tesis250

Vista previa del material en texto

PROPUESTA DE DISTRIBUCIÓN DE PLANTA EN EL ALMACÉN 
CENTRAL DE REPUESTOS SOFASA – TOYOTA, PARA 
INCREMENTAR LA PRODUCTIVIDAD EN LA LABOR DE PICKING 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
PRESENTADO POR: 
 
 
ANDRÉS FELIPE BERRÍO BERRÍO 
 
 
 
 
 
 
PONTIFICIA UNIVERSIDAD JAVERIANA 
FACULTAD DE INGENIERÍA 
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL 
BOGOTÁ 2008 
 2
PROPUESTA DE DISTRIBUCIÓN DE PLANTA EN EL ALMACÉN 
CENTRAL DE REPUESTOS SOFASA – TOYOTA, PARA 
INCREMENTAR LA PRODUCTIVIDAD EN LA LABOR DE PICKING 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
PRESENTADO POR: 
 
 
ANDRÉS FELIPE BERRÍO BERRÍO 
 
 
 
TRABAJO DE GRADO 
 
 
DIRECTOR: JUAN PABLO CABALLERO 
 
 
 
 
 
PONTIFICIA UNIVERSIDAD JAVERIANA 
FACULTAD DE INGENIERÍA 
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL 
BOGOTÁ 2008 
 3
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
“En el pasado el hombre ha estado primero; en el futuro el sistema 
debe estar primero…El primer objetivo de cualquier buen sistema 
debe ser aquel de desarrollar hombres de primera clase.” 
 
-Frederick W. Taylor 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 4
ÍNDICE 
 
 
RESUMEN EJECUTIVO 
INDICE DE ANEXOS, TABLAS Y GRÁFICAS 
1. INTRODUCCIÓN 
2. PLANTEAMIENTO DEL PROBLEMA 
2.1 ANTECEDENTES 
2.1.1 Situación actual de la empresa 
2.1.1.1 Picking 
2.2 FORMULACIÓN 
3. JUSTIFICACIÓN 
4. MARCO TEÓRICO 
4.1 Teoría en Inventarios 
4.1.1 Argumentos a Favor de los Inventarios 
4.1.2 Argumentos en Contra de los Inventarios 
4.1.3 Tipos de Inventarios 
4.2 Teoría en Optimización 
4.2.1 Formulación de un Modelo Matemático 
4.2.2 Obtención de un Ruteo más Eficiente a Partir del Modelo 
4.3 Teoría en Simulación de Eventos Discretos 
4.4 Teoría en Distribución de Plantas 
4.5 Teoría en Métodos de Trabajo 
4.5.1 Teoría en Fatiga Fisiológica 
5. OBJETIVO GENERAL 
6. OBJETIVOS ESPECÍFICOS 
7. DIAGNÓSTICO DE LA OPERACIÓN ACTUAL 
7.1 Diagrama de Flujo para el Proceso de un Pedido 
7.2 Variables Críticas del Proceso 
8. Algoritmos planteados 
9. DISTRIBUCIÓN DE PLANTA PROPUESTA 
10. ANÁLISIS COMPARATIVO ENTRE LAS 2 DISTRIBUCIONES 
11. COMPARACIÓN ENTRE LOS COCHES CON CAPACIDAD DE CARGA 
ACTUAL Y PROPUESTA 
12. EVALUACIÓN FINANCIERA DE LA PROPUESTA 
13. CONCLUSIONES 
14. BIBLIOGRAFÍA 
GLOSARIO 
ANEXOS 
 5
RESUMEN EJECUTIVO 
 
 
El Almacén Central De Repuestos (ACDR) de SOFASA – Toyota, está organizado 
de manera eficiente y lógica. En el diagnóstico inicial de la operación, se observó 
que los operarios están incurriendo en recorridos que pueden ser mejorados. 
 
Con la habilitación de ciertas rutas dentro del mismo almacén, cuidadosamente 
escogidas, los operarios obtienen un ahorro del 4% en desplazamientos, 
realizando la misma labor en menor tiempo. Para esto se propone la habilitación 
de las rutas que conectan los nodos (ver Anexo 5) 11 - 67, 19 - 62, 31 – 53, 34 – 
49 y 38 – 47. 
Con la implementación de la primera alternativa, se obtiene una relación 
to
beneficio
cos
del 3,87%, mientras que mediante la implementación de la segunda 
alternativa, el mismo indicador es de 3,24% ya que dentro de la segunda 
propuesta hay un desembolso de $1’800.000 por concepto de adquisición de 2 
coches de carga de nuevas dimensiones. 
 
De igual forma, mediante la implantación de la propuesta, los operarios en la labor 
de picking incrementan su productividad en un 4.07%. 
 
La propuesta de utilizar un coche con 50% mayor capacidad implica un ahorro del 
7% en tiempos utilizados para labores de picking. Esta es una alternativa también 
recomendable. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 6
ÍNDICE DE ANEXOS, TABLAS Y GRÁFICAS 
 
 
Anexo 1 – Bono de Picking 
 
Anexo 2 – Muestra de un Bono 
 
Anexo 3 – Esquema Actual del Almacén 
 
Anexo 4 – Imágenes del Coche Utilizado para la Labor de Picking 
 
Anexo 5 – Grafo 
 
Anexo 6 – Esquema Propuesto del Almacén 
 
Anexo 7 – Listado de concesionarios clientes 
 
Anexo 8 – Franjas horarias actuales relacionadas con la labor de picking 
 
Anexo 9 – Resultado de Simulación con casos de prueba – Distribución Actual 
 
Anexo 10 – Resultado de Simulación con casos de prueba – Distribución 
Propuesta 
 
Tabla 1 – Costo de la operación de picking con la distribución actual de estantes 
 
Tabla 2 – Costo de la operación de picking con la distribución propuesta de 
estantes 
 
Tabla 3 – Diferencias entre la distribución de estantes actual y la propuesta 
 
Tabla 4 – Costo de la operación de picking con la capacidad de carga actual de 
los coches 
 
Tabla 5 – Costo de la operación de picking con la capacidad de carga actual de 
los coches 
 
Tabla 6 – Diferencias entre el ruteo utilizando la capacidad de carga actual del 
coche vs. propuesta 
 
Tabla 7 – Cálculo del Costo Anual de un Operario 
 
Gráfica 1 – Demanda de Artículos por Pasillo – Zona 1 
 
Gráfica 2 – Demanda de Artículos por Pasillo – Zona 2 
 7
 
Gráfica 3 – Demanda de Artículos por Pasillo – Zona 3 
 
Gráfica 4 – Comportamiento Mensual Errores Humanos (Sobrante - Faltante) 
 
Gráfica 5 – Comportamiento Mensual Errores Humanos (Averiada) 
 
Gráfica 6 – Comportamiento Mensual Errores Humanos (Referencia Equivocada) 
 
Gráfica 7 – Comportamiento Mensual Errores Humanos (Total) 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 8
1. INTRODUCCIÓN 
 
A través de los años la humanidad ha podido evidenciar cómo los procesos han 
sido objeto de constantes cambios y mejoras. Gracias a la ingeniería industrial o 
de procesos, el hombre ha podido establecer métodos de estudio de estos 
procesos, para depurarlos en subconjuntos de tareas o trabajos más pequeños, y 
de esta manera estudiar un trabajo completo. 
 
Uno de los personajes más reconocidos en el área de la ingeniería industrial es 
Henry Ford, quien hizo grandes aportes y les abrió la mente a muchos académicos 
para darse cuenta de que realizar mejoras en los procesos conlleva a una 
diferencia abismal en cuanto a la productividad obtenida al implementarlas. 
Este estudio se encuentra ubicado en la industria automotriz, pero a diferencia de 
Ford, quien hizo enormes aportes en el área de producción para la línea de 
ensamblaje del modelo T, este estudio está centrado en el área de 
Almacenamiento de Repuestos, que pertenece a la división de Post-Venta, y se 
realizó en las instalaciones de una marca de vehículos mundialmente reconocida 
por su constante búsqueda de mejoramiento de procesos, como lo es Toyota. 
Como muestra del compromiso constante con el mejoramiento continuo ó kaizen 
que existe en la política de la compañía, ellos realizan todos los años concursos y 
premian a los empleados que aportan las ideas más valiosas que conllevan a 
obtener ahorros en dinero, tiempo, etc. El Almacén Central De Repuestos (ó 
ACDR) no ha sido ajeno a estas mejoras. Por el contrario, ha sido objeto de 
muchos estudios de métodos, tiempos y movimientos. 
Estando de acuerdo con aquella premisa de Taylor, quien dijo que todo proceso 
por perfecto que parezca está sujeto a mejoras, el mayor reto de este estudio fue 
intentar diagnosticar en estas instalaciones, un posible punto donde se pudiera 
obtener una mejora que pudiera, como dice el título del trabajo, “…incrementar la 
productividad en la labor de picking”, ya que llevan años implementando mejoras a 
sus métodos de trabajo. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 9
2. PLANTEAMIENTO DEL PROBLEMA 
 
 
2.1 ANTECEDENTES 
 
La historia de SOFASA comienza en 1969, cuando el gobierno colombiano le da 
aval a la empresa francesa Regie National des Usines Renault, con el fin de 
establecer una empresa ensambladora de vehículos marca Renault, y de esta 
manera impulsar la industria automotriz del país. El nombre que se le impuso fue 
Sociedad de Fabricación de Automotores S.A. En el transcurso de la década de 
los ’70, SOFASA lanzó ensambló de manera exitosa los modelos Renault 4 y 
Renault 12. Más tarde, en la década de los ’80, se lanzan al mercado los modelos 
Renault 18, Renault 9 y Renault 21. Casi llegando a los ’90, Renault le compra 
todas las accionesde la empresa al gobierno colombiano, y le hace una oferta de 
venta a Toyota Motor Corporation, quienes compran el 24% de las acciones de la 
empresa. SOFASA inicia procesos de ensamblaje de los camperos Land Cruiser y 
las camionetas Hilux. En la década de los ’90, el Grupo Empresarial Bavaria 
adquiere el 51% de las acciones de SOFASA. De igual forma se comienza la 
fabricación del Renault Laguna, Renault Clío, Renault Twingo y Renault Megane. 
Toyota realiza operaciones similares con las líneas Toyota Land Cruiser, Toyota 
Hilux y Toyota Prado. Finalizando la década de los ’90, el ICONTEC le otorga el 
primer certificado de calidad ISO 9002-94 a la compañía. En la última década, 
SOFASA ha ensamblado las líneas Renault Scénic, Renault Nuevo Clío, Renault 
Symbol; y Toyota continúa con la Toyota Prado Sumo. En el 2003, las firmas 
Toyota, Renault y Mitsui adquieren el 51% de las acciones de la empresa, que le 
correspondían al Grupo Bavaria1. 
 
