Reducción de tasas de devolución en una empresa distribuidora con Lean
Warehousing y RFID-WMS: Estudio de caso en el Perú
Reduction of Return Rates in a Distribution Company Using Lean Warehousing and RFID-WMS:
A Case Study in Peru
DOI: http://dx.doi.org/10.21704/ne.v8i2.2267
© Los autores. Este artículo es publicado por la revista Natura@economía de la Universidad Nacional Agraria La Molina. Este
es un artículo de acceso abierto, distribuido bajo los términos de la Licencia Creative Commons Atribución 4.0 Internacional.
(https://creativecommons.org/licenses/by/4.0/) que permite Compartir (copiar y redistribuir el material en cualquier medio o
formato), Adaptar (remezclar, transformar y construir a partir del material) para cualquier propósito, incluso comercialmentte.
Forma de citar el artículo: Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Reduction of Return Rates in a
Distribution Company Using Lean Warehousing and RFID-WMS: A Case Study in Peru. Natura@economía, 8(2), 74-89.
http://dx.doi.org/10.21704/ne.v8i2.2267
Ernesto Altamirano Flores1*; Ricardo Ambicho Pinedo2; Victoria Rodríguez Santa María2; Jhon
Pérez Ayala3
1* Docente asociado de la Uniersidad Nacional Agraria La Molina, Lima, Perú.
2 Estudiante de la Universidad de Peruana de Ciencias Aplicadas, Lima, Perú.
3 Estudiante de Maestria de la Universidad Nacional Mayor de San Marcos, Lima, Perú.
ealtamirano@lamolina.edu.pe
https://orcid.org/0000-0002-5047-9959
Recepción: 15/02/2023; Aceptación: 15/04/2023; Publicación: 30/12/2023
Resumen
El presente artículo estudia una empresa peruana distribuidora de suministros automotrices, la cual
ha sufrido decrementos en sus utilidades de manera constante en los últimos cinco años de operación.
Esta reducción se vio agravada en 2023 al retraerse un 34.33% con respecto al 2022. Dicho declive
es adjudicado a la disminución en las ventas debido a un aumento en los reclamos y devoluciones
por parte de los clientes. Por lo que, la empresa se ve obligada a tomar acciones inmediatas que
optimicen la gestión de sus almacenes e incrementen su competitividad. En ese sentido, este estudio
propone la aplicación de un modelo sedimentado en la metodología Lean Warehousing a través de
la aplicación de herramientas como conteo cíclico, modelo mín-máx, Sistematic Layout Planning
(SLP), clasicación ABC, trabajo estandarizado y RFID-WMS con IoT Shared Database para
mejorar el indicador de devolución de pedidos. Finalmente, se emplea la prueba piloto para validar la
ecacia del modelo con el objetivo de reducir a 6.50% la tasa de devolución de pedidos, con lo cual
se mejora el rendimiento general del almacén y como consecuencia se elude esta drástica reducción
en las utilidades.
Palabras clave: Lean Warehousing, Identicación por Radio Frecuencia, Internet de las cosas,
devolución de producto, industria automotriz.
Abstract
This article examines a Peruvian company that distributes automotive supplies, which has consistently
decreased in prots over the last ve years of operation. This decline worsened in 2023, dropping
Natura@economía 8(2): 74-89 (2023)
Natura@economía
ISSN 2226-9479 (Versión electrónica)
Website: http://revistas.lamolina.edu.pe/index.php/neu
ARTÍCULO ORIGINAL – RESEARCH ARTICLE
75
Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Natura@economía, 8(2), 74-89
DOI. https://doi.org/10.21704/ne.v8i2.2267
Julio - Diciembre 2023
by 34.33% compared to 2022. The downturn is attributed to reduced sales stemming from increased
customer complaints and returns. Consequently, the company is compelled to take immediate
actions to optimize warehouse management and enhance competitiveness. To address this, the study
proposes the implementation of a Lean Warehousing model using tools such as cycle counting,
min-max model, Systematic Layout Planning (SLP), ABC classication, standardized work, and
RFID-WMS with IoT Shared Database to improve the order return indicator. Finally, a pilot test
is employed to validate the model’s eectiveness, aiming to reduce the order return rate to 6.50%,
thereby improving overall warehouse performance and avoiding signicant prot reductions.
Keywords: Lean Warehousing, Radio Frequency Identication, Internet of Things, Product Return,
Automotive industry.
1. Introducción
El sector comercio es catalogado como uno de
los principales ejes de la economía mundial
porque en 2023 movió más de 15 billones de
dólares, de los cuales Sudamérica y el Caribe
representan el 2.60% de exportaciones y 3.22%
de importaciones (OMC, 2024). Dicho sector
representa para el Perú alrededor del 10% del
PIB, lo cual la convierte en la tercera actividad
económica más importante que sostiene el país,
moviendo más de 18 mil millones de dólares
solo en periodo 2022 – 2023 (ICEX, 2023). El
comercio automotor como actividad económica
se ha mantenido en aumento en tanto que para
2020 alcanzó un pico del 16.23% (Collao et al.,
2022) moviendo más de 50 mil millones de soles
en el desarrollo de este periodo (SUNAT, 2020).
Pese a este gran tráco nanciero, el país andino
aún posee un parque automotor antiguo, que
requiere de variedad de autopartes nuevas para
mantener estas unidades funcionales (Muñiz,
n.d.). Sin embargo, la empresa distribuidora
automotriz en estudio no ha podido aprovechar el
crecimiento constante del sector ni la necesidad
latente de suministros automotrices en la
población; puesto que, contrario a lo esperado,
sus utilidades han ido disminuyendo desde la
puesta en marcha de sus operaciones en 2019,
alcanzando un pico drástico de reducción de
casi 34.33% para el año 2023. En este marco, se
atribuye este desaprovechamiento a la elevada
tasa devolución de pedidos que viene sostenido
la empresa situada actualmente en 14.78%,
siendo que el promedio aceptado es de 6.07%
para este sector (Alvarez et al., 2019; Calcina et
al., 2023; Quiroz et al., 2023), ya que debido a
esta causa se han perdido más de 119 mil soles
lo cual representó el 9.75% de la facturación
neta para ese año. Bajo este contexto, una
elevada tasa de devolución de pedidos supone
desafíos signicativos para la competitividad de
las empresas en el mercado.
