Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Esta obra est´a bajo una Licencia
Creative Commons Atribuci´on
4.0 Internacional.
Tipo de art´ıculo: Art´ıculos originales
Tem´atica: Ingenier´ıa de software
Recibido: 26/12/2024 |Aceptado: 07/02/2025 |Publicado: 30/09/2025
Identificadores persistentes:
DOI: 10.48168/innosoft.s24.a268
ARK: ark:/42411/s24.a268
PURL: 42411/s24.a268
Evaluaci´on de Costos en la Gesti´on de Inventarios: Un
Estudio de Simulaci´on Basado en Python
Cost Evaluation in Inventory Management: A Simulation
Study Based on Python
Francisco Bencomo Murga1[0009-0001-2109-3096], Rosa Ma Amaya-Toral2[0000- 0002- 3277- 2721]*, Martha
Patricia Garc´ıa- Mart´ınez3[0000-0002-7275-0842]
1Tecnol´ogico Nacional de M´exico, Campus Chihuahua II. Ave. de las Industrias 11101.
M23550866@chihuahua2.tecnm.mx
2Tecnol´ogico Nacional de M´exico, Campus Chihuahua II. Ave. de las Industrias 11101.
rosa.at@chihuahua2.tecnm.mx
3Tecnol´ogico Nacional de M´exico, Campus Chihuahua II. Ave. de las Industrias 11101.
martha.gm@chihuahua2.tecnm.mx
∗Autor para correspondencia: rosa.at@chihuahua2.tecnm.mx
Resumen
Este art´ıculo presenta los resultados de un proyecto de investigaci´on cuyo objetivo fue dise˜nar un proceso de
simulaci´on a trav´es de un modelo estoc´astico-din´amico y la herramienta Jupyter Notebook con programa-
ci´on Phyton, para conocer y analizar el comportamiento de los costos asociados a un sistema de gesti´on de
inventarios con demanda estoc´astica y con revisi´on peri´odica, en una empresa distribuidora de nuez. Se reco-
pilaron datos sobre los costos de mantener el inventario, costos por faltante, costos de ordenar, la capacidad
del almac´en, los tiempos de entrega y de la demanda, correspondientes a los ´ultimos 6 meses. Los resultados
obtenidos revelaron que, en el horizonte de 3 meses, el costo operativo presenta un comportamiento parab´olico
en relaci´on con la demanda, que permite identificar el punto ´optimo o de equilibrio entre el inventario y los
costos promedio totales, dependiendo de una demanda incierta.
Palabras claves: Gesti´on de inventarios, Simulaci´on, Costos operativos, Demanda aleatoria, Optimizaci´on.
Abstract
This article presents the results of a research project whose objective was to design a simulation process using a
stochastic-dynamic model and the Jupyter Notebook tool with Phyton programming, to understand and analyze
the behavior of the costs associated with an inventory management system with stochastic demand and periodic
review, in a walnut distribution company. Data was collected on inventory holding costs, shortage costs, ordering
costs, warehouse capacity, delivery times and demand for the last 6 months. The results obtained revealed
that, over a 3-month horizon, the operating cost presents a parabolic behavior in relation to demand, which
allows identifying the optimal or equilibrium point between inventory and total average costs, depending on an
uncertain demand.
Keywords: Inventory management, Simulation, Operating costs, Random demand, Optimization.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
90
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Introducci´on
En los ambientes de fabricaci´on modernos, se adopta un enfoque que propone la integraci´on de los actores
de la cadena de valor, comprendiendo la cadena de suministro como la red de actores que colaboran a lo
largo de todo un proceso para adquirir, convertir, y entregar productos a los clientes [1], cuando F. W. Harris
en su art´ıculo [2] introdujo conceptos de los costos asociados al manejo de inventarios, comenz´o a manejarse
conceptos clave que priorizan la optimizaci´on de los recursos tal como “just in time” [3], concepto que propone
un recibo, proceso y entrega de bienes solo cuando son necesarios. No es de sorprender que Taiichi Ohno en
su libro [3] define el exceso de inventario como parte de los 7 desperdicios.