 
2.1.1 Situación Actual de la Empresa 
 
SOFASA es una empresa altamente influenciada por la filosofía japonesa. Se 
puede evidenciar la existencia del Just in Time o de diferentes Kaizens que se han 
implementado en la empresa. Por esta razón, se puede ver que en SOFASA se 
han realizado estudios en diversas áreas, incluyendo el almacén de inventarios. El 
ruteo de operarios para el picking se realiza según un sistema de información que 
maneja un algoritmo interno. 
 
La empresa cuenta con las siguientes políticas de inventario, que se cree son las 
mejores para optimizar los tiempos del order picking: 
- El picking se hace con la ayuda de un coche que es empujado para 
montar los artículos en él. 
 
1Basado en la página de Internet: 
http://www.sofasa.com.co/sofasa/QuienesS%C3%B3mos/Historiafotos/tabid/56/Default.aspx 
 10
- Los operarios recorren el almacén con un coche hasta llegar a la 
estantería indicada. Cuando llegan, dejan el coche en el corredor y ellos 
entran hasta la ubicación de la pieza, la toman y la depositan en el 
coche. 
- Los operarios realizan el picking en un solo sentido. No se puede dar 
marcha atrás con el coche. 
- El ruteo del picking está hecho de tal forma que los operarios hagan 
ciclos de 24 líneas. 
- El orden en que los operarios realizan el recorrido, es determinado por 
un programa (AS400), desarrollado en un kaizen japonés. El algoritmo 
actualmente utilizado será explicado en mayor detalle más adelante. 
- Existen 6 franjas de horario en el día entre las cuales los operarios 
realizan el picking, ya que se atienden 3 destinos, 2 veces al día cada 
uno. Los destinos a los cuales se despachan pedidos son Bogotá, 
Medellín y por último el resto del país. 
- Actualmente existen 2 operarios destinados para labores de picking, y 
son apoyados por otros 3 cuando se requiere. 
- Si llega un pedido de n líneas, y en stock solamente se encuentran k | k 
< n , el pedido se manda incompleto, y las n-k líneas faltantes se piden 
al proveedor, y se despachan en cuanto lleguen. Esto se conoce como 
Back Order. 
 
Estas políticas de inventario han sido utilizadas por varios años ya, y es de 
conocimiento común en la empresa que se ha trabajado de manera exhaustiva en 
el tema, y que substanciales mejoras se han implementado de manera exitosa. Sin 
embargo, estas mejoras no se han implementado únicamente en el alistamiento 
de pedidos, sino en diversas áreas, como el ordenamiento y el layout del almacén, 
el sistema de información para mejorar el flujo de información en los pedidos, la 
implementación de tecnologías como código de barras, etc. Adicionalmente, se 
han hecho otro tipo de investigaciones prácticas, como estudios de métodos, 
tiempos y movimientos para determinar tiempos estándares, etc. 
 
En cuanto a la distribución del almacén 
de inventarios, SOFASA tiene 
actualmente distribuido el inventario 
según el tamaño de las piezas. Las 
piezas están organizadas en 3 clases: 
Grandes, Medianos y Pequeños. En 
segundo lugar, le dan también 
importancia al flujo de los artículos. Esto 
quiere decir que dentro de una sección 
de partes grandes, las de mayor flujo se 
encuentran más cerca del punto de 
partida del recorrido de los operarios. 
 
 11
Por otra parte, los ciclos que hacen actualmente los operarios (ó pickers) constan 
de 24 líneas, de k ítems de cada línea. El operario no sabe si el coche se le llenará 
en las l primeras líneas, debido a que el coche tiene capacidad definida. Esto es 
visto como un exceso en ciertos casos, ó inclusive el operario puede tener que 
regresar al punto de descarga para descargar el coche y continuar con el picking 
desde donde lo suspendió. 
 
También se presenta el caso en que el coche es subutilizado debido a que el 
número de ítems por línea es en algunos casos de uno o dos, y si el volumen de 
las piezas es menor que la capacidad del coche, el operario puede terminar el 
ciclo con inclusive la mitad o menos del coche utilizado para luego comenzar otro 
ciclo. Esto es claramente una pérdida de tiempo en ambos casos. Para ninguno de 
estos 2 casos mencionados existe un “estándar” conocido, ó una medida 
generalizada para la cual se presentan estos casos en la industria. 
 
Con el flujo tan grande de líneas nuevas (ú “ochos”) que manejan, es muy 
probable que el modelo que manejan haya sido el ideal únicamente durante el 
primer mes que se implementó este algoritmo de localización de piezas. En el 
segundo mes ya entraron 200 líneas nuevas, que se almacenaron “según había 
disponibilidad en algunas estanterías”, quizá la ubicación no era la mejor. En los 
meses siguientes, el rendimiento probablemente fue inferior ya que a medida que 
pasa el tiempo, la ubicación de líneas en el almacén varía (en promedio entran 
200 líneas nuevas por mes). 
 
En una operación de distribución, los costos asociados a todas las labores que 
componen la operación, son de gran interés para los gerentes ó administradores 
de bodegas ó almacenes de inventarios. Entre los costos operativos en los que 
incurre una empresa para manejar un centro de distribución, están los siguientes: 
 
- Arrendamiento de la bodega o almacén por metro cuadrado. 
- Número de operarios que deben realizar el picking. 
 12
- Tecnología utilizada para el apoyo del ruteo del picking. 
- Camiones que transportan la mercancía (no en todos los casos, ya que 
en algunos casos esta operación se realiza por outsourcing). 
 
Cada uno de estos rubros tiene a su vez costos que depuran el monto total del 
mismo. Para el desarrollo de esta investigación, el que mayor importancia tiene 
está relacionado con los 2 primeros. 
El arrendamiento de la bodega es un costo fijo, cuya cuantía varía, dependiendo 
de la razón social de la empresa. Como en el caso del almacén de inventarios de 
SOFASA, el costo de utilización es alto, debido al tamaño de la bodega (2.500 m2 
la sección de Toyota). Esto es necesario tenerlo en cuenta ya que los modelos de 
optimización toman en cuenta el costo del espacio por unidad métrica. Es de gran 
importancia que esta relación siempre tienda a ser menor cada vez, ya que un 
ahorro en dinero reflejado por mejor utilización del espacio, conduce directamente 
a un planteamiento de una posible redistribución de planta (ó bodega). 
En el segundo aspecto, el número de operarios que realizan una labor de picking 
está directamente relacionado con el tiempo que gasta cada operario en realizar 
dicha labor. Si en una empresa existen 2 operarios destinados a realizar estas 
labores, y optimizando rutas, tiempos, distancias, etc. se logra reducir el tiempo 
que le toma a cada operario en realizar cada ciclo, es posible que se pueda tener 
un solo operario, ya que la optimización de las variables ya mencionadas quizá lo 
permita. Sin embargo el objetivo no es siempre reducir personal, sino ubicarlos en 
lugares donde su utilización sea mayor. En un país como Colombia, donde existen 
grandes problemas de desempleo, no se puede ser ajeno a esta problemática.Plantear modelos donde la conclusión sea simplemente recortar personal, sería 
correcto desde el punto de vista contable, pero no desde el punto de vista moral. 
Abordando un poco más a 
fondo el tema de los costos 
relacionados con los operarios, 
es posible anotar que el picking 
de una orden ó pedido está 
alrededor del 50-75% de los 
costos típicos operacionales en 
cualquier bodega ó almacén de 
inventarios2. Por esta razón, 
muchos autores han abordado 
el tema de la optimización del 
ruteo de operarios mediante 
diferentes técnicas, tales como 
métodos heurísticos, 
simulación, políticas de 
inventario, redistribución de planta (ó bodega), etc. Se encuentran también 
estudios como el de Petersen y Aase, donde se realizan pruebas para contrastar 
 
2
 Coyle, J.J., Bardi, E.J. y Langley, C.J. 1996. The Management of Business Logistics 
 13
los resultados entre un picking basado en almacenamiento aleatorio, contra un 
almacenamiento por clases. Las diferencias son abismales, siendo el 
almacenamiento por clases mucho mejor en cuanto a ahorros de tiempos en el 
picking. Petersen3 evidencia que realizar n particiones según n clases, teniendo en 
cuenta volumen o demanda, es mejor que realizar almacenamientos aleatorios, 
por fácil que sea este. 
En los grandes centros de distribución, como es el caso de esta investigación, el 
flujo de pedidos es bastante grande. En SOFASA se atienden pedidos diarios, 
donde se atienden en promedio 750 líneas / día, y se atienden 6 horarios de 
despachos. 
Haciendo un análisis de la operación de un picker, se puede ver que en últimas lo 
que está haciendo es recorriendo un espacio definido, haciendo paradas (o visitas) 
en ciertos puntos, de manera cíclica. Los recorridos son diferentes en cada ciclo. 
Este problema se puede abordar según el modelo del Problema del Agente Viajero 
(TSP). Optimizando un problema de este estilo sería complejo, debido al número 
de referencias que se tienen. Por esta razón, se podría asignar zonas a la bodega, 
para simplificar el número de nodos que debe visitar un operario, aún cuando en la 
realidad siga visitando líneas en vez de zonas4. Si se lograra hallar una 
distribución de la bodega, de tal forma que el tiempo promedio de recorrido fuera 
menor, sin duda alguna se obtendría un ahorro en costos (asociado a horas de 
trabajo-hombre). Esto nos conduciría a que los pedidos pudieran ser consolidados 
y despachados en menor tiempo. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
3
 Petersen, C. y Aase, G. A comparison of picking, storage and routing policies in manual order 
picking. 
4
 Daniels, R., Rummel, J., Schantz, R. A model for warehouse order picking. 
 14
2.2 FORMULACIÓN 
 
Teniendo en cuenta los antecedentes mencionados, el objeto de esta 
investigación radica en la siguiente interrogante: 
¿Es posible encontrar una distribución de planta en el almacén de inventarios que 
les permita incrementar la productividad en la labor de picking? 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 15
3. JUSTIFICACIÓN 
 
El alistamiento de los pedidos para un almacén de inventarios siempre ha sido 
tema de estudios y profundas evaluaciones para mejorar los tiempos en que salen 
los pedidos desde un almacén. De hecho se puede ver que a medida que se 
visitan diferentes instalaciones de almacenes, se encuentra mayor variedad en 
cuanto a políticas de inventarios. 
 
Realizar un modelo que ataque todos los posibles frentes de problemas que puede 
llegar a tener una bodega de inventarios sería muy dispendioso. Sin embargo, al 
acotar la investigación al estudio del modelo de ruteo de operarios en la bodega, 
se abarca una gran porción de las oportunidades de mejora que se detectan en 
cualquier almacén de inventarios. 
 
