Está en la página 1de 59

Planeacin de Requerimiento de Materiales

(MRP) y
Capacidad
Historia del MRP

Empez en 1960 como un mtodo computarizado de


compras y programacin de la produccin.
Joseph Orlicky, Oliver Wight y otros.
APICS lanzo la Cruzada MRP en 1972.
Suposiciones:
1. Demanda determinstica conocida.
2. Tiempo de produccin conocido y fijo.
3. Capacidad infinita.
Hopp, W., Spearman, M. 1
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
MRP

Entradas:
Programa Master de Produccin (Master Production Schedule
MPS): Programacin de las fechas y de las cantidades demandadas
de productos del nivel ms alto.

Lista de Materiales (Bills of Material BOM): Diagrama


jerrquico de padres e hijos de los productos.

Estatus del Inventario: Inventario existente y compras


programadas de todos los componentes y productos terminados.

Tiempos Planeados: Para todos los componentes y productos


terminados.

Hopp, W., Spearman, M. 2


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Ejemplo - Taburete

BOM Indentado BOM Grfico

Taburete Taburete Nivel 0


Base (1)
Patas (4)
Pernos P (4) Base (1) Asiento (1) Nivel 1
Asiento (1)
Pernos A (2)
Patas (4) Pernos P (4) Pernos A (2) Nivel 2

Nota: Los Pernos A son ubicados en el nivel ms bajo para facilitar el


clculo MRP. En la prctica estos pernos pueden quedar fuera de la
BOM.
Hopp, W., Spearman, M. 3
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Ejemplo

Producto: Taburete (Leadtime = 1 semana)


Semanas 0 1 2 3 4 5 6
Requerimiento Bruto 120
Recibos Programados
Inventario Existente 20 20 20 20 20 -100 -100
Requerimiento Neto 100
Ordenes Planeadas 100

Componente: Base (Leadtime = 1 semana)


Semanas 0 1 2 3 4 5 6
Requerimiento Bruto 100
Recibos Programados
Inventario Existente 0 0 0 0 -100 -100 -100
Requerimiento Neto 100
Ordenes Planeadas 100

Hopp, W., Spearman, M. 4


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Ejemplo (cont.)

Explosin BOM
Componente: Patas (Leadtime = 2 semanas)
Semanas 0 1 2 3 4 5 6
Requerimiento Bruto 400
Recibos Programados 200
Inventario Existente 0 0 200 -200 -200 -200 -200
Requerimiento Neto 200
Ordenes Planeadas 200

Hopp, W., Spearman, M. 5


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Terminologa

Cdigo de Nivel: nmero en la BOM en donde se encuentran los


componentes.

Horizonte de Planeacin: debe ser ms largo que el tiempo total


acumulado para cualquier producto.

Tiempo Grupal: tiempos en los que se divide el horizonte de planeacin.

Acoplamiento (Pegging): identificacin del requerimiento bruto con el


siguiente nivel en la BOM.

Orden Planeada en Firme (FPO): orden que el sistema MRP no puede


cambiar cuando las condiciones cambian. Estabiliza el sistema.

Hopp, W., Spearman, M. 6


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Tamao del Lote en MRP

Lote-por-lote tamao del lote igual a la demanda chase


demand

Mtodo Fixed order quantity (EOQ) tamao de lote


constante. Usa demanda promedio

Mtodo Fixed order period (FOP) usa intervalos de tiempo


constante

Balanceo de periodos y componentes (Part period


balancing) trata de igualar los costos de ordenes y setup con los
costos de mantenimiento de inventario.

Wagner-Whitin mtodo ptimo con tamao de lote mximo,


produciendo cuando el inventario existente es cero.

Hopp, W., Spearman, M. 7


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Ejemplo de tamao de lote

t 1 2 3 4 5 6 7 8 9 10
Dt 20 50 10 50 50 10 20 40 20 30
WW 80 130 90
60 10 0 80 30 20 0 50 30
LL 20 50 10 50 50 10 20 40 20 30

A 100
h 1
300
D 30
10

Wagner-Whitin: $580 Nota: WW es optimo en


estas condiciones.
Lote-por-Lote: $1000

Hopp, W., Spearman, M. 8


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Ejemplo de tamao de lote (cont.)

