Control de inventario de una empresa de
venta de aves de corral usando algoritmo AHP
Inventory
control of a poultry sale company using AHP algorithm
Jean F. Cuesta1, Luis A. Reátegui2, Kevin J. Loor3 y Darwin Patiño
Pérez4
RESUMEN
En este trabajo se busca la optimización del control de inventario de una Empresa
Avícola, con la finalidad de reducir los costos; debido a la forma errónea de
escoger el proveedor. Al momento de la compra se debe que tener en cuenta la
calidad, precio y cuanta mercadería puede abastecernos dicho proveedor, puesto
esto, se plantea un modelo para el control del inventario basado en el uso de
Simulación, Modelos Probabilísticos y el Algoritmo Metaheurístico AHP (The Analytic Hierarchy
Process), el cual estará implementado en el programa
de Visual Basic de Excel, y este nos simulara el inventario del Año 2020, para
esto se obtuvo los periodos de inventario 2017-2019 para tener una referencia,
y como resultados se obtuvo una reducción del 42.85% en el costo de pedidos.
Palabras clave: Stat::Fit, Distribución de Probabilidad, Algoritmo
AHP, Aves de corral, Visual Basic.
ABSTRACT
This work seeks to optimize the inventory control of a Poultry Company, in order to reduce costs; due to the wrong way to choose the provider. At the time of purchase it is necessary to take into account the quality, price and how much merchandise can be supplied by the said supplier, since this, a model for inventory control based on the use of Simulation, Probabilistic Models and the AHP Metaheuristic Algorithm is proposed ( The Analytic Hierarchy Process), which will be implemented in the Visual Basic program of Excel, and this will simulate the inventory of the Year 2020, for this, we obtained the 2017-2019 inventory periods to have a reference, and as results, we obtained a reduction of 42.85% in the cost of orders.
Keywords: Stat :: Fit, Probability Distribution, AHP Algorithm, Poultry, Visual Basic.
Fecha de recepción: Septiembre 5, 2019.
Fecha de aceptación:
Enero 14,
2020.
Los alimentos perecibles son productos los cuales
se deben tener un sumo cuidado al momento de almacenarlos en los inventarios,
ya que, si no se tiene un buen control, estos pueden echarse a perder, las aves
de corral tienen un problema similar, porque, aunque estén vivos, al pasar del
tiempo estas pueden ir perdiendo su peso-calidad, por esta razón es necesario
venderlo al consumidor de forma rápida.
Como las aves de corral son un producto de
gran consumo, muchas compañías lo comercializan, el problema de esta empresa
avícola es que no cuenta con un correcto control de su inventario, en unas
temporadas existe la escases de aves y no tiene para
su comercialización, y también hay temporadas en las cuales tiene mucho
inventario almacenado, y al tenerlos guardado por mucho tiempo, perjudica a la
calidad del animal. Conociendo los acontecimientos anteriores, se puede determinar
que la empresa no sabe cuándo hacer pedidos de inventario y a que proveedor
debería comprarle.
Trabajos Relacionados
Tal como indica Rafael J. Moreno y otros
en (Alvarez-Herrera & Cabrera-Ríos, 2007). Con el fin de identificar los tipos de
inventarios de materia prima utilizadas en la avícola, realizaron encuestas aplicando
cuestionarios profundizados y entrevistas a personas clave que laboran en la
organización. El principal resultado fue implementar un sistema de contabilidad
de costos que permita identificar, acumular y registrar los recursos que
consumen los inventarios de la empresa, conociendo así los costos reales de
cada rubro que permite a la gerencia realizar análisis de costo-beneficio, para
implementar políticas de aumento o reducción de inventarios. Sin embargo, esta
metodología no es poco efectiva ya que está basada en criterios a diferencia de
este trabajo que permite el uso de herramientas informáticas y algoritmos
metaheurísticos tal como el algoritmo AHP que se basa en una distribución de
las decisiones a tomar en base a una prioridad.
Tal como indica John W. Escobar y otros en
(Lind, Marchal, & Wathen, 2008) . Los autores propusieron determinar una
política de inventario con stock de mínimo que garantiza atender a sus clientes
en cualquier momento, para ello se utilizó un modelo probabilístico que
maximice la utilidad diaria esperada y considerando que los productos son
perecederos. Utilizaron una metodología basada en Simulación Montecarlo. Los
resultados de los experimentos computacionales muestran la eficiencia y la
efectividad de la metodología propuesta basada en la maximización de utilidad
neta esperada. Teniendo en cuenta que los modelos probabilísticos como
Montecarlo tienen un procesamiento de cálculo aproximados, nuestra solución fue
el uso del Algoritmo AHP que nos entregó resultados óptimos.
