Documente Academic
Documente Profesional
Documente Cultură
Autor:
DANIEL ALFONSO SILVA BARRERA
Director:
JORGE ANDRS ALVARADO VALENCIA
TABLA DE CONTENIDO
1.
RESUMEN ..................................................................................................................... 1
2.
INTRODUCCIN .......................................................................................................... 2
3.
4.
OBJETIVOS ................................................................................................................... 5
5.
4.1.
4.2.
5.3.
6.
METODOLOGA ......................................................................................................... 11
7.
7.1.1.
8.
7.2.
7.3.
7.3.1.
Verificacin .................................................................................................... 24
7.3.2.
Validacin ....................................................................................................... 24
8.1.1.
8.1.2.
8.1.3.
8.1.4.
Lealtad ............................................................................................................ 30
8.2.
9.
8.2.1.
8.2.2.
8.2.3.
8.2.4.
8.3.
8.4.
RESULTADOS ............................................................................................................ 34
9.1.
9.2.
9.3.
9.4.
Lealtad ................................................................................................................... 43
9.5.
10.
10.1.
CONCLUSIONES ............................................................................................. 47
10.2.
11.
REFERENCIAS ........................................................................................................ 49
12.
ANEXOS ................................................................................................................... 52
LISTA DE TABLAS
Tabla 1 OTW por pas ............................................................................................................. 8
Tabla 2 Parmetros generales en Anylogic .......................................................................... 21
Tabla 3 Funciones del mdulo general en Anylogic ............................................................ 21
Tabla 4 Eventos del mdulo general en Anylogic ................................................................ 21
Tabla 5 Atributos de los agentes en Anylogic ...................................................................... 22
Tabla 6 Funciones de los agentes en Anylogic..................................................................... 23
Tabla 7 Acciones de entrada y salida de los estados en Anylogic ....................................... 23
Tabla 8 Transiciones entre estados en Anylogic .................................................................. 24
Tabla 9 Efectividad del PWOM para diferentes sectores de mercado ................................. 31
Tabla 10 Efectividad del NWOM para diferentes sectores de mercado............................... 31
Tabla 11 OTW por pas vs IDH ............................................................................................ 31
Tabla 12 Valores de para diferentes xm ............................................................................ 32
Tabla 13 Nmero de rplicas para =0.6 ............................................................................. 33
Tabla 14 ANOVA de Clientes que abandonan el sistema .................................................... 35
Tabla 15 Resultados HSD de Tukey para Clientes que abandonan el sistema..................... 36
Tabla 16 ANOVA de nmero de ventas por cliente ............................................................. 38
Tabla 17 Resultados HSD de Tukey para Promedio de compras por cliente ....................... 39
Tabla 18 ANOVA del mercado potencial cubierto .............................................................. 41
Tabla 19 Resultados HSD de Tukey para Mercado potencial alcanzado ............................. 42
Tabla 20 ANOVA de la lealtad ............................................................................................ 44
Tabla 21 Resultados HSD de Tukey para Lealtad ................................................................ 45
Tabla 22 Relacin entre variables independientes y dependientes....................................... 46
LISTA DE ILUSTRACIONES
Ilustracin 1 Impuntualidad en Colombia. Elaboracin propia a partir de [11] ..................... 4
Ilustracin 2 Comportamiento genrico de una funcin power law ....................................... 8
Ilustracin 3 Bloques metodolgicos de una Investigacin Tecnolgica[32] ...................... 11
Ilustracin 4 Metodologa de la investigacin[33] ............................................................... 12
Ilustracin 5 Esquema de la cadena de suministro modelada .............................................. 13
Ilustracin 6 Estados de los clientes ..................................................................................... 14
Ilustracin 7 Modelo conceptual del sistema modelado ....................................................... 16
Ilustracin 8 Cadena de suministro en Anylogic .................................................................. 20
Ilustracin 9 Diagrama de estados de los agentes ................................................................ 22
Ilustracin 10 Comportamiento de la Cadena de Suministro ............................................... 25
Ilustracin 11 Comportamiento con valores intermedios ..................................................... 26
Ilustracin 12 Comportamiento con PWOM mximo .......................................................... 27
Ilustracin 13 Comportamiento con NWOM mximo ......................................................... 27
Ilustracin 14 Comportamiento con OTW mxima ............................................................. 28
Ilustracin 15 Comportamiento con impuntualidad mxima ............................................... 28
Ilustracin 16 Comportamiento con impuntualidad mxima en escenario medio ............... 29
Ilustracin 17 Histogramas de las 4 variables dependientes ................................................ 34
Ilustracin 18 Grficos de perfil Clientes que abandonan el sistema ................................... 37
Ilustracin 19 Grfico de perfil PWOM vs NWOM variable 2 ........................................... 40
Ilustracin 20 Grficos de perfil Nmero de ventas por cliente ........................................... 40
Ilustracin 21 Grficos de perfil Mercado potencial cubierto .............................................. 43
Ilustracin 22 Grfico de perfil Lealtad ............................................................................... 45
1.
RESUMEN
En este trabajo, se dise una simulacin de una cadena de suministro make to order que
permitiera medir la fidelidad de los clientes de un nuevo producto en un mercado
competitivo y repetitivo incluyendo tres factores diferenciadores: impuntualidad de los
trabajadores, percepcin del tiempo de los clientes y evolucin de la lealtad de los clientes a
lo largo del tiempo. Para el diseo de la simulacin se integraron dos tcnicas: simulacin
de eventos discretos para representar la cadena de suministro y agentes para simular el
comportamiento de los clientes
Con ayuda de la simulacin desarrollada se ejecut un diseo experimental con los factores
diferenciadores mencionados para una cadena simple de ejemplo compuesta por dos
proveedores, dos procesos de produccin y dos distribuidores. Los efectos de los factores y
sus interacciones fueron evaluados sobre cuatro mtricas de desempeo de la cadena
relacionadas con la fidelidad de los clientes: clientes que abandonan el sistema, nmero
promedio de ventas por clientes, porcentaje de mercado cubierto y lealtad media al final de
la simulacin. A partir de los resultados se concluy que la ventana de tiempo de tolerancia
que tienen los clientes y que est asociada a sus condiciones socioculturales no tiene
influencia estadstica significativa sobre los elementos que constituyen el CLV (Customer
Lifetime Value), mientras que los otros tres factores analizados si la tienen.
2.
INTRODUCCIN
Lealtad
Registro histrico de compras del cliente
Pronstico de las posibles compras por parte del cliente
A pesar de que la promesa de servicio sea incumplida, el cliente podra no percibir dicho
retraso como incumplimiento. Se ha determinado que la percepcin de entregas a tiempo
por parte de los clientes depende de factores socioculturales tales como sexo,
responsabilidades externas al trabajo, consumo de alcohol, entre otras [4]. Incluso se ha
establecido que la percepcin del tiempo est fuertemente relacionada con la posicin del
pas de origen de la persona en el Indice de Desarrollo Humano[5].
De acuerdo con la revisin del estado del arte, no se han realizado investigaciones que
relacionen los retrasos generados por la impuntualidad de los empleados con sus efectos en
el CLV a largo plazo, tampoco se sabe si este efecto puede ser modificado por la
percepcin de dichos retrasos debida a factores socioculturales de los clientes potenciales y
actuales de una cadena de suministro.
En este trabajo se desarrolla un modelo de simulacin que permite evaluar el efecto de la
impuntualidad de los trabajadores y la percepcin de los retrasos de los clientes en el CLV a
largo plazo en una cadena de suministro make to order. Para realizar la simulacin se
utilizan dos tcnicas: agentes, para representar los posibles comportamientos de los clientes
y simulacin de eventos discretos para representar la cadena de suministro.
3.
