UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
FACULTAD DE CIENCIAS DE LA INGENIERÍA E
INDUSTRIAS
CARRERA DE INGENIERÍA INDUSTRIAL Y DE
PROCESOS
IMPLEMENTACIÓN DE UN SISTEMA DE ENTREGAS A
TIEMPO EN LA EMPRESA LOGÍSTICA YOBEL SCM.
TRABAJO PREVIO A LA OBTENCIÓN DEL TÍTULO
DE INGENIERO INDUSTRIAL Y DE PROCESOS
AUTOR: WILSON RAMIRO MONTENEGRO OBANDO
DIRECTOR: ING. FREDDY ÁLVAREZ
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
BIBLIOTECA UNIVERSITARIA
FORMULARIO DE REGISTRO BIBLIOGRÁFICO
PROYECTO DE TITULACIÓN
DATOS DE CONTACTO
CÉDULA DE IDENTIDAD: 0401448626
APELLIDO Y NOMBRES: Montenegro Obando Wilson Ramiro
DIRECCIÓN: José Arízaga e Iñaquito
EMAIL: [email protected]
TELÉFONO FIJO: 224-4697
TELÉFONO MOVIL: 0983308612
DATOS DE LA OBRA
TITULO: Implementación de un Sistema de
Entregas a Tiempo en la Empresa Logística YOBEL SCM.
AUTOR O AUTORES: Wilson Ramiro Montenegro Obando FECHA DE ENTREGA DEL PROYECTO
DE TITULACIÓN:
07/04/2017
DIRECTOR DEL PROYECTO DE
TITULACIÓN: Ing. Freddy Álvarez
PROGRAMA PREGRADO POSGRADO TITULO POR EL QUE OPTA: Ingeniera Industrial y de Procesos RESUMEN: La empresa Yobel SCM ofrece servicios
logísticos, uno de sus principales clientes es Belcorp, este trabaja bajo un modelo de ventas por catálogo, maneja cerca de 65000 pedidos por cada campaña, cada pedido lleva una configuración única de productos y debe ser entregado en la ciudad y dirección especifica.
La variabilidad en el proceso de entrega genera una ventana de 3 días en los cuales puede llegar el pedido, lo cual genera descontento en los clientes y afecta el nivel de servicio debido a que deben pasar 3 días en sus casas esperando recibir el pedido. Es por ello que la necesidad de crear un programa de entregas a tiempo que solucione este problema es fundamental.
Este programa se basa en el ciclo de Deming y para su aplicación se crearon varias herramientas en la plataforma Excel.
Planear.-Identificación de Promesas de
UNIVERSIDAD TECNOLÓGICA EQUINOCCIAL
BIBLIOTECA UNIVERSITARIA
Entrega
Hacer.- Matriz de seguimiento en tiempo real Verificar.- Matriz de levantamiento de status Actuar.- Motivos de no entrega exacta. Para la data inicial se recopilo el conocimiento de los repartidores de cada zona mediante entrevistas con cada uno de ellos. Toda la data se tabulo y proceso en las herramientas de Excel creadas para este propósito.
En cada reparto se realiza el seguimiento del cumplimiento de las promesas de entrega en tiempo real, se solucionan problemas y se registran los motivos de no cumplimiento para su posterior análisis y corrección.
De este modo en cada campaña se logra mejorar el indicador y afinar el proceso.
PALABRAS CLAVES: Entregas a tiempo/ promesas de entrega/ entrega de pedidos/ efectividad/ ciclo de Deming
ABSTRACT: Yobel SCM offers logistic services, one of its main customers is Belcorp, which works under a model of catalog sales, handles about 65000 orders per campaign, each order carries a unique configuration of products and must be delivered in the City and specific address.
The variability in the delivery process generates a window of 3 days in which the order can arrive, which generates displeasure in the customers and affects the level of service because they must spend 3 days in their houses waiting to receive the order. That is why the need to create a timely delivery program that solves this problem is critical. This program is based on the Deming cycle and for its application several tools were created in the Excel platform.
Planning: Pledge Identification Do: Real-time tracking matrix Check: Status Matrix
Act: Motives of not exact delivery.
For the initial data the knowledge of the drivers of each zone is collected through interviews with each of them. All data is tabulated and processed in Excel tools created for this purpose.
In this way in each campaign it is possible to improve the indicator and to fine-tune the process.
i
ÍNDICE DE CONTENIDOS
PÁGINA
RESUMEN ... 1
ABSTRACT ... 2
1. INTRODUCCIÓN ... 3
2. METODOLOGÍA ... 12
2.1. IDENTIFICACIÓN DE PROMESAS DE ENTREGA ... 12
2.2. HERRAMIENTAS PARA EL REGISTRO, MEDICIÓN Y MANEJO DE PROMESAS DE ENTREGA ... 12
2.3. LEVANTAMIENTO DEL PROCESO PARA EL SEGUIMIENTO Y CUMPLIMIENTO DE LAS PROMESAS DE ENTREGA. ... 12
2.4. INDICADOR DE CUMPLIMIENTO DE PROMESAS DE ENTREGA ... 12
3. RESULTADOS Y DISCUSIÓN ... 14
3.1. PROMESAS DE ENTREGA ... 14
3.2. HERRAMIENTAS PARA EL REGISTRO, MEDICIÓN Y MANEJO DE PROMESAS DE ENTREGA. ... 16
3.3. PROCESO PARA EL SEGUIMENTO Y CUMPLIMIENTO DE LAS PROMESAS DE ENTREGA. ... 27
3.4. INDICADOR DE CUMPLIMIENTO DE PROMESAS DE ENTREGA. ... 29
4. CONCLUSIONES Y RECOMENDACIONES ... 32
4.1. CONCLUSIONES. ... 32
ii PÁGINA
BIBLIOGRAFÍA ... 33
iii
ÍNDICE DE TABLAS
PÁGINA
Tabla 1. Resumen de cumplimiento de promesas teóricas ... 14
Tabla 2. Promesas de entrega remesa 1 ... 15
Tabla 3. Promesas de entrega remesa 2 ... 15
iv
ÍNDICE DE FIGURAS
PÁGINA
Figura 1. Registro Data Repartidores ... 16
Figura 2. Pantalla de hoja de procesamiento de data ... 17
Figura 3. Pantalla de hoja asignación de promesa a territorio ... 17
Figura 4. Pantalla del cálculo de rangos por territorio ... 18
Figura 5. Pantalla del proceso de consolidación de rangos de territorios ... 18
Figura 6. Pantalla QRY descarga de data de confirmación en línea. ... 19
Figura 7. Pantalla de data de confirmación en línea descargada del QRY. 19 Figura 8. Pantalla de data procesada para el análisis. ... 20
Figura 9. Pantalla de porcentaje de confirmación en línea. ... 20
Figura 10. Pantalla de hoja de análisis de entregas. ... 21
Figura 11. Pantalla de hoja de mapa de entrega exacta ... 22
Figura 12. Pantalla del QRY de descarga de data de confirmación en línea. ... 22
Figura 13. Pantalla de data descargada mediante el QRY. ... 23
Figura 14. Pantalla de matriz de data procesada ... 23
v PÁGINA
Figura 16. Pantalla de hoja de motivos de no entrega exacta ... 24
