UNIVERSIDAD METROPOLITANA DE HONDURAS

VICERRECTORIA ACADEMICA
SISTEMA UNIVERSITARIO DE EDUCACION PRESENCIAL PERIODICO
(SUEPP)

MANUAL
ADMINISTRACION
DE LA PRODUCCION I

COMPILACION REALIZADA
A SOLICITUD DE LA UMH POR:

INGENIERO INDUSTRIAL Y
MASTER EN ECONOMIA Y DESARROLLO
ALEX GEOVANNY FLORES MARADIAGA

ENERO 2008
 INDICE
CONTENIDO PGINA

CAPTULO I.- INGENIERA DE PRODUCCIN

Diagnstico Inicial
Introduccin
Objetivos del Captulo
Temas y Subtemas del Captulo
1.1- Los procesos productivos
1.2- Desarrollo de productos
1.3- Seleccin del equipo productivos
1.4- La productividad y la eficiencia empresarial
1.5- Importancia de la ingeniera de produccin
1.6- La planeacin y el control de la produccin
1.7- Sistemas logsticos eficientes
1.8- Modelos de optimizacin
Evaluacin Formativa
Diagnstico Final
Glosario
Trabajo Prctico
Estrategia de Estudio

CAPTULO II.- PROGRAMACIN LINEAL

Diagnstico Inicial
Introduccin
Objetivos del Captulo
Temas y Subtemas del Captulo
2.1- Qu es la programacin lineal?
2.2- La funcin objetivo y las restricciones del modelo
2.3- La regin factible y la solucin ptima
2.4- Mtodo grfico de optimizacin
2.5- Mtodo analtico de optimizacin
2.6- Tipos de soluciones
 2.7- Mtodo simplex de optimizacin
Ejercicios Propuestos
Evaluacin Formativa
Diagnstico Final
Glosario
Trabajo Prctico
Estrategia de Estudio

CAPTULO III.- PRONSTICOS

Diagnstico Inicial
Introduccin
Objetivos del Captulo
Temas y Subtemas del Captulo
3.1- Los pronsticos y la planeacin estratgica
3.2- Pronsticos de Series de Tiempo
3.3- Mtodo de los promedios mviles
3.4- Mtodo del suavizamiento exponencial
3.5- Regresin lineal simple (mnimos cuadrados)
Ejercicios Propuestos
Evaluacin Formativa
Diagnstico Final
Glosario
Trabajo Prctico
Estrategia de Estudio

BIBLIOGRAFA
 INTRODUCCIN GENERAL

El presente manual tiene como objetivo dar a conocer a los estudiantes de la

carrera de Ingeniera de negocios de la Universidad Metropolitana de
Honduras (UMH), contiene conceptos, definiciones fundamentales y la
metodologa necesaria para establecer una ingeniera de produccin, y con
ello contribuir a la toma de decisiones oportunas, misin y visin, logro de los
objetivos globales de la empresa en el marco de su estrategia empresarial y
corporativa. En el contenido general del documento se destaca la necesidad
de que la funcin de produccin debe seguir un proceso formal, claro y lgico
para que se convierta en una ventaja competitiva para la empresa.

Se asume que los estudiantes tienen conocimientos previos, adquiridos en la

Asignatura de Productividad y Diseo del Trabajo, y por lo tanto nos
limitamos a abordar el contenido expuesto en el programa sinttico de la
asignatura, sin embargo, recomendamos a los estudiantes repasar los temas
sobre: Materiales, Proveedores, lneas de produccin, Clientes, Inventarios,
distribucin, funciones de la Administracin de la Produccin, as como los desafos
del gerente de produccin.
CAPTULO 1.- INGENIERA DE PRODUCCIN

DIAGNSTICO INICIAL
A continuacin se le presenta una serie de preguntas que le ayudarn a medir su
nivel de conocimientos sobre el tema.

Autoevaluacin:
1. Cmo es que la productividad impulsa el mejoramiento de la industria?
2. Por qu es necesario simplificar los procesos productivos?
3. En qu forma puede adaptarse el trabajo al operario?
4. Cal es la utilidad de la estandarizacin de la produccin?
5. Cul es el vnculo entre la administracin de la produccin, la distribucin
en planta y la seguridad e higiene industrial?

INTRODUCCIN
Ciertos cambios continuos que ocurren en el entorno industrial y de negocios deben
estudiarse desde el punto de vista econmico y prctico. stos incluyen la
globalizacin del mercado y de la fabricacin, la estratificacin de las corporaciones
en un esfuerzo por ser ms competitivas sin deteriorar la calidad, el incremento en
el uso de computadoras y la automatizacin en todas las facetas de la empresa y la
expansin sin lmite de las aplicaciones informticas.

Actualmente, la mayora de las empresas e industrias en general- han necesitado

reestructurar y disminuir el tamao de sus organizaciones para operar con mayor
efectividad en un mercado cada vez ms competitivo. Esta intensa tendencia
empuja a los negocios a la reduccin de costos y al mejoramiento de la calidad por
medio de una mayor productividad.

La nica posibilidad para que una empresa u organizacin cualquiera crezca y se

desarrolle es aumentando su productividad. Las tcnicas fundamentales que dan
como resultado incrementos en la productividad son: mtodos, estndares y un
correcto diseo del trabajo. Por ello, este captulo est dedicado al estudio de estos
aspectos y de otros temas de la ingeniera de produccin que fortalecen a las
empresas e industrias de cualquier rubro.
OBJETIVOS DEL CAPTULO
 Dominar los conceptos tericos de la ingeniera de produccin.
Asimilar la importancia de la ingeniera de produccin para las empresas.
Identificar con precisin los aspectos ms importantes para elevar la
productividad de una empresa.
Conocer la aplicacin de las tcnicas especiales para conseguir la mxima
eficiencia en los procesos productivos.
Comprender la interdependencia de las diferentes unidades de la empresa
para el cumplimiento de las metas de produccin.
Comprender el fuerte vnculo de la productividad y la optimizacin de los
procesos productivos.

TEMAS Y SUBTEMAS
Tema General: Ingeniera de Produccin
Los procesos productivos
o Tipos de procesos productivos
o Variaciones estacionales y mercado cambiante
o Tipos de distribucin en planta
Diseo de productos
Seleccin de equipos productivos
Productividad y eficiencia empresarial
Importancia de la Ingeniera de Produccin
Planeacin y control de la produccin
Sistemas logsticos eficientes
Modelos de optimizacin
o Construccin de modelos simples
o Factores cualitativos de la decisin
o Construccin de modelos complejos
o Decisiones sobre comprar o fabricar

1.1- Los Procesos Productivos

Bsicamente, un proceso de produccin es el procedimiento tcnico que se utiliza
en una empresa para obtener bienes y servicios a partir de insumos (Leavenworth,
2000: 18); y se identifica por la transformacin de una serie de materias primas para
convertirlas en artculos demandados por los consumidores mediante una
determinada secuencia de actividades tcnicas. Por ello, debe ser un proceso
sistemtico que siga un orden lgico y correctamente secuenciado. Estas relaciones
sistemticas se ilustran en el siguiente cuadro:

Estado Inicial Proceso Transformador Producto Final

Insumos: Son aquellos Proceso: Operaciones del Productos: bienes o

elementos que son personal y la maquinaria servicios finales a los que
transformados para para elaborar un se les asigna un precio
obtener el producto. producto. para su venta.
Subproductos: bienes
Equipo productivo: obtenidos no como
Suministros: elementos instalaciones y objetivo principal del
necesarios para maquinaria necesaria proceso, pero al cual se le
transformar los insumos. para realizar la puede asignar un precio y
transformacin. pueden aprovecharse
para reducir los costos.
Organizacin: Talento Residuos o desechos:
humano requerido para consecuencia del proceso
ejecutar el proceso a los que no se les asigna
productivo. un valor econmico.

Una de las cuestiones ms importantes en la toma de decisiones de una empresa

es lo relacionado con la organizacin y administracin de la produccin. Esta
actividad es algo compleja pero sumamente necesaria si se desea que el negocio
tenga xito al competir en el mercado. En especial, la seleccin de la tecnologa de
fabricacin y procesamiento de los insumos guarda una importancia imperante en la
toma de decisiones.

Puede entenderse la tecnologa de produccin como el conjunto de conocimientos

tcnicos, equipos y procesos que se emplean para desarrollar dicha funcin
productiva (Niebel, 2004: 128). Al momento de elegir esta tecnologa, hay que tener
en cuenta los resultados de la investigacin de mercado que se efecta en otras
unidades de la empresa como ser: mercadeo, finanzas, contabilidad o la misma
gerencia general. Esta consideracin es clave ya que dicta las normas de calidad y
la cantidad requeridas por el demandante.
Por otro lado, es igualmente importante meditar sobre la flexibilidad de los procesos
productivos y los equipos que emplea para procesar varios tipos de insumos, lo cual
ayuda a evitar los tiempos muertos (tiempo ocioso) y permite diversificar fcilmente
la produccin de mercancas en un momento dado.

1.1.1- Tipos de Procesos Productivos

Existen diferentes denominaciones para los tipos de procesos de fabricacin, pero
estos se pueden resumir en tres grupos:
Produccin Continua
Produccin por Lotes (pedidos)
Produccin por Montaje

Produccin Continua
La produccin continua presenta las siguientes caractersticas generales (Aguirre y
Caridad, 2005: 58):

a) Produce grandes volmenes;

b) Su orientacin se dirige hacia el producto, desde el punto de vista del diseo

de la planta como por el hecho de que la cantidad elaborada de cada
producto es muy elevada con relacin a la variedad de productos;

c) Cada producto es procesado a travs de un mtodo idntico o casi idntico;

d) Los equipos son dispuestos en lnea, con algunas excepciones en las etapas
iniciales de preparacin de los materiales. La secuencia es la misma para
cada producto procesado;

e) Es de capital intensivo, por lo que el planeamiento del uso de la capacidad

instalada resulta prioritario. Como es frecuente que se trabajen tres turnos
durante los siete das de la semana, en tales casos se torna imposible
recurrir al tiempo extra cuando la demanda exige una mayor produccin;

f) Consecuentemente, el grado de mecanizacin y automatizacin es alto;

g) Los inventarios predominantes son los de materias primas y productos

elaborados, dado que los de material en proceso suelen ser mnimos;
 h) El planeamiento y control de la produccin se basan, en gran medida, en
informacin relativa al uso de la capacidad instalada y al flujo de los
materiales de un sector a otro;

i) A menudo se obtienen subproductos que generan complicaciones para el

planeamiento, el control y el costeo;

j) Las actividades logsticas, de mantenimiento de planta y de distribucin

fsica de productos adquieren una importancia decisiva.

Entre las industrias que se identifican por operar en forma continua se cuentan las
que elaboran productos tales como: papel, azcar, aceite, combustibles, refrescos,
acero, envases, celulosa, etc.

Dentro de un esquema conceptual de este tipo de proceso, el tamao de los lotes

vara de periodos cortos hasta una operacin absolutamente continua. Cabe
distinguir entonces dos subtipos bsicos dentro de este tipo de produccin, que no
dependen tanto de la rama de actividad de que se trate sino de la variedad de
productos que elabore la empresa:

Ultracontinua

Continua por lotes

En la produccin continua ultracontinua solo es necesario determinar las cantidades

a producir y los insumos para periodos prolongados, por lo que carecen de
relevancia la programacin sistemtica y el lanzamiento. Desde el punto de vista del
planeamiento y control de la produccin, las tareas son ms sencillas.

En el caso de la produccin continua por lotes, el tamao de estos y su secuencia

obligan al uso de algn modelo de programacin que optimice tales aspectos,
adems de tener en cuenta las complicaciones que puedan presentarse en cada
circunstancia particular. Los modelos de planeamiento y programacin ms
utilizados para este tipo de proceso son:

El presupuesto general;

La programacin lineal;
 La simulacin mediante computadora;

Modelos de optimizacin desarrollados para ciertas industrias o empresas.

Produccin por Lotes

La produccin por lotes (o intermitente) es habitualmente llevada a cabo en talleres.
A pesar de desarrollarse en unidades productivas de reducido tamao, presenta un
grado de complejidad y dificultades que se derivan de sus propias caractersticas.