La relevancia de este trabajo radica en que hasta el momento se han estudiado factores que
afectan la productividad de la cadena de suministro que estn asociados con los
trabajadores como la alta rotacin[15] y las causas de esta rotacin; se han propuesto
diferentes modelos para comprender el CLV[16] pero no se han investigado las
consecuencias de la impuntualidad de los empleados en el CLV teniendo en cuenta que la
percepcin de los retrasos depende del contexto cultural de los clientes.
Investigar esos efectos en una cadena real resulta muy costoso, dadas las restricciones
empresariales, la posible longitud del estudio para medir acertadamente el CLV y la
imposibilidad de modificar parmetros para evaluar diferentes escenarios. Sin embargo, la
existencia de modelos sicolgicos que permiten modelar la impuntualidad y la percepcin
de la misma por parte de los clientes, as como la oportunidad de simular mediante agentes
el comportamiento a largo plazo de los clientes abren la posibilidad de utilizar la
simulacin como una alternativa viable para abordar la problemtica explicada.
Por las anteriores razones en este proyecto se busca responder mediante una simulacin la
pregunta de investigacin:
Cmo la impuntualidad de los trabajadores involucrados en una cadena de suministro
make to order afecta la fidelidad de los clientes de la compaa?
4
4.
OBJETIVOS
4.1.
OBJETIVO GENERAL
Desarrollar una simulacin que permita evaluar los efectos generados por la impuntualidad
de los trabajadores en la fidelidad del cliente de una cadena de abastecimiento.
4.2.
OBJETIVOS ESPECFICOS
Modelar la impuntualidad de los trabajadores de una cadena de abastecimiento de
tipo make to order.
Modelar el customer lifetime value de una cadena de abastecimiento sujeto a la
impuntualidad de los trabajadores teniendo en cuenta la percepcin de la
impuntualidad por parte de los clientes.
Evaluar los efectos en una cadena de suministro hipottica bajo diferentes niveles
de los parmetros impuntualidad, boca a boca positivo, boca a boca negativo y
ventana de tiempo de espera.
5.
El CLV se entiende como el valor a largo plazo de un cliente para la compaa con base en
la relacin que ambos tienen. En la literatura se encuentra un modelo matemtico para
calcular el CLV en cadenas de suministro make to order [3], dicho modelo es el siguiente:
El CLV de un cliente j esta dado por la siguiente ecuacin:
= ( ) + ( )
Dnde:
es la contribucin a las ganancias pasadas del cliente j
es la contribucin pronosticada del cliente j a las ganancias futuras
es el ndice de lealtad del cliente j
La contribucin a los ingresos pasados ( ) se calcula de la siguiente forma:
=
Dnde:
es la contribucin a la ganancia neta del producto i en el ao t
es la cantidad total del producto i vendida al cliente j en el ao t
La contribucin prevista a los ingresos futuros ( ) se calcula de la siguiente forma:
=
Dnde:
es la contribucin pronosticada de la ganancia neta del producto i en el ao t
es la cantidad total del producto i pronosticada que ser vendida al cliente j en el ao t
Estos valores son pronosticados utilizando la tcnica de medias mviles [17]. LI representa
el ndice de lealtad del cliente. Este ndice corresponde a la probabilidad de que un cliente
realice una nueva compra en el futuro [18]. Tukel y Dixit[3] mencionan que debido a que
es necesario conocer las cantidades y los momentos de las compras de forma individual
para cada cliente, su modelo es un poco complicado de aplicar en la prctica.
Consumo de alcohol
Riesgos en el trabajo
Administracin de justicia
Satisfaccin laboral
Responsabilidades extralaborales
Por otra parte, con respecto a los factores socioculturales de los empleados, White et al. [5]
mencionan que en una extensiva bsqueda de literatura slo se encontraron dos estudios
sobre la puntualidad de los empleados en diferentes culturas: por una parte en uno de estos
estudios[23] se compararon trabadores brasileos con estadounidenses y se concluy que
los brasileos son ms impuntuales debido a su flexibilidad en los conceptos de a tiempo
y tarde. En el otro estudio [24] se compar el comportamiento de estudiantes de
universidades en Estados Unidos provenientes de diferentes pases.
Con respecto al comportamiento estadstico de la impuntualidad a nivel industrial, mediante
un estudio de campo[25] se determin que el tiempo promedio de las llegadas tarde es de
35.8 minutos y que este fenmeno se ajusta a una funcin de distribucin de tipo power
law. Una funcin power law, long tail o potencial es una relacin matemtica entre dos
variables que presenta un comportamiento similar al mostrado en la Ilutracin 2.
Media
20.8 minutos
35.6 minutos
26.3 minutos
Desviacin
9.6 minutos
13.6 minutos
13.9 minutos
Uno de los hallazgos ms importantes de ese estudio fue identificar la relacin inversa casi
perfecta ( = 0.99) entre la OTW y la posicin del pas en el ndice de Desarrollo
Humano de la ONU lo que indica que existe una relacin lineal inversa y una
proporcionalidad entre estas dos variables. De igual manera se apreci que los
estadounidenses suelen percibir el tiempo en intervalos de 5 minutos, mientras que los
marroqus los hacen en intervalos de 15.
La impuntualidad en la entrega del producto y el concepto de a tiempo impactan
directamente en el CLV. Para las cadenas de suministro make to order se ha investigado
sobre el CLV por ejemplo para empresas manufactureras de productores derivados del
acero[3] en las que se determin que est est compuesto por 3 elementos:
Dependiendo de la percepcin que tiene el cliente del servicio prestado, est puede tomar
varias decisiones[27], por ejemplo:
Mantener y fortalecer la lealtad de los clientes es vital para la empresa, ya que como se
mencion anteriormente, sta influye directamente en el CLV[3].
Adicionalmente, los clientes ya sean satisfechos o insatisfechos intentan influenciar a sus
allegados basndose en su experiencia con la empresa de una manera informal, rpida y sin
sesgo comercial[28], a esta influencia se le denomina voz a voz (WOM de Word of
Mouth)[29] y segn Keaveney[30] en algunos casos puede representar el origen de hasta el
50% de las ventas. El WOM se puede dividir en dos categoras, por una parte si el cliente
est satisfecho con la calidad del servicio y del producto su voz a voz ser positivo
(PWOM), mientras que si se encuentra insatisfecho su voz a voz ser negativo (NWOM).
Los factores asociados al impacto del WOM son[28]:
Tolerancia al cambio: Es la propensin que tiene una persona para modificar sus
hbitos de compra a partir de las recomendaciones de otros.
Fuerza de la recomendacin: Representa la manera en que una persona reacciona
ante una recomendacin, ya que en algunos casos en lugar de seguir la
recomendacin decide hacer lo opuesto.
Cercana del comunicador con el receptor: Dependiendo de la fuerza del lazo
relacional que exista entre el cliente que hace la recomendacin y la persona que la
recibe el efecto del WOM puede ser mayor o menor.
WOM solicitado o no solicitado: La efectividad del WOM vara dependiendo de si
este fue solicitado o no, existiendo una relacin de aproximadamente 1.5 a 1 tanto
para el PWOM como para el NWOM[31].
Importancia dada por el receptor a la marca: Si el WOM recibido es sobre la marca
predilecta por el receptor su impacto es diferente a si es sobre una marca de
preferencias secundarias.
9
10
6.
METODOLOGA
11
Etapa II Anlisis
En esta etapa se recurre a mtodos estadsticos inferenciales para ver si las diferencias
o efectos muestrales son lo suficientemente grandes par garantizar diferencias
poblacionales
12
7.
MODELO DE SIMULACIN
7.1.