La alta tasa de devolución de pedidos conduce
a un aumento de los costos de transporte,
reprocesamiento, pérdida de ventas y bajo nivel
de servicio, lo que impacta signicativamente
en la rentabilidad, compromete la relación con
los clientes de manera negativa y convierte a
la empresa en una menos competente (Duong
et al., 2023; Dzyabura et al., 2019; Radhi &
Theor, 2022). Análogamente, una alta tasa
de devolución de pedidos supone un impacto
social y ambiental, al verse comprometida la
generación de aproximadamente 21,900.00
nuevos puestos laborales en el sector (Contreras
et al., 2023) y un aumento en las emisiones
directas de gases de infecto invernadero en
más de 53 mil toneladas de dióxido de carbono
(HCP, 2023). Como resultado, varios estudios
han investigado esta problemática. Por ejemplo,
una empresa distribuidora empezó a presentar
quejas de sus clientes debido a que sus pedidos
llegaban fuera de la fecha pactada, estaban
incompletos o se encontraban en condiciones
deplorables. Debido a ello, se implementó un
modelo basado en Lean Warehousing que redujo
el elevado tiempo de picking de 5 a 3 horas, el
porcentaje de pedidos no atendidos debido a
falta de stock de 28.64% a 22% y el porcentaje
de órdenes no conformes debido a estar
expiradas de 25.5% a 20%. La incorporación
de esta metodología permitió reducir la tasa
de devolución de pedidos de 12.45% a 5.5%
lo que resultó en una mejora sustancial en el
margen bruto (Álvarez et al., 2019). Asimismo,
una empresa comercializadora peruana de ropa
de niños experimentó un alza en el número de
Reduction of Return Rates in a Distribution Company Using Lean Warehousing and RFID-WMS: A Case Study in Peru
76
Julio - Diciembre 2023
pedidos en los últimos años, ello trajo consigo
un notable aumento en la tasa de devolución
de pedidos. Para mitigar esto, se desarrolló un
modelo empleando 5S, ABC, Jidoka y Trabajo
estandarizado. Ello condujo a un declive en el
indicador de devolución de pedidos de 7.14%
a 4% mejorando así la rentabilidad y eciencia
operacional (Quiroz et al., 2023). Por otro lado,
en los almacenes de ROK industry en Kenya se
implementó un sistema de gestión de almacén
basado en RFID (RFID-WMS) mediante el cual
se pudo mejorar la exactitud en el registro de
inventarios (ERI) de 72.8% a 99% y se redujo el
tiempo de ciclo de 60 a 20 minutos. Al respecto,
se potencia esta tecnología al integrarla con una
base de datos compartida de internet de las cosas
(IoT shared database) para mejorar la precisión
y eciencia del sistema (Puica, 2023).
Basado en el análisis bibliográco, se postula
un modelo de mejora para una empresa
distribuidora de suministros automotrices
peruana cuya tasa de devolución de pedidos se
encuentra por encima del promedio aceptado en
la industria. Ergo, los objetivos de este artículo
son el de reducir el tiempo de picking, la tasa
de pedidos no atendidos debido a una rotura de
stock y el porcentaje de pedidos en mal estado
mediante la implementación de la metodología
Lean Warehousing. Ello implica la capacitación
del gerente y personal almacenero para realizar
actividades que promuevan la optimización
del almacén. Adicionalmente, se integrará la
tecnología RFID con un enfoque en la gestión
de almacenes (RFID-WMS) y la arquitectura Iot
Share database para el monitoreo en tiempo real
del inventario, lo que permitirá incrementar el
indicador de Exactitud de Registro de Inventario
(ERI).
El presente artículo está compuesto por siete
secciones. En la primera sección (I) se introduce
el contexto global del sector y se dene la
problemática, mientras que en la segunda (II)
se detallan los materiales y métodos empleados.
La sección tercera (III) diagnostica la situación
inicial, y en la cuarta (IV) se plantea el
modelo de solución. La quinta (V) describe la
implementación de la prueba piloto, mientras
que el sexto apartado (VI) analiza y discute los
resultados obtenidos, incluyendo el impacto
económico. Finalmente, la séptima sección
(VII) expone las conclusiones a las cuales llega
este artículo.
2. Materiales y métodos
Para el desarrollo de la revisión bibliográca
se empleó tres etapas. En la primera etapa, se
realizó la consulta en repositorios académicos
como Scopus, Web of Science y Science Direct.
En la segunda etapa, se aplicaron ltros de
búsqueda empleando Keywords como “Return
of products”, “Inventory”, “Lean Warehousing”,
“Reverse logistics”, “Inventory management”
y “Warehouse management”. En la última
etapa, se aplicaron criterios de exclusión como
antigüedad no mayor a 3 años, procedencia
de revistas indexadas pertenecientes a los
cuartiles 1 y 2 según la clasicación Scimago.
Adicionalmente, se empleó una revisión del
abstract, metodología y resultados presentado
en la Figura 1.
De acuerdo con los criterios establecidos, se
obtuvo un total de 66 artículos cientícos, los
cuales se clasicaron en las siguientes tipologías:
Devolución de productos
Mejorar la tasa de devolución de productos
mediante un modelo económico de producción
y reacondicionamiento con logística dual
reduce costos de distribución y puede aumentar
ganancias hasta en un 23%, limitando desechos y
emisiones (Akkerman et al., 2023; Shah & Singh,
2021). Además, comprender el comportamiento
de devolución es clave para mejorar la cadena
de suministro y la satisfacción del cliente,
destacando la importancia de un buen servicio
logístico y políticas de retorno exibles (Choy
et al., 2020). Extender la ventana de devolución
puede aumentar el nivel de servicio sin afectar
la rentabilidad (Gökbayrak & Kayış, 2023).
Aplicación del análisis ABC y metodologías
conjuntas
Si bien la clasicación ABC es fundamental
para la gestión de inventarios, su integración
con metodologías avanzadas permite optimizar
la asignación de recursos y mejorar la eciencia
operativa. La combinación de ABC con la
77
Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Natura@economía, 8(2), 74-89
DOI. https://doi.org/10.21704/ne.v8i2.2267
Julio - Diciembre 2023
metodologías maximiza sus resultados y es
recomendada para el presente caso de estudio.
Aplicación de Sistematic Layout Planning
(SLP)
SLP es capaz de mejorar la gestión de almacenes,
identicando desafíos en el orden interno,
reabastecimiento, eciencia y la seguridad
(Cantini et al., 2020; Loyo et al., 2023). Pero
también es útil en la redistribución de plantas
logrando aumentar los ingresos al optimizar
la ubicación de máquinas reduciendo tiempos
(Al-Zubaidi et al., 2021; Antony et al., 2023;
Feiyang et al., 2021; Gnanaraj et al., 2021).
Asimismo, su aplicación puede verse fortalecida
optimización por enjambre de abejas (PSO)
puede mejorar los resultados con menor
inversión, reduciendo costos hasta en un 15%
y mejorando la rotación de inventario en un
20%. Antucheviciene et al. (2021) sugieren
una proporción óptima de 22%, 39% y 39%
para las categorías A, B y C respectivamente,
subrayando la importancia de una distribución
eciente del espacio para reducir las tasas de
picking y packing. Si bien Ho et al. (2021) y
Mehdizadeh (2020) proponen integrar ABC
con teoría aproximada para gestionar la
demanda, este enfoque presenta limitaciones
para incorporar nuevos ítems al inventario. En
resumen, la combinación de ABC con otras
Figura 1. Flujo de selección de artículos cientícos
Reduction of Return Rates in a Distribution Company Using Lean Warehousing and RFID-WMS: A Case Study in Peru
78
Julio - Diciembre 2023
si es aplicada con otras metodologías como Lean
Manufacturing y CORELAP que logran mejorar
la eciencia y la productividad (Baccanti et al.,
2021; Bouzona et al., 2021; Chaiyajina et al.,
2023). La versatilidad de SLP para optimizar
la distribución de espacios en almacenes y
plantas ofrece benecios medibles en términos
de eciencia, ingresos y rentabilidad mediante
la reducción de tiempos.
Metodología Lean Warehousing
Lean Warehousing optimiza las operaciones
y el espacio de almacenamiento al eliminar
esperas, reducir movimientos innecesarios
actividades no valiosas en la recolección
utilizando herramientas como Value Stream
Mapping (VSM) y Kaizen para lograr aumentar
la productividad en un 76.9%, el porcentaje de
valor agregado al 70.57%, mejorar la eciencia,
reducir el tiempo total de producción en un
51.43%, el tiempo de valor añadido en un 81.5%,
reducir el lead time en un 43.5% y el tiempo
sin valor añadido en un 72.1% (Abideen &
Mohamad, 2021; Adeodu et al., 2021; Bumann
et al., 2023; Shah, 2023). Asimismo, se puede
reducir la cantidad de productos agotados hasta
en un 17% en hipermercados, incrementando
ingresos en 33,215 euros anuales y ahorrando
26,670 euros al optimizar el recorrido de
empleados (Afecto et al., 2022). Incluso la
distancia a recorrer puede disminuir hasta en un
88%, mejorando la productividad del recolector
de piezas (Arjunan & Raghuram, 2022).
