Professional Documents
Culture Documents
BOGOT
Enero de 2010
COMIT DIRECTIVO
__________________________________________________________________
Jaime Alberto Leal Afanador
Rector
Gustavo Velsquez
Decano Escuela de Ciencias Bsicas Tecnologa e Ingeniera
INDICE DE CONTENIDO
INTRODUCCIN ............................................................................................... 11
UNIDAD 1. PLANEACIN DE LA PRODUCCIN ................................................ 14
CAPITULO 1: LA EMPRESA COMO UN SISTEMA ABIERTO ......................... 14
Introduccin.................................................................................................... 14
Leccin 1: Subsistema de Direccin y Gestin .............................................. 15
Leccin 2: El Subsistema de Operaciones..................................................... 16
Leccin 3: Objetivos del Subsistema de Operaciones ................................... 17
3.1 Costo .................................................................................................... 18
3.2 El tiempo............................................................................................... 18
3.3. Calidad................................................................................................. 19
3.4 Flexibilidad............................................................................................ 19
Leccin 4: Decisiones del Subsistema de Operaciones ................................ 20
4.1 Pronsticos........................................................................................... 21
4.2 Administracin de Inventarios ............................................................... 22
4.3 Planeacin............................................................................................ 23
Leccin 5: La Estrategia de Gestin de la Cadena de Suministro y la Gestin
de la Operaciones .......................................................................................... 25
CAPITULO 2: PRONSTICOS ......................................................................... 28
Introduccin.................................................................................................... 28
Leccin 6: Definicin y Proceso del Pronstico.............................................. 28
6.1 Identificacin del problema. .................................................................. 29
6.2 Elementos del tiempo en el Proceso de Pronstico.............................. 29
6.3 Anlisis de Datos.................................................................................. 30
6.4 Influencia del ciclo de vida del producto sobre la metodologa del
pronstico ................................................................................................... 31
Leccin 7: Mtodos de Pronstico ................................................................. 32
7.1 Descripcin de Mtodos Cualitativos .................................................... 34
7.2 Descripcin de los Mtodos Cuantitativos ............................................ 35
Leccin 8: Mtodos de Series de Tiempo ...................................................... 36
8.1 Promedio simple ................................................................................... 36
8.2 Promedio Mvil ..................................................................................... 36
8.3 Suavizacin Exponencial Simple. ......................................................... 39
8.4 Suavizacin Exponencial con Tendencia ............................................. 43
8.5 Mtodo de Holt Winters. .................................................................... 48
Leccin 9. Mtodos Causales Regresin Lineal ......................................... 60
Leccin 10. Medicin de Errores de Pronstico ............................................. 65
10.1 Desviacin Media Absoluta (MAD) ..................................................... 65
10.2 Error Cuadrtico Medio (MSE)............................................................ 66
LISTADO DE TABLAS
LISTADO DE GRFICOS
Grfico 36 Grfico Gantt Algoritmo de Jackson Sistema Jop Shop .................... 161
LISTADO DE CUADROS
Cuadro 1 Los Pronsticos relacionados con el ciclo de Vida del Producto ........... 32
Cuadro 2 Tipos de Pronstico .............................................................................. 33
Cuadro 3 Datos Ejemplo 5 .................................................................................... 44
Cuadro 4 Datos de Entrada Ejemplo 7 .................................................................. 71
Cuadro 5 Costos para EUTTOR............................................................................ 86
Cuadro 6 Problema de Asignacin...................................................................... 138
Cuadro 7 Problema de Asignacin 2 ................................................................... 139
Cuadro 8 Matriz Resultante................................................................................. 139
Cuadro 9 Paso 4 Mtodo Hngaro...................................................................... 140
Cuadro 10 Matriz Resultante............................................................................... 140
Cuadro 11 Trabajos para una Mquina ............................................................... 147
Cuadro 12 Secuencia de Trabajos para una Mquina aplicando la regla EDD... 147
Cuadro 13 Secuencia de Trabajos para una Mquina aplicando la regla SPT .. 149
Cuadro 14 Programacin de Trabajos en Mquinas Paralelas Para Tiempo de
Flujo Mnimo........................................................................................................ 152
Cuadro 15 Programacin de Trabajos en Mquinas Paralelas Para minimizar el
Lapso de Produccin........................................................................................... 153
Cuadro 16. Datos Ejemplo 15 ............................................................................. 155
Cuadro 17. Datos Ejemplo 16 ............................................................................. 157
Cuadro 18 Datos ejemplo 17............................................................................... 160
INTRODUCCIN
Las empresas industriales son sistemas abiertos (influenciados por el entorno) los
cuales mantienen un flujo permanente de materiales, energa y dinero, que les
permite cumplir con su misin y a la vez interactuar con todo el sistema econmico
en el cual est inmersa. De acuerdo a esto, el realizar un anlisis sistmico
permite reconocer una serie de subsistemas que lo conforman y tener un enfoque
para entender su funcionamiento, el cual es complejo. Existen diferentes maneras
de diferenciar los subsistemas que conforman una empresa, pero para este
anlisis se ha optado por definir un enfoque funcional, segn el cual, los distintos
elementos se agrupan en subsistemas diferenciables segn el tipo de funcin que
cada uno de estos desarrolla.
El proceso de Planeacin y Control de la Produccin exige entender el sistema de
manufactura como un sistema complejo el cual a su vez tiene varios subsistemas
que lo determinan. El presente material describe los principales aspectos que
conforman el proceso de Gestin de la Produccin, partiendo por la manera como
se pueden proyecta la cantidad de productos a fabricar (pronsticos) la
determinacin de cmo estos se van a elaborar (planeacin de capacidades y
planeacin agregada), el desarrollo de metodologas como el MRP que combina la
administracin de inventarios con las capacidades y el plan de produccin de un
producto, hasta la planeacin detallada que implica secuencias trabajos en el taller
propiamente dicho.
Las anteriores actividades se apoyan en una serie mtodos y tcnicas
cuantitativas, las cuales tienen cada una indicadores de control de su desempeo
para el analista de manera que permita evaluar su desempeo. Por lo tanto el
curso de Planeacin y Control de la Produccin integra una serie de presaberes
del estudiantes que van desde el anlisis de costos, la estadstica, la
administracin hasta la aplicacin de la investigacin de operaciones y el uso de
software como el Excel y otros de carcter especfico para el desarrollo de las
temticas propuestas.
El curso de Planeacin y Control de la Produccin pretende desarrollar en el
estudiante habilidades para la aplicacin de las diferentes tcnicas y mtodos
cuantitativos usados en la planeacin, programacin y control de sistemas
productivos; de manera que le permitan plantear alternativas de solucin a
problemas relacionados con la gestin de operaciones y a la vez permitan
aumentar la productividad de estos sistemas garantizando el cumplimiento de las
necesidades de los clientes.
UNIDAD 1
Nombre de la Unidad 1
Denominacin de captulo 1
Introduccin
Denominacin de Leccin 1
Denominacin de Leccin 2
Denominacin de Leccin 3
Denominacin de Leccin 4
Denominacin de Leccin 5
Denominacin de captulo 2
Introduccin
Denominacin de Leccin 6
Denominacin de Leccin 7
Denominacin de Leccin 8
Denominacin de Leccin 9
Denominacin de Leccin 10
Denominacin de captulo 3
Introduccin
Denominacin de Leccin 11
Denominacin de Leccin 12
Denominacin de Leccin 13
Denominacin de Leccin 14
Denominacin de Leccin 15
Fuentes Documentales
UNIDAD 2
Nombre de la Unidad
Introduccin
Denominacin de captulo 4
Denominacin de Leccin 16
Denominacin de Leccin 17
Denominacin de Leccin 18
Denominacin de Leccin 19
Denominacin de Leccin 20
Denominacin de captulo 5
Denominacin de Leccin 21
Denominacin de Leccin 22
Denominacin de Leccin 23
Denominacin de Leccin 24
Denominacin de Leccin 25
UNIDAD 3
Nombre de la Unidad
Denominacin de captulo 7
Introduccin
Denominacin de Leccin 31
Denominacin de Leccin 32
Denominacin de Leccin 33
Denominacin de Leccin 34
Denominacin de Leccin 35
Denominacin de captulo 8
Denominacin de Leccin 36
Denominacin de Leccin 37
Denominacin de Leccin 38
Denominacin de Leccin 39
Denominacin de Leccin 40
Denominacin de captulo 9
Denominacin de Leccin 41
Denominacin de Leccin 42
Denominacin de Leccin 43
Denominacin de Leccin 44
Denominacin de Leccin 45
13
12
Disponibilidad de datos
17
CAPITULO 2: PRONSTICOS
Introduccin
Como ya se haba mencionado el proceso de planeacin y control de las
operaciones industriales, inicia por conocer como es el comportamiento de
la demanda de los productos o servicios ofertados, de manera que el sistema
productivo pueda responder de forma eficaz a estas necesidades de manera
oportuna.
En una empresa del sector productivo, el pronosticar los requerimientos de
materiales necesarios para producir los bienes que ella manufactura; en un
sistema financiero se requiere predecir el comportamiento del flujo de dinero y las
tasas de cambio; en una compaa de servicios, como un restaurante de comidas
rpidas, el pronosticar el nmero de personas que ingresan al mismo en distintos
perodos de tiempo permitir definir la carga de trabajo existente y as determinar
el nmero de personas requeridas para atender a los clientes en cierto perodo.
