
Problemática de la empresa. ...............................................................................................7
Estado del Arte del problema de inventario ..........................................................................8
Artículo 1: The Digital Revolution in the Bakery Sector: Innovations, Challenges, and
Opportunities from Industry 4.0. .....................................................................................8
Artículo 2: “An integrated production planning and inventory management problem for a
perishable product: optimization and Monte Carlo simulation as a tool for planning in
scenarios with uncertain demands”. .................................................................................9
Artículo 3: “The moderating role of vendor managed inventory on the bullwhip effect in the
COVID-19 pandemic”. ....................................................................................................9
Artículo 4: “Simulation-based inventory management of perishable products via linear
discrete choice models”. ................................................................................................ 10
Artículo 5: “Analysis of Inventory Management in Order to Reduce Overstock (Case Study of
TVF Footwear)”. .......................................................................................................... 10
Artículo 6: “Planning Horizon for Production Inventory Models with Production Rate
Dependent on Demand and Inventory Level”. ................................................................. 10
Artículo 7: “Exploring the shortcomings in formal criteria selection for multicriteria decision
making based inventory classification models: a systematic review and future directions”. .. 11
Artículo 8: “Review of Inventory Control Models: A Classification Based on Methods of
Obtaining Optimal Control Parameters”. ....................................................................... 11
Artículo 9: “Quality and selling price dependent sustainable perishable inventory policy:
Lessons from Covid-19 pandemic”. ................................................................................ 11
Artículo 10: “Inventory Control Model of Beef for Rendang Products”. ............................ 12
Caracterización del comportamiento de la demanda ........................................................... 13
Pronostico de la demanda de los productos seleccionados .................................................... 20
Selección de modelo de inventario...................................................................................... 21
Definición y especificación de los valores de los parámetros que se requieren para modelar los
inventarios. ..................................................................................................................... 21
Diseño de base de datos utilizando Access o MySQL............................................................ 23
Aplicación integrada con la base de datos y solución del problema ........................................ 25
Descripción del sistema de inventario actual vs el modelo propuesto ..................................... 26
Mejora obtenida con el modelo de inventario propuesto ...................................................... 27
Referencias ..................................................................................................................... 27

Descripción de VIDAPAN
 VIDAPAN es una empresa panificadora con una sólida trayectoria en el mercado. Su origen se
remonta a 1978 en la ciudad de Sincelejo, Sucre, donde inició como una pequeña panadería
casera. En sus inicios, contaba únicamente con un horno de cuatro latas y era operada por su
familia propietaria, atendiendo un mercado reducido compuesto por familiares, amigos y vecinos.

En 1984, la empresa trasladó sus operaciones a Montería, estableciéndose en una pequeña casa
y asegurando su primera gran oportunidad comercial con Supertiendas Olímpica, que adquiría
toda su producción. Sin embargo, cuando Olímpica implementó su propia maquinaria
panificadora, VIDAPAN tuvo que reinventarse, explorando nuevos mercados y encontrando un
nicho clave en las tiendas de barrio. Gracias a esta estrategia, logró superar las dificultades y
consolidarse como un referente en la industria panificadora del departamento de Córdoba.

Proceso de empaque en la planta de producción de VIDAPAN

Actualmente, VIDAPAN cuenta con una moderna planta panificadora y más de 100
colaboradores. Su presencia comercial se ha expandido más allá de Córdoba, abarcando también
gran parte de Sucre y Antioquia.

Productos Destacados

El portafolio de VIDAPAN incluye una amplia variedad de productos, entre los cuales
destacan:
• Galletas: Galleta de coco, queso, limón, naranja.
• Panes: Pan de sal, pan tajado casero, pan de uva, pan de leche, pan aliñado de queso, pan
mantequilla, pan ocañero.
• Especialidades: Mogolla morena de trigo, mogolla aliñada, roscón de queso, lengua, diabolín,
lolita, pastelito.
• Panadería industrial: Pan tajado premium, pan hamburguesa, tostada, pan casero, pan queso
popular, pan queso efectivo.
• Otros productos: Palitroque, torta casera, rosquitas.
 Productos de panadería de la empresa VIDAPAN

Análisis Preliminar del Sistema de Inventario en la Empresa

Descripción del Sistema de Inventario

La empresa gestiona su inventario mediante un sistema de control periódico, donde los registros
de productos terminados, entradas y salidas se actualizan en intervalos de seis días. Este control se
lleva a cabo a través de hojas de Excel en las que se documentan las cantidades iniciales de
inventario, los productos ingresados y despachados, y el saldo final disponible en cada periodo.

Los productos se clasifican por nombre, referencia, línea y sublínea, y pueden presentarse en
distintas unidades de medida, como unidades individuales o cajas.

Capacidad de Producción y Recursos

La empresa produce aproximadamente 200 arrobas de pan y galletas en un ciclo de producción

que inicia a las 6:30 AM y finaliza a las 3:30 PM. Sin embargo, el área de horneado y empaque
opera las 24 horas con turnos rotativos, lo que garantiza la continuidad en la producción y el
almacenamiento de productos terminados.
Para la fabricación, la empresa cuenta con 24 empleados por turno, organizados en distintas áreas:

• Formulación y mezcla: Personal y maquinaria especializada para la preparación de la

masa.
• Corte y cilindrado: Equipos operados en paralelo para optimizar la producción.
• Cuartos de crecimiento y horneado: Dos grandes cuartos para fermentación y cinco
hornos disponibles.
• Empaque: Cinco empleados y dos máquinas para el proceso final de embalaje.