Problema de rotura de stock
Una herramienta para mitigar la rotura de stock
es el modelo de mínimo y máximos (Min-Max),
pero la metodología clásica de esta se muestra de
carácter estático, cuyos niveles tanto mínimos
como máximos cambian muy raramente en un
año y es inefectivo ante un escenario donde la
demanda sea muy variable. Ante esto, Duda
et al. (2021) proponen combinarlo con un set
de reglas que otorgue un ajuste dinámico de
los niveles Min-Max al no enfocarse en las
predicciones de demanda, sino en seguir la
situación actual del mercado y la uctuación
del requerimiento lo que dota de una mayor
exibilidad al modelo, resultando en mejoras
signicativas sobre las ventas.
3. Diagnóstico
A través de entrevistas con la alta dirección y
el uso de la Matriz Vester, se identicó que el
problema crítico de la empresa es el alto número
de devoluciones de productos, mientras que
problemas pasivos, como la disminución de
ventas y el incumplimiento en los tiempos de
entrega, afectan indirectamente la rentabilidad.
El análisis nanciero evidenció una reducción
del 34% en las ganancias durante el 2023, lo que
ha sido acompañado de una tendencia negativa
en las ventas durante los últimos cinco años.
Para comprender la causa de esta problemática,
se analizaron los procesos operativos mediante
el Diagrama de Análisis de Procesos (DAP) y
Value Stream Mapping (VSM). Ello reveló
que, el picking representa el principal cuello
de botella, con un tiempo de ciclo de 3.2 horas.
Esta ineciencia no solo retrasa el cumplimiento
de los pedidos, sino que también contribuye
directamente a errores en la selección de
productos, lo que genera un aumento en
las devoluciones. Durante el 2023, estas
devoluciones superaron el 10% de los pedidos,
con una tendencia ascendente en comparación
con años anteriores. Las principales quejas
de los clientes incluyen entregas incorrectas,
demoras en los envíos y productos en mal
estado, factores que afectan la percepción del
servicio y la satisfacción del cliente.
Dado que la problemática persiste y se ha
intensicado a lo largo del tiempo, este estudio
se enfocará en la optimización del proceso
de picking y la mejora en la gestión del
almacenamiento, con el objetivo de reducir las
devoluciones y aumentar la eciencia logística.
Por lo que, este estudio identica cuatro
causas principales de la alta tasa de devolución
de productos en una empresa automotriz:
inexactitud en el inventario, pronósticos
erróneos de demanda, recorridos innecesarios
en el almacén e inadecuados métodos de
trabajo. Estas causaron un impacto económico
de 119,372.76 PEN en 2023, representando un
9.75% de la facturación.
Para evaluar la tasa de devoluciones de la
empresa, se realizó un estudio cuantitativo
detallado de los registros del año 2023,
79
Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Natura@economía, 8(2), 74-89
DOI. https://doi.org/10.21704/ne.v8i2.2267
Julio - Diciembre 2023
obteniendo un porcentaje de devolución del
14.78%. Este valor fue comparado con estudios
previos en el sector, donde se han implementado
metodologías como Lean Warehousing y
técnicas de gestión de almacenes para reducir
este indicador.
Álvarez et al. (2019), en su estudio
“Implementation of Lean Warehousing to Reduce
the Level of Returns in a Distribution Company”,
destacan que la aplicación de Lean Warehousing
en una empresa de distribución permitió reducir
el nivel de devoluciones a un 5.50%. Por su
parte, Calcina et al. (2023), en “Implementing
Lean Warehousing Model to Increase On-Time
and In-Full of an SME Commercial Company:
A Research in Peru”, encontraron que la
implementación de este modelo en una empresa
comercial ayudó a reducir las devoluciones al
7.25%. Finalmente, Quiroz et al. (2023), en
su investigación “Warehouse Management
Model to Reduce Return Rate Applying Lean
Manufacturing Techniques and Multicriteria
ABC in SMEs in the Textile Sector”, reportaron
que la aplicación de un modelo de gestión de
almacenes basado en Lean Manufacturing y la
clasicación ABC permitió disminuir la tasa de
devoluciones a 4.00%.
La comparación de estos valores con el
porcentaje de devoluciones de la empresa
evidencia una brecha del 9.19%. Esta
diferencia resalta la necesidad de optimizar
el proceso de picking, ya que la ineciencia
en esta etapa impacta directamente en la
cantidad de devoluciones, generando errores
en la preparación de pedidos y aumentando las
quejas de los clientes. Implementar estrategias
basadas en las metodologías de los estudios
analizados permitirá reducir signicativamente
las devoluciones y mejorar la satisfacción del
cliente.
Por este motivo, se propone la implementación
de la metodología Lean Warehousing, destacada
por su capacidad para optimizar el almacén,
reducir costos y mejorar la eciencia operativa,
logrando ahorros signicativos y aumentando
la precisión en la gestión del inventario. Esta
metodología ha demostrado su ecacia en
la reducción de devoluciones en diversas
empresas del sector, alineándose con el objetivo
de cerrar la brecha identicada y mejorar la
competitividad de la organización.
4. Modelo a implementar
El modelo se estructura en tres componentes:
el diseño de layout utilizando la metodología
Sistematic Layout Planning (SLP), la mejora
del pronóstico de demanda con el modelo Min-
Max y la implementación de la herramienta de
trabajo estandarizado con el apoyo de 5S. Se
incorporan tecnologías como RFID-WMS para
optimizar la recolección de datos y mejorar el
reabastecimiento. Además, el enfoque se centra
en mejorar la calidad del servicio logístico
para reducir las devoluciones, priorizando la
satisfacción del cliente sobre las políticas de
empresa. Este modelo es aplicable a empresas
similares que enfrenten problemas de devolución
y eciencia en sus almacenes.
La propuesta presentada es una adaptación
basada en los aportes de estudios previos que
han demostrado la efectividad de estos enfoques
en distintos sectores industriales. La aplicación
de Lean Warehousing ha sido clave para mejorar
la eciencia operativa y reducir las tasas de
devolución en pequeñas y medianas empresas
comerciales (Calcina et al., 2023; Quiroz et al.,
2023). La optimización del diseño de layout
mediante SLP ha permitido incrementar la
productividad y mejorar la gestión del espacio
en diversas industrias (Baccanti et al., 2021;
Chaiyajina et al., 2023). Además, la integración
de Value Stream Mapping y simulación discreta
ha optimizado la gestión de almacenes en
la industria farmacéutica y otros sectores
(Abideen & Mohamad, 2021). En cuanto a la
planicación de la demanda, el uso de reglas
de decisión dinámicas ha demostrado ser
una estrategia ecaz para ajustar los niveles
de pedido Min-Max en entornos de alta
variabilidad (Duda et al., 2021). Finalmente, el
análisis del comportamiento del consumidor en
las devoluciones ha proporcionado información
clave sobre patrones de retorno y estrategias
de mitigación en el comercio electrónico
(Choy et al., 2020). A continuación, se expone
en la Figura 2 el modelo conceptual, el cual
incluye en sus salidas la evaluación de todos
los indicadores previamente mencionados,
Reduction of Return Rates in a Distribution Company Using Lean Warehousing and RFID-WMS: A Case Study in Peru
80
Julio - Diciembre 2023
siendo particularmente adecuado para empresas
que presenten características semejantes a las
descritas.
