Propuesta de mejora del nivel de atención de pedidos entregados a tiempo y completos en el proceso de despacho aplicando Lean Warehousing y Machine Learning en una empresa farmacéutica

Abstract

El presente estudio aborda el problema del bajo nivel de atención de pedidos entregados a tiempo y completos por parte del almacén central hacia las 7 boticas de la empresa farmacéutica. El problema fue medido mediante el indicador OTIF (On Time-In Full), que resultó en un 64.70%, muy por debajo del promedio del sector del 93%. Esto generó un impacto económico de S/ 41,120, representando el 4.86% de las ventas en 2024. Para abordar este problema, se propuso un modelo de solución que integra herramienta de machine learning y Lean Warehousing como el modelo de pronóstico LSTM (Long Short-Term Memory), el modelo de cantidad económica de pedido (EOQ) y el conteo cíclico, con el objetivo de mejorar la gestión de inventario y Slotting con la estandarización de trabajo para optimizar los procesos de picking y almacenamiento. La implementación del modelo se desarrollará en tres meses con una inversión total de S/. 16,794. Estas herramientas se validaron mediante simulación, donde se obtuvo como resultado esperado el incremento del OTIF en 20.3%. Asimismo, mediante la evaluación económica se espera un Valor Presente Neto (VAN) de S/. 19,902 y una Tasa Interna de Retorno (TIR) de 60%, con un Periodo de Retorno de la Inversión Financiera (PRDF) de un año y diez meses, lo que indica la sostenibilidad financiera del modelo de solución propuesto.

This study addresses the issue of the low level of on-time and complete order fulfillment by the central warehouse to the company's seven pharmacies. The problem was measured using the OTIF (On Time-In Full) indicator, which resulted in 64.70%, significantly below the industry average of 93%. This generated an economic impact of S/ 41,120, representing 4.86% of sales in 2024. To address this issue, a solution model was proposed that integrates machine learning tools and Lean Warehousing practices, including the LSTM (Long Short-Term Memory) forecasting model, the Economic Order Quantity (EOQ) model, and cycle counting. The objective is to improve inventory management and slotting through standardized work processes to optimize picking and storage operations. The model will be implemented over three months with a total investment of S/. 16,794. These tools were validated through simulation, resulting in an expected increase in OTIF by 20.3%. Additionally, the economic evaluation estimates a Net Present Value (VAN) of S/. 19,902 and an Internal Rate of Return (TIR) of 60%, with a Financial Investment Payback Period (PRDF) of one year and ten months, indicating the financial sustainability of the proposed solution model.