Según Alejandro Cataldo y otros en (Metrovia, 2009). Para resolver el problema conjunto de
trozado y fijación de precios, definido como “Cutting
Stock and Pricing Problem",
se propuso una resolución de dos modelos de programación entera no lineal. El
primero considera variables de precio, producción e inventario, mientras que el
segundo considera variables de producción, inventario y precio. Los resultados obtenidos
muestran que el primero de estos modelos tiene un mejor desempeño en tiempo de
resolución en todas las instancias resueltas. Sim embargo en ambos modelos se
necesita utilizar algunas variables para determinar los resultados lo que
implica una mayor dificultad al momento de procesar los datos. A diferencia del
algoritmo AHP que solo toma los criterios más relevantes para realizar la toma
de decisión en función de las mejores alternativas que se le ofrece a la
empresa.
Edwin Causado Rodriguez
en (Cevallos-Torres & Botto-Tobar, 2019c) elaboró una propuesta de mejora de un
sistema de inventarios para una comercializadora de alimentos, con el fin de
reducir los costos de inventario y un incremento en el beneficio económico de
la organización para esto clasifico los productos manejados por la empresa con
el método ABC de acuerdo a su importancia, posteriormente se aplicó el modelo
de Cantidad Económica de Pedido (EOQ) con el fin de sistematizar los productos
que se encontraban en la bodega, obteniendo como resultados los productos mas rentables para la empresa por lo tanto se les aplico un
seguimiento a estos productos con el fin de generar más ganancias y utilidad
para la empresa, sin embargo este método ABC se basa en costeo históricos y su
implantación es costosa a diferencia del algoritmo AHP que implementamos en
nuestro trabajo el cual nos permite el uso de alternativas y criterios para
resolver de una manera mas optima y eficiente el
problema.
Como indica el Dr. Juan Manuel Izar Landeta y otro en (Cevallos-Torres & Botto-Tobar, 2019b) elaboraron una propuesta para la mejora
del manejo de inventario con el fin de definir la cantidad de pedido y el punto
de reorden, ambas se establecen para optimizar el costo de inventario. Para
esto utilizaron el método Hibrido con tiempo de entrega aleatorio ya que se
aproxima más a la realidad, una ventaja de esta metodología es la de poderse
aplicar para cualquier distribución de probabilidad que tengan la demanda de un
artículo, así como el tiempo de entrega dando como resultado permitido obtener
una mejor decisión a la hora de adquirir los productos, sin embargo, la desventaja
de este algoritmo es que, si hay muchos datos de ambas variables, el método es
impráctico, ya que el número de opciones que hay que evaluar crece
exponencialmente en comparación al algoritmo AHP utilizado en nuestro trabajo
que nos permite tomar una decisión en base a una sola prioridad.
Gastón Notte y
otros en (Botto-Tobar, Ramirez-Anormaliza, Cevallos-Torres,
& Cevallos-Ayon, 2017) propusieron la mejora y optimización al
momento de agrupar y distribuir el ganado, así como la producción de la leche
lo cual debido al gran desafío que impone su manejo no pueden ser abordados con
los enfoques exactos tradicionales. Para esto utilizaron algoritmos genéticos
los cuales estuvieron implementados en C ++
utilizando la biblioteca GALib, la cual brinda
una amplia gama de componentes que permite el manejo de algoritmos genéticos,
obteniendo como resultado la gran flexibilidad que tienen estos algoritmos para
adaptarse a problemas similares como el de este trabajo, logrando así una mejor
distribución del ganado y producción de la leche, sin embargo C ++ no contiene
una base de datos para guardar el historial de todo el proceso a diferencia de
Visual Basic de Excel que permite guardar tablas de manera directa a través de
libros de Excel para un mejor funcionamiento.
Materiales y Métodos
Se tuvo que utilizar los periodos 2017-2019 de inventarios, el periodo del
2019 se lo complemento haciendo uso del Método Montecarlo.