En cualquier caso, el sistema de pronsticos es un aspectos que puede ser
determinante en la competitividad y productividad de las compaas, ya que las
decisiones que se tomen frente a este factor pueden determinar el nivel de
servicio al cliente, el exceso de inventarios o, peor an, ambos factores en forma
simultnea cuando se cuenta con inventarios desbalanceados.
En este captulo se examinan los diferentes tipos de pronstico y se mostrarn
algunos modelos de pronstico. Se pretende que el estudiante conozca,
comprenda y maneje los diferentes mtodos que existen para realizar pronsticos
de ventas, e igualmente que pueda evaluar la precisin de cada uno de los
modelos propuestos.
Leccin 6: Definicin y Proceso del Pronstico
De acuerdo a lo propuesto por MAKRIDAKIS (1989) Pronstico es la estimacin
de un acontecimiento futuro que se obtiene proyectando datos del pasado que se
combinan sistemticamente, o sea que requiere tcnicas estadsticas y de la
ciencia administrativa.
De acuerdo a lo propuesto por VIDAL (2005), la primera caracterstica de los
pronsticos de demanda es que estos siempre estarn errados. Esto se explica
por el hecho de que al realizar un pronstico, se est anticipando lo que ocurrir
en el futuro, lo cual implica un efecto de incertidumbre a priori. Por lo tanto, la
clave del xito de un sistema pronstico asociado por ejemplo a la gestin de
inventarios es conocer a fondo los errores del pronstico y responder a ellos en
forma adecuada mediante la utilizacin de inventarios de seguridad.
19
ciclos tienen forma de ola, ya que pasan de un valor grande a uno pequeo y de
regreso nuevamente.
La Estacionalidad: Este factor se refiere a las fluctuaciones peridicas de longitud
constante y de manera proporcional, estas pueden ser determinadas por la
temperatura, la lluvia, las ferias, las vacaciones, etc. La diferencia entre
estacionalidad y ciclicidad consiste en que la primera se repite as misma a
intervalos fijos como un ao, un mes o una semana, en tanto que los ciclos tienen
una duracin mayor que vara de un ciclo a otro.
Variacin Aleatoria: El anlisis de los datos siempre debe suponer un
componente aleatorio o de error que siempre afecta la demanda.
6.4 Influencia del ciclo de vida del producto sobre la metodologa del
pronstico
Otro factor que debe considerarse cuando se desarrolla un pronstico de ventas,
es aquel que est relacionado con el ciclo de vida del producto. Tanto para los
bienes e incluso los servicios no se venden de manera constante a lo largo de su
vida. Por ello, es necesario considerar cuatro fases para el anlisis de los mismos:
1) Introduccin, 2) Crecimiento, 3) Madurez y 4) Declinacin. Para cada uno de
ellos, se determinan diferentes metodologas para elaborar el pronstico las cuales
estn en funcin de los datos disponibles y del horizonte de tiempo del pronstico
Introduccin
Crecimiento
Madurez
Declinacin
Existencia de
hay Es posible que existan Existencia de Datos
Datos
datos
histricos
histricos
Se mantiene el largo
plazo,
analizando
Pronsticos a corto Pronsticos a
Largo plazo
plazo
corto plazo
tendencias
y
relaciones causales
Mtodos
de
series
de
Mtodos
tiempo
y
causales, junto
cualitativos
(Mtodo Delphi, Mtodos causales, e Mtodos de series con
Investigaciones
investigacin
de de
tiempo
y investigaciones
de
mercado, mercados
causales
de
mercado
acuerdos
de
que
grupo)
determinen
cambios en el
mercado
Datos
Disponibles
No
disponibles
Horizonte de
Tiempo
Mtodo de
Pronstico
Descripcin
1. Cualitativos
Mtodo Delphi
Investigacin de
Mercados
Consensos grupales
2. Cuantitativos
Recopila datos a travs de encuestas y entrevistas, para probar hiptesis formuladas con respecto al
mercado. Se usa para pronosticar ventas a largo plazo o para la introduccin de nuevos productos
A travs de reuniones abiertas, ejecutivos de ventas o clientes definen estiman la demanda de los
clientes
Se basan en la idea de que se puede usar los datos histricos de un suceso para realizar el pronstico
Ciertos puntos de ponderan ms o menos que otros, segn se considere conveniente de acuerdo
con la experiencia
Suavizacin exponencial
mayor
peso,
este
peso
se
reduce
Ajusta a unos datos histricos una lnea de tendencia lineal, exponencial, polinomial, etc. El mtodo de
ajuste ms usado es el mnimos cuadrados
Tcnica compleja, pero bastante precisa de las tcnicas disponibles, relaciona una clase de mtodos
estadsticos con los datos y ajusta el modelo a la serie de tiempo por medio de distribuciones bayesianas
Redes neuronales
Una red neuronal imita la estructura y funcionamiento del cerebro, se busca aplicar los principios de
funcionamiento de estas al desarrollo de pronsticos.
Modelos economtricos
Intenta describir
interdependientes
Modelos de entrada/salida
Se centra en las ventas de cada industria a otras empresas y al gobierno. Indica cambios en las
ventas que puede esperar una industria productora debidos a cambios en la compras de otra
industria
el
comportamiento
de
un
sector
econmico
por
medio
de
ecuaciones
Indicadores gua
Estadsticas que permiten corroborar el comportamiento de una serie, por ejemplo el aumento del
precio de la gasolina podra indicar una reduccin en la ventas de automviles grandes
Modelos de simulacin
Modelos dinmicos, imitan el comportamiento de un sistema. Estos modelos se basan en una gran
variedad de relaciones y utilizan variables estocsticas para el anlisis del problema.
FT 1 donde N es
Ejemplo 2. Con la misma informacin del perodo, con el mismo promedio mvil
de 3 perodos y un factor de ponderacin as: 3 para el ltimo mes, 2 para dos
meses atrs y 1 para un tercer mes atrs.
Donde:
La ventaja de este mtodo es que puede hacerse un pronstico con un solo dato
del perodo anterior, su pronstico y el valor de . En el caso de que tome un
valor grande, significa que se da una mayor ponderacin a los valores ms
recientes de la demanda y menos a los ms lejanos. A continuacin se muestra, el
porqu de este comportamiento, a partir de (1).
Segn la grfica anterior, se puede ver que al asignar valores grandes de dan un
mayor peso a los datos nuevos y el dato ms antiguo desaparece rpidamente,
(ver = 0.9), en cambio si se asigna un valor de ms pequeo se entiende que
el proceso tiene una tendencia constante, ver = 0.1. Para el caso en que no se
tiene seguridad en los datos se recomienda usar valores de alfa ms grandes.
Demanda
180
165
168
170
180
210
170
185
= 0.1*180 + 0.9*175
= 0.1*165 + 0.9*175.5
= 0.1*168 + 0.9*174.5
= 0.1*170 + 0.9*173.8
= 0.1*180 + 0.9*173.4
= 0.1*210 + 0.9* 174.1
= 0.1*170 + 0.9*177.7
= 0.1*185 + 0.9*176.9
Tabla 3 Datos Ejemplo 4
Fuente: El autor 2006
= 0.1
175,0
175,5
174,5
173,8
173,4
174,1
177,7
176,9
177.72
Pronstico
exponencialmente
exponencialmente suavizada T
suavizado
(Ft )
Tendencia
Ft Dt 1 (1 )( Ft 1 Tt 1 )
(5)
Tt Ft Ft 1
De la misma manera, que con la suavizacin exponencial simple se puede ahora
calcular la estimacin de la tendencia, as:
Tt Tt 1 ( Ft Ft 1 Tt 1 )
=
Tt ( Ft Ft 1 ) (1 )Tt 1
(6)
Donde:
Ft = Pronstico exponencialmente suavizado para el perodo anterior t
Tt = Tendencia exponencialmente suavizada en el perodo t
Tt 1 = Tendencia exponencialmente suavizada para el perodo t -1
Dt = Demanda real en el perodo t
= Constante de suavizacin para el promedio ( 0 1 )
= Constante de suavizacin para la tendencia ( 0 1 )
Con estas formulas los pasos para calcular el pronstico con ajuste de tendencia
son:
1. Calcular F
t con la ecuacin 5
2. Calcular
Tt con la ecuacin 6
FITt k Ft kTt
(7)
Ft1 ,
Ventas
Meses
Ventas
1
2
3
4
5
6
12
17
20
19
24
21
7
8
9
10
11
12
31
28
36
37
39
40
Se inicia con la determinacin de los valores de Ft1 y Tt1 Con base en los datos
de entrada, primero se calcula el promedio para los meses de 1 a 6 y 7 a 12.
Meses
Ventas
1
2
3
4
5
6
7
8
9
10
11
12
12
17
20
19
24
21
31
28
36
37
39
40
Promedio de
cada grupo
18,8
35,2
35.2 18.8 16
Luego al dividir este valor por el nmero de perodos que tiene cada grupo se
obtiene el incremento promedio de las ventas por mes, que es de 2.7. De esta
forma se obtiene la estimacin de la tendencia para el mes T1 que es 2.7
Para estimar F1 , calculamos el promedio total de los datos (27), el promedio de
estos est centrado en 6.5, esto significa que la ubicacin del valor promedio de
los datos est exactamente en la mediana de los perodos de tiempo
considerados.