Actualmente SOFASA utiliza un sistema de ruteo de operarios que considera 
eficiente, según las políticas de inventarios ya establecidas. Algunas de estas 
políticas de inventario, han sido copiadas según modelos donde funcionan 
eficientemente. Sin embargo, las condiciones y características de cada planta ó 
almacén son variables que deben ser consideradas con suma cautela antes de 
copiar las políticas de otro, ya que lo más probable es que varíen. 
 
En el estudio que se está planteando, SOFASA podrá validar su modelo de ruteo, 
basado en sus políticas de inventario y podrá tomar la decisión de implementar la 
propuesta elaborada en esta tesis. 
 
Esto es de gran importancia para la empresa, ya que al reducir las distancias 
recorridas (lo que significaría reducir tiempo de recorrido), se ahorrarían horas de 
trabajo de los operarios. Si se logra un ahorro en tiempos, esto significaría un 
ahorro en dinero para la compañía. 
De igual manera, al realizar una herramienta que permita pronosticar de mejor 
manera la demanda de los artículos, se podría encontrar con ahorros en espacios 
del almacén, los cuales se podrían utilizar para el mejoramiento de la distribución 
del almacén, ó si el pronóstico lo requiere, para adicionar estanterías para ubicar 
una mayor cantidad de existencias de un artículo. 
 
Adicionalmente, este trabajo de investigación es un ejemplo de la amplia variedad 
que existe en cuanto a los campos donde se pueden realizar estudios de 
mejoramientos u optimización. Probablemente este tipo de investigación se pueda 
llevar a cabo en otro tipo de empresas que contengan almacenes de inventario de 
tamaño similar o más pequeños todavía. 
 
 
 
 
 
 16
4. MARCO TEÓRICO 
 
 
4.1 Teoría en Inventarios 
 
La razón de ser del A.C.D.R de SOFASA – Toyota no es otra que mantener un 
almacenamiento de inventarios para satisfacer la demanda de concesionarios de 
la mejor manera. En la medida que el almacén no tenga existencias en el 
inventario, de algún tipo de repuesto requerido por algún concesionario, el nivel de 
satisfacción de clientes se reducirá, y el impacto puede ser de tal magnitud, que 
inclusive puede llegar a perderlos. Según Ballou “…los inventarios son 
acumulaciones de materias primas, provisiones, componentes, trabajo en proceso 
y productos terminados que apareen en numerosos puntos a lo largo del canal de 
producción y de logística de una empresa.”5 Para el caso del A.C.D.R., esta 
definición de inventarios aplica ya que el almacén corresponde a un punto logístico 
de la cadena de abastecimiento de la empresa. Es preciso recordar que el 
mercado objetivo del almacén es el de los concesionarios de vehículos. La planta 
ensambladora realiza sus procesos de importaciones independientemente. Ballou 
agrega que “…tener estos inventarios disponibles puede costar, al año, entre 20% 
y 40% de su valor. Por lo tanto, administrar cuidadosamente los niveles de 
inventario tiene un buen sentido económico.”6 De todas maneras, a nivel de 
mejoramiento u optimización, se ha venido trabajando mucho el tema del 
alistamiento de pedidos en los centros de distribución, encontrando gran variedad 
de enfoques a adoptar. 
 
 
4.2 Teoría en Optimización 
 
Los métodos heurísticos son aquellos que sirven para solucionar problemas 
complejos, en donde se obtienen soluciones muy buenas en tiempo razonable. A 
pesar de que no se evalúan todas las alternativas en un árbol de decisión (ya que 
su exploración requeriría tiempo no razonable, o sea, años de espera), existen 
técnicas para eliminar ramificaciones, e inclusive en muchos casos, esto no es 
suficiente para tener la certeza de que se ha llegado a la solución óptima. Sin 
embargo, la ventaja de estos métodos es que la obtención de la una solución, que 
puede llegar a ser muy buena, es obtenida en tiempo razonable (segundos, 
minutos u horas). 
 
Metaheurísticas: Son aquellos métodos para hallar soluciones a problemas, en los 
cuales se interrelacionan los procedimientos de mejoras locales y estrategias de 
 
5 Ballou, Ronald. Logística – Administración de la Cadena de Suministro.Prentice Hall. 2004. págs. 
385 
 
6
 Ibíd. Pág. 386 
 17
alto nivel, con el objetivo de escapar de la optimalidad local, desarrollando 
búsquedas robustas en un espacio de soluciones.7 
 
Hillier y Lieberman definen la programación dinámica como una “…técnica 
matemática útil en la toma de una serie de decisiones interrelacionadas…”8 Este 
tipo de programación es una opción viable cuando los problemas que se quiere 
atacar son de tipo decisional, y por lo general estas variables de decisión están 
dadas por variables binarias en la programación. 
 
4.2.1 Formulación de un Modelo Matemático 
 
“Los modelos matemáticos son representaciones idealizadas, pero están 
expresadas en términos de símbolos y expresiones matemáticas. Deben tomarse 
n decisiones cuantificables relacionadas entre sí, las cuales se denominan 
variables de decisión (ej. X1, x2, x3, …, xn) para las que se deben determinar los 
valores respectivos. La medida de desempeño adecuada se expresa entonces 
como una función matemática de estas variables de decisión. Esta función se 
llama Función Objetivo. También se expresan en términos matemáticos todas las 
limitaciones que se puedan imponer sobre los valores de las variables de decisión, 
casi siempre en forma de ecuaciones o desigualdades. Tales expresiones 
matemáticas de las limitaciones, con frecuencia reciben el nombre de 
restricciones. Las constantes en las restricciones y en la función objetivo se llaman 
parámetros del modelo. El modelo matemático puede expresarse entonces como 
el problema de elegir los valores de las variables de decisión de manera que se 
maximice la función objetivo, sujeta a las restricciones dadas.”9 
 
 
4.2.2 Obtención de una Solución a Partir del Modelo 
 
Según Hillier y Lieberman, “Una vez formulado el modelo matemático, la siguiente 
etapa de un estudio de IO (Investigación de Operaciones) consiste en desarrollar 
un procedimiento (por lo general en computadora) para derivar una solución al 
problema a partir de este modelo.”10 La metodología utilizada para atacar el 
problema de habilitación de rutas nuevas (explicado en detalle en el Capítulo 9) 
implica que se abarcará el problema actual utilizando una poderosa herramienta 
en la cual se puede realizar el modelo (C++) y la solución al problema se podrá 
obtener con dicho software. 
Es importante aclarar que para la modelación del problema en C++ es necesario 
tener en cuenta un aspecto de vital importancia, y es la complejidad del algoritmo 
 
7 Glover, Fred et al. Handbook of Metaheuristics. Kluwer Academic Publishers. USA. pág. xi. 
8 Hillier et al. Investigación de Operaciones. McGraw-Hill. 2004. pág. 533. 
9
 Hillier, F. y Lieberman, G. Investigación de Operaciones. Editorial McGraw-Hill. 2004. págs. 9 – 
12. 
10
 Ibid. Pág. 14 
 18
a utilizar. Cuando se formula un problema de naturaleza combinatoria, como es el 
caso de un TSP (Problema del Agente Viajero), la complejidad de los algoritmos 
toma prioridad, ya que un algoritmo mal diseñado conlleva a la obtención de una 
solución en un tiempo no razonable (días, meses e incluso años). 
 
 
4.3 Teoría en Simulación de Eventos Discretos 
 
Para diseñar el modelo en Arena, se requieren ciertos elementos. En primer lugar, 
se define un sistema como “…una sección de la realidad que es el principal 
objetivo de un estudio, y está conformado por componentes que interactúan con el 
resto, según ciertas reglas, dentro de un espacio definido para el propósito del 
estudio.11 En el caso del A.C.D.R. se intentará realizar un bosquejo de la realidad 
del almacén, de manera que las variables se puedan definir y controlar en el 
modelo. 
 
Además de un sistema, se requieren entidades, lo que Fábregas define como 
“…un objeto o persona que se mueve a través de un sistema y que causa cambios 
en las variables de la respuesta…”12. Para el sistema del A.C.D.R. las entidades 
serán los operarios que se mueven a través del sistema de manera organizada, 
para realizar el picking. 
 
Dentro de un sistema, las entidades tienen ciertas características, las cuales les 
permiten diferenciarse unas de otras. Estas características se llaman atributo, lo 
que se define como “…una característica propia de cada entidad…13. En el caso 
del modelo de Arena, a las entidades se le asignarán atributos correspondientes a 
la ruta que debe seguir. 
 
Al igual que las entidades, los recursos de un sistema tienen gran importancia. Un 
recurso “…es un elemento estacionario que puede ser ocupado por una 
entidad…”.14 Los recursos son utilizados más que todo cuando se quiere 
representar dentro de un sistema ciertas actividades u operaciones, que restringen 
de alguna forma el flujo de entidades a través de él. 
 
A lo largo de la ejecución de un modelo de simulación ó de un sistema, ocurren 
eventos, lo que se puede entender como “…la ocurrencia que cambia el estado 
del sistema. Hay eventos internos y externos; éstos se conocen también como 
endógenos y exógenos, respectivamente.15 
 
 
11 Khoshnevis, B. Discrete Systems Simulation. McGraw-Hill. 1994. pág 12. 
12 Fábregas, A et al. Simulación de Sistemas Productivos con Arena. Ediciones Uninorte. 2003. 
Pág. 5 
13 Íbid. Pág. 5 
14 Íbid. Pág. 5 
15 Íbid. Pág. 5 
 19
Por último, Fábregas define un modelo como “…una representación de la realidad 
que se desarrolla con el propósito de estudiarla.”16 Sin embargo, la funcionalidad 
de los modelos de simulación radica en que a pesar de que es una representación 
de la realidad, no se toman todas las variables que existen en la realidad, de 
manera que se simplifica el problema, y como las variables del sistema son 
controlables, se pueden analizar diferentes escenarios.17 
 
 
4.4 Diseño de Bodegas 
 
Hoy en día se dedica gran atención en el momento de diseñar una bodega o un 
almacén de inventarios, sobretodo debido a que con un mundo globalizado, la 
competencia por servir al cliente hace énfasis en cada punto de la cadena de 
abastecimiento de una empresa. Por esta razón, un diseño de un centro de 
abastecimiento tiene gran incidencia en el éxito o fracaso de una empresa 
enfocada en el cliente. 
En el diseño de bodegas se estudian variables como el número de pedidos a 
alistar por día, los tamaños de cada pedido, los tiempos de alistamiento, la 
tecnología a utilizar, el tamaño ideal de la bodega, etc. En la operación del 
A.C.D.R de SOFASA-Toyota estas variables pueden ser cuantificadas. 
 