Almacenes virtuales: A travs del sitio web del almacn el cliente selecciona los
productos que desea adquirir, en algunos casos los productos elegidos no se
encuentran en inventario y por lo tanto el almacn debe solicitarlos a sus
proveedores, cuando se cuenta con todos los artculos estos son consolidados y
enviados al cliente intentando cumplir con la promesa de servicio hecha en el
momento de la compra.
Teniendo en cuenta que los procesos bsicos y comunes a las cadenas de suministro son
compras de materias primas, produccin y distribucin[34] se involucraron estos elementos
en el modelo propuesto. Sin embargo, para no perder de vista el objetivo planteado y no
agregar complejidad innecesaria a la simulacin de la cadena de suministro, se decidi que
se simulara la compra de materias a dos proveedores diferentes, posteriormente estas
materias se transformaran mediante dos procesos en serie y finalmente el producto sera
entregado al cliente por un distribuidor. La cadena de suministro se representa de la
siguiente forma:
Luego de recibir un pedido de un cliente, se solicita a cada uno de los dos proveedores una
unidad de su materia prima correspondiente, las cuales son transformadas mediante dos
13
Para comenzar todos los clientes son potenciales compradores, luego debido a varios
factores es posible que se conviertan en compradores y pasen a estar esperando la entrega
de su producto. La cantidad inicial de personas que se convierten en compradores puede
deberse a publicidad, expectativa por la llegada del nuevo producto y recomendaciones de
personas que conocen el producto en otras ubicaciones geogrficas, entre otros. Se decidi
no entrar a considerar los posibles valores de estos factores y por ello simplemente se
genera un valor aleatorio de nmero de clientes que realizan demanda por primera vez.
Si el producto es entregado a tiempo pasan a ser clientes satisfechos; pero si el producto no
es entregado en el tiempo pactado en la promesa de servicio los clientes otorgan un margen
de espera variable, luego del cual si an no reciben su producto pasan a estar insatisfechos.
Tanto los clientes satisfechos como los insatisfechos al transcurrir un tiempo determinado
por la frecuencia de compra vuelven a ser clientes potenciales iniciando de nuevo el ciclo,
sin embargo si los incumplimiento son reiterativos el cliente decide marcharse a la
competencia abandonando el sistema. Adicionalmente dependiendo la satisfaccin o
insatisfaccin del cliente, este hace boca a boca positivo o negativo influenciado a los
dems clientes.
14
15
16
17
Dnde:
r: Es una variable binaria que representa el estado de la compra, toma el valor de 1
si el cliente se encuentra en el estado CS y 0 si se encuentra en el estado CI
0: Valor anterior del CLV
A continuacin enva mensajes PWOM a las personas con las que se encuentra
directamente relacionado con una efectividad PWOM que es una variable continua
que toma valores [0,1]. Finalmente luego de un tiempo determinado por la
frecuencia de compra (FC) y el CLV retorna al estado CP iniciando el proceso
nuevamente.
Si el cliente entra al estado CD enva mensajes NWOM a las personas con las que
se encuentra directamente relacionado con una efectividad NWOM que es una
variable continua que toma valores [0,1]. Si al cabo del tiempo OTW ya ha recibido
su producto pasa al estado CS y realiza las actividades ya mencionadas, por el
contrario si no lo recibe pasa al estado CI.
Por ltimo, si el cliente entra al estado CI enva mensajes NWOM a las personas
con las que se encuentra directamente relacionado y actualiza su CLV, en caso de
que el nuevo valor del CLV sea menor a un valor de lealtad mnima (LM) pasa al
estado CA lo que se traduce en un abandono del sistema.
Si su CLV es superior al LM luego de un tiempo determinado por la frecuencia de
compra (FC) y el CLV retorna al estado CP iniciando el proceso nuevamente.
Para que el sistema siempre est trabajando aproximadamente al lmite de su capacidad sin
llegar a saturarse, la cantidad de rdenes simultneas (OS) que puede atender cada
subproceso de la cadena de suministro se estableci en una cantidad entera que cumple con
la siguiente relacin:
De esta forma se garantiza que no todos los clientes abandonarn el sistema en los primeros
instantes de la simulacin y que tampoco se contrarrestar el efecto de la impuntualidad con
una capacidad de produccin exageradamente grande.
7.1.1. Supuestos sobre el modelo
En el modelo planteado se asumen los siguientes supuestos:
Los coeficientes 0.6 y 0.4 se seleccionaron empricamente para generar una suavizacin exponencial en el
CLV en la que tiene mayor importancia la ltima transaccin en detrimento de las compras histricas
18
Por mercado competitivo se entiende que existen otras empresas que ofrecen el
mismo producto o servicio, por lo tanto el cliente puede marcharse a un competidor
sin ningn perjuicio. Sin embargo en el presente trabajo solamente se tiene en
cuenta hasta el momento que el cliente abandona el producto o servicio estudiado.
Para simplificar el modelo se asumi que todos los clientes presentan el mismo
comportamiento.
7.2.
19
Los elementos de tipo Queue (cola) estn configurados con capacidad mxima y se agregan
para evitar excepciones de tipo ArrayIndexOutofBondsException, no tienen incidencia en el
comportamiento del sistema. La duracin del delay (duracin) de cada actividad es
determinado mediante la siguiente sentencia:
triangular( tiempo_produccion-0.3, tiempo_produccion, tiempo_produccion+0.3) +
(pareto(alfa_pareto)-minimo_pareto)
Estos delays corresponden a cada uno de los tiempos parciales (T) descritos en el modelo
conceptual. En las siguientes tablas se presentan los atributos y funciones del mdulo
General:
Nombre
publicidad_inicial
ef_WOM
ef_WOM_negativo
espera_limite
espera_variable
frecuencia_compra
nivel_abandono
universo_clientes
tiempo_produccion
alfa_pareto
minimo_pareto
Tipo
double
double
double
double
double
double
double
int
double
double
double
Parmetros
Valor inicial
uniform(0.1,0.9)
Equivalente
modelo conceptual
PWOM
NWOM
TS
OTW
FC
LM
N
TO
8.8
84
0.05
8000
2
20
Nombre
Tipo
Parmetros
Valor inicial
Equivalente
modelo conceptual
Variables
clientes_potenciales
clientes_esperando
clientes_impacientes
clientes_insatisfechos
clientes_satisfechos
clientes_perdidos
stock_d1
stock_d2
compras_efectivas
comprasxcliente
CLV_final
compradores_totales
clientes_d1
clientes_d2
potencial_cubierto
int
int
int
int
int
int
int
int
int
double
double
int
int
int
double
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
CP
CE
CD
CI
CS
CA
CLV
Nombre
calcular_CLV
Calcular_potencial
Sentencias
float clv_suma = 0;
for (int i=0; i<universo_clientes; i++){
clv_suma += clientes.get(i).lealtad;
}
CLV_final = clv_suma / universo_clientes;
float clientes_iniciales =
universo_clientes*(float)publicidad_inicial;
float clientes_a_cubrir = universo_clientes*(1 (float)publicidad_inicial);
float clientes_cubiertos = compradores_totales clientes_iniciales;
potencial_cubierto = clientes_cubiertos/clientes_a_cubrir;
Tabla 3 Funciones del mdulo general en Anylogic
Adicionalmente para consolidar los datos se cuenta con los siguientes eventos:
Nombre
Tipo / Ocurrencia
Sentencias
calcular_cxc
Timeout (10000)
Calcular_clv
Calcular_porcentaje_cu
Timeout (10000)
Timeout (10000)
comprasxcliente =
(float)compras_efectivas /
(float)compradores_totales;
calcular_CLV();
calcular_potencial();
Teniendo en cuenta que se estn simulando 8000 clientes que realizan sus compras de
forma asincrnica y la cadena de abastecimiento consta de cuatro actividades secuenciales,
se configur una capacidad mxima de 100 rdenes simultneas, de esta forma la totalidad
del mercado podra ser satisfecha en 80 unidades de tiempo, cantidad que se aproxima a la
frecuencia de compra inicial.