Fixed Order Quantity (usando EOQ):

2 AD 2 100 30
Q 77
h 1

t 1 2 3 4 5 6 7 8 9 10 Total
Dt 20 50 10 50 50 10 20 40 20 30 300
Qt 77 77 77 77 308
Setup 100 100 100 100 $400
Holding 57 7 74 24 51 41 21 58 38 $371
Total $771

Hopp, W., Spearman, M. 9


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Ejemplo de tamao de lote (cont.)

Fixed Order Period (FOP): 3 periodos

t 1 2 3 4 5 6 7 8 9 10 Total
Dt 20 50 10 50 50 10 20 40 20 30 300
Qt 80 110 80 30 308
Setup 100 100 100 100 $400
Holding 60 10 0 60 10 0 60 20 0 $220
Total $620

Hopp, W., Spearman, M. 10


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Nerviosismo

Producto A (Leadtime = 2 semanas, Intervalo de la orden = 5 semanas)


Semanas 0 1 2 3 4 5 6 7 8
Requerimiento Bruto 2 24 3 5 1 3 4 50
Recibos Programados
Inventario Existente 28 26 2 -1 -6 -7 -10 -14 -64
Requerimientos Netos 1 5 1 3 4 50
Ordenes Planeadas 14 50

Componente B (Leadtime = 4 semanas, Intervalo de la orden = 5 semanas)


Semanas 0 1 2 3 4 5 6 7 8
Requerimiento Bruto 14 50
Recibos Programados 14
Inventario Existente 2 2 2 2 2 2 -48
Requerimientos Netos 48
Ordenes Planeadas 48

Nota: estamos usando la regla del FOP.


Hopp, W., Spearman, M. 11
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Nerviosismo Ejemplo (cont.)

Producto A (Leadtime = 2 semanas, Intervalo de la Orden = 5 semanas)


Semanas 0 1 2 3 4 5 6 7 8
Requerimiento Bruto 2 23 3 5 1 3 4 50
Recibos Programados
Inventario Existente 28 26 3 0 -5 -6 -9 -13 -63
Requerimiento Neto 5 1 3 4 50
Ordenes Planeadas 63

Componente B (Leadtime = 4 semanas, Intervalo de la Orden = 5 semanas)


Semanas 0 1 2 3 4 5 6 7 8
Requerimiento Bruto 63
Recibos Programados 14
Inventario Existente 2 16 -47
Requerimiento Neto 47
Ordenes Planeadas 47*
* Fuera de fecha
Nota: Pequeas reducciones en los requerimientos causan grandes
cambios en las ordenes y hacer imposible la programacin.
Hopp, W., Spearman, M. 12
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Reduccin del Nerviosismo

Reducir las Causas de los Cambios de Plan:


Estabilizar MPS (ej. zonas congeladas)
Reducir demandas no planeadas
Controlar las cambios en el stock de seguridad y los tiempos de
produccin

Cambiar las regla de Tamao de Lote:


Ordenes de cantidades fijas EOQ en el nivel alto
Lote por lote en el nivel intermedio
Ordenes a intervalos fijos FOP al nivel bajo

Usar Ordenes Planeadas en Firme (FPO):


Usar ordenes planeadas que no cambien automticamente cuando las
condiciones cambien
Solo las decisiones gerenciales cambian estas ordenes

Hopp, W., Spearman, M. 13


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Los Cambios en el MRP

Causas de los Cambios:


Nuevas ordenes en el MPS
Atraso en completar las ordenes
Perdidas por defectos
Cambios de ingeniera en la BOM
Respuestas a los Cambios:
Regeneracin del MRP: Redisear el MRP completamente empezando
con el clculo del MPS hasta la BOM.
Cambios Netos del MRP: Conservar el plan de requerimiento de
materiales y alterar solo las partes afectadas por el cambio.
Anlisis:
La regeneracin del MRP corrige los errores.
Los cambios netos del MRP responden rpido pero se lo debe regenerar
peridicamente.
Hopp, W., Spearman, M. 14
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Re-Programacin

Stock de Seguridad y Tiempo de Seguridad

Stock de Seguridad:
Genera requerimientos netos para asegurar un nivel mnimo de
inventario todo el tiempo.
Usado como proteccin contra cantidades inciertas.

Tiempo de Seguridad:
Aumenta el tiempo de produccin de los componentes y el producto
final para evitar problemas (ej. Perdidas en la produccin).
Usado como proteccin contra tiempos inciertos (ej. atrasos en los
envos).