 
4.4.1 Sistemas de Administración de Bodegas 
 
El término es una traducción de la sigla en inglés para Warehouse Management 
System (WMS). Los WMS son sistemas que son ampliamente utilizados en las 
bodegas de empresas cuyo objetivo se encuentra centrado en la distribución, 
como lo son las empresas de entrega de productos ó los centros de distribución ó 
acopio. Estos sistemas integran información de inventarios como stock, históricos, 
etc. Dependiendo del sofisticamiento del sistema, se puede manejar tecnología 
como bandas transportadoras, AS/RS (Automatic Storage / Retrieval System), etc. 
En estos sistemas de alta tecnología no se utilizan operarios para realizar picking, 
sino que todo esta sistematizado para que se haga por medio de máquinas. La 
ventaja que existe en utilizar un sistema de este tipo, es que las empresas no 
tienen que esperar hasta una hora específica para realizar un cierre de pedidos 
para consolidarlos, sino que puede alistar los pedidos en tiempo real, esto es, a 
medida que los clientes realizan un pedido. El sistema para el manejo de 
inventarios que utiliza SOFASA incorpora elementos de ubicación de referencias, 
ruteo de operarios dentro de la bodega, información sobre existencias de 
inventarios, etc. 
 
 
 
16 Ibid. Pag. 7 
17 Íbid. Pág. 7 
 20
4.5 Teoría en Métodos de Trabajo 
 
La Oficina Internacional del Trabajo define el “Estudio de Métodos” y sus fines de 
la siguiente manera: 
 
“El estudiode métodos es el registro y examen crítico sistemáticos 
de los modos existentes y proyectados de llevar a cabo un trabajo, 
como medio de idear y aplicar métodos más sencillos y eficaces y de 
reducir los costos.”18 
 
Para el estudio de recorrido de los operarios a través del almacén, se analizó tanto 
el proceso de picking, como la utilización de la herramienta principal de los 
operarios, que corresponde al coche empleado. 
 
Según la OIT, “…los fines del estudio de métodos son los siguientes: 
 
- Mejorar los procesos y los procedimientos. 
- Mejorar la disposición de la fábrica, taller y lugar de trabajo, así como los 
modelos de máquinas e instalaciones. 
- Economizar el esfuerzo humano y reducir la fatiga innecesaria. 
- Mejorar la utilización de materiales, máquinas y mano de obra. 
- Crear mejores condiciones materiales de trabajo.”19 
 
Existe una gran variedad de técnicas de estudio, muestreo y análisis para los 
métodos de trabajo, “…desde la disposición general de la fábrica hasta los 
menores movimientos del operario en trabajos repetitivos.”20 Para el desarrollo de 
este trabajo, se consideró estudiar el problema desde el punto de vista del layout 
del almacén, y también desde el punto de vista de las herramientas utilizadas para 
el desarrollo del picking. 
 
El procedimiento para cualquier estudio de métodos –dice la OIT- debe ser 
siempre el mismo, y sus procedimiento “…puede resumirse como sigue: 
 
1. DEFINIR el problema 
2. RECOGER todos los datos relacionados con él. 
3. EXAMINAR los hechos con espíritu crítico, pero imparcial. 
4. CONSIDERAR las soluciones posibles y optar por una de ellas. 
5. APLICAR lo que se haya resuelto. 
6. MANTENER EN OBSERVACIÓN los resultados.”21 
 
 
18 OFICINA INTERNACIONAL DEL TRABAJO. Introducción al Estudio del Trabajo. Pág 75. 
19 Ibid. Pág 76. 
20 Ibid. Pág 76. 
21 Ibid. Pág. 76. 
 21
4.5.1 Teoría en Fatiga Fisiológica 
 
La fatiga fisiológica entra a cumplir un papel importante en todos los escenarios en 
donde se realizan acciones repetitivas. Esto debe ser revisado con cuidado ya que 
en una operación en donde se realicen actividades repetitivas, a medida que se 
incrementa el número de veces que se realiza una acción, la fatiga fisiológica 
incrementa, y esto conlleva a que un operario cansado cometa errores. Por esta 
razón, en todas las operaciones es indispensable intentar que el número de 
actividades que se desempeñen sea el menor posible. 
Haciendo un acercamiento un poco más en detalle, para entender cómo interactúa 
el oxígeno en el cuerpo humano en relación con las actividades realizadas, Niebel 
dice que, “…el oxígeno usado por el cuerpo para realizar trabajo proviene de la 
sangre o de compuestos químicos en el interior de las fibras musculares. Si la 
propia capacidad de uno para proporcionar oxígeno a los músculos que trabajan, 
es suficiente para impedir la formación de subproductos del metabolismo en el 
cuerpo durante una jornada de trabajo, la tarea asignada se denomina “aeróbica”. 
Si dicha tarea fuera tal que su realización agota la reserva de oxígeno en uno o en 
varios músculos, tal esfuerzo se llama “anaeróbico”.”22 
 
Además, agrega Niebel, que entre cuando se presenta fatiga fisiológica, el cuerpo 
humano presenta dolor muscular y se debilita el sistema muscular en general.23 
 
En una operación de recolección de inventarios en una bodega, como es el caso 
del A.C.D.R. de SOFASA – Toyota, los operarios asignados a la operación de 
picking se ven sometidos a actividades repetitivas durante toda su jornada de 
trabajo. 
 
Según Niebel, el consumo promedio de calorías por día, es del orden de 1.700 
calorías 24. Estas son las calorías que requiere el cuerpo humano para mantenerse 
en reposo. Por lo tanto, un trabajador requiere más de esta cantidad para realizar 
su trabajo de manera aeróbica. 
 
 
 
 
 
 
 
 
 
 
 
22 NIEBEL, Benjamín W. Ingeniería Industrial: Métodos, Tiempos y Movimientos. Pág 282 
23 Ibíd. Pág. 282. 
24 Ibíd. Pág. 282. 
 22
5. OBJETIVO GENERAL 
 
Realizar una propuesta de distribución de planta en el Almacén Central de 
Repuestos SOFASA – Toyota, para incrementar la productividad en la labor de 
picking. 
 
 
6. OBJETIVOS ESPECÍFICOS 
 
6.1 Realizar un diagnóstico de la operación actual para el ruteo de 
operarios en labores de picking, utilizando variables (tiempo y 
distancia) que permitan cuantificar la operación. 
 
6.2 Listar, identificar y medir las variables críticas en el ruteo de 
operarios. 
 
6.3 Sugerir una distribución de planta que genere un sistema de ruteo 
con el fin de mejorar las condiciones actuales del ruteo. 
 
6.4 Realizar un análisis comparativo donde se pueda evidenciar un 
contraste, cuantitativamente, entre el método actual de picking y el 
propuesto, utilizando software de simulación. 
 
6.5 Evaluar el impacto económico que tiene la propuesta, indicando 
cuantitativamente la relación costo-beneficio, al implementar la 
propuesta. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 23
7. DIAGNÓSTICO DE LA OPERACIÓN ACTUAL 
 
Nota: Para un mejor entendimiento de los pasillos, ver el Anexo 3 
 
El software (AS400) que almacena la maneja el inventario, realiza los siguientes 
procesos: 
- Registro de existencias actuales para cada línea (incluye adición de 
referencias cuando llegan al almacén y descargo de inventario cuando 
se hacen los despachos). 
- Consolidación de pedidos durante las horas dentro de las franjas de 
horario establecidas (ver Anexo 8), de tal forma que al cabo del tiempo 
establecido, el sistema ordena todas las referencias en la secuencia que 
se encuentran ya ubicadas físicamente las estanterías dentro de la 
bodega. 
- Imprime todos los bonos (ver Anexos 1 y 2), para que luego los 
operarios tomen subgrupos de n ciclos (dependiendo del nivel de 
demanda del día) y empiecen a hacer el recorrido para el picking. 
 
Cuando el sistema imprime los bonos, los operarios toman 1 ciclo a la vez (24 
referencias, divididas en 4 hojas con 6 referencias cada una) y toman un coche 
(ver Anexo 4) para comenzar su recorrido. Parten 2 operarios al mismo tiempo, 
desde el sitio denominado “ORIGEN” en el esquema (ver Anexo 3) hacia la 
izquierda. El primer operario tomará referencias en el pasillo “KP1” en caso que 
necesite, y luego pasará al siguiente: KP2. Luego continúan por la “Zona 1”, que 
comprende los pasillos KP1, KP2, 1AA, 1AB, 1AC, 1AD, 1BA, 1BB – 1AF, 1GA, 
1BC, 1BD, 1BE – 1CA, 1BF, 1CB, 1CC, 1CD, 1CE, 1CF, KS y MB. En pocas 
palabras, la Zona 1, corresponde a los estantes del corredor izquierdo del 
almacén. 
Cuando el operario termina de recoger sus 24 tipos de referencias, se dirige al 
punto denominado “FIN”, donde ubica todas las referencias recolectadas en su 
último recorrido, en unas estanterías divididas por la región hacia la cual se dirige 
el pedido, así como el concesionario destino. En caso que haya recogido menos 
de 24 líneas en un ciclo determinado y requiera pasar a la “Zona 2”, el orden 
establecido por el software AS400 es que se comience por los que están más lejos 
del “origen” y se realice el picking hacia el más cercano del “origen”. 
 
Cabe resaltar que si un operario se encuentra por ejemplo en el pasillo 1CC, y su 
siguiente punto de picking está en el pasillo 1EE, no puede ir en línea recta a 
través del pasillo 1CB, sino que tiene que ir hasta el final del corredor y dar la 
vuelta por la parte de arriba, esto se debe a que entre la Zona 1 y la Zona 2, no 
existe un camino que intercomunique los pasillos, a menos que el operario se 
desplace por la parte de abajo (por el ORIGEN), o por la parte más lejana (por la 
sección de cajas ubicadas después del pasillo 1CF). Por esta razón, los operarios 
incurren en pérdidas de tiempo, asignadas a un desplazamiento ineficiente por 
falta de canales o “puentes” que comuniquen las 2 zonas mencionadas. 
 24
 
A continuación se presentan algunas imágenes delos puntos en el almacén en 
donde se presentan este tipo de bloqueos. 
 
 
 
 
 
 
 
 
 
 
Por último se encuentra la Zona 3, que es la correspondiente al corredor de 
estantes y pasillos ubicados hacia la parte de la derecha (ver Anexo 3). 
 
 
 
 
 
 
 
 25
7.1 Diagrama de Flujo de bloques para el proceso de un pedido 
 
 
 
 
 
El proceso de un pedido comienza cuando un concesionario realiza un pedido. Las 
referencias necesitadas son digitadas en el sistema según la codificación 
establecida por SOFASA. Estos pedidos los pueden realizar los concesionarios en 
durante el día, pero sólo se harán los despachos según la franja horaria en donde 
se realice el pedido (ver franjas horarias en Anexo 8). Cuando finaliza el tiempo 
permitido para realizar pedidos para ser despachados en cierto horario, el sistema 
los ordena según la ubicación física dentro del A.C.D.R. Luego se verifica si está 
en stock o si no. En caso que no haya existencias en stock, se hace un pedido 
para dicha referencia, junto a las demás que se necesiten. Para las referencias 
 26
que sí están en inventario, se pasa a la generación de bonos. La impresión de 
bonos se hace según las horas establecidas y se da comienzo al picking. Cuando 
los operarios terminan de recolectar las referencias, las organizan según el 
concesionario destino y luego se procede al embalaje de las piezas. Por último los 
pedidos son entregados a un transportador que los recoge en la bodega para 
realizar los despachos a cada concesionario. 
 
