Medellín - Minas - Maestría en Ingeniería - Ingeniería de Sistemas · 2026
Evaluación del potencial de reducción del efecto Látigo en cadenas de suministro: un enfoque híbrido de machine learning y dinámica de sistemas
Evaluación del Potencial de Reducción del Efecto Látigo en Cadenas de Suministro: Un Enfoque Híbrido de Machine Learning y Dinámica de Sistemas: El efecto látigo es uno de los principales problemas en la gestión de cadenas de suministro, al generar amplificación de la variabilidad de la demanda, inestabil idad en los inventarios y las consecuentes pérdidas de eficiencia operativa. Considerando las nuevas herramientas de analítica avanzada para el pronóstico de la demanda y dinámica de sistemas, en este trabajo se hace el análisis y modelamiento del comportamiento de la cadena de suministro de una empresa manufacturera colombiana, evaluando el potencial de mitigación del efecto látigo mediante la integración de dichas herramientas. El estudio adopta un enfoque de modelación y simulación aplicado a un caso real, utilizando datos históricos mensuales de ventas, pedidos e inventarios de un mayorista representativo anónimo. En una primera etapa, se desarrolló un modelo de Dinámica de Sistemas que reproduce el funcionamiento actual de la cadena bajo políticas tradicionales de reposición. Posteriormente, se incorporó una señal anticipativa de demanda generada a partir de modelos predictivos, la cual se integró al sistema dinámico para simular un escenario híbrido en un horizonte de 24 meses. Los resultados muestran que la incorporación de una señal de demanda anticipativa contribuye a reducir la amplificación de la variabilidad aguas arriba, disminuye los indicadores del efecto látigo y estabiliza los niveles de inventario, sin modificar la estructura causal del sistema. Se concluye que la mitigación del efecto látigo puede lograrse mediante intervenciones informacionales basadas en analítica avanzada, siempre que exista una adecuada disponibilidad y calidad de los datos de demanda. (Texto tomado de la fuente)
Texto completo 94 páginas con texto de 96
Leer la tesis completa Ficha en el repositorio
Contenido
- Contexto organizacional y caracterización del problemap. 17
- Compañía Pp. 17
- Cadena de suministrop. 18
- 1.2.1 Definición del alcancep. 20
- Planeación de la producciónp. 21
- Altos niveles de inventariosp. 22
- Marco teórico y estado del artep. 23
- Conceptos fundamentales de la cadena de suministrop. 23
- El efecto látigo (Bullwhip Effect)p. 24
- Dinámica de sistemasp. 13
- Machine Learningp. 13
- Enfoque híbridop. 27
- Estado del arte y brechas de investigaciónp. 29
- Metodologíap. 31
- Proceso de modelación y simulaciónp. 31
- Fases metodológicasp. 32
- Contexto del caso y datos utilizadosp. 34
- 4.1.1 Severidad del efecto látigop. 36
- 4.1.2 Disponibilidad y calidad de los datosp. 39
- 4.1.3 Representatividad del problemap. 41
- 4.1.4 Comparación con otros sujetosp. 42
- Modelo de dinámica de sistemasp. 43
- 4.2.1 Diagrama causalp. 45
- 4.2.2 Diagrama de flujos y niveles basep. 46
- 4.2.3 Formulación matemática del modelo dinámicop. 48
- 4.2.4 Validación del modelo de Dinámica de Sistemasp. 50
- Modelo predictivo de demandap. 53
- 4.3.1 Preparación y análisis de serie temporalp. 54
- 4.3.2 Entrenamiento de modelos predictivosp. 61
- 4.3.3 Validación temporal y prevención de fuga de informaciónp. 63
- 4.3.4 Selección del modelo y generación de pronósticosp. 65
- Integración del modelo híbridop. 68
- 4.4.1 Construcción del escenario basep. 69
- 4.4.2 Integración del modelo predictivo en el modelo SDp. 70
- 4.4.3 Definición de escenarios de simulaciónp. 71
- 4.4.4 Métricas de evaluación del efecto látigop. 72
- 4.4.5 Procedimiento de comparación y análisisp. 73
- Resultados del escenario híbrido y efectos sobre la dinámica del sistemap. 75
- Resultados del escenario basep. 75
- Resultados del escenario híbridop. 77
- Comparación de escenarios y cuantificación del efecto látigop. 79
- 5.3.1 Comparación de la variabilidad de las señales del sistema (CV)p. 79
- 5.3.2 Comparación de los indicadores del efecto látigo (BWE)p. 81
- 5.3.3 Análisis comparativo de inventarios y estabilidad operativap. 83
- Análisis comparativo de la dinámica del sistemap. 84
- Conclusiones, implicaciones y limitacionesp. 86
- Conclusiones generalesp. 86
- Contribución metodológicap. 87
- Implicaciones prácticas para la Compañía Pp. 88
- Limitaciones del estudiop. 89
- Oportunidades del estudiop. 90
- Figura 1-1: Unidades de negocio compañía Pp. 17
- Figura 1-2: Cadena de suministro compañía P (Fuente: Elaboración propia)p. 19
- compañía Pp. 17
- Figura 2-1: Ciclo de integración de modelos SD y ML (fuente: elaboración propia)p. 28
- Figura 4-1: Distribución días inventario vs valor inventario de clientes consistentesp. 35
- Figura 4-2: Históricos días de inventario Mayorista 2p. 37
- Figura 4-4: proceso iterativo de modelamiento (Fuente: Sterman 2000)p. 44
- (Fuente: Elaboración Propia)p. 46
- cadena de suministro analizada (Fuente: Elaboración propia)p. 47
- deseado igual a cero días en el Mayorista 2p. 51
- Mayorista 2p. 52
- mayorista seleccionadop. 58
- Figura 4-10: Análisis Q-Q Prueba de normalidadp. 58
- Figura 4-11: Función de autocorrelación (ACF)p. 60
- meses generada mediante una Red Neuronal Recurrente (RNN)p. 68
- el escenario basep. 76
- Figura 5-2: Simulación escenario híbrido mayorista 2p. 78
- híbridop. 79
- con políticap. 80
- Figura 5-5: Efecto látigo (BWE) modelo base VS modelo hibridop. 82
- Figura 5-6: Comparación niveles de inventario modelo base VS modelo híbridop. 83
- Tabla 4-1: Estadísticas descriptivas del conjunto de datos Mayorista 2p. 36
- Tabla 4-2: Conjunto de datos Ventas Mayorista 2p. 55
- Tabla 4-3: Pruebas de estacionariedad de la demanda mensual del Mayorista 2p. 59
- Tabla 4-4: Configuración final de hiperparámetros de los modelos predictivosp. 64
- demanda bajo un esquema experimental comúnp. 66
- utilizada en la investigaciónp. 73