5. Implementación de prueba piloto
En primer lugar, el componente 1 también
conocido como el proceso de optimización
del layout, dividido en tres fases —análisis,
desarrollo y evaluación del nuevo layout, y su
implementación—, inició con una auditoría de
las tres S: Seiri (clasicar), Seiton (ordenar)
y Seiso (limpiar) en ambos almacenes. Tras
recopilar y contrastar información con las
metas establecidas, se desarrolló el Diagrama
Relacional de Actividades y se clasicaron
los productos mediante el análisis ABC. La
elaboración del Diagrama de Spaghetti permitió
identicar mejoras en los ujos de trabajo. Los
resultados obtenidos revelaron una mejora del
40% en el almacén 1 y 47% en el almacén 2
respecto a la evaluación inicial. En el almacén
1, se reorganizaron los productos en el primer
pasillo utilizando el análisis ABC, mientras
que el diagrama de espagueti evidenció una
reducción en tiempo y recorrido necesarios
para la búsqueda de productos. La recopilación
de datos en esta etapa mostró que el tiempo
promedio de picking por pedido disminuyó a
2.63 horas, en comparación con las 3.2 horas
previas a la mejora, representando una reducción
de 0.57 horas por pedido. Estos resultados
demuestran un impacto positivo en la eciencia
operativa del proceso de almacenamiento y
distribución.
La implementación del componente 2
(reabastecimiento inteligente), incluye la
optimización del inventario mediante el modelo
Min-Max, el sistema RFID-WMS y la base de
datos IoT compartida, ha resultado en mejoras
signicativas en la gestión de inventarios de
la empresa. En la fase inicial, la clasicación
ABC y el análisis de datos históricos de ventas
se integraron en el set de reglas para guiar el
proceso de reabastecimiento, mientras que la
fase de gestión de inventario estableció niveles
óptimos de stock, logrando una reducción
en los costos operativos y una mejora en la
precisión del reabastecimiento. La fase de
implementación del sistema RFID-WMS junto
a una base de datos IoT permitió monitorear en
tiempo real el inventario, alcanzando un Índice
de Exactitud de Inventario (ERI) que pasó del
80% al 95% en un mes. Además, el piloto de
conteo cíclico en agosto demostró la efectividad
de una frecuencia ajustada según la rotación
de productos, con conteos mensuales para los
productos de alta rotación, bimensuales para
los de rotación media y trimestrales para los de
baja rotación, optimizando así el balance entre
precisión y uso de recursos. Los resultados
adicionales incluyen una mejora del 5.59% en la
disponibilidad de mercadería, proyectándose un
aumento de hasta 7.46% en un año. El sistema
RFID-WMS también permitió una reducción
Figura 2. Modelo conceptual
81
Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Natura@economía, 8(2), 74-89
DOI. https://doi.org/10.21704/ne.v8i2.2267
Julio - Diciembre 2023
del error promedio de registro a 3.2%, con
ahorros en los costos de almacenamiento de un
8% y en tiempos de selección y clasicación
de inventario en un 13%, junto con un ahorro
del 8.3% en los costos totales. En agosto de
2024, las devoluciones por falta de stock
disminuyeron notablemente, pasando de 42 en el
mismo periodo de 2023 a 23, evidenciando una
mejora signicativa en la eciencia del almacén
y la precisión en la gestión de inventarios,
impactando positivamente en la reducción de
tiempos de picking y la toma de decisiones.
El último componente del proyecto se centró en
optimizar el layout mediante la implementación
del trabajo estandarizado, con apoyo directo
de la jefatura y altos directivos. A través de
una capacitación práctica y detallada sobre
la metodología 5S, se instruyó al equipo en la
aplicación de cada fase (Seiri, Seiton, y Seiso),
lo cual facilitó el establecimiento de estándares
claros de organización, orden y limpieza en
los almacenes. Como resultado, se logró una
signicativa mejora en la gestión de inventarios:
se implementaron áreas de almacenamiento
designadas para cada categoría de producto, con
etiquetas claras y visibles, lo que redujo tiempos
de búsqueda y minimizó errores. Esto se reejó en
una disminución del 4.45% en las devoluciones
de mercadería en mal estado durante las pruebas
piloto; proyectado anualmente, se anticipa una
reducción adicional, alcanzando un 12.27%.
Asimismo, en agosto de 2024, se registraron
236 ventas, de las cuales sólo 23 incurrieron en
devolución, representando una tasa del 9.74%,
lo que indica una reducción del 5.04% respecto
al índice inicial de 14.78% en las primeras cuatro
semanas del piloto. Estos resultados conrman
la efectividad del enfoque estandarizado y su
contribución a la consolidación de una cultura
de mejora continua, optimizando la satisfacción
del cliente y reduciendo los costos asociados al
control de calidad.
6. Discusión
6.1 Disusión de análisis de resultados
La optimización del proceso de picking en
el almacén, basada en la reorganización de
productos según el análisis ABC, permitió
reducir el tiempo promedio de preparación de
pedidos de 3.2 a 2.63 horas, lo que representa
una disminución de 34.2 minutos por pedido.
Esta mejora impactó positivamente en la
eciencia operativa al agilizar el ujo de trabajo
y minimizar tiempos improductivos.
Adicionalmente, la integración de tecnologías
como RFID-WMS y IoT, Shared Database
optimizó la gestión de inventarios,
incrementando la precisión y reduciendo
costos operativos. Estudios recientes, como
el de Ngaboyimbere (2021), demostraron que
la adopción de RFID elevó la exactitud del
inventario de 72.8% a 99% y disminuyó los
ciclos operativos en un 28.79%, mientras que
la visión computacional, potenciado por un IoT
Shared Database, permitió reducir en un 45% el
tiempo de conteo de inventarios.
Estas innovaciones, aplicadas en conjunto con
estrategias como el modelo min-max y el conteo
cíclico, favorecieron la disponibilidad de stock,
reduciendo los pedidos rechazados por falta de
mercadería de 42 a 23 en agosto de 2024. Lo
que representa una mejora del 5.59% en la tasa
de disponibilidad.
Por otro lado, la implementación de
capacitaciones en la metodología 5S y la
estandarización del trabajo optimizaron la
organización del almacén, asegurando que los
operarios adoptaran mejores prácticas para la
manipulación y almacenamiento de productos.
Como resultado, se logró una reducción del
4.45% en devoluciones por mercadería en mal
estado, disminuyendo el porcentaje total de
pedidos defectuosos al 12.27%, aunque sin
alcanzar el objetivo del 11.40%. A pesar de ello,
esta tendencia muestra avances en la gestión
de calidad y una mejora en el control de la
cadena de suministro. Además, el cálculo de
indicadores clave de desempeño (KPIs) reveló
una reducción en el porcentaje de devoluciones
al 9.74%, lo que representa una mejora del
5.04% en comparación con el 14.78% inicial.
Los resultados detallados de estas mejoras se
presentan en la Tabla 1, donde se comparan
los indicadores clave antes y después de la
implementación de estas estrategias.