En efecto, en estos procesos productivos se reciben frecuentes pedidos de los

clientes que dan lugar a rdenes de produccin o trabajo. Generalmente, estas son
de variada ndole y se complementan con los recursos disponibles, que a veces
resultan insuficientes y otras veces quedan en gran medida ociosos. An as, es
comn que ciertas estaciones de trabajo se encuentren abarrotadas y otras con muy
poca labor. Por ello, cobra especial importancia la preparacin o alistamiento de la
maquinaria para pasar de una produccin a la siguiente. Cada pedido suele requerir
una programacin individual y soluciones puntuales a los problemas que trae
aparejados.

Las caractersticas ms destacadas de la produccin intermitente son (Aguirre y

Caridad, 2005: 61):

a) Muchas rdenes de produccin derivadas de los pedidos de los clientes.

b) Gran diversidad de productos.

c) Dificultades para pronosticar o anticipar la demanda.

d) Trabajos distintos uno del otro.

e) Agrupamiento de las mquinas similares en el taller.

f) Necesidad de programar cada caso en particular.

g) Bajo volumen de produccin por producto.

h) Emisin de rdenes especficas para cada pedido

i) Mano de obra calificada

j) Necesidad de contar con recursos flexibles.

Los conceptos precedentes se refieren bsicamente a la industria. Pero la
produccin intermitente tambin se presenta en los servicios. Por ejemplo, en un
taller de reparacin de automviles. En otros, ofreciendo una visin bastante distinta
en apariencia, como es el caso de un restaurante, aunque con bastantes similitudes
en los aspectos esenciales de la produccin.

Si bien en las industrias intermitentes suelen hacerse planes anuales divididos en

meses, a medida que se los va ejecutando es menester corregirlos con los datos de
los pedidos anticipados. Esta dinmica hace que sea la instancia de programacin a
la que se le asigna mayor importancia en este tipo de produccin.

La programacin se orienta en funcin de:

Cumplimiento de plazos de los pedidos;

Minimizacin de la inversin en instalaciones;

Estabilidad de la fuerza de trabajo;

Mximo nivel de produccin;

Atencin de prioridades: grandes clientes, urgencias, etc.;

Flexibilidad tecnolgica, en general;

Confiabilidad de los procesos crticos;

Reserva de capacidad para pedidos especiales o urgentes;

Minimizacin de los costos de produccin;

Clculo preciso de costos para presupuestar los trabajos;

Utilizacin a pleno de las fuerzas de trabajo;

Minimizacin de horas extras;

Lapso mnimo de fabricacin;

Adquisicin de materiales en forma oportuna y econmica;

El control de costos de la produccin intermitente se realiza por rdenes. A estas

rdenes se cargan todos los insumos aplicados para ejecutarlas. Si el costeo se
efecta por computadora, algunos cargos habrn de provenir de otro sistema; por
ejemplo: el de materiales. Otros, en cambio, tendrn que ser recopilados a travs de
informes o partes, como ocurre tpicamente con la mano de obra. Esto obliga a la
empresa a contar con tiempos estndares de fabricacin con el fin de poder cerrar
el crculo de control de la productividad y la eficiencia.

El clculo del costo es efectuado obtenindose informes detallados, segn el

concepto del gasto por orden, cada uno de los cuales corresponde a un producto
especifico segn el lote.

Produccin por Montaje

La produccin por montaje (proyectos) se caracteriza por encadenar secuencias de

procesos que convergen hacia una lnea continua en la que se ensamblan los
productos finales. Pero, su primera parte agrupa operaciones de mecanizado en un
sinnmero de piezas, las que tradicionalmente han sido elaboradas en talleres
manejados bajo una tpica modalidad intermitente, ya sea en la propia empresa o
por otros proveedores fuertemente vinculados a ella.

Entre las industrias que trabajan por montaje se encuentran algunas de las
actividades productivas de mayor relevancia para la economa actual: automviles,
motores elstricos, tractores, electrodomsticos, artculos electrnicos, etc.

Tal organizacin de la produccin ha originado a este tipo de industrias no pocas

dificultades para el planeamiento, la programacin y el control, desde que FORD
estableciera a principios del siglo XX los nuevos patrones de operacin que
reemplazaron al viejo esquema de produccin artesanal. La propia naturaleza del
producto hace que este se vaya ensamblando en sucesivas etapas que convergen
hacia un tronco principal: la lnea de montaje final.

As, se configuran verdaderas redes productivas en las que cada punto de unin es
alimentado por muchos componentes, dando lugar a una estructura con tiempos
asociados. Para programarlo es necesario recorrer la red en sentido inverso, desde
el producto hasta los orgenes, a fin de determinar que piezas fabricar y cuando
hacerlo, teniendo en cuenta los problemas que esto puede llegar a ocasionar.
Hasta 1960, en los pases ms industrializados, y hasta avanzada la dcada de
1970 en el resto de pases, la programacin de la produccin por montaje se haca
mediante ficheros que eran atendidos por verdaderos ejrcitos de empleados,
donde cada fichero representaba una pieza, componente, subensamble o ensamble.
Establecido un plan de produccin los responsables de las fichas correspondientes
a los productos finales calculaban los requerimientos de componentes y productos
necesarios para fabricarlos y los comunicaban a los encargados de las fichas
respectivas, y as se segua de unos a otros, a travs de la red, hasta llegar a las
primeras piezas, que solan venir de proveedores. A estos se les sola comunicar un
plan de requerimientos, donde generalmente los tres primeros meses eran tomados
como en firme y los siguientes tres como una estimacin. (Hillier, 1987: 36)

Como es obvio, la forma de programar era lenta, rgida, y terreno frtil para toda
clase de errores. Por ello, se fueron desarrollando prcticas tendientes a mejorar los
programas, a acumular grandes inventarios de partes y las industrias de montaje
adquirieron un perfil gigantesco, tan antieconmico como inflexible. Este panorama
cambi radicalmente para la industria del montaje con dos adelantos fundamentales
que nacieron y se desarrollaron en las dcadas del 60 y el 70: el mtodo MRP y la
produccin justo a tiempo (ver sistemas logsticos eficientes).

Por ejemplo, la mejor manera de efectuar el control ptimo de los costos de la

produccin por montaje es a travs del sistema MRP. Entre sus salidas se suelen
contar informes para estos propsitos. En tanto, sus archivos albergan la
informacin acerca de lo programado y pueden ser alimentados con los datos
reales, es posible efectuar los controles de cumplimiento y eficiencia como un
subproducto del mismo sistema. Por otra parte, la informacin de los costos de
materiales, de mano de obra y otros costos variables y fijos, permiten no solo
obtener el costo unitario por producto, sino tambin variaciones de cantidad de
insumos y precios de costo.

Los siguientes aspectos caracterizan a un proyecto desarrollado con la produccin

por montaje:

a) Tiene una identidad propia, es decir que cada producto -sea bien fsico o
servicio- presenta rasgos caractersticos distintivos con respecto a los
 restantes elaborados por el mismo productor; muy frecuentemente puede ser
nico en su tipo;

b) Se trata de obras de apreciable magnitud y/o importancia;

c) Configura una red compleja de tareas vinculadas entre si a travs de

mltiples interrelaciones de precedencia;

d) Su duracin suele prolongarse en el tiempo (an cuando existen diferencias

considerables entre un caso otro) y presenta momentos definidos que
marcan su comienzo, las instancias inmediatas de su desarrollo y su
conclusin.

Son ejemplos tpicos de proyectos por montaje:

La construccin de edificios, plantas industriales, caminos, puentes, diques,

entre otros;

La construccin de grandes buques;

El desarrollo e implementacin de sistemas computadorizados;

El desarrollo de trabajos de consultora, habitualmente conformados por el

diagnstico de problemas organizacionales y la puesta en marcha de las
recomendaciones emergentes;

La produccin de pelculas.

En los proyectos se presentan tres instancias sucesivas (Baca, 2001: 3):

1. En primer lugar, la decisin de realizar el proyecto, que se resume en la

aprobacin de un presupuesto presentado por un proveedor (en tal caso, el
productor) y/o un formulario de inversin interno en la organizacin. En esta
etapa se definen globalmente las caractersticas del proyecto, su secuencia,
plazos, costos, erogaciones a efectuar y la rentabilidad o beneficios
esperados (esto es, su justificacin econmica). Esta primera etapa es
conocida comnmente como anlisis y evaluacin de la inversin.

2. En el segundo paso se caracteriza por la especificacin pormenorizada de

los trabajos a efectuar, la interrelacin de los mismos, los recursos a aplicar
(materiales, mano de obra, equipos, etc.); un computo de costos mas preciso
 que la estimacin original, el cronograma definitivo en base al cual se habr
de trabajar y el desarrollo financiero que se deriva de su realizacin. Todo
esto se denomina ingeniera de detalle.

3. La ltima etapa es la ejecucin, en la que se lleva a cabo el proyecto,

emitindose generalmente -para el control y costeo- ordenes de produccin
o de trabajo (como en la produccin intermitente), y controlndose el
cumplimiento de la cronologa prevista mediante grficos GANTT.

1.1.2- Las Variaciones Estacionales y el Mercado Cambiante

Las variaciones del mercado usualmente afectan a la produccin continua y la

produccin por lotes de mercancas. En ambos tipos de produccin, el planeamiento
y el control se orienta principalmente a buscar el modo de atender la demanda con
la capacidad disponible o bien a compatibilizar ambas mediante la aplicacin de
mtodos apropiados.

Si bien las variaciones estacionales inciden en todas las actividades productivas y

deben ser consideradas en la instancia del planeamiento de la produccin
compatibilizando la oferta con la demanda, en la produccin continua reviste mayor
importancia debido a la mayor rigidez de su estructura y su consiguiente
dependencia de la capacidad instalada.

Para moderar la incidencia de las variaciones estacionales en un proceso de

produccin continua se puede actuar ya sea sobre la demanda o ya sea sobre la
oferta, siempre teniendo en cuenta los costos relevantes que derivan de la accin
que se tome, los que debern ser valorados y evaluados a fin de tomar la decisin
mas optima y oportuna.

Las siguientes acciones se pueden tomar desde el punto de vista de la demanda

(Miller, 2003: 46):

a) Diferir o desechar pedidos;

b) Establecer polticas de precios o tarifas diferenciales que alienten o

desalienten al consumo de los bienes o servicios ofrecidos; y
 c) Desarrollar productos complementarios para aprovechar las instalaciones en
los periodos de baja demanda.

Respecto a la oferta, las acciones ms recomendables son (Miller, 2003: 46):

a) Modificaciones en la dotacin de mano de obra;

b) Utilizacin de horas extras o de otro turno;

c) Empleo de personal por tiempo definido;

d) Reprogramacin de perodos vacacionales de los empleados;

e) Rotacin de la mano de obra en los distintos sectores productivos;

f) Acumular o desacumular inventarios (productos elaborados);

g) Subcontratar trabajo con otras empresas (outsourcing);

h) Diferir los mantenimientos preventivos de mquinas e instalaciones.

Frecuentemente se toman dos o ms de estas acciones en forma simultnea. La

eleccin de estos cursos de accin se basa generalmente en un criterio econmico,
ya que los costos derivados de ellos juegan un papel primordial en la produccin;
estos debern ser evaluados y comparados mes a mes, para que de esa manera
determinar las cantidades a producir. Algunos de los costos generados son:

Costos de trabajo de horas extras;

Costo de mantener los inventarios (productos elaborados inmovilizados),

sobre todo los de alto valor agregado;

Costo de personal temporal;

Costo de subcontratar trabajo;

Costos de oportunidad, como dejar de atender pedidos o perder clientes.

1.1.3- Tipos de Distribucin en Planta

Cualquiera que sea la manera en que est hecha la distribucin del espacio de
produccin, sta afecta directamente el manejo de materiales, la utilizacin de los
equipos, los niveles de inventario, la productividad de los trabajadores e, inclusive,
la comunicacin de grupo y la moral de los empleados.
La distribucin est determinada en gran medida por:
a) El tipo de producto: ya sea un bien o un servicio, se ha de considerar el
diseo del producto y los estndares de calidad.
b) El tipo de proceso productivo: lo relativo a la tecnologa empleada y
materiales que se requieren.
c) El volumen de produccin: involucra la escala de produccin y la capacidad
instalada de la empresa.

