Aplicación de Técnicas de Pronóstico de la Demanda en la Optimización de Inventarios

Palabras clave: pronostico de la demanda, gesión de invenarios, refacciones automotrices, modelos cuantitativos, opimización logistica

Resumen

La presente investigación tiene como objetivo desarrollar un sistema de pronóstico de la demanda para optimizar la planificación de inventarios en el área de refacciones de una agencia del sector automotriz. En un entorno caracterizado por alta competitividad y variabilidad en la demanda, la adecuada previsión de requerimientos es fundamental para reducir costos por contar con un inventario excesivo y evitar faltantes que afecten el nivel de servicio. Metodológicamente, se analizaron datos históricos de ventas y se aplicaron diversos métodos cuantitativos de pronóstico, incluyendo promedio móvil simple, promedio móvil ponderado, suavizamiento exponencial y regresión lineal, los cuales fueron comparados mediante indicadores de error para seleccionar el modelo con mayor precisión. Asimismo, se integraron herramientas de gestión como la clasificación ABC, la metodología 5S y el modelo EOQ para fortalecer el control y la optimización de inventarios. Los resultados evidencian que la implementación de estas técnicas mejora significativamente la exactitud en la estimación de la demanda, permitiendo optimizar los niveles de inventario, incrementar la disponibilidad de refacciones y mejorar la capacidad de respuesta ante las necesidades del mercado, contribuyendo a una gestión logística más eficiente y competitiva.

Descargas

La descarga de datos todavía no está disponible.

Citas

Christopher, M. (2016). Logistics & supply chain management (5th ed.). Pearson.

Dolgui, A., Ivanov, D., & Sokolov, B. (2020). Reconfigurable supply chain. Annals of Operations Research, 290, 1–23.

Flores, B. E., et al. (2021). ABC inventory classification. Journal of Operations Management, 67(3), 1–15.

Gapp, R., Fisher, R., & Kobayashi, K. (2008). Implementing 5S. Management Decision, 46(4), 565–579.

Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (3rd ed.). OTexts.

Ivanov, D., & Dolgui, A. (2020). Viability of supply chains. International Journal of Production Research, 58(10), 2904–2915.

Ivanov, D., Das, A., & Choi, T. M. (2021). New flexibility drivers. Transportation Research Part E, 152, 102390.

Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition. International Journal of Forecasting, 36(1), 54–74.

Mentzer, J. T., & Moon, M. A. (2005). Sales forecasting management. SAGE.

Nahmias, S., & Olsen, T. L. (2015). Production and operations analysis. Waveland Press.

Porteus, E. (2002). Foundations of inventory theory. Stanford University Press.

Queiroz, M. M., et al. (2020). Industry 4.0 and SCM. International Journal of Production Economics, 229, 107879.

Rahman, M., Islam, R., & Karim, M. (2023). Inventory optimization in automotive sector. Journal of Supply Chain Management, 59(2), 45–60.

Silver, E. A., Pyke, D. F., & Thomas, D. J. (2017). Inventory management. CRC Press.

Wang, X., Zhang, Y., & Li, H. (2023). Data analytics in supply chain. Computers & Industrial Engineering, 176, 108999.

Dolgui, A., Ivanov, D., & Sokolov, B. (2020). Reconfigurable supply chain: The X-network. Annals of Operations Research, 290(1), 1–23.

Hyndman, R. J., & Athanasopoulos, G. (2021). Forecasting: Principles and practice (3rd ed.). OTexts.

Ivanov, D. (2024). Supply chain analytics and resilience. International Journal of Production Research, 62(3), 1–15.

Ivanov, D., & Dolgui, A. (2020). Viability of intertwined supply networks. International Journal of Production Research, 58(10), 2904–2915.

Kumar, A., Singh, R., & Patel, S. (2023). Time series forecasting in industrial systems. Expert Systems with Applications, 213, 118987.

Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2020). The M4 Competition. International Journal of Forecasting, 36(1), 54–74.

Rahman, M., Islam, R., & Karim, M. (2023). Inventory optimization in automotive sector. Journal of Supply Chain Management, 59(2), 45–60.

Singh, P., & Verma, A. (2024). Demand forecasting in automotive spare parts. Operations Research Perspectives, 11, 100278.

Wang, X., Zhang, Y., & Li, H. (2023). Data analytics in supply chain management. Computers & Industrial Engineering, 176, 108999.

Publicado
2026-05-30
Cómo citar
Cruz Chávez, M., Valdez Perez, M. de los A., Benitez Lopez, G., Ceja Camacho, A. G., & Hernadez Lugo, M. (2026). Aplicación de Técnicas de Pronóstico de la Demanda en la Optimización de Inventarios. Ciencia Latina Revista Científica Multidisciplinar, 10(2), 10347-10364. https://doi.org/10.37811/cl_rcm.v10i2.24008
Sección
Ciencias Administrativas y Finanzas