Se ingresaron los datos al programa de Stat::Fit,
con esto descubrimos cual Distribución de Probabilidad teníamos que usar para
simular el periodo 2019. Una vez que tenemos nuestros 3 periodos completos, se
procedió a realizar la implementación del algoritmo AHP en el programa de
Visual Basic de Excel. Se considero las alternativas y criterios a usarse en el
algoritmo, para luego compararlas entre si con el uso de una matriz. Todas las
matrices de alternativas fueron calificadas con respecto a los resultados de la
matriz de criterios. Los valores que nos de el
algoritmo nos indicara cual de las alternativas se debe
usar.
Caso de Estudio
En este proyecto se investigó el historial de inventario de los periodos
2017-2019 de esta empresa de venta de aves de corral y el año presente se
simulo el inventario usando el método de Montecarlo.
Para lograr la Simulación del periodo 2020, se hace uso del Algoritmo
Metaheurístico AHP, o también conocido como Proceso de Análisis Jerárquico.
Método de Montecarlo
El método de Montecarlo es un método de simulación que nos permite calcular
estadísticamente los valores finales de una secuencia de sucesos, ya que
nuestro historia del inventario esta hasta el mes de Junio del 2019, en (Botto-Tobar et al., 2017) se indica que la tabla de frecuencia está formada por los valores de una
variable cuantitativa la cual usamos para determinar los límites inferiores y
superiores para realizar la simulación de los meses faltantes, para eso haremos
uso de este método, y como vemos en la siguiente tabla, el modelo matemático
para completar los meses faltantes para así poder tener 3 años completos del
historial de las ventas.
Algoritmo de Montecarlo
La función obtenerCompra
recibe el número aleatorio (X) la cual evalua en que
rango (LimInf y LimSup)
coincide y retorna el núemro de compra según la
columna (venta). En (Cevallos-Torres & Botto-Tobar, 2019b), indica que permite representar con
precisión los procesos del mundo real, incluida su variabilidad inherente e
interdependencias para llevar a cabo un análisis predictivo de los subsidios a
los cambios de acuerdo con el entorno y sus indicadores clave de rendimiento.
Sub MONTECARLO()
Dim X As Double
For i = 1 To 12
X = Rnd()
Range("N" & 39 + i) =
obtenerCompra(X)
Next
End Sub
Tabla 1. Modelo matemático Montecarlo.
Modelo
matemático Montecarlo |
||||||
Mes |
Venta |
Fi |
Fi |
Lim Inf. |
X |
Lim. Sup. |
1 |
43 |
0.09 |
0.09 |
0.00 |
<=
X < |
0.09 |
2 |
41 |
0.08 |
0.17 |
0.09 |
<=
X < |
0.17 |
3 |
42 |
0.08 |
0.25 |
0.17 |
<=
X < |
0.25 |
4 |
42 |
0.08 |
0.34 |
0.25 |
<=
X < |
0.34 |
5 |
40 |
0.08 |
0.42 |
0.34 |
<=
X < |
0.42 |
6 |
44 |
0.09 |
0.50 |
0.42 |
<=
X < |
0.50 |
7 |
41 |
0.08 |
0.58 |
0.50 |
<=
X < |
0.58 |
8 |
43 |
0.09 |
0.67 |
0.58 |
<=
X < |
0.67 |
9 |
43 |
0.09 |
0.76 |
0.67 |
<=
X < |
0.76 |
10 |
41 |
0.08 |
0.84 |
0.76 |
<=
X < |
0.84 |
11 |
40 |
0.08 |
0.92 |
0.84 |
<=
X < |
0.92 |
12 |
41 |
0.08 |
1.00 |
0.92 |
<=
X < |
1.00 |
Stat::Fit
Una vez que
obtuvimos los datos del historial de inventario se procede a usar una
distribución de probabilidad, por el cual usaremos el programa “Stat::Fit”, el cual es un software para ajuste de curvas y
análisis estadístico de los datos de entrada y salida para la Simulación, nos
permite lograr 5 objetivos que apoyan a que nuestros resultados en la
simulación sean confiables. En (Cevallos-Torres
& Botto-Tobar, 2019c) indica que un
número pseudoaleatorio es solo el valor de una variable aleatoria x que tiene
una distribución de probabilidad uniforme definida.
Ajuste de
Curvas. Te ayuda a encontrar la mejor distribución para representar los datos. Stat::Fit utiliza las pruebas de Bondad de Ajuste más comúnmente
conocidas.
Además (Cevallos-Torres
& Botto-Tobar, 2019c) indica que la
justificación para su uso es que proviene de dos teoremas centrales de
probabilidad y estadística: la ley débil de los grandes números y el teorema
del límite central.