21
Por otra parte, para simular los clientes del sistema se utiliz la tcnica de agentes, las
dimensiones del espacio de distribucin se configuraron en un rea cuadrada de 5000x5000
unidades, distribuidos uniformemente (layout type=Arranged); cada agente se relaciona
con los agentes que estan a mximo 85 unidades de distancia (Networok-Type=DistancedBased y Connection range=85). Estos parmetros hacen que en promedio cada persona est
directamente relacionada con otras ocho personas. El diagrama de estados de los agentes se
muestra en la Ilustracin 9.
Nombre
lealtad_inicial
distribuidor_asociado
Tipo
double
double
Parmetros
Valor inicial
Equivalente
modelo conceptual
1
uniform_discr(1, 2)
Variables
lealtad
comprador
double
boolean
lealtad_inicial
false
Nombre
seleccionar_distribuidor
verificador_comprador
Sentencias
if(distribuidor_asociado==1){
get_General().clientes_d1++;
}
else{
get_General().clientes_d2++;
}
if (this.comprador == false){
this.comprador = true;
get_General().compradores_totales++;
}
22
CLV
Las acciones de entrada y salida de cada uno de los diferentes estados son las siguientes
Estado
potencial
esperando
satisfecho
Impaciente
s
Insatisfec
ho
abandono
Entrada
Salida
get_General().clientes_potenciale
s++;
get_General().clientes_esperando+
+;
Presentacion.setFillColor(new
Color(255,0,0,100));
seleccionar_distribuidor();
get_General().producir();
get_General().clientes_satisfecho
s++;
Presentacion.setFillColor(new
Color(0,255,0,100));
lealtad = 0.6 + lealtad*0.4;
get_General().compras_efectivas++
;
verificador_comprador();
get_General().clientes_impaciente
s++;
Presentacion.setFillColor(new
Color(255,255,0,100));
get_General().clientes_insatisfec
hos++;
Presentacion.setFillColor(new
Color(0,0,0,100));
lealtad = lealtad*0.4;
get_General().clientes_perdidos++
;
Presentacion.setFillColor(new
Color(255,255,255,100));
get_General().clientes_potencial
es--;
get_General().clientes_esperando
--;
get_General().clientes_satisfech
os--;
get_General().clientes_impacient
es--;
get_General().clientes_insatisfe
chos--;
Destino
Tipo
potencial
potencial
esperando
esperando
esperando
satisfecho
Rate
Message
Condition
esperando
satisfecho
Condition
satisfecho
satisfecho
Rate
satisfecho
potencial
Timeout
esperando
impaciente
Timeout
get_General().publicidad_inicial*lealtad;
"WOM"
(distribuidor_asociado==1 &&
get_General().stock_d1>0);
get_General().stock_d1--;
(distribuidor_asociado==2 &&
get_General().stock_d2>0);
get_General().stock_d2--;
get_General().ef_WOM*lealtad;
send("WOM",
MessageDeliveryType.RANDOM_CONNECTED);
get_General().frecuencia_compra +
(get_General().frecuencia_compra lealtad*84);
get_General().espera_limite;
23
impaciente
satisfecho
Condition
impaciente
satisfecho
Condition
impaciente
impaciente
Rate
potencial
insatisfecho
insatisfecho
potencial
Message
Timeout
insatisfecho
insatisfecho
Rate
insatisfecho
abandono
Condition
(distribuidor_asociado==1 &&
get_General().stock_d1>0);
get_General().stock_d1--;
(distribuidor_asociado==2 &&
get_General().stock_d2>0);
get_General().stock_d2--;
get_General().ef_WOM_negativo;
send("WOM_baja",
MessageDeliveryType.RANDOM_CONNECTED);
"WOM_baja"
get_General().frecuencia_compra +
(get_General().frecuencia_compra lealtad*84);
get_General().ef_WOM_negativo;
send("WOM_baja",
MessageDeliveryType.RANDOM_CONNECTED);
lealtad<get_General().nivel_abandono;
7.3.
VERIFICACIN Y VALIDACIN
7.3.1. Verificacin
A travs de la verificacin de un producto de software se pretende comprobar que el
sistema cumple con los requerimientos especificados[35]. Para el caso de est modelo se
verific que todas las funciones con las que cuenta el modelo estn funcionando
correctamente, esto se logr comparando sus resultados con los obtenidos en pruebas de
escritorio.
El set de pruebas utilizad en la verificacin se encuentra en el Anexo 1. Set de pruebas
de Verificacin del sistema.
7.3.2. Validacin
A travs de la validacin se busca comprobar que el software hace lo que el usuario
espera[35]. Para validar el modelo de forma general se compar su comportamiento en
diferentes escenarios esperando que en cada uno de ellos se comportara de acuerdo a lo
diseado, los escenarios de validacin fueron los siguientes:
24
25
27
28
29
8.
MODELO EXPERIMENTAL
VARIABLES DEPENDIENTES
VARIABLES INDEPENDIENTES
Las variables independientes proceden de los tres conceptos que motivan este proyecto: el
CLV, la impuntualidad de los empleados, y la percepcin del tiempo acorde a factores
socioculturales, a continuacin se describe cada una de estas variables.
8.2.1. Efectividad del boca a boca positivo
Esta variable corresponde a la proporcin de la efectividad que tiene la recomendacin
hecha por una persona que ha quedado satisfecha luego de realizar una compra (PWOM).
Segn East et al[28] este valor depende del segmento del mercado. Para esta investigacin
30
tomaremos como niveles los valores ms alto, ms bajo y el promedio como se indica en la
Tabla 9.
Segmento de mercado
Valor del
PWOM
Cmaras fotogrficas
0.001
Promedio
0.2
Restaurantes
0.39
Tabla 9 Efectividad del PWOM para diferentes sectores de mercado
Valor del
NWOM
0.03
0.11
0.2
31
probabilidad de tipo power law. Por lo tanto en esta investigacin se utiliz una
distribucin de Pareto para representar este comportamiento.
Partiendo del supuesto planteado en [5] en el que dice que se suelen percibir las tardanzas
de las personas en intervalos de 15 minutos, los valores deseados de esta variable sern los
correspondientes a tardanzas de 0.25, 0.5 y 0.75 horas.
Al despejar el parmetro de la funcin de densidad 1 (
estos valores de se obtiene:
= 0.99 para = 1 y
20.63
11.3
8.22
1.25
1.5
1.75
8.3.
NMERO DE RPLICAS
2 2 2
2
Dnde:
es la cantidad de tratamientos del factor con ms niveles
es la desviacin estndar de la muestra
es una funcin = . Los valores necesarios para la curva de potencia son
1 = 1
2 = ( 1)
y (1 )
es la mnima diferencia detectable
Debido a que se desconoce la desviacin estndar segn Kuehl[38] se puede usar alguna de
las siguientes relaciones entre y :
= 0.3
= 0.6
= 0.9
En este diseo experimental se utiliz la relacin = 0,6, ya que esta permite detectar
efectos de tamao medio, y se calcul el nmero de rplicas con =5, = 0.05 y = 0.9:
32
81
87
1000
320
344
1.91
1.98
1.98
= .
81.1
86.8
86.8
Rplicas
81
87
87
33
9.