Figura 17. Pantalla de data recopilación de motivos de no entrega exacta 25
Figura 18. Pantalla de cálculo del resultado de campaña ... 25
Figura 19. Pantalla de ponderación de motivos de no entrega exacta ... 26
Figura 20. Pantalla de data para alimentar indicador ... 26
Figura 21. Diagrama de flujo proceso seguimiento y cumplimiento de
promesas de entrega ... 28
Figura 22. Pantalla de data de campaña procesada ... 29
Figura 23. Pantalla del cálculo histórico de resultados de entrega exacta. . 29
vi
ÍNDICE DE ANEXOS
PÁGINA
ANEXO 1. PANTALLAS AIP ... 35
ANEXO 2. ANDEN DE RECEPCION YOBEL SCM ... 36
ANEXO 3. LÍNEAS DE PRODUCCIÓN YOBEL SCM ... 37
ANEXO 4. LOGÍSTICA DE SALIDA ... 38
1
RESUMEN
La empresa Yobel SCM ofrece servicios logísticos, uno de sus principales clientes es Belcorp, este trabaja bajo un modelo de ventas por catálogo y maneja 65000 pedidos por cada campaña, cada pedido lleva una configuración única de productos y debe ser entregado en una ciudad y dirección específica.
La variabilidad en el proceso de entrega genera una ventana de 3 días en los cuales puede llegar el pedido, este aspecto genera descontento en los clientes y afecta el nivel de servicio debido a que no pueden salir de sus casas esperando a recibir el mismo. Es por ello que el objetivo principal de este estudio es: Implementar un sistema de entregas a tiempo en la empresa logística Yobel SCM.
Para el desarrollo de este sistema se usó el modelo del ciclo de Deming, para cada una sus pasos se desarrollaron las siguientes herramientas en la plataforma Excel.
Planear.-Identificación de Promesas de Entrega Hacer.- Matriz de seguimiento en tiempo real Verificar.- Matriz de levantamiento de status Actuar.- Motivos de no entrega exacta.
La data de las promesas se recopilo de los repartidores mediante el uso de registros.
Para el seguimiento se levantó un proceso que debe ejecutase cada campaña.
La meta de cumplimiento de promesa de entrega planteada para el indicador es 96,40%, este resultado se logró alcanzar y mantener.
La ventana de entrega se redujo a 1 solo día.
PALABRAS CLAVE
2
ABSTRACT
Yobel SCM offers logistic services, one of its main customers is Belcorp, it works under a model of catalog sales and handles 65000 orders for each campaign, each order carries a unique configuration of products and must be delivered in a city and address Specific.
The variability in the delivery process generates a window of 3 days in which the order can arrive, this aspect generates discontent in the customers and affects the level of service because they can’t leave their houses waiting to receive the same. That is why the main objective of this study is: Implement a timely delivery system in the Yobel SCM logistics company.
For the development of this system was used the model of Deming cycle, for each steps were developed the following tools in the Excel platform.
Planning.- Identification of Promises of Delivery Do.- Real-time tracking matrix
Check.- Status Matrix
Act.- Motives of not exact delivery.
The date of the promises was collected from the deliverers through the use of records.
For the follow-up, a process was developed that should be carried out each campaign.
The delivery promise fulfillment target set for the indicator is 96.40%, this result was achieved and maintained.
The delivery window was reduced to 1 single day.
KEYWORDS
3 1. INTRODUCCIÓN
El presente estudio se centra en el proceso logístico de Yobel SCM, por lo cual es preciso definir algunos conceptos, SCM (supply chain management) o manejo de cadenas de abastecimiento es aquel que engloba a la logística integrada, es decir va desde la “administración del proveedor del proveedor hasta la entrega del cliente del cliente” (Ballou, 2004).
Yobel SCM tiene varios clientes a los cuales ofrece distinto tipos de soluciones logísticas, Belcorp su principal cliente es una compañía de venta directa de productos cosméticos por catálogo, utiliza el siguiente modelo de negocio: ciclo de ventas, consultoras, zonas de facturación, remesas y regiones (Jaramillo, 2016).
El Modelo de Negocio de Venta Directa, considera al ser humano como el sistema de distribución y comercialización de productos, se basa en la relación persona a persona, con grandes posibilidades de promoción individual, social y empresarial. Los vendedores utilizan un catálogo para realizar las ventas a terceras personas, son los intermediarios directos entre el producto y el cliente final, razón por la cual la empresa comercializadora de la marca se preocupa por capacitarlos y motivarlos constantemente, basándose en la profesionalidad y la confianza (Ongallo, 2007).
Los vendedores reciben diferentes denominaciones en función de la empresa o de la actividad que realicen: distribuidor, distribuidor independiente, vendedor, dealer, consultora de belleza, asesora, consejera, socio independiente, entre otros. El reclutamiento de nuevos vendedores es una parte fundamental del proceso, marca el ritmo del crecimiento de la empresa, por lo cual es importante definir el perfil idóneo en función del producto que se vende y la imagen que se desea transmitir (Ongallo, 2007). Para este estudio, Belcorp denomina a sus vendedoras como: consultoras de belleza. Actualmente el número de consultoras activas es de 80000, de las cuales el 70% hacen un pedido regular en cada campaña y el 30% restante lo hacen irregularmente, mínimo 1 pedido cada 3 campañas, caso contrario son excluidas de la base de datos de consultoras activas (Reyes, 2016).
El país se divide en 6 regiones comerciales para un mejor manejo de las consultoras que conforman la fuerza de ventas. Cada región se constituye en promedio por 20 zonas, tienen un cronograma definido de facturación y son lideradas por una gerente regional (Reyes, 2016).
4 una gerente de zona. Los días en los que se activa el ciclo de ventas vienen dados por el cronograma de facturación (Reyes, 2016).