Figura 1. Periodos
2017-2019 del inventario de la Empresa Avícola.
Algoritmo AHP
Haremos uso del
Algoritmo AHP (“Analityc Hierarchy
Process”) o también llamado Algoritmo PJA (“Proceso
de Jerarquía Analítica”). En el análisis y toma de decisiones se utilizan
procesos racionales para seleccionar alternativas. Uno de esos procesos es el
Proceso de Jerarquía Analítica, diseñado para cuantificar las ideas,
sentimientos y emociones para obtener una escala numérica.
Como ejemplos de
las decisiones que se pueden tomar utilizando el Proceso de Jerarquía Analítica
están los siguientes:
·
Selección de un empleo entre diversas ofertas de
trabajo
·
Escoger un equipo (computadora, automóvil, etc.).
·
Decidir qué nuevo producto lanzar al mercado
·
Seleccionar la ubicación de un nuevo establecimiento
(restaurante, hotel, planta).
·
Elegir una universidad
·
Control de Inventarios
El Algoritmo AHP
tiene el siguiente Modelo Matemático:
Sea A una matriz
nxn, donde n ª Z+. Sea aij
el elemento (i, j) de A, para i = 1, 2,…n, y, j = 1,
2,…n. Decimos que A es una matriz de comparaciones pareadas de n alternativas,
si aij es la medida de la preferencia de la
alternativa en el renglón i cuando se le compara con la alternativa de la
columna j. Cuando i = j, el valor de aij será igual a
1, pues se está comparando la alternativa consigo misma.
Cada elemento de
la matriz de comparación se divide entre la suma de toda su columna.
Los pesos
relativos se obtienen sacando el promedio de cada fila.
Después de
realizar el mismo proceso con cada matriz de alternativas, se multiplica el
peso relativo de cada alternativa con cada peso relativo de los criterios, y
finalmente se suman, el resultado con mayor valor es la alternativa a escoger.
Aplicación del Algoritmo AHP
El algoritmo AHP
se centra en tener varias alternativas, y estas alternativas irlas comparando
con varios criterios definidos con anterioridad, todas las alternativas se
comparan con los mismos criterios, dentro de estos criterios algunos tienen
mayor prioridad sobre otros, se los califican con diferentes rangos para saber
cuál es más importante que otro.
Tabla 2. Ejemplo de una matriz de
criterios.
Criterio 1 Criterio 2 Criterio 3
Criterio 4 |
Criterio 1 1/1
5/1 5/1 7/1 |
Criterio 2 1/5
1/1 1/1 3/1 |
Criterio 3 1/5
1/1 1/1 3/1 |
Criterio 4 1/7 1/3 1/3 1/1 |
Igual Moderado Fuerte
Muy Fuerte Extremo |
1 3 5 7 9 |
Tabla 3. Matriz de alternativas.
Modelo de Matriz de Alternativas |
Alternativa 1 Alternativa2
Alternativa 3 Alternativa 4 |
Alternativa
1 1/4 4/1 1/4 6/1 |
Alternativa
2 4/1 1/1 4/1 1/4 |
Alternativa
3 1/4 1/4 1/1 1/5 |
Alternativa
4 6/1 4/1 5/1 1/1 |
Los criterios
que usamos para calificar las alternativas son los siguientes:
·
Calidad
·
Cantidad de Aves
·
Precio
Ahora que
conoces con cuales criterios calificaremos a nuestras alternativas, procedemos
a anunciarlas.
Tabla 4. Tabla de alternativas.
Alternativa Proveedor |
Alternativa
1: Proveedor
1 |
Alternativa
2: Proveedor
2 |
Alternativa
3: Proveedor
3 |
Tabla 5. Costo de aves.
Calidad Alta Calidad Media Calidad Baja |
$6 $5.50 $4.75 |
El proveedor 1 ofrece: Ave de calidad media, a un precio de $5.50, con 1
entrega semanal.
·
El proveedor 2 ofrece: Ave calidad alta, a un precio
de $6, con 2 viajas al mes
·
El proveedor 3 ofrece: Ave de calidad baja, a un
precio de 4.75, con 3 viajes por semana
Los valores con
los que se evalúa la importancia de un criterio sobre otro, y de igual manera,
de una alternativa sobre otra, se los encuentra en esta tabla de Comparaciones
Pareadas.
Tabla 6. Comparaciones pareadas.