RESULTADOS
Para analizar los resultados se realiz un ANOVA con una significancia del 1% para cada
una de las variables dependientes y se obtuvieron los resultados que se encuentran a
continuacin (para la verificacin de supuestos ver ANEXO 4. Verificacin de
supuestos). Debido a que sobre valores porcentuales no es posible aplicar un ANOVA fue
necesario transformar algunas de las variables de la siguiente manera:
Luego de realizar estas transformaciones, los datos resultantes para cada una de las cuatro
variables presentan el siguiente comportamiento:
34
Se observa que las cuatro variables presentan alta kurtosis y alta asimetra, lo cual implica
que se dificulta aplicar pruebas paramtricas. Este comportamiento se genera a causa de los
valores atpicos, los cuales se dan como resultado del comportamiento power law al que se
ajusta la impuntualidad de los empleados y por lo tanto estaban dentro de las posibilidades
previstas.
Teniendo en cuenta que los residuales del ANOVA no cumplen el supuesto de normalidad
se procedi a aplicar la prueba de Kruskal-Wallis, esta prueba al no asumir normalidad y
arrojar los mismos resultados que el ANOVA para los efectos simples confirma sus
significancias, sin embargo los efectos de interaccin deben ser analizados de manera
descriptiva puesto que la prueba Kurskal-Wallis no presenta mecanismos alternativos para
esta evaluacin.
En las siguientes secciones se presentan los efectos simples que tienen significancia
estadstica para las variables dependientes estudiadas y que se pueden asumir como
concluyentes a partir de los resultados de la prueba Kruskal-Wallis.
9.1.
Los resultados del ANOVA para esta variable se presentan en la Tabla 14, La significancia
de los efectos simples se valid con la prueba de Kruskall-Wallis:
35
Partiendo de esto resultados se concluye que tanto el boca a boca negativo como la
impuntualidad tienen un efecto desfavorable para la compaa con respecto a los clientes
que abandonan el sistemas, es decir cuando el valor de alguna de estas dos variables
aumenta, ms clientes se van a la competencia; mientras que al aumentar el boca a boca
positivo, menos clientes abandonan el sistema. Al observar los valores medios para cada
nivel que arroj el test de Tukey se aprecia que las variaciones que ms influyen en la
variable de respuesta son las del boca a boca negativo.
36
Para analizar los factores de interaccin se recurri a los grficos de perfil, a partir de los
cuales se obtuvieron los resultados que se observan en la Ilustracin 18.
Los dos factores que incrementan la cantidad de clientes que abandonan el sistema (boca a
boca negativo y alfa de la impuntualidad) ven su efecto suavizado de forma no proporcional
a causa del boca a boca positivo.3
Cuando el valor del parmetro de la impuntualidad toma el valor de 0, el modelo lo interpreta como una
ausencia de impuntualidad
3
37
9.2.
Los resultados del ANOVA para esta variable se presentan en la Tabla 16, la significancia
de los efectos simples se valid con la prueba de Kruskall-Wallis.
A partir de estos resultados se observa que el promedio de compras realizadas por cada
cliente se ve influenciado estadsticamente cuando se modifican los valores de los
parmetros PWOM, NWOM o el valor del parmetro de la impuntualidad de los
empleados, lo cual implica que a mayores niveles de impuntualidad disminuye el nmero
medio de compras por cliente. De igual forma se observan descriptivamente dos efectos de
interaccin: entre PWOM y NWOM, el primero, y entre NWOM y el valor del parmetro
de la impuntualidad de los empleados el segundo. Para analizar el impacto de cada uno de
los factores simples que afectan significativamente la media se realiz el test HSD de
Tukey con los resultados que se observan en la Tabla 17.
38
Teniendo en cuenta que el modelo se elabor para que la cadena de suministro siempre
estuviera trabajando aproximadamente en el lmite de su capacidad, se entiende porqu al
aumentar el boca a boca positivo el promedio de compras por cliente disminuye: esto
sucede porque al muchas personas querer comprar productos casi al tiempo la tasa de
incumplimiento aumenta, la lealtad disminuye y algunos optan por marcharse a la
competencia. Sin embargo, los que s logran ser atendidos no ven afectada su frecuencia de
compra y por lo tanto su promedio final aumenta. Con el boca a boca negativo sucede un
efecto inverso. Con respecto a la impuntualidad es claro que al aumentar su tiempo
promedio la mayora de clientes se sienten inconformes y su frecuencia de compra
disminuye. Esta variable es la que ms impacta el valor medio de la variable respuesta,
haciendola variar aprximadamente un 1% con cada nivel.
Para analizar los factores de interaccin se recurri a los grficos de perfil, a partir de los
cuales se obtuvieron los resultados que se observan en las Ilustracines 19 y 20.
39
Tal como se explic anteriormente, como el modelo est diseado para que la cadena de
suministro esta siempre trabajando aproximadamente a su capacidad mxima, a menor
nmero de clientes se incrementa el promedio de compras, ya que los clientes que
permanecen se fidelizan y aumentan su frecuencia de compra. Se observa que el PWOM
suaviza el efecto del NWOM este ltimo por el contrario se ve reforzado por el valor del
parmetro de la impuntualidad.
40
9.3.
Los resultados del ANOVA para esta variable son los siguientes, la significancia de los
efectos simples se valid con la prueba de Kruskall-Wallis:
A partir de estos resultados se observa que el porcentaje del mercado potencial cubierto se
ve influenciada estadsticamente cuando se modifican los valores de los parmetros
PWOM, NWOM o el valor del parmetro de la impuntualidad de los empleados, de igual
forma se observan descriptivamente dos efectos de interaccin: entre PWOM y NWOM, el
primero, y entre NWOM y el parmetro de la impuntualidad el segundo. Para analizar el
impacto de cada uno de los factores simples que afectan significativamente la media se
realiz el test HSD de Tukey con los resultados que se observan en la Tabla 19.
41
El mercado potencial alcanzado aumenta cuando el nivel del boca a boca positivo es mayor
o la impuntualidad es nula y disminuye cuando los empleados de la cadena de suministro
son impuntuales o los clientes hacen ms boca a boca negativo. Siendo mayor el efecto de
las recomendaciones negativas.
Para analizar los factores de interaccin se recurri a los grficos de perfil, a partir de los
cuales se obtuvieron los resultados que se observan en la Ilustracin 21.
42
Al igual que sucede con la cantidad de clientes que abandonan el sistema, los dos factores
que disminuyen el porcentaje del mercado cubierto (boca a boca negativo e impuntualidad)
ven su efecto suavizado de forma no proporcional a causa del boca a boca positivo.
9.4.
Lealtad
Los resultados del ANOVA para esta variable son los siguientes, la significancia de los
efectos simples se valid con la prueba de Kruskall-Wallis, tal como se muestra en la Tabla
20.
43
A partir de estos resultados se observa que el valor final de la lealtad promedio de los
clientes se ve influenciada estadsticamente cuando se modifican los valores de los
parmetros PWOM, NWOM o el valor del parmetro de la impuntualidad de los
empleados, de igual forma se observa descriptivamente un efecto de interaccin PWOM y
NWOM.
Para analizar el impacto de cada uno de los factores simples que afectan significativamente
la media se realiz el test HSD de Tukey con los siguientes resultados:
44
Se concluye que la lealtad media de los clientes luego del tiempo simulado aumenta a
mayores niveles de boca a boca positivo y disminuye cuando el valor del boca a boca
negativo o de la impuntualidad de los empleados es mayor. El boca a boca negativo tiene
una mayor influencia sobre el valor medio de la lealtad.
Para analizar el factor de interaccin significativo se recurri a los grficos de perfil, ver
Ilustracin 22.
Acorde a lo observado en las otras variables dependientes el efecto del boca a boca positivo
acta como un suavizador del efecto del boca a boca negativo.
45
9.5.