Fundamentalmente, existen tres tipos bsicos de distribucin (Chase, 1999: 117):

a) Distribucin por proceso: agrupa a las personas y al equipo que realiza
funciones similares y hacen trabajos rutinarios en bajos volmenes de
produccin. El trabajo es intermitente y guiado por ordenes de trabajo
individuales (distribucin para la produccin por lotes). Adems, son
sistemas flexibles para el trabajo rutinario y son menos vulnerables a los
paros. Asimismo, el equipo es poco costoso, pero requiere mano de obra
especializada para manejarlo, lo que tambin implica un elevado costo para
la supervisin del proceso productivo.

b) Distribucin por producto: agrupa a los trabajadores y al equipo de acuerdo

con la secuencia de operaciones realizadas sobre el producto o usuario (del
servicio). Las lneas continuas son comunes en este tipo de distribucin, con
el uso intensivo de bandas transportadoras y equipo automatizado para
fabricar grandes volmenes en poco tiempo. Pero, se trata de producir el
mismo tipo de mercanca o con muy poca diversificacin, dado el alto nivel
de estandarizacin en el proceso productivo. Adems, se utiliza bastante
personal y equipo muy especializado y costoso, pero esta mano de obra
realiza tareas rutinarias y repetitivas por lo que no ocupa mucha formacin
tcnica. El control de la produccin es simplificado, con operaciones
interdependientes y, por ello, el proceso es poco flexible.

c) Distribucin por componente fijo: tanto la mano de obra, los materiales como
el equipo de produccin acuden al sitio de trabajo, como en la construccin
de un edificio o de un barco. Suele emplearse para la produccin por
montaje. Tiene la ventaja de que el control y la planeacin de la produccin
pueden efectuarse eficientemente utilizando herramientas ya existente como
 el CPM (ruta crtica) y el PERT. Usa todo tipo de personal especializado y
no especializado-, pero es un tanto costoso por la necesidad de movilizar
todos los recursos hasta el sitio de trabajo.

1.2- Desarrollo de Productos

Los productos son los bienes y servicios que se ofrecen al pblico, y los procesos
son los medios usados para obtenerlos. El correcto desarrollo de los productos es
de especial importancia para conseguir el xito en cualquier empresa. Los insumos
provienen tanto del ambiente exterior - sea del mercado- y deben ser optimizados
en el ambiente interno tcnico. En otras palabras, la administracin de la produccin
de cualquier empresa debe desarrollar y satisfacer las necesidades de los clientes
usando los recursos disponibles y la capacidad tecnolgica de la organizacin.

La planeacin de los bienes y servicios puede distinguirse por las diferencias que se
resumen en la siguiente tabla (Monk, 1993: 99):

Bienes
Producto: fsicamente tangible
Valor: almacenado en el producto
Producido en un medio industrial
Frecuentemente estandarizado
Calidad: en funcin de los materiales
Servicios
Producto: menos tangible
Valor: conferido al uso del producto
Producido en conjunto con el cliente
Fuertemente individualizado
Calidad: en funcin del personal

Frecuentemente, la planeacin de los bienes es ms formal que la de los servicios,

debido a que los diseos, los dibujos de ingeniera y los estndares de calidad
tienden a ser mucho ms especficos. Adems, el ambiente productivo est
separado del consumidor, lo que implica que la programacin, el armado y el control
de las actividades de fabricacin deben ser rigurosamente establecidos. En cambio,
las actividades de servicio tienden a ser ms flexibles y la produccin generalmente
tiene lugar en presencia del consumidor.

La mayora de los productos pasa por las etapas del ciclo de vida que son:
introduccin, crecimiento, madurez y declinacin. Pero, no todos los productos
siguen el mismo patrn; por ejemplo, los artculos de moda, los alimentos y los
materiales de construccin. Asimismo, hay artculos que parecen no declinar del
todo; por ejemplo, los clips para papel. Sin embargo, el conocimiento del ciclo de
vida general de los bienes y servicios ayuda a los administradores de la produccin
a pronosticar la demanda y a mantener una mezcla de productos viable en las
lneas productivas de la empresa.

Por otro lado, el diseo del producto es la estructuracin de las partes componentes
del bien o las actividades de un servicio que dan a esa unidad un valor especfico.
La especificacin del producto es generalmente un trabajo de la ingeniera de
produccin; se preparan los dibujos detallados o especificaciones que indican
dimensiones, peso, colores y otras caractersticas fsicas del producto. En los
negocios que prestan servicios, la especificacin del producto a menudo consta de
un requerimiento del ambiente que debe satisfacerse o el procedimiento que debe
seguirse. Por ejemplo, as ocurre en el quirfano de un hospital.

Los costos de diseo, produccin y comercializacin son reducidos por la

estandarizacin y simplificacin del producto. La estandarizacin implica producir
artculos en el estndar comnmente aceptado para asegurar el intercambio y/o el
nivel de calidad del producto (Chase, 1999: 102). El uso de un limitado de piezas
uniformes reduce el tamao y la cantidad de materiales que deben comprarse,
reduce los costos de almacenamiento de inventarios y su manejo, y capacita a las
empresas para trabajar con grandes cantidades (y ms econmicas) de pocos
artculos.

La estandarizacin hace que la produccin continua y el mantenimiento sean mucho

ms fciles. Sin embargo, la estandarizacin del producto en una etapa temprana
puede evitar mejoras que de otra manera s se haran a esos productos; por
ejemplo, las teclas de una mquina de escribir tienen una ubicacin estndar, pero
ineficiente de las letras. Esto tambin puede limitar las opciones del consumidor.

De manera similar, los diseos modulares facilitan la produccin y el mantenimiento

de la infraestructura de la empresa. Los mdulos son componentes comunes
agrupados en subensambles intercambiables, y su tamao puede variar desde el
que se requiere en la microelectrnica, hasta el que es propio de las casas
prefabricadas. La simplificacin puede tener lugar para reducir la variedad
innecesaria de lneas de productos, disminuyendo el nmero y la variedad de
productos fabricados.
Una vez desarrollados, muchos productos llevan tambin un valor ingenieril. Este
anlisis consiste en verificar si algunos materiales o componentes pueden ser
sustituidos o rediseados de tal manera que se contine cumpliendo la misma
funcin con la calidad requerida pero con menor costo. Despus que los prototipos
son diseados y producidos, los productos son analizados y probados para ver qu
tanto se apegan a los objetivos del diseo, la calidad, el desempeo y los costos.

1.3- Seleccin del Equipo Productivo

Cuando llega el momento de decidir sobre la compra de equipo y maquinaria, se

deben tomar en cuenta una serie de factores que afectan directamente la eleccin.
La mayora de la informacin que es necesario recabar ser til en la coparacin de
varios equipos y tambin es la base para realizar una serie de clculos y
determinaciones posteriores.

A continuacin se menciona la mayor parte de informacin que debe ser investigada

y la utilidad que sta tender en etapas posteriores:
1. Proveedor: es til para la presentacin formal de cotizaciones;
2. Precio: se utiliza en el clculo de la inversin inicial;
3. Dimensiones: estos datos se emplean para determinar la distribucin de la
planta;
4. Capacidad: generalmente, se expresa en la cantidad de producto que puede
producir por jornada; ste es un aspecto muy importante, ya que de este
factor depende el nmero de mquinas que se adquirirn. Cuando ya se
conocen las capacidades disponibles hay que hacer un balanceo de lneas
para no comprar capacidad ociosa o provocar cuellos de botella. Es decir, la
cantidad y capacidad del equipo adquirido debe ser tal que el material fluya
continuamente.
5. Flexibilidad: se refiere a que algunos equipos son capaces de realizar
operaciones y procesos unitarios en ciertos rangos y provocan en el material
cambios fsicos, qumicos o mecnicos en distintos niveles. Por ejemplo, un
intercambiador de calor puede variar su temperatura de procesamiento para
pasteurizar alimentos con diferentes requerimientos.
6. Mano de Obra: es til al calcular el costo de la mano de obra directa y el
nivel de capacitacin que se requiere.
 7. Costo de Mantenimiento: se emplea para calcular el costo anual del
mantenimiento. Este dato lo proporciona el fabricante como un porcentaje
del costo adquisicin.
8. Consumo Energtico: sobretodo sirve para calcular el costo por el uso de la
tecnologa, y se suele utilizar las especificaciones del equipo que aparecen
en como datos de placa.
9. Infraestructura Necesaria: se refiere a que algunos equipos requieren alguna
infraestructura especial (por ejemplo, alta tensin elctrica), y es necesario
conocer esto, tanto para preverlo como para evitar un incremento en la
inversin inicial.
10. Equipos Auxiliares: hay mquinas que requieren aire presurizado, agua fra o
caliente, y proporcionar estos equipos adicionales es algo que queda fuera
del precio principal. Es decir, que aumenta la inversin y los requerimientos
de espacio.
11. Costo de los Fletes y Seguros: debe verificarse si se incluyen en el precio
original o si debe pegarse por separado y a cunto ascienden.
12. Costo de Instalacin y Puesta en Marcha: se verifica si se incluye en el
precio original y a cunto asciende.
13. Existencia de refacciones en el pas: hay equipos avanzados cuyas
refacciones (repuestos) slo se pueden obtener por medio de importacin. Si
hay problemas para obtener divisas o para importar, el equipo puede
permanecer parado y se torna sumamente costoso para la empresa.

1.4- La Productividad y la Eficiencia Empresarial

La seccin de produccin de una empresa puede considerarse el corazn de la

institucin; si la actividad de esta rea se interrumpe, toda la industria deja de ser
productiva. El departamento de produccin incluye las actividades de ingeniera de
mtodos, estndares de estudio de tiempos y diseo del trabajo; por tanto,
representa un reto para los profesionales administradores de cualquier negocio
conseguir el mayor rendimiento y productividad en los procesos.

El departamento de produccin ordena y controla los insumos para la fabricacin

ptima de mercancas; determina la secuencia de operaciones, inspecciones y
mtodos de trabajo; y mantiene satisfechos a los clientes con la entrega oportuna de
los productos de calidad que ellos demandan. Es aqu donde encaja mejor el
concepto de la productividad.

Productividad se refiere a la cantidad de productos realizados por unidad de insumo;

claro est que el insumo ms importante de los que podran considerase es el
tiempo, propiamente dicho. En otras palabras, mientras ms productos se obtienen
en el menor tiempo posible ms productiva se vuelve una empresa. Por tanto, con el
incremento de la productividad se exige una mayor eficiencia en todas las unidades
estructurales de la organizacin y un mayor compromiso de sus funcionarios.

Consecuentemente, esta condicin de la productividad y la eficiencia empresarial

requiere la aplicacin del ingenio e iniciativa para desarrollar herramientas
operacionales y productivas; un diseo del trabajo adecuado para conservar la
relacin ptima entre el empleado y las mquinas; una planeacin estratgica bien
formulada y controlada; y una cadena de abastecimiento y distribucin fsica de
productos correctamente administrada.

El objetivo principal del gerente de produccin es el de fabricar un producto de

calidad, a tiempo, al menor costo posible, con una inversin de capital mnima para
conseguir la mxima satisfaccin de los clientes finales. Por su parte, el trabajo
central del gerente de calidad es cumplir con las especificaciones de ingeniera de
produccin e, igualmente, satisfacer al cliente con el nivel esperado de calidad y
confiabilidad durante toda la vida til de la mercanca.

Asimismo, el gerente de logstica est interesado en establecer y seguir un

programa de produccin que cumpla con los tiempos de entrega y que est
altamente coordinado para posibilitar un almacenamiento y una distribucin
adecuada de insumos, suministros y producto terminado. El gerente de mtodos,
estndares y diseo del trabajo se preocupa por obtener la combinacin ptima de
productos al menor costo de produccin posible para que rinda el mximo. Y, la
finalidad del gerente de mantenimiento debe centrarse en minimizar el tiempo de
fallas en el proceso debido a reparaciones no programadas, por lo que debe seguir
rigurosamente un plan de mantenimiento preventivo efectivo.
En sntesis, para lograr elevar la productividad y la mayor eficiencia empresarial,
todas las unidades de la institucin deben sistematizarse para optimizar los recursos
y satisfacer al cliente, que es quien califica al final a la empresa.

1.5- Importancia de la Ingeniera de Produccin

En muchos casos se tiende a confundir y simplificar la orientacin de la ingeniera

de produccin. Comnmente, se refieren a una tcnica para aumentar la produccin
por unidad de tiempo o la reduccin del costo por unidad de producto, que en ltima
instancia corresponde al concepto de la productividad.

Sin embargo, la ingeniera de produccin implica el anlisis en dos momentos de la

historia de un producto. Primero, el ingeniero de produccin es responsable de
disear y desarrollar diferentes centros de trabajo donde se fabricar la mercanca.
En segunda instancia, el ingeniero de produccin debe estudiar continuamente esos
centros de trabajo para reevaluar la mejor manera de producir ese bien y aumentar
su calidad segn las exigencias del mercado.