Hopp, W., Spearman, M. 15


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Stock de Seguridad vs. Tiempo de Seguridad

Producto: A (Leadtime = 2 semanas, EOQ =50)


Semanas 0 1 2 3 4 5
Requerimiento Bruto 20 40 20 0 30
Recibos Programados 50
Inventario Existente 40 20 30 10 10 -20
Requerimiento Neto 20
Ordenes Planeadas 50

Stock de Seguridad = 20 unidades


Semanas 0 1 2 3 4 5
Requerimiento Bruto 20 40 20 0 30
Recibos Programados 50
Inventario Existente 40 20 30 10 10 -20
Requerimiento Neto 10 30
Ordenes Planeadas 50

Hopp, W., Spearman, M. 16


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Stock de Seguridad vs. Tiempo de Seguridad (cont.)

Tiempo de Seguridad = 1 Semana


Semanas 0 1 2 3 4 5
Requerimiento Bruto 20 40 20 0 30
Recibos Programados 50
Inventario Existente 40 20 30 10 10 -20
Requerimiento Neto 20
Ordenes Planeadas 50

Hopp, W., Spearman, M. 17


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
CASO DE ESTUDIO CAPTULO 2. MRP
CASO DE ESTUDIO CAP 3 MRP

Una compaa lder en el mercado nacional vende productos ensamblados (Partes A). El
departamento de produccin de la compaa ha realizado un estudio de las partes que
conforman el producto, de la demanda del mercado y de los tiempos que los proveedores
se demoran en entregar el material.

Despus de este estudio, se obtuvo la siguiente informacin:

Lista de materiales
A: Dos de 200 y uno de 400
200: Materia prima
300: Materia prima
400: Uno de 200 y uno de 300

Programa Master de Produccin:


Semana 1 2 3 4 5 6 7 8 9 10
Demanda 41 44 84 42 84 86 7 18 49 30

Informacin de inventario y mtodos:


Recibos Recibos Lead
Inventario Mtodo
Partes programados programados time
existente (Setup/mantenimiento)
(Cantidad) (Semana) (semana)
Part period balancing
A 120 0 2
(200)
200 3
200 300 2 Lote-por-lote
100 5
100 4
300 140 2 Lote-por-lote
100 7
400 200 0 3 Lote-por-lote

Genere el MRP de la produccin de la compaa para las siguientes partes A, 200, 300 y
400 usando la informacin proporcionada.

Calcule los costos de manejo de inventario de las 10 semanas de produccin de acuerdo a


los mtodos recomendados en el caso de estudio.
Requerimientos futuros de mediadores A y B, el subensamble D y la parte
E, partiendo de los pedidos de los clientes especficos y de clientes
aleatorios

Medidor A Medidor B Subensamble D Parte E

Mes Conocidos Aleatorios Conocidos Aleatorios Conocidos Aleatorios Conocidos Aleatorios

3 1,000 250 400 60 200 70 300 80

4 600 250 300 60 180 70 350 80

5 300 250 500 60 250 70 300 80

6 700 250 400 60 200 70 250 80

7 600 250 300 60 150 70 200 80

8 700 250 700 60 160 70 200 80

Hopp, W., Spearman, M. 19


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Programa Maestro de Produccin

Semana

9 10 11 12 13 14 15 16 17

Medidor A 1.250 850 550

Medidor B 460 360 560

Subensamble D 270 250 320

Parte E 380 430 380

Hopp, W., Spearman, M. 20


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Estructura del producto para los medidores A y B

Medidor de tipo Medidor de tipo

Nivel 0 A B

Nivel 1 C(1) C(1)

Nivel 2 D(1) D(1) D(1)

Nivel 3 E(1) F(1) E(2) E(1) F(1) F(2) E(1) F(2) E(1) F(1) F(2)

El cuadro muestra los subensambles y las partes que conforman los medidores, y muestra los nmeros de unidades
requeridas por unidad del artculo original entre parntesis

Hopp, W., Spearman, M. 21


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Nmero de unidades disponibles y datos sobre los plazos de entrega

Artculo Inventario disponible Plazo (semanas)

A 50 2

B 60 2

C 40 1

D 30 1

E 30 1

F 40 1

Hopp, W., Spearman, M. 22


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Programa de planeacin de los requerimientos de materiales para los medidores A y B, los
subensambes C y D y las partes E y F
Artculo Semana

4 5 6 7 8 9 10 11 12 13

A Requerimientos brutos 1,250 850


Disponibles 50 50
Requerimientos netos 1,200
(Plazo = 2) Ordenes planeadas 1,200

B Requerimientos brutos 460 360


Disponibles 60 60
Requerimientos netos 400
(Plazo = 2) Ordenes planeadas 400

C 400
Requerimientos brutos 1,200
Disponibles 40 40
Requerimientos netos 1,560
(Plazo = 1) Ordenes planeadas 1,560

