Auxiliares: Sebastin Cea, Ignacio beda,

Andrs Garrido, Macarena Andrade

IN4703 Gestin de Operaciones I

Control 1
Pregunta 1- PPL
Una empresa productora de lcteos desea establecerse dentro del territorio nacional.
La empresa tiene I posibles localizaciones para instalar sus plantas, y N posibles
bodegas para subcontratar, con contratos que duran por todo el horizonte de
planificacin. Hay K productos posibles a fabricar, con un costo fijo de para cada
producto por las maquinas a comprar, y J clientes que abastecer. El horizonte de
planificacin contempla T semanas, pero solo se instalan plantas al inicio del primero
(al igual que el arriendo de bodegas y al igual que la decisin sobre qu productos
producir), con capacidad productiva limitada para cada localizacin y producto. El
Gerente de la empresa debe decidir dnde ubicarse, que productos producir, cuando
producirlos (inventariar) y desde qu planta abastecer a qu bodega, y desde qu
bodega a cul cliente. Si se decide no producir un producto, la demanda para ese
producto se dejar insatisfecha, pero si se decide producir se debe suplir toda la
demanda existente. Adems, por polticas de la multinacional, no se puede producir
una variedad menor a P productos distintos. Se conocen los siguientes datos:

d jkt

: Demanda del cliente j para producto k en semana t.

dist : Distancia desde localizacin i hasta bodega n.

distc nj : Distancia desde bodega n hasta cliente j.

transt :Costo de transporte por unidad de producto por Km .recorrido en semanat .
f k :Costo fijo de produccin del producto k .

c ikt :Costo unitario de produccin de producto k en planta ien semana t .

Ins t i :Costo de instalacin en localizacini .

bod n :Costo de arriendo total de bodega n .

cap pik ::Capacidad productiva mxima de la plantai para el producto k [unidades].

ca pn : Capacidad mxima de bodega n [espacio].

es p k : Espacio utilizado por producto k.

P: N mnimo de productos distintos a producir .

El Gerente le solicita que cree un PPL para minimizar los costos totales de instalar la
empresa en el pas.

Pauta PPL
Variables de Decisin 1,2 ptos

X i 1 si instalo planta en localizacin i

0 si no

Y n 1 si contrato bodega n
0 si no

Z k 1 si decido producir producto k

0 si no
A inkt :cantidad d eproducto k enviado de planta i a bodega n en periodo t
B njkt : cantidad de producto k que bodega n mandaa cliente k en periodo t
W nkt :cantidad de producto k guardados en bodega n de t a t +1

Restricciones

Naturaleza de las variables (0,2)

X i , Y n , Z k { 0,1 } A inkt , Bnjkt , W nkt N {0 }

Satisfacer demanda si produce producto (0,5)

 Bnjkt dd a jktZ k j , k ,t
n

Instalar para producir y Capacidad (1 pto) (ojo que esta se puede

separar en 2, 0,5 cada una)

Ainkt cap piktX i i , k , t

n

Usar bodega slo si est contratada (0,5)

Ainkt +W nkt M Y n n , k , t
i

Espacio en bodegas (0,5)

W nktes pk ca p n
k

Ecuacin de Flujo (1 pto)

Ainkt +W nkt1= B njkt+ W nkt

i

Mnimo de productos (0,3)

Zk P
k

Funcin Objetivo (0,8)

Ainkt
( dis t + Bnjktdist nj )tran s t
n, j, k
Max X iins t i+ Z kf k + Ainkt c ikt + Y nbo d n +
i ,n , k

i , n ,k ,t

P2. Problema pronstico de Demanda

Posterior a las movidas fiestas patrias experimentadas, usted decide que tambin ha
llegado su momento de cambio, por lo que se arroja de lleno a comenzar su propia
empresa siguiendo su ms ferviente pasin: la venta del famoso trago criollo
terremoto en formato de lata (excelente idea), bajo la marca comercial Epicentro.
Sin embargo, usted no cuenta con experiencia previa del negocio, pero s sabe que su
hermano vende un producto similar en el mercado desde hace un ao, por lo que le
solicita sus datos de venta de los ltimos 5 meses, con tal de estudiar el

comportamiento de la demanda a futuro. Usted est altamente motivado puesto que

por fin encuentra la ocasin perfecta para utilizar su vasto conocimiento en mtodos
de pronstico de demanda. Los datos que su hermano le proporciona son:

Dt

25343
23284
24570
26432
28665
-

20 Mayo
20/Junio
20/Julio
20/Agosto
20/Septiembre
20/Octubre

Decidido a encontrar el mejor modelo, usted realizar lo siguiente:

i) Utilizando un mtodo de medias mviles para tres periodos, estime la demanda para
los meses de Octubre y Noviembre (utilizando los datos desde Mayo). (0.5 ptos.)