Reduction of Return Rates in a Distribution Company Using Lean Warehousing and RFID-WMS: A Case Study in Peru
82
Julio - Diciembre 2023
6.2 Disusión de análisis del Resultado
Económico Financiero
Tras las mejoras alcanzadas en la Tabla 1, en
donde los resultados son consecuencia de la
planicación y bienes de capital empleados para
desarrollar el presente ujo de trabajo. Pero
¿cómo se visualiza toda esta proyección desde
el punto de vista económico?
Se partió de la elaboración de un presupuesto
debidamente cotizado para la implementación
de cada una de las fases, el despliegue asciende
a los 38,269.65 PEN de los cuales, 19,115.00
PEN se adjudican al componente 1, dicho
componente contempla conceptos como
análisis de requisitos y recopilación de datos
(250 PEN), estudios de tiempo y movimiento
(300 PEN), evaluación de ujo de materiales
(150 PEN), software y herramientas (565
PEN), implementación y ajustes (2,300 PEN),
capacitación y entrenamiento (11,700 PEN)
y costos indirectos (3,850 PEN). Para el
componente 2, reabastecimiento inteligente, se le
atribuye 16,794.65 PEN los cuales están partidos
en hardware RFID (5,174.15 PEN), software y
sistemas (4,495.50 PEN), infraestructura y redes
(760 PEN), implementación y ajustes (4,055
PEN), capacitación y entrenamiento (1,460
PEN), costos indirectos (850 PEN).
En la misma línea, al componente 3 le
corresponde un saldo restante de 2,360.00 PEN,
los cuales están compuestos de instructivo de
trabajo (400 PEN), LUPS (310 PEN), Gestión
visual (220 PEN), capacitación del personal
(650 PEN), gastos administrativos (380 PEN),
documentación nal (400 PEN).
A partir de ello, ¿qué asegura que la inversión en
cada componente está debidamente justicada?
Para su revisión se midió el rendimiento del
modelo con indicadores de evaluación de
proyectos tales como el Valor Actual Neto
(VAN), la Tasa Interna de Retorno (TIR), el
Ratio Benecio-Costo (RBC) y el Periodo de
Recuperación Descontado (PRD).
El Valor actual Neto (VAN) mide la rentabilidad
de un proyecto al descontar los ujos futuros
al valor presente. Expresado en soles peruanos
(PEN), un VAN positivo indica ganancias
superiores a la inversión, mientras que un VAN
negativo sugiere pérdidas, siendo clave para
decidir la viabilidad de la inversión.
Por su parte, la Tasa Interna de Retorno (TIR) es
la tasa de descuento que iguala el valor presente
de los ujos de efectivo a la inversión inicial,
haciendo que el VAN sea cero. Un proyecto
es viable si la TIR supera el Costo de Capital,
el WACC o la TMAR. Del mismo modo, el
Ratio Benecio Costo (RBC) representa las
unidades monetarias que el proyecto es capaz
de rendir por cada unidad monetaria invertida.
Gracia a ello, se considera que para considerar
aceptable un proyecto este debe ser mayor a una
unidad y se expresa mediante número de veces.
Finalmente, el El Periodo de Recuperación
Descontado (PRD) indica el tiempo necesario
para recuperar la inversión inicial, calculado
mediante el descuento de cada ujo del proyecto
al presente (t=0) y acumulándolos hasta
alcanzar el valor cero. Expresado en unidades
temporales, generalmente años, el PRD no
cuenta con una regla universal de aceptación
o rechazo, ya que su interpretación depende de
factores especícos del inversionista, como el
plazo deseado, el sector de la organización y las
condiciones económicas.
Tabla 1. Comparación semáforo de indicadores
Indicador a medirInicial Piloto Esperado Fuente
Tasa de devolución de pedidos 14.78% 9.74% 6.50% Álvarez et al. (2019); Calcina et al. (2023);
Quiroz et al. (2023)
Tiempo promedio de picking 3.2 h 2.63 h 2.7 h Antony et al. (2023)
Exactitud del registro de inventario 78.48% 95% 95% Destro et al. (2023), Kurata &
Ovezmyradov (2022) y Salehi (2023)
Porcentaje de pedidos no atendidos
debido a rotura de stock 13.05% 7.46% 8.87% Álvarez et al. (2019)
Porcentaje de pedidos en mal estado 16.72% 12.27% 11.40% Álvarez et al. (2019)
83
Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Natura@economía, 8(2), 74-89
DOI. https://doi.org/10.21704/ne.v8i2.2267
Julio - Diciembre 2023
Por otro lado, la elaboración del ujo económico
requiere de una tasa de costo de capital (COK),
también conocido en el argot nanciero como
Re, Rc, Ke, Kc, el cual representa el costo del
dinero desde el punto de vista del accionista
y la rentabilidad que espera obtener al asumir
el riesgo de invertir. Actualmente, existen
varios métodos para su estimación, pero la
metodología empleada por el presente trabajo
de investigación se basa en el Capital Asset
Pricing Model (CAPM), el cual se determina
con la siguiente ecuación:
COK=Rf+β*(Rm-Rf )+PRP
Donde:
Rf: Tasa Libre de Riesgo (T-bond)
Rm: Tasa de Riesgo de Mercado (S&P 500)
β: Factor de Riesgo
PRP: Prima de Riesgo País (EMBIG Perú)
Rm – Rf: Prima de Riesgo de Mercado
Por lo que, conociendo las variables se procedió
a obtener los valores que permitan ubicar el
COK del sector comercial automotriz. El primer
término, la tasa de rendimiento libre de riesgo
(Rf) corresponde al rendimiento de un bono a
cinco años emitido por el gobierno de Estados
Unidos (Tabla 2), mientras que el coeciente
beta (β) mide el riesgo de un sector económico
especíco (Tabla 4). El rendimiento del mercado
(Rm) se obtiene del índice S&P 500 (Tabla
4) y la prima de riesgo país a partir de la lista
EMBIG para Perú (Tabla 5). Estos parámetros,
extraídos de la página web Damodaran el 20 de
agosto de 2024, enriquecen el análisis nanciero
al considerar factores macroeconómicos y la
especicidad del sector comercio, facilitando
la evaluación del rendimiento potencial de
la inversión a cinco años. Se presentan a
continuación los valores de cada componente
para su cálculo posterior.
Tabla 2. Rf o Tasa Libre de Riesgo (T-bond)
Year US T. Bond (10-year)
2023 3.88%
Nota. Adaptado de Damodaran 2024 https://pages.stern.nyu.
edu/~adamodar/
Tabla 3. Rm o Tasa de Riesgo de Mercado (S&P
500)
Year S&P (includes dividends)
2023 26.06%
Nota. Adaptado de Damodaran 2024 https://pages.stern.nyu.
edu/~adamodar/
Tabla 4. β o Factor de Riesgo
Industry Name Beta
Retail (Distributors) 0.80
Nota. Adaptado de Damodaran 2024 https://pages.stern.nyu.
edu/~adamodar/
Como resultado se obtiene la siguiente ecuación
al reemplazar cada uno de los valores:
COK=Rf+β*(Rm-Rf )+PRP
COK=3.88%+0.80*(26.06%-3.88%)+1.35%
COK=22.9740%
Seguidamente, el proyecto requiere una
inversión inicial de 38,269.65 PEN, de
los cuales 20,000.00 PEN son nanciados
mediante un préstamo bancario, y el monto
restante se cubrirá con capital propio. Este
enfoque económico permite a la empresa no
sólo cubrir sus obligaciones a corto plazo, sino
también establecer bases sólidas para mejorar la
rentabilidad y viabilidad nanciera del proyecto.