El ciclo de ventas constituye el motor que mueve a toda la empresa comercializadora, marca el ritmo de toda la operación, debido a que genera el flujo de efectivo necesario que sostiene a todos los demás procesos (López, 2011).
Remesa es el nombre que se le da a los días de facturación de las zonas, cada zona puede facturar como máximo 5 días, es decir tendría 5 remesas, de las cuales la remesa 1 es la más fuerte, en este día generalmente se concentra el 60% de los pedidos que se van a facturar de una determinada zona. A partir de las remesas 2 la cantidad de pedidos disminuye gradualmente (Reyes, 2016).
Para sustentar la implementación del programa de entregas a tiempo es importante conocer cuáles son las herramientas que se utilizan dentro de la operación logística en la actualidad.
Los nuevos modelos logísticos para reparto puerta a puerta han diseñado nodos de reparto, ubicados estratégicamente y su objetivo es incrementar la eficiencia, flexibilidad y la calidad del servicio, Yobel tiene un nodo en la ciudad de Guayaquil, desde donde distribuye los pedidos para esta ciudad (Cancelas, 2015).
El Enterprise Resource Planning - ERP en la actualidad es un sistema informático que se usa para el control de todos los ámbitos internos de la empresa, se han juntado bajo una única plataforma todos las áreas que conforman una empresa y que necesitan compartir información entre sí (Nickl, 2005), por lo general el ERP está compuesto de varios módulos como: Recursos humanos, ventas, contabilidad, finanzas, compras, producción, entre otros. Brinda información cruzada e integrada entre todos los procesos de las operaciones, el ERP debe estar adaptado y parametrizado a las necesidades de cada una de las distintas operaciones (Chiesa, 2004).
Muchas empresas no son capaces de manejar correctamente su flujo de información, lo cual genera costos innecesarios y mala calidad en el servicio, el ERP le debe permitir a la empresa automatizar todos sus flujos de información e integrar sus procesos (Lazo, 2010).
5 facturación, movimientos de inventario, zonas, lead time, abastecimientos, remesas, de este modo se puede tener una completa visión y trazabilidad sobre los productos en cualquier estado dentro de la operación (Jaramillo, 2016).
Actualmente en las empresas no es una práctica común cuantificar los errores en el reparto, ni tampoco el número de clientes que se pierden por el mal servicio, motivo por el cual no se puede tener un número claro del perjuicio que un reparto viciado le causa a una empresa (Andrade, 2017). Uno de los últimos desarrollos en el manejo de cadenas de abastecimiento es el: Transportation Management System – TMS, este tipo de software complementa a los ERP y se encargan de optimizar el transporte y reparto de pedidos, también mejora el flujo de información entre el operador y el repartidor, permitiendo ofrecer el estado del pedido al cliente final de manera inmediata. El incremento en el volumen y la cantidad de pedidos que se reparten sobre territorios cada vez más extensos, ha complicado el manejo de las operaciones logísticas en todo el mundo, con todos estos antecedentes es evidente la necesidad de un TMS, pero a pesar de esto, el porcentaje de empresas que han optado por esta solución todavía es muy bajo, esto se debe a varios factores, entre los principales: desconocimiento de este tipo de herramientas, baja oferta de proveedores y costos elevados (Andrade, 2017).
Uno de los casos más importantes de la implementación de TMS es Apple, los productos de esta empresa se fabrican en China y nadie de fuera de la cadena de suministro puede ver el producto sino hasta después de la presentación oficial en Silicón Valley, lo que significa que los aparatos no pueden salir de la fábrica sino hasta que la presentación haya finalizado, sin embargo estos deben llegar a las tiendas con una promesa de entrega de 24 horas después del lanzamiento, para lograr esta hazaña se requiere sincronización perfecta entre el fabricante, Apple, las retail stores y los proveedores de transporte (Isaacson, 2011).
6 Apple ha logrado superar todos estos obstáculos gracias a su TMS especialmente diseñado para su modelo de negocio, gracias a él no hace falta correos entre todos los involucrados, todos manejan el mismo sistema y hablan el mismo idioma, de ese modo se logra tener el nuevo iPhone disponible en las tiendas 24 horas después de su lanzamiento (Isaacson, 2011).
El lead time es el tiempo que transcurre desde que se inicia un proceso operativo (aprovisionamiento, almacenaje, fabricación, distribución) hasta la entrega del pedido, actualmente la tendencia es reducir este tiempo para tener una ventaja competitiva, pero el costo que esto implica ha causado que las empresas analicen alternativas más creativas y económicas como el manejo de promesas de entrega. Cuando el lead time es demasiado alto causa incertidumbre en los clientes, percepción de mal servicio y pérdida de tiempo, puesto que estos tienen que esperar varios días para la recepción del pedido, afectando así también su propio tiempo de entrega hacia sus propios clientes (Estellés, 2010).
La promesa de entrega es la fecha estimada en la que se va a entregar el pedido, existen dos tipos de promesas, la que se da cuando entra el pedido y la que se da bajo un escenario establecido. Las promesas que se dan con el pedido, son más fáciles de calcular y cumplir puesto que se conocen las variables que pueden ser: velocidad de producción, cantidad de pedidos, distancia, entre otros. Por otro lado las promesas que se dan en base a un escenario requieren de un análisis más rigurosos puesto que parten de supuestos y estimados lo cual dificulta el manejo, debido a que cualquier problema que se presente dentro del proceso logístico puede afectar el cumplimiento de la promesa de entrega, para trabajar con este método hace falta que todas las operaciones trabajen en orden y con un norte bien definido (Lozano Duque, Rosero Torres, & Martínez Bernal, 2014).
7 El modelo logístico estándar aplicado a un negocio de venta directa da como resultado que cada pedido es único, el número de productos que tenga la comercializadora expuesta en su catálogo para la presente campaña puede generar una exorbitante configuración de unidades para cada pedido, así como también el número de consultoras activas puede generar un alto número de destinos, lo cual implica que cada caja tenga un trato distinto y único, es decir no se puede enviar un pedido a un destino diferente al planificado, o realizar una producción en masa para acelerar la producción. Cada pedido se debe armar bajo una orden de producción específica y debe llegar a su destino dentro del plazo estimado para cumplir con la promesa de entrega (Ongallo, 2007).