Solucin
Utilizando la frmula de medias mviles, es posible confeccionar la
siguiente tabla hasta Octubre sin problemas para F[t]. Luego, para el
pronstico de Noviembre se aceptan dos respuestas:
a) No es posible obtenerlo mediante medias mviles puesto que no
se tiene el dato de la demanda de Octubre y por ende no se
puede pronosticar (no se podra obtener A[Octubre]).
b) Es posible justificar qu valor va a utilizar en lugar de la
demanda de Octubre. La opcin ms clara es usar F[Octubre]
como D[Octubre] para actualizar A[Octubre] y as poder calcular
F[Noviembre]. Otras opciones justificadas estn correctas.
La solucin ocupando (b) se encuentra en la siguiente tabla.

t
25343
23284
24570
26432
28665
-

20/May
20/Jun
20/Jul
20/Ago
20/Sep
20/Oct
20/Nov

A[t]

24399
24762
26556
27218

para calcular MAD y TS.

F[t]

24399
24762
26556
27218

ii) Calcule el MAD y seal de rastreo

para dichos meses. Interprete sus
resultados. (1 pto.)

Solucin
Utilizando la tabla anterior, se
calculan los errores necesarios

Dado que no se cuenta con D[Octubre] ni D[Noviembre], lo correcto

era sealar que no era posible llevar a cabo el clculo de MAD y TS
para dichos meses. Por posible confusin, se acepta correcto el
calcular MAD y TS para Agosto y Septiembre, sealando que existe una
subestimacin de la demanda (de ah el valor positivo de la seal de
rastreo), la cul empeora en Septiembre, pero se mantiene dentro de
los mrgenes aceptables de error TS [-6,6].

25343
23284
24570
26432
28665
-

A[t]

F[t]

20-may
20-jun
20-jul
20-ago
20-sep
20-oct
20-nov

24399
24762
26556
27218
-

24399
24762
26556
27218

D[t]-F[t] |D[t]-F[t]|
2033
3903
-

2033
3903
-

MAD

TS

2033
2968
-

1
2
-

iii) Suponga que usted quiere utilizar un modelo de pronstico con medias mviles
ponderadas, pero no est seguro respecto del nmero de periodos ni pesos que debe
utilizar. Dado que usted es un docto en optimizacin, decide desarrollar un modelo de
optimizacin (no necesariamente lineal) que le permita determinar los pesos y periodos
a considerar, de tal forma de minimizar cierto indicador de error. As, formule un
modelo de optimizacin (explicitando variables de decisin, restricciones y funcin
objetivo) que le permita obtener los pesos y periodos a utilizar bajo el enfoque de
medias mviles ponderadas, buscando encontrar el mejor modelo basndose en el
MAD. (2 ptos.)
Indicaciones: Haga los supuestos que estime convenientes y asuma que tiene una gran
cantidad de data histrica. Intente expresar todo en funcin de los valores

Dt .

Solucin
El modelo busca minimizar el MAD, sujeto a que se cumplan las
relaciones entre A[t] y F[t], as como que los ponderadores para el
periodo a elegir sumen la unidad.
I.- Variables de decisin (0.5 puntos)
a) Vectores de Pesos W: Flexible, los pesos pueden ser iguales para
todos los pronsticos o el modelo podra calcular vectores Ws
distintos segn el periodo a pronosticar. Ambas opciones son
vlidas.
b) Largo del periodo L (nmero de elementos a considerar para
utilizar la tcnica de media mvil)
c) F[t]: Variable auxiliar (no 100% necesaria) para definirla a modo
de restriccin.