Relación entre Producción e Inventario

El tiempo de producción varía según el tipo de pan o galleta, con un rango de 3 horas
y 30 minutos a 4 horas y 35 minutos. Esto implica que los productos terminados ingresan al
inventario en ciclos distintos, dependiendo de su tiempo de elaboración.
 La combinación de una producción constante (24 horas en ciertas áreas) con un control de
inventario cada seis días sugiere que la empresa:

• Acumula productos terminados en su almacén hasta que se registre la siguiente

actualización de inventario.
• Depende de la demanda para determinar la cantidad de producción en cada ciclo.
• No parece contar con un sistema automatizado de inventario, ya que los registros se
realizan en Excel.

Oportunidades de Mejora

• Automatización del registro: Un software de inventario podría actualizar las

existencias en tiempo real y reducir el margen de error.
• Análisis de demanda: Con un sistema más detallado, podrían optimizar la cantidad de
producción y reducir desperdicios.
• Control de costos: Si actualmente no están registrando costos en el inventario,
incorporar este dato permitiría una mejor gestión financiera.

Característica principal de los productos seleccionados

Para elegir estos productos, utilizamos el Análisis ABC y la política XYZ, que nos ayudaron
a identificar cuáles son los más importantes para el negocio. Al examinar el inventario,
observamos que, aunque hay muchos productos, solo un grupo reducido representa la mayor
parte de las ventas e ingresos. Según el análisis ABC, identificamos que:

• El 20% de los productos (categoría A) representan aproximadamente el 80% del

valor de las ventas.
• El 30% de los productos (categoría B) representan cerca del 15% del valor.
• El 50% restante (categoría C) solo representa alrededor del 5% del valor.

Adicionalmente, aplicamos la política XYZ para clasificar los productos según la

variabilidad de su demanda. Los productos seleccionados corresponden principalmente a
las categorías AX y AY, es decir, productos con alta importancia económica y demanda
constante o relativamente predecible.

Por esta razón, decidimos enfocarnos en esos productos clave, asegurándonos de que siempre
estén disponibles para los clientes, reduciendo costos innecesarios y haciendo que la gestión
del inventario sea más eficiente.
Los productos seleccionados fueron:

• Pan Mogolla 200 x und y 400 x und: Pan tradicional, suave y con un ligero toque
dulce. Su tamaño lo hace ideal para compartir.
• Pan Palitroque: Pan delgado y crujiente, con una textura firme y un sabor neutro.
• Pan de Uva: Pan esponjoso con pasas, que aportan un toque dulce y una textura
jugosa.
• Pan con Queso: Pan esponjoso con un relleno de queso, que aporta una textura
cremosa.
• Pan Rollo: Pan en forma de espiral, de textura ligera y fácil de deshojar.
• Pan Aliñado: Pan con un toque de especias o hierbas, que le aportan un aroma y sabor
distintivo.
• Pan Aliñado Extragrande: Versión de mayor tamaño del pan aliñado, con las mismas
características de sabor y aroma.
• Pan de Sal: Pan sin azúcar, de corteza firme y miga compacta.
• Pan de Sal Grande: Versión más grande del pan de sal, con la misma consistencia
firme y sabor neutro.
• Pan tostada: Pan horneado hasta alcanzar una textura crujiente y dorada, perfecto para
el desayuno o como base para cualquier tipo de acompañamiento dulce o salado
• Pan lengua: Pan delgado y alargado, de textura crocante por fuera y ligeramente suave
por dentro.

Acceso a la información

Para llevar a cabo este trabajo, utilizaremos diversas fuentes de información. El

balance general de inventario, gestionado mediante hojas de Excel, nos proporcionará datos
sobre las cantidades iniciales, movimientos de entrada y salida de productos terminados, y el
saldo final en cada periodo. Además, contaremos con una base de datos actualizada sobre la
demanda, lo que nos permitirá identificar tendencias de consumo. Asimismo, tendremos
contacto directo con el Jefe de Operaciones, quien nos guiará en el proceso de levantamiento
de datos y nos facilitará el acceso a información clave para el análisis.

Problemática de la empresa.
La empresa enfrenta un desafío constante en la gestión de sus productos perecederos,
ya que su vida útil es limitada y pueden deteriorarse rápidamente si no se almacenan en
condiciones adecuadas o no se comercializan a tiempo. Con el paso del tiempo, los productos
perecederos van perdiendo su frescura y calidad, lo que no solo afecta su sabor y textura, sino
que también puede hacerlos inseguros para el consumo. Si no se venden a tiempo, terminan
siendo descartados, lo que representa una pérdida tanto para la empresa como para el
consumidor y contribuye al desperdicio de alimentos.
Artículo En Inglés
Estado del Arte del problema de inventario