En los ltimos aos, la ciencia de la produccin ha denominado la segunda actividad

mencionada anteriormente con el nombre de reingeniera corporativa. Con este
segundo anlisis se pretende introducir ciertos cambios en la empresa para que
mejore y siga operando con ganancias. Pero, en la mayora de los casos estos
cambios se efectan externamente al proceso productivo.

Es decir, se logra incrementar las utilidades con modificaciones o simplificaciones

en reas como contabilidad, administracin de inventarios, planeacin de
requerimientos de materiales, logstica y administracin de recursos humanos.
Mientras ms completo sea la aplicacin de la ingeniera de produccin en la etapa
de planeacin, habr menos necesidad de estudios adicionales de reingeniera
durante la vida del producto.

La ingeniera de produccin implica el aprovechamiento de la capacidad

tecnolgica. Debido a la ingeniera de produccin, las mejoras en la productividad
no tienen lmite (Niebel, 2004: 6). La diferencia en la productividad obtenida con la
innovacin tecnolgica puede tener tal magnitud que los pases desarrollados
pueden mantener una elevada competitividad respecto a los pases
subdesarrollados que tienen salarios mucho ms bajos.

Por tanto, la investigacin y el desarrollo (I + D) que conduce a la creacin y

aplicacin de las nuevas tecnologas es esencial para la ingeniera de produccin.
Segn la ONU, los pases que ms invierten en I + D son: los Estados Unidos de
Amrica, Suiza, Suecia, Holanda, Alemania, Noruega, Francia, Israel, Blgica y
Japn; en consecuencia, estos pases son lderes en niveles de productividad
empresarial.

La ingeniera de produccin utiliza un procedimiento sistemtico para desarrollar los

centros de trabajo, fabricar un bien o prestar un servicio. Este procedimiento se
puede resumir la siguiente manera:
1. Seleccionar el producto: puede se un bien o servicio, que ya exista o que sea
completamente nuevo. Tambin, los productos que experimentan
dificultades para mantener su calidad y que tiene problemas de
competitividad en el mercado son proyectos lgicos de la ingeniera de
produccin;
2. Obtener y presentar los datos: se deben reunir toda informacin relacionada
con el producto, que deber incluir como mnimo los dibujos, las
especificaciones de calidad, los requerimientos de cantidad, los tiempos de
entrega y las proyecciones de vida del producto. Esta informacin deber ser
documentada y registrada de manera ordenada para su anlisis. Siempre es
conveniente elaborar un diagrama del proceso para su estudio;
3. Analizar los datos: se usan los enfoques bsicos del anlisis de operaciones
para decidir qu alternativa dar como resultado el mejor producto o servicio.
Estos enfoques bsicos implican el propsito de la operacin, el diseo de
las partes del producto, delimitacin de las tolerancias, especificaciones,
materiales, procesos de manufactura, preparacin y herramientas,
condiciones de trabajo, distribucin en planta, entre otros;
4. Desarrollar el mtodo ideal: se selecciona el mejor procedimiento para cada
operacin, inspeccin o transporte tomando en cuenta las restricciones
asociadas con cada alternativa, y se incluyen los efectos en la productividad,
ergonoma y la seguridad e higiene industrial;
5. Presentar y establecer el mtodo: debe explicarse con el suficiente detalle el
propsito del mtodo a los responsables de su operacin y mantenimiento.
 Se consideran todos los detalles del centro de trabajo para asegurar que el
mtodo propuesto proporcione los resultados previstos;
6. Desarrollar un anlisis del trabajo: se realiza un anlisis del mtodo
establecido para asegurar que los operarios se seleccionaron, capacitaron y
se les remunera como corresponde;
7. Dar seguimiento al mtodo: de manera peridica, se audita el mtodo
instalado para determinar si la productividad y la calidad previstas son las
obtenidas, si la proyeccin de los costos fue correcta y si pueden hacerse
nuevas mejoras.

En resumen, la ingeniera de produccin es una investigacin meticulosa y

sistemtica de todas las actividades directas e indirectas implcitas en la produccin
de mercancas, que pretende encontrar mejoras que faciliten la realizacin del
trabajo en funcin de la seguridad y salud del trabajador, permitiendo que se lleve a
cabo en el menor tiempo posible y con la menor inversin por unidad.

1.6- La Planeacin y Control de la Produccin

El alcance de la ingeniera de produccin incluye el diseo, creacin y seleccin de

los mejores mtodos, procesos, herramientas, equipos y el desarrollo de las
habilidades para la fabricacin ptima, basada en planos y especificaciones exigidas
por la seccin de calidad y mercadotecnia.

Cuando el mejor mtodo interacta con las mejores habilidades disponibles, surge
una relacin mquina trabajador eficiente. Asimismo, una vez establecido el
mtodo completo, la responsabilidad de establecer el tiempo estndar de cada ciclo
de produccin recae sobre el ingeniero de produccin.

Otras responsabilidades que involucra la ingeniera de produccin son:

a) Seguimiento para asegurar el cumplimiento de los estndares
predeterminados;
b) Seguimiento para asegurar las medidas de seguridad e higiene correctas;
c) Seguimiento para asegurar que los trabajadores estn motivados y
satisfechos con su trabajo.
El procedimiento global de la ingeniera de produccin incluye: definir el problema;
desglosar el trabajo en operaciones; analizar cada operacin para determinar los
procedimientos de manufactura ms econmicos para la cantidad dada, con la
debida consideracin de la seguridad del operario y su inters en el trabajo; aplicar
valores de tiempo adecuados, y despus dar seguimiento para verificar que se
opera con el mtodo prediseado.

Es frecuente que los objetivos operativos de la produccin no coincidan con los

objetivos de otras reas de la empresa, y sto suele afectar los niveles de servicio al
cliente y generar costos innecesariamente elevados. Por esta razn, para mantener
el nivel adecuado de servicio al cliente, el control de la produccin debe
considerarse como un elemento integral en toda la interrelacin que subyace a
todas las unidades de la empresa.

Sobretodo, el vnculo que existe entre la administracin de la produccin y la

administracin de la cadena de suministro es determinante para tener xito en
cualquier negocio. Es decir, la actividad productiva define cuntos productos
terminados se fabrican y de qu clase sern, lo que a su vez influye en el momento
y el modo en que se distribuirn entre los clientes de la empresa. Adems, la
produccin influye en las necesidades de materias primas, de subcomponentes y de
repuestos para la infraestructura productiva.

Existe un nuevo concepto que ayuda a planear y controlar la produccin, y que por
medio de enlaces electrnicos entre fbricas y las unidades de apoyo (diseo y
compras), organiza un entorno capaz de dar una respuesta dinmica. Este concepto
es el de la planificacin cruzada de inventarios, o entrega justo a tiempo. Las
tecnologas como el intercambio electrnico de datos, el diseo y las compras
asistidas por computadora y el apoyo logstico automatizado hacen posible el
comercio electrnico (e-commerce).

Al adoptar el concepto de la planificacin cruzada, se coloca bajo la responsabilidad

de una sola direccin las funciones de planificacin de los requerimientos de
materiales, compras, recepcin, manejo de materias primas, control de inventarios,
almacenamiento y programacin de la produccin. Esta direccin nica se encarga
de la planeacin, la organizacin, la motivacin y el control de todas las actividades
relacionadas con el flujo de materias primas hacia la empresa y del personal que
ms interviene en la produccin.

En sntesis, la direccin de planificacin cruzada se responsabiliza de las compras,

del control de la produccin, del trfico hacia la empresa y del transporte,
almacenamiento y gestin del sistema informtico de la empresa. Asimismo, puede
encargarse del reciclado de materiales y la eliminacin de residuos.

1.7- Sistemas Logsticos Eficientes

Muchas empresas enfrentan serios problemas en la produccin de sus mercancas

debido a las inconsistencias que se presenta en la gestin logstica interna. En
teora, un sistema logstico eficiente permite que los materiales necesarios para la
produccin lleguen a su punto de uso en la cantidad y en el momento adecuado, sin
necesidad de mantener inventarios excesivos. Los artculos terminados se producen
y se deben entregar en el tiempo ptimo para su venta; adems, debe velar que la
manipulacin de los productos se haga de la manera ms cuidadosa posible.

El objetivo principal de un sistema logstico eficiente consiste en eliminar el derroche

en todas las reas de la produccin y distribucin fsica de las mercancas. Puede
definirse el despilfarro como todo volumen de equipo, materiales, subcomponentes
y mano de obra superior a lo absolutamente necesario para producir o revender
(Chase, 1999: 215). Adems, los sistemas logsticos eficientes aprovechan todas las
posibilidades tecnolgicas existentes para gestionar la informacin y coordinar
eficazmente los flujos de materias primas y productos terminados.

En realidad, los sistemas logsticos eficientes son mucho ms que un sistema de

control de inventarios, pues su aplicacin afecta en gran medida las compras, el
transporte, la produccin, el control de calidad y el procesamiento de datos de la
empresa. En cada una de esas secciones, los sistemas logsticos eficientes
requieren un nivel de disciplina y de coordinacin muy superior a las capacidades de
muchas organizaciones, y ste es un factor que debe tenerse en cuenta si se desea
implementarlos con xito.

Los requisitos de cada rea para el buen funcionamiento de los sistemas logsticos
eficientes son los siguientes:
1. Compras: es necesario elegir y mantener una cantidad limitada de
proveedores de alta fiabilidad y establecer con ellos relaciones a largo plazo,
eficaces y mutuamente beneficiosas. En especial, deben ser proveedores
muy fiables en cuanto los plazos de entrega y la calidad. Adems, deben
tener acceso a los datos sobre la planeacin de la produccin y del
inventario de sus compradores para organizar eficazmente su propia
produccin y distribucin. Si es necesario debe implementarse el intercambio
automatizado y electrnico de datos.

2. Transporte: esta actividad es clave para todos los sistemas logsticos

eficientes, ya que permiten lograr un nivel de eficacia y fiabilidad muy
superior al que ofrecen los sistemas logsticos tradicionales, donde los
inventarios de reserva permiten separar al departamento de transporte del
resto de operaciones de la empresa. Los sistemas logsticos eficientes
imponen una gran disciplina a los calendarios de entregas y a los recorridos
de ida y vuelta de los artculos a transportar. Los envos tienden a ser de
pequeo volumen y ms frecuentes, la capacidad de seguir y controlar
eficazmente el sistema de transporte adquiere gran relevancia.

3. Almacn: por su propio diseo, los sistemas logsticos eficientes se centran

en el movimiento de los materiales y no en su almacenamiento. En
consecuencia, los sistemas automatizados de almacenamiento tienen mucha
menos importancia que la capacidad de trasladar rpida y eficiente los
materiales a su punto de utilizacin dentro de la fbrica y los productos
terminados a las salas de venta. Con frecuencia los sistemas logsticos
eficientes eliminan las instalaciones centrales de almacenamiento y se
prefiere disponer de capacidades de depsito cercanas al punto de uso.

4. Control de Inventario: esta funcin involucra la gestin de las materias

primas, del producto en proceso y de los artculos terminados. Debido a que
los sistemas logsticos eficientes reduce los inventarios de seguridad, al
mismo tiempo que los pedidos de materias primas se ejecutan de acuerdo
con su uso especfico y en fases productivas concretas, se minimiza la
posibilidad de error en el control del inventario. Los sistemas logsticos
tradicionales suponen la existencia sedentaria de inventarios en un depsito,
lo que genera altos costos por almacenamiento; pero, con los sistemas
 logsticos eficientes se supone la movilidad de los inventarios, con lo que se
reduce el tamao de los lotes y el volumen de producto en proceso. Los
sistemas logsticos eficientes permiten un flujo ms armnico de materiales
desde su origen a travs de las distintas etapas de transformacin hasta que
llegan al ltimo nivel de inventario que abastece al cliente final.

5. Produccin: los sistemas logsticos eficientes se basan en lotes pequeos,

en perodos breves de fabricacin y en tiempos rpidos de preparacin, con
los que se estabiliza el flujo de materiales y de productos a travs del
proceso productivo. En el mejor caso, en cada etapa se organiza la
produccin para apoyar directamente las necesidades de la siguiente etapa,
y se eliminan los inventarios de producto en proceso.