Tablas de Comparaciones pareadas |
Escala Escala
Verbal Numérica |
1 Igual
Importancia |
2 Moderadamente
más importante un elemento que el otro |
3 Fuertemente
más importante un elemento que el otro |
4 Más fuerte la importancia de un elemento que la del otro |
5 Importancia extrema de un elemento frente al otro |
Las tablas que se presentan a continuación son la creación de las Matrices de
Comparación, donde tenemos el valor de importancia de cada criterio con otro
criterio, y también se encuentra las matrices de las alternativas, donde se las
compara con cada criterio.
Tabla 7. Matriz de criterios.
Matriz de Criterios |
Calidad Precio
Cantidad de Aves |
Calidad 1 3 1/7 |
Precio 1/3 1 3 |
Cantidad de
Aves 7 1/3
1 |
Tabla 8.
Matriz de comparación de Alternativa, con respecto al Primer Criterio.
Matriz de Alternativas con Respecto a Criterio
1(Calidad) |
Proveedor 1 Proveedor 2 Proveedor 3 |
Proveedor 1 1 1/5 7 |
Proveedor 2 5 1 5 |
Proveedor 3 1/7 1/5 1 |
Tabla 9.
Matriz de comparación de Alternativa, con respecto al Se-gundo Criterio.
Matriz de Alternativas con Respecto a Criterio
2(Precio) |
Proveedor 1 Proveedor 2 Proveedor 3 |
Proveedor 1 1 5 7 |
Proveedor 2 1/5 1 3 |
Proveedor 3 1/7 1/3 1 |
Tabla 10.
Matriz de comparación de Alternativa, con respecto al Tercer Criterio.
Matriz de Alternativas con Respecto a Criterio
3(Cantidad de aves) |
Proveedor 1 Proveedor 2 Proveedor 3 |
Proveedor 1 1 1/3 1/5 |
Proveedor 2 3 1 1/3 |
Proveedor 3 5 3 1 |
Después de
realizar el cálculo con los criterios, se procede a realizar la misma matriz,
pero esta vez comparando todas las alternativas para cada criterio. Se procede
a realizar el mismo procedimiento, pero esta vez comparando las alternativas
entre sí, pero teniendo en cuenta cada criterio.
Algoritmo 2. Implementación del Algoritmo AHP en el programa de
Visual Basic de Excel.
Function AHP(a() As Double, c As Variant) As Variant
Dim temp As Variant
temp = 0
For b = 1 To 3
temp =
temp + a(b)
Next b
temp = a(c) / temp
AHP = temp
End Function
Function pesos(a() As Double) As Double
Dim temp As Double
Dim c As Double
temp = 0
For b = 1 To 3
temp = a(b) + temp
Next b
temp = temp / Sheets("Matriz").Cells(2, 2).Text
pesos = temp
End Function
Function final(a() As Double) As Double
Dim temp As Double
Dim temp2 As Double
Dim comien As Double
Dim final1 As Double
comien = 10
final1 = 6
temp = 0
For b = 1 To Sheets("Matriz").Cells(2, 2).Text
temp = temp + (a(b) * Sheets("Matriz").Cells(final1, comien))
final1
= final1 + 1
Next b
final = temp
End Function
Resultados y Discusión
Como nos damos
cuenta, la mejor alternativa que tiene la empresa, al momento de realizar la
compra de mercadería, es al proveedor 1. Ahora que tenemos el algoritmo
adaptado en software, se procede a realizar la simulación del año 2020 para
tener una idea clara de lo que se espera obtener en ese año.
Tabla 11.
Resultados del algoritmo AHP.
Resultados del Algoritmo AHP |
Alternativa Resultado |
Alternativa 1= 0,3603 |
Alternativa 2= 0,3446 |
Alternativa 3= 0,2954 |
Tabla 13.
Proyección de demanda las aves en el periodo del 2020.
Meses
2020
|
Enero
1408
|
Marzo
1448
|
Abril
1354
|
Mayo 1362
|
Junio
1415
|
Julio
1297 |
Agosto
1296
|
Septiembre
1266 |
Octubre
1288
|
Noviembre 1254
|
Diciembre
1290
|
Una vez que el algoritmo
nos dio el resultado de cual alternativa es la más eficiente con respecto a
nuestro problema, se procedió a realizar la simulación del periodo 2020, se
puede decir que el costo de compra bajo, porque la empresa tiene un solo
proveedor y mejor control de su inventario, ya que ahora tiene un día fijo para
la compra de mercadería.