En la globalizaci´on y evoluci´on del comercio se comenz´o a adoptar contratos m´as rigurosos donde empezaron
a incluirse cl´ausulas para asegurar el suministro, a trav´es de medidas como multas por incumplimiento [4],
adem´as de la posible obsolescencia del inventario [5], crearon la necesidad de sistemas para el planificaci´on de
materiales MRP [6] y desarrollos donde se integra el MRP con procesos clave interdepartamentales a trav´es de
una base de datos com´un como lo es un ERP [7], panorama que permite estudios avanzados en la reducci´on
de costos.
Considerar diferentes aspectos en el an´alisis de inventarios como la recopilaci´on de datos, el modelado de
informaci´on, la experimentaci´on y la optimizaci´on resulta fundamental y crea una un ambiente con m´etodos
de simulaci´on [8]. Los lenguajes de programaci´on modernos otorgan numerosas funciones acompa˜nadas de
librer´ıas, como Numpy como una herramienta esencial para realizar operaciones matem´aticas [9], y Matplotlib
como una de las herramientas de visualizaci´on de datos que permiten una visualizaci´on de mayor popularidad
[10], lo que facilita la toma de decisiones basadas en datos precisos [11].
Materiales y m´etodos
Esta investigaci´on tiene su base en las 7 etapas para realizar el estudio de simulaci´on [12], esta plante una serie
de pasos clara que consta de:
1. Definici´on y an´alisis del sistema: Estudio preliminar para identificar interacciones, restricciones, va-
riables y relaciones dentro del sistema. Se crean diagramas de flujo y se definen las medidas de efectividad
y los resultados esperados.
2. Recolecci´on y an´alisis de datos: Se obtienen los registros necesarios para la experimentaci´on. Se
realizan pruebas de bondad de ajuste para confirmar su validez.
3. Implementaci´on del modelo: Mediante los datos recopilados se utiliza un simulador espec´ıfico para
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
91
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
crear el modelo y obtener resultados.
4. Verificaci´on y validaci´on: Se valida su exactitud mediante comparaci´on con datos hist´oricos y/o
pruebas a partir de los datos reales.
5. Experimentaci´on: Se procesan escenarios para analizar la variable de inter´es, y se comparan estad´ısti-
camente.
6. Interpretaci´on: Los resultados se someten a la interpretaci´on para apoyar la toma de decisiones.
7. Documentaci´on: La crea documentaci´on t´ecnica es para que el usuario sea capaz de utilizar del modelo
desarrollado.
De igual forma la simulaci´on de Monte Carlo [13] es fundamental para modelar la demanda aleatoria, as´ı como
identificar la distribuci´on de probabilidad de la variable aleatoria [14] y la generaci´on de n´umeros pseudoalea-
torios [15]. Y por medio de la definici´on de las caracter´ısticas principales de la simulaci´on, podremos emular
la relaci´on modelo-sistema, descrito en la Figura 1.
Figura 1. Esquema de la Simulaci´on relaci´on modelo-sistema
Fuente: Simulaci´on de sistemas con variables aleatorias para la toma de decisiones estrat´egicas [16].
Adem´as, Jupyter Notebook [17] se utiliza como herramienta complementaria en el an´alisis y visualizaci´on de
datos dentro del proceso de simulaci´on. La herramienta derivada de su interfaz interactiva permite combinar
c´odigo y resultados en un solo documento. Al integrar estas caracter´ısticas tiene como resultado la senci-
lla creaci´on de gr´aficos y visualizaciones din´amicas con el objetivo de interpretar los datos generados en la
simulaci´on.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
92
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Resultados y discusi´on
Para llevar a cabo este estudio, se recopilaron y analizaron datos relacionados con el sistema de inventarios de
la tienda distribuidora de nuez. El objetivo fue analizar el comportamiento del inventario, as´ı como los costos
asociados a su gesti´on. A continuaci´on, se presenta un desglose de las variables, elementos de flujo, eventos y
actividades analizadas:
Variable de estado
Inventario promedio diario en almac´en: Representa el nivel promedio de existencias disponibles en la
bodega de la tienda.
Elementos de flujo
Clientes: Se consideran las interacciones entre los clientes y la tienda, ya que generan la demanda de
nuez, afectando el inventario.
Eventos
Entregas del proveedor de nuez: Cada vez que se recibe un pedido del proveedor, se actualiza el nivel de
inventario.
Demanda de nuez por el cliente: La demanda diaria de los clientes impacta directamente en el consumo
del inventario.
Ventas de nuez al cliente: Las ventas concretadas reflejan el nivel de inventario disponible para satisfacer
la demanda.
