Mejora del proceso de pronóstico de demanda en productos de consumo masivo en el mercado nacional de Agrosuper, mediante un enfoque de rediseño de procesos y la aplicación de técnicas de Deep Learning

Abstract

El presente trabajo de título se realiza en la subgerencia de Planificación Comercial (PC) de la Cadena de Suministro (CDS) de la empresa Agrosuper, esta compañía es un holding de empresas alimentarias dedicadas a la producción, faena, distribución y comercialización de alimentos cárnicos frescos y congelados de cerdo, aves, salmones y productos procesados. Uno de los aspectos más relevantes para la CDS en temas de gestión de su cadena de valor es la previsión de demanda, la cual toma suma relevancia a la hora de establecer la planificación comercial y de operaciones tanto a nivel táctico(mensual), como operacional(semanal). La problemática que se aborda en este trabajo son los errores en la predicción de demanda y cómo apuntar a disminuir estos, ya que los niveles de precisión no son los óptimos y según datos de los últimos dos años el coeficiente de variación de la demanda escala en promedio a un valor del 35%. Actualmente, la demanda se pronostica mediante la ejecución del modelo de gestión de S&OP, y según indicadores relevantes (MAPE) que miden la efectividad de esta componente se aprecia que en los últimos meses ha logrado sobrepasar la meta dada por un error de un 18%. La principal hipótesis por validar es si se están ocupando o no los métodos de predicción correctos en el proceso. El enfoque de este proyecto combina metodologías de rediseño de procesos de negocios y de minería de datos, tiene como principal objetivo mejorar el proceso de estimación de demanda, de manera que esto se traduzca en una optimización de las previsiones de demanda en productos de consumo masivo del mercado nacional. Para esto, se comienza definiendo el marco teórico, se realiza un levantamiento de la situación actual del proceso y de los modelos, para luego proponer mejoras a las prácticas actuales. Además, en base a un plan piloto se mide la efectividad de las proyecciones con métodos de aprendizaje automático (RNA) respecto a métodos tradicionales provistos por SAP IBP, llegando a la conclusión que en el 31% de los casos de previsión del mes de Noviembre se logró un mejor desempeño con este tipo de algoritmo. En particular, se divisa la oportunidad de incorporar esta metodología de predicción en los negocios de carnes de cerdo y de pollo, debido a que estos sectores tuvieron un mejor desempeño en el plan piloto. Finalmente, se hace una evaluación económica del proyecto, donde se estima que esta oportunidad representa un negocio rentable para la CDS con un VAN de $25.000.000 aproximadamente, además de entregar una solución innovadora dentro de la industria que puede potencialmente en el largo plazo posicionar a Agrosuper con una ventaja competitiva en el mercado.