Ubicacin del Promedio de los datos (6.5)
10
11
12
Por lo tanto para determinar el valor del primer perodo se resta el ajuste por
tendencia 2.7 por mes multiplicando por (12 6.5). Lo anterior permite determinar
el valor del pronstico como sigue:
F1 272.7(126.5) 12
Ft Dt 1 (1 )( Ft 1 Tt 1 )
Tt ( Ft Ft 1 ) (1 )Tt 1
FITt k Ft kTt
FITt k Ft kTt
FIT12 5 F12 5T12 39.3 5 2.9 54
Pronstico
Suavizado Ft
Tendencia
Suavizada Tt
Pronstico con
Tendencia
Error
Absoluto
Squared
1
2
3
4
5
12,0
13,7
16,4
19,3
20,8
2,7
2,3
2,5
2,6
2,2
14,8
15,9
18,8
21,9
22,9
-2,75
1,07
1,19
-2,93
1,07
2,75
1,07
1,19
2,93
1,07
7,56
1,14
1,41
8,59
1,14
23,4
2,3
25,7
-4,70
4,70
22,13
7
8
9
10
11
23,8
27,6
29,3
33,3
36,5
1,6
2,5
2,1
2,9
3,0
25,4
30,1
31,4
36,1
39,5
5,59
-2,13
4,57
0,87
-0,49
5,59
2,13
4,57
0,87
0,49
31,19
4,56
20,93
0,75
0,24
12
39,3
2,9
42,2
-2,23
2,23
4,98
13
41,3
2,6
43,9
-0,90
-0,07
Bias
29,60
2,47
MAD
104,63
8,72
MSE
17
54,0
Total
Average
FT ST BT (k ) CT
Mtodo Holt Winters Multiplicativo: El componente estacional C T multiplica a
la constante y a la tendencia ( S T y BT ).
FT K ( ST kBT )CT K L
A continuacin se desarrollar el modelo multiplicativo. El mtodo aditivo sigue
etapas anlogas al multiplicativo, sin embargo las aproximaciones de los diversos
componentes siguen formulaciones diferentes, por lo tanto la manera de agregar
dichos componentes para generar finalmente la serie suavizada es tambin
diferente.
El mtodo de pronstico consiste en estimar los parmetros del modelo, para de
esta manera realizar el pronstico, as:
Dt Demanda en el perodo T
C
t 1
(8)
D
S T T (1 )( ST 1 BT 1 ) (9)
CT L
Donde 0 < < 1, es la primera constante de suavizacin (la misma utilizada el
mtodo de suavizacin exponencial), la divisin entre la demanda DT entre el
factor CT L , y segn lo propuesto por Vidal (2005), corresponde a la estimacin del
factor estacional para el perodo T calculada en la estacin anterior (o sea hace L
perodos), hace que los datos no incluyan la componente estacional, como es de
esperarse para la estimacin de componente constante. En otras palabras, esta
expresin desplaza el eje de coordenadas al final del perodo actual, T.
Segundo, la estimacin del componente de tendencia se da como sigue.
BT ( ST ST 1 ) (1 ) BT 1
(10)
D
C T T
ST
(1 )CT L
(11)
La constante donde
, 0 <
< 1 es una tercera constante de suavizacin
independiente de
y . Es posible que al actualizar los valores de C T no se
cumpla la ecuacin (8), por lo cual es conveniente normalizar estos factores al
final de cada estacin, obligando a que se satisfaga dicha expresin, utilizando la
ecuacin (16), descrita ms adelante.
Finalmente para realizar el pronstico de demanda de cualquier perodo futuro T +
k, se utiliza la ecuacin de pronstico
FT K ( ST kBT )CT K L
(12)
B0
Dm D1
(m 1)L
(13)
L
S 0 D1 B0
2
(14)
Para los factores estacionales, estos son calculados para cada perodo t = 1, 2,...,
mL, como la razn entre la actual observacin y su valor promedio ajustado
estacionalmente y ajustado por la tendencia, mediante la siguiente expresin:
C 0
Dt
Di L 1 / 2 j B 0
(15)
para cada perodo. Es por ello, que se requiere calcular el promedio de ellos para
obtener una sola estimacin para cada perodo dentro de la estacin. Esto se
realiza mediante la siguiente expresin:
Ct
1 m1
Ct kL , para _ t 1,2,..., L
m k 0
(16.1)
Finalmente, los factores estacionales deben ser normalizados, de tal forma que su
suma sea igual a L, mediante la siguiente expresin:
C 't Ct
L
T
t T L 1
, para _ t 1,2,..., L
(16)
El procedimiento anterior estima S0, B0, C0. (Para t = 1,2, ., L), asumiendo que el
origen del tiempo se encuentra inmediatamente antes del perodo 1. Para
pronosticar observaciones futuras, a partir de los datos iniciales se har las
actualizaciones de los estimadores ST, BT, CT, perodo por perodo, de acuerdo con
las ecuaciones (10), (11) y (12) hasta llegar al final del perodo mL. As, el origen
de tiempo puede ser redefinido para este perodo y se pueden redefinir los
perodos mL, mL + 1, mL + 2,..., como los nuevos perodos 0, 1, 2, ....
Ejemplo 5. Con base en lo propuesto por Vidal (2005) para ilustrar el desarrollo
del Mtodo Multiplicativo de Winters, a continuacin se muestra el valor de la
demanda de gas natural en un pas nrdico entre los aos 1987 a 1992, basados
en los datos de los aos 1987 a 1990 se estimarn los parmetros de arranque
del modelo para y pronosticar los dos aos siguientes (1991-1992).
Mes
1
2
3
4
5
6
7
8
9
10
11
12
Mes
37
38
39
40
41
42
43
44
45
46
47
48
Demanda
1499,2
1316,5
1155,5
926,0
630,5
520,3
531,6
586,2
518,8
704,2
878,4
1276,2
Demanda
1437,5
1167,7
1055,7
824,7
598,9
483,2
478,1
523,3
498,1
635,5
834,6
1304,5
Mes
13
14
15
16
17
18
19
20
21
22
23
24
Mes
49
50
51
52
53
54
55
56
57
58
59
60
Demanda
1633,2
1462,6
1178,1
830,0
606,5
513,7
543,4
604,8
528,0
671,3
889,7
1244,0
Demanda
1512,9
1192,0
1075,6
763,0
551,9
434,0
472,3
438,8
448,2
617,9
900,7
1194,3
Mes
25
26
27
28
29
30
31
32
33
34
35
36
Mes
61
62
63
64
65
66
67
68
69
70
71
72
Demanda
1361,0
1416,3
1265,7
851,3
604,8
474,6
507,3
519,8
471,4
694,9
901,3
1482,7
Demanda
1395,3
1194,1
1070,8
834,4
575,9
458,3
431,0
441,8
462,6
700,9
996,6
1344,8
D3 879,2583
D 2 892,1083
D4 Dm 820,1500
B0
Dm D1 820.15 878.6167
1.62407
(m 1) L
(4 1) 12
L
12
S 0 D1 B0 878.6167 (1.62407) 888.3611
2
2
Ahora con la ecuacin (15), la cual producir mL = (4)(12) = 48 valores diferentes
de C t . Ahora que el proceso de clculo es el mismo, nicamente se muestra el
clculo para los primeros perodos. Para el ao i = 1, o sea para t = 1, 2, ..., 12..
Se aclara que el valor de j representa el mes dentro del ao correspondiente, es
decir esta vara desde 1 hasta 12. Los clculos se muestran a continuacin:
C 0
Dt
, para _ todo _ t 1,2,..., mL
Di L 1 / 2 j B 0
C1
D1
1.499,2
1,689146
D1 L 1/ 2 jB0 878.6167 121/ 2 1(1.689146)
C2
D2
1.316,5
1,486017
D1 L 1/ 2 jB0 878.6167 121/ 2 2(1.689146)
C3
D3
1.155,5
1,306682
D1 L 1/ 2 jB0 878.6167 121/ 2 3(1.689146)
Mes
Valor de j
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
Estimacin ndice
Estacional
1,689146
1,486017
1,306682
1,049082
0,715621
0,591634
0,605602
0,669040
0,593215
0,806706
1,008139
1,467429
1,812571
1,626165
1,312218
0,926165
0,677999
0,575303
0,609674
0,679801
0,594562
0,757312
1,005538
1,408553
Mes
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
Valor
de j
1
2
3
4
5
6
7
8
9
10
11
12
1
2
3
4
5
6
7
8
9
10
11
12
Estimacin
ndice Estacional
1,532329
1,597511
1,430262
0,963752
0,685952
0,539275
0,577497
0,592823
0,538621
0,795468
1,033660
1,703615
1,733845
1,411189
1,278344
1,000594
0,728070
0,588578
0,583520
0,639955
0,610349
0,780266
1,026768
1,608077
A continuacin se aplica frmula (16.1) para obtener los promedios de los factores
estacionales para cada perodo j dentro de la estacin. Esto produce 12 factores
estacionales para cada uno de los 12 meses del ao, los cuales se obtienen
promediando los resultados obtenidos en la Tabla 6 para cada valor de j. Por
ejemplo, para t = 1, se toman todos los valores con j = 1 de la Tabla 6. As, se
obtiene, por ejemplo, el primer valor aplicando la frmula as:
1 3
C1 C112 L , para _ t 1
4 k 0
1
1
C1 (C1 C13 C25 C37 ) (1,689146 1,812571 1,532329 1,733845) 1,691972
4
4
A continuacin se muestra los factores estacionales iniciales promediados y
normalizados.