II.- Funcin Objetivo (0.5 puntos)

Minimizar el MAD (basta colocar la frmula del MAD expresada con las
variables de decisin y D[t], descontar mximo 0.2 si los ndices de la
sumatoria no calzan).
III.- Restricciones (0.5 puntos)
a) Naturaleza
b) Sumatoria de pesos <= 1
c) Definicin F[t]
Nota: Tambin era posible plantear el problema con dos modelos, uno
que optimizara el nmero de periodos primero y luego los pesos, hay
flexibilidad de revisin para cada caso.

min MAD=
t =1

D t F t
n

Ft +1= A t=

=t L+1

W ,t =1

Ft libre , W M ,t [ 0,1 ] , L Z +

iv) Estimando la tendencia para el mes de Agosto, realice un pronstico de demanda

para el mes de Diciembre con un modelo de Alisamiento Exponencial con Tendencia,
utilizando los datos desde Agosto y valores alfa = 0.4 y beta = 0.3 (1 pto.)

Solucin
Estimamos la Tendencia para el mes de agosto usando alguna de las
formas vistas en clases, aqu la versin que toma en cuenta los cambios
entre todas las demandas experimentadas hasta dicho momento:

T Agosto =

( D agostoDJulio ) + ( D julioD junio ) + ( D junioDmayo )

3

=363

Una vez calculada, es necesario obtener un valor para A[Agosto] de forma

justificada: tomando A[Agosto] = D[Agosto] o utilizando el calculado
mediante medias mviles en la parte i). Utilizando A[Agosto] encontrado
en la parte i), se obtiene la siguiente tabla, actualizando los valores de
A[t] y T[t] hasta Septiembre. Luego, para calcular [Diciembre] es

necesario hacer uso de la frmula de Alisamiento Exponencial con

Tendencia:

Ft +k =A t + kT t =A sept +3T sept

v) Si conociera

D Octubre y

= 28904

D Noviembre , cmo cambiara su respuesta en iv)? Comente

y plantee las expresiones que utilizara. (0.5 ptos.)

Solucin
Dado que se conocen D[Octubre] y D[Noviembre], es posible actualizar
A[t] y T[t] hasta el mes de Noviembre utilizando las frmulas de
Alisamiento Exponencial con Tendencia:

t1
A t1 +T
para obtener A[Noviembre]
A t = Dt + ( 1 )

T t = ( A t A t 1 ) + ( 1 ) T t1

para obtener T[Noviembre]

Una vez que se obtienen dichos valores, es posible utilizar:

Ft +k =A t + kT t =A Nov +T nov

As, se obtendra un pronstico de mejor

calidad puesto que se actualizan los valores utilizando la data disponible,

rechazando as el supuesto de que la tendencia se mantiene constante en
el tiempo.
Independiente de las anteriores
vi) Suponga que en uno de los tantos modelos de pronstico que usted testea, al
graficar la seal de rastreo por periodos obtiene la curva de la Figura 1. Ante esto,
interprete qu podra estar pasando con su modelo (falta alguna variable, se observa
algn sesgo caracterstico, etc.) y seale que informacin obtiene de los valores de la
seal de rastreo qu implica que sea positiva, negativa o nula? (1 pto.)

Solucin

Observando la curva TS, es posible determinar que el modelo de

pronstico utilizado no est tomando en cuenta cierta estacionalidad
de los datos, hecho que se observa al ver como la curva oscila entre
valores negativos y positivos de forma peridica, por lo que utilizar un
modelo que incluya dicho efecto sera lo ms adecuado.
En relacin a los valores de la TS se tiene:
1) Si es positiva, se tiende a subestimar la demanda.
2) Si es negativa, se tiene a sobreestimar la demanda.
3) Si es nula (o muy cercana a cero), el pronstico sera bastante
adecuado.