Integracin de resultados
A continuacin se presenta el resumen del tipo de relacin que existe entre las variables
dependientes y las independientes que tienen un efecto estadstico significativo sobre ellas:
V. Independientes
V. Dependientes
Clientes que
abandonan el
sistema
Nmero de ventas
por cliente
Mercado potencial
alcanzado
Lealtad
PWOM
NWOM
Negativa
Positiva
de la
impuntualidad
Positiva
Negativa
Positiva
Negativa
Positiva
Negativa
Negativa
Positiva
Negativa
Negativa
Se observa que tanto el NWOM como el PWOM tienen una relacin positiva con dos de las
variables dependientes, mientras que el parmetro de la impuntualidad solo tiene una
relacin positiva.
Como se esperaba, las relaciones del PWOM con las variables dependientes son opuestas a
las que tiene el NWOM con ests, las cuales coinciden en tres de cuatro casos con el
parmetro de la impuntualidad de los empleados.
Partiendo de estos resultados se concluye que al aumentar el boca a boca positivo se logra
reducir la cantidad de clientes que abandonan el sistema, el mismo objetivo se obtiene
disminuyendo el boca a boca negativo y/o los niveles de impuntualidad de los empleados.
Con respecto a la lealtad y al mercado potencial alcanzado conviene disminuir el PWOM y
los niveles de impuntualidad de los empleados para incrementar sus valores.
Por otra parte, al aumentar el nivel del boca a boca positivo disminuye el nmero medio de
ventas por cliente, esto como consecuencia de incrementar la cantidad de clientes de los
cuales algunos realizan pocas compras, efecto contrario al que sucede al aumentar el boca a
boca negativo.
46
10.
CONCLUSIONES Y RECOMENDACIONES
10.1.
CONCLUSIONES
En este trabaj se cre un modelo que puede llegar a ser escalado y adaptado para evaluar
los efectos de la puntualidad a largo plazo en el CLV en cadenas de suministro make to
order. Las principales caractersticas a resaltar de este modelo son:
Al tener bajo acomplamiento y alta cohesin puede ser fcilmente modificado para
aplicarlo en otro tipo de mercados, ya que al ser el mdulo de los clientes
independiente del tipo de mercado, est ltimo se puede modificar o remplazar sin
ser necesario realizar cambios significativos en los clientes.
Cabe resaltar que debido a las facilidades ofrecidas por el software utilizado y la
arquitectura del modelo, podra ser posible modificar de forma independiente el
comportamiento de los clientes por ejemplo para complejizar sus reacciones o
relaciones con otros clientes (agentes). De igual forma es posible agregar mdulos
al sistema para simular otras entidades del mercado, por ejemplo la competencia.
La ventana de tiempo de tolerancia que tienen los clientes y que est asociada a sus
condiciones socioculturales no tiene influencia estadstica significativa sobre los
elementos que constituyen el CLV por lo tanto las empresas no deben relajar sus
polticas en torno a cumplimiento de promesas de servicio a partir de este factor.
El factor que ms influye en el CLV a largo plazo es el boca a boca negativo, que
junto con la impuntualidad de los empleados generan que los clientes disminuyan su
lealtad.
Incrementar el nivel del boca a boca positivo no es una buena estrategia por s sola,
es necesario aumentar la capacidad de produccin ya que de lo contrario la
expectativa y las buenas recomendaciones iniciales se transformaran en prdida de
lealtad a largo plazo debido a los incumplimientos por saturacin.
47
10.2.
Dado que para determinar la OTW de los colombianos se emple una regresin que
se basa nicamente en el ndice de desarrollo humano, se sugiere realizar un estudio
de campo para determinar la percepcin del tiempo en los segmentos de mercado
con diferentes caractersticas socioeconmicas que existen en el pas.
48
11.
REFERENCIAS
[1]
[2]
[3]
O. I. Tukel and A. Dixit, Application of customer lifetime value model in make-toorder manufacturing, J. Bus. Ind. Mark., vol. 28, no. 6, pp. 468474, 2013.
[4]
[5]
[6]
[7]
[8]
A. Saez and Demand Media, The Effect of Absenteeism and Tardiness on Work,
Your Business, 2014. [Online]. Available: http://yourbusiness.azcentral.com/effectabsenteeism-tardiness-work-4991.html. [Accessed: 05-Aug-2014].
[9]
[10] E. Tiempo, Impuntualidad le cuesta al pas US $2500 millones al ao, Bogot, 04Sep-2003.
[11] Trabajando, El 19% de los colombianos es impuntual para llegar al trabajo, 2013.
[12] A. Cook, G. Tanner, and A. Lawes, The hidden cost of airline unpunctuality, J.
Transp. Econ. Policy, vol. 46, no. 2, pp. 157173, 2012.
49
50
[27] J.-Y. Qi, Y.-P. Zhou, W.-J. Chen, and Q.-X. Qu, Are customer satisfaction and
customer loyalty drivers of customer lifetime value in mobile data services: a
comparative cross-country study, Inf. Technol. Manag., vol. 13, no. 4, pp. 281296,
Jul. 2012.
[28] R. East, K. Hammond, and W. Lomax, Measuring the impact of positive and
negative word of mouth on brand purchase probability, Int. J. Res. Mark., vol. 25,
no. 3, pp. 215224, Sep. 2008.
[29] E. N. Torres and S. Kline, From satisfaction to delight: a model for the hotel
industry, Int. J. Contemp. Hosp. Manag., vol. 18, no. 4, pp. 290301, 2006.
[30] S. M. Keaveney, Customer switching behavior in service: An exploratory study, J.
Mark., vol. 59, no. 2, pp. 7182, 1995.
[31] R. East, K. Hammond, W. Lomax, and H. Robinson, What is the effect of a
recommendation?, Mark. Rev., vol. 5, no. 2, pp. 145157, 2005.
[32] A. A. Pacheco and M. C. Cruz, Metodologa Crtica de la investigacin: lgica,
procedimiento y tcnicas. Mxico, 2006, p. 145.
[33] H. Gutirrez, Anlisis y Diseo de Experimentos (Spanish Edition), 2da ed. Mexico:
McGraw-Hill Interamericana Editores S.A. de C.V., 2008, p. 562.
[34] P. Bolstorff and R. Rosenbaum, Supply Chain Excellence: A Handbook for Dramatic
Improvement Using the SCOR Model, 3rd ed. AMACOM, 2011, p. 304.
[35] I. Sommerville, Software Engineering, 9th ed. Boston: Addison-Wesley, 2010, p.
792.
[36] UNDP, Human Development Report 2014. New York, 2014, p. 239.
[37] A. M. Dean and D. Voss, Design and Analysis of Experiments. 2000, p. 742.
[38] R. O. Kuehl, Diseo de experimentos: Principios estadsticos de diseo y anlisis de
investigacin, 2da ed. Mxico, 2001.
[39] T. F. Jaeger, Categorical Data Analysis: Away from ANOVAs (transformation or
not) and towards Logit Mixed Models., J. Mem. Lang., vol. 59, no. 4, pp. 434446,
Nov. 2008.
[40] A. Daz, Diseo estadstico de experimentos, 2da ed. Medelln, 2009, p. 284.
51
12.