El cronograma de facturación es el cerebro de la operación en venta directa, define los días en los que se iniciará con la venta y facturación de cada una de las zonas, marca el paso de todas las actividades de la operación, por lo cual es importante desarrollar el cronograma correctamente, tomando en cuenta todas las posibles variables que pueden afectar la operación como: capacidad contratada, capacidad instalada, picos de facturación, días festivos y feriados, ciclo de ventas, entre otros. Todos los esfuerzos de la operación se centran en cumplir con el cronograma a cabalidad, la planificación parte de un buen cronograma de facturación. Belcorp envía el cronograma a Yobel SCM a principios de cada año para que se puedan planificar todas las campañas y escenarios con antelación, no se permiten cambios de última hora, cualquier cambio debe ser aceptado y acordado por las dos partes (Maya, 2013).
8 conocimiento de la zona, el decide que pedidos entregar primero y cuales guardar para la tarde (Estellés, 2010).
La trazabilidad de pedidos permite obtener información sobre el estado de un pedido en cualquier punto de la cadena, para competir a nivel mundial las corporaciones incrementan este tipo de servicios para la comodidad de sus clientes, los cuales solo necesitan acceso a internet para conocer el estado de su pedido. Belcorp utiliza un sistema de trazabilidad llamado web tracking, donde las consultoras pueden verificar algunos aspectos del estado de sus pedidos, por ejemplo revisar si su pago ya fue acreditado y si su pedido ya fue facturado (Reyes, 2016). En este punto para que este sistema pueda ofrecer mayor cantidad de información necesita la ayuda de Yobel SCM, los dos sistemas ERP de las empresas se comunican, de este modo el web tracking también es capaz de mostrar el dato sobre la producción del pedido y el despacho del mismo (Jaramillo, 2016).
En el mundo logístico la velocidad a la que se mueve la información hace la diferencia entre una empresa de clase mundial y el resto, la herramienta de confirmación en línea permite conocer el éxito o el fracaso de la entrega de un pedido en tiempo real, para la aplicación de la confirmación en línea se puede usar diferentes plataformas como: Sistemas PDA (Personal Digital Assistant), computadoras portátiles, teléfonos inteligentes, tabletas o un monitoreo mediante llamadas telefónicas. Adicional a la confirmación sobre estado de una entrega, también se pueden obtener datos de vital importancia para ayudar a resolver problemas generados en el desarrollo del reparto en tiempo real como: direcciones incorrectas, ausentismo, entregas a terceros, problemas en el vehículo, problemas en las vías, daño en los pedidos, o instrucciones sobre cómo proceder ante casos puntuales. Luego de que el reparto concluya se debe analizar toda la información recabada por el sistema de confirmación en línea, esta data es de gran importancia en el proceso de planificación y toma de decisiones, muestra debilidades y fortalezas del reparto, cuellos de botella y capacidades desperdiciadas (Delgado Segura, Forero Hernández, & Motaño Cotes, 2012).
9 provocando un encarecimiento del proceso del reparto, percepción de mal servicio frente al cliente y pérdida de competitividad (Nickl, 2005).
Los indicadores logísticos son determinantes para que todo proceso logístico se pueda llevar a cabo con éxito, la implementación de un adecuado sistema de indicadores permite medir y conocer el desarrollo de la operación. Actualmente las empresas logísticas tienen grandes vacíos con respecto al manejo de indicadores, causando problemas en la medición de desempeño de muchos de los procesos. Sin una buena gestión de indicadores no se puede identificar los principales problemas y cuellos de botella que aquejan a la organización y que minan constantemente la competitividad de las empresas en los mercados y la pérdida paulatina de sus clientes (Mora, 2004).
Antes de comenzar a plantear indicadores logísticos para una empresa, es necesario conocer bien cuales van a ser los objetivos que se quiere alcanzar mediante el uso de los mismos, entre los principales están: Identificar y tomar acciones sobre los problemas operativos, medir el grado de competitividad de la empresa frente a sus competidores, satisfacer las expectativas del cliente mediante reducción del tiempo de entrega y mejoras en el servicio prestado, mejorar el uso de recursos y activos asignados, reducir gastos y aumentar la eficiencia operativa, benchmarking (Mora, 2004).
Para implementar el sistema de entregas a tiempo se va a desarrollar varias herramientas en la plataforma Excel.
Las hojas de cálculo facilitan el análisis de data, pero deben tener una buena estructura que permita adaptarse a todos los posibles escenarios futuros, la mayoría de proyectos de minería de datos utilizan soluciones estáticas que con el paso del tiempo ya no pueden explicar los fenómenos para los cuales fueron construidos inicialmente. El caso del modelo logístico para venta directa no es la excepción, las regiones y zonas de facturación se alimentan constantemente con nuevas consultoras, así como otras dejan de pertenecer a la empresa. Esto nos da un sistema vivo que cambia constantemente sus capacidades y variables, para poder seguir el paso se necesita de una hoja de cálculo que sea capaz de actualizarse a sí misma, se debe identificar los cambios oportunamente y adaptar la estrategia en base a las nuevas variables (Bravo, Maldonado, & Weber, 2009).
10 nulos o variables fuera de rango. La siguiente fase es la transformación en esta etapa se cambia los datos primarios obtenidos a un formato que permita que los datos sean utilizados por el modelo, cada modelo estadístico tiene sus propias particularidades sobre la clase de datos que puede aceptar. Data mining es la cuarta fase, aquí se realiza la estimación del modelo estadístico elegido, se plantea los algoritmos y se hacen los ajustes necesarios para que el modelo se ajuste a los objetivos de los indicadores planteados. Interpretación y evaluación son el paso final del proceso que consiste en analizar las salidas obtenidas, se determina si el modelo utilizado es satisfactorio al momento de explicar el fenómeno para el cual fue planteado, se analizan los resultados obtenidos y hacen los ajustes necesarios en caso de requerirlo (Bravo, Maldonado, & Weber, 2009).
No se han determinado los factores que afectan a la variabilidad en la de entrega de pedidos, lo cual causa que la promesa de entrega tenga una ventana de tiempo de 3 días, generando descontento en las consultoras y afectando directamente al nivel de servicio.
El Sistema de entregas a tiempo ayudará a identificar los factores que afectan directamente a la entrega de pedidos, medir la variabilidad, elaborar planes de acción y dar una promesa de entrega con una ventana de tiempo menor y más manejable, de este modo se impactará de manera positiva en la percepción del servicio.
Actualmente Yobel SCM ofrece una promesa de entrega de 3 días, es decir el pedido puede llegar en cualquiera de esos 3 días, esto causa malestar en las consultoras, puesto que deben estar en sus domicilios durante este tiempo en cada campaña, imposibilitando así que ellas se puedan dedicar a otra actividad.