Ello conlleva la necesidad de implementar un
ujo de caja nanciero al modelo de validación
económica. Inicialmente, se centra en el empleo
de capital propio de la organización por lo que
a continuación se desarrolla el ujo de caja
económico y sus componentes.
Benecios y Costos Generados por la Mejora
del Proceso
La implementación del proyecto ha generado
múltiples benecios económicos a través de la
reducción de pérdidas relacionadas con el daño
en el almacenamiento y transporte de productos,
la disminución de ventas por quejas de clientes
y el deterioro de la imagen institucional. Estos
benecios se desglosan en tres conceptos de
ahorro:
Reduction of Return Rates in a Distribution Company Using Lean Warehousing and RFID-WMS: A Case Study in Peru
84
Julio - Diciembre 2023
Ahorro promedio en picking
Se estima un ahorro de 0.57 horas diarias, que se
traduce en un cálculo anual basado en 26 días de
trabajo al mes y 12 meses al año, con un costo
de mano de obra directa (MOD) de 4.93 PEN
por hora. Ello está afecto a un crecimiento del
5% anual por el concepto de dinero en el tiempo
(Tabla 6).
Ahorro promedio en transporte de devolución
Este ahorro se origina en la eliminación de costos
logísticos asociados al transporte de mercadería
devuelta, estimándose un tiempo promedio de
1.30 horas por proceso, con un costo de MOD
de 5.77 PEN por hora (Tabla 7).
Tabla 7. Beecios por ahorro promedio en
transporte de devolución
Concepto
Ahorro promedio
en transporte de
devolución
Cantidad de devoluciones
evitadas anualmente 195
Horas Ahorradas 1.30
Horas Ahorradas anualmente 253.50
MOD (Soles/hora) S/ 5.77
Cantidad de Operarios 1
Soles Ahorrados anualmente S/ 1,462.50
Ahorro promedio en re-almacenaje
Se considera un tiempo promedio de 2.50 horas
para el re-almacenaje de productos devueltos,
lo que implica un análisis detallado en la
correspondiente tabla de benecios (Tabla 8).
Adicionalmente, se prevé un ahorro signicativo
en costos de MOD, proyectándose inicialmente
la eliminación de 195 devoluciones en el primer
año, con un crecimiento anual a medida que
se implementen capacitaciones y se mejore la
adaptación del personal al nuevo ujo de trabajo.
Los benecios adicionales incluyen:
• Benecios por ahorro en combustible: Se
calcula en función de las devoluciones no
realizadas, proyectándose un incremento en
el costo del combustible y una reducción en
el rendimiento del vehículo.
• Benecio por cumplir con el proyectado de
ventas anual. Se estima un ahorro inicial
de 3,800.00 PEN con un crecimiento anual
del 10%.
• Benecio por no entregar mercadería en
mal estado: Se prevé un ahorro inicial de
1,950.00 PEN, también con un incremento
del 10% anual.
Tabla 5. PRP o Prima de Riesgo País (EMBIG Perú)
CountryStandard deviation in
Equities (weekly)
Relative Volatility
(to US)
Total Equity Risk
Premium
Country risk
premium
Argentina 38.90% 2.09 8.59% 4.47%
Brazil 20.71% 1.11 4.58% 0.46%
Chile 27.50% 1.47 6.08% 1.96%
Colombia 23.04% 1.24 5.09% 0.97%
Costa Rica 6.02% 0.32 1.33% -2.79%
Mexico 16.40% 0.88 3.62% -0.50%
Panama 6.90% 0.37 1.52% -2.60%
Peru 24.78% 1.33 5.47% 1.35%
US 18.65% 1.00 4.12% 0.00%
Venezuela 40.33% 2.16 8.91% 4.79%
Nota. Adaptado de Damodaran 2024 https://pages.stern.nyu.edu/~adamodar/
Tabla 6. Benecios por ahorro promedio en
picking año 1
Concepto
Ahorro
promedio en
picking
Antes de la propuesta (hrs) 3.20
Después de la propuesta (hrs) 2.63
Horas Ahorradas 0.57
Horas Ahorradas anualmente 177.84
MOD (Soles/hora) S/ 4.93
Cantidad de Operarios 2
Soles Ahorrados anualmente S/ 1,752.75
85
Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Natura@economía, 8(2), 74-89
DOI. https://doi.org/10.21704/ne.v8i2.2267
Julio - Diciembre 2023
• Ingreso por la venta de activos: Se
contempla la implementación de tecnología
RFID-WMS que podría generar ingresos al
nal de su vida útil.
En cuanto a los costos asociados al proyecto, se
identican:
• Costos operativos: Incluyen el
mantenimiento de software y hardware,
con un incremento anual del 5%; costos
por monitoreo, también con un aumento
del 5%; y capacitación del personal, que
inicia en 1,700.00 PEN con un crecimiento
similar.
• Gastos Varios: Incluyen el salario del
personal administrativo, con un costo
inicial de 1,200.00 PEN y un aumento
anual del 5%.
• Depreciación de dispositivos RFID:
Calculada por el método de línea recta,
estimando una depreciación anual de
1,496.93 PEN mediante la siguiente
formula:
(dt)= (Costo inicial total - Valor de
Salvamento)/(Vida útil en años)
(dt)=(S/.14,484.65- S/.7,000,00)/5
(dt)=S/.1,496.93
Posteriormente, dentro de los conceptos de
ujo de caja nanciero se rescatan lo siguientes
aspectos:
• Amortización del préstamo: Distribuida en
el tiempo a través de un cronograma de pagos
detallado en los anexos correspondientes.
• Intereses del préstamo: Que constituyen un
gasto nanciero y se consideran en el ujo
económico.
• Benecio tributario: Que representa el
ahorro en el pago de impuestos debido a la
incorporación del préstamo.
Finalmente, los conceptos propuestos y su
desarrollo sirvieron para consolidar el ujo de
caja para los próximos cinco años, todo ello
deriva en la tabla 9.
Tabla 9. Tabla Resumen de Indicadores de
rentabilidad del proyecto
Indicador de rentabilidad Valor del Indicador
COK 22.9740%
VAN S/ 20,028.74
TIR 62.3106%
RBC 2.38
PRD 1.71
El análisis nanciero del proyecto muestra un
Valor Actual Neto (VAN) de 20,151.31 PEN,
lo que indica una ganancia neta esperada que
respalda la viabilidad económica de la inversión.
La Tasa Interna de Retorno (TIR) se sitúa en
62.5401%, superando signicativamente el
costo de capital requerido del 22.970%, lo
que garantiza rendimientos atractivos para los
inversionistas. Además, el Ratio Benecio-
Costo (RBC) de 2.39 sugiere que por cada
unidad monetaria invertida se obtienen 2.39
unidades monetarias en retorno, rearmando
la rentabilidad del proyecto. Por último, un
Periodo de Recuperación Descontado (PRD)
de 1.71 años indica una recuperación acelerada
de la inversión, lo que fortalece aún más la
justicación para su implementación en el
contexto del sector comercial.