D Requerimientos brutos 1,560 1,200 270 250


Disponibles 30 30 0 0
Requerimientos netos 1,530 1,200 270
(Plazo = 1) Ordenes planeadas 1,530 1,200 270

E 2,400 430
Requerimientos brutos 1,530 1,200 400 270 380
Disponibles 30 30 0 0 0 0
Requerimientos netos 1,500 1,200 2,800 270 380
(Plazo = 1) Ordenes planeadas 1,500 1,200 2,800 270 380

F 3,120
Requerimientos brutos 1,530 1,200 800 270
Disponibles 40 40 0 0 0
Requerimientos netos 1,490 4,320 800 270
(Plazo = 1) Ordenes planeadas 1,490 4,320 800 270
Planeacin de Recursos de Manufactura (MRP II)

La ms reciente implementacin del MRP II es el ERP (Enterprise


Resource Planning).

Partes y ampliaciones del MRP:


Master Production Scheduling (MPS)
Rough Cut Capacity Planning (RCCP)
Capacity Requirements Planning (CRP)
Production Activity Control (PAC)

Hopp, W., Spearman, M. 24


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Enterprise Resources Planning

Supply Chain Management


(SCM)
Business Process Re-Engineering
(BPR)

MRP MRP II ERP Meta: Integrar


informacin a travs
de toda la empresa:
manufactura
IT distribucin
contabilidad
finanzas
personal

Hopp, W., Spearman, M. 25


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Enterprise Resources Planning

Ventajas: Desventajas:
Funcionalidad Incompatibilidad con los sistemas
integrada. existentes.
Continua interaccin Implementacin larga y costosa.
con el usuario. Incompatible con las prcticas
Base de datos gerenciales existentes.
integrada. Perdida de flexibilidad.
Arquitectura unificada. Largo periodo de recuperacin del
capital.
Dbil ante la innovacin
tecnolgica.

Hopp, W., Spearman, M. 26


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Otras Herramientas de Planeacin

Manufacturing Execution Systems (MES):


Surgi con el ERP

Advanced Planning Systems (APS):


Algoritmos que permiten realizar funciones especificas.
Programa capacidades finitas, predicciones, control gerencial de la
demanda, direccin de bodegas, distribucin, etc.

TAREA 3a CAPTULO 3

Hopp, W., Spearman, M. 27


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Planeacin de la Capacidad
Parmetros de FORECASTING
Marketing

Parmetros de CAPACIDAD/PLANTA MANO DE OBRA Polticas de


Producto/Proceso PLANEACION PLANEACION Mano Obra

Plan de Plan de
Capacidad Personal

PLANEACION
TOTAL

Plan
Total Estrategias

ESTABLECIMIENTO Demanda de
WIP/PRODUCCION Clientes

Programa DIRECCION DE
Master de LA DEMANDA
Produccin

Planeacin PROGRAMACION
del WIP PRODUCCION Tcticas

TIEMPO REAL Programacin


SIMULATION de Trabajo

Pronostico CONTROL DE
de Trabajo LA PRODUCCION

SEGUIMIENTO DE Control
LA PRODUCCION
Hopp, W., Spearman, M. 28
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
PLANEACION DE LA CAPACIDAD

La administracin de la capacidad debe de considerar los siguientes


factores:
El mejor nivel
operativo

Mantenimiento del
equilibrio del sistema

Planeacin de Frecuencia de aumentos


la capacidad de capacidad

Fuentes externas de
capacidad

Efecto del Ciclo de


vida del Producto
Hopp, W., Spearman, M. 29
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Planeacion Estratgica de la capacidad

Capacidad

La cantidad de produccin que un sistema es capaz


de lograr durante un periodo especfico de tiempo.
Utilizacin de la Capacidad
Capacidad utilizada
Tasa de Utilizacion de la Capacidad
Mejor nivel operativo
Capacidad utilizada
Revela cuan cerca esta la compaa del mejor nivel
operativo
Mejor nivel operativo
Capacidad para la cual se ha diseado el proceso