En un mundo tan competitivo, las empresas buscan mejorar constantemente y diferenciarse de sus rivales brindando nuevos servicios o mejorando los existentes, reducir el tiempo de promesa de entrega, le otorgará a Yobel SCM una fuerte ventaja competitiva.
Para poder dar una promesa de entrega con un margen de tiempo de menor, es necesario que todos los procesos de la empresa estén alineados, medidos e identificados, el sistema de entregas a tiempo permitirá cuantificar la efectividad de toda la empresa, cuando un pedido es entregado a tiempo quiere decir que todos los procesos se desempeñaron correctamente.
En tal sentido, la presente investigación tiene como objetivo general implementar un sistema de entregas a tiempo en la empresa logística Yobel SCM.
11 Identificar promesas de entrega para cada una de las consultoras en
las distintas ciudades.
Desarrollar herramientas en hojas de cálculo para el registro, medición y manejo de promesas de entrega.
Levantar el proceso para el seguimiento y cumplimiento de las promesas de entrega.
12 2. METODOLOGÍA
2.1. IDENTIFICACIÓN DE PROMESAS DE ENTREGA
Se tomará como punto de partida el led time teórico que maneja Yobel, sobre esta data se levantarán las primeras promesas y se realizará un comparativo con la información del resultado de las entregas de una campaña completa.
Luego se procederá a corregir las promesas teóricas con la ayuda de los repartidores, para ello se creará un registro, este será enviado a los transportistas encargados de cada zona con la data de todas las consultoras activas de la misma.
Los repartidores en base a su conocimiento asignarán promesas a cada una de las consultoras, esta información será tabulada y procesada en una base de datos.
2.2. HERRAMIENTAS PARA EL REGISTRO, MEDICIÓN Y MANEJO DE PROMESAS DE ENTREGA
Para manejar los problemas y desviaciones que presente el sistema se desarrollarán varias herramientas en hojas de cálculo Excel que permitan manejar aspectos como: planificación de promesas de entrega, seguimiento en tiempo real del cumplimiento de las promesas de entrega, cálculo de resultados y manejo de motivos no cumplimiento.
2.3. LEVANTAMIENTO DEL PROCESO PARA EL SEGUIMIENTO Y CUMPLIMIENTO DE LAS PROMESAS DE ENTREGA.
Para levantar el proceso se utilizara un diagrama de flujo, se determinara el alcance y el objetivo del mismo, se incluirá todas las herramientas diseñadas y los responsables por cada actividad.
2.4. INDICADOR DE CUMPLIMIENTO DE PROMESAS DE ENTREGA
Se agruparan todas las zonas bajo 3 regiones.
13 Se calculara el porcentaje de cumplimiento de promesas de entrega para las 3 primeras remesas. A cada remesa se le asignara un peso en base a la cantidad de pedidos que se facturen en la misma, usando la ecuación 1:
M I = (Peso R1 x Meta R1) + (Peso R2 x Meta R2) + (Peso R3 x Meta R3) [1] Finalmente el promedio del resultado de cada remesa se utilizara para calcular el indicador ponderado con la ecuación 2:
R I = (Peso R1 x Resultado R1) + (Peso R2 x Resultado R2) + (Peso R3 x Resultado R3)
14 3. RESULTADOS Y DISCUSIÓN
De acuerdo a los objetivos planteados en el presente estudio se tiene los siguientes resultados.
3.1. PROMESAS DE ENTREGA
Como primer paso se levantó el estado actual del cumplimiento de las promesas de entrega estándar teóricas para las tres regiones que maneja Yobel:
Quito 24 horas Guayaquil 48 horas Provincia 48 - 72 horas
Estas regiones las estableció Yobel debido a que maneja escenarios distintos para Quito, Guayaquil y el resto de provincias. Todos los pedidos se arman en el site de Quito y se despachan para todo el país, pero en la ciudad de Guayaquil Yobel tiene un segundo site desde donde se realiza un cross docking para repartir los pedidos de esta ciudad (Jaramillo, 2016). Las metas de cumplimiento de promesas fueron establecidas por Belcorp en base al costo que implicaría mantener el mismo porcentaje de entrega en las 3 remesas, por ese motivo piden alcanzar el 98% de cumplimiento de promesas solo para la remesa 1 como se puede ver en la tabla 1 (Reyes, 2016) .
Las promesas estándar se aplicaron al reparto de una campaña de 65000 pedidos, los resultados se muestran en la tabla 1, en donde se tiene que en el campo “Cumple promesa” están todos los pedidos que se entregaron correctamente, en el campo “No cumple promesa” están los pedidos que se entregaron antes y después de la promesa dada y en el campo “Meta” está el número de cumplimiento que se debe alcanzar para cada remesa.
Tabla 1. Resumen de cumplimiento de promesas teóricas
Cumple promesa
No cumple
promesa Total
Incumplimiento Meta Exacta Después Antes
Remesa 1 72% 21% 7% 25% 98.00%
Remesa 2 75% 18% 7% 21% 95.00%
Remesa 3 81% 13% 6% 20% 90.00%
15 Promesa 1, el pedido se entrega en 24 horas
Promesa 2, el pedido se entrega en 48 horas Promesa 3, el pedido se entrega en 72 horas. Promesa 4, el pedido se entrega en 96 horas.
Bajo estas 4 opciones los repartidores asignaron las promesas a cada una de sus consultoras, con la ayuda del registro “Promesas de entrega para consultoras nuevas”, ver figura 1.
A continuación se muestra el resumen del resultado del primer levantamiento de promesas de entrega para las 3 remesa:
Remesa 1, es el primer día de facturación de una determinada zona, la tabla 2 muestra el porcentaje de la planificación de entrega agrupado por región. Por ejemplo para la ciudad de Guayaquil se tiene que en el primer día de producción no se entregara ningún pedido debido a que los mismos en este día están viajando a Guayaquil desde Quito, el 89% de sus pedidos se entregan en el día 2 y se terminan de entregar en el día 3.
Tabla 2. Promesas de entrega remesa 1
Ciudad Promesa de Entrega
1 2 3 4
Guayaquil 0% 89% 11% 0% Provincia 0% 81% 19% 0%
Quito 100% 0% 0% 0%
Remesa 2, es el segundo día de facturación de una determinada zona, la tabla 3 muestra el porcentaje de la planificación de entrega agrupado por región. Por ejemplo para la ciudad de Quito el 100% de sus pedidos se deben entregar en el día 1, es decir el mismo día de producción.