La normalizacin de los datos es el proceso de ajuste de los ndices estacionales
iniciales calculados, de forma que la suma de los mismos sea igual al nmero de
perodos por estacin, L=12. La normalizacin se realizo aplicando la ecuacin
(16).
Mes
1
2
3
4
5
6
7
8
9
10
11
12
Total
Estimacin Factor
Estacional Promedio
1,691972
1,530221
1,331877
0,984898
0,701910
0,573698
0,594073
0,645405
0,584187
0,784938
1,018526
1,546918
11,988623
Estimacin Factor
Estacional Normalizado
1,693578
1,531673
1,333140
0,985833
0,702576
0,574242
0,594637
0,646017
0,584741
0,785683
1,019493
1,548386
12,000000
Dado que las estimaciones anteriores estn referidas al comienzo del perodo 1,
se necesita llevar estas estimaciones al origen de tiempo desde donde se van a
simular los pronsticos, o sea al final del perodo 48. Esto se logra aplicando
sucesivamente las ecuaciones (9), (10) y (11), las cuales se pueden implementar
fcilmente en una hoja electrnica. Cuando se llegue al perodo 48 mediante este
proceso se tendrn entonces los valores de inicio del pronstico simulado.
Factor
Tendencia
888,3611
-1,6241
886,5271
-1,6262
1,6922
F(0+1)=
1501,7584
-2,5584
1316,5
881,3726
-1,6615
1,5113
F(1+1)=
1355,3786
-38,8786
1155,5
877,9096
-1,6795
1,3240
F(2+1)=
1172,7786
-17,2786
926,0
884,9979
-1,5918
1,0183
F(3+1)=
863,8165
62,1835
630,5
885,3528
-1,5723
0,7077
620,6603
9,8397
520,3
886,8779
-1,5414
0,5809
507,5038
12,7962
531,6
886,5395
-1,5293
0,5973
526,4537
5,1463
586,2
888,1232
-1,4982
0,6536
,,
571,7317
14,4683
0,3537
Mes
Dem anda
1499,2
Factor
Estacional
Pr onstico
Error
518,8
886,7091
-1,4974
0,5849
,,
518,4463
10
704,2
886,7517
-1,4820
0,7902
695,4959
8,7041
11
878,4
881,9803
-1,5148
1,0068
902,5262
-24,1262
12
1276,2
872,6464
-1,5930
1,5022
1363,3006
-87,1006
13
1633,2
886,5271
-1,6262
1,6922
1501,7584
-2,5584
245,0599
36
1482,7
869,4761
-1,2742
1,5930
1237,6401
37
1437,5
866,6908
-1,2893
1,6670
1455,7283
-18,2283
38
1167,7
845,5943
-1,4874
1,4893
1397,8760
-230,1760
39
1055,7
832,2318
-1,6061
1,3254
1174,5793
-118,8793
40
824,7
832,4180
-1,5882
0,9847
812,0934
12,6066
41
598,9
834,6571
-1,5499
0,7084
579,6887
19,2113
42
483,2
835,8070
-1,5229
0,5729
472,1910
11,0090
43
478,1
829,0114
-1,5757
0,5877
500,8736
-22,7736
44
523,3
825,8358
-1,5917
0,6372
530,6823
-7,3823
45
498,1
829,7229
-1,5369
0,5894
475,3679
22,7321
46
635,5
823,1675
-1,5871
0,7860
664,4673
-28,9673
47
834,6
819,0952
-1,6119
1,0280
853,1667
-18,5667
48
1304,5
817,6781
-1,6100
1,5943
1302,2674
2,2326
Tabla 8 Determinacin de los valores de inicio con base en el nuevo origen de tiempo
Fuente: Basado en lo propuesto por VIDAL. H, Carlos Julio (2005). Fundamentos de Gestin de Inventarios. Facultad de Ingeniera - Escuela
de Ingeniera Industrial y Estadstica. Universidad del Valle. Santiago de Cali. Colombia p. 80
D
S T T (1 )( ST 1 BT 1 )
CT L
1.499,2
S 1 (0,1390)
(0.861)(888.361 (1,6241) 886,5271
1.693578
BT ( ST ST 1 ) (1 ) BT 1
B1 (0,01)(886,5271 888,361) (0,99)(1,6241) 1,6262
D
C T T
ST
(1 )CT L
1499,2
C1 (0,5374)
(0,4626)(1,693578) 1,6922
886
,
5271
FT K ( ST kBT )CT K L
FT K ( ST kBT )CT K L
1512,9
1192,0
1075,6
763,0
551,9
434,0
472,3
438,8
448,2
617,9
900,7
1194,3
1395,3
1194,1
1070,8
834,4
575,9
458,3
431,0
441,8
462,6
700,9
996,6
1344,8
Factor
Promedio
817.6781
828.7864
823.5576
820.5757
812.8995
806.8283
798.5697
797.8138
781.1734
776.6988
776.3923
788.6666
781.6909
782.2042
785.1329
787.5042
797.4357
800.3950
802.2044
790.9801
782.6144
782.7645
795.6899
810.9999
817.0866
Factor
Factor
Tendencia Estacional
-1.6100
-1.4828
-1.5202
-1.5349
-1.5963
-1.6410
-1.7072
-1.6977
-1.8471
-1.8734
-1.8577
-1.7164
-1.7690
-1.7462
-1.6994
-1.6587
-1.5428
-1.4978
-1.4647
-1.5623
-1.6303
-1.6125
-1.4672
-1.2994
-1.2255
1,6670
1,4893
1,3254
0,9847
0,7084
0,5729
0,5877
0,6372
0,5894
0,7860
1,0280
1,5943
1,7521
1,4668
1,3176
0,9599
0,6953
0,5571
0,5900
0,5966
0,5828
0,7913
1,0893
1,5586
1,7692
1,4959
1,3402
1,0064
0,7083
0,5647
0,5658
0,5794
0,5872
0,8394
1,1643
1,6055
Pronstico
Error
1360,3731
1232,1379
1089,5376
806,5064
574,7049
461,2738
468,2783
507,3024
459,3416
609,0391
796,1887
1254,6218
1366,5314
1144,7688
1032,2146
754,3586
553,3798
445,0455
472,4244
471,0034
455,1350
618,1371
865,1255
1261,9812
1443,3858
-40,1379
-13,9376
-43,5064
-22,8049
-27,2738
4,0217
-68,5024
-11,1416
8,8609
104,5113
-60,3218
28,7686
49,3312
38,5854
80,0414
22,5202
13,2545
-41,4244
-29,2034
7,4650
82,7629
131,4745
82,8188
-40,1379
Una vez calculados los valores de inicio con base en el nuevo origen de tiempo, se
puede simular el pronstico para los dos aos restantes. Los clculos para la
simulacin del pronstico son semejantes a los realizados anteriormente, con la
nica diferencia es que los nuevos valores de inicio del pronstico (la componente
permanente, la tendencia y los factores estacionales) son las celdas sombreadas
FT K ( ST kBT )CT K L
Fuente: BGUENA, Josep Gibergans. Regresin Lineal Simple. UOC. Publicado en: cv.uoc.es/cdocent/15TB1WIOWYUI8NVB52CU.pdf.
Fecha de consulta. Enero de 2010
los mnimos
y a bx
(17)
A partir de la frmula anterior definimos para cada observacin (xi, yi) el error o
residuo como la distancia vertical entre el punto (xi, yi) y la recta, es decir:
yi ( a bxi )
Por lo tanto por cada recta considerada se tendr una coleccin diferente de
residuos. Se buscar la recta que tenga los residuos ms pequeos en cuanto a la
suma de los cuadrados.
(18)
(19)
y a b x
Donde el clculo de los parmetros de la recta de regresin se calculen de la
siguiente forma:
a y b x
s xy
b 2
sx
(20)
(21)
ei yi yi
y
Donde
10
X (No. de
hus pedes
161
152
167
153
161
168
167
153
159
173
Y (litros de licor)
63
56
77
49
72
62
68
48
57
67
xi
yi
x xi
y yi
(x xi)
161
63
0.4
-1.1
0.16
(x xi) (y yi)
-0.44
152
56
9.4
5.9
88.36
5 5.46
167
77
-5.6
-15.1
31.36
8 4.56
153
49
8.4
12.9
70.56
108.36
161
72
0.4
-10.1
0.16
-4.04
168
62
-6.6
-0.1
43.56
0.66
167
68
-5.6
-6.1
31.36
3 4.16
153
48
8.4
13.9
70.56
116.76
159
57
2.4
4.9
5.76
1 1.76
10
173
67
-11.6
-5.1
134.5 6
5 9.16
Suma
1,614
619
476.4 0
466.40
Promedio
161
62
Interpolacin y Extrapolacin
Uno de los objetivos ms importantes de la regresin es la aplicacin del modelo
para el pronstico del valor de la variable dependiente (Y) para un valor de la
variable independiente (X) no observado en la muestra.
En el Ejemplo 6 de la cantidad de huspedes y el licor consumido, se podra estar
interesado en conocer la cantidad de licor a consumir por 160 huspedes, a partir
de la recta de regresin obtenida:
y 96,1121 0,979009 x
Para un valor de X = 160 se tiene un valor estimado Y de 60,53 lt.
et D t Ft
Existen distintas formas de medir el error del pronstico, a continuacin se detalla
cada una de ellas.
10.1 Desviacin Media Absoluta (MAD)
La MAD es la medicin ms comn de los errores en los pronsticos y su forma de
clculo es la suma de los valores absoluto de los errores individuales dividido
entre el nmero de perodos de los datos (n):
MAD
Perodo
Demanda
1
2
3
4
5
6
7
8
170
158
149
165
180
195
170
172
MAD
Suma de desviaciones
absolutas
Pronstico
alfa = 0.1
165
150
168
163
161
180
168
163
D F
t
Desviacin
Absoluta
5
8
19
2
19
15
2
9
9,88
79
Pronstico Desviacin
alfa = 0.5
Absoluta
165
5
162
4
164
15
166
1
162
18
180
15
183
13
168
4
9,38
75
e
MSE
(D
Pronstico
alfa = 0.1
1
170
165
2
158
150
3
149
168
4
165
163
5
180
161
6
195
180
7
170
168
8
172
163
Suma Errores Cuadrticos
MES
Perodo
Demanda
Ft ) 2
(Error)2
25
64
361
4
361
225
4
81
1125
140.6
Pronstico
alfa = 0.5
25
64
361
4
361
225
4
81
(Error)2
25
64
361
4
361
225
4
81
1001
125.1
MAD 100
Dt
Pronstico
alfa = 0.5
1
170
165
2
158
162
3
149
164
4
165
166
5
180
162
6
195
180
7
170
183
8
172
168
Suma Errores Porcentuales
Perodo
Demanda
100
Ft
Dt
n
2,94%
2,35%
8,82%
0,59%
10,59%
8,82%
7,65%
2,35%
44%
5.5%
Unidades de Producto
Unidades Monetarias
Costos de Produccin: Son los costos que se incluye son los materiales,
mano de obra directa, y los dems en que se incurran para producir una unidad
de producto.
TP
da
Ft I t 1 2760 0
131
No.das
21
NES t
TPt
131
33 _ empleados
(Unidades / empleado / da )
4
NES t NES t 1
Si _ la _ diferencia _ es 0 Contratar
Si _ la _ diferencia _ es 0 Despedir
Actualmente se tienen 35 empleados, entonces la Diferencia entre los actuales
y los necesarios es menor que 0, por lo tanto hay que despedir para que
queden 33.
4) Determinar la tasa de Produccin Corregida, para Enero
capacidad est dada de la siguiente manera
se tiene que la
I t Pt I t 1 Ft = 2760+0-2760 = 0.
10) Calcular Costo Total. Unidades: unidades monetarias
TP
da
I t Pt I t 1 Ft 0 Existe_ Inventario_(I ) t
I t Pt I t 1 Ft 0 Existe _ Dficit _( Def ) t
4) Para los Perodos en que haya dficit, dicha cantidad ser subcontratada.
unidades: unidades de producto
TPAt
FA I 0
FA
, para el primer perodo, para los dems Perodos se toma
TA
TA
6080
196,13
31
De la misma manera se procede con los dems perodos.
TPA2
NES
Mayor _ TPA
Unidades / empleado / da
NES t NES t 1
Si _ la _ diferencia _ es 0 Contratar
Si _ la _ diferencia _ es 0 Despedir
6) Determinar Tasa de Produccin Corregida
producto/da
Pt TP / da ( No _ das ) t
8) Calcular al Formula Presupuestal de Produccin (no debe existir dficit en
ninguno de los perodos considerados). Unidades: unidades de producto para
el perodo t (mes)
I t Pt I t 1 Ft
9) Calcular Costo de Mano de Obra Directa. Unidades: unidades monetarias
Trabajo Ordinario va desde las 6:00 a.m. hasta las 10:00 p.m.
Trabajo Nocturno va desde la 10:00 p.m. hasta las 6:00 p.m.
Nmero mximo de Horas Extras diurnas o nocturnas es de 2 horas/da o
12 horas/semana
Recargos:
Para efectos de desarrollar mejor esta estrategia, los datos de entrada del ejemplo
fueron reemplazados por los siguientes:
Mes
Das
Pronstico de la Demanda (Ft)
Enero
21
4500
Febrero
20
6800
Marzo
23
5700
Abril
21
2500
Mayo
22
3180
Junio
22
2900
TP
da
I t Pt I t 1 Ft 0 Existe_ Inventario_(I ) t
I t Pt I t 1 Ft 0 Existe _ Dficit _( Def ) t
Con la frmula presupuestal de produccin se determina si se tiene dficit o
inventario para cada mes, de acuerdo al ejemplo se tiene que para los meses de
enero habra un dficit de 300 unidades, 2800 unidades para febrero y 1100 para
marzo. (Ver tabla No. 12). Esto determina que hay que programar turnos en
tiempo extra para cubrir este dficit.
CPEt (TP/ da) No. _ Mximo_ Horas_ en_ Tiempo_ Extra Ren dimiento No.das/ mes
No. _ horas/ da
De acuerdo al cdigo laboral vigente, el nmero mximo de horas de trabajo
suplementario es de 2 horas diarias o en total de 12 horas semanales, lo cual para
las dos jornadas da un total de 4 horas.
Unidad _ de _ Pr oducto
Unidades _ de _ Pr oducto / empleado
Por ltimo se determina los costos de la estrategia con base en las siguientes
frmulas.
8) Calcular Costo de Mano de Obra Directa. Unidades: unidades monetarias
salario
salario
(CHEC ) t NoHEO 1.35 ( 240
horas ) NoHEN 1 .75 ( 240 horas )
Pronstico de la Demanda
1600
3000
3200
3800
2200
2200
Costo
$10/unidad
$2/unidad/mes
$5/unidad/mes
$300/empleado
$500/empleado
4/unidad
$4/hora
$6/hora
$30/unidad
CWt 640W t
1
COt 6O t
1
CISt 2 I t 5S t
5. Costo de Materiales. El costo de materiales es de $10/unidad, y el de
subcontratar es dficit es de $30/unidad, ver cuadro 5. Pt y Ct, representan las
unidades producidas y subcontratadas respectivamente en el mes t, el cual
queda expresado as:
6
CPCt 10 P t 30C t
15.3 Restricciones
El jefe de Operaciones de ETUTTOR, debe establecer las restricciones del
sistema de produccin que se est modelando.
1. Restriccin de Fuerza de Trabajo, contratacin y despido. El tamao de la
fuerza laboral W t en el perodo t, se obtiene al sumar el nmero de
contrataciones Ht en el perodo t a las que se tenan en el perodo t-1 (W t-1), y
se resta el nmero de despidos L t en el perodo t, la restriccin queda como
sigue:
W t W
H t L t ,
t 1
(21)
Pt 40 W t
Ot
4 ,
(22)
I t 1 P t C t D t S t 1 I t S t
(23)
El inventario inicial est determinado por I 0 = 1000, el inventario final debe ser
cuando menos de 500 unidades, es decir I 6 > 500, inicialmente no se tiene
ningn dficit, S0 = 0.
4. Restriccin sobre el Lmite de Tiempo Extra. Esta restriccin tiene en
cuenta que ningn empleado puede trabajar ms de 10 horas de tiempo extra
por mes, lo anterior se expresa de la siguiente forma:
O t 100 W
(23)
En la tabla las variables de decisin estn contenidas en las celdas B5 A I10, con
cada celda correspondiente a cada variable. Ver grfico
El segundo paso es construir una tabla para las restricciones, ver ecuaciones (21)
a la (24). La tabla de restricciones se construye como se ve en el grfico 18.
Celda
M5
N5
O5
P5
Frmula Celda
=D5-D4-B5+C5
=40*D5+E5/4-I5
=F4-G4+I5+H5-J5-F5+G5
=E5+10*D5
Ecuacin
21
22
23
24
Copiada a
M6:M10
N6:N10
06:010
P6:P10
Cada una de las restricciones se aplica para cada uno de los seis perodos, as
mismo cada restriccin se ir escribiendo en el Solver como sigue:
Valor de la Celda { <=, =, o >=} 0
Para el ejemplo se tienen las siguientes restricciones
M5 = 0, N5 >= 0, O5= 0, P5 >= 0.
Como tercer paso es necesario crear una celda que contenga la funcin objetivo,
la cual en que se obtendr la solucin. Esta celda no necesita contener toda la
frmula sino que pueda escribirse como una frmula empleando las celdas con
clculos intermedios de costo.
Para el caso ETUTTOR, los costos se muestran en el grfico 19, por ejemplo la
celda B15 los costos de despidos en los que se incurri en el mes 1, por tanto la
frmula en la celda B15 es el producto de la celda B5 que contiene el costo de
contratacin y que se obtiene del cuadro 5. Las dems celdas se diligencian de
manera similar. Finalmente la celda C22, contiene la suma de las celdas B15 A
I20.
Por ltimo se hace uso de la herramienta Solver, dentro del dilogo de los
parmetros Solver, se introduce la siguiente informacin para correr el modelo de
programacin lineal.
Perodo
Ht
Lt:
Wt
Ot
It
St
Ct
Pt
0
1
2
3
4
5
6
0
0
0
0
0
0
0
0
15
0
0
0
0
0
80
65
65
65
65
65
65
0
0
0
0
0
0
0
1000
1938
1567
950
0
117
500
0
0
0
0
267
0
0
0
0
0
0
0
0
0
0
2583
2583
2583
2583
2583
2583
El Plan Agregado analiza los productos de manera agrupada, ya que solo utiliza
informacin agregada del pronstico como base para determinar la demanda, por
lo tanto es necesario desarrolla un plan incluya mayor detalle de los productos a
fabricar y que tome as mismo, un plazo de tiempo ms corto. Esto permitir que
las empresas entre otros aspectos obtengan lo siguiente.
rdenes de Produccin
Informes de Reprogramacin debidas a cambios en las fechas de vencimiento
de las rdenes de produccin
Informes de cancelacin de rdenes
Estado del nivel de inventarios de partes y productos
Programacin de rdenes futuras.