Hopp, W., Spearman, M. 30


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
El mejor nivel operativo

Muchas compaas deben decidir sobre el tamao (en trmino de


capacidad) de sus instalaciones. En base a economas de escala,
entre ms grande son las instalaciones, el costo unitario del producto
es menor. Sin embargo, al llegar a un cierto punto se producen
diseconomas de escala, es decir, si se sigue incrementando el
tamao, se incrementa el costo unitario. Ej: costo de transporte y de
los esfuerzos de coordinacin y comunicacin.
Costo Promedio Unitario

Sub-utilizacin Sobre-utilizacin

Mejor nivel optimo

Volumen de Produccin
Hopp, W., Spearman, M. 31
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Utilizacin de la Capacidad -- Ejemplo

Durante una semana de produccin, una planta


produce 83 unidades de un producto.
El record histrico mas alto o la mejor utilizacin
alcanzada es de 120 unidades por semana.
Cual es la tasa de utilizacin de la capacidad de la
planta?

Utilizacin = ?
Tasa de Utilizacin de la Capacidad = [(83)/(120)]*100 = 69%

Hopp, W., Spearman, M. 32


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Mantenimiento del equilibrio del sistema

Balanceo de la capacidad. Para que la cadena de valores opere


eficientemente todas sus etapas deben tener la misma capacidad. Si
tienen diferentes capacidades, la capacidad del sistema ser la
capacidad del eslabn ms dbil, este eslabn es el cuello de botella
del sistema.

Ensamblado
800 u/semana

Manufactura: Distribucin:
900 u/semana 850 u/semana
Cul es la
capacidad
Almacenamiento del sistema?
700 u/semana

Hopp, W., Spearman, M. 33


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Frecuencia de los aumentos de capacidad

Al aumentar la capacidad hay dos tipos de costos:


Costo por mejorar con mucha frecuencia
Costo por mejorar con poca frecuencia

Fuentes externas de capacidad

A veces resulta menos costoso


Subcontratacin
Capacidad compartida

Hopp, W., Spearman, M. 34


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Aumento de la capacidad frecuente versus la infrecuente.

Proyeccin
de la
demanda
Nivel de capacidad
(expansin
Nivel de capacidad
infrecuente )
(expansin frecuente)
Volumen

Paquete
Paquete grande
pequeo

Dr. Kleber Barcia V. Ph.D., 2017


Aos Hopp, W., Spearman, M. 35
Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Frecuencia de los Aumentos de la Capacidad

Capacidad lidera a la demanda. Se introduce un incremento en


la capacidad de tal forma que siempre hay suficiente capacidad
para satisfacer la demanda pronosticada.
Capacidad se atrasa a la demanda. Se introduce un
incremento en la capacidad de tal forma que siempre la
demanda es mayor o igual a la capacidad.

Demanda
Volumen (unidades / semana)

Capacidad lidera
a la demanda

Capacidad se atrasa
a la demanda

Tiempo
Hopp, W., Spearman, M.
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Frecuencia de los Aumentos de la Capacidad

Ventajas y desventajas de ambas estrategias:


Capacidad lidera a la demanda
Ventajas Desventajas
Siempre existe suficiente capacidad para
satisfacer a la demanda, por lo tanto se Generalmente la utilizacin de la planta es baja,
maximiza los ingresos y la satisfaccin de los por lo tanto los costos son altos
clientes
Cualquier problema inicial con las nuevas plantas Alto riesgo si la demanda no llega a los niveles
es poco probable que afecte a los clientes pronosticados

Capacidad se atrasa a la demanda


Ventajas Desventajas
Siempre existe suficiente demanda para trabajar Insuficiente capacidad para satisfacer toda la
a full capacidad las plantas, por lo tanto los demanda, por lo tanto reducin en los ingresos e
costos unitarios son minimizados insatisfaccin en los clientes

Las inversiones de capital en las plantas se Crisis cuando existen problemas en la


atrasan instalaciones de las nuevas plantas
Hopp, W., Spearman, M. 37
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Frecuencia de los Aumentos de la Capacidad

Una estrategia intermedia que busca obtener las ventajas de las dos
estrategias anteriores es la suavizacin de la capacidad por medio de
inventario: Volumen (unidades / semana)
Demanda

Tiempo
Suavizacin de la Capacidad por medio de Inventarios
Ventajas Desventajas
Toda demanda es satisfecha por lo tanto se
El costo del inventario en trmino de capital de
maximiza los ingresos y se satisface a los
trabajo
clientes
La utilizacin de la capacidad es alta por lo tanto
Riesgo de productos obsoletos o deteriorados
los costos son bajos
Hopp, W., Spearman, M. 38
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Efecto del ciclo de vida del producto

La seleccin del tipo de estrategia a seguir (capacidad lidera a la


demanda, capacidad se atrasa a la demanda o suavizacin de la
capacidad por medio de inventario) depende de las propias
circunstancias de la compaa, sin embargo el ciclo de vida del producto
puede ayudar en la seleccin de la estrategia.