Actividades
C´alculo de los costos: Se analizaron los costos asociados al manejo del inventario, incluyendo costos de
ordenar, mantenimiento de inventarios y costos por faltantes.
Datos identificados tras el an´alisis
En la Tabla 1 se presentan los datos recopilados y su descripci´on.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
93
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Tabla 1. Recopilaci´on de datos
Variable/Par´ametro Valor Descripci´on
Costo por kilo faltante $6/kg Representa el costo asociado a cada kilo de nuez
que no se puede surtir debido a la falta de in-
ventario.
Costo de mantener in-
ventario
$1/kg Costo diario por mantener un kilo de nuez en el
almac´en, considerando almacenamiento y dete-
rioro.
Costo de ordenar $1,000/orden Costo fijo asociado al procesamiento y recepci´on
de cada pedido realizado a la planta.
Capacidad del almac´en 700 kg M´aximo nivel de almacenamiento disponible en
la tienda distribuidora de nuez.
Demanda diaria prome-
dio
100 kg/d´ıa Resultado del an´alisis de datos hist´oricos, ajus-
tado a una distribuci´on exponencial.
Distribuci´on ajustada Exponencial Tras el estudio, se determin´o que la demanda
diaria sigue una distribuci´on exponencial con
una media aproximada de 100 kg/d´ıa.
Duraci´on del horizonte
de an´alisis
3 meses El estudio cubre un periodo de 90 d´ıas para ana-
lizar el comportamiento del sistema de inventa-
rios.
En la Figura 2 se presenta la estad´ıstica descriptiva de la muestra de la demanda diaria, la cual present´o una
media aproximada de 100 kg/d´ıa, despu´es de analizar una muestra de 500 datos de demanda diaria hist´orica.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
94
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Figura 2. Estad´ıstica descriptiva de la muestra de la demanda diaria
En la Tabla 2 se presentan los datos obtenidos en la muestra de la demanda diaria.
Tabla 2. Muestra de demanda diaria
Muestra
94.51546 118.7982 15.64874 121.565 68.77748 99.33722 143.0744 11.9107 48.58899 19.05385
191.4297 189.9046 23.93825 249.0144 299.428 154.6956 150.797 61.28484 579.8561 74.68035
173.2176 173.0497 292.0734 32.0958 238.2213 137.8475 320.1655 52.11956 7.550695 37.69048
15.70868 40.70482 66.75163 454.9824 35.73748 93.25901 14.75634 265.4549 38.21153 15.01969
362.7232 22.62785 71.82764 102.624 8.200903 37.8673 78.18447 250.053 68.44956 41.8764
14.9179 35.49725 172.8812 133.5961 33.59608 11.73453 51.42106 129.3228 70.10192 227.9646
303.7075 42.47138 27.58979 8.640979 101.0079 6.313158 92.92795 148.0169 38.21503 64.77328
215.8853 82.58373 6.481566 3.356358 92.63399 86.52622 73.43662 222.7117 85.7902 63.38144
52.89019 16.78673 198.688 76.71275 40.17619 47.35728 39.86584 28.224 193.3928 140.1268
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
95
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Muestra (continuaci´on)
366.687 31.96797 83.82042 170.7873 125.3418 81.08312 189.2522 6.272239 29.25954 214.7161
41.29754 139.6883 167.5212 195.8719 452.0335 40.28273 22.03913 99.52419 46.65145 310.4723
96.82739 165.0408 110.9355 121.1491 10.88773 0.022515 273.1238 162.1561 28.07127 140.7365
55.74271 175.4918 106.5656 1.453514 0.011984 59.53359 31.70186 70.54427 40.58554 2.762985
127.3696 165.0304 112.6549 47.74235 172.5558 2.460621 153.9127 21.77082 50.66258 71.46932
82.52595 139.5836 296.183 20.45867 32.49367 160.3205 35.45286 52.35182 523.0415 20.37547
3.518948 38.0858 43.98597 130.5749 11.52934 35.8359 9.074489 28.01135 47.62586 19.36477
16.27006 32.73579 2.379624 1.549542 130.023 9.934096 133.9065 64.57727 171.1328 201.4601
5.802132 199.6584 17.33652 52.69217 135.7307 8.499276 11.66827 56.38876 2.489601 12.64244