Articulos en Inglés
Artículo 0 : Comparison of wait time approximations in distribution networks using
(R,Q)-order policies
Uno de los principales desafíos en la operación de pequeñas y medianas panaderías
dedicadas a la producción de panes sellados para distribución es la adecuada gestión de
inventarios de materias primas. En este contexto, un estudio publicado en la revista SSRG
International Journal of Mechanical Engineering (noviembre de 2024) analiza el caso de una
panadería peruana que enfrentaba problemas recurrentes de sobrestock y desabastecimiento,
afectando su eficiencia operativa y su capacidad para cumplir con los pedidos a tiempo. La
investigación propone una solución basada en la integración de dos metodologías
complementarias: el sistema MRP (Material Requirements Planning) para planificar los
requerimientos de materiales en función de la demanda proyectada, y la herramienta de
organización 5S, perteneciente al enfoque Lean Manufacturing, para mejorar la disposición
física del almacén y la visibilidad del inventario. A través de esta combinación metodológica,
la panadería logró aumentar su tasa de cumplimiento de pedidos (Fill Rate) del 86% al 94%,
reducir los errores en el pronóstico de la demanda de un 27% a solo un 5%, y mejorar la
precisión en el registro de inventarios del 67% al 95%. Estos resultados se tradujeron en una
operación más estable y capaz de responder a la demanda del mercado de manera ágil y con
menor desperdicio de recursos. El estudio concluye que, incluso sin recurrir a sistemas de
inventario avanzados como el (R,Q) o el (s,S), la integración de metodologías adaptadas al
contexto de las pymes puede generar impactos significativos en la eficiencia logística. Este
enfoque es especialmente relevante para panaderías que buscan expandir su distribución a
través de canales externos sin comprometer la frescura ni la disponibilidad del producto.
Artículo 1: The Digital Revolution in the Bakery Sector: Innovations, Challenges, and
Opportunities from Industry 4.0.
Esta revisión analiza sistemáticamente los avances recientes en tecnologías digitales y
plataformas en la industria de la panadería, destacando innovaciones como la automatización,
la robótica, blockchain y redes de sensores inalámbricos. Estas herramientas están
transformando las operaciones de las panaderías al mejorar la eficiencia productiva, permitir
el monitoreo en tiempo real y garantizar la trazabilidad de los productos. Además, las
plataformas digitales están optimizando la interacción con los clientes mediante el comercio
electrónico, ofertas personalizadas y estrategias de marketing dirigidas. La digitalización
también contribuye a la reducción de desperdicios, mejora del control de calidad y decisiones
basadas en datos, lo que lleva a una gestión de inventario más eficiente y automatización de
la producción. Sin embargo, la adopción de estas tecnologías enfrenta grandes desafíos como
altos costos de implementación, resistencia al cambio y la necesidad de personal capacitado.
De igual forma, en el artículo se menciona el uso de las redes de sensores inalámbricos
(WSN) que permiten el monitoreo en tiempo real, mantenimiento predictivo y optimización
de procesos. Un ejemplo es un horno eléctrico piloto con WSN que usa imágenes y datos de
temperatura para garantizar una calidad constante. Sin embargo, los sensores requieren
reemplazo frecuente y los de alta precisión son costosos. En general, se puede identificar las
grandes barreras existentes en la industria panificadora para poder implementar este tipo de
tecnologías, y es que la inversión inicial y los costos a largo plazo que derivan de estas aún
son difíciles de justificar para panaderías artesanales.
Artículo 2: “An integrated production planning and inventory management problem
for a perishable product: optimization and Monte Carlo simulation as a tool for
planning in scenarios with uncertain demands”.
El artículo presenta un enfoque para la integración de la planificación de producción y
el control de inventarios en una cadena de suministro de productos perecederos con un
sistema de almacenamiento de dos niveles. Se consideran restricciones logísticas clave, como
la capacidad de almacenamiento y el flujo de materiales, para optimizar la toma de
decisiones. Para ello, se desarrolla un modelo matemático complementado luego con una
simulación de Monte Carlo. Por último, es mostrado un estudio de caso para analizar la
aplicabilidad del modelo. Todo con el objetivo último de poder dar respuestas con mayor
certidumbre el valor óptimo de producción y el momento óptimo, con el fin de reponer los
inventarios, lo que permitiría a los gerentes poder definir estrategias de producción y gestión
de inventarios en contextos de demanda estocástica y no estacionaria. El modelo es aplicable
a otros productos no perecederos con diferentes fechas de caducidad. Según el caso real de
una empresa láctea brasileña, sus productos son almacenados inicialmente en Almacenes
Primarios (PW) y posteriormente enviados a Centros de Distribución Secundaria (SDC) antes
de llegar al consumidor final. El modelo matemático optimiza la cantidad de producción, los
niveles de inventario y los envíos entre PWs y SDCs, Los resultados del caso de estudio
muestran que el modelo es capaz de reducir pérdidas económicas al encontrar un equilibrio
entre niveles de producción y almacenamiento, asegurando un alto nivel de servicio sin
generar.
Artículo 3: “The moderating role of vendor managed inventory on the bullwhip effect in
the COVID-19 pandemic”.
Este estudio examinó el papel del inventario gestionado por el proveedor (VMI) y la
postergación de la entrega (FP) en la mitigación del efecto látigo en la industria de la
panadería en Harare, Zimbabwe. El efecto látigo se refiere a las distorsiones de la demanda a
lo largo de la cadena de suministro ascendente causadas por variaciones entre la oferta y la
demanda, que conllevan a problemas como exceso de existencias, obsolescencia y altos
costos de mantenimiento de inventario. El estudio encontró que tanto las estrategias
VMI como FP redujeron de manera significativa los indicadores de efecto látigo de exceso de
existencias, obsolescencia y costos de mantenimiento de inventario. Los resultados mostraron
que la estrategia VMI condujo a reducciones estadísticamente significativas en exceso de
existencias, obsolescencia y costos de mantenimiento de inventario. Además, el estudio
reveló un efecto de interacción significativo entre VMI y FP, lo que indica que el efecto VMI
fue mayor en la condición FP en comparación con la condición sin FP. Esto sugiere que la
combinación de estrategias VMI y FP es más eficaz para mitigar el efecto látigo que
cualquiera de las estrategias por separado. El estudio sugiere que las empresas de panadería
deberían buscar acuerdos de VMI con los proveedores e invertir en equipos de producción
flexibles para permitir la FP a fin de evitar las consecuencias perjudiciales del efecto látigo,
como el exceso de inventario, la obsolescencia y los altos costos de almacenamiento. En
general, los hallazgos destacan el valor de las estrategias de colaboración en la cadena de
suministro para mitigar los problemas de amplificación de la demanda.
Artículo 4: “Simulation-based inventory management of perishable products via linear
discrete choice models”.
El estudio aborda la optimización de la gestión de inventarios para productos
perecederos en el sector minorista, aplicando un modelo de elección discreto para modelar la
heterogeneidad del comportamiento del consumidor en relación a las compensaciones precio-
calidad. Se implementa una metodología de optimización basada en simulación para derivar