Tabla 3. Promesas de entrega remesa 2
Ciudad Promesa de Entrega
1 2 3 4
Guayaquil 0% 88% 12% 0% Provincia 0% 94% 6% 0%
Quito 100% 0% 0% 0%
16
Tabla 4. Promesas de entrega remesa 3
Ciudad Promesa de Entrega
1 2 3 4
Guayaquil 0% 90% 10% 0% Provincia 0% 82% 12% 6%
Quito 100% 0% 0% 0%
3.2. HERRAMIENTAS PARA EL REGISTRO, MEDICIÓN Y MANEJO DE PROMESAS DE ENTREGA.
Para el manejo de toda la data que se genera en el Programa de Entregas a Tiempo fue necesario desarrollar herramientas que permitan integrar el ciclo de Deming en este proceso: planificar, hacer, verificar, actuar.
Matriz Manejo de Promesas de Entrega por Consultora
Esta herramienta almacena y analiza todas las promesas dadas por los repartidores, de modo que se pueda llevar un registro histórico así como generar los archivos que deben ser subidos al AIP. Funciona de la siguiente manera.
Primero se descarga la data del sistema AIP usando el “Reporte de Consultoras Nuevas”, la información se copia en el registro “Data Repartidores”, aquí se filtra por zona y se envía al repartidor encargado para que devuelva las promesas asignadas para las consultoras nuevas en los campos Promesa de Entrega Remesa 1 – “PE R1”, “PE R2” y “PE R3”, ver figura 1.
17 El siguiente paso es digitar las promesas enviadas por el repartidor en la matriz “Manejo de Promesas de Entrega por Consultora” tal como se muestra en la figura 2.
Figura 2. Pantalla de hoja de procesamiento de data
A continuacion se determina la fecha de promesa para cada territorio en la hojas “Yobel R1” para remesa 1, en el campo “Promesa Territorio” la matriz selecciona el numero de promesa en base a la cantidad de consultoras que tengan mayor representación.
Por ejemplo en la fila 3037 de la figura 3, la zona 2316 territorio 212 tiene 14 consultoras con promesa 3 y 2 consultoras con promesa 4, al tener mayor número de consultoras con promesa 3, la matriz asigna promesa 3 a todo el territorio en lugar de 2.
18 Con la promesa por territorio establecida, se procede con la fase de selección de rangos de promesa por territorio, es decir se agrupan todos los territorios que posean la misma promesa bajo un solo rango.
Por ejemplo los territorios desde el 009 hasta el 030 tienen la misma promesa de entrega, entonces se agrupan bajo el rango 009-030. En el campo “Inicial” y “Final” se muestran los rangos con los cuales se va a agruapar el territorio como se ve en la figura 4.
Figura 4. Pantalla del cálculo de rangos por territorio
El siguiente paso es consolidar los rangos de cada zona en un formato que pueda ser leido por el sistema AIP, para esto se usa una tercera tabla dinámica dentro la misma hoja, el resultado se muestra en la figura 5. Con la data ya procesada y simplificada se procede a cargarla al AIP
19 Matriz de Seguimiento en Tiempo Real
Esta herramienta permite dar seguimiento al cumplimiento de las promesas de entrega en tiempo real. Este proceso está a cargo del equipo de tráfico y su objetivo es asegurar que cada repartidor cumpla con lo planificado.
El primer paso es descargar la data de confirmación en línea mediante el “QRY Información de Entregas por Fecha de Proceso” como se muestra en la figura 6.
Figura 6. Pantalla QRY descarga de data de confirmación en línea.
A continuación en la figura 7 se observa la data ya descargada del AIP, el formato ya viene dado por default y no se puede modificar sino hasta después de que la transmisión de data haya concluido. Esta información incluye el nombre del repartidor, zona, remesa, fecha y hora de confirmación del pedido, entre otros campos.
Figura 7. Pantalla de data de confirmación en línea descargada del QRY.
20 estos el más importante es el “Estatus” que nos dice si un pedido se entregó a tiempo, si tuvo un adelanto o retraso como se ve en la figura 8.
Figura 8. Pantalla de data procesada para el análisis.
En este punto toda la data de la matriz ya ha sido preparada, por lo que se procede a su respectivo análisis en las siguientes hojas.
% Confirmación en línea: Esta hoja muestra el porcentaje de los pedidos que se confirmaron por medio del sistema, los que se realizaron manualmente y los que todavía están pendientes, de este modo el equipo de trafico puede saber si el repartidor está usando correctamente la aplicación de confirmación en línea. Las columnas de la parte izquierda muestran el resultado en porcentaje para cada una de las opciones, ver figura 9.
21 Análisis de Entregas Capital y Provincias: En esta hoja se analiza el comportamiento del reparto a nivel de remesa, hora, zona y repartidor.
En la parte superior derecha están las horas en las que los pedidos han sido confirmados, el campo “Estatus” muestra el número de pedidos que se han entregado dentro de su fecha de promesa, los que se han adelantado, retrasado y los pedidos que el repartidor no ha podido entregar los muestra como rezagados.
La herramienta mide la velocidad de reparto por hora, cuando un repartidor sobrepasa el número de entregas por hora promedio de su zona la celda se torna de color rosado lo cual alerta al analista de tráfico sobre posibles anomalías. El analista procede a llamar al repartidor para aclarar los motivos que causaron la distorsión.
La hoja se construyó con tablas dinámicas y formato condicional como se ve en la figura 10.
Figura 10. Pantalla de hoja de análisis de entregas.
Mapa de Entrega Exacta: Esta hoja muestra el mapa de los pedidos que se tiene planificado entregar en el día, da las fechas y las cantidades por zona y repartidor.
Con esta tabla el analista de tráfico sabe cuántos pedidos debe entregar cada repartidor en el presente día, con esta data más la de la hoja “Análisis de Entrega Capital y Provincias” el analista puede saber si el repartidor está en capacidad de cumplir con las promesas planteadas o si se debe enviar otro vehículo a darle alcance para que le ayude con el reparto y cumplir así las promesas dadas para el día.
22
Figura 11. Pantalla de hoja de mapa de entrega exacta
Matriz de Levantamiento de Status
Esta herramienta se usa para crear un reporte con las novedades que se presentaron en el campo, levantar los motivos por los cuales no se pudo entregar algunos pedidos dentro de la promesa, y obtener el estado final de cumplimiento de cada zona, este reporte es enviado al cliente diariamente. Este proceso inicia con la descarga de la data que se debe analizar del AIP por medio de un QRY como se muestra en la figura 12.