293.877 111.024 28.91124 47.46267 44.97882 189.1713 199.18 8.38683 35.13978 1.209543
1.693917 8.605975 63.65713 167.7813 75.64899 130.9867 14.92928 13.69917 226.1559 63.88397
155.5998 448.1557 106.2246 16.0503 227.1482 55.73818 25.91666 73.77852 123.7597 99.60135
100.095 189.0564 116.6273 68.64868 49.07011 236.8454 75.87236 46.94613 76.55877 58.82895
54.06267 2.600717 125.052 94.10812 72.05941 130.0215 33.85594 133.908 36.88977 58.95629
34.95017 120.7459 19.69447 24.55689 44.84681 207.5409 12.51909 34.4713 105.5966 198.0094
86.89389 303.4525 16.38928 68.03903 47.21014 116.1099 2.969733 126.5566 43.86277 21.36175
53.65738 25.73809 68.38981 20.1044 88.35913 73.30528 81.83323 100.3121 336.5323 7.521093
95.52879 102.4619 50.45682 66.24411 43.07104 91.27893 167.6059 22.07979 544.4813 2.584348
85.8034 15.44131 150.931 66.57596 33.37697 211.2475 16.41069 51.24405 34.3472 26.80239
50.82956 63.6441 69.81053 353.1045 95.01013 322.2444 74.21268 313.572 149.3588 62.95014
18.16602 362.459 9.766895 62.25364 8.392936 86.64813 20.41264 25.28039 41.54288 122.5234
5.326328 27.0846 88.0052 71.9236 95.05271 116.6738 59.4014 297.6911 67.3018 215.6496
75.11473 131.3661 14.5113 9.174214 168.3012 112.078 58.8355 44.87328 463.0974 34.60068
11.70106 142.2077 51.67987 12.79202 50.90869 123.8248 117.9386 36.1458 15.37464 72.49924
165.7896 122.2396 337.6097 2.834759 30.41483 35.89647 185.598 40.35986 97.33532 9.0145
143.4942 98.51731 33.40249 7.081714 162.9039 192.8692 110.8125 23.80205 69.27737 2.602964
23.95523 143.326 74.32816 107.9936 236.184 7.597678 121.3909 145.1726 46.33231 5.59146
38.26449 65.37195 37.87535 210.2652 178.8026 107.5998 246.6884 114.1643 55.68836 68.41041
88.52496 22.43852 24.03912 93.65721 1.862547 62.45278 87.24892 77.50366 150.1503 76.90143
1.241401 39.74904 350.2009 12.61078 176.6815 150.743 30.23888 311.0483 27.29628 54.15124
4.134867 1.160998 75.73772 90.5463 148.8628 303.1009 293.8398 80.09548 177.8939 250.6495
55.12862 52.93751 48.90066 127.8575 273.8649 63.84643 6.492385 37.96826 122.0039 13.62424
24.05522 62.18507 203.4552 69.18992 145.1417 88.82025 15.36746 2.104748 73.19394 30.94043
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
96
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Muestra (continuaci´on)
17.3692 132.7105 12.61994 185.0719 82.83608 21.46619 1.738576 287.1485 31.20761 1.821865
197.4442 113.4723 57.1234 119.3742 61.60252 8.573763 160.7592 182.7649 23.40762 63.02848
201.4984 83.94929 5.376347 156.3762 428.2299 39.03004 170.0923 11.20205 518.0814 135.242
167.4853 83.80657 59.23607 107.9399 169.9779 41.9 417.8919 18.20035 24.68239 118.9538
28.08057 26.26758 124.2852 102.7178 116.4919 28.47207 167.3517 76.99023 149.371 44.51512
180.9228 125.172 16.90211 55.05045 12.72938 214.078 49.56528 68.32127 478.4201 343.5402
13.23096 72.84194 45.42073 382.9963 33.04857 35.62046 68.82331 110.8477 178.1472 39.69928
175.1843 37.56482 152.6663 29.59187 88.17762 65.04477 57.80299 123.6719 0.758726 26.06221
Con los datos recopilados, despu´es de someterlos a una prueba de Bondad de Ajuste, con un nivel de signi-
ficancia del 5 %, presentaron el ajuste a la Distribuci´on Exponencial con una media de 99.9699 kg., el cual
se utiliz´o para el an´alisis posterior. La Figura 3 muestra un fragmento de c´odigo que simula la gesti´on de
inventarios, considerando costos y demandas diarias. A continuaci´on se describe el funcionamiento de cada
parte del c´odigo:
Figura 3. Definici´on de par´ametros en Jupyter Notebook
Inicializaci´on de variables:
1. inventario y costo total se usan para registrar los valores de inventario y costos diarios.