políticas de pedido eficientes para dos artículos diferenciados verticalmente, considerando un
entorno estacional. El objetivo principal es la maximización de la ganancia promedio a largo
plazo, bajo la restricción de ventas perdidas Mediante la simulación, se evalúan y comparan
diferentes políticas de inventario, como la Política de Stock Base (BSP) y la Política de
Pedido Constante (COP), en múltiples escenarios que varían en economía de mercado,
distribución de la demanda y parámetros estocásticos. Los resultados experimentales
demuestran la competitividad de las políticas BSP y COP, con BSP mostrando superioridad
en escenarios de márgenes de ganancia diferenciados. En general, el trabajo destaca la
importancia de estrategias de gestión de inventarios adaptativas e integrales, que consideran
las preferencias del consumidor, la dinámica del mercado y la estacionalidad, para optimizar
la rentabilidad y la eficiencia en la gestión de productos perecederos.
Artículo 5: “Analysis of Inventory Management in Order to Reduce Overstock (Case
Study of TVF Footwear)”.
Expone el problema de sobrestock en una empresa de calzado ubicada en Indonesia.
Se identificó que la acumulación del inventario era a causa de un problema de planificación y
predicción de la demanda debido a que esto se realizaba por estimación empírica, es decir,
que no se tenían en cuenta datos históricos. Como solución a esta problemática, se desarrolló
un modelo de predicción utilizando suavización exponencial simple y doble, análisis de
tendencia y media móvil dependiendo cuál modelo se ajustaba más a la demanda del
producto. Por otro lado, se implementó el modelo EOQ determinando además el ROP y el
Stock de Seguridad, con el cual se logró utilizar la cantidad de pedido y mejorar el tiempo de
reabastecimiento. Como resultado se evidenció una reducción significativa de los costos de
inventario, específicamente cerca del 10% anual y se adoptaron estrategias de pronósticos y
gestión de inventarios con el fin de mejorar la eficiencia operativa.
Artículo 6: “Planning Horizon for Production Inventory Models with Production Rate
Dependent on Demand and Inventory Level”.
Analiza modelos donde la tasa de producción depende de la demanda y el nivel de
inventario. El estudio cuestiona la aplicación de un horizonte de planificación infinito cuando
la demanda disminuye exponencialmente, contrastando que un modelo de producción con
horizonte finito es más idóneo basado en la optimización del costo total de los ciclos de
reabastecimiento. Este modelo utiliza distintas aplicaciones matemáticas para determinar en
qué momento reabastecer teniendo como restricción la minimización de la variable costos. El
proyecto demostró que las empresas pueden optimizar los inventarios a través de un
horizonte finito, debido a que se ofrecen mejores soluciones cuando la demanda decrece
rápida y adicionalmente este mismo modelo permite la reducción de los costos operativos.
Artículo 7: “Exploring the shortcomings in formal criteria selection for multicriteria
decision making based inventory classification models: a systematic review and future
directions”.
Examina la influencia de selección de distintos criterios en la confiabilidad y utilidad
de los modelos de clasificación de inventario con base en decisiones multicriterio (MCDM).
Por medio de distintos estudios de aplicación de este modelo, se identifican varias
limitaciones, por ejemplo, se encontró la ausencia de métodos formales en la selección de
criterios dentro de la investigación de clasificación de inventarios basada en MCDM debido a
que al aplicar un enfoque cuantitativo y cualitativo la selección de distintas metodologías
para áreas de almacén, estas tienden a ser ineficientes. La propuesta evalúa el impacto de los
procesos en la selección de criterios y las decisiones de gestión de inventarios, explorando los
beneficios de integrar la inteligencia artificial en la selección de criterios para estudios de
clasificación de inventarios.
Artículo 8: “Review of Inventory Control Models: A Classification Based on Methods of
Obtaining Optimal Control Parameters”.
Analiza distintos modelos de control de inventarios clasificándolos según las
metodologías empleadas para derivar parámetros de control óptimos. En el paper se destaca
que, la gestión de inventarios ha sido un tema central en la ingeniería industrial y la
investigación operativa puesto que su estudio se centra en la evolución temporal de estos
modelos a través de enfoques analíticos, teoría de control óptimo, simulación y programación
dinámica basada en metamodelos. Esta clasificación proporciona estructura de desarrollo
aplicando diferentes métodos de control de inventarios dependiendo las tendencias actuales
del campo. El articulo destaca que, a pesar de los problemas complejos del inventario en el
mundo real, la teoría del control de inventarios ha logrado desarrollar modelos que abordan
estas particularidades mediante diversas metodologías. Por ejemplo, el modelo de Cantidad
Económica de Pedido (EOQ), han sido fundamentales para entender la relación entre los
costos de pedido y los costos de mantenimiento de inventario. Sin embargo, para problemas
más complejos y estocásticos, se han adoptado técnicas avanzadas como la programación
dinámica que permite considerar variaciones en la demanda.
Artículo 9: “Quality and selling price dependent sustainable perishable inventory
policy: Lessons from Covid-19 pandemic”.
El artículo analiza el impacto del confinamiento por Covid-19 en el almacenamiento
de productos perecederos con demanda dependiente de la calidad y el precio de venta. La
crisis sanitaria modificó significativamente los patrones de consumo. La demanda de
productos frescos disminuyó debido al cierre de restaurantes y hoteles, mientras que los
supermercados experimentaron un alza en la venta de productos enlatados y congelados. Esta
disrupción generó una presión sin precedentes en las empresas dedicadas a la distribución y
almacenamiento de perecederos, quienes se enfrentaron a un incremento en los costos de
conservación y almacenamiento. Por lo anterior, el estudio plantea un modelo matemático
que optimiza la gestión de inventarios en un sistema de dos almacenes, uno propio con
capacidad limitada y otro rentado con almacenamiento infinito, utilizando la política de
despacho FIFO. Los resultados muestran que la rentabilidad de las organizaciones depende
en gran medida del tiempo de confinamiento y del costo de conservación de los productos
perecederos; a su vez, con el análisis de sensibilidad se determina que el costo de
almacenamiento en el rentado tiene un impacto más profundo en rentabilidad en comparación
con el almacén propio.
Artículo 10: “Inventory Control Model of Beef for Rendang Products”.
Explora la gestión de inventarios de carne de res para la producción de rendang. La
investigación se basa en la importancia de considerar como producto perecedero la materia
prima al momento de formular estrategias de inventario. Se propone un modelo de tres
etapas, las cuales son: diseño del modelo, formulación del modelo de inventario y pruebas de
este. Como resultado, se obtuvo un intervalo de almacenamiento óptimo de cinco días, con
una cantidad de pedido de 34 kg de carne y un stock de seguridad de 14 kg. La
implementación de este modelo condujo a una reducción significativa en los costos totales de
inventario para la empresa. Este estudio destaca la relevancia de adaptar las estrategias de
inventario a las características específicas de las materias primas perecederas.
Comparison of wait time approximations in distribution networks using (R,Q)-order
policies