Figura 12. Pantalla del QRY de descarga de data de confirmación en línea.
23
Figura 13. Pantalla de data descargada mediante el QRY.
Luego se procede a organizar la información de acuerdo a como se muestra en la matriz de la figura 14. Los campos azules se organizan automáticamente, los negros tienen campos calculados y el naranja sirve para ingresar manualmente los motivos de no cumplimiento de promesa de entrega.
Figura 14. Pantalla de matriz de data procesada
El resultado se muestra en la hoja “Resumen”, aquí se puede apreciar de manera rápida el estatus de cumplimiento de las promesas clasificado por remesa, ciudades, zonas y fechas de promesa, de este modo se puede analizar el resultado de cada remesa por separado.
24 El campo “Avance Confirmación” muestra el porcentaje de pedidos que ya han sido entregados, los íconos de las celdas tienen la misma configuración que el campo “Cumplimiento EE” como se muestra en la figura 15.
Figura 15. Pantalla de hoja de resumen de avance de entrega.
Finalmente esta la hoja de “Motivos”, esta herramienta filtra únicamente aquellos pedidos que no cumplieron con la promesa de entrega y sus respectivos motivos y excepciones, aquí se pueden cuantificar los mismos para tener una visión más completa de los problemas que enfrenta la operación día a día en el reparto. La información se muestra por remesa, ciudad y zona, ver figura 16.
25 Matriz Motivos de no Entrega Exacta
En esta herramienta se recopilan todas las razones por las cuales un pedido no se pudo entregar dentro de su promesa de entrega, para su análisis y posterior corrección.
La data validada la envía el cliente al final de la campaña, esta no se puede modificar puesto que es la base para el cálculo del indicador.
En la hoja “Datos Completos” se coloca la información que envió el cliente, como se ve en la figura 17.
Figura 17. Pantalla de data recopilación de motivos de no entrega exacta
Luego se procede al cálculo del resultado por remesa para la presente campaña en la hoja “Razones de No EE”, para ello se contabiliza los pedidos que se cumplieron con la promesa de entrega, los que se adelantaron y los que se retrasaron.
En la parte izquierda de la figura 18 se observa el resultado en porcentaje para cada remesa.
Figura 18. Pantalla de cálculo del resultado de campaña
26
Figura 19. Pantalla de ponderación de motivos de no entrega exacta
A continuación se seleccionan los motivos más frecuentes para diseñar acciones de corrección, de este modo campaña a campaña el proceso se va afinando y mejorando constantemente.
Finalmente en la hoja “Para Indicador”, se prepara la data que será usada más adelante para alimentar el indicador de cumplimiento de promesas de entrega, ver figura 20.
27 3.3. PROCESO PARA EL SEGUIMENTO Y CUMPLIMIENTO DE LAS
PROMESAS DE ENTREGA.
Alcance
Desde la recepción de la data de consultoras nuevas por medio de la interfaz AIP-SAP hasta el análisis de los motivos de no cumplimiento de entrega en fecha exacta.
Objetivo
Asegurar que todos los pedidos sean entregados en su respectiva fecha de promesa.
Responsables y Actividades
Coordinador de tráfico.- Recibir la data de consultoras nuevas de parte del cliente a través de la interfaz AIP – SAP, descargar y procesar la misma.
Analista de tráfico.- Enviar la data a los repartidores en el “Reporte de consultoras nuevas” para que ellos revisen las direcciones y asignen promesas de entrega.
Repartidor.- Asignar promesas de entrega a consultoras nuevas y enviar data de regreso al Analista de tráfico.
Analista de tráfico.- Digitar la data de los repartidores, eliminar errores, duplicados y enviar data a Coordinador de Trafico.
Coordinador de tráfico.- Actualizar las promesas con la matriz “Manejo de Promesas de Entrega por Consultora”.
Coordinador de tráfico.- Cargar las promesas de entrega al sistema AIP.
Repartidor.- Descargar la data del reparto en su teléfono inteligente. Repartidor.- Proceder a la entrega de pedidos.
Analista de tráfico.- Solucionar los problemas presentados en el campo usando la herramienta “Seguimiento en Tiempo Real”.
Analista de tráfico.- Levantar los motivos de incumplimiento de promesas de entrega con la matriz “Levantamiento de Status”.
Coordinador de tráfico.- Corregir promesas de entrega con la matriz “Motivos no Entrega Exacta”.
Coordinador de tráfico.- Actualizar el indicador de Entregas a Tiempo.
28
Figura 21. Diagrama de flujo proceso seguimiento y cumplimiento de promesas de entrega
Coo
rdina
d
o
r Tr
á
fico
A
n
a
lista
Trá
fico
Rep
a
rtido
29
29
3.4. INDICADOR DE CUMPLIMIENTO DE PROMESAS DE ENTREGA.
El indicador sobre el cumplimiento de promesas de entrega muestra el resultado de aplicar las promesas de entrega al reparto de pedidos en cada campaña. Para el cálculo del mismo se diseñó una matriz en Excel.
El primer paso para calcular el indicador es obtener la data de la campaña que acaba de terminar, esta información se obtiene de la matriz “Motivos de no Entrega Exacta”, la data se debe colocar en el formato de la figura 22, únicamente sobre los campos azules, debido a que los campos negros se calculan con fórmulas.
Figura 22. Pantalla de data de campaña procesada
Luego se procede al cálculo de cumplimiento para cada una de las remesas y campañas, para ello se organiza la información por medio de una tabla dinámica, se agrupa por remesa y se clasifica en Gye, Prov, Uio. (Ver figura 23).
30
29
Esta tabla muestra el promedio del cumplimiento de cada una de las zonas que están dentro de los agrupadores. A continuación se procede al cálculo de la meta objetivo para el indicador.
A cada remesa se le aplica un peso distinto calculado en base a la cantidad de pedidos que representa esta en el global de la presente campaña, teniendo así la siguiente ponderación:
Remesa 1 con 63%. Remesa 2 con 22%, Remesa 3 con 16%.
Generalmente en una campaña se factura 65000 pedidos, estos se dividen en 3 remesas siendo la más fuerte la remesa 1 (Reyes, 2016).
Las metas planteadas por la empresa para cada remesa son: Remesa 1 con un 98% de cumplimiento.
Remesa 2 con un 95% de cumplimiento. Remesa 3 con un 92% de cumplimiento.