2. demanda diaria genera las demandas diarias de manera aleatoria.
3. inventario actual representa el inventario disponible en el d´ıa actual.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
97
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
4. costo acumulado lleva un registro del costo total acumulado.
Ciclo de simulaci´on:
1. Por cada d´ıa (for dia in range (dias simulacion)), se calcula la demanda del d´ıa.
2. Reposici´on de inventario: Cada 7 d´ıas, se realiza un pedido para rellenar el inventario hasta su capacidad
m´axima, a˜nadiendo el costo de ordenar.
3. Actualizaci´on de inventario: Se descuenta la demanda diaria del inventario disponible.
4. Costo por faltantes: Si el inventario llega a ser negativo, se calcula el costo por productos no disponibles.
5. Costo por mantener inventario: Se a˜nade un costo diario proporcional al inventario restante.
Almacenamiento y c´alculo de resultados: Se guardan los valores diarios en listas (inventario y costo total).
La Figura 4 contiene los visuales de la simulaci´on en Jupyter, que consiste en dos gr´aficos que describen el
comportamiento del inventario y de los costos, en una simulaci´on de gesti´on de inventarios, representando la
estabilizaci´on, la cual indica estabilidad en el resultado final obtenido.
Figura 4. Visuales de la simulaci´on en Jupyter Notebook
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
98
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Despu´es de un n´umero determinado de r´eplicas, se puede analizar el impacto de diferentes estrategias de
inventario en los costos operativos de la empresa.
En la etapa de verificaci´on se simul´o el comportamiento de inventarios y c´alculo del costo total promedio diario
a lo largo de varias r´eplicas. Las estad´ısticas descriptivas obtenidas para el costo total promedio diario, tras
5 r´eplicas muestran que el valor promedio fue de $590.30, lo que indica un costo general aproximado en la
simulaci´on. La mediana, fue de $575.24, refleja el valor central de los costos diarios, lo que sugiere que la
mitad de los valores est´an por encima de este valor y la otra mitad por debajo. Los resultados se muestran en
la Figura 5.
Figura 5. Estad´ısticas descriptivas de las r´eplicas.
En la fase de experimentaci´on, se modificar´a la media de la demanda entrante para analizar c´omo afecta el
comportamiento del sistema de inventarios y los costos asociados. Al ajustar la media de la demanda, se podr´a
observar c´omo los cambios en la cantidad de nuez solicitada por los clientes impactan el inventario diario, la
frecuencia de pedidos y los costos por faltantes y mantenimiento. Este enfoque permitir´a evaluar la sensibilidad
del sistema ante variaciones en la demanda, ayudando a identificar estrategias m´as eficientes para optimizar
el control de inventarios y reducir costos en diferentes escenarios.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
99
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Figura 6. Gr´afico de sensibilidad a la demanda variable.
En la Figura 6, seg´un el experimento, consisti´o en mantener en el eje X la demanda media diaria y en el
eje Y el costo promedio diario, donde se puede observar que, a medida que la demanda diaria var´ıa, el costo
promedio diario se comporta de manera no lineal, siguiendo una forma similar a una par´abola, lo que permite
visualizar el punto m´ınimo en el cual el costo suele ser el ´optimo (menor), lo cual ocurre con una demanda
aproximada de 100 kg./d´ıa.
Conclusiones
La simulaci´on permiti´o evaluar la relevancia de diferentes factores del sistema de inventarios en los costos
operativos y se considera una herramienta ´util para analizar diferentes casos. Como se observ´o en la Figura 6,
el costo promedio diario que se asocia a gesti´on del inventario tiene un comportamiento parab´olico en relaci´on
con la demanda.
A niveles bajos de demanda, los costos aumentan debido a los costos fijos de mantener inventario y costo
por faltantes. Sin embargo, al aumentar la demanda hasta un punto adecuado, los costos tienden a disminuir
debido a una mejor optimizaci´on en la gesti´on del inventario, por otro lado, cuando la demanda supera ese
nivel ´optimo, los costos aumentan nuevamente debido a factores como el coste por mantener sobre inventario,
arriesg´andonos a nuevos costos no considerados en el modelo, como la fecha de caducidad de los productos al
tratarse de inventario para el consumo.
