Resumen de Algoritmo Genético para solucionar problemas de Inventarios en Pymes

Steven Castillo Ponce, Ana Maria Lino, Clelia Sánchez Suango

• español

  Este estudio tiene como objetivo minimizar los costos de las ventas de la tienda “Candies” debido a la acumulación de los productos en stock. Esta problemática se da a partir de la realización de pedidos quincenales constantes por cantidades fijas, sin tomar en cuenta la variabilidad de la demanda. Se plantea entonces la alternativa de implementar un Algoritmo Genético (GA) en Microsoft Excel mediante Visual Basic para Aplicaciones y Macros para realizar una proyección correspondiente al inventario del año 2020, en el que se determine la cantidad de unidades por las que debe hacerse cada reabastecimiento. Para la aplicación del algoritmo se toman los datos históricos de la demanda de los tres años anteriores: 2017, 2018 y 2019; cabe mencionar que se aplica simulación de Montecarlo para generar los datos del segundo semestre del año 2019. Como resultado se obtuvo una reducción de aproximadamente 100 productos y más menos $70 dólares con respecto a los años anteriores, lo que significa un aumento del 18% en los beneficios anuales de los productos. En conclusión, la proyección generada con el algoritmo genético provee una reducción significativa de los costos de ventas, ya que reduce la cantidad de productos que usualmente se desperdician dada su caducidad antes de ser despachados. Automatizar la implantación del AG mediante Macros y Visual Basic reduce los tiempos de ejecución y el esfuerzo computacional.

• English

  The objective of this study is to minimize the costs of the sales of the “Candies” store due to the accumulation of products in stock. This problem arises from the realization of constant fortnightly orders for fixed quantities, without taking into account the variability of demand. The alternative is then proposed to implement a Genetic Algorithm (GA) in Microsoft Excel using Visual Basic for Applications and Macros to carry out a projection corresponding to the inventory of the year 2020, in which the number of units for which each replenishment must be made is determined. . For the application of the algorithm, the historical data of the demand of the previous three years are taken: 2017, 2018 and 2019; It is worth mentioning that Monte Carlo simulation is applied to generate the data for the second semester of 2019. As a result, a reduction of approximately 100 products and more than $ 70 dollars was obtained with respect to previous years, which means an increase of 18% in the annual benefits of the products. In conclusion, the projection generated with the genetic algorithm provides a significant reduction in sales costs, since it reduces the amount of products that are usually wasted given their expiration before being dispatched. Automating AG deployment using Macros and Visual Basic reduces execution times and computational effort.