 
7.2 Distribución por Zonas 
 
A lo largo de este trabajo se hace referencia a 3 tipos de zonas, descritas a 
continuación, con los pasillos que contiene cada zona. Cabe resaltar que la 
nomenclatura de las zonas se da por el tamaño de las referencias que se 
encuentran en cada uno. Las referencias de mayor volumen se encuentran en la 
Zona 1, y las de menor volumen se encuentran en la Zona 3. 
 
Zona 1: 8888, KP2, 1NB, 1AA, 1AB, 1AC, 1AD, 1BA, 1BB – 1AF, 1GA, 1BC, 1BD, 
1BE – 1CA, 1BF, 1CB, 1CC, 1CD, 1CE, 1CF, KS y MB. 
 
Zona 2: KP1, 1DA, 1DB, 1EA, 1EB, 1EC, 1ED, 1EE, 1EF, 1EG, 1EH, 1EI, 1EJ, 
1FA y 1FB. 
 
Zona 3: I4AA, I4AB, I3AC, I3AD, I2AE, I2AF, I1BA, I1BB, I0BC, 10BD, H4BE, 
H4BF, H3BG, H3BH, H2CA, H2CB, H1CC, H1CD, H0CE, H0CF, G6CG, G6CH, 
G5CJ, G5CK, G4DA, G4DB, G3DC, G3DD, G2DE, G2DF, G1DG, G1DH, G0DJ, 
G0DK y G0DM. 
 
 
7.2.1 Ubicaciones especiales: 
 
Los pasillos denominados KP1 y KP2 contienen referencias de poco volumen 
espacial (lo que sería una excepción a la distribución en función del volumen de 
las referencias), pero con una gran rotación. 
La ubicación “Boutique” ó NB se encuentra en aislada también donde se 
almacenan todas las referencias relacionadas con productos de publicidad, 
campañas, etc. 
La ubicación 1DL corresponde a un almacenamiento separado de llantas, que por 
políticas de almacenamiento de la empresa por razones de seguridad industrial, 
éstas deben estar aisladas para prevenir daños mayores en caso de incendios. 
La ubicación 8888 corresponde a nuevas referencias que han llegado debido al 
lanzamiento de nuevos modelos de vehículos Toyota, y no han sido asignadas a 
una ubicación dentro de un estante todavía. Cuando sale una referencia de 
circulación, porque se acaba en el inventario y su rotación es casi nula, se toma 
una referencia de la ubicación 8888 y se le asigna el espacio de la ubicación que 
acabó de salir de circulación. 
 27
7.3 Determinación del tamaño de muestra 
 
Según Benjamín Niebel, se puede asumir que “…las observaciones tienen una 
distribución normal alrededor de la media desconocida de la población con 
varianza desconocida.”25. Al tener una premuestra pequeña, se utiliza una 
distribución t de student. 
 
Para determinar el tamaño de muestra requerido para hacer el diagnóstico de la 
operación, se tomó la fórmula descrita a continuación, sugerida por Niebel para 
obtener el tamaño de muestra en los estudios de tiempos. 
 
2
1 * 





=
−
xk
St
n n Fórmula 126 
 
En donde tn-1 = Valor de la distribución T de student con n-1 grados de 
libertad 
 S = Desviación estándar muestral 
 K = Probabilidad de error 
 x = Promedio muestral 
 
 
7.3.1 Distancia de Recorrido 
 
Utilizando la fórmula 1, con los siguientes datos, se pudo obtener el tamaño de 
muestra requerido para obtener el estadístico “Distancia de Recorrido Promedio”, 
así como su desviación estándar. 
 
 Con t29 (30 – 1 grados de libertad) = 2.0452 
 S = 321 
 K = 5% 
 x = 330 Metros / Ruta / Operario 
 
Es importante aclarar que el promedio de distancia se hace en función de rutas y 
no de ciclo (el número de ciclos por ruta varía dependiendo de la demanda que se 
realice en un día determinado). 
 
Con una premuestra de 30 rutas, se obtiene la distancia de recorrido promedio 
muestral x y la desviación estándar muestral S. El parámetro k corresponde a una 
probabilidad de error, lo que se traduce en la confiabilidad del estadístico n. 
 
 
25
 NIEBEL, Benjamín W. Ingeniería Industrial: Métodos, Tiempos y Movimientos. Pág 393. 
26
 Ibid. Pág. 393 
 28
De esta forma, se obtiene que es necesaria una muestra de 1184 rutas para que 
el análisis sea estadísticamente válido. 
 
 
7.3.2 Tiempo de Recorrido 
 
Para obtener el tiempo promedio de recorrido se utilizó la misma metodología 
anterior, con los siguientes datos de la premuestra (n=30): 
 
 Con t29 (30 – 1 grados de libertad) = 2.0452 
 S = 0.401 
 K = 5% 
 x = 0.33 Horas / Ruta / Operario 
 
 
7.4 Organización de Estantes 
 
Un almacén de inventarios donde las referencias que tengan mayores niveles de 
rotación se encuentran más cerca del origen, deberían mostrar en un histograma 
un escenario consecuente. Sin embargo, realizando el análisis por zonas, se 
puede evidenciar que a pesar de que existe mayor frecuencia en los primeros 
pasillos, hay un grado de inconsistencias en cuanto a esto. Es claro que entre 
mayor sea el número de estos recorridos, y más largos sea cada uno, el tiempo y 
el recorrido del operario serán mayores, afectando así su productividad. A 
continuación se entra en detalle con respecto al estado de organización de cada 
zona. 
 
 
7.4.1 Zona 1 
 
En la Gráfica 1, se puede apreciar el histograma en la Zona 1. La gráfica está 
organizada de manera que los pasillos que se encuentran más abajo dentro de la 
gráfica (casos 1NB, KP2, etc.), son los que se encuentran físicamente más cerca 
al origen (ver Anexo 3), y los que se encuentran en la parte más alta de la gráfica 
(casos MB, KS, 1CF, etc.) son los que se encuentran físicamente más lejos del 
origen. 
 
Nótese que uno de los pasillos que más demanda presenta (1CC), está ubicado 
en una posición relativamente lejana al origen, dentro de la zona. En este caso en 
particular, el nodo del pasillo 1CC se encuentra a 53 metros del origen. En cambio, 
el pasillo que menos demandas presenta en la Zona, el 1AA, está a 25 metros. Un 
caso similar al del pasillo 1AA es el del 1AD, que se encuentra también muy cerca 
en relación al bajo nivel de demanda que presentan las referencias en dicho 
pasillo. 
 29
El promedio de demanda por pasillo en esta zona se encuentra en 984 viajes a 
cada uno. El rango entre el pasillo más visitado y el menos visitado de la zona es 
de 3238 viajes. Este rango tan grande se debe a que el pasillo KP2 maneja un 
volumen de rotación muy alto en relación al resto de pasillos, y se encuentra en 
esta zona. Si este pasillo estuviera en otra zona también existiría una gran 
diferencia, que se reflejaría en el rango. 
 
 
 Gráfica 1 
 
 
 
 
 
 
 
 
 30
7.4.2 Zona 2 
 
En cuanto a la Zona 2, los pasillos que más se frecuentan son los que están más 
lejos del origen (con la excepción de KP1). De hecho el 65% de la demanda se 
encuentra en los 5 pasillos más lejanos del origen (sin contar KP1). El pasillo que 
mayor demanda tiene es KP1, ya que es una de las ubicaciones especiales. 
Aparte de KP1, el pasillo 1EI, acaparael 19% de la demanda de la zona, y se 
encuentra a 49 metros del origen. También se puede evidenciar el caso del 
estante 1FA, el cual presenta la menor demanda de toda la zona, y se encuentra a 
15 metros del origen. Estos son 2 casos típicos de las inconsistencias que existen 
en el almacén en cuanto a la política de almacenar las referencias de mayor 
rotación, más cerca al origen y las de menor rotación más lejos del origen. 
 
En necesario resaltar el inferior número de pasillos al cual se pueden acceder 
dentro de la Zona 2 (15 contra 20 de la Zona 1 y 35 de la Zona 3). 
 
El promedio de demanda por pasillo en esta zona se encuentra en 801 viajes a 
cada uno. El rango entre el pasillo más visitado y el menos visitado de la zona es 
de 5147 viajes. 
 
 
 Gráfica 2 
 
 31
7.4.3 Zona 3 
 
En lo referente a la Zona 3, está un poco más consistente que la Zona 2. En esta 
zona, el 62% de la demanda se encuentra ubicada antes de la mitad de la zona. 
Sin embargo, se puede ver el caso del pasillo H1CC, el cual presenta la mayor 
demanda, con el 6% del total de la zona. 
El promedio de demanda por pasillo en esta zona se encuentra en 1661 viajes a 
cada uno. El rango entre el pasillo más visitado y el menos visitado es de 3157 
viajes. 
 
 Gráfica 3 
 
 32
7.5 Variables Críticas del Proceso 
 
• Distancia promedio entre pasillos destino 
 
Esta variable tiene gran impacto en la productividad de la labor de picking, ya 
que si un operario debe trasladarse grandes distancias para ir del punto a al 
punto b, el tiempo empleado se incrementará, disminuyendo así la 
productividad de los operarios en la labor de picking. Si los estantes a los 
cuales los operarios deben acercarse, se encuentran más cerca, las distancias 
recorridas serán menores. En la actualidad cada ubicación visitada entre un 
mismo ciclo, está en promedio separada 11 metros. Esto se debe a que el 
software AS400 asigna las paradas de los operarios de manera consecutiva, 
para minimizar los recorridos. 
 
• Distancia y tiempo promedio de ciclo 
 
Estas variables también inciden directamente sobre la productividad de los 
operarios en la labor de picking, ya que entre más se demore en promedio un 
operario, en realizar un ciclo, el tiempo total empleado para esta labor se 
incrementará a su vez. Actualmente, el tiempo promedio de un ciclo para cada 
operario se encuentra en 6.7 minutos. La distancia promedio de cada ciclo se 
encuentra en 88 metros por operario. 
 
• Número de ciclos requeridos 
 
Esta variable se refiere al número de veces que un operario debe partir hacia 
un recorrido por el almacén para recolectar las referencias necesarias. Es 
crítica para el proceso, ya que si un operario resulta haciendo muchos ciclos, 
gastará más tiempo en desplazamientos. El número promedio de ciclos se 
encuentra en 4 por cada ruta. Esto quiere decir que al día, se hacen 
normalmente 24 ciclos. 
 