6. Control de Calidad: a medida que los inventarios estticos se reducen al

mnimo a travs de todo el sistema logstico, la importancia de la calidad
aumenta. En estos sistemas, todas las unidades de inventario estn siempre
movindose hacia el sitio donde sern utilizadas, y en consecuencia, el
sistema no tolera unidades defectuosas ni en las entregas ni en la secuencia
de productos en proceso. Los problemas de calidad obligan a interrumpir el
flujo productivo y suelen salir muy costosos a las empresas dotadas de
sistemas logsticos eficientes. La naturaleza misma de estos procesos hacen
aflorar los problemas de calidad e imponen una rpida solucin.

En conclusin, los sistemas logsticos eficientes estn destinados a fortalecer las

relaciones funcionales del flujo de inventarios y la produccin sincronizada; adems,
sealan los defectos operativos y reducen los costos del proceso de distribucin
fsica de productos. Su adopcin e implementacin requiere un avance continuo
hacia los objetivos finales de realizar una entrega eficiente, un flujo continuo y
perfectamente sistematizado de productos, con alta calidad y con estndares
simplificados para perodos cortos de produccin.

1.8- Modelos de Optimizacin

En la toma de decisiones gerenciales, cuando se afronta un problema de ingeniera
de produccin, generalmente se toma un plan de accin a partir de un conjunto de
posibilidades. Pero, como siempre se tiene incertidumbre sobre el futuro, no se
puede prever plenamente las consecuencias o xito de la decisin tomada. Adems,
el problema puede ser mucho ms complejo de lo que parece, debido a que hay una
gran cantidad de posibilidades a considerar o muchos factores implcitos en l.

Un modelo es una representacin simplificada de una situacin emprica (problema)

real. Generalmente, los modelos que ms se usan para la toma de decisiones en
materia de ingeniera de produccin son herramientas cuantitativas especficas para
problemas particulares. Pero, no basta con que este modelo brinde un resultado
cualquiera, sino que proporcione la mejor opcin de todas las posibles. Por esta
razn es que se habla de modelos de optimizacin.

Un administrador de la produccin debe elegir el plan de accin ms efectivo para

lograr las metas de la organizacin. Al juzgar la efectividad de las diferentes
decisiones, debe emplearse algn criterio o medida de desempeo. El criterio ms
comn en la toma de decisiones es una medida econmica como las ganancias o
los costos totales de cierta inversin, con lo que se juzgan los mritos esperados por
la empresa en caso de aplicar esa accin.

Bsicamente, un modelo debe construirse con tres elementos fundamentales:

1. Criterio: unidad de medida de la decisin tomada. Orienta todo el modelo e
indica para qu es que se est formulando;
2. Opciones: conjunto de posibles acciones que se pueden tomar para resolver
el problema real al que se enfrenta la organizacin; y
3. Estructura cuantitativa: es la parte central del modelo. Es la herramienta
matemtica cuya lgica se basa en el tipo de problema que se pretende
resolver; adems, su resultado final es la respuesta que se busca para la
toma de decisiones.

Ejemplo 1.1
La empresa XYZ vende zapatos a un precio unitario de US$ 50 por par. Un estudio
de mercado efectuado por un equipo de mercadotecnia de la empresa define una
demanda potencial de 1000 pares de zapatos para el siguiente mes. Se puede
considerar que cada unidad de materia prima incluye el cuero, la suela y el hilo que
se requiere para fabricar un par de zapatos. S la empresa incurre en costos fijos de
US$ 5000 y el costo variable es de US$ 30 por unidad de materia prima, determine:
a) Criterio y opciones
b) Debe la empresa aceptar el pedido?

Solucin:
a) El criterio que encaja mejor en este problema es el de maximizacin de
utilidades netas. Las opciones que se presentan son la de aceptar el pedido
en caso de ser rentable o de rechazarlo en caso de obtener prdidas.
b) Estructura cuantitativa del modelo:
Costo total = costo fijo + (costo variable)(cantidad de unidades de materia
prima)
Costo total = 5000 + 30 Xo; donde Xo es la cantidad de materia prima

Si Xo = 1000 unidades de materia prima, ya que no existen prdidas,

entonces se obtiene un costo total de produccin de:

CT (1000) = 5000 + 30 (1000) = US$ 35,000

Ingresos totales = (precio unitario de venta)(cantidad de pares)

Si se venden los 1000 pares de zapatos, se obtendr un ingreso por ventas:

IT (1000) = (US$ 50/par)(1000 pares) = US$ 50,000

Utilidades netas = ingresos totales costos totales

UN = US$ [50,000 35,000] = US$ 15,000

Conclusin: la empresa XYZ s debe aceptar el pedido para producir 1000

pares de zapatos ya que obtendr una utilidad de US$ 15,000.
Pero, debe aclararse que un modelo se construye nicamente basado en la
informacin de que se dispone y, por tanto, puede cambiar su lgica si se cambia la
informacin de base o si se incorporan ms variables determinantes.

Ejercicio 1.2
Para la misma empresa XYZ, suponiendo que hay un 40% de prdidas de materias
primas en la produccin debido a exigencias de calidad del producto, cuntas
unidades de materia prima se necesitan para obtener 1000 pares de zapatos con las
especificaciones de calidad? Deber aceptarse el contrato en estas condiciones?

Solucin
a) El criterio de este problema contina siendo el de maximizacin de utilidades
netas. Las opciones que se presentan son la de aceptar el pedido en caso
de ser rentable o de rechazarlo en caso de obtener prdidas.
b) Estructura cuantitativa del modelo:
La cantidad de materia prima (Xo) ya no ser de 1000 unidades dado que se
desperdicia el 40% de los insumos. Por tanto, tiene que ser mayor el
volumen de materia prima, para lo cual se usar la siguiente relacin:

Total de materias primas prdidas = cantidad de pares para la venta

[1 0.4] Xo = 1000 0.6 Xo = 1000 Xo = 1000/0.6 = 1667

Por tanto, XYZ necesita 1667 unidades de materias primas para producir
1000 pares de zapatos, considerando un 40% de prdidas.

Costo total = costo fijo + (costo variable)(cantidad de unidades de materia

prima)
Costo total = 5000 + 30 Xo

Si Xo = 1667 unidades de materia prima, entonces se obtiene un costo total

de produccin de:

CT (1000) = 5000 + 30 (1667) = US$ 55,010

 Ingresos totales = (precio unitario de venta)(cantidad de pares)

Si se venden los 1000 pares de zapatos, se obtendr un ingreso por ventas:

IT (1000) = (US$ 50/par)(1000 pares) = US$ 50,000

Utilidades netas = ingresos totales costos totales

UN = US$ [50,000 55,010] = - US$ 5,010; es equivalente a una prdida de

US$ 5,010

Conclusin: la empresa XYZ no debe aceptar el pedido en estas condiciones

para producir ya que obtendr una prdida de US$ 5,010.

Ejercicios Propuestos
1. La Myown Company fabrica computadoras porttiles con fuertes
innovaciones en el software para personas interesadas en tecnologa
informtica avanzada. Esta empresa desea construir un modelo para mostrar
las utilidades que obtendr para los prximos cinco aos. El precio de ventas
se fija en US$ 1600 por computadora y se han contabilizado 100 unidades
vendidas en el primer ao; adems, el costo variable de fabricacin es de
US$ 300 por unidad con unos costos fijos de fabricacin de US$ 8000 por
ao. Asimismo, los costos de marketing se proyectan en 10% de las ventas
ms un costo fijo de US$ 1000 por ao. Si las ventas aumentan en 30%
anualmente, cules sern las utilidades en el quinto ao.
2. El administrador de produccin de los churros Zambos pretende determinar
el presupuesto de publicidad para el prximo ao. Dispone de la siguiente
informacin: el precio de venta es de L. 4 por unidad; el costo variable es de
L. 2 por unidad; los costos fijos anuales para producir estas frituras
ascienden a L. 100,000. Por otro lado, este administrador estima una
relacin cuadrtica inversa entre las ventas de los churros y el dinero
invertido en publicidad, que se expresa como sigue:

X = 50 + 1.2 P 0.006 P 0 P 100

 Donde: X = ventas (miles de bolsas) y P = inversin en publicidad (miles de
Lempiras)
Se le solicita lo siguiente:
a) Formular un modelo para calcular la utilidad neta por la venta de los
churros Zambos.
b) Encontrar una solucin ptima al modelo mediante el ensayo con
valores para la publicidad, comenzando con L. 0 y que aumente en L.
10 mil sucesivamente hasta alcanzar los L. 100 mil.
3. El gerente de asuntos municipales en Tegucigalpa est evaluando varios
niveles de gastos para proteccin policial. Ha encontrado que el tiempo
promedio de respuesta (en minutos) para las llamadas de emergencia est
inversamente relacionado con el presupuesto anual del departamento de
polica municipal. En cambio, el beneficio que recibe cada ciudadano
presenta una relacin directa negativa con el tiempo de respuesta de la
polica municipal. Las relaciones especficas se expresan como sigue:

R = 50 / C B = 100 10R

Donde: R = tiempo promedio de respuesta (minutos); C = presupuesto anual

de la polica municipal (millones de Lempiras) y B = beneficio recibido por la
ciudadana (Lempiras).
Desarrollar un modelo para evaluar cul es el beneficio recibido cundo se le
asigna 5, 10, 15 y 20 millones de Lempiras. Cul conviene ms?

1.8.1- Construccin de Modelos Simples

Los problemas en la vida real tienden a ser muy complejos, pues hay una cantidad
innumerable de hechos inherentes a cualquier situacin emprica que se estudie.
Adems, todo posible plan de accin comienza una cadena de causa, efecto e
interaccin que puede no tener fin.

La mente humana no puede considerar todos los aspectos de un problema

emprico. Algunos atributos del problema deben pasarse por alto si va a tomarse
una decisin. Quien decide, debe determinar los factores ms relevantes del
problema. Por tanto, la abstraccin y la simplificacin son pasos necesarios en la
solucin de cualquier problema humano. El objetivo es mejorar la toma de
decisiones y no buscar una excusa para no tomar una decisin.

Despus de que el administrador ha seleccionado los factores crticos o las

variables ms relevantes del problema, a partir de la situacin emprica, stos se
combinan de manera lgica presentndolo como un modelo formal. Este modelo
deja al descubierto un fenmeno natural en su gran complejidad y duplica el
comportamiento esencial del mismo, con unas pocas variables relacionadas de
manera simple.

La muestra ms sencilla que suministra el modelo, la mejor forma para la persona

que toma las decisiones, sirve como contraparte razonablemente confiable del
problema emprico. Las ventajas de un modelo simple son:
Su economa de tiempo y esfuerzo mental;
Rapidez para la toma de decisiones;
Flexibilidad y adaptabilidad para modificarse con manera efectiva.

El objetivo de quien toma la decisin no es construir un modelo que, en cada uno de

sus aspectos, est tan cerca como sea posible a la realidad. Un modelo de esa
naturaleza requerira de mucho tiempo y esfuerzo para su construccin y, quiz,
quedara fuera de la comprensin humana. Por el contrario, la persona que decide
requiere un modelo ms sencillo que sirva para predecir de forma razonable los
resultados y que sea este consistente con una accin efectiva. El principio de
Occam reza: entre varios modelos, siempre se tomar el ms sencillo (Miller,
2003: 117).

Despus de construir el modelo, las conclusiones acerca de su comportamiento se

pueden deducir por medio del anlisis lgico. Luego, quien toma las decisiones
fundamenta en estas conclusiones sus acciones o decisiones. Si la lgica para
sacar conclusiones de las variables extradas es correcta, y si se han abstrado las
variables relevantes, entonces la solucin al modelo tambin servir como una
solucin efectiva al problema emprico.

Ejemplo 1.3
Si una empresa reemplazar su producto metlico por uno plstico, se ahorrara
US$ 0.5 por unidad. Pero, deber gastar US$ 20,000 en un molde especial para
fabricarlo, que durar un ao. Las ventas son 80,000 unidades al ao. Determine lo
siguiente:
a) Criterio y opciones;
b) Deber cambiarse al producto plstico?
c) Si el producto plstico tuviera un ndice de falla de 2 unidades defectuosas
por cada 1000 unidades, que le cuestan US$ 40 por unidad, deber la
empresa cambiarse al producto plstico, an as?

