Abstract:
CONDITION FOR PUBLICATION OF PROJECT. The present study focuses on the design of a mathematical replenishment model aimed at optimizing inventory management for non-alcoholic beverages in a convenience store chain in Ecuador. The research is based on the analysis of stockouts and overstocking issues, which negatively affect profitability and product availability. The objective is to develop a stochastic model, leveraging time series analysis and mixed-integer linear programming, to minimize operational costs and enhance logistical efficiency. The methodology involves the collection and analysis of three years of historical sales data, identification of demand patterns, and scenario simulations using Monte Carlo techniques. The findings indicate that the implementation of the model optimizes inventory replenishment, ensuring a service level exceeding 95% and reducing obsolescence-related losses by up to 8%. The study concludes that integrating predictive models into the supply chain facilitates more efficient management and provides greater adaptability to demand variability, thereby contributing to operational sustainability and customer satisfaction.
KEYWORDS:
inventory management, logistics optimization, stochastic model, replenishment, uncertain demand.
Description:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El presente estudio tiene como finalidad el diseño de un modelo matemático de reaprovisionamiento para optimizar la gestión de inventarios de bebidas no alcohólicas en una cadena de tiendas de conveniencia en Ecuador. Se inicia con el análisis del problema de rupturas de stock y sobreinventario, que afectan la rentabilidad y disponibilidad de productos. El objetivo planteado es desarrollar un modelo estocástico basado en análisis de series temporales y programación lineal entera mixta, con el propósito de reducir costos operativos y mejorar la eficiencia logística. La metodología comprende la recopilación y análisis de datos históricos de ventas de tres años, la identificación de patrones de demanda y la simulación de escenarios mediante técnicas de Monte Carlo. Los resultados obtenidos evidencian que la implementación del modelo optimiza la reposición de inventarios, asegura un nivel de servicio superior al 95% y minimiza pérdidas por obsolescencia hasta un 8%. En conclusión, la integración de modelos predictivos en la cadena de abastecimiento permite una gestión más eficiente y adaptable a la variabilidad de la demanda, contribuyendo a la sostenibilidad operativa y a la satisfacción del cliente