• Errores Humanos 
 
Constituye una variable crítica del proceso ya que para el cliente es necesario 
recibir los pedidos correctamente, sin ausencias ni excesos de referencias 
solicitadas. Un error humano es registrado cuando un concesionario registra el 
reclamo. Los errores humanos se pueden evidenciar mediante un histórico de 
estos reclamos. Como el proceso de picking es revisado más adelante, estos 
errores son reducidos a un mínimo, y cuando se presentan, no se registran 
más de 1% de pedidos truncados ó incompletos por mes. Cuando en un pedido 
accidentalmente se agregan referencias y no se cobran, por lo general no se 
reciben reclamos por esto. Sin embargo, como no hay registros de este tipo de 
eventos, no está cuantificado. 
 33
 Gráfica 4 
Sobrante - Faltante
0
1
2
3
4
5
6
7
8
9
10
11
E
ne
ro
F
eb
re
ro
M
ar
zo
A
br
il
M
ay
o
Ju
ni
o
Ju
lio
A
go
st
o
S
ep
tie
m
br
e
O
ct
ub
re
N
ov
ie
m
br
e
D
ic
ie
m
br
e
Mes
C
an
ti
d
ad Faltante
Sobrante
 
 
 
 Gráfica 5 
Averiada
0
1
2
3
4
5
6
7
8
9
10
E
ne
ro
F
eb
re
ro
M
ar
zo
A
br
il
M
ay
o
Ju
ni
o
Ju
lio
A
go
st
o
S
ep
tie
m
br
e
O
ct
ub
re
N
ov
ie
m
br
e
D
ic
ie
m
br
e
Mes
C
an
ti
d
ad
Averiada
 
 34
 Gráfica 6 
Referencia Equivocada
0
1
2
3
4
5
6
7
8
9
10
E
ne
ro
F
eb
re
ro
M
ar
zo
A
br
il
M
ay
o
Ju
ni
o
Ju
lio
A
go
st
o
S
ep
tie
m
br
e
O
ct
ub
re
N
ov
ie
m
br
e
D
ic
ie
m
br
e
Mes
C
an
tid
ad
Referencia
Equivocada
 
 
 
 Gráfica 7 
Total Errores Humanos
0
2
4
6
8
10
12
14
16
18
20
22
24
E
ne
ro
F
eb
re
ro
M
ar
zo
A
br
il
M
ay
o
Ju
ni
o
Ju
lio
A
go
st
o
S
ep
tie
m
br
e
O
ct
ub
re
N
ov
ie
m
br
e
D
ic
ie
m
br
e
Mes
C
an
tid
ad
Total
 
 35
8. Algoritmos planteados 
 
Con el fin de atacar el problema del ruteo, se plantearon 2 acercamientos. El 
primero, habilitando ciertas rutas adicionales para disminuir los recorridos 
innecesarios. Se planteó un modelo en C++ para solucionar el problema y luego 
se simuló el resultado en Arena. 
Para el segundo acercamiento, se evaluó la utilización de coches con mayor 
volumen, de manera que los ciclos no fueran de 24 referencias, sino de 48 (el 
doble de la capacidad de carga del coche actual). 
 
 
8.1 Habilitación de rutas 
 
Para atacar el problema de naturaleza combinatoria, y generar la primera 
alternativa, se planteó un modelo en C++ explicado a continuación. 
 
1. Se construyó un grafo en donde se asignó un número de nodo a cada 
pasillo. 
2. Se corre el algoritmo de Floyd-Warshall (mencionado más adelante en la 
sección 9.2.1) para obtener los costos (medidos en función de distancia) 
entre cada par de pasillos con el layout actual, y se almacena están estos 
costos como la primera matriz de adyacencia. 
3. Se habilita una primera ruta posible (entre el primer par de nodos 
potenciales, esto es, entre los nodos 11 – 67), y se vuelve a correr el 
algoritmo de Floyd-Warshall. Se almacena esta segunda matriz de 
adyacencia. 
4. Se deshabilita la ruta habilitada en el paso anterior, y se habilita una 
segunda ruta posible (entre el segundo par de nodos potenciales, esto es, 
entre los nodos 15 – 66). Se corre el algoritmo de Floyd-Warshall y se 
almacena la tercera matriz de adyacencia. 
5. Este proceso se realiza 8 veces, hasta tener un total de 8 matrices de 
adyacencia. 
6. Para la elaboración de las alternativas, se crea un vector binario de 8 
posiciones, en donde cada posición del vector corresponde a una posible 
ruta para habilitar. Si el valor de la posición del vector[i] es 1, quiere decir 
que se habilita la ruta. Si el valor de la posición del vector[i] es 0, quiere 
decir que no se habilita esa ruta. La generación de alternativas, ó en este 
caso, de posibles valores de “1” en el vector se hace de tal forma que la 
suma de los valores del vector nunca sea mayor que 5, debido a que 5 es el 
número máximo de rutas que se pueden habilitar. 
7. Luego se compara cada celdaij de la matriz 1 con la matriz 2, en el caso que 
se esté evaluando la habilitación de la nueva ruta 1 y 2. Para obtener una 
matriz de adyacencia resultante, se crea una nueva matriz con los menores 
valores de cada celdaij, Este proceso se repite en cada iteración, para las 
 36
combinaciones de k | k < 6 rutas a habilitar. Después de evaluar todas las 
alternativas, se tendrán 218 matrices de adyacencia. 
8. La matriz de adyacencia que tiene menor costo va a ser la que tenga los 
menores valores en la matriz, de manera que al recorrer la muestra, estos 
costos penalicen lo menor posible. Esto se traduce en la combinación de 
rutas habilitadas que más ahorro genere, y las rutas a habilitar serán 
aquellas cuya posición en el vector tengan el valor igual a 1. De esta 
manera se generan y se evalúan cada una de las posibilidades. 
 
 
Para la modelación en Arena de la solución a la cual se llegó con el modelo en 
C++, se hizo lo siguiente: 
 
1. Se planteó el esquema gráfico del modelo, utilizando el layout real del 
A.C.D.R.De esta forma se pudo obtener una animación del modelo, de tal 
forma que al ejecutar el modelo, se pudiera tener una idea visual de los 
movimientos realizados por los operarios. 
2. El modelo lógico comienza con la creación de las entidades, en este caso 
los pedidos, reflejados en bonos. 
3. Después de tener las entidades creadas, el modelo asigna mediante 
probabilidad la dirección que debe recorrer el pedido para completarse. Las 
posibles trayectorias que puede tomar se listan a continuación: 
 
a. Origen Zona 1 Fin 
b. Origen Zona 1 Zona 2 Fin 
c. Origen Zona 1 Zona 2 Zona 3 Fin 
d. Origen Zona 2 Fin 
e. Origen Zona 2 Zona 3 Fin 
f. Origen Zona 3 Fin 
 
La probabilidad de asignación se obtuvo a partir de la muestra, 
contabilizando las veces que cada tipo de trayectoria se presentaba. 
 
4. Cuando cada entidad llega al nodo ubicado físicamente en la mitad de la 
zona destino, entra a un proceso de tipo delay, que corresponde al tiempo 
que se demora un operario haciendo el picking en el ciclo, en la zona en 
cuestión. Los tiempos de picking por zona, se obtuvieron a partir de la 
muestra, y gracias la ejecución del Input Analyzer de Arena, se obtuvieron 
las expresiones matemáticas que sirven como insumo para definir los 
tiempos de ejecución. 
5. Para validar el modelo, de manera que se tenga seguridad de que se refleja 
el proceso real, se requiere ejecutar el modelo un número mínimo de veces, 
lo cual se traduce en el número de réplicas requeridas para la ejecución del 
modelo. Para esto se utilizó el tamaño de muestra ya obtenido, n=200 días. 
 
 37
8.2 Incrementar el volumen del coche 
 
Incrementar el volumen del coche fue la otra opción que se estudió, mediante el 
aumento de la capacidad de carga del mismo, de manera que pueda incrementar 
su capacidad de carga en un 50%. Esto se logra construyendo un nuevo coche 
con dimensiones mayores a las actuales (en el Capítulo 11 se explican con más 
detalle las dimensiones). Para la cuantificación del ahorro, se utilizó el mismo 
modelo planteado en C++, pero con la diferencia que no se recorre el almacén 
hasta tener 24 referencias, sino hasta tener 36 referencias. 
 
 
9. DISTRIBUCIÓN DE PLANTA PROPUESTA 
 
En primera instancia, la primera propuesta es de reorganizar por la demanda el 
estado actual de los estantes, de manera que los que realmente presentan mayor 
demanda por zona, se encuentren más cerca al origen que los que menor 
demanda presentan. 
 
Habiendo detectado el aspecto de la organización de estanterías donde sería 
posible realizar una mejora mediante la habilitación de rutas (ó puentes) que 
intercomuniquen la Zona 1 con la Zona 2, se procedió a estudiar el movimiento de 
estantes que obstaculizan estas potenciales rutas. 
Los puentes que se podrían eventualmente habilitar serían los siguientes: 
 
- Nodos 11 y 67 
- Nodos 15 y 66 
- Nodos 19 y 62 
- Nodos 23 y 60 
- Nodos 27 y 56 
- Nodos 31 y 53 
- Nodos 34 y 49 
- Nodos 38 y 47 
 
Sin embargo, por razones de espacio, la cantidad de estantes que se podrían 
correr está limitada a máximo 5 estanterías. Esto se debe a que los estantes que 
se correrían, serán reubicados al final de la Zona 2, justo antes de la sección de 
cajas, y el espacio físico, en este caso, constituye la restricción del modelo. Estas 
estanterías son las correspondientes a los pasillos 1FA y 1FB. En el Anexo 3 se 
puede ver que éstas son las responsables de la imposibilidad de comunicar las 
Zonas 1 y 2 de manera efectiva. 
 
Dada la naturaleza combinatoria del problema planteado, lo que se procedió a 
hacer fue evaluar qué combinación de puentes ofrecen el mayor nivel de ahorro de 
distancias (y por consecuencia en tiempo) en recorridos al interior del almacén. 
 
 38
Para proponer la nueva distribución de planta, se construyó un grafo con los 
caminos establecidos de recorrido del almacén. Luego, se habilita el primer puente 
entre los nodos 11 y 67 y se recalculan las distancias. Este procedimiento se 
realiza para cada puente, habilitando cada puente independientemente del resto. 
Esto quiere decir que se calculan las distancias 8 veces (1 para cada puente). 
 
Como la restricción está dada por el número máximo de estantes a mover, se 
puede sintetizar el número total de combinaciones aceptadas, mediante la 
siguiente expresión: 
 
∑
=





5
1
8
i i
= 218 Fórmula 2 
 
Con la fórmula 2, se obtiene la suma de las posibilidades combinatorias de 
organización, habilitando 1, 2, 3, 4 ó 5 puentes. Este es el número de veces que el 
programa se ejecutará para obtener el costo de cada alternativa i. 
 
