Inventory management in food companies with statistically dependent demand. Issue 4 (7th November 2016)

• Record Type: Journal Article
• Authors: Rojas, Fernando; Leiva, Victor
• Is Part Of: Academia. Volume 29:Issue 4(2016)
• Page Start: 450
• Page End: 485
• Publication Date: 2016-11-07
• Subjects: Contribution margins -- Multivariate distribution -- Optimization methods -- Probabilistic inventory models -- Statistical dependence; dependencia estadística -- distribuciones multivariantes -- márgenes de contribución -- modelos de inventarios probabilísticos -- métodos de optimización -- modelos de inventarios probabilísticos; Management -- Periodicals; Management -- Latin America -- Periodicals; Finance -- Periodicals; Finance -- Latin America -- Periodicals; 658.005
• DOI: 10.1108/ARLA-12-2015-0336
• Languages: English
• ISSNs: 2056-5127

Abstract

Abstract : Purpose: The objective of this paper is to propose a methodology based on random demand inventory models and dependence structures for a set of raw materials, referred to as "components", used by food services that produce food rations referred to as "menus". Design/methodology/approach: The contribution margins of food services that produce menus are optimised using random dependent demand inventory models. The statistical dependence between the demand for components and/or menus is incorporated into the model through the multivariate Gaussian (or normal) distribution. The contribution margins are optimised by using probabilistic inventory models for each component and stochastic programming with a differential evolution algorithm. Findings: When compared to the non-optimised system previously used by the company, the (average) expected contribution margin increases by 18.32 per cent when using a continuous review inventory model for groceries and uniperiodic models for perishable components (optimised system). Research limitations/implications: The multivariate modeling can be improved by using (a) other non-Gaussian (marginal) univariate probability distributions, by means of the copula method that considers more complex statistical dependence structures; (b) time-dependence, through autoregressive time-series structures and moving average; (c) random modelling of lead-time; and (d) demands for components with values equal to zero using zero-inflated or adjusted probability distribution. Practical implications: Professional management of the supply chain allows the users to register data concerning component identification, demand, and stock levels to subsequently be used with the proposed methodology, which must be implemented computationally. Originality/value: The proposed multivariate methodology allows it to describe demand dependence structures through inventory models applicable to components used to produce menus in food services. Abstract : Propuesta: Este trabajo propone una metodología basada en modelos de inventarios con demanda aleatoria y estructura de dependencia para un conjunto de materias primas, denominadas "componentes", usadas por servicios de alimentación que producen raciones alimenticias denominadas "menús". Diseño/Metodología: Los margen de contribución de servicios de alimentación que producen menús son optimizados empleando modelos de inventarios con demandas aleatorias dependientes. La dependencia estadística entre demandas de componentes y/o menús es incorporada en el modelado mediante la distribución gaussiana (o normal) multivariada. La optimización de los márgenes de contribución se logra usando modelos de inventarios probabilísticos para cada componente y programación estocástica mediante el algoritmo de evolución diferencial. Resultados: El margen de contribución esperado (promedio) aumenta en un 18, 32% usando modelos de inventario de revisión continua para abarrotes y modelos uniperiódicos para componentes perecederos (sistema optimizado), en relación al sistema no optimizado usado anteriormente por la compañía. Originalidad: La metodología multivariada propuesta permite describir estructuras de dependencia de la demanda mediante modelos de inventario aplicables a componentes usados para producir menús en servicios de alimentación. Implicancias prácticas: Una administración profesional de la gestión de la cadena de suministros permite registrar datos de la identificación del componente, su demanda y sus niveles de stock para ser usados posteriormente con la metodología propuesta, la que debe estar implementada computacionalmente. Limitaciones: El modelado multivariado puede ser mejorado (a) utilizando distribuciones probabilísticas univariadas (marginales) distintas a la gaussiana, mediante métodos de cópulas que recojan estructuras de dependencia estadística más complejas; (b) considerando demandas de componentes con valores iguales a cero, mediante distribuciones probabilísticas infladas en cero; (c) usando dependencia temporal, mediante estructuras de series de tiempo autorregresivas y de media móvil, y (d) modelando el lead-time en forma aleatoria.