ANEXOS
Resultado esperado
Proceso de ejecucin
Resultado
Correcto
Ejecutar la funcin
seleccionar_distribuidor(int) con
parametros 1 y 2
Correcto
Ejecutar la funcin
verificador_comprador(agente) con un
agente que ya halla realizado una compra
y uno que no lo haya hecho
Correcto
3 verificador_comprador
4 Potencial
Correcto
5 Esperando
Correcto
6 Satisfecho
Correcto
7 impacientes
Correcto
52
8 insatisfecho
Correcto
9 Abandono
Correcto
53
0,987313286
Coeficiente de
determinacin
R^2
R^2 ajustado
Error tpico
Observaciones
0,974787525
0,94957505
1,679865559
3
Anlisis de Varianza
Grados de
libertad
Regresin
Residuos
Total
Intercepcin
Variable X 1
1
1
2
Promedio
Suma de
de los
Valor crtico de
cuadrados
cuadrados
F
F
109,1047184 109,10472 38,662905
0,101514929
2,821948298 2,8219483
111,9266667
Coeficientes
21,24449874
0,113571879
Estadstico
Error tpico
t
Probabilidad
1,405151922 15,119005
0,042046
0,018265164 6,2179502
0,1015149
54
Factor 4: de la impuntualidad
Valor en minutos
Niveles
Bajo (20.63)
1
Medio (11.3)
2
Alto (8.22)
3
Control (vaco)
4
11
12
13
14
15
16
17
18
19
20
21
55
0
1
-1
0
1
-1
0
1
-1
0
1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
1
1
1
1
1
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1
1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
-1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
56
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
0
1
-1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
-1
0
0
0
0
0
0
0
0
0
1
1
1
1
1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
-1
0
0
0
0
0
0
0
0
0
1
1
1
1
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
104
105
106
0
1
-1
0
0
1
1
1
1
4
4
4
107
108
57
0
1
1
1
1
1
4
4
Debido a que los residuales del ANOVA no cumplen el supuesto de normalidad se procedi
a aplicar la prueba de Kruskal-Wallis sobre los factores que resultaron significativos, esta
prueba al no asumir normalidad y arrojar los mismos resultados, se validan las conclusiones
del ANOVA:
PWOM
58
NWOM
59
Alfa de la impuntualidad
60
Debido a que los residuales del ANOVA no cumplen el supuesto de normalidad se procedi
a aplicar la prueba de Kruskal-Wallis sobre los factores que resultaron significativos, esta
prueba al no asumir normalidad y arrojar los mismos resultados, se validan las conclusiones
del ANOVA:
PWOM
61
NWOM
Alfa de la impuntualidad
62
Debido a que los residuales del ANOVA no cumplen el supuesto de normalidad se procedi
a aplicar la prueba de Kruskal-Wallis sobre los factores que resultaron significativos, esta
prueba al no asumir normalidad y arrojar los mismos resultados, se validan las conclusiones
del ANOVA:
PWOM
63
NWOM
64
Alfa de la impuntualidad
65
Lealtad
Para verificar el supuesto de independencia se elabor un grfico de residuales contra orden
de corrida en el que no se identifica ningn patrn definido:
Debido a que los residuales del ANOVA no cumplen el supuesto de normalidad se procedi
a aplicar la prueba de Kruskal-Wallis sobre los factores que resultaron significativos, esta
prueba al no asumir normalidad y arrojar los mismos resultados, se validan las conclusiones
del ANOVA:
PWOM
66
NWOM
67
Alfa de la impuntualidad
Debido a que para las 4 variables dependientes el test de Levene arroj que las varianzas
entre grupos no presentan homogeneidad se recurri a lo planteado por Daz[40], para lo
cual es necesario conocer la varianza de cada uno de los grupos. En la siguiente tabla se
presenta la varianza para cada grupo del diseo experimental:
Boca a
boca
negativo
,01 Ventana de
tiempo de
espera
68
Arcoseno de
la raiz del
porcentaje de
cliente que
abandonan el
sistemas
Promedio de
compras por
cliente
Raiz
cuadrada del
mercado
cubierto
Raiz
cuadrada del
promedio de
la lealtad
Desviacin
tpica
Desviacin
tpica
Desviacin
tpica
Desviacin
tpica
,00
.0045
.180
.0014
.01
8,22
.0048
.188
.0015
.01
11,30
.0043
.134
.0012
.00
20,63
.0041
.120
.0014
.00
,00
.0045
.120
.0010
.00
8,22
.0041
.171
.0014
.01
11,30
.0043
.154
.0014
.00
,20 Ventana de
tiempo de
espera
,39 Ventana de
tiempo de
espera
,01 Ventana de
tiempo de
espera
69
20,63
.0042
.132
.0012
.01
,00
.0046
.165
.0014
.01
8,22
.0044
.152
.0014
.00
11,30
.0039
.129
.0011
.00
20,63
.0048
.192
.0017
.01
,00
.0053
.012
.0003
.00
8,22
.0068
.039
.0004
.00
11,30
.0060
.031
.0005
.00
20,63
.0066
.023
.0003
.00
,00
.0060
.020
.0003
.00
8,22
.0063
.037
.0004
.00
11,30
.0067
.030
.0005
.00
20,63
.0065
.027
.0004
.00
,00
.0066
.022
.0003
.00
8,22
.0065
.033
.0005
.00
11,30
.0067
.034
.0005
.00
20,63
.0062
.022
.0003
.00
,00
.0052
.013
.0002
.00
8,22
.0048
.021
.0003
.00
11,30
.0051
.016
.0003
.00
20,63
.0051
.015
.0002
.00
,00
.0051
.012
.0003
.00
8,22
.0045
.018
.0003
.00
11,30
.0045
.015
.0002
.00
20,63
.0043
.014
.0003
.00
,00
.0043
.013
.0002
.00
8,22
.0056
.021
.0003
.00
11,30
.0052
.016
.0003
.00
20,63
.0053
.016
.0003
.00
,00
.0304
3.571
.0287
.00
8,22
.0265
3.084
.0243
.00
11,30
.0274
3.631
.0286
.00
20,63
.0276
2.985
.0246
.00
,00
.0289
3.291
.0272
.00
8,22
.0255
3.336
.0270
.00
11,30
.0241
3.262
.0256
.00
20,63
.0301
3.282
.0268
.00
,00
.0298
3.515
.0284
.00
8,22
.0245
2.540
.0195
.00
,20 Ventana de
tiempo de
espera
,39 Ventana de
tiempo de
espera
,01 Ventana de
tiempo de
espera
,20 Ventana de
70
11,30
.0225
1.714
.0132
.00
20,63
.0262
3.122
.0245
.00
,00
.0054
.249
.0024
.00
8,22
.0057
.257
.0027
.00
11,30
.0055
.305
.0032
.00
20,63
.0053
.234
.0027
.00
,00
.0045
.241
.0018
.00
8,22
.0057
.334
.0034
.00
11,30
.0049
.222
.0027
.00
20,63
.0053
.303
.0028
.00
,00
.0057
.306
.0023
.00
8,22
.0052
.249
.0028
.00
11,30
.0051
.181
.0021
.00
20,63
.0056
.297
.0027
.00
,00
.0044
.060
.0011
.00
8,22
.0042
.080
.0018
.00
11,30
.0045
.063
.0022
.00
20,63
.0039
.068
.0012
.00
,00
.0043
.072
.0012
.00
8,22
.0036
.075
.0018
.00
11,30
.0042
.067
.0017
.00
20,63
.0041
.054
.0017
.00
,00
.0038
.058
.0014
.00
8,22
.0048
.081
.0013
.00
11,30
.0044
.074
.0014
.00
20,63
.0042
.069
.0013
.00
,00
.0660
4.658
.0663
.03
8,22
.0724
5.443
.0745
.03
11,30
.0744
5.438
.0764
.04
20,63
.0824
4.570
.0799
.04
,00
.0800
4.840
.0730
.04
8,22
.0658
5.380
.0709
.03
11,30
.0566
5.592
.0663
.02
20,63
.0747
4.768
.0750
.04
,00
.0644
5.078
.0633
.03
8,22
.0525
4.726
.0583
.02
11,30
.0830
4.672
.0811
.04
20,63
.0886
4.884
.0871
.05
,00
.0254
2.848
.0224
.00
tiempo de
espera
la impuntualidad
,39 Ventana de
tiempo de
espera
8,22
.0233
2.847
.0225
.00
11,30
.0267
3.336
.0261
.00
20,63
.0214
2.491
.0196
.00
,00
.0212
2.196
.0172
.00
8,22
.0222
2.775
.0219
.00
11,30
.0261
3.220
.0256
.00
20,63
.0248
2.991
.0235
.00
,00
.0253
2.868
.0224
.00
8,22
.0252
3.332
.0262
.00
11,30
.0294
3.817
.0301
.00
20,63
.0266
3.086
.0237
.00
,00
.0108
.504
.0040
.00
8,22
.0096
.552
.0061
.00
11,30
.0097
.658
.0060
.00
20,63
.0099
.555
.0045
.00
,00
.0108
.699
.0054
.00
8,22
.0106
.661
.0064
.00
11,30
.0096
.491
.0044
.00
20,63
.0102
.487
.0039
.00
,00
.0121
.764
.0059
.00
8,22
.0104
.683
.0057
.00
11,30
.0125
.875
.0068
.00
20,63
.0120
.757
.0059
.00
Daz[40] menciona que para experimentos en los que los tamaos de muestra son
similares y en los que la varianza mayor es hasta 9 veces ms grande que la menor el nivel
varia solamente de 0.05 a 0.06 y por lo tanto el ANOVA sigue siendo robusto.