 
9.1 Construcción del Grafo del Almacén 
 
Para la representación gráfica del Almacén, se construyó un grafo (ver Anexo 5) 
simple, conexo, con 122 nodos y 246 arcos. Los nodos (aros en verde) se 
encuentran ubicados en cada punto donde el camino estipulado (los arcos en azul) 
se bifurca, y en los puntos finales de cada arco. 
 
 
9.2 Elaboración de la Matriz de Adyacencia 
 
La matriz de adyacencia indica la distancia entre cada par de nodos del grafo. 
Para este caso, es una matriz de 122 x 122. La metodología utilizada para la 
construcción de las 8 matrices de adyacencia (1 matriz de adyacencia del estado 
actual del grafo y 7 matrices de adyacencia correspondientes a la habilitación de 
cada posible puente de comunicación entre los pares de nodos disponibles), fue a 
través de la implementación del algoritmo de Floyd-Warshall. 
 
 
9.2.1 Algoritmo de Floyd-Warshall 
 
Este famoso algoritmo descrito por Bernard Roy a finales del siglo 50, es muy 
utilizado hasta hoy en día, ya que es relativamente sencillo de implementar. 
Mediante la implementación de este algoritmo, se puede establecer de manera 
rápida el camino más corto entre cualquier par de nodos dentro de un grafo finito 
de n nodos y k arcos. 
 
 39
9.3 Puentes Habilitados 
 
Después de ejecutar el modelo planteado en C++, se obtuvo el siguiente 
resultado: 
 
Habilitando los puentes entre los siguientes nodos, se encontró el máximo nivel de 
ahorro, el cual al ser cuantificado, genera un ahorro del 4,07%: 
 
- Nodos 11 y 67 
- Nodos 19 y 62 
- Nodos 31 y 53 
- Nodos 34 y 49 
- Nodos 38 y 47 
 
En este caso, es posible decir que se encontró la combinación óptima, ya que se 
evaluaron todas las alternativas. 
 
Los cambios de ubicaciones pueden verse reflejados en el Esquema (ver Anexo 6) 
de la distribución de planta propuesta. Nótese que a pesar de que la idea general 
de la distribución de planta se mantiene, con la diferencia de los 5 estantes que 
cambiaron de ubicación. 
 
Para evaluar las opciones, se corrió el modelo propuesto utilizando la muestra de 
los recorridos obtenida previamente. De esta manera se podía en cada iteración, 
“enfrentar” cada opción de combinaciones de puentes habilitados frente a un 
“criterio de aspiración” (el mejor candidato en lo que lleva corrido el modelo). 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 40
10. ANÁLISIS COMPARATIVO ENTRE LAS 2 DISTRIBUCIONES 
 
 
Para realizar la comparación entre las 2 distribuciones, a la luz de un indicador de 
productividad, se utilizó un Indicador Clave de Rendimiento (ó KPI por sus siglas 
en inglés de Key Performance Indicator) mostrado a continuación: 
 
Productividad = Tiempo de recogido de pedidos27 
 
La unidad de tiempo tomada en este caso es el minuto. 
 
Productividad con la distribución de almacenamiento actual: 54 
Productividad con la distribución de almacenamiento propuesto: 51 
 
El tamaño de los pedidos expresado en el indicador anterior corresponde a 1 ruta 
completa. 
 
 
La siguiente tabla muestra el costo en distancia, tiempo y dinero de la operación 
de picking con la distribución actual de estantes. 
 
Tabla 1 
 POR DIA 
 POR RUTA POR CICLO 
 Distancia Tiempo Dinero Distancia Tiempo Dinero 
 [Metros] [Minutos] [Pesos] [Metros] [Minutos] [Pesos] 
Actual 707 54 $4.053 176,75 13,5 $ 1.022 
 
 
La siguiente tabla muestra el costo en distancia, tiempo y dinero dela operación 
de picking con la distribución propuesta de estantes. 
 
Tabla 2 
 POR DIA 
 POR RUTA POR CICLO 
 Distancia Tiempo Dinero Distancia Tiempo Dinero 
 [Metros] [Minutos] [Pesos] [Metros] [Minutos] [Pesos] 
Propuesto 678,19 51 $ 3.888 169,5 12,75 $ 965 
 
 
La siguiente tabla muestra la diferencia en distancia, tiempo y dinero de la 
operación de picking, entre la distribución actual de estantes y la propuesta. 
 
27
 Madrid, Mónica Eugenia. 2007. Cómo gestionar un Centro de Distribución. Revista Zona Logística. 
Edición 35. Pág. No. 23 - 25 
 41
Tabla 3 
 POR DIA 
 POR RUTA POR CICLO 
 Distancia Tiempo Dinero Distancia Tiempo Dinero 
 [Metros] [Minutos] [Pesos] [Metros] [Minutos] [Pesos] 
Diferencia 29 3 $ 165 7,25 0.75 $ 57 
 
 
 
Para tener un soporte numérico adicional, se extrajeron aleatoriamente 3 ciclos de 
picking de la muestra, y se modeló el recorrido mediante la utilización de software 
de simulación (Rockwell Arena). Los resultados de la simulación en Arena 
evidencian los ahorros en tiempos de desplazamiento entre la Zona 1 y Zona 2, y 
esto se ve reflejado en el tiempo de ciclo (ver anexos 9 y 10). 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 42
11. COMPARACIÓN ENTRE LOS COCHES CON CAPACIDAD DE CARGA 
ACTUAL Y PROPUESTA 
 
 
El coche que se utiliza actualmente tiene unas medidas de 60 cm de ancho x 80 
cm de fondo. Estas medidas corresponden a las bandejas que utiliza el coche 
tanto en la plataforma de arriba como en la de abajo (ver Anexo 4). 
El coche que se está planteando, tiene unas medidas de de 72 cm de ancho x 100 
cm de fondo. De esta manera, se construye un coche que en cada bandeja cuenta 
con capacidad de 7200 cm2, lo que corresponde a un incremento del 50% del área 
anterior (4800 cm2 por bandeja). Con estas nuevas dimensiones, los coches 
siguen siendo fácil de manejar, y lo más importante es que se reducirá el número 
de ciclos por ruta, ya que se abarca mucha más demanda por cada recorrido. 
 
La siguiente tabla muestra el costo en distancia, tiempo y dinero de la operación 
de picking con el tamaño de coche actual (capacidad para 24 referencias). 
 
Tabla 4 
 POR DIA 
 POR RUTA POR CICLO 
 Distancia Tiempo Dinero Distancia Tiempo Dinero 
 [Metros] [Minutos] [Pesos] [Metros] [Minutos] [Pesos] 
Ciclo 24 Ref 707 54 $ 4.503 176,75 13,5 $ 1.022 
 
 
La siguiente tabla muestra el costo en distancia, tiempo y dinero de la operación 
de picking con el tamaño de coche propuesto (capacidad para 36 referencias). 
 
Tabla 5 
 POR DIA 
 POR RUTA POR CICLO 
 Distancia Tiempo Dinero Distancia Tiempo Dinero 
 [Metros] [Minutos] [Pesos] [Metros] [Minutos] [Pesos] 
Ciclo 36 Ref 661 50 $ 3.783 220,3 16,6 $ 1.261 
 
 
La siguiente tabla muestra la diferencia en distancia, tiempo y dinero de la 
operación de picking, entre la utilización de coches actuales y propuestos. 
 
Tabla 6 
 POR DIA 
 POR RUTA POR CICLO 
 Distancia Tiempo Dinero Distancia Tiempo Dinero 
 [Metros] [Minutos] [Pesos] [Metros] [Minutos] [Pesos] 
Diferencia 46 4 $ 269 - 43,5 - 3,16 - $240 
 43
Con la utilización de este nuevo tamaño de coches, el promedio de ciclos por ruta 
queda reducido a un total de 3. Es importante aclarar que a pesar de que hubo un 
incremento en el tiempo y distancia utilizada por ciclo, presentada naturalmente 
debido al incremento de capacidad de carga de los coches, la distancia y el tiempo 
empleado en labores de picking, son reducidos en un 7%. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 44
12. EVALUACIÓN FINANCIERA DE LA PROPUESTA 
 
 
Para la primera alternativa, cuya implementación no involucra desembolso de 
dinero, el cálculo financiero se expresa a continuación: 
 
Para el cálculo de los costos, se tuvieron en cuenta los costos operativos de la 
empresa para labores de picking, así como el costo de la espera del 
concesionario, como se expresa a continuación: 
 
- Costo por concepto del tiempo que un operario dedica a recorrer el 
A.C.D.R. 
- Costo por concepto del tiempo de espera entre el momento en que un 
pedido entra en el sistema, hasta que se recibe el pedido por parte del 
cliente. 
 
 
El cálculo del costo por minuto se muestra a continuación: 
 
Tabla 7 
 MES AÑO 
Salario $ 720.000 $ 8.640.000 
 
Obligaciones 
Parafiscales 
Sena 2% $ 14.400 $ 172.800 
ICBF 3% $ 21.600 $ 259.200 
Caja de Compensación 
Familiar 4% $ 28.800 $ 345.600 
 
Obligaciones 
Prestacionales 
Cesantía 8,33% $ 59.976 $ 720.000 
Prima de Servicios 8,33% $ 59.976 $ 720.000 
Vacaciones 4,17% $ 30.024 $ 360.288 
Intereses sobre las 
Cesantías 1% $ 7.200 $ 86.400 
 
Obligaciones 
Sociales 
Salud (porción empresa) 8,50% $ 61.200 $ 734.400 
Pensión (porción 
empresa) 
12% $ 86.400 $ 1.036.800 
 
TOTAL $ 13.075.488 
 
 
A la empresa, cada minuto de trabajo de un operario, le está costando $75,67 
pesos. En promedio, el picking para cada ruta requiere de 54 minutos, y se 
realizan despachos para 6 rutas por día. Por esta razón, podría decirse que por 
 45
concepto de los ciclos de picking, la empresa incurre en costos diariamente de 
$24.517 pesos. 
 
Al implementar la propuesta, los operarios estarían realizando los ciclos en 51 
minutos en promedio. Por esta razón, al sacar la diferencia entre el tiempo de 
picking con la distribución actual y el tiempo de picking con la distribución 
propuesta, se obtiene un ahorro de aproximadamente 3 minutos por ruta, así como 
un ahorro de 29 metros por ruta. Al traducir esto a dinero, se tiene un ahorro de 
$990 pesos diariamente. En total, se ahorran $356.400 pesos anualmente. 
 