7. Conclusiones
Se logró reducir la tasa de devoluciones de la
empresa de 14.78% a un 9.74% en el primer
mes de puesta en marcha del proyecto, lo que
signicó una diferencia del 5.04%. Este es el
resultado del decremento del tiempo promedio
de picking de 3.2hr a 2.63hr, atenuación del
Tabla 8. Benecios por ahorro promedio en re-
almacenaje
Concepto Ahorro promedio
en realmacenaje
Cantidad de devoluciones
evitadas anualmente 195
Horas Ahorradas 2.50
Horas Ahorradas anualmente 487.50
MOD (Soles/hora) S/ 4.93
Cantidad de Operarios 2
Soles Ahorrados
anualmente S/ 4,804.69
Reduction of Return Rates in a Distribution Company Using Lean Warehousing and RFID-WMS: A Case Study in Peru
86
Julio - Diciembre 2023
porcentaje de pedidos no atendidos debido
a rotura de stock del 13.05% al 7.46%,
decremento del porcentaje de pedidos en mal
estado del 16.72% al 12.27% y aumento del
indicador de exactitud del registro de inventario
(ERI) de 78.48% a 95%. Estos resultados se
materializan con los ahorros signicativos que
su implementación genera para la organización
al establecer la metodología Lean Warehousing
como eje principal. La ventaja principal que
presenta el proyecto es el componente Kaizen
(mejora continua), que permite al modelo
optimizar las transacciones dentro del almacén
a medida que estos aumentan.
Dicho volumen de información se resguarda
y es escalable, tanto a corto como largo plazo,
en el apoyo de tecnologías actuales como
el IoT Shared Database y, principalmente,
RFID-WMS, tecnología de identicación por
radiofrecuencia aplicado a los almacenes.
Gracias al modelo planteado, se logra reducir los
costos operativos que escenica el gestionar un
almacén bajo parámetros RFID al prescindir el
etiquetado por SKU y optar por la digitalización
de los racks a través de su etiquetado. Ello evita
la reimpresión de nuevos tags de radiofrecuencia
cada vez que se adquiera nueva mercadería, ya
que se emplea el registro de barras propio de
cada producto, teniendo así el colaborador, solo,
la labor de registrar el SKU con el lector portátil
y asignarlo al rack digitalizado que el sistema
WMS indique.
Por otro lado, el método de conteo cíclico
potencia la medición constante de indicadores
como el ERI que permiten monitorear el
desempeño del almacén.
En la misma línea, el problema del pronóstico de
la demanda se amortizó entendiendo el patrón
histórico de demanda de partes automotrices
para la categoría de productos A, B y C
empleando el método estadístico de coeciente
de autocorrelación.
Conjuntamente, se opta por dotar al modelo de
un set dinámico de reglas adaptadas al contexto y
modelo de negocio de la empresa, lo que otorga
exibilidad y lo alinea con las uctuaciones del
mercado.
Estos datos fueron complementados con criterios
estratégicos que priorizan ciertos productos o
escenarios operativos, optimizando así la toma
de decisiones en función de la rotación de
inventario, los tiempos de reabastecimiento y
las condiciones del mercado.
Gracias a este enfoque, el sistema no solo
reacciona a cambios en la demanda, sino que
también anticipa variaciones, lo que permite
minimizar desabastecimientos, reducir excesos
de inventario y mejorar la precisión en la gestión
del stock.
A su vez, se halló evidencia sustancial que
indica que 5S nunca debe ser empleado por sí
solo, sino que por el contrario esta se debe tomar
como soporte para potenciar otras herramientas
como SLP.
Finalmente, la implementación de herramientas
de gestión permite a la empresa amortizar
los costes y maximizar sus ahorros al evitar
la devolución de sus productos hacia sus
almacenes, disminuyendo la probabilidad
de retorno, mejorando procesos internos de
abastecimiento y picking con la nalidad de
aanzar su posición en el mercado y delizar a
más clientes.
Rol de los autores
EAF, RAP, VRSM, JPA: Conceptualización,
Investigación, Escritura-Preparación del
borrador original, Redacción-revisión y edición.
Fuentes de nanciamiento
Esta investigación no recibió ninguna
subvención especíca de ninguna agencia de
nanciación, sector gubernamental ni comercial
o sin nes de lucro.
Aspectos éticos / legales
Los autores declaran no haber incurrido en
aspectos antiéticos ni haber omitido normas
legales.
Referencias
Abideen, A., & Mohamad, F. (2021). Improving
the performance of a Malaysian
87
Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Natura@economía, 8(2), 74-89
DOI. https://doi.org/10.21704/ne.v8i2.2267
Julio - Diciembre 2023
pharmaceutical warehouse supply chain
by integrating value stream mapping
and discrete event simulation. Journal
of Modelling in Management, 16(1),
70–102. https://doi.org/10.1108/JM2-07-
2019-0159/FULL/PDF
Adeodu, A., Kanakana-Katumba, M., &
Rendani, M. (2021). Implementation of
Lean Six Sigma for production process
optimization in a paper production
company. Journal of Industrial
Engineering and Management, 14(3),
661–680. https://doi.org/10.3926/
jiem.3479
Afecto, M., Almeida, L., Barreira, M.,
Barros, M., Figueira, M., Galvão, M.,
Guimarães, R., Lima, R., & Mota,
D. (2022). Restructuring picking and
restocking processes on a hypermarket.
Production Engineering Archives,
28(1), 64–72. https://doi.org/10.30657/
PEA.2022.28.08
Akkerman, R., Goedhart, J., & Haijema, R.
(2023). Modelling the inuence of returns
for an omni-channel retailer. European
Journal of Operational Research, 306(3),
1248–1263. https://doi.org/10.1016/J.
EJOR.2022.08.021
Alvarez, J., Bonilla, K., Marcos, P., Quiroz, J.,
& Ramos, E. (2019). Implementation of
Lean Warehousing to Reduce the Level
of Returns in a Distribution Company.
IEEE International Conference on
Industrial Engineering and Engineering
Management, 886–890. https://doi.
org/10.1109/IEEM44572.2019.8978755
Álvarez, J., Bonilla, K., Marcos, P., Quiroz, J.,
& Ramos, E. (2019). Implementation of
Lean Warehousing to Reduce the Level
of Returns in a Distribution Company.
IEEE International Conference on
Industrial Engineering and Engineering
Management, 886–890. https://doi.
org/10.1109/IEEM44572.2019.8978755
Al-Zubaidi, S., Failli, F., & Fantoni, G. (2021).
Analysis of drivers for solving facility
layout problems: A Literature review.
Journal of Industrial Information
Integration, 21, 100187. https://doi.
org/10.1016/J.JII.2020.100187
Antony, J., Bhuvanesh, M., Cudney, E., Furterer,
S., Garza, J., & Senthil, S. (2023).
Decision-making through fuzzy TOPSIS
and COPRAS approaches for lean tools
selection: A case study of automotive
accessories manufacturing industry.
International Journal of Management
Science and Engineering Management,
18(1), 26–35. https://doi.org/10.1080/17
509653.2022.2064356
Antucheviciene, J., Daneshvar, M., & Razavi, S.
(2021). A hybrid fuzzy-stochastic multi-
criteria ABC inventory classication
using possibilistic chance-constrained
programming. Soft Computing, 25(2),
1065–1083. https://doi.org/10.1007/
S00500-020-05204-Z/TABLES/9
Arjunan, M., & Raghuram, P. (2022). Design
framework for a lean warehouse – a
case study-based approach. International
Journal of Productivity and Performance
Management, 71(6), 2410–2431. https://
doi.org/10.1108/IJPPM-12-2020-0668/
FULL/PDF
Baccanti, F., Micheli, G., & Rampoldi, A.
(2021). A revised systematic layout
planning to t disabled workers contexts.