Solucin:
a) Este modelo se puede dirigir por un criterio de maximizacin del ahorro neto
o por la minimizacin de los costos totales. Las opciones son la de cambiar
el sistema metlico por uno de plstico, en caso de obtener un ahorro.
b) Estructura Cuantitativa:
Costo total = costo fijo por molde = US$ 20,000

Ahorro total = (ahorro unitario)(cantidad de unidades vendidas)

Ahorro total = (US$ 0.5 /unidad)(80,000 unidades) = US$ 40,000

Ahorro neto = ahorro total costo total

Ahorro neto = US$ [40,000 20,000] = US$ 20,000

Conclusin: si se puede cambiar el sistema metlico por uno de

plstico ya que se obtiene un ahorro neto de US$ 20,000 al ao.

c) El criterio y las opciones siguen siendo las mismas. Pero, debido a que se
incorpora un ndice por falla, la estructura cuantitativa cambia un poco y es
necesario calcular el costo en el que se incurre por este factor:
Costo por falla = (ndice de falla)(costo unitario de falla)(ventas)

ndice de falla = 2 unidades defectuosas / 1000 unidades = 0.002

Costo por falla= (0.002)(US$ 40/ud. defec.)(80,000 uds.) = US$ 6,400

Costo total = costo fijo por molde + costo por falla

Costo total = US$ [20,000 + 6,400] = US$ 26,400
 Ahorro total = (ahorro unitario)(cantidad de unidades vendidas)
Ahorro total = (US$ 0.5 /unidad)(80,000 unidades) = US$ 40,000

Ahorro neto = ahorro total costo total

Ahorro neto = US$ [40,000 26,400] = US$ 13,600

Conclusin: si se puede cambiar el sistema metlico por uno de

plstico ya que se obtiene un ahorro neto de US$ 13,600 al ao,
incluso con un ndice de falla de 0.002.

En el uso de modelos para la toma de decisiones, las dos fuentes ms importantes

de error son: la exclusin de variables relevantes y las equivocaciones en las
relaciones entre variables. Por ejemplo, si no se hubiera considerado el ndice de
falla en el ejercicio 1.3, sabiendo que exista esa variable relevante, los resultados
del modelo estaran sobredimensionados dado que no se estara restando el costo
por falla que producen las unidades defectuosas.

En caso de una mala relacin de variables ocurre una distorsin en los resultados,
conducente a que el modelo no representara la situacin de manera adecuada para
los propsitos de decisin. En consecuencia, las decisiones que se deriven de un
modelo construido errneamente llevan a tomar acciones equivocadas y costosas
para la organizacin. Por ejemplo, si en el ejercicio 1.3 en vez de restar el costo total
del ahorro total este primer valor se hubiera sumado al segundo, el resultado
hubiera sido absolutamente incorrecto.

Los modelos pueden representarse de diferentes maneras. Para problemas simples

y repetitivos, todo el proceso para la toma de decisiones puede realizarse en la
mente del administrador, quiz de manera informal o intuitiva. Pero, si de alguna
manera el problema no es frecuente o es complejo, se debe dedicar ms tiempo
para reflexionar sobre l.

La tcnica apropiada para describir y relacionar variables seleccionadas depende,

en gran medida, de la naturaleza de ellas. Si las variables se pueden cuantificar,
entonces hay razones para seleccionar una relacin matemtica en el modelo. Esta
tcnica matemtica presenta ciertas ventajas; primero, porque existe una rigurosa
disciplina inherente a las matemticas que asegura un desarrollo ordenado y
coherente del evaluador: debe especificarse las variables seleccionadas y
establecer justificadamente las relaciones que existen entre ellas.

En segundo lugar, las matemticas representan un mtodo apropiado para

relacionar variables cuantificables y permite deducir conclusiones lgicas de las
premisas dadas. En combinacin con las computadoras modernas, las matemticas
hacen posible el manejo y resolucin de problemas que necesitan de modelos ms
complejos y facilitan el proceso de toma de decisiones.

Una gran cantidad de problemas de negocios y de la produccin se ha dado una

representacin exitosa mediante un mtodo general denominado anlisis
cuantitativo, ciencia de las decisiones o investigacin de operaciones. De hecho, el
anlisis cuantitativo se ha extendido a muchas reas de operaciones de la empresa,
y se ha constituido en un medio efectivo para abordar ciertos problemas de
decisiones de negocios. Los gerentes actuales deben contar con tantos
conocimientos de estas tcnicas y modelos como los que poseen sobre contabilidad
y administracin.

1.8.2- Factores Cualitativos para las Decisiones

Cabe advertir que, el administrador de la produccin (o cualquier decisor) no debe
volcarse incondicionalmente sobre el modelo cuantitativo y adoptar
automticamente sus resultados como la decisin correcta. La conclusin que se
obtiene del modelo contiene cierto grado de error debido al proceso de abstraccin
en las variables. Es decir, el modelo es una simplificacin de la realidad y, debido a
que se escogen solamente algunas de las variables determinantes de esa situacin,
los resultados pueden no ser totalmente representativos.

Lo que debe considerarse es cundo es tan grande un error como para modificar la
conclusin antes de que pueda adoptarse como una solucin. La cuantificacin es
una ayuda para el juicio empresarial y no un sustituto de ste. Una cierta cantidad
de escepticismo constructivo es deseable al considerar el anlisis cuantitativo de los
problemas de la produccin como en cualquier otro proceso de decisin.
Muchas decisiones en las organizaciones en particular, las ms importantes-
implican algunas valoraciones de naturaleza cualitativa ms que cuantitativa. Por
ejemplo, decisiones importantes que pueden afectar el liderazgo de la empresa en
el mercado, o que pueden afectar las fuentes de empleo, el medio ambiente u otras
reas de responsabilidad social. Inclusive, las valoraciones sobre cuestiones legales
son determinantes en la toma de decisiones; por ejemplo, los contratos suscritos
con los proveedores, las leyes, normativas y reglamentos sobre cierto rubro, los
tratados internacionales de libre comercio, entre otras.

Muchos de estos factores no pueden expresarse en trminos monetarios o en

cantidades de producto. Entonces, cmo deben manejarse estas variables
cualitativas? En primera instancia, deben evitarse las actitudes extremas, con lo que
se pasaran por alto los factores cualitativos por considerarlos menos importantes al
no poderlos cuantificar. Otra actitud igualmente extrema es argir que los modelos
cuantitativos no tienen valor, dado que los factores cualitativos son los importantes.

Segundo, un enfoque ms ecunime es aceptar la idea de que el modelo

cuantitativo puede manejarse de manera efectiva en los aspectos medibles del
problema sobre el que se desea decidir, y que la persona que toma las decisiones
tambin debe manejar intuitivamente las variables cualitativas. El administrador
debe encontrar un equilibrio entre los factores cuantitativos y los cualitativos.

En sntesis, un modelo es una abstraccin y una simplificacin de un problema real

que incorpora, de manera ideal, los elementos y las relaciones esenciales de ste.
(Bonini, 2000: 7) Construir un modelo significa obtener unas conclusiones lgicas,
que pueden ser una gua efectiva para tomar la decisin, si el modelo est diseado
y resuelto de manera apropiada. La toma de decisiones implica integrar la
informacin cuantitativa que se obtiene del modelo y evaluarla con el juicio intuitivo
aplicando los factores cualitativos.

1.8.3- Construccin de Modelos Complejos

Como se mencion anteriormente, los problemas reales suelen ser complejos y las
decisiones que se toman para resolverlos implican muchas valoraciones. La
diferencia bsica entre un modelo simple y uno complejo es que, el modelo simple
usa pocas variables relevantes y es muy til para las decisiones de mediana o de
gran importancia (los ms comunes).

En cambio, los modelos complejos involucran muchas variables, restricciones y

posibles soluciones. Estos modelos complejos suelen ser empleados en grandes
empresas que manejan cuantiosas estadsticas para varios tipos de criterios de
optimizacin y poseen diferentes niveles de incertidumbre en sus funciones.

Un modelo de escenarios (estudio de caso) es un modelo para decisiones que se

analiza mediante el ensayo de varios casos, con lo que se pueden obtener
diferentes resultados posibles, utilizando diversas opciones y supuestos. En otras
palabras, el modelo de escenarios es un conjunto de modelos simples que se
integran para brindar posibles soluciones a un mismo problema complejo.

Pero, un modelo de escenarios no est programado para encontrar directamente la

solucin ms conveniente. Por el contrario, el administrador lo utiliza en un proceso
de prueba y error. Estos modelos se distinguen de la mayora de los modelos de
optimizacin ya que incorporan diversas variables con cierto grado de incertidumbre.
Ejemplo 1.4
La Empresa Nacional de Energa Elctrica (ENEE) tiene cuatro proveedores de
medidores de consumo elctrico. El centro de despacho de la ENEE ha reconocido
una situacin de bajo inventario de estos medidores y debe emitir una
recomendacin de compra con base a los factores y sus ponderaciones que se
muestran en la siguiente tabla:

Factor Importancia Calificacin de los Proveedores (0.0 a 1.0)

Relevante (1 a 10) SEMEH Honduelec INELEC Indufesa
Precio 6 0.4 0.4 0.6 0.7
Servicio 3 0.7 0.7 0.3 0.2
Confiabilidad 4 0.8 0.9 0.2 0.3
Tiempo de
1 0.5 0.3 0.2 0.2
entrega
Facilidad de
8 0.6 0.4 0.3 0.3
mantenimiento
Adaptabilidad 2 0.5 0.6 0 0.9
de lecturas
Vida til 3 0.5 0.4 0.3 0.3

Si el grado de preferencia se expresa con nmero romanos (I, II, III y IV), siendo el
primero la mejor opcin, cul es el grado de preferencia para cada proveedor?
Cul deber seleccionarse para proveer los medidores a la ENEE?

Solucin:
Criterio: maximizacin de los beneficios presentados en la tabla;
Opciones: escoger entre los proveedores A (SEMEH), B (Honduelec), C
(INELEC) o D (Indufesa).

Estructura Cuantitativa:
Dado que se le ha asignado un peso de ponderacin a los factores
relevantes y una calificacin a cada proveedor de medidores, es posible
encontrar el grado de preferencia calculando la calificacin ponderada como
se muestra a continuacin:

Proveedor Calificacin Ponderada

A 6(0.4) + 3(0.7) + 4(0.8) + 1(0.5) + 8(0.6) + 2(0.5) + 3(0.5)
B 6(0.4) + 3(0.7) + 4(0.9) + 1(0.3) + 8(0.4) + 2(0.6) + 3(0.4)
C 6(0.6) + 3(0.3) + 4(0.2) + 1(0.2) + 8(0.3) + 2(0.0) + 3(0.3)
D 6(0.7) + 3(0.2) + 4(0.8) + 1(0.2) + 8(0.3) + 2(0.9) + 3(0.3)

Una vez calculada la calificacin ponderada se le asigna el grado de

preferencia en nmeros romanos, como se muestra en el cuadro siguiente:

Proveedor Calificacin Ponderada Grado de Preferencia

A 15.5 I
B 14 II
C 8.8 IV
D 11.3 III

Es decir que SEMEH recibe la preferencia ms alta e INELEC la ms baja.

Conclusin: el centro de despacho puede recomendarle a la ENEE

comprarle los medidores a SEMEH; pero, en caso que no se pudiera cerrar
 ese contrato con SEMEH por razones legales estipuladas en la ley de
contrataciones pblicas del Estado, se podra escoger entre las otras
empresas oferentes dependiendo del grado de preferencia y ventajas que
presenten a la ENEE.

Debido a que algunos problemas de decisin implican un gran nmero de factores o

variables importantes, se pueden tener muchas opciones a considerar. Por ejemplo,
una empresa que dispone de varias naves de produccin puede presentar un
problema de programacin de la produccin para suplir la demanda de cientos o
miles de clientes de alguna regin. Decidir la programacin de las fbricas, de las
lneas de produccin y de los sistemas logsticos involucra decenas de variables y
restricciones que pueden brindar miles de posibles soluciones.

Los modelos de optimizacin de programacin lineal son los mtodos ms utilizados

para resolver problemas de dicha magnitud. En ellos se aplican las tcnicas
matemticas para encontrar el valor ptimo (mximo o mnimo) de un objetivo que
expresa el criterio del modelo, sujeto a un conjunto de restricciones. Este tipo de
modelo de optimizacin se tratar en el siguiente captulo de este manual.

De igual manera, los modelos dinmicos de decisin resuelven problemas que

poseen un tipo particular de complejidad; cuando existe una secuencia de
decisiones interrelacionadas a travs de varios perodos. Ejemplos de este tipo de
modelos son: modelos de inventarios, modelos PERT y de ruta crtica CPM para la
programacin de proyectos, modelos de cola para resolver problemas de
congestionamientos, modelos de balanceo de lneas de produccin, entre otros.