One of the main challenges in the operation of small and medium-sized bakeries dedicated to
the production of sealed bread for distribution is the proper management of raw material
inventories. In this context, a study published in the SSRG International Journal of
Mechanical Engineering (November 2024) analyzes the case of a Peruvian bakery that faced
recurring problems of overstocking and shortages, affecting its operational efficiency and its
ability to fulfill orders on time.

The research proposes a solution based on the integration of two complementary

methodologies: the MRP (Material Requirements Planning) system to plan material
requirements based on projected demand, and the 5S organization tool, part of the Lean
Manufacturing approach, to improve the physical layout of the warehouse and inventory
visibility.

Through this methodological combination, the bakery managed to increase its order
fulfillment rate (Fill Rate) from 86% to 94%, reduce errors in demand forecasting from 27%
to just 5%, and improve inventory recording accuracy from 67% to 95%. These results
translated into a more stable operation capable of responding to market demand in an agile
manner and with less waste of resources.

The study concludes that, even without resorting to advanced inventory systems such as
(R,Q) or (s,S), the integration of methodologies adapted to the context of SMEs can have a
significant impact on logistics efficiency. This approach is particularly relevant for bakeries
seeking to expand their distribution through external channels without compromising product
freshness or availability.
Caracterización del comportamiento de la demanda

La empresa VIDAPAN suministró los datos históricos correspondientes a la demanda

semanal de los productos seleccionados, abarcando un período continuo de 50 semanas. Con
el objetivo de caracterizar estadísticamente el comportamiento de la demanda de cada
producto, se empleó la herramienta Input Analyzer del software Arena. Los resultados
obtenidos servirán posteriormente como insumo para la parametrización de modelos de
inventario de naturaleza probabilística, los cuales consideran la variabilidad inherente al
comportamiento de la demanda.

Demanda Pan Aliñado 100g

Análisis de la demanda del producto PAN ALIÑADO 100 X UND.

La demanda semanal de este producto presenta una variabilidad moderada con una
media de 15.674 unidades. Aunque la prueba de Chi-cuadrado no aprueba el ajuste (p =
0.0071), la prueba de Kolmogorov-Smirnov sí lo hace (p = 0.0898), validando parcialmente
el modelo Normal. El error cuadrático medio fue de 0.0246, lo que indica una diferencia
aceptable entre el modelo ajustado y los datos reales.
Demanda Pan Aliñado 1600g
 Análisis de la demanda del producto PAN ALIÑADO 1600 X UND.

La demanda se concentra alrededor de 14.990 unidades. A pesar de que la prueba Chi²

no aprueba (p = 0.0239), la prueba K-S sí lo hace (p = 0.0905). El ECM obtenido fue de
0.0198, reflejando un ajuste razonablemente cercano.

Pan con queso 400g

Análisis de la demanda del producto PAN CON QUESO 400 X UND.

Este producto muestra una demanda más estable, con media de 21.325 unidades. El
ajuste fue aprobado por ambas pruebas (K-S p = 0.0714, Chi² p = 0.225), y el ECM fue bajo
(0.0076), indicando un excelente ajuste de la distribución Normal.
Pan de sal 100g
 Análisis de la demanda del producto PAN DE SAL 100 X UND.

La media se sitúa en 22.354 unidades, con un comportamiento simétrico.

Ambas pruebas aprueban el ajuste (K-S p = 0.0783, Chi² p = 0.491), y el ECM de
0.0054 confirma la buena calidad del modelo ajustado.

Pan de sal 400g

Análisis de la demanda del producto PAN DE SAL 400 X UND.

Con una media de 7.700 unidades y poca dispersión, este producto mostró un
excelente ajuste a la Normal, aprobado por ambas pruebas (K-S p = 0.0621, Chi² p > 0.75). El
ECM fue el más bajo del conjunto, con un valor de 0.0010.
Pan de uva 400g
 Análisis de la demanda del producto PAN DE UVA 400 X UND.

La demanda gira en torno a 24.003 unidades, con dispersión moderada. Aunque la

prueba Chi² no aprueba (p = 0.0486), la K-S sí (p = 0.122). El ECM fue de 0.0316, el más
alto entre todos los productos, lo cual sugiere un ajuste menos preciso.

Pan lengua

Análisis de la demanda del producto PAN LENGUA X UND.

La media observada fue de 17.281 unidades. La prueba K-S aprueba el ajuste (p =

0.106), pero Chi² no (p = 0.0366). El ECM de 0.0158 indica una diferencia moderada entre la
distribución ajustada y los datos reales.
Pan mogolla 250g
 Análisis de la demanda del producto PAN MOGOLLA 250 X UND.

Producto de alta rotación, con una media de 33.409 unidades. Ambas pruebas
aprueban (K-S p = 0.0737, Chi² > 0.75) y el ECM fue muy bajo (0.0018), mostrando uno de
los mejores ajustes del análisis.