Sustainability (Switzerland), 13(12).
https://doi.org/10.3390/SU13126850
Bouzona, M., Lista, A., Mostafad, S., Romeroe,
D., & Tortorella, G. (2021). Lean layout
design: a case study applied to the textile
industry. Production, 31. https://doi.
org/10.1590/0103-6513.20210090
Bumann, J., De Jesus, D., & Møller, D.
(2023). A multi-method approach
for reducing operational wastes in
distribution warehouses. International
Journal of Production Economics,
256, 108705. https://doi.org/10.1016/J.
IJPE.2022.108705
Calcina, A., Collao, M., Quiroz, J. C., &
Vasquez, M. (2023). Implementing
Reduction of Return Rates in a Distribution Company Using Lean Warehousing and RFID-WMS: A Case Study in Peru
88
Julio - Diciembre 2023
Lean Warehousing model to increase
on time and in full of an SME
commercial company: A research in
Peru. ACM International Conference
Proceeding Series, 60–65. https://doi.
org/10.1145/3587889.3587899
Cantini, A., De Carlo, F., & Tucci, M.
(2020). Towards Forklift Safety in a
Warehouse: An Approach Based on the
Automatic Analysis of Resource Flows.
Sustainability 2020, Vol. 12, Page 8949,
12(21), 8949. https://doi.org/10.3390/
SU12218949
Chaiyajina, N., Kasemset, C., Opassuwan, T.,
& Tangsittikhun, T. (2023). Application
of Simulation Technique for Improving
Plant Layout in Ceramic Factory.
Production Engineering Archives, 29(2),
186–194. https://doi.org/10.30657/
PEA.2023.29.22
Choy, K., Lau, H., Lee, C., Lin, D., & Siu, M.
(2020). Analysis of customers’ return
behaviour after online shopping in China
using SEM. Industrial Management and
Data Systems, 120(5), 883–902. https://
doi.org/10.1108/IMDS-05-2019-0296/
FULL/PDF
Collao, M., Flores, A., Leon, E., & Torres,
V. (2022). Improvement model
applying SLP and 5S to increase
productivity of storaging process in
a SME automotive sector in Peru.
ACM International Conference
Proceeding Series, 219–225. https://doi.
org/10.1145/3524338.3524372
Contreras, S., Gómez, N., Paredes, M., & Ruiz,
R. (2023). Situación del mercado laboral
en Lima Metropolitana. www.inei.gob.pe
Duda, J., Karkula, M., Puka, R., Skalna, I., &
Stawowy, A. (2021). Decision rules-
based method for dynamic adjustment of
Min–Max ordering levels. Applied Soft
Computing, 107, 107370. https://doi.
org/10.1016/J.ASOC.2021.107370
Duong, M., Nguyen, D., Nguyen, D., Nguyen,
H., Phan, T., & Thuy-Bui, P. (2023).
Orders selection and routes planning
for empty return trucks. AIP Conference
Proceedings, 2482(1). https://doi.
org/10.1063/5.0111468/2867308
Dzyabura, D., El Kihal, S., Hauser, J., &
Ibragimov, M. (2019). Leveraging the
Power of Images in Managing Product
Return Rates. SSRN Electronic Journal.
https://doi.org/10.2139/SSRN.3209307
Feiyang, F., Haijun, Y., Hongliang, L., Jiangwei,
C., & Wang, Y. (2021). Sustainable
Plant Layout Design for End of Life
Vehicle Recycling and Disassembly
Industry Based on SLP Method, a
Typical Case in China. IEEE Access, 9,
81913–81925. https://doi.org/10.1109/
ACCESS.2021.3086402
Gnanaraj, J., Janakiraman, V., Leela, P.,
Muthiah, A., & Sulaiman, S. (2021). An
evolutionary optimal green layout design
for a production facility by simulated
annealing algorithm. Materials Today:
Proceedings, 47, 4423–4430. https://doi.
org/10.1016/J.MATPR.2021.05.256
Gökbayrak, E., & Kayış, E. (2023). Single item
periodic review inventory control with
sales dependent stochastic return ows.
International Journal of Production
Economics, 255, 108699. https://doi.
org/10.1016/J.IJPE.2022.108699
HCP. (2023). Huella de Carbono PERÚ. https://
huellacarbonoperu.minam.gob.pe/
huellaperu/#/estadisticas/medicion
Ho, G., Ip, W., Tang, Y., & Yung, K. (2021).
Inventory classication system in space
mission component replenishment using
multi-attribute fuzzy ABC classication.
Industrial Management and Data
Systems, 121(3), 637–656. https://doi.
org/10.1108/IMDS-09-2020-0518/
FULL/PDF
ICEX. (2023). INFORME ECONÓMICO
Y COMERCIAL. https://www.icex.
es/content/dam/es/icex/oficinas/065/
documentos/2023/05/anexos/iec-
peru-2023.pdf
Loyo, J., Rodriguez, L., & Silva, U. (2023).
89
Altamirano, E., Ambicho, R., Rodríguez, V., Pérez, J. (2023). Natura@economía, 8(2), 74-89
DOI. https://doi.org/10.21704/ne.v8i2.2267
Julio - Diciembre 2023
Layout evaluation with the industry 4.0
approach for a manufacturing laboratory.
International Journal of Simulation
Modelling, 22(4), 551–561. https://doi.
org/10.2507/IJSIMM22-4-642
Mehdizadeh, M. (2020). Integrating ABC
analysis and rough set theory to
control the inventories of distributor
in the supply chain of auto spare parts.
Computers & Industrial Engineering,
139, 105673. https://doi.org/10.1016/J.
CIE.2019.01.047
Muñiz, H. (n.d.). Determinación de las
dicultades que tienen los clientes en la
elección de tiendas de autopartes en lima
metropolitana en el año 2020.
Ngaboyimbere, F. (2021). RFID based
warehouse management system. a case
study of rok industries. https://doi.
org/10.58694/20.500.12479/1586
OMC. (2024). Estadísticas - Comercio de
servicios comerciales. https://www.
wto.org/spanish/res_s/statis_s/gstdh_
commercial_services_s.htm
Proposing a System Architecture. IFIP Advances
in Information and Communication
Technology, 676 IFIP, 159–170. https://
doi.org/10.1007/978-3-031-34107-6_13
Quiroz, J., Roncal, M., & Tarazona, F. (2023).
Warehouse Management model to reduce
return rate applying Lean Manufacturing
Techniques and Multicriteria ABC
in a SMEs in the textile sector. ACM
International Conference Proceeding
Series, 155–161. https://doi.
org/10.1145/3587889.3587913
Radhi, M., & Theor, J. (2022). Service Decisions
in a Two-Echelon Retailing System with
Customer Returns. Journal of Theoretical
and Applied Electronic Commerce
Research 2022, Vol. 17, Pages 1219-
1242, 17(3), 1219–1242. https://doi.
org/10.3390/JTAER17030062
Shah, B. (2023). What should be lean buer
threshold for the forward-reserve
warehouse? International Journal
of Productivity and Performance
Management, 72(2), 361–387. https://
doi.org/10.1108/IJPPM-02-2021-0075/
FULL/PDF
Shah, B., & Singh, G. (2021). Can collaborative
buering strategies reduce distribution
costs while improving product
returns?: A case of an Asian e-retailer.
Benchmarking, 28(9), 2808–2834.
https://doi.org/10.1108/BIJ-09-2020-
0478/FULL/PDF
SUNAT. (2020). Ventas totales declaradas según
actividad económica - 2019. https://
www.sunat.gob.pe/estadisticasestudios/
index.html