En este caso particular se tienen tamaos de muestra exactamente iguales y para ser ms
exigentes con los resultados se tom = 0.01, como se observa en la tabla anterior la
varianza mayor solamente es 9 veces o ms veces ms grande que la varianza menor
cuando el boca a boca negativo es 0.2 y sin embargo entre los grupos que tienen este nivel
de boca a boca negativo no se observa una diferencia mayor de 9 veces entre sus varianzas.
Esto indica que el sistema tiende a tener un comportamiento catico cuando sus clientes
realizar mucha publicidad negativa y que dicho comportamiento es sustancialmente
diferente cuando se tienen niveles de NWOM bajos, conclusin consistente por lo detectado
mediante el ANOVA.
71
ANEXO 2
CARTA DE AUTORIZACIN DE LOS AUTORES
(Licencia de uso)
Bogot, D.C., 26 de Enero de 2015
Seores
Biblioteca Alfonso Borrero Cabal S.J.
Pontificia Universidad Javeriana
Cuidad
Los suscritos:
Daniel Alfonso Silva Barrera
, con C.C. No
, con C.C. No
, con C.C. No
1030547335
SI
NO
X
X
X
X
X
De acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a ttulo
gratuito por el mximo tiempo legal colombiano, con el propsito de que en dicho lapso mi
(nuestra) obra sea explotada en las condiciones aqu estipuladas y para los fines indicados,
respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de
PUJ BG Normas para la entrega de Tesis y Trabajos de grado a la Biblioteca General Junio de 2013
ANEXO 3
BIBLIOTECA ALFONSO BORRERO CABAL, S.J.
DESCRIPCIN DE LA TESIS O DEL TRABAJO DE GRADO
FORMULARIO
TTULO COMPLETO DE LA TESIS DOCTORAL O TRABAJO DE GRADO
Evaluacin mediante simulacin de los efectos generados por la impuntualidad en la fidelidad de los
clientes en una cadena de abastecimiento
SUBTTULO, SI LO TIENE
AUTOR O AUTORES
Apellidos Completos
Silva Barrera
Nombres Completos
Daniel Alfonso
Pregrado
FACULTAD
Ingeniera
PROGRAMA ACADMICO
Tipo de programa ( seleccione con x )
Especializacin
Maestra
Doctorado
X
Nombre del programa acadmico
Maestra en ingeniera Industrial
Nombres y apellidos del director del programa acadmico
Carlos Eduardo Fquene Retamoso
TRABAJO PARA OPTAR AL TTULO DE:
AO DE PRESENTACIN DE LA TESIS
NMERO DE PGINAS
O DEL TRABAJO DE GRADO
Bogot
2015
72
TIPO DE ILUSTRACIONES ( seleccione con x )
Tablas, grficos y
Dibujos
Pinturas
Planos
Mapas
Fotografas
Partituras
diagramas
X
SOFTWARE REQUERIDO O ESPECIALIZADO PARA LA LECTURA DEL DOCUMENTO
Nota: En caso de que el software (programa especializado requerido) no se encuentre licenciado por
la Universidad a travs de la Biblioteca (previa consulta al estudiante), el texto de la Tesis o Trabajo
de Grado quedar solamente en formato PDF.
PUJ BG Normas para la entrega de Tesis y Trabajos de grado a la Biblioteca General Junio de 2013
MATERIAL ACOMPAANTE
TIPO
DURACIN
(minutos)
CANTIDAD
FORMATO
CD
DVD
Otro Cul?
Vdeo
Audio
Multimedia
Produccin
electrnica
Otro Cul?
DESCRIPTORES O PALABRAS CLAVE EN ESPAOL E INGLS
Son los trminos que definen los temas que identifican el contenido. (En caso de duda para designar
estos descriptores, se recomienda consultar con la Seccin de Desarrollo de Colecciones de la
Biblioteca Alfonso Borrero Cabal S.J en el correo biblioteca@javeriana.edu.co, donde se les
orientar).
ESPAOL
INGLS
Cadena de abastecimiento
Supply Chain
CLV
CLV
Impuntualidad
Tardiness
Lealtad
Loyalty
On time window
Simulacin
Simulation
RESUMEN DEL CONTENIDO EN ESPAOL E INGLS
(Mximo 250 palabras - 1530 caracteres)
En este trabajo, se dise una simulacin de una cadena de suministro make to order que
permitiera medir la fidelidad de los clientes de un nuevo producto en un mercado competitivo
y repetitivo incluyendo tres factores diferenciadores: impuntualidad de los trabajadores,
percepcin del tiempo de los clientes y evolucin de la lealtad de los clientes a lo largo del
tiempo. Para el diseo de la simulacin se integraron dos tcnicas: simulacin de eventos
discretos para representar la cadena de suministro y agentes para simular el comportamiento
de los clientes
Con ayuda de la simulacin desarrollada se ejecut un diseo experimental con los factores
diferenciadores mencionados para una cadena simple de ejemplo compuesta por 2
proveedores, 2 procesos de produccin y 2 distribuidores. Los efectos de los factores y sus
interacciones fueron evaluados sobre cuatro mtricas de desempeo de la cadena relacionadas
con la fidelidad de los clientes: clientes que abandonan el sistema, nmero promedio de ventas
por clientes, porcentaje de mercado cubierto y lealtad media al final de la simulacin. A partir
de los resultados se concluy que la ventana de tiempo de tolerancia que tienen los clientes y
que est asociada a sus condiciones socioculturales no tiene influencia estadstica significativa
sobre los elementos que constituyen el CLV, mientras que los otros tres factores analizados si
la tienen.
In this work designed a simulation of a supply chain make to order to allow measuring
customer loyalty of a product in a competitive market and repetitive including three
PUJ BG Normas para la entrega de Tesis y Trabajos de grado a la Biblioteca General Junio de 2013
differentiating factors: Worker tardiness, time perception and evolution of customer loyalty
over time. For the simulation two techniques were integrated: discrete event simulation to
represent the supply chain and agents to simulate the behavior of customers.
An experimental design was implemented with the differentiating factors mentioned for a
sample supply chain composed of 2 suppliers, 2 production processes and 2 distributors. The
effects of factors and their interactions were evaluated by four metrics supply chain
performance related to customer loyalty: customers leaving the system, the average number of
sales per customer, market share covered and loyalty at the end of the simulation. Concluded
that the customers time window of tolerance is associated with sociocultural conditions and
not have statistically significant influence on the elements of the CLV, while the other three
factors analyzed if they do.
PUJ BG Normas para la entrega de Tesis y Trabajos de grado a la Biblioteca General Junio de 2013