Pan mogolla 400g

Análisis de la demanda del producto PAN MOGOLLA 400 X UND.

La demanda alcanza una media de 53.733 unidades. La K-S aprueba (p = 0.144),

mientras que Chi² no (p = 0.0356). El ECM fue de 0.0189, aceptable para este nivel de
dispersión.
Pan palitroque

Análisis de la demanda del producto PAN PALITROQUE X UND.

Presenta una media de 47.852 unidades con comportamiento estable. Ambas pruebas
aprueban (K-S p = 0.124, Chi² p = 0.223) y el ECM fue de 0.0153, lo cual respalda el ajuste
Normal propuesto.

Pan rollo 400g

Análisis de la demanda del producto PAN ROLLO 400 X UND.

Con media de 16.063 unidades, este producto mostró bajo nivel de variabilidad. Las
pruebas de bondad aprueban (K-S p = 0.0745, Chi² p = 0.223) y el ECM de 0.0066 refleja un
ajuste altamente representativo.
Pan tostada
 Análisis de la demanda del producto PAN TOSTADA X UND.

La media fue de 47.616 unidades, con una dispersión notable. La prueba K-S aprueba
el modelo (p = 0.108), mientras que Chi² no (p = 0.0336). El ECM fue de 0.0195, consistente
con la dispersión observada en la figura.
A continuación, se presenta un resumen consolidado de los resultados obtenidos. La
tabla incluye los parámetros de la distribución Normal ajustada, el error cuadrático medio
(ECM) y los valores p correspondientes a las pruebas de Kolmogorov-Smirnov y Chi-
cuadrado, calculados mediante el uso del software Input Analyzer.

Producto Distribución Media (μ) Desv Est (σ) Square error K-S p-value Chi² p-value

PAN ALIÑADO 100 Normal(15674, 2046) 15673,82 2045,96 0,0246 0,0898 0,0071
PAN ALIÑADO 1600 Normal(14990, 1456) 14989,88 1455,89 0,0198 0,0905 0,0239
PAN CON QUESO 400 Normal(21325, 2497) 21324,6 2496,89 0,0076 0,0714 0,225
PAN DE SAL 100 Normal(22354, 2993) 22353,76 2993,03 0,0054 0,0783 0,491
PAN DE SAL 400 Normal(7700, 647) 7700,48 646,97 0,001 0,0621 0,75+
PAN DE UVA 400 Normal(24003, 2064) 24002,58 2063,76 0,0316 0,122 0,0486
PAN LENGUA Normal(17281, 1313) 17280,94 1313,02 0,0158 0,106 0,0366
PAN MOGOLLA 250 Normal(33409, 4382) 33409,24 4381,6 0,0018 0,0737 0,75+
PAN MOGOLLA 400 Normal(53733, 4870) 53733,46 4869,69 0,0189 0,144 0,0356
PAN PALITROQUE Normal(47852, 3022) 47852,08 3022,31 0,0153 0,124 0,223
PAN ROLLO 400 Normal(16063, 1109) 16062,5 1108,8 0,0066 0,0745 0,223
PAN TOSTADA Normal(47616, 5077) 47615,76 5076,56 0,0195 0,108 0,0336
Tabla 1. Resumen del ajuste de distribuciones en Input Analyzer para la demanda semanal

En general, se observa que la mayoría de los productos presentan un buen ajuste a la

distribución Normal, especialmente aquellos con menor dispersión en su demanda semanal.
La prueba de Kolmogorov-Smirnov aprueba el ajuste en todos los casos, mientras que la
prueba de Chi-cuadrado muestra ciertas discrepancias en algunos productos con mayor
 variabilidad. Además, los valores de error cuadrático medio son bajos en casi todos los casos,
lo que indica que las distribuciones ajustadas representan adecuadamente el comportamiento
histórico de la demanda.

Pronostico de la demanda de los productos seleccionados

Media p_LjungBo
MAE MAPE RMSE
Producto Modelo residuos x Resultado
PAN ALINADO 100 SES 1839,344039 11,9502921 2220,653823 288,827246 0,23993188 errores independientes
0,49090546
PAN ALINADO 1600 ARIMA 1089,225672 7,649198276 1309,01787 -44,68861862 3 errores independientes
0,53513595
PAN CON QUESO 400 SES 1880,666543 9,25042823 2278,499318 -275,733953 8 errores independientes
0,84470081
PAN DE SAL 100 ARIMA 2290,726165 9,757446773 2985,546857 640,6183636 8 errores independientes
0,68820373
PAN DE SAL 400 SES 682,1616106 8,864918537 795,6972646 136,9574923 1 errores independientes
0,67824720
PAN DE UVA 400 ARIMA 1530,991116 6,488222575 1795,009256 125,5813997 2 errores independientes
0,05899223
PAN LENGUA Holt 1188,175031 7,186956051 1482,560302 -50,63210018 6 errores independientes
PAN MOGOLLA 250 SES 4242,113274 12,52766175 4859,956614 954,7657822 0,42848171 errores independientes
0,00419173
PAN MOGOLLA 400 SES 4513,844968 7,978550018 5570,427443 1737,001569 8 errores auto correlacionados
0,97342091
PAN PALITROQUE SES 2990,300485 6,42995102 3637,832841 -1247,462944 8 errores independientes
0,85809846
PAN ROLLO 400 SES 1071,27506 6,9566579 1295,961202 -483,1585127 6 errores independientes
0,61594685
PAN TOSTADA SES 4033,211679 8,973344962 6060,857237 514,0350362 8 errores independientes
Tabla 2. Resumen de los modelos de pronósticos utilizados.