Lidera Suaviza Atrasa


Volumen (unidades / semana)

Demanda

Introduccin Crecimiento Madurez


Hopp, W., Spearman, M. 39
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Determinacin de los requerimientos de capacidad

1. Utilizar tcnicas de proyeccin para predecir las


ventas de cada producto dentro de cada lnea

2. Calcular los requerimientos de equipo y mano de


obra para cumplir con las proyecciones

3. Proyectar la disponibilidad de equipo y de mano


de obra en el horizonte de planeacin

Hopp, W., Spearman, M. 40


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
EjemploRequerimientos de capacidad

Una empresa produce dos lneas de salsa de tomate, FancyFine y


un genrico. Cada uno es vendido en dos tamaos, botellas
pequeas y botellas familiares.

1. La siguiente tabla muestra la proyeccin de la demanda para los


prximos 4 aos.
Ao: 1 2 3 4
FancyFine
Pequeo (000s) 50 60 80 100
Familiar (000s) 35 50 70 90
Genrico
Pequeo (000s) 100 110 120 140
Familiar (000s) 80 90 100 110
Hopp, W., Spearman, M. 41
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
2. Requerimiento de equipo y mano de obra

Estn disponibles 3 mquinas de una capacidad de


100,000 unidades/ao para botellas pequeas. Se
requieren 2 operarios por maquina.

Estn disponibles 2 mquinas de una capacidad de


120,000 unidades/ao para botellas familiares. Se
requieren 3 operarios por mquina

Ao: 1 2 3 4
Pequeo (000s) 150 170 200 240
Familiar (000s) 115 140 170 200

Hopp, W., Spearman, M. 42


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
3. Proyeccin de disponibilidad

Ao: 1 2 3 4
Pequeo (000s) 150 170 200 240
Familiar (000s) 115 140 170 200

Pequeo Maq. Cap. 300,000 M.O. 6


Familiar Maq. Cap. 240,000 M.O. 6

Pequeo
Porcentaje capacidad usada 50.00% 56.67% 66.67% 80.00%
Requerimiento Maquina 1.50 1.70 2.00 2.40
Requerimiento Mano Obra 3.00 3.40 4.00 4.80
Familiar
Porcentaje capacidad usada 47.92% 58.33% 70.83% 83.33%
Requerimiento Maquina 0.96 1.17 1.42 1.67
Requerimiento mano Obra 2.88 3.50 4.25 5.00

Hopp, W., Spearman, M. 43


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
TEORIA DE LA DECISION

Adems de la complejidad de una decisin, todos los que toman


decisiones se enfrentan a diferentes alternativas y estados de la
naturaleza.

Una ALTERNATIVA es una accin o estrategia que debe escoger el que


toma la decisin.

Un ESTADO DE LA NATURALEZA es un suceso o una situacin sobre la


cual el que toma la decisin no tiene control.

TABLAS DE DECISION
Son tablas que ayudan a definir las posibles
alternativas. Para cada alternativa y cada estado
de la naturaleza concreto existe una
consecuencia o resultado, que en los negocios
se expresa habitualmente en valor monetario.
Este recibe el nombre de valor condicional.
Hopp, W., Spearman, M. 44
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
TEORIA DE LA DECISION

Ejemplo de una Tabla de decisin:

Estados de la Naturaleza
Mercado Favorable Mercado Desfavorable
Alternativas (USD) (USD)
Construccin Planta Grande 300,000 -200,000
Construccin Planta Pequea 150,000 -40,000
No hacer nada 0 0

Hopp, W., Spearman, M. 45


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
TEORIA DE LA DECISION
La teora de la decisin puede dividirse en tres modelos de decisin:

El decidor conoce con


Bajo
certeza las consecuencias o
Certeza
resultados de cada
alternativa o decisin.

Modelos de El decidor no conoce la


Toma de Bajo probabilidad de ocurrencia de
Decisiones Incertidumbre los resultados de cada
alternativa

El decidor conoce la
Bajo probabilidad de ocurrencia de
Riesgo los resultados o
consecuencias de cada
alternativa
Hopp, W., Spearman, M. 46
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
TEORIA DE LA DECISION

1. TOMA DE DECISIONES BAJO CERTEZA


Esta es la situacin ms fcil a la que un directivo puede enfrentarse.