Belcorp da una meta más alta a la remesa 1 porque es aquí en donde se factura más del 60% de la facturación global, por ese motivo las consultoras que hagan su pedido en la primera remesa tendrán como beneficio un mejor servicio (Jaramillo, 2016).
Para el siguiente paso se toma el resultado de la hoja “Cálculo” y se lo coloca en la hoja “Indicador” en la columna de la campaña que corresponda (ver imagen 24),
31
29
En el gráfico del indicador se puede ver la evolución del sistema durante 11 campañas, desde el estado inicial con las promesas teóricas dadas por el lead time de la empresa hasta que en campaña 201704 se logra por primera vez alcanzar la meta ponderada.
Para lograr este resultado el programa de entregas a tiempo se aplicó en cada campaña, los errores se fueron corrigiendo cada vez y el compromiso de todo el equipo fue vital durante todo el proceso.
29
32
29
4. CONCLUSIONES Y RECOMENDACIONES
4.1. CONCLUSIONES.
Se identificaron las promesas de reparto para cada una de las consultoras en base a los conocimientos de los repartidores, luego de 11 campañas se logró alcanzar un porcentaje de exactitud en las promesas de entrega superior al 96%.
Se elaboraron las herramientas necesarias para dar el seguimiento y asegurar que se cumpla el programa de entregas a tiempo, se logró reducir la ventana de tiempo de entrega de 3 a 1 día.
Se diseñó el proceso para el seguimiento y cumplimiento de las promesas de entrega, gracias a este se redujo la cantidad de analistas de tráfico de 7 a 5, mejorando la productividad en un 30%.
Se diseñó el indicador “Cumplimiento de Promesas de Entrega” para
medir la efectividad del sistema, este se alimenta en cada campaña y es revisado por Belcorp directamente, al término de este estudio el indicador alcanzo el 97.9 % de cumplimiento.
4.2. RECOMENDACIONES.
Se debe trabajar con los repartidores expertos para levantar las ubicaciones GPS de todas las consultoras y almacenarlas en una base de datos.
Para mejorar el seguimiento se recomienda que en un futuro se implemente un sistema ruteador para que sea el encargado de generar las rutas y asignar las promesas a cada consultora en base a puntos GPS.
29
33
29
BIBLIOGRAFÍA
Andrade, C. (2017). Evaluando ERP. Recuperado el 2017, de http://www.evaluandoerp.com/invertir-software-gestion-tms/
Ballou, R. H. (2004). Logística Administración de la Cadena de Suministro.
Mexico: Pearson Educación.
Bravo , C., Maldonado, S., & Weber, R. (2009). SEGUIMIENTO EN
MODELOS DE REGRESIÓN LOGÍSTICA. Recuperado el 2016, de
https://dialnet.unirioja.es/servlet/articulo?codigo=3998193
Cancelas, N. G. (2015). Sistema de Información Científica Redalyc.
Recuperado el 2017, de Red de Revistas Científicas de América
Latina y el Caribe, España y Portugal:
http://www.redalyc.org/articulo.oa?id=333046307006
Chiesa, F. (2004). Metodología Para la Seleccíon de Sistemas ERP.
Recuperado el 2016, de Reportes técnicos en ingeniería del software: http://www.ucla.edu.ve/dac/departamentos/informatica-II/metodologia-para-seleccion-de-sistemas-erp.PDF
Delgado Segura, A. M., Forero Hernández, N. M., & Motaño Cotes, S. M. (2012). Alternativas para la gestión integral de operadores logísticos
en la entrega de pedidos de BELCORP. Recuperado el 2016, de
Doctoral dissertation:
http://intellectum.unisabana.edu.co/flexpaper/handle/10818/3978/ADR IANA%20MARCELA%20DELGADO%20%28T%29FINAL.pdf?sequen ce=3&isAllowed=y
Estellés, S. (2010). Definición, métodos de estimación y efectos de las desviaciones en el punto de pedido en politicas de gestión de
inventarios. Recuperado el 2016, de In XIV Congreso de Ingeniería de
Organización: Donostia-San Sebastián:
https://scholar.google.com.ec/scholar?q=Definicion+Lead+time&btnG =&hl=es&as_sdt=0%2C5
Jaramillo, D. (2016). Mapeo Comercial Países Yobel SCM.
Lazo, S. (2010). Universidad Interamericana de Puerto Rico. Recuperado el
2017, de Centro de Recursos Educativos:
34
29
López, D. (2011). Control interno al ciclo de ventas y su incidencia en la
rentabilidad de la empresa Equiagro. Recuperado el 2016, de
http://repo.uta.edu.ec/bitstream/123456789/1912/1/TA0183.pdf
Lozano Duque, A., Rosero Torres, A. M., & Martínez Bernal, P. (2014).
PROPUESTA DE MEJORAMIENTO DE LOS PROCESOS
LOGÍSTICOS DE COMPRAS, FACTURACIÓN Y BODEGA EN
DETALGRAF SA PARA LA LINEA DE NEGOCIO “DESPACHOS
BOGOTÁ. Recuperado el 2016, de
http://repository.javeriana.edu.co/bitstream/10554/16451/1/MartinezBe rnalPaola2014.pdf
Maya, D. J. (2013). Diseño e implementación de un modelo de inventarios para los productos descentralizados en la compañía AVON Colombia
Ltda. Recuperado el 2016, de
https://repository.eafit.edu.co/bitstream/handle/10784/8280/Daniel_Jar amilloMaya_2013.pdf?sequence=2&isAllowed=y
Mora, L. A. (2004). Indicadores de Gestión Logísticos. Recuperado el 2016, de
http://datateca.unad.edu.co/contenidos/242005/Archivos_2014_2/unid ad_tres/INDICADORES_DE_GESTION_LOGISTICO.pdf
Nickl, M. (2005). La evolución del concepto“Logística” al de “Cadena de
Suministros” y más allá. Recuperado el 2016, de
http://datateca.unad.edu.co/contenidos/242007/2.Unidad_1.La_evoluc ion_del_conceptoDe_la_cadena_de_Suministro_y_mas_alla.pdf Ongallo, C. (2007). El Libro de la Venta Directa: El sistema ha transformado
la vida de millones de personas. Ediciones Díaz de Santos.
Padilla, L. (2010). Lean Manufacturing Manufactura Esbelta/Ágil.
29
35
29
ANEXO 1.
PANTALLAS AIP
Pantalla de Inicio
Módulo TRK
36
29
37
29
38
29
4
ANEXO 4. LOGÍSTICA DE SALIDA
Área de Trafico
39
29