Para todos estos modelos complejos se puede utilizar el sistema de apoyo de

decisiones (SAD) que se basa en un diseo integrado por computadora para ayudar
al administrador de la produccin o a cualquier gerente en la toma de decisiones. En
general, el SAD incorpora todas las tcnicas de la investigacin de operaciones para
ejecutar modelos y calcular los resultados de optimizacin para los problemas que
son muy complicados para resolverse con las tcnicas simples.

En la mayora de casos, el SAD incluye una base de datos que utiliza para
suministrar informacin directamente al modelo. En ocasiones, un SAD involucra
grficas y otros reportes sintetizados para la fcil comprensin de los usuarios.
Asimismo, el SAD emplea tecnologa informtica para facilitar el anlisis, para
solicitar informacin o para interpretar los resultados del modelo. Cualquier modelo,
por simple o complejo que este sea, puede ser resuelto por medio del SAD.

Ejercicios Propuestos
1. En el diseo de ciertas instalaciones industriales estn bajo consideracin
dos tipos de estructura (A y B). Los ingresos por venta de bienes y servicios
no sern afectados por la eleccin de cualquiera de estas dos estructuras.
Las estimaciones para las dos estructuras son las siguientes:
Descripcin Estructura A Estructura B
Costo inicial L. 5 millones L. 12 millones
Vida til 20 aos 40 aos
Valor de rescate L. 100 mil L. 200 mil
Gastos anuales de operacin / mantenimiento L. 90 mil L. 60 mil

Los egresos adicionales cada ao por impuestos sobre la renta se estiman

en L. 12.5 mil y se considera una tasa mnima de retorno de 11% anual.
Compare los costos anuales de las dos estructuras y diga cul es la mejor.

2. Una empresa agroindustrial desea evaluar las posibilidades de expansin de

su capacidad instalada. Los flujos de efectivo esperados para el prximo ao
se pueden ponderar para tres niveles de operacin: bueno, moderado y
pobre. Estos valores se muestran a continuacin:
Operacin
Alternativa
Buena Moderada Pobre
Ninguna expansin L. 115,000 L. 100,000 L. 10,000
Expansin pequea L. 128,000 L. 108,000 L. 3,000
Expansin grande L. 155,028 L. 110,028 - L. 24,972
Ponderacin 0.25 0.6 0.15

Construya un modelo que le ayude a decidir al gerente de produccin cul

alternativa es la que maximiza el flujo de efectivo para el siguiente ao.
 3. Una empresa productora de frijoles fritos empacados ocupa conocer cul es
el mejor lugar para ubicar una nueva planta procesadora. Los factores que
ha de considerar en su anlisis son los siguientes:
Denominacin Factor
A Cercana con las salas de venta
B Disponibilidad de materias primas
C Infraestructura industrial
D Escolaridad de la mano de obra
E Estmulos fiscales

Las ponderaciones y calificaciones que se le asignan a cada uno de los

factores relevantes se muestran en el siguiente cuadro:

Calificacin
Factor Ponderacin
Comayagua Choluteca La Ceiba
A 0.25 7 7 9
B 0.05 9 10 9
C 0.3 8 7 10
D 0.15 8 7 10
E 0.25 10 9 7

Determinar cul es el mejor lugar para localizar esta nueva planta

procesadora, basndose en un modelo de calificacin ponderada ms alta.

1.8.4- Decisiones sobre Comprar o Fabricar

Existen varios productos que suelen ser adquiridos de fuentes externas a la
empresa debido a los precios favorables en relacin a una produccin interna. La
decisin de comprar o fabricar radica en elegir entre producir internamente un
producto (bien o servicio) o comprarlo de una fuente externa.

A veces, es necesario recurrir a la subcontratacin de otras empresas para

proveerse de algunos sub-componentes o productos intermedios. Esta prctica se
conoce como outsourcing. La subcontratacin es parte de la tendencia a utilizar la
eficiencia derivada de la especializada. Por ejemplo, las empresas de automviles
suelen subcontratar la produccin de los chasis, las cabinas, la vidriera, los
tableros, los sillones, las llantas y otros componentes que son llevados a la planta
de ensamblaje para construir el automvil completo. Las razones que justifican las
decisiones de comprar o fabricar un producto se comparan en la siguiente tabla:
Comprar Fabricar
Reducir el costo de fabricar Reducir el costo de compras
Enfocarse nicamente en la Mantener la fortaleza central de la
administracin produccin
Mantener buenos proveedores Por proveedores inadecuados
Capacidad productiva inadecuada Asegurar el suministro continuo
Reducir el costo por inventarios Aprovechar la capacidad instalada
Asegurar recursos alternativos Obtener la calidad deseada

Ejercicio 1.5
La fbrica de la Toyota produce piezas de repuesto que exportan a todo el mundo.
La compaa tiene la oportunidad de producir cajas plsticas para embalaje,
usualmente compradas a US$ 0.7 cada una. Si la compaa produce las cajas debe
invertir US$ 8,000 anuales en costos fijos. Adems, los costos variables (que
incluyen mano de obra, materia prima y otros costos indirectos) son de US$ 0.5 por
caja. La demanda para el siguiente ao se puede estimar utilizando las
probabilidades mostradas a continuacin:
Demanda (unidades) 20,000 30,000 40,000 50,000 60,000
Probabilidad (%) 10 30 40 15 5

Basndose en la tabla anterior, desarrollar un modelo para definir si es ms rentable

la fabricacin de cajas de embalaje. Adems, calcule el volumen de cajas con el
cual es ms rentable producir que comprar para la Toyota.

Solucin:
Criterio: minimizacin de costos
Opciones: comprar o fabricar las cajas para embalaje
Estructura Cuantitativa: en primera instancia es importante entender que en
este modelo se estn comparando nicamente dos tipos de costos; el costo
de comprar contra el costo por fabricar. Para determinar cada costo se debe
calcular la cantidad demandada para el prximo ao:
 Demanda Futura 20,000(0.1) + 30,000(0.3) + 40,000(0.4) +
(unidades) 50,000(0.15) + 60,000 (0.05) = 37,500

Costo de fabricar = costos fijos + (costo variable) (demanda futura)

Costo de fabricar = US$ 8,000 + US$ 0.5/caja (37,500 cajas) = US$ 26,750

Costo de comprar = (precio unitario de compra) (demanda futura)

Costo de comprar = US$ 0.7 /caja (37,500 cajas) = US$ 26, 250

Conclusin: se deben comprar las cajas ya que el costo de fabricacin es

US$ 500 mayor que el costo de compra.
Para determinar el volumen econmico para producir las cajas se ha de
emplear un procedimiento de punto de equilibrio para ambos costos:

Costo de fabricacin = costo de compra

US$ 8,000 + US$ 0.5/caja X = US$ 0.7/caja X

US$ [0.7 0.5] /caja X = US$ 8,000

US$ 0.2 / caja X = US$ 8,000 X = US$ 8,000 / US$ 0.2/caja

X = 40,000 cajas para embalaje

Conclusin: al producir 40,000 cajas ms se puede lograr equiparar el

costo de fabricacin con el de compra y, por tanto, solamente con este
volumen es rentable la fabricacin de dichas cajas para embalaje.

EVALUACIN FORMATIVA
1. Explique con sus propias palabras qu es un proceso de produccin.
2. Cules son las partes integrales de un proceso sistemtico de produccin?
3. Explique brevemente los tipos de procesos productivos.
4. Para qu sirve cada una de las distribuciones en planta?
5. Cmo afectan las variaciones estacionales en la produccin continua?
6. Cules son las diferencias bsicas entre los bienes y los servicios?
7. Explique el ciclo de vida de un producto.
 8. Para qu sirve la estandarizacin de los productos?
9. Para qu sirve la simplificacin de los procesos?
10. Qu se entiende por productividad?
11. Cul es el vnculo entre productividad y eficiencia empresarial?
12. Cul es el objetivo principal de la ingeniera de produccin?
13. Explique las responsabilidades de un administrador de la produccin.
14. Cmo se logra el control de la produccin a travs de la planificacin
cruzada?
15. Qu aspectos caracterizan a un sistema logstico eficiente?
16. Qu es un modelo de optimizacin?
17. Explique los elementos bsicos para formular un modelo.
18. Cules son las caractersticas de un modelo simple?
19. Por qu deben aplicarse factores cualitativos para interpretar los resultados
de los modelos cuantitativos?
20. Qu es un modelo de escenarios y cmo se construye?

DIAGNSTICO FINAL
1. La Caterpilar Co. tiene capacidad extra que puede ser usada para producir
dispositivos de control que dicha compaa est ahora comprando en US$
10 cada uno. Si Caterpilar hace los dispositivos incurrir en un costo de
materiales de US$ 3 por unidad, costos de mano de obra de US$ 4 por
unidad y costos indirectos de US$ 1 por unidad. El costo anual fijo asociado
con la capacidad no utilizada es de US$ 8,000. La demanda para el prximo
ao se calcula en 4000 unidades.
a. Defina el criterio y las opciones.
b. Debe la compaa fabricar los dispositivos?
2. Una empresa ha sido requerida para reducir en 75% la cantidad de efluentes
slidos y de residuos qumicos que descarga su planta de tratamiento de
aguas residuales en un pequeo ro. Tres compaas especializadas le han
presentado propuestas de sistemas para modificar la planta de aguas
residuales. Se espera que cada uno de los sistemas dure la vida remanente
de la planta, que es de 15 aos. Los costos iniciales y los aumentos anuales
en costos de operacin y mantenimiento de la planta para cada propuesta
son los siguiente:
Costo Propuesta A Propuesta B Propuesta C
 Inversin inicial US$ 125,000 US$ 160,000 US$ 190,000
Operacin y mantenimiento US$ 15,000 US$ 12,000 US$ 9,200

Si se acepta la propuesta A, ciertos elementos del sistema tendrn que ser

objeto de reposicin a intervalos de 5 aos a un costo de US$ 25,000. El
contratista de la propuesta C garantiza que su sistema reducir en 90% los
residuos descargados. Las propuestas A y C solo ofrecen cumplir con las
especificaciones. Si la tasa de rendimiento es del 9% anual, cul es la
propuesta que debe aceptarse (copare los costos y factores cualitativos).
GLOSARIO

proceso de produccin: es el procedimiento tcnico que se utiliza en una

empresa para obtener bienes y servicios a partir de insumos
tecnologa de produccin: el conjunto de conocimientos tcnicos, equipos y
procesos que se emplean para desarrollar dicha funcin productiva
produccin continua: sistema de produccin en masa; para grandes
volmenes de mercancas estandarizadas
produccin intermitente: sistema de produccin por lotes o por pedidos
especficos; es habitualmente llevada a cabo en talleres
produccin por montaje: sistema de produccin que encadena las
secuencias de procesos que convergen hacia una lnea continua en la que
se ensamblan los productos finales
planificacin cruzada de inventarios: sistema que ayuda a planear y controlar
la produccin por medio de enlaces electrnicos entre fbricas y las
unidades de apoyo (diseo y compras); organiza un entorno capaz de dar
una respuesta dinmica
sistema logstico eficiente: permite que los materiales necesarios para la
produccin lleguen a su punto de uso en la cantidad y en el momento
adecuado, sin necesidad de mantener inventarios excesivos
modelo: es una representacin simplificada de una situacin emprica
(problema) real
criterio: unidad de medida de la decisin tomada. Orienta todo el modelo e
indica para qu es que se est formulando
opciones: conjunto de posibles acciones que se pueden tomar para resolver
el problema real al que se enfrenta la organizacin
 estructura cuantitativa: es la parte central del modelo; es la herramienta
matemtica cuya lgica se basa en el tipo de problema que se pretende
resolver; adems, su resultado final es la respuesta que se busca para la
toma de decisiones
variables cuantitativas: factores medibles de un modelo o situacin real
variables cualitativas: el juicio intuitivo aplicando los factores cuantitativos
outsourcing: subcontratacin de otras empresas para proveerse de algunos
sub-componentes o productos intermedios que no se producen internamente
TRABAJO PRCTICO

Se le sugiere al docente que organice equipos para que efecten una investigacin
documental sobre los temas centrales de este captulo. Por ejemplo, se podran
investigar los subtemas: diseos de productos, productividad y eficiencia
empresarial, control de la produccin, balanceo de lneas de produccin, sistema
logstico justo a tiempo JIT, programacin de proyectos PERT y CPM, entre otros.