Para la selección de los modelos de pronóstico, en general, se siguió un procedimiento

que inició con la identificación de modelos potenciales según la tendencia histórica de la
demanda de cada producto. Posteriormente, los modelos fueron evaluados utilizando
conjuntos de entrenamiento y prueba. Finalmente, se seleccionó el modelo que presentó las
mejores métricas de error y que además cumpliera con los supuestos requeridos sobre los
errores. En la mayoría de los casos, el modelo que mejor se ajustó fue el de Suavizamiento
Exponencial Simple. Para aquellos con mayor variabilidad o fluctuaciones sistemáticas, se
aplicó el modelo ARIMA, mientras que, en un caso particular, el modelo de Holt ofreció el
mejor desempeño.
La mayoría de los productos presentan MAPE menores al 10%, lo que indica una
buena capacidad predictiva. Además, los valores de p_LjungBox son mayores a 0.05 en casi
todos los casos, lo que sugiere que los errores de predicción no presentan autocorrelación y,
por lo tanto, los modelos son estadísticamente válidos.
Realizando el pronóstico de demanda para las siguientes 14 semanas con los
productos seleccionados con su respectivo modelo
 Pronóstico de la demanda semanal y análisis de residuos.
Selección de modelo de inventario

Analizando la naturaleza del negocio y sus características identificamos dos modelos

de inventario revisión continua (Q,r) y revisión periódica con política (s,S). Tras compararlos,
se concluye que este último es el más adecuado para VIDAPAN, el periódico siento muchos
productos.

Por lo tanto, el modelo de inventario que mejor se ajusta al comportamiento de la

demanda de VIDAPAN es Modelo Estocástico de Revisión Periódica con Productos
Perecederos (Política (Q, I-Q)) que considera:

• Se revisa el inventario cada cierto tiempo (cada 6 días, como hace VIDAPAN).
• Considera que los productos se dañan si no se venden rápido.
• Usa la probabilidad de demanda para decidir cuánto producir ya que es incierta.

Usando este modelo permite reducir los riesgos de quedarse sin productos, producir de
más y que se dañen y hacer demasiados pedidos (gasto innecesario).

Definición y especificación de los valores de los parámetros que se requieren para

modelar los inventarios.

Teniendo en cuenta el modelo de inventario seleccionado, los parámetros necesarios

son:

R= Periodo de revisión en días. R = 7 días

D= demanda semanal

σ= desviación estándar de la demanda semanal

L=Tiempo de reabastecimiento (días)

α =Nivel de servicio deseado, por lo general, 95%

Supuestos

• Demanda aleatoria:
La demanda diaria de cada producto sigue una distribución normal, con una media y
desviación estándar conocida.

• Revisión periódica:
El inventario se revisa cada R días (en este caso, cada 7 días), por lo que los pedidos se
emiten de forma regular, sin depender del nivel de inventario exacto en cada instante.

• Cantidad de pedido fija (Q):

Cada vez que se revisa el inventario, se realiza un pedido por una cantidad óptima fija
QQQ, calculada para cubrir la demanda esperada durante el período R+LR + LR+L, más un
stock de seguridad.

• Tiempo de reabastecimiento (L):

El lead time (tiempo entre realizar el pedido y recibirlo) es constante y conocido, en este
caso 2 días.

Cálculo de la demanda y su desviación para el horizonte total

𝜇𝑅+𝐿 = 𝑑 ∗ (𝑅 + 𝐿): 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑒𝑙 𝑐𝑖𝑐𝑙𝑜 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑜

𝜎𝑅+𝐿 = 𝜎𝑑 ∗ √𝑅 + 𝐿: 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑒𝑛 𝑒𝑠𝑒 𝑝𝑒𝑟í𝑜𝑑𝑜

Cálculo de la cantidad de pedido óptima Q

𝑄 = 𝜇𝑅+𝐿 + 𝑍𝛼 ∗ 𝜎𝑅+𝐿

D σ
Producto diaria diaria μ R+L σ R+L Q óptimo
PAN MOGOLLA 400 7676.2 1840.1 69085.4 5123.4 77547.6
PAN TOSTADA 6802.3 1922.6 61220.5 5353.3 70001.6
PAN PALITROQUE 6836.0 1142.1 61524.2 3180.3 66774.1
PAN MOGOLLA 250 4773.5 1654.9 42961.3 4609.6 50551.3
PAN DE UVA 400 4000.4 779.8 36003.2 2172.3 39560.0
PAN DE SAL 100 3734.0 1130.9 33606.3 3151.2 38878.5
PAN CON QUESO
400 3554.1 943.8 31986.9 2630.7 36319.7
PAN LENGUA 2879.2 496.2 25913.2 1381.7 28180.7
PAN ROLLO 400 2677.1 419.0 24093.8 1166.0 26013.3
PAN ALIÑADO 100 2615.6 773.2 23540.0 2151.1 27009.0
PAN ALIÑADO 1600 2501.5 550.1 22513.7 1529.4 25029.1
PAN DE SAL 400 1283.4 244.6 11550.6 680.4 12668.4
 Tabla 3. Datos de los productos necesarios para resolver el modelo

Diseño de base de datos utilizando Access o MySQL

Diseñando la base de datos en Access creamos 3 tabla entre ellas Inventario (periodos
de revisiones anteriores), Producto (Describe los productos seleccionados) y Pronóstico (Se
proyectan las salidas de inventario).
Nosotros vamos a enfocarnos únicamente en el inventario de productos terminados,
dado que se trata de una panadería. Es decir, no vamos a considerar el inventario de materias
primas ni de insumos utilizados para elaborar el pan u otros productos. Nuestro análisis se
centrará en lo que ya está listo para la venta.

En cuanto a los productos no vendidos al finalizar el día —específicamente el pan—,

estos se comercializan al día siguiente a un menor precio, ya que no se descartan
inmediatamente, sino que se les da salida como producto con descuento.

