An integrated lean and machine learning approach to inventory management in automotive accessories SMES

Ver/
Descargar
(application/pdf: 411.3Kb)
(application/pdf: 411.3Kb)
Autorización
(application/pdf: 226.6Kb)
(application/pdf: 226.6Kb)
Reporte de similitud
(application/pdf: 559.6Kb)
(application/pdf: 559.6Kb)
Fecha
2025Asesor(es)
Metadatos
Mostrar el registro completo del ítemResumen
El artículo presenta un estudio de caso enfocado en desarrollar una solución a uno de los principales problemas del sector comercial: la baja rotación de inventario, causada por una gestión ineficiente y la falta de planificación de la demanda. Este estudio se basa en el diseño e implementación de un modelo de gestión de inventario orientado a incrementar la rotación de stock en una PyME del sector comercial, integrando herramientas como la clasificación ABC, EOQ (Cantidad Económica de Pedido), slotting, 5S y pronósticos de demanda mediante algoritmos de machine learning. Se incorporó además el sistema Kardex, que permitió un control detallado de las entradas y salidas de inventario, mejorando la trazabilidad y facilitando la organización del almacén. En conjunto con la metodología 5S y el análisis de slotting, el uso del Kardex optimizó el layout y redujo los tiempos operativos. Gracias al pronóstico más preciso de la demanda, se evitó el sobrestock, se redujo el inventario obsoleto y se optimizó el proceso de compras. Como resultado, la empresa logró una mejora del 33.43 % en la rotación de inventario, una reducción del 19.95 % en costos logísticos, una disminución del 30 % en el inventario promedio y una reducción del 60 % en el tiempo de picking, demostrando que la integración de tecnología y buenas prácticas logísticas puede fortalecer la competitividad y sostenibilidad de las PyMEs. This article presents a case study focused on developing a solution to one of the main problems in the commercial sector: low inventory turnover, caused by inefficient management and a lack of demand planning. This study is based on designing and implementing an inventory management model aimed at increasing stock turnover in an SME in the commercial sector, integrating tools such as ABC classification, EOQ (Economic Order Quantity), slotting, 5S, and demand forecasting using machine learning algorithms. The Kardex system was also incorporated, allowing detailed control of inventory inputs and outputs, improving traceability and facilitating warehouse organization. In conjunction with the 5S methodology and slotting analysis, using Kardex optimized the layout and reduced operating times. Thanks to the more accurate demand forecast, overstocking was avoided, obsolete inventory was reduced, and the purchasing process was optimized. As a result, the company achieved a 33.43% improvement in inventory turnover, a 19.95% reduction in logistics costs, a 30% decrease in average inventory, and a 60% reduction in picking time, demonstrating that the integration of technology and good logistics practices can strengthen the competitiveness and sustainability of SMEs.
Editor
Universidad de LimaTemas
Coleccion(es)
- Tesis [1207]