Tambin, se puede aplicar lo estudiado en este captulo a un caso particular de

alguna empresa hondurea. Se recomienda una empresa que disponga de
procesos industriales para la fabricacin de mercancas; por ejemplo, produccin de
cemento, elaboracin de productos de plstico, procesamiento de alimentos,
maquilas de ropa, entre otros.

ESTRATEGIA DE ESTUDIO

Se le sugiere al estudiante leer detenidamente este captulo previamente a la

discusin en clase; adems, es recomendable repetir cada uno de los ejemplos y
realizar un esfuerzo por resolver los ejercicios propuestos. Luego, debern
discutirse en grupo cada uno de los ejercicios y preguntar al maestro sobre sus
dudas al respecto.
CAPTULO 2.- PROGRAMACIN LINEAL

DIAGNSTICO INICIAL
A continuacin se le presenta una serie de preguntas que le ayudarn a medir su
nivel de conocimientos sobre el tema.

Autoevaluacin:
6. Qu es un modelo para la toma de decisiones? Por qu debe ser
simplificado?
7. Qu caractersticas debe poseer un modelo simple?
8. Cules son los elementos bsicos de un modelo simple?
9. Cules son las fuentes de error en la formulacin de un modelo para la
toma de decisiones?
10. Por qu deben aplicarse criterios cualitativos para interpretar los resultados
de un modelo cuantitativo?
11. En qu forma pueden ser tiles los modelos en la administracin de la
produccin?

INTRODUCCIN
Las decisiones sobre la seleccin de los productos estn influidas por: los recursos
y la base tecnolgica de la empresa, por el estado del mercado y por la motivacin
de la empresa de usar sus capacidades para cubrir las necesidades del mercado.

En el agrupamiento de la lnea de productos, se deben adoptar decisiones para

seleccionar la mezcla de productos que se generar (o cuales procesos se usarn)
en funcin del costo, la capacidad y otras limitaciones. La programacin lineal es
una tcnica muy til para apoyar el proceso de decisin sobre la mezcla de
productos (o de procesos de fabricacin).

La programacin lineal se aplica en situaciones en las empresa tiene una demanda

de cualquier cantidad de dos o ms productos que puede ofrecer. Otra aplicacin
usual es la seleccin de la mezcla ptima ms barata de materias primas o
procesos que se aplicarn cuando se pueda escoger entre varios de ellos.

OBJETIVOS DEL CAPTULO

 Comprender el concepto de la programacin lineal y sus posibilidades de
aplicacin a problemas prcticos.
Dominar la terminologa de la programacin lineal.
Plantear un modelo de programacin lineal partiendo de su enunciado en
trminos generales.
Aplicar las tcnicas de resolucin de sistemas de ecuaciones e inecuaciones
lineales.
Representar las regiones factibles y determinar grficamente los puntos
donde puede darse la solucin ptima.
Encontrar la solucin ptima del modelo.

TEMAS Y SUBTEMAS
Tema General: Programacin Lineal
Qu es la programacin lineal
Funcin objetivo y restricciones del modelo
Regin factible y solucin ptima
Mtodo grfico de optimizacin
o Definiciones bsicas de la programacin lineal
o Mtodo grfico para maximizacin
o Mtodo grfico para minimizacin
Mtodo analtico de optimizacin
o Teorema fundamental de la programacin lineal
o Rectas de nivel de la funcin objetivo
o Tipos de solucin para problemas de optimizacin
Mtodo simplex de optimizacin
o Procedimiento de Simplex
o Variables de Holgura
o Prueba de optimizacin

2.1- Qu es la Programacin Lineal?

En infinidad de aplicaciones de la industria, la economa, la estrategia militar y otros
se presentan situaciones en las que se exige maximizar o minimizar algunas
funciones que se encuentran sujetas a determinadas limitaciones, que se conocen
como restricciones.
En sntesis, se llama programacin lineal al conjunto de tcnicas matemticas que
pretenden resolver una situacin de optimizacin (maximizacin o minimizacin) de
una funcin objetivo que expresa de forma cuantitativa el criterio del modelo. Esta
funcin objetivo est sujeta a las restricciones que se expresan como inecuaciones
o desigualdades lineales (Monk, 1993: 103).

La tcnica de programacin lineal respeta tres supuestos bsicos (Arrixaca, 1997;

66):
Certidumbre: supone que los valores de costos e ingresos (o cualquier otro
coeficiente) son conocidos de antemano;
Aditividad: las utilidades o costos del modelo se pueden sumar; y
No negatividad: los resultados de las cantidades producidas no pueden ser
valores negativos.

Los modelos de programacin lineal relacionan variables de decisin tanto en la

funcin objetivo como en las restricciones, que corresponden a las cantidades
productos o los indicadores de procesos que se combinan en la produccin. Por su
parte, las restricciones expresan las limitaciones de recursos o necesidades de
fabricacin; por ello, se formulan como desigualdades ( y ) para cantidades
especficas que pueden variar segn las condiciones reales de la situacin.

2.2- La Funcin Objetivo y las Restricciones del Modelo

Para brindar una idea ms clara sobre la formulacin de la funcin objetivo y las
restricciones, se presenta el siguiente ejemplo ilustrativo:

Ejemplo 2.1
En una granja se preparan dos clases de concentrados (P y Q), mezclando dos
productos (A y B). Un saco de P contiene 8 kg de A y 2 kg de B, y un saco de Q
contiene 10 kg de A y 5 de B. Cada saco de P se vende a L. 300 y cada saco de Q a
L. 800. Si en la granja hay almacenados 80 kg de A y 25 kg de B, plantee la funcin
objetivo y las restricciones del modelo.

Solucin:
Si designamos por x al nmero de sacos de concentrado de clase P y por y el
nmero de sacos de concentrado de clase Q que se han de vender, la funcin
objetivo de maximizacin ser: Z = 300x + 800y. Esta ecuacin representa la cantidad
de Lempiras obtenidos por la venta combinada de los concentrados P y Q. En
relacin a las limitaciones, es recomendable hacer un pequeo cuadro que ayude a
obtener las restricciones:
variable kilogramos de A kilogramos de B
P x 8x 2x
Q y 10y 5y
lmites 80 25

Asimismo, las variables x e y, lgicamente, han de ser no negativas; por tanto:

x 0, y 0

En sntesis, el conjunto de restricciones de este modelo son:

8x + 10y 80
x 0, y 0
2x + 5y 25

Nota: siempre que sea un modelo para maximizacin se utilizar la desigualdad

menor o igual que () y en el caso se minimizacin se usar la desigualdad mayor o
igual que ().

2.3- Regin Factible y la Solucin ptima

Las restricciones definen una regin factible que representa un rea dentro de la
cual se encuentran todas las posibles combinaciones de solucin. La solucin de un
problema de programacin lineal, en el caso de que exista, debe estar en la regin
determinada por las distintas desigualdades. Esta recibe el nombre de regin
factible, y puede estar o no acotada (delimitada).

La regin factible incluye los lados y los vrtices, segn el tipo de desigualdades (,
, < o >). Generalmente, cuando la regin est acotada su representacin grfica es
un polgono con un nmero de lados menor o igual al nmero de restricciones. A
continuacin se ilustran dos ejemplos de regiones factibles de optimizacin:

Regin factible acotada Regin factible no acotada

La solucin ptima de la regin factible representa la mezcla de variables que
cumple con todas las restricciones del modelo y depende del criterio expresado en
la funcin objetivo (Monk, 1993: 103). Esta solucin siempre se encuentra en una
interseccin de las restricciones o en alguna esquina de la regin ptima. Adems,
siempre debe tenerse en consideracin que la combinacin (0,0) es una solucin
bsica del modelo.

2.4- Mtodo Grfico de Optimizacin

Es el mtodo de optimizacin ms sencillo y es ampliamente utilizado para diversas
aplicaciones. Al emplear este procedimiento se pretende representar
geomtricamente la regin factible ubicada en el primer cuadrante de un semiplano
cartesiano. Es muy til para optimizar modelos con dos variables (2 productos). Una
parte fundamental de este mtodo es la construccin de la regin factible; para
ilustrar este procedimiento se presenta un ejemplo a continuacin.

Ejemplo 2.2
Dibujar la regin factible asociada a las siguientes restricciones:

x+y 4

y 4

y x

Las rectas asociadas son: r: x + y = 4; s: y = 4, t: y = x

Elige el punto O (0,0), que se encuentra en
el semiplano situado por debajo de la recta.
Introduciendo las coordenadas (0,0) en la
inecuacin x + y 4, vemos que no la
satisface: 0 + 0 = 0 < 4. Por tanto, el
conjunto de soluciones de la inecuacin es
el semiplano situado por encima de la recta
r: x + y = 4.
Procede como en el paso anterior. Las
coordenadas (0,0) satisfacen la inecuacin y
4 (0 4). Por tanto, el conjunto de
soluciones de la inecuacin es el semiplano
que incluye al punto O.

La recta t asociada a la restriccin pasa por

el origen, lo cual significa que si
probsemos con el punto O (0,0) no
llegaramos a ninguna conclusin. Elegimos
el punto (1,0) y vemos que no satisface la La regin factible est formada por los
inecuacin y x (y = 0 < 1 = x). Por tanto, el puntos que cumplen las tres restricciones;
conjunto solucin de esta inecuacin es el es decir, se encuentran en los tres
semiplano determinado por la recta t que no semiplanos anteriores.
incluye al punto (1,0).

En general, el mtodo grfico se utiliza para la solucin de problemas de

programacin lineal, representando geomtricamente a las restricciones,
condiciones tcnicas y el objetivo. El modelo se puede resolver en forma grfica si
tiene slo dos variables. Para los modelos con tres o ms variables, el mtodo
grfico es imprctico o imposible.

Cuando los ejes son relacionados con las variables del problema (cantidades de
productos), el mtodo es llamado mtodo grfico en actividad. Cuando se relacionan
las restricciones tecnolgicas (capacidades instaladas en la planta de produccin)
se denomina mtodo grfico en recursos. (Render, 2004: 673)

Los pasos necesarios para realizar el mtodo grfico de optimizacin son (Ramos,
2003: 57):

1. Graficar las soluciones factibles -o el espacio factible de soluciones- que

satisfagan todas las restricciones en forma simultnea. Las restricciones de
no negatividad x 0 confan todos los valores posibles.
2. El espacio encerrado por las restricciones restantes se determinan
sustituyendo en primer trmino (o ) por = para cada restriccin, con lo
cual se produce la ecuacin de una lnea recta.
3. Trazar cada lnea recta en el plano y la regin (rea sombreada) en cual se
encuentra cada restriccin. Cuando se considera la desigualdad, lo indica la
direccin de la flecha situada sobre la lnea recta asociada.
4. Cada punto contenido o situado en la frontera del espacio de soluciones
satisfacen todas las restricciones y por consiguiente, representa un punto
factible.
5. Aunque hay un nmero infinito de puntos factibles en el espacio de
soluciones, la solucin ptima puede determinarse al observar la direccin
en la cual aumenta la funcin objetivo.
6. Las lneas paralelas que representan la funcin objetivo se trazan mediante
la asignacin de valores arbitrarios a fin de determinar la pendiente y la
direccin en la cual crece o decrece el valor de la funcin objetivo.

Ejemplo 2.3

Resolver mediante el mtodo grfico el siguiente problema de optimizacin:

Maximizar: Z = 3x + 2y
Restricciones: 2x + y 18 3x + y 24

2x + 3y 42 x0,y0

Paso 1: inicialmente, se dibuja el sistema de coordenadas asociando a un eje la

variable x, y al otro la y, como se puede ver en la figura siguiente.

Paso 2: se marca en ellos una escala numrica apropiada de acuerdo con las
magnitudes de las variables relacionadas en las restricciones del problema. A
continuacin se trazan las restricciones, para lo cual deben encontrarse los
interceptos para cada eje. Comenzando con la primera, se dibuja la recta que se
obtiene al considerar la restriccin como igualdad. Aparece representada como el
segmento que une A con B y la regin que delimita sta restriccin viene indicada
por el color AMARILLO.

Paso 3: se repite el proceso de la misma forma con la segunda y tercera

restriccin, que aparecen delimitadas en semiplano cartesiano con color AZUL y
ROJO, respectivamente. La regin factible es la interseccin de las regiones
delimitadas por las tres restricciones y por las condiciones de no negatividad de las
variables; es decir, por la regin de valores admisibles limitada por ambos ejes
coordenados. La regin factible est representada por el polgono cuyos vrtices
son O-F-H-G-C, que aparece de color VIOLETA.
Paