GLORIA

LUCIA
GUZMAN
ARAGON
Tutora

TRABAJO COLABORATIVO UNO

UNIVERSID
AD
NACIONAL
ABIERTA Y
A
DISTANCIA
ESCUELA
DE CIENCIA
LUIS CARLOS APONTE CASADIEGOS 88204625
BASICAS,
TOMAS TORRES BARBOSA
TECNOLOG
DUBERLY
SARMIENTO SERNA
IAS E
JOSE GREGORIO APONTE
INGENIERI
JORGE ELIECER
AS
FACULTAD
DE
INGENIERI
A
INDUSTRIA
L
DUITAMA
2011

PLANEACION Y CONTROL DE LA PRODUCCION

256598 28

EDWIN GIOVANNY SUELTA

Tutor

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIA BASICAS, TECNOLOGIAS E INGENIERIAS
FACULTAD DE INGENIERIA INDUSTRIAL
DUITAMA
2011

INTRODUCCION

Los mltiples Sistemas de Planeacin y Control de la Produccin, estn

creados formados por de

niveles estructurados jerrquicamente de

planificacin que contemplan los Planes Agregados, los Planes Maestros, la

Gestin de Materiales, as como, los niveles de Ejecucin o Gestin de Taller.
En los ltimos aos se ha estado produciendo un notable incremento de la
importancia que tiene el Subsistema de Produccin en el desarrollo de la
actividad empresarial. Los Sistemas de Gestin de la Produccin integran las
diferentes funciones de planificacin y mando de la produccin; a partir de la
utilizacin de tcnicas, diagramas, grficos y software, que facilitan los
clculos y decisiones en torno a la seleccin de las mejores variantes de
produccin.
En este taller encontraremos algunos ejemplos de aplicacin de mtodos
sencillos.
Adems, los pronsticos son herramientas que utilizaremos en la bsqueda
de soluciones de problemas que se van a presentar a diario en las empresas,
estos van a servir para predecir de una manera muy acertada las diferentes
acciones que se deben emprender para afrontar el futuro con datos
estadsticos y basados en la realidad.

OBJETIVOS

* Comprender y aplicar las distintas tcnicas a utilizar en la Planificacin de la

Produccin y su posterior control. Evaluar el rendimiento y eficacia de las
tcnicas de planificacin y control.
* Comprobar y estudiar

los diferentes tipos de pronstico y se mostraran

algunos ejemplos de pronostico. Se quiere que el estudiante conozca,

comprenda y maneje varios mtodos, tambin que pueda evaluar la precisin
de cada uno de los modelos del ejemplo

1. La Demanda de Bicicletas para todos los terrenos ha aumentado en forma constante desde 1998
montaa producidas por CCB desde el segundo semestre de 1999.

a) Grafique los datos y verifique si la tendencia de los datos. Utilice el mtodo de regresin lineal p

Obs

Ao

Trimestre

Demanda

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

1999

2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3

16
73
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223
229

2000

2001

2002

2003

2004

2005

2006

OBS

AO

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

1999

2000

2001

2002

2003

2004

2005

2006

TRIMESTRE DEMANDA
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

16
73
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223
242
249

PROMEDIO SIMPLE

50

53

79.5

126.5

145.5

176.25

195.75

215

analisis de error
OBS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

AO
1999

2000

2001

2002

2003

2004

2005

2006

TRIMESTRE demanda
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3

16
73
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223
215

pronostic
error
o movil

50
7
63.66667 -20.66667
53.66667 -9.666667
48
20
51.66667 16.33333
60
13
69.66667 14.33333
75
18
83.33333 44.66667
101.6667 -1.666667
107
23
119.3333 28.66667
126
21
141.6667 0.333333
145.6667 -11.66667
141
18
145
36
158
10
169.3333 -1.333333
172.3333 15.66667
174.6667 11.33333
180.6667 8.333333
187.6667 -3.666667
186.3333 37.66667
199
8
205
18
218
-3

Absoluto

7
20.66667
9.666667
20
16.33333
13
14.33333
18
44.66667
1.666667
23
28.66667
21
0.333333
11.66667
18
36
10
1.333333
15.66667
11.33333
8.333333
3.666667
37.66667
8
18
3

OBS

AO

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31

1999

2000

2001

2002

2003

2004

2005

2006

TRIMESTRE DEMANDA
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4

16
73
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223
242
249

PROMEDIO SIMPLE

50

53

79.5

126.5

145.5

176.25

195.75

230

PROMEDIO MOVIL

16
73
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223
215
219

constante desde 1998. En la siguiente tabla se muestran las ventas por trimestre de las bicicletas de

de regresin lineal para estimar los parmetros y pronosticar el tercer trimestre de 2006

demandas de bicicletas
250

200
d
e
m
a
n
d
a
s

f(x) = 6.8123152709x + 24.9187192118

R = 0.9439943169

150

100

50

0
1999
1 2

2000
4 5

2001
2002
2003
2004
200
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
tiempo

Demanda

y = 6,8123X + 24,919
X = OBSERVACION

Linear (Demanda)

demandas de bicicletas
250

200
d
e
m
a
n
d
a
s

f(x) = 6.6304516379x + 36.5323706145

R = 0.9837595908

150

100

50

0
1999
1 2

2000
4 5

2001
2002
2003
2004
200
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
tiempo

Demanda

y = 6.6305X + 36.532
X = OBSERVACION

Linear (Demanda)

Cuadrado

demandas de bicicletas
49
427.1111
93.44444
400
266.7778
169
205.4444
324
1995.111
2.777778
529
821.7778
441
0.111111
136.1111
324
1296
100
1.777778
245.4444
128.4444
69.44444
13.44444
1418.778
64
324
9

250

200
d
e
m
a
n
d
a
s

f(x) = 6.8392348392x + 10.8935015602

R = 0.9758268575

150

100

50

1999
2000
2001
2002
2003
2004
2005
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
tiempo

Demanda

pronostico movil

Linear (pronostico movil)

PROMEDIO MOVIL

16
73
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223
215
219

demandas de bicicletas

250

f(x) = 6.9574137672x + 33.8135774133

R
f(x)==0.9878861663
6.9607681452x + 23.3627258065
f(x)
6.6282258065x + 26.8516129032
R ==0.9536798994
R = 0.9480535223

200

d
e
m
a
n
d
a
s

150

100

50

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
DEMANDA

tiempo
Linear (DEMANDA)

PROMEDIO MOVIL

Linear (PROMEDIO MOVIL )

PROMEDIO SIMPLE

s bicicletas de

06

cletas

2004
2005
2006
17 18 19 20 21 22 23 24 25 26 27 28 29

manda)

cletas

2004
2005
2006
17 18 19 20 21 22 23 24 25 26 27 28 29

manda)

24

cletas

2004
2005
2006
18 19 20 21 22 23 24 25 26 27 28 29 30

near (pronostico movil)

de bicicletas

19 20 21 22 23 24 25 26 27 28 29 30 31
PROMEDIO SIMPLE

Linear (PROMEDIO SIMPLE )

Resumen
Estadsticas de la regresin
Coeficiente de correlacin mltiple
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
Observaciones

0.9715936995
0.9439943169
0.9419200324
14.3877285333
29

ANLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
1 94207.507881773
27 5589.181773399
28 99796.689655173

Regresin
Residuos
Total

Intercepcin
Variable X 1

Coeficientes
24.9187192118
6.8123152709

Error tpico
5.4847296318
0.3193333051

Pronstico para Y
31.73103448
38.54334975
45.35566502
52.16798030
58.98029557
65.79261084
72.60492611
79.41724138
86.22955665
93.04187192
99.85418719
106.66650246
113.47881773
120.29113300
127.10344828
133.91576355
140.72807882
147.54039409
154.35270936
161.16502463
167.97733990

Residuos
-15.7310344828
34.4566502463
15.6443349754
4.8320197044
-15.9802955665
-21.7926108374
-4.6049261084
-11.4172413793
-13.2295566502
-9.0418719212
-6.8541871921
21.3334975369
-13.478817734
9.7088669951
20.8965517241
13.0842364532
1.2719211823
-13.5403940887
4.6472906404
19.8349753695
0.0226600985

Anlisis de los residuales

Observacin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

22
23
24
25
26
27
28
29

174.78965517
181.60197044
188.41428571
195.22660099
202.03891626
208.85123153
215.66354680
222.47586207

-6.7896551724
6.3980295567
-2.4142857143
-6.2266009852
-18.0389162562
15.1487684729
-8.663546798
0.524137931

Grfico de probabilidad normal

250

200

150
Y
100

50

0
0

20

40

60
Muestra percentil

80

100

Promedio de los cuadrados

F
Valor crtico de F
94207.507881773 455.0939325169 1.97243257E-018
207.0067323481

Estadstico t
Probabilidad
4.5432903506
0.0001038974
21.3329307062 1.972432572E-018

Inferior 95%
13.6649835786
6.1570974505

Resultados de datos de probabilidad

Percentil
1.724137931
5.1724137931
8.6206896552
12.0689655172
15.5172413793
18.9655172414
22.4137931034
25.8620689655
29.3103448276
32.7586206897
36.2068965517
39.6551724138
43.1034482759
46.5517241379
50
53.4482758621
56.8965517241
60.3448275862
63.7931034483
67.2413793103
70.6896551724

Y
16
43
44
57
61
68
68
73
73
84
93
100
128
130
134
142
147
148
159
168
168

Superior 95%
36.1724548451
7.4675330914

74.1379310345
77.5862068966
81.0344827586
84.4827586207
87.9310344828
91.3793103448
94.8275862069
98.275862069

181
184
186
188
189
207
223
224

normal

Variable X 1 Cu

250

200

150
Y
100

50

100

120

0
0

10

15

Variab

Inferior 95,0%
13.6649835786
6.1570974505

Superior 95,0%
36.1724548451
7.4675330914

Variable X 1 Grfico de los residuales

40

30

20

10
Residuos
0
0
-10

-20

-30

10

15

20

25

30

-10

-20

-30
Variable X 1

Variable X 1 Curva de regresin ajustada

Y
Pronstico para Y
Linear (Pronstico para Y)

10

15

20

Variable X 1

25

30

35

siduales

25

30

35

ico para Y)

1. La Demanda de Bicicletas para todos los terrenos ha aumentado en forma constante desde 199
producidas por CCB desde el segundo semestre de 1999.
b) Pronostique las ventas para el tercer trimestre de 2006 usando alfa=0.3 y beta=0.25.

Obs

Ao

Trimestre

Demanda

1999

16

3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3

73
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223

2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

2000

2001

2002

2003

2004

2005

2006

PRONOSTICO
73
64.6
59.28
47.884
45.1652
61.14956
65.944868
70.8834604
80.06503812
89.119511436
116.33585343
104.90075603
122.47022681
140.34106804
145.00232041
142.90069612
136.67020884
152.30106265
172.3903188
169.31709564
168.39512869
182.11853861
184.83556158
187.75066847
185.12520054
212.33756016
208.60126805
218.68038041

Obs

Ao

Trimestre

Demanda

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

1999

2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3

16
73
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223

2000

2001

2002

2003

2004

2005

2006

PROMEDIO TOTAL DE LOS DATOS

DIFERENCIA DE PROMEDIO DE LAS VENTAS
PROMEDIO DE n

PROMEDI
O GRUPO

79.07

15

178.57

14

127.10
99.50
14.5

rma constante desde 1998. En la siguiente tabla se muestran las ventas por trimestre de las bicicletas de mo

3 y beta=0.25.
=

0.3

0.25

ERROR
Err:512
Err:512
Err:512
12.473951526
10.612631719
16.345763437
13.945633429
14.354227098
9.4647948879
11.389055235
24.839815088
25.468056706
28.334458093
22.720046027
21.02445197
15.331064563
6.6477488461
13.986373043
21.613814794
21.146500715
16.779338932
11.624121746
11.56361337
11.78642254
3.9359795004
22.676420163
22.758200686
24.132019277

SUAVIZACION EXPONENCIAL SIMP

_ = _( ) + (1-)(_()
_( ) )= pronostico para un
periodo t con tendencia

_ = ((_ _( ) ") + (1 _( ) " " )= estimacion de la

tendencia

_(+) = (_+_ " " ) =

pronostico con tendencia
Suavizacin exponencial
250
200
150
Valor

100
50
0

Punto de datos

Punto de datos

tendencia
Pronostico
suavizada T1 suavizado Ft
6.9
0.1
-0.4
-1.6
-2.6
-4.2
-4.9
-3.2
-1.8
-0.3
1.6
3.5
7.1
7.1
8.8
10.6
11.1
10.2
8.2
8.0
9.0
8.0
6.7
6.8
6.2
5.6
4.3
6.1
5.6
6.1

99.7
79.4
77.5
72.3
66.6
57.6
50.6
52.4
54.8
59.0
66.3
75.4
93.6
100.5
114.3
130.6
142.9
150.4
152.6
160.3
172.1
177.2
180.0
187.1
191.6
195.1
195.7
207.2
211.4
218.8

Pronostico
con
tendencia
106.5
79.4
77.1
70.7
63.9
53.4
45.7
49.1
53.0
58.7
67.8
78.8
100.7
107.6
123.1
141.2
154.0
160.6
160.8
168.3
181.1
185.2
186.8
193.9
197.8
200.7
200.0
213.3
217.1
224.9

250.0

error

absoluto

cuadrado

-90.5
-6.4
-16.1
-13.7
-20.9
-9.4
22.3
18.9
20.0
25.3
25.2
49.2
-0.7
22.4
24.9
5.8
-12.0
-26.6
-1.8
12.7
-13.1
-17.2
1.2
-7.9
-8.8
-16.7
24.0
-6.3
5.9
-224.9

90.52
6.44
16.10
13.65
20.92
9.43
22.31
18.86
20.03
25.35
25.17
49.15
0.74
22.39
24.90
5.79
12.02
26.59
1.79
12.70
13.11
17.19
1.24
7.95
8.79
16.71
23.99
6.32
5.94
224.92

8193.2
41.4
259.1
186.3
437.5
89.0
497.9
355.8
401.2
642.5
633.4
2416.1
0.6
501.2
619.9
33.5
144.5
707.0
3.2
161.3
171.8
295.4
1.5
63.2
77.2
279.3
575.6
39.9
35.3
50589.2

200.0

150.0

100.0

50.0

0.0
1

las bicicletas de montaa

ENCIAL SIMPLE

1-)(_()
co para un
encia

) ") + (1-) "

acion de la

_ " " ) =
cia

onencial

Real
Pronstico

250.0

200.0

150.0

Pronostico con tendenci

100.0

Demanda

50.0

0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Pronostico con tendencia

Demanda

25 26 27 28 29 30

E58:

Usuario:
UBICACIN PROMEDIO DE LOS DATOS

c) Verifique cual de los mtodos es ms preciso, compare los resultados obtenidos.

demandas de bicicletas

250

f(x) = 6.9574137672x + 33.8135774133

R ==0.9878861663
f(x)
6.9607681452x + 23.3627258065
f(x)
=
6.6282258065x + 26.8516129032
R = 0.9536798994
R = 0.9480535223

200

d
e
m
a
n
d
a
s

150

100

50

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
DEMANDA

Linear (DEMANDA)
tiempo
Linear (PROMEDIO SIMPLE )
PROMEDIO MOVIL

PROMEDIO SIMPLE
Linear (PROMEDIO MOVIL )

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
DEMANDA

Linear (DEMANDA)
tiempo
Linear (PROMEDIO SIMPLE )
PROMEDIO MOVIL

PROMEDIO SIMPLE
Linear (PROMEDIO MOVIL )

El metodo de regresion lineal presenta un comportamieno creciente a futuro dando

pronostico, al igual que el metodo de promedio simple presenta menos variacion
resultados en comparacion con la regresion lineal observandose demandas mas g

nidos.

28 29 30 31

IO SIMPLE

PROMEDIO MOVIL )

250.0

200.0

150.0

100.0

50.0

0.0
1

9 10 11 12 13 14 15 16 17 18 19 20 21 2

28 29 30 31

IO SIMPLE

PROMEDIO MOVIL )

nte a futuro dando un buen

a menos variacion de los
e demandas mas grandes.

0.0
1

9 10 11 12 13 14 15 16 17 18 19 20 21 2

Pronostico con tendencia

Demanda

15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

2. SSF Moldea por inyeccin tapas de plsticos hermticos para productos al consumidor. El
moldeo funciona mejor a 68. La planta est equipada con un horno de gas para clima fro y
acondicionadores de aire para clima caliente. Por esta razn, el consumo de energa elctrica es
estacional con pico en los meses de verano y baja en los meses de invierno.
a) Utilice el modelo multiplicativo para estimar los parmetros
b) Simule el pronstico para cada uno de los aos y pronostique el consumo de energa elctrica
para cada trimestre del ao 2010.

Observac
ion

Ao

Estacion

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

2005

Invierno
1752
Primavera
3341
Verano
4910
Otoo
3704
Invierno
1738
Primavera
2037
Verano
4444
Otoo
3308
Invierno
1783
Primavera
2324
Verano
4377
Otoo
4042
Invierno
1741
Primavera
2712
Verano
4972
Otoo
3839
Invierno
1753.5
Primavera
2603.5
Verano
4675.75
Otoo
3723.25
Invierno
1753.875
Primavera 2419.125
Verano
4617.1875
Otoo
3728.0625

2006

2007

2008

2009

2010

Demanda

Demanda
Promedio
3426.75
D1

2881.75
D2

3131.5
D3

3316
D4=DM

3189

3130

Estimacion
Indice
Estacion Co
0.50921443
0.97366512
1.43477665
1.08529204
0.51062423
0.60009759
1.31276598
0.97986084
0.52958921
0.69217524
1.30722972
1.21051564
0.50601731
0.79035612
1.452894
1.12484777
suma
coeficiente

T= Datos disponibles
L= Periodos estacionales
m= Numero de aos
alfa=
beta=
gama=

oductos al consumidor. El
de gas para clima fro y
sumo de energa elctrica es
invierno.

consumo de energa elctrica

Estimacin Factor Estacional

Promedio

0.513861298
0.764073516
1.3769165869
1.1001290763

Estimacin
Factor
Estacional
Normalizado

Factor
Promedio

Factor
Tendencia

0.54739171 3386.03168 -9.23531585

0.81393075 3531.29453 -9.21629513
1.46676298 3485.02909 -9.22085636
1.17191456 3408.9201 -9.22909115
3378.42667 -9.23170906
3131.85626 -9.26092852
3120.86739 -9.26114125
3081.93914 -9.26479365
3150.69317 -9.25518853
3150.71739 -9.25404612
3126.68866 -9.25586507
3245.92028 -9.2400466
3220.2442 -9.24207009
3312.48064 -9.22957678
3351.81969 -9.22359735
3314.64884 -9.22703802
3288.13951 -9.22916569
3.7549804773
3280.0573 -9.22902449
1.0652518766
3256.42918 -9.2307972
3233.51188 -9.23248219
3233.68621 -9.23132409
3187.21806 -9.23590842
3182.44933 -9.23535845
3183.50161 -9.23409191

16
4
4
0.2122
0.0001231
0.689

Factor
estacional

0.527
0.905
1.427
1.113
0.518
0.730
1.425
1.086
0.551
0.735
1.408
1.196
0.544
0.793
1.460
1.170
0.537
0.793
1.443
1.157
0.541
0.770
1.448
1.167

pronostico
1880.8265
2748.4784
5166.0540
4073.3503
1,790.777
3,049.045
4,455.618
3,463.601
1,592.476
2,292.098
4,476.195
3,384.683
1,783.678
2,360.496
4,649.858
3,996.443
1,797.790
2,591.900
4,747.848
3,766.296
1,710.276
2,529.037
4,533.487
3,629.222

Valores Iniciales Factor Tendencia (Bo)

Valor Inicial Factor Promedio (So)

error

ECM

-128.826519
592.521612
-256.053954
-369.350289
-52.7773564
-1012.04452
-11.6175247
-155.600801
190.523797
31.9020373
-99.1947546
657.317402
-42.678298
351.503938
322.141966
-157.442572
F(16+1)
F(16+2)
F(16+3)
F(16+4)
F(16+5)
F(16+6)
F(16+7)
F(16+8)

16596.2719
351081.86
65563.6273
136419.636
2785.44935
1024234.1
134.96688
24211.6094
36299.3171
1017.73998
9839.59935
432066.167
1821.43712
123555.018
103775.446
24788.1634
147136.901

-9.22916667
3445.20833

Demanda
6000

5000

4000

Demanda
3000

2000

1000

0
1

10

11

12

13

14

15

16

6000

5000

4000

Demanda

3000

pronostico

2000

1000

0
1

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

3, Carlos es Gerente de produccin de una compaa de productos plsticos. Los dos Artculos im
demanda histrica mensual para los dos ltimos aos se muestra en la tabla. La demanda histrica
tabla. Recientemente usted fue contratado y Carlos le ha pedido que planee la produccin para el p
hacer el portaespejo y tres para hacer una manija. Se cuenta con 32 trabajadores en la planta. El co
despedir uno existente es $1000. Los trabajadores ganan $2000 al mes. Hacer un portaespejo cues
mantener un inventario para la compaa es de 36% anual. No se permiten faltantes. Desarrollo un
de nivelacin de la tasa de produccin, para los meses 25 al 30.

MES
1
2
3
4
5
6
7
8
9
10
11
12
PROMEDIO
SUMA

AO 1
ESPEJO
101
97
94
102
101
92
97
91
103
92
97
91
97
1158

MANIJA
200
197
196
200
202
209
207
216
212
220
216
218
208
2493

MES
1
2
3
4
5
6
7
8

ESPEJO
101
97
94
102
101
92
97
91

MANIJA
200
197
196
200
202
209
207
216

MES
13
14
15
16
17
18
19
20
21
22
23
24

AO 2
ESPEJO
102
102
97
110
92
102
110
92
102
107
103
91
101
1210

MANIJA
222
220
225
222
227
228
232
234
242
236
241
239
231
2768

ESPEJO
Err:512
Err:512
101 Err:512
98.2 Err:512
95.26 Err:512
99.978 5.13379652
100.6934 4.62284487
94.60802 6.37827792
96.282406 5.23899659

9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

103
92
97
91
102
102
97
110
92
102
110
92
102
107
103
91
101.50
99.50
95.50
106.00
96.50
97.00

212
220
216
218
222
220
225
222
227
228
232
234
242
236
241
239
243.75
245.71
247.67
249.63
251.60
253.56

92.5847218
99.8754165
94.362625
96.2087875
92.5626362
99.1687909
101.150637
98.2451912
106.473557
96.3420672
100.30262
107.090786
96.5272358
100.358171
105.007451
103.602235
94.7806706
99.4842012
99.4952604
96.6985781
103.209573
98.512872

6.03325741
6.88242693
8.13232273
7.69103272
5.66007656
6.40705467
6.43456932
6.17271873
7.38058411
11.0285566
11.2497644
10.5756835
10.8594537
10.8277752
10.0299031
5.10212061
8.30582311
8.32657561
8.2455235
4.51337798
5.84462158
7.01182169

plsticos. Los dos Artculos importantes que hacen son portaespejos y manijas. La
n la tabla. La demanda histrica mensual para los dos ltimos aos se muestra en la
planee la produccin para el prximo ao. Se necesitan dos das-trabajador para el
trabajadores en la planta. El costo de contratar a un nuevo trabajador es de $700, y al
es. Hacer un portaespejo cuesta $250, y una manija de $380. La tasa del costo de
miten faltantes. Desarrollo un plan de produccin agregado mensual con la estrategia

DATOS DE ENTRADA
INVENTARIO INICIAL I
PRODUCCION POR TRABAJADOR
RENDIMIENTO POR EMPLEADO EN TRABAJO EXTRA
COSTO DE CONTRACION
COSTO DE DESPIDO
COSTO DE INVENTARIO
COSTO DE MANO DE OBRA
COSTO DE PENALIZACION POR ORDEN ATRASADA
COSTO DE SUBCONTRATACION
COSTO DE HORA DIURNO 8HE)
COSTO DE HORA EXTRA DIURNO (HED)
COSTO DE HORA EXTRA NOCTURNO (HEN)
NUMERO DE TRABAJADORES ACTUALES

MANIJAS

y = 1.963X + 194.67
X = OBSERVACION

VALOR
2 UNIDAD/5 TRABAJADORES/DIA
$ 700
$ 1,000
36%($250+$380)
$ 2,000

32

Mes

25
26
30
30
273
289
9
10
55
58
1
2
25
50
-248
-239
0
0
$ 30,000
###
-$ 2,480 -$ 2,390
$0
$0
$0
$0
$ 27,520
###

Nmero de das laborales

Pronstico de la Demanda
Tasa de Produccion x dia (TP/dia)
NEt
TP/dia
Produccion (TPt)
Inventario (It)
Subcontratar (Subt)
Costo de Mano de Obra (CMO)t
Costo de Inventario
Costo de Penalizacion
Costo de subcontratacion
Costo Total
MANIJAPORTAESPEJOS
181
92
194
95
201
96
205
97
207
97
209
97

TOTAL
273
289
298
302
305
306

27
28
29
30
TOTAL
30
30
30
30
180
1773
298
302
305
306
10
10
10
10
59
60
60
61
61
355
2
2
2
2
9
50
50
50
50
275
-248
-252
-255
-256
-1498
0
0
0
0
0
###
###
###
### $ 180,000
-$ 2,480 -$ 2,520 -$ 2,550 -$ 2,560 -$ 14,980
$0
$0
$0
$0
$0
$0
$0
$0
$0
$0
###
###
###
### $ 165,020

MANIJA
250

240

f(x) = 1.9630434783x + 194.6702898551

R = 0.9567380216

230

220

MANIJA
Linear (MANIJA)

210

200

190

180
13 14 15 16 17 18 19 20 21 22 23 24
1
2
3
4
5
6
7
8
9 10 11 12

Suavizacin exponencial
115

110

105

100
Real
Valor

Pronstico
95

90

85

80
1

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Punto de datos

CONCLUSIONES

CONCLUSI
Es
ONmuy importante que el estudiante adquiera habilidades para la aplicacin

de las diferentes tcnicas y mtodos cuantitativos usados en la planeacin,

programacin y control de sistemas productivos, de tal manera que le permitan
generar alternativas de solucin en cuanto a gestiones de operaciones.

En cuanto al tema de pronstico, el estudiante debe conocer, comprender y

manejar

los diferentes mtodos de pronstico que existen para manejar

Es
pronstico
de ventas, ya que este es un aspecto determinante en la
muy
competitividad
y productividad de las compaas, de igual manera es
importante
que
el
importante
evaluar la precisin de cada uno de los modelos.
estudiante
adquiera
habilidades
para la
aplicacin
de las
diferentes
tcnicas y
mtodos
cuantitativos
usados en la
planeacin,
programaci
n y control
de sistemas
productivos,
de tal
manera que
le permitan
generar
alternativas
de solucin
en cuanto a
gestiones de
operaciones
.
En cuanto al
tema de

BIBLIOGRAFIA

http://www.elprisma.com/apuntes/ingenieria_industrial/planeacionycontroldelapr

Modulo Planeacin y Control De La Produccin, Manuel ngel Camacho

Oliveros, BOGOT, Enero de 2010, UNAD.