Pregunta 3.
a) Suponga que trabaja para cecinas la elegida. Despus de un proceso de
rediseo de producto para la calidad se da cuenta que la duracin del producto
es una de las variables que ms valoran sus clientes. Segn un estudio de
mercado, la gente slo comprara si la cecina despus de envasada durase
entre 1,5 y 2,5 meses (si se pasa de los 2,5 meses la gente piensa que le estn
vendiendo plstico). El proceso actual de envasado final con respecto a la
duracin de los productosse distribuye como una normal con media 2 meses, y
con un costo marginal de operacin de $1,5 millones por tonelada mtrica de
producto. Suponiendo que la instalacin actual es un costo hundido (es decir,
para el anlisis, la inversin inicial en el proceso actual no es reversible, es ms
piense que no tiene precio de reventa), su jefe le pregunta: Qu otros datos
necesitara para poder tomar una buena decisin acerca de invertir o no en un
nuevo proceso de fabricacin?, por ejemplo en un proceso ms certero en el
tiempo de duracin.

b) Conceptualmente, cul es el objetivo que cumple un modelo de series de

tiempo?, cul es la diferencia entre un modelo de series de tiempo y uno de
tipo causal? D un ejemplo de una variable a predecir causal y un factor o
variable independiente relacionada con la variable a predecir.
c)
(50%) Es cierto que las decisiones estratgicas son todas aquellas cuya
evaluacin supera los 20 aos?, Por qu? (50%) Si la respuesta es negativa
explique brevemente algn ejemplo donde en un producto convivan al menos 2
ciclos de negocio de decisiones estratgicas de distinto horizonte temporal.

d) Usted escuch en clases que en las zonas rurales de India se ocupaba un

servicio de gran latencia1 para los servicios de compra en lnea a travs de
Ali-express, por ejemplo. Qu estudio de demanda sugerira para poder evaluar
la factibilidad de este proyecto? (no olvide poner el objetivo que seguira con el
estudio de demanda sugerido)

Respuestas:
La pauta es referencial, puedenexistir otras buenas respuestas.

a) Lo que al menos necesitara (segn lo visto en clases): es la

varianza del proceso inicial, la media y la varianza (desviacin
estndar) (suponiendo que se distribuyen como una normal) de los
nuevos procesos de fabricacin, y el costo marginal y costo de
inversin del o los nuevos procesos. Adems de lo anterior y casi
lo ms importante, es que necesitan el nivel de produccin actual
en toneladas.
b) El objetivo de un modelo de series de tiempo es explicar o predecir
el futuro en base a datos del pasado, conceptualmente uno
supone que las cosas que ocurrieron en el pasado se van a repetir
en el futuro. La principal diferencia (ya que desde el punto de vista
de ajuste estadstico son parecidos) radica en que el modelo
causal uno trata de predecir un valor futuro en base a diferentes
factores que se relacionan como causa y efecto, mientras que el
otro tipo de modelo obvia estos conceptos y slo se basa en la
historia. Un ejemplo de modelo causal puede ser, predecir la venta
de paraguas en base a la lluvia, o predecir venta de helados en
base a la temperatura y humedad ambiente, etc. cualquiera que
sea de relacin causa efecto.
c) No es cierto, porque no todas las industrias tienen los mismos
ciclos de negocio (lo que aparece en la diapo 22 de la primera
clase). Un ejemplo de esto (el de la clase) puede ser un telfono
celular, donde conviven los ciclos de negocio de la tecnologa de
transmisin del aparato 2G-3G-4G, los ciclos de negocios del
aparato en s, los ciclos de vida del software, etc. En realidad
1 El servicio consiste en implementar computadores en zonas aisladas sin
acceso a redes de telecomunicaciones, pero con un servicio regular de buses
de transporte de pasajeros, donde los buses se conectan con los computadores
al pasar y llevan la informacin a zonas donde exista internet. Adems los
buses son los encargados de dejar los pedidos de la gente.

cualquier producto medianamente complejo sirve, por ejemplo un

automvil que el ciclo de combustin no cambia mucho, o sea se
puede separar en antes y despus de la inyeccin electrnica,
mientras que los modelos de autos tienen un ciclo mucho menor.
d) (ac el alumno debe demostrar dominio del tema ms que nada)
Suponiendo que el servicio es nuevo, se vera ocupar tcnicas
cualitativas, como estudios de mercado o analogas con la
introduccin de ciertos productos, para determinar por ejemplo la
tasa de adopcin del producto en zonas rurales, o por ejemplo el
acceso a las telecomunicaciones de ciertos lugares.