Publicación: Redistribución del almacén para mejorar la eficiencia en la preparación de pedidos mediante análisis ABC/XYZ y datos operativos
Fecha
2025
Autores
Molina Moreno, Jaime Andrés
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
This master's thesis proposes a method to improve logistical efficiency in industrial companies by reducing operational travel distances and increasing productivity in order picking processes. The proposed solution applies an ABC/XYZ classification based on historical data extracted from the ERP system of the case study company, considering both the economic value and the frequency of movement of items. This analysis was automated using a Python-based template executed in Google Colab, enabling the calculation of key metrics such as average picking time, number of order lines, and the distribution of items according to operational modality (storage or cross docking). The core of the proposal lies in a technical redistribution of the warehouse layout to position critical items in high-accessibility zones, thereby minimizing the distance traveled per order. Various operational improvement scenarios were simulated to forecast gains in daily capacity without increasing staff. The results show a 13.7% reduction in average travel distance per order and over 50% cost savings in operations under a 30% efficiency improvement scenario. The model is replicable, traceable, and highly compatible with warehouse management systems (WMS), providing tangible benefits for optimizing logistics processes in distribution centers.
Descripción
Este trabajo de tesis propone un método para mejorar la eficiencia logística en empresas del sector industrial, a partir de minimizar los recorridos operativos y aumentar la productividad en la preparación de pedidos. A tal fin, la solución planteada es un análisis ABC/XYZ sobre datos históricos extraídos del sistema ERP de la empresa objeto de estudio, que tienen en cuenta, tanto el valor económico de las referencias, como su frecuencia de movimiento. Dicho tratamiento fue automatizado a través de una plantilla en Python, ejecutada en Google Colab, que permite calcular métricas como el tiempo medio por picking; el número de líneas por pedido y la distribución de referencias adoptando diferente modalidad operativa (almacenamiento o cross docking). El núcleo de la propuesta es la redistribución técnica del layout de almacenamiento, de forma tal que éstas se ubiquen en zonas de alta accesibilidad y se reduzcan los metros recorridos por pedido. Se simulan diferentes escenarios de mejora de la eficiencia operativa para predecir los crecimientos en la capacidad diaria sin incrementar el personal. Como resultado se obtiene una reducción del 13,7% en las distancias promedio por pedido y una reducción por encima del 50% del coste por operación en aquellos escenarios de mejora del 30%. El modelo propuesto es replicable, trazable y con un alto grado de compatibilidad con herramientas de gestión del tipo WMS, y aporta resultados tangibles para optimizar los procesos logísticos relativos a centros de distribución.