El comportamiento indica la importancia de encontrar un equilibrio adecuado entre la demanda y los niveles
de inventario, para maximizar la eficiencia operativa y minimizar los costos.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
100
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
Contribuci´on de Autor´ıa
Francisco Bencomo Murga: Investigaci´on,Software,An´alisis formal,Recursos,Visualizaci´on,Validaci´on,Re-
dacci´on - borrador original. Rosa Ma Amaya Toral: Conceptualizaci´on,Metodolog´ıa,Administraci´on de pro-
yectos,Escritura, revisi´on y edici´on. Martha Patricia Garc´ıa Mart´ınez: Supervisi´on,Curaci´on de datos.
Referencias
[1] D. Ivanov, Global supply chain and operations management: A decision-oriented introduction to the crea-
tion of value, 1st ed. New York, NY: Springer Berlin Heidelberg, 2018.
[2] F. W. Harris, “How many parts to make at once,” Factory, The Magazine of Management, vol. 10, pp.
135–136, 1913.
[3] T. Ohno, Toyota production system: beyond large-scale production. Cambridge, Mass: Productivity Press,
1988.
[4] M. Christopher, Logistics & supply chain management, 4th ed. Harlow: Financial Times Prentice Hall,
2011.
[5] F. Campuzano-Bolar´ın, F. Mar´ın-Garc´ıa, J. A. Moreno-Nicol´as, M. Bogataj, and D. Bogataj, “Supply
chain risk of obsolescence at simultaneous robust perturbations,” Sustainability, vol. 11, no. 19, p. 5484,
oct 2019.
[6] C. A. Ptak, C. Smith, and J. Orlicky, Orlicky’s material requirements planning, 3rd ed. New York:
McGraw-Hill, 2011.
[7] F. Robert Jacobs and F. C. T. Weston, “Enterprise resource planning (erp)—a brief history,” J of Ops
Management, vol. 25, no. 2, pp. 357–363, mar 2007.
[8] D. F. Mu˜noz and D. Villafuerte, “An´alisis de la entrada en simulaci´on estoc´astica,” Inf. tecnol., vol. 26,
no. 1, pp. 13–22, 2015.
[9] “Numpy,” https://numpy.org/, accedido: 17 de marzo de 2025.
[10] “Matplotlib — visualization with python,” https://matplotlib.org/, accedido: 17 de marzo de 2025.
[11] M. E. J. Barzola, “Desarrollo de un sistema de control de procesos de entrada y salida de productos con
el uso de lenguaje de programaci ´
On java,” 2015.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
101
Revista Innovaci´on y Software
Vol. 6, No. 2, Mes Septiembre - Febrero, 2025
ISSN: 2708-0935
P´ag. 90-102
https://revistas.ulasalle.edu.pe/innosoft
[12] E. Jim´enez, M. P´erez, and F. Sanz, “Modelado y simulaci´
On de sistemas log´
Isticos y de producci ´
On
mediante redes de petri.”
[13] “¿qu´e es la simulaci´on de monte carlo? - explicaci´on de la simulaci´on de monte carlo - aws,” https:
//aws.amazon.com/es/what-is/monte-carlo-simulation/, accedido: 17 de marzo de 2025.
[14] “M´etodos y f´ormulas para la distribuciones de probabilidad - minitab,” https://support.minitab.
com/es-mx/minitab/help-and-how-to/probability-distributions-random-data-and-resampling-analyses/
how-to/probability-distributions/methods-and-formulas/methods-and-formulas/, accedido: 17 de marzo
de 2025.
[15] C. C. C. Alberto and M. M. A. Iv´an, “Uso y evaluaci´on de mapas log´ısticos ca´oticos en generadores de
n´umeros pseudo-aleatorios.”
[16] M. D. C. Arg¨uelles Arellano, “Simulation of systems with random variables for making strategic decisions,”
CyS, vol. 27, no. 3, sep 2023.
[17] “Jupyter notebook documentation — jupyter notebook 7.4.0b1 documentation,” https:
//jupyter-notebook.readthedocs.io/en/latest/, accedido: 17 de marzo de 2025.
Facultad de Ingenier´ıa
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
102