2. TOMA DE DECISIONES BAJO INCERTIDUMBRE


Se cuentan 3 mtodos de decisin:
1. Maximax. Este mtodo selecciona la alternativa que maximiza el
resultado mximo de todas las alternativas. Debido a que este criterio
de decisin localiza la alternativa con el mayor beneficio posible, se ha
considerado un criterio de decisin optimista

Estados de la Naturaleza
Mercado Favorable Mercado Desfavorable Segn el criterio
Alternativas (USD) (USD) Maximax, Cul
Construccin Planta Grande 300.000 -200.000
alternativa se
Construccin Planta Pequea 150.000 40.000
No hacer nada 0 0 elige?

Hopp, W., Spearman, M. 47


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
TEORIA DE LA DECISION
2. Maximin. Este mtodo selecciona la alternativa que maximiza el
resultado mnimo de todas las alternativas. Debido a que este criterio
localiza la alternativa que presenta la menor prdida posible, se ha
considerado un criterio de decisin pesimista
Estados de la Naturaleza
Mercado Favorable Mercado Desfavorable Segn el criterio
Alternativas (USD) (USD) Maximin, Cul
Construccin Planta Grande 300.000 -200.000
alternativa se
Construccin Planta Pequea 150.000 40.000
No hacer nada 0 0 elige?

3. Equiprobabilidad. Este mtodo halla la alternativa con el mayor


resultado medio. El enfoque equiprobable supone que cada estado de
la naturaleza tiene la misma probabilidad de ocurrir.
Estados de la Naturaleza
Mercado Favorable Mercado Desfavorable Segn el criterio
Alternativas (USD) (USD) Equiprobable,
Construccin Planta Grande 300.000 -200.000
Cul alternativa
Construccin Planta Pequea 150.000 40.000
No hacer nada 0 0 se elige?
Hopp, W., Spearman, M. 48
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
TEORIA DE LA DECISION

3. TOMA DE DECISIONES BAJO INCERTIDUMBRE

RBOLES DE DECISIN

Un rbol de decisin es una presentacin del proceso de


decisin que indica las alternativas de decisin, los estados
de la naturaleza y sus respectivas probabilidades, y los
resultados para cada combinacin de alternativa.

Se emplean 2 smbolos en los rboles de decisin:

Un vrtice de decisin, en el que debe seleccionarse


una de las distintas alternativas

Un vrtice de estado de la naturaleza, a partir del cual


se presentar un estado de la naturaleza
Hopp, W., Spearman, M. 49
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
rboles de decisin
Ejemplo:
Una fabrica de vidrios se esta expandiendo y la gerencia esta
considerando tres alternativas:
A) Sub-contratar
B) Construir una nueva planta
C) No hacer nada
La eleccin correcta depende de la demanda, la cual puede ser
baja, media y alta. La probabilidad respectiva es 0.10, 0.50 y
0.40. El anlisis de costo-beneficio se nuestra en la tabla
Costo-beneficio = Ingresos por expansin Costo de expansion
0.1 0.5 0.4
Bajo Medio Alto
A 10 50 90
B -120 25 200
C 20 40 60
Datos en miles de dlares
Hopp, W., Spearman, M. 50
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
rbol de decisin

Demanda alta (.4) $90k


Demanda media (.5) $50k
Demanda baja (.1) $10k

A Demanda alta(.4) $200k


B Demanda media(.5) $25k
Demanda baja(.1) -$120k
C
Demanda alta(.4) $60k
Demanda media(.5) $40k
Demanda baja(.1) $20k

Hopp, W., Spearman, M. 51


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Determinacin del valor esperado para cada decisin

Demanda alta (.4) $90k


Demanda Media (.5) $50k
$62k Demanda baja (.1) $10k

VEA=.4(90)+.5(50)+.1(10)=$62k

Hopp, W., Spearman, M. 52


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Solucin

Demanda alta (.4) $90k


Demanda media (.5) $50k
$62k Demanda baja (.1) $10k

A Demanda alta(.4) $200k


$80.5k
B Demanda media(.5) $25k
Demanda baja(.1) -$120k
C
Demanda alta(.4) $60k
$46k Demanda media(.5) $40k
Demanda baja(.1) $20k

Hopp, W., Spearman, M. 53


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Mtodos de Ubicacin de Plantas