XX
XX
XX
Nivel de
produccin
Cdigo
parte
Cdigo parte
padre
Posicin de la parte en
el nivel
Toma valor de 0 si es
materia prima o 1 si es
un ensamble
Suponga que para la mesa el cdigo del producto es 40 y las partes empiezan a
numerarse de 50 en adelante. A continuacin se muestra el diagrama de rbol
de la mesa. Este describe los niveles de fabricacin para la mesa, el nmero de
partes de cada componente y su codificacin.
) ).
Si bien es claro que el stock de seguridad puede reducirse en gran medida para
los tems con demanda dependiente, no es evidente que pueda llegar a ser
eliminado en todos ellos sin provocar riesgo de faltantes, pinsese, por ejemplo,
en posibles variaciones en el porcentaje de defectuosos, ausentismo laboral,
averas de maquinaria, etc. Sin embargo, stas y otras situaciones pueden ser
reducidas al mximo con una adecuada gestin, disminuyendo con ello el tamao
del SS necesario para hacerles frente. As pues, la determinacin de su magnitud
constituye, an hoy, una de las vas interesantes de investigacin en el campo del
MRP. No existen tcnicas sofisticadas que garanticen el nivel de servicio deseado;
suelen ser, por el contrario reglas intuitivas, que se van ajustando a la vista de los
resultados reales. Para Smith (1982) deben darse dos condiciones si queremos
prescindir del stock de seguridad:
Que el Programa Maestro de Produccin, o al menos una parte significativa del
mismo, se mantenga firme durante el horizonte de planificacin.
Que el riesgo en los tiempos de suministros y en los lotes por entregar sean
despreciables.
No es fcil que se d la primera condicin durante todo el horizonte de
planificacin cuando ste es largo, pues ello suele provocar presiones del
departamento comercial para variar el Programa Maestro de acuerdo con las
cambiantes condiciones del mercado. Tampoco es obvio que se cumpla lo
segundo en la mayor parte de los casos. As pues, aunque hay que intentar
evitarlo, para gran nmero de tems ser conveniente mantener un cierto stock de
seguridad, de forma que se disminuya el riesgo de faltantes en la fabricacin y/o
montaje a causa de la falta de materiales. Los tres mtodos ms usados para
disminuir en lo posible el riesgo asociado a tener faltantes son:
Mantener cantidades fijas.
Incrementar los tiempos de suministros con un tiempo de seguridad.
Aumentar las necesidades previstas.
La primera de las formas suele ser ms conveniente cuando el riesgo radica
principalmente en las cantidades, mientras que la segunda lo es cuando radica en
el tiempo de suministro. En cuanto a la ltima, algunos prefieren incrementar slo
en el producto final, mientras que otros defienden el hacerlo sobre los
componentes en funcin del riesgo particular de cada uno de ellos.
Con objeto de reducir al mnimo el uso de stock de seguridad en los componentes,
se pueden tener en cuenta algunas consideraciones:
Las variaciones en el PMP, provocadas por cambios en las necesidades de
productos finales pueden alterar las de componentes y hacer pensar en la
conveniencia de mantener stock de seguridad en estos ltimos. Sin embargo la
reprogramacin del MRP alterar convenientemente el programa de pedidos y
dichos cambios se conocern con antelacin. As pues, en muchas ocasiones
podrn tomarse a tiempo medidas correctivas que absorban los cambios sin
necesidad de mantener el SS.
Si los problemas de aleatoriedad surgen por variaciones en los tiempos de
suministro, una conveniente reordenacin de prioridades en la elaboracin de los
pedidos podra permitir alterar las fechas de comienzo de los distintos tems y, con
ello, no hacer necesario SS.
Las tcnicas de dimensionamiento del lote que agrupan necesidades pueden
disminuir el tamao del SS, pues, en caso de urgencia inesperada, podrn ser
Donde
)+
Un artculo tiene una venta semanal de 18 unidades, el proveedor cobra $60 por
unidad. El costo de colocar un pedido con el proveedor es de $45 y el costo anual
de manejar inventario es el 25% del valor del producto, se supone que se trabaja
52 semanas. Cul es la cantidad ptima de pedido para el producto, el costo total
anual y con qu frecuencia deben hacerse los pedidos?
Aplicando la Frmula del EOQ se tiene lo siguiente
2(936)(45)
= 74,94 = 75
15
=
=
Mtodo Silver Meal.
75
936
($15) +
($45) = $1124
2
75
75
=
= 0,080
936
= 0,080
=
12
75
= 0,080
936
52
= 0,96 o en semanas es
= 4.17
+2
+3
. +(
1)
Entonces como el costo total es mayor se detiene el proceso. Esto significa que
se debe pedir una cantidad Q = 100 + 100 + 50 = 250, se pide en el mes 1 para
mantener hasta el mes 3. Se continua el procedimiento empezando que m = 1 es
el mes 4.
m = 1 (1) = 50
m = 2 (2) = (50 + 0.5 210) = 72.5 50.
(2) =
Y de forma general.
( )=
(3) =
+
+2
+
+
+
+2
+
. . +(
+ .+
1)
Y la regla de detencin es
( + 1) > ( ), donde
partir del perodo m + 1.
y el proceso se repite a
Adems de los mtodos propuestos para el clculo de lotes, existen otros como el
algoritmo Wagner Whitin, el cual se desarrolla bajo programacin dinmica, o el
mtodo de balanceo de perodo fragmentado, entre otros.
23.5 Recepciones Planeadas
Con los parmetros de funcionamiento del MRP, se tienen las recepciones
planeadas, que son rdenes de compra o manufactura que han sido colocadas en
perodos de planeacin anteriores al horizonte de planeacin en estudio.
Leccin 24 Lgica del MRP
A continuacin se desarrolla el proceso de MRP. Para ello se necesita determinar
lo siguiente para realizar el Registro de Inventario, el cual es el insumo final del
MRP. Este hace una divisin para cada unos de los perodos de tiempo y en la
cual se muestra la poltica frente al tamao del lote, el tiempo de entrega, para
cada perodo. En general el propsito del registro de inventarios es dar
seguimiento a los niveles de inventario y necesidades de abastecimiento para
cada una de las partes que conforman el producto. La informacin que aparece en
este registro es la siguiente.
Requerimientos Brutos
Recepciones Planeadas
Inventario Disponible
Inventario Proyectado
Requerimientos Netos
Plan de Colocar una Orden
Plan de Recibir una Orden
Es una estimacin del inventario que quedara en cada perodo una vez estn
satisfechos los requerimientos brutos de la parte j.
24.5 requerimientos Netos. (
)=(
)(
).
)+(
)(
).
)=(
Ct ni (365) _ _(366) 24
i 1
i 1
i 1
Ci ni (365) 24 ni gi (h / ao)
gi =Prdidas estndar por mantenimiento preventivo de los medios de trabajo
(h/sitio de trabajo).
G1= Prdidas totales estndar por mantenimiento preventivo de los medios de
trabajo.
m
G 1 ni g i (h / ao)
i 1
i 1
j 1
de
capacidad.
Unidades
de
Max _ Capacidad _ Cn
j 1
Kp
i 1
ij
Min _ Costo c j Q j
j 1
Max _ Ingresso r j Q j
j 1
kp Q
j 1
ij
Av Restriccin de Materiales
av Q
j 1
bs
j 1
Ejemplo 11. En los siguientes centros de trabajo A1, A2, A3 y A4 se producen dos
tipos de producto, la produccin se realiza en dos turnos de 8 horas. Los datos
del sistema de produccin estn dados en la siguiente tabla:
CAPACIDAD DISPONIBLE
Max_ Capacidad_ Cn
j 1
Kp
i1
ij
Sujeto a:
p
Kp
j 1
ij
Qj Cdi _ i 1,2,3,4
Q j Q j max_ j 1, 2
Qj 0
Ahora se incluye una nueva frmula para el clculo de la capacidad disponible de
cada centro de trabajo tipo i
G 2 G3 G 4
ni
Cdi ni dh nt ht gi
m
ni
i 1
120 80 200
Cd1 1 306 2 8 40
1 4576 _(horas / ao)
4
120 80 200
Cd 2 1 306 2 8 70
1 4726 _(horas / ao)
4
120 80 200
Cd 3 1 306 2 8 30
1 4766 _(horas / ao)
4
120 80 200
Cd 4 1 306 2 8 60
1 4736 _(horas / ao)
4
Sujeto a:
Max _ ni
Max _ Cn
18612
100
100 53.42%
Ci
34840
Max _ nd
Max _ Cn
18612
100
100 98,22%
Cd
18948
Capacidad No utilizada
Cn2 1208,30
Cn4 961,63
De acuerdo a esta informacin se tiene que:
Cn1
4756
100
100 100%
Cd1
4756
Cn
3517
nd2 2 100
100 74,41%
Cd2
4726
Cn
4766
nd3 3 100
100 100%
Cd3
4766
Cn
3774
nd3 3 100
100 79,68%
Cd3
4736
nd1
Sistemas intermitentes
3) Talleres cerrados para productos almacenados (bajo catalogo)
4) Talleres abiertos para productos de bajo pedido
5) Proyectos singulares
Leccin 32 Sistemas Continuos
Los sistemas continuos o tambin denominados tipo Flow Shop son aquellos en
los que el flujo de productos (agrupado en familias homogneas) recorre de forma
continua o ininterrumpida las instalaciones y procesos que estn definidos para
ellos. Un ejemplo de esto son las cadenas de montaje, o los procesos qumicos
continuos.