El costo de
viaje se redujo en un 42.85%, esto fue gracias a que se redujo el número de
pedidos semanales, y se tiene un mejor control del inventario.
Conclusiones
·
El uso de un control de inventario es indispensable
en todas las empresas, ya sea grande o pequeña, ya que nos permite tener un
mejor control de nuestros productos y evitar costos innecesarios.
·
Al usar algoritmos metaheurísticos, nos damos cuenta
de que sus resultados son genuinos y precisos al momento de utilizarlos en
control de inventarios.
·
Si las empresas desean conocer un pronóstico de su
inventario, pueden hacer uso de los algoritmos metaheurísticos, ya que hay
muchos de ellos
Trabajos Futuros (Cevallos-Torres & Botto-Tobar,
2019a) (Vélez & Castro, 2002) (Gutierrez & Vidal, 2008)
Este proyecto puede ser usado por otras empresas para encontrar una
solución a sus problemas de inventario, y es posible utilizarlo en otros tipos
de productos, igualmente nos permite un mejor control de los inventarios con
productos perecibles y no tener perdidas ni costos elevados con el mantenimiento
de estos. El Algoritmo AHP, puede ser utilizado en otros campos, como
contratación de personal, elección de universidad, etc.
Referencias Bibliográficas
Alvarez-Herrera, C.
A., & Cabrera-Ríos, M. (2007). Control de inventarios y su aplicación en
una compañía de telecomunicaciones. Ingeniería, Investigación y Tecnología,
8(4), 241–248. https://doi.org/10.22201/fi.25940732e.2007.08n4.019
Botto-Tobar, M., Ramirez-Anormaliza, R.,
Cevallos-Torres, L. J., & Cevallos-Ayon, E. (2017). Análisis Estadístico Univariado. Guayaquil. In Communications in
Computer and Information Science (Vol. 749, pp. 3–16). Springer Verlag.
https://doi.org/10.1007/978-3-319-67283-0_1
Cevallos-Torres,
L., & Botto-Tobar, M. (2019a). Case study: Logistical behavior in the use
of urban transport using the monte carlo simulation method. In Problem-Based
Learning: A Didactic Strategy in the Teaching of System Simulation (pp.
97–110). Springer.
Cevallos-Torres,
L., & Botto-Tobar, M. (2019b). Case study: Probabilistic estimates in the
application of inventory models for perishable products in SMEs. In Problem-Based
Learning: A Didactic Strategy in the Teaching of System Simulation (pp.
123–132). Springer.
Cevallos-Torres,
L., & Botto-Tobar, M. (2019c). Problem-Based Learning: A Didactic
Strategy in the Teaching of System Simulation (Vol. 824). Cham: Springer
International Publishing. https://doi.org/10.1007/978-3-030-13393-1
Gutierrez, V.,
& Vidal, C. J. (2008). Modelos de Gestión de Inventarios en
Cadenas de Abastecimiento. Revista Facultad de Ingeniería Universidad de
Antioquia, (43), 134–149. Retrieved from
http://www.redalyc.org/articulo.oa?id=43004313
Lind, Marchal, & Wathen. (2008).
Estadística Aplicada a Los Negocios Y La Economía 13°. McGraw Hill.
https://doi.org/10.1017/CBO9781107415324.004
Metrovia. (2009). Metrovia: Sistema
Integrado de Transporte Masivo Urbano de la Ciudad de Guayaquil.
Vélez, M., & Castro, C. (2002).
Modelo de Revisión Periódica para el Control del Inventario en Artículos con
Demanda Estacional una Aproximación desde la Simulación. Dyna, 69(137), 23–34.
1 Estudiante de Ingeniería
en Sistemas Computacionales. Universidad de Guaya-quil, Ecuador. E. mail: [email protected].
2 Estudiante de Ingeniería en
Sistemas Computacionales. Universidad de Guaya-quil, Ecuador. E. mail: [email protected],
3 Estudiante de Ingeniería en
Sistemas Computacionales. Universidad de Guaya-quil, Ecuador.
E. mail: [email protected].
4 Ph.D. Universidad de
Guayaquil, Ecuador. E-mail: [email protected]
Como citar: Cuesta, J. F., Reátegui, L. A., Loor, K. J., & Patiño Pérez, D. (2020). Control de inventario de una empresa de venta de aves de corral usando algoritmo AHP. Ecuadorian Science Journal. 4(1), 32-36.
DOI: https://doi.org/10.46480/esj.4.1.46