Sistema de Clasificacin de Factores

Pasos:
1. Crear una lista de factores relevantes
2. Asignar peso a cada factor que refleje su importancia relativa
con respecto a los objetivos de la empresa
3. Crear una escala para cada factor (1 a 100 puntos)
4. Asignar un puntaje a cada localizacin para cada factor
5. Multiplicar los puntos por el peso de cada factor y calcular el
total para cada localizacin
6. Hacer recomendaciones en base al valor obtenido

Hopp, W., Spearman, M. 54


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Mtodos de Ubicacin de Plantas

Sistema de Clasificacin de Factores


Una cadena de 10 parques de diversin en USA ha decidido expandirse
a nivel mundial. Desea abrir su primer parque en Europa. En la siguiente
tabla se muestra los factores y los pesos de cada factor de acuerdo a la
decisin de los gerentes de los parques. Las dos posibles localizaciones
son Dijon, Francia y Copenhagen, Dinamarca.

ESCALA (1 A 100 PUNTOS)


FACTOR PESO FRANCIA DINAMARCA
Disponibilidad 0.25 70 60
Laboral
Razn persona/auto 0.05 50 60
Ingresos 0.10 85 80
Sistema de 0.39 75 70
Impuestos
Educacin y Salud 0.21 60 70
TOTAL 1.00
Hopp, W., Spearman, M. 55
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Mtodos de Ubicacin de Plantas

PUNTAJE CALCULADO
FACTOR FRANCIA DINAMARCA
Disponibilidad (0.25)(70)=17.5 (0.25)(60)=15.0
Laboral
Razn persona/auto (0.05)(50)=2.5 (0.05)(60)=3.0
Ingresos (0.10)(85)=8.5 (0.10)(80)=8.0
Sistema de (0.39)(75)=29.3 (0.39)(70)=27.3
Impuestos
Educacin y Salud (0.21)(60)=12.6 (0.21)(70)=14.7
TOTAL 70.4 68.0

La ubicacin en Francia es preferible.

Cambiando en pocas cantidades los pesos y/o los puntajes de los


factores, se puede analizar la sensibilidad de la decisin

Hopp, W., Spearman, M. 56


Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Mtodos de Ubicacin de Plantas

Mtodo del Centriode


Es una tcnica para localizar instalaciones nicas, toma en
cuenta las instalaciones existentes, las distancias entre ellas y el
volumen de productos que va a distribuirse.

Cx =
d V ix i d V iy i

V
Cy =
i V i

Donde:
Cx = coordenada X del centroide
Cy = coordenada Y del centroide
dix = coordenada X de la i-esima localizacin
diy = coordenada Y de la i-esima localizacin
Vi = volumen de productos transportados hacia o de la
localizacin i-esima
Hopp, W., Spearman, M. 57
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Mtodos de Ubicacin de Plantas

Ejemplo:
Varios distribuidores de automviles estn localizados de acuerdo a las
siguientes coordenadas las cuales representan la distancia entre ellos

SDistribuidores
ho wro o m NoNumero
o f Z-Modeb ile s
Y
sautomviles
o ld p e r mo nth
Q
(790,900)
vendidos por mes
A 1250
D
(250,580)
D 1900
A
(100,200)
Q 2300
(0,0) X

Pregunta: Cual es la mejor ubicacin para una nueva


distribuidora de autos que almacene en forma temporal,
considerando las distancias y las cantidades vendidas por mes?
Hopp, W., Spearman, M.
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.
Mtodos de Ubicacin de Plantas TAREA 3b CAPTULO 3

Calcule las nuevas coordenadas usando las formulas:

100(1250) + 250(1900) + 790(2300) 2,417,000


Cx = = = 443.49
1250 + 1900 + 2300 5,450

200(1250) + 580(1900) + 900(2300) 3,422,000


Cy = = = 627.89
1250 + 1900 + 2300 5,450

Ubique las coordenadas en el mapa:


Y
Ubicacin SDistribuidores
ho wro o m NoNumero
o f Z-Modeb ile s
Q
(790,900) de la nueva sautomviles
o ld p e r mo nth
distribuidora vendidos por mes
D
Z
(250,580) (443,627) A 1250

A D 1900
(100,200)

(0,0) X Q 2300
Hopp, W., Spearman, M.
Dr. Kleber Barcia V. Ph.D., 2017 Captulo 3 Chase, R., Jacobs, F., Aquilano, N.

También podría gustarte