De acuerdo a lo definido en la leccin 22 los sistemas 1) y 2). Manejan productos
que son almacenados, y la diferencia entre estos dos, es que en el sistema tipo 2),
la responsabilidad de la produccin y la distribucin es de la misma compaa, un
ejemplo de ellos son los grandes fabricantes de automviles, quienes manejan
igualmente el eslabn de distribucin dentro la cadena de distribucin.
Leccin 33 Sistemas Intermitentes
Los sistemas intermitentes o tambin denominados tipo Job Shop son aquellos en
las mquinas e instalaciones son lo suficientemente flexibles para maneja una
amplia variedad de tamaos y normas, o bien la naturaleza del proceso implica un
Se desea encontrar la asignacin ptima de forma que la suma del tiempo total
sea el menor. Para encontrar esta asignacin el mtodo describe los siguientes
pasos.
1. Restar a cada elemento de cada columna de la matriz el menor tiempo de cada
columna.
El procedimiento es el siguiente.
1. Asignar un ndice de eficiencia de valor 1 al centro de trabajo j ms eficiente
para cada trabajo tipo i.
2. Determinar los dems ndices como el cociente entre el tiempo de los dems
centros de trabajo, y el tiempo del centro ms eficiente. La comparacin se
hace por cada trabajo (por fila).
3. Asignar el trabajo i al centro de trabajo j ms eficiente, siempre y cuando lo
permita su capacidad disponible o sobrante en la mquina j. Si la capacidad o
sobrante en la mquina j no permite la asignacin, asigne en la segunda
mquina ms eficiente.
Trabajo
1
2
3
4
5
6
7
Capacidad
disponible
Centro 1 (tij)
Horas ndice
90
2,25
50
3,33
30
2,50
24
1.00
14
2,80
12
1,33
8
1.00
50
Centro 2 (tij)
Centro 3 (tij)
Horas ndice Horas ndice
40
1.00
60
1,5
44
2,93
15
1.00
18
1,5
12
1.00
32
1,33
36
1,50
7
1,40
5
1.00
9
1.00
18
2
12
1,50
10
1,25
47
28
Trabajo
Carga despus
de asignar dos
trabajos
1
2
3
4
5
6
7
Capacidad
disponible
Capacidad
asignada
Capacidad
sobrante
Trabajo
Carga despus
de asignar
cuatro
trabajos
1
2
3
4
5
6
7
Capacidad
disponible
Capacidad
asignada
Capacidad
sobrante
Trabajo
Carga despus
de asignar
todos los
trabajos
1
2
3
4
5
6
7
Capacidad
disponible
Capacidad
asignada
Capacidad
sobrante
Centro 1 (tij)
Horas ndice
90
2,25
50
3,33
30
2,50
24
1.00
14
2,80
12
1,33
8
1.00
50
Centro 2 (tij)
Horas ndice
40
1.00
44
2,93
18
1,5
32
1,33
7
1,40
9
1.00
12
1,50
47
28
40
15
7
Centro
Horas
90
50
30
24
14
12
8
1 (tij)
ndice
2,25
3,33
2,50
1.00
2,80
1,33
1.00
Centro 3 (tij)
Horas ndice
60
1,5
15
1.00
12
1.00
36
1,50
5
1.00
18
2
10
1,25
Centro 2 (tij)
Horas ndice
40
1.00
44
2,93
18
1,5
32
1,33
7
1,40
9
1.00
12
1,50
13
Centro 3 (tij)
Horas ndice
60
1,5
15
1.00
12
1.00
36
1,50
5
1.00
18
2
10
1,25
50
47
28
24
40
15
+12
26
Centro
Horas
90
50
30
24
14
12
8
1 (tij)
ndice
2,25
3,33
2,50
1.00
2,80
1,33
1.00
Centro 2 (tij)
Horas ndice
40
1.00
44
2,93
18
1,5
32
1,33
7
1,40
9
1.00
12
1,50
Centro 3 (tij)
Horas ndice
60
1,5
15
1.00
12
1.00
36
1,50
5
1.00
18
2
10
1,25
50
47
28
44
40
15+12
13
Leccin 40 Terminologa
En el captulo siguiente se detallarn todo lo relacionado con los problemas de
secuenciacin de las operaciones de las rdenes de trabajo, lo que se denomina
la programacin detallada de carga finita, esto significa que se programa al detalle
el recurso a utilizar en los tiempos de preparacin y corrida por cada perodo de
tiempo. Se supondr que las operaciones de las rdenes de trabajo han sido
asignadas mediante algn procedimiento a centros de trabajo concretos, y que las
rdenes estn situadas aproximadamente en el tiempo, es decir, que los menos
existe una fecha en la que deben ser realizadas.
Otra caracterstica que distingue al proceso de programacin de la produccin es
si se procede hacia atrs o adelante en el tiempo. Para esta dimensin temporal,
lo ms comn es la programacin progresiva, la cual se refiere a la situacin en la
que el sistema toma un pedido o orden y programa todas las operaciones que hay
que completar oportunamente. En sentido contrario, la programacin en retroceso,
comienza en alguna fecha futura (un plazo previsto) y se programan las
operaciones requeridas en sentido inverso. La programacin a la inversa indica en
qu momento debe empezarse a elaborar un pedido para que se termine en una
fecha requerida.
Otro factor importante es el relacionado con los recursos. En la prctica debe
decidirse qu se va a programar en concreto. Lo ms comn es que los procesos
se consideren limitados por las mquinas o por la mano de obra disponible. En un
proceso limitado por mquinas, el equipo es el recurso crucial para el programa.
Del mismo modo, si est limitado por la mano de obra, el personal es el recurso
clave, lo nico certero es que todos los programas tendrn limitaciones, y en
algunos casos hasta las dos restricciones.
Antes de entrar a desarrollar las diferentes metodologas se secuenciacin de
acuerdo al sistema de produccin, es necesario tener claro algunos conceptos
importantes.
Hay un primer aspecto y es el que hace referencia a los trabajos y a la forma en
que llegan a la planificacin. Se distinguen dos tipos.
Estticos: Los trabajos que hay que planificar y que estn todos disponibles en
el instante inicial y no se incluyen nuevos trabajos durante el perodo de
planificacin.
40.1 Terminologa
Una operacin es una tarea elemental que se realiza en una mquina. El conjunto
de operaciones se denomina trabajo y estn relacionadas entre s por medio de
precedencias debidas a restricciones tecnolgicas que definen la ruta.
Tiempo de Flujo: (TFi = Tfi Tai TFi = Tpi + Twi) es el tiempo transcurrido desde la
llegada del trabajo hasta la finalizacin de la ltima tarea. Se puede definir como la
diferencia entre el tiempo de finalizacin y el de llegada (Tfi Tai); o bien, desde el
punto de vista de su estancia en el taller, se puede calcular como la suma del tiempo
de procesamiento y el tiempo de espera (Tpi +Twi).
Retraso (Li = Tfi - Tei) cuantifica lo pronto (o tarde) que se ha terminado el trabajo y
se calcula como la diferencia entre la fecha de finalizacin y la de entrega. Si es mayor
que cero significa que el trabajo se ha terminado despus de su fecha de entrega
prevista y, entonces, se denomina tardanza (Ti). Si, por el contrario, es menor que
cero, el trabajo se ha acabado antes de la fecha prevista, se denomina prontitud (Ei).
Holgura (Hi = Tei (Tai + Tpi)) representa el margen de tiempo que existe para
planificar un pedido, es decir, sabiendo el tiempo en el que llega y el tiempo de
procesamiento, y conociendo la fecha en la que hay que entregar el artculo, es fcil
calcular el margen del que se dispone para planificarlo.
Una razn menor que 1 implica que el trabajo est retrasado con respecto al
programa, y una razn mayor que 1 indica que el trabajo est adelantado con
respecto al programa. El trabajo que tenga el CR ms baja debe programarse
como el siguiente en el orden de procesamiento.
Fecha de Vencimiento ms Prxima.
El trabajo que tenga la fecha de vencimiento ms prxima (EDD) (por sus siglas
en ingls Earliest due Date), ser el que tendr la prioridad de ser programado.
Primero en llegar, Primero en ser Atendido (FCFS).
Del ingls First Come First Served, aquel trabajo que haya llegado primero a la
estacin de trabajo tendr la ms alta prioridad.
Tiempo de Procesamiento ms Corto (SPT).
Del ingls (Shortest Processing Time) El trabajo que tenga el tiempo de
procesamiento ms corto ser el que tenga la prioridad de ser programado.
Tiempo de Procesamiento ms Largo (LPT).
Del ingls (Longest Processing Time) En este criterio se ordenan los trabajos de
mayor a menor tiempo de procesamiento.
Ejemplo 14. Suponga que se tienen 5 trabajos para ser procesados en una sola
mquina, a continuacin se detalla la informacin de tiempo de procesamiento y
tiempo de entrega para cada uno de los trabajos.
