Propuesta de mejora en la gestión de inventario usando herramientas de Lean Warehousing y Machine Learning de una empresa mayorista de equipos de automatización e instrumentación.

Abstract

El presente trabajo de investigación presenta una propuesta de mejora en la gestión de inventarios para una empresa mayorista de equipos de automatización e instrumentación, utilizando herramientas de Lean Warehousing y Machine Learning. El estudio se enfoca en resolver problemas de obsolescencia de stock. En el análisis inicial, se destaca que el sector de automatización está en auge, con un crecimiento proyectado del 5.9% en América Latina para el periodo 2024-2032. Este crecimiento presenta desafíos en la gestión de inventarios. En el Perú, solo el 34% de las empresas exhiben un nivel avanzado de gestión en su cadena de suministro, lo que resalta la necesidad de mejorar las prácticas existentes. La empresa estudiada enfrenta problemas significativos con la rotación de inventarios y la obsolescencia de productos con impacto del 4.5% de la facturación anual. La solución incluye la implementación de Machine Learning para mejorar el pronóstico de la demanda y la aplicación de Lean Warehousing. El modelo de Machine Learning se usa para predecir la demanda basada en datos históricos, lo que reduce el error de pronóstico en un 50%. Además, se aplicó la metodología 5S para mejorar la organización y eficiencia de la cadena de suministro, logrando una reducción del 30% en códigos obsoletos y una mejora del 90% en la exactitud de registros de inventarios. Finalmente, se evaluaron los impactos de las mejoras propuestas, demostrando su viabilidad. Además, se consideraron impactos en la eficiencia operativa, la seguridad laboral y la satisfacción del cliente.

The present research work presents a proposal for improving inventory management for a wholesale company of automation and instrumentation equipment, using Lean Warehousing and Machine Learning tools. The study focuses on solving stock obsolescence problems. The initial analysis highlights that the automation sector is booming, with projected growth of 5.9% in Latin America for the period 2024-2032. This growth presents challenges in inventory management. In Peru, only 34% of companies exhibit an advanced level of supply chain management, which highlights the need to improve existing practices. The company studied faces significant problems with inventory turnover and product obsolescence, impacting 4.5% of annual revenue. The solution includes the implementation of Machine Learning to improve demand forecasting and the application of Lean Warehousing. The Machine Learning model is used to predict demand based on historical data, reducing forecasting errors by 50%. Additionally, the 5S methodology was applied to improve the organization and efficiency of the supply chain, achieving a 30% reduction in obsolete codes and a 90% improvement in inventory record accuracy. Finally, the impacts of the proposed improvements were evaluated, demonstrating their feasibility. Additionally, impacts on operational efficiency, labor safety, and customer satisfaction were considered.