Análisis de los errores en el picking y verificación de unidades sueltas en el centro de distribución de comercial Nutresa Bogotá

Para el centro de distribución de Comercial Nutresa, el proceso de preparación de pedidos tiene dos conceptos fundamentales: eficiencia y efectividad. La eficiencia se refiere a la velocidad con la que realizan el alistamiento de los pedidos, mientras que la efectividad corresponde a la exactitud co...

Full description

Autores:
Tipo de recurso:
masterThesis
Fecha de publicación:
2019
Institución:
Pontificia Universidad Javeriana
Repositorio:
Repositorio Universidad Javeriana
Idioma:
spa
OAI Identifier:
oai:repository.javeriana.edu.co:10554/47192
Acceso en línea:
http://hdl.handle.net/10554/47192
https://doi.org/10.11144/Javeriana.10554.47192
Palabra clave:
Gestión de almacenes
Sistemas de picking
Aprendizaje automático
Redes neuronales
Warehouse management
Order picking systems
Machine learning
Neural networks
Maestría en analítica para la inteligencia de negocios - Tesis y disertaciones académicas
Redes neurales (Computadores)
Administración de almacenes
Aprendizaje de maquinas
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
Description
Summary:Para el centro de distribución de Comercial Nutresa, el proceso de preparación de pedidos tiene dos conceptos fundamentales: eficiencia y efectividad. La eficiencia se refiere a la velocidad con la que realizan el alistamiento de los pedidos, mientras que la efectividad corresponde a la exactitud con que se alista la mercancía que se había solicitado. La promesa de servicio al cliente consiste en entregarle los productos solicitados, en el plazo pactado y en las cantidades acordadas. Cuando existen errores en el proceso de alistamiento de mercancía que no son solucionados antes del envío al cliente, se corre el riesgo de perder ventas y generar molestias. Actualmente, Comercial Nutresa presenta errores constantes en las ordenes despachadas, a pesar de realizar una verificación del 100% de los alistamientos, solo logra identificar el 40% de los casos con novedades en las cantidades alistadas. Con el objetivo de disminuir la cantidad de errores y optimizar recursos en el proceso alistamiento, se propone una lista de recomendaciones y buenas prácticas, acompañadas de un modelo de aprendizaje automático capaz de reconocer alistamientos con alta probabilidad de ser defectuosos. La propuesta logra reducir un 70% la cantidad de alistamientos a verificar, logrando identificar el 60% de los errores. En términos de negocio, esto representa ahorros operativos cercanos a 320 millones de pesos colombianos anuales.