Inicio del
Trabajo
0
8
14
17
32
(Tpi)
(TFi)
(Tei)
8
6
3
15
12
8
14
17
32
44
10
12
18
20
22
Tiempo real de
entrega al cliente
10
14
18
32
44
Holgura (Hi)
Retraso
(Li)
2
2
1
12
22
= 23
=
=
=
=
=
=
=
=
8 + 14 + 17 + 32 + 44
5
2+0+1+0+0
= 0.6
5
0 + 2 + 0 + 12 + 22
= 7.2
5
0 + 14 + 17 + 32 + 44
= 2.61
44
Se podra afirmar que la suma de los tiempos de flujo, equivale al total de horas
trabajo que pasan los lotes en espera para ser procesados completamente,
asumiendo para el ejemplo que no hay material en proceso inicial sino solo el que
corresponde a estos trabajos, entonces si a este tiempo lo dividimos entre el lapso
de fabricacin, es decir el tiempo total requerido para fabricar todos los bloques,
que tambin es igual al tiempo de flujo para el ltimo trabajo procesado, se obtiene
el promedio de trabajo en proceso.
Ahora miremos el Inventario Promedio Total, este corresponde a la suma total del
inventario que est en proceso ms los trabajos ya terminados que estn a la
espera de ser entregado a los clientes, esto es el tiempo total necesario que cada
trabajo dur en la planta en ser procesado y la espera para ser entregado a los
clientes. Entonces, este inventario se obtiene como la suma de los tiempos reales
de entrega de cada trabajo a los clientes, dividido sobre el lapso de fabricacin.
=
10 + 14 + 18 + 32 + 44
= 2.68
44
Grfico 29 Grfico Gantt Secuencia de Trabajos para una Mquina aplicando la regla EDD
Fuente: El Autor (2008)
4
2
1
5
3
Inicio del
Tiempo real de entrega al
Holgura
(Tpi) (TFi) (Tei)
Trabajo
cliente
(Hi)
0
8
3
18
18
15
3
6
9
12
12
3
9
8
17
10
17
17
12
29
22
29
29
15
44
20
44
Cuadro 13 Secuencia de Trabajos para una Mquina aplicando la regla SPT
Retraso
(Li)
7
7
24
= 20,4
3 + 9 + 17 + 29 + 44
5
15 + 3 + 0 + 0 + 0
= 3.6
5
0 + 0 + 7 + 7 + 24
=
=
= 7.6
5
3 + 9 + 17 + 29 + 44
=
= 2.32
44
18 + 12 + 17 + 29 + 44
=
= 2.73
44
=
Otra conclusin es que sin importara la regla utilizadas el lapso de produccin fue
el mismo, es decir de 44 horas, esto se debe a que la asignacin es en una sola
mquina y por tanto no hay tiempos muertos o ociosos.
Ahora bien, la regla de mayor uso es la SPT, ya que esta tiende a minimizar el
tiempo de flujo, al tiempo que busca maximizar la utilizacin de los recursos de la
planta. Para el caso de una sola mquina, tal y como lo propone Krajewski (2000)
la regla SPT siempre proporciona el tiempo de flujo promedio ms bajo, sin
embargo puede que incremente el inventario total de producto pues tiende a
empujar todo el trabajo hacia la etapa de terminacin, as mismo tiende a generar
una alta variacin en las horas de retraso, puesto que por lo general los trabajo
ms largos tienen que esperar ms tiempo para ser procesados. En general la
ventaja ms grande que tiene esta regla es que aumenta la carga de trabajo en la
planta.
Grfico 30 Grfico Gantt Secuencia de Trabajos para una Mquina aplicando la regla EDD
Fuente: El Autor (2008)
1
1
2
3
3
4
4
6
5
9
6
10
7
10
8
11
9
12
10
13
11
13
12
14
13
16
14
18
15
19
TF1
1
7
17
30
46
Mquina 2
Trabajo
Tpi
asignado
2
3
5
9
8
11
11
13
14
18
TF2
3
12
23
36
54
Mquina 3
Trabajo
Tpi
asignado
3
4
6
10
9
12
12
14
15
19
TF3
4
14
26
40
59
As mismo el Lapso de Fabricacin (Makespan) o tiempo total para que todos los
trabajos completen su ejecucin es de 59 unidades de tiempo
42.2 Mtodo de lapso de produccin ms corto.
Est mtodo busca es disminuir el lapso de tiempo de procesamiento en lugar del
tiempo de flujo, para ello se aplica la regla de programar primero las actividades
que tienen el tiempo ms largo de procesamiento (LPT), y tal como se describi
anteriormente se asigna el trabajo a la mquina que tenga el menor tiempo de
procesamiento asignado, de igual forma los empates se definen arbitrariamente.
A continuacin se desarrolla el mismo ejemplo propuesto anteriormente de asignar
15 trabajos en 3 mquinas.
Mquina 1
Trabajo
Tpi
asignado
15
10
7
6
1
19
12
10
10
1
TF1
19
32
42
52
53
Mquina 2
Trabajo
Tpi
asignado
14
11
8
5
2
18
13
11
9
3
TF2
18
31
42
51
54
Mquina 2
Trabajo
Tpi
asignado
13
12
9
4
3
16
14
12
6
4
TF3
16
30
42
48
52
Ahora las medidas de desempeo para esta regla de despacho para este se
tienen las siguientes:
19 + 32 + 42 + 52 + 53 + 18 + 31 + 42 + 51 + 54 + 16 + 30 + 42 + 48 + 52
15
= 38,8
(
)=
19 + 32 + 42 + 52 + 53 + 18 + 31 + 42 + 51 + 54 + 16 + 30 + 42 + 48 + 52
=
59
= 10,7
=
Mquina 1
Mquina 2
2
3
4
1
1
6
5
4
4
5
3
6
4
3
2
1
4
5
7
2
Cuadro 16. Datos Ejemplo 15
Entonces se verifican el menor tiempo de todos los trabajos, los cuales son t22,
t31, y t82 = 1, entonces la tarea debe programarse inicialmente, luego se tienen
los trabajos 2 y 8, otra manera de determinar cual se escoge es mirar el tiempo de
Algunas medidas de desempeo para este algoritmo es que son las siguientes:
Ahora bien, para procesos en lnea con dos mquinas existen varios heursticos
que permiten forzar el problema para que sea visto como uno de dos mquinas y
de esta forma usar el algoritmo de Johnson, unos de ellos es el Algoritmo de
Gupta, el cual se define de la siguiente manera, sea
Y define que:
=
1
1
,
<
[ ]
[ ]
[ ]
[ ]
Ejemplo 17. Suponga que se tienen 5 trabajos los cuales deben ser procesados
en 4 mquinas en serie, los datos de tiempo del procesamiento de cada trabajo en
cada estacin se muestran a continuacin:
Trabajo
1
2
3
4
5
Mquina 1
Mquina 2
Mquina 3
1
13
6
10
12
18
17
9
13
13
17
2
11
3
5
Cuadro 17. Datos Ejemplo 16
Mquina 4
2
18
4
6
16
Tpi1+ Tip2
14
22
26
29
14
Tpi2+ Tpi3
19
30
22
19
8
Tpi3+ Tpi4
8
36
17
8
21
Min
8
22
22
8
8
Tpi1+ Tip2
14
22
26
29
14
Tpi2+ Tpi3
19
30
22
19
8
Tpi3+ Tpi4
8
36
17
8
21
Min
8
22
22
8
8
ei
1
1
-1
-1
1
si
0.12
0.05
-0.06
-0.12
0.12
[i]
1
3
4
5
2
Ejemplo 18. Suponga que se tienen 10 trabajos con las siguientes secuencias de
operacin en dos mquinas.
Trabajo
Ruta
Tpi1
Tpi2
1
BA
3
8
2
AB
1
10
3
4
5
6
7
BA
B
A
AB
B
11
0
3
9
0
13
1
0
8
6
Cuadro 18 Datos ejemplo 17
2
AB
1
10
6
AB
9
8
10
AB
2
6
8
BA
8
10
9
BA
13
6
10
AB
2
6
1
BA
3
8
3
BA
11
13
8
BA
8
10
9
BA
13
6
Necesidades
10
am
4
11
am
6
12
m
8
1
pm
8
2
pm
6
3
pm
4
4
pm
4
5
pm
6
6
pm
8
7
pm
10
8
pm
10
9
pm
6
10 am
4
4
4
11 am
6
2
6
12 m
1 pm
2 pm
3 pm
4 pm
5 pm
8
8
6
4
4
6
2
0
0
0
0
0
8
8
8
8
8
8
Tabla 37 Asignacin de Personal Ejemplo 19
6pm
8
4
8
7 pm
10
4
10
8 pm
10
2
10
Otra opcin es dividir los turnos. Por ejemplo, un trabajador puede llegar, laborar
4 horas y regresar 2 horas ms tarde a cubrir otras cuatro horas. El efecto de esta
opcin en la programacin bsicamente semejante a la de cambiar el tamaos de
los lotes en la produccin. Cuando los trabajadores comienzan sus labores, tiene
que registrar su entrada, ponerse el uniforme y quiz, recibir informacin necesaria
de los trabajadores del turno anterior, esto puede considerarse como el costo de
preparacin en un contexto de manufactura, dividir los turnos es como tener lotes
de produccin ms pequeos, lo cual acarrea ms tiempos de preparacin lo que
puede llegar a ser ms costoso, existen mtodo de programacin lineal que
igualmente tratan este tipo de problemas, ver Nanda y Brownie (1992)
9 pm
6
0
10