Se estima que el movimiento de los 5 estantes a su nueva posición puede tomar 
un tiempo de 1 hora, ya que son estantes que cuentan con 1 sola referencia, y no 
se encuentran anclados al piso, ya que estos estantes fueron colocados ahí de 
manera improvisada con el objetivo de economizar espacio, sin tener en cuenta 
que se sacrificaba tiempo. 
 
Por esta razón, el costo de la implementación es el asociado al tiempo de 
movimiento, que suma $4.540.2 pesos. Adicionalmente, el costo de un minuto de 
un “Ayudante de Mecánico” y un “Mecánico Automotriz Experto” es de $118,76 y 
$147,34 pesos respectivamente28. En un año, a un taller en el país le cuesta en 
promedio $9’196.426 pesos (incluyendo prestaciones sociales, parafiscales y 
sociales) mantener a estos 2 tipos de operarios sin realizar ningún trabajo, debido 
a la espera por 
 
Si se tiene en cuenta que un pedido se demora 5 días en promedio en todo el 
país, entre los 2 operarios se incurre en un costo de $638.640 por taller que 
requiere de un repuesto. 
De esta forma, se obtiene una relación 
to
beneficio
cos
 de 3,87%, con lo cual se 
evidencia la mejora, aunque mínima, en términos de dinero. 
 
 
En cuanto a la segunda alternativa, existe un monto, el cual debe ser 
desembolsado por la empresa, de $1’800.000 que corresponde a la fabricación de 
dos coches de carga de las nuevas dimensiones propuestas. 
Para esta alternativa, el indicador 
to
beneficio
cos
 es igual a 3,24%. 
 
 
 
 
 
 
28
 Consulta hecha a ACRIP en Investigación Nacional de Salarios y Beneficios 
 46
13. CONCLUSIONES 
 
 
Se realizó un estudio de mejoramiento de los recorridos que realizan los operarios 
en el A.C.D.R., haciéndose énfasis en 2 alternativas para hallar una mejora: La 
primera, en cuanto a la habilitación de rutas nuevas que interconecten la Zona 1 y 
la Zona 2. La segunda, fue evaluando la utilización de un coche con mayor 
capacidad de carga, mediante un incremento de un 50% de la capacidad actual. 
 
En cuanto a la primera alternativa, se llegó a las siguientes conclusiones: 
 
• Se alcanzó la combinación óptima de puentes habilitados para 
intercomunicar la Zona 1 con la Zona 2,por medio de la apertura de rutas o 
puentes entre los nodos 11 - 67, 19 - 62, 31 – 53, 34 – 49 y 38 – 47. 
 
• Es claro que en el Almacén Central de Repuestos de SOFASA – Toyota se 
han realizado numerosos estudios de distribución de estantes, obteniendo 
procesos estandarizados, y con poco lugar para hallar mejoras. Sin 
embargo, por el simple hecho de tan solo reorganizar 5 estanterías dio 
lugar a que se hallaran mejoras de tiempo (18 minutos / día) y distancias de 
recorrido (174 metros al día), lo cual se ve reflejado en ahorros de dinero 
$356.400 pesos anualmente). Estos ahorros de tiempo se sustentaron 
utilizando casos de prueba a través de software de simulación, 
evidenciando el ahorro. 
 
• Aún cuando la mejora obtenida es relativamente pequeña, teniendo en 
cuenta que la inversión de tiempo para implementar la propuesta es 
significativamente pequeña, la propuesta es altamente recomendable, ya 
que se obtiene un índice de 
to
beneficio
cos
del 3.87%. 
 
• Es de gran importancia actualizar los estantes debido a los cambios de 
demanda. Para esto, se debería realizar un estudio sobre la frecuencia de 
dicha organización, ya que reorganizar todo el Almacén resulta una tarea 
tediosa y complicada, sobretodo por la inversión de tiempo necesaria para 
mover todos los estantes. El problema radica en establecer la frecuencia 
para reorganizar el Almacén, de manera que el gasto invertido en tiempo 
sea compensado por el ahorro en tiempos de picking. Lo recomendable en 
este caso sería realizar el movimiento de los 5 estantes (debido a su baja 
inversión de tiempo y dinero), y en el momento que se amerite una 
actualización total de los estantes del almacén, se vuelva a realizar el 
estudio consignado en este trabajo, para de esta forma tener una 
organización más efectiva. 
 
 47
• Mediante la implementación de la propuesta, la empresa incrementa la 
productividad en la labor de picking en un 4.07%. 
 
• La solución planteada en esta alternativa presenta una mejora del 4.07% en 
ahorro de trayecto recorrido. Sin embargo, el ahorro solo tendrá ésta 
magnitud mientras la demanda de repuestos se comporte de la manera 
como se comportó en la muestra. A medida que pasen los años, las 
referencias van saliendo de circulación, y nuevas irán entrando. Esto 
cambiará datos como el histograma de frecuencias (que está condicionado 
a la situación actual), lo cual es un insumo para el modelo planteado en 
C++. Por esta razón, se recomienda correr el programa (C++) cuando la 
demanda cambie de tal manera que los tiempos de picking comiencen a 
crecer de manera constante a través del tiempo, de tal manera que el 
tiempo invertido en la reorganización de 5 estantes justifique el ahorro. 
 
 
En cuanto a la segunda alternativa, se llegó a las siguientes conclusiones: 
 
• Mediante la ampliación de la capacidad de los coches en un 50%, se logra 
reducir el tiempo empleado en picking en un 7%. 
 
• Al reducir el número de ciclos requeridos para completar una ruta, los 
operarios invierten un 25% más en tiempo en ciclos, pero esto es 
compensado ampliamente por la reducción del número de ciclos requeridos 
por ruta. En esta reducción hay un componente que genera una gran 
diferencia reflejada en los ahorros, y es la distancia que un operario debe 
recorrer desde el punto denominado “Fin” hasta el punto donde comienza el 
siguiente ciclo. Este número de desplazamientos es reducido, ya que esa 
es una de las consecuencias de reducir el número de ciclos. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 48
14. BIBLIOGRAFÍA 
 
 
• Ackoff, R. L. (Ed): Progress in Operations Research; John Wiley & Sons, 
Inc.; Nueva York, 1961. 
 
• ACRIP. Investigación Nacional de Salarios y Beneficios. Edición 2008 – 
2009. 
 
• Ballou, Ronald. Logística – Administración de la Cadena de Suministro. 
Quinta edición. Prentice Hall. México. 2004. 
 
• Coyle, J.J., Bardi, E.J. y Langley, C.J. 1996. The Management of Business 
Logistics, 6th Edition. West Publishing, St. Paul, MN. 
 
• Daniels, R., Rummel, J., Schantz, R. A model for warehouse order picking. 
School of Management, Georgia Institute of Technology, Atlanta, USA. 
1995. 
 
• Fábregas, A., Wadnipar, R., Paternita, C. y Mancilla, A. Simulación de 
Sistemas Productivos con Arena. Ediciones Uninorte. 
 
• Glover, F. y Kochenberger, G. Handbook of Metaheuristics. Kluwer 
Academic Publishers. USA. 2003. 
 
• Hillier, F. y Lieberman, G. Investigación de Operaciones. Editorial McGraw-
Hill. 2004. 
 
• Khoshnevis, B. Discrete Systems Simulation. McGraw-Hill. 1994. 
 
• Madrid, Mónica Eugenia. 2007. Cómo gestionar un Centro de Distribución. 
Revista Zona Logística. Edición 35. Pág. No.23 – 25. 
 
• Nahmias, S., Análisis de la producción y las operaciones, McGraw-Hill, 
México, 2007. 
 
• Niebel, Benjamín W. Ingeniería Industrial: Métodos, Tiempos y 
Movimientos. Ciudad de Méjico. Alfaomega. 1996. 
 
• Oficina del Censo de Estados Unidos, Statistical Abstract of the United 
States: 2001,121ª Ed. Washington DC, 2001. 
 
• Oficina Internacional del Trabajo. Introducción al Estudio del Trabajo. 
Ginebra. Impresión Couleurs Webers. 1971. 
 49
• Petersen, C. y Aase, G. A comparison of picking, storage and routing 
policies in manual order picking. College of Business, Northern Illinois 
University. DeKalk, Illinois, USA. 2002. 
 
• Russell, R. y Taylor, B. Operations Management. Cuarta Edición. Prentice 
Hall. 
 
• Stanley M. Weir, Order Selection. Nueva York: American Management 
Association, 1968. 
 
• Starr, M. y Millar, D. Control de Inventarios: Teoría y Práctica. Editorial 
Diana. México. 1981. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 50
GLOSARIO 
 
•••• Order: Orden de pedido que llega a la empresa. Contiene las referencias 
y las cantidades que se desean. 
•••• Picking: La acción que realiza un operario de seleccionar un artículo y 
depositarlo en el coche para consolidar una orden ó pedido. 
•••• Líneas: Referencias que maneja el almacén y compone una orden. 
•••• Kaizen: Término japonés para mejoramiento continuo. En SOFASA, un 
kaizen es una mejora como tal. 
•••• Código de Barras: Tecnología utilizada para realizar seguimiento de los 
artículos del inventario. 
•••• Estudio de Métodos, Tiempos y Movimientos: Herramienta de Ingeniería 
Industrial que conduce a un diagnóstico de la manera cómo se están 
realizando las acciones que componen una tarea específica. 
•••• Tiempo Estándar: Tiempo determinado estadísticamente que indica la 
duración que toma realizar cierta tarea. 
•••• Clases: Número de divisiones que se realizan para clasificar los 
elementos de un conjunto. 
•••• Routing: Es el trayecto tomado por un operario para realizar el picking. 
•••• Software: Herramientas informáticas. 
•••• Optimización: Herramienta de Ingeniería Industrial que busca hallar 
mejoras en una operación. 
•••• Ciclo: Es el recorrido que realiza un operario para recoger 24 líneas 
diferentes. 
•••• Picker: Operario que realiza el picking. 
•••• Layout: Disposición y/u ordenamiento de las estanterías del almacén de 
inventarios. 
•••• Punto de C/D: Punto de Carga y Descarga. En este punto los operarios 
comienzan su ruteo y al finalizarlo, descargan las líneas en dicho lugar. 
•••• Outsourcing: Tercerización de labores relacionados con la empresa. 
•••• Heurística: Algoritmo que permite encontrar una solución muy buena a 
un problema, en un tiempo razonable. 
•••• Stock: Inventario 
•••• Back Order: Cuando se envía un pedido incompleto, el resto es pedido 
al proveedor y enviado cuando esté disponible con mayor prioridad. 
•••• Ochos: Son aquellas líneas nuevas que no están en el sistema y no 
tienen una ubicación definida. 
•••• Nodos: Puntos definidos en un espacio finito a los cuales un operario 
debe llegar ó visitar. 
•••• Productividad: En este trabajo se mide como el tiempo utilizado para 
realizar cierta actividad. 
 
 
 51
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ANEXOS