Tampoco tendremos en cuenta a los proveedores en este análisis, ya que nuestro único
proveedor es el que suministra los insumos, y ese aspecto no hace parte del alcance actual del
trabajo. Lo que buscamos es estudiar únicamente el comportamiento y gestión del inventario
de productos terminados dentro del proceso de la panadería.
Relaciones entre las tablas:

Tabla Histórico
Tabla Producto

Tabla Pronóstico
Aplicación integrada con la base de datos y solución del problema
 Interfaz del aplicativo realizado para la panadería VIDAPAN

Para mejorar el control del inventario en la panadería, se diseñó una aplicación en

Spyder utilizando la librería Tkinter, con una interfaz gráfica conectada a una base de datos
en Microsoft Access. Esta herramienta permite al personal registrar fácilmente los
movimientos del inventario ingresando el código del producto, la cantidad y la fecha,
eligiendo entre dos tipos de operación. Cada vez que se realiza un registro, la información se
guarda automáticamente en Access y se actualiza en tiempo real el stock del producto.
Además, el sistema muestra el inventario actualizado en pantalla, permitiendo al usuario
verificar visualmente que la acción se completó correctamente.

Descripción del sistema de inventario actual vs el modelo propuesto

El sistema de inventario actual de la empresa VIDAPAN es un sistema de control

periódico que incluye características básicas como la frecuencia de actualización de
productos cada seis días, registro de entradas y salidas de productos terminados, clasificación
de productos, línea de referencia del producto, unidades variables, individuales y por
volumen. Sin embargo, este sistema tiene ciertas limitaciones visibles como estar propenso a
errores humanos, perdida de información, dificultad para el control sobre los productos,
cálculo de los costos y adicionalmente no refleja en tiempo real los movimientos del
inventario.

En contraste, se propone implementar un modelo de inventario probabilístico de

revisión continua, soportado por un software especializado que permita el registro automático
y en tiempo real de las entradas, salidas y el nivel de stock disponible. Así mismo, visibilidad
de puntos de reorden, cantidades optimas de pedido mediante modelos como (Q,R) o (s,S),
clasificación de los productos mediante la diferenciación de los tipos de productos con
clasificación ABC-XYZ. El objetivo de implementar este sistema es poder tomar decisiones
más precisas y fundamentadas sobre los productos, mejorar la disponibilidad de aquellos que
tengan alta rotación y reducir el desperdicio por vencimiento en aquellos que sean productos
precederos.

Mejora obtenida con el modelo de inventario propuesto

A partir del análisis realizado a la demanda de productos clave y la caracterización

estadística de su comportamiento, se estiman las siguientes mejoras tras la implementación
del modelo propuesto.

• Nivel de servicio (productos A y X) 80% vs 95% à +15 puntos porcentuales

• Perdidas por vencimiento (mensual) 10 – 12% del inventario vs 2-3% à
Reducción del 75%
• Costo de almacenamiento mensual 100% vs 80% à reducción del 20%
• Tiempo de actualización y control cada 6 días a datos en tiempo real para una
mejora operativa significativa
• Tasa de rotación de inventario 4.2 veces al año vs 6.5 veces al año à +55%

Las mejorar descritas anteriormente fueron estimadas a partir del comportamiento de

la demanda, teniendo en cuenta la alta estacionalidad de algunos productos, el impacto de la
política ABC-XYZ y la aceleración de datos en tiempo real en contraste con los registros
manuales actuales que presenta la compañía.

Referencias
Cruz, JA d., Salles-Neto, LL d. y Schenekemberg, CM (2024). An integrated production
planning and inventory management problem for a perishable product: optimization and
Monte Carlo simulation as a tool for planning in scenarios with uncertain demands. ARRIBA,
32, 26[Link]
Dendra, F. G., Amrina, E., & Indrapriyatna, A. S. (2023). Inventory Control Model of Beef
for Rendang Products. Jurnal Optimasi Sistem Industri, 22(1), 22-30.
[Link]
Jackson, I., Tolujevs, J., & Kegenbekov, Z. (2020). Review of Inventory Control Models: A
Classification Based on Methods of Obtaining Optimal Control Parameters. Transport And
Telecommunication Journal, 21(3), 191-202. [Link]
Lestari, N. F. (2022). Analysis of Inventory Management in Order to Reduce Overstock
(Case Study of TVF Footwear). International Journal Of Current Science Research And
Review, 05(09). [Link]
Lin, J., Chao, H. C. J., & Julian, P. (2013). Planning Horizon for Production Inventory
Models with Production Rate Dependent on Demand and Inventory Level. Journal Of
Applied Mathematics, 2013, 1-9. [Link]
M. Podda et al. (2024). Simulation-based inventory management of perishable products via
linear discrete choice models: el estudio On-Call Shift for General SurgeonS (LIONESS).
*Actualizaciones en cirugía*, 76, 1615-1633. [Link]
Murmu, V., Kumar, D., & Jha, A. K. (2023). Quality and selling price dependent sustainable
perishable inventory policy: Lessons from Covid-19 pandemic. Operations Management
Research, 16(1), 408-432. [Link]
P. Mukucha & Felix Chari (2023). The Moderating Role Of Vendor Managed Inventory On
The Bullwhip Effect In The COVID-19 Pandemic. Cogent Business & Management, 10.
[Link]
Theunissen, F. M., Bezuidenhout, C. N., & Alam, S. (2024). Exploring the shortcomings in
formal criteria selection for multicriteria decision making based inventory classification
models: a systematic review and future directions. International Journal Of Production
Research, 62(19), 7279-7299. [Link]
Tsega Y. Melesse y Pier Francesco Orrù (2025). The Digital Revolution in the Bakery Sector:
Innovations, Challenges, and Opportunities from Industry 4.0. Food,14.
[Link]

Grob, C., & Bley, A. (2018). Comparison of wait time approximations in distribution
networks using (R,Q)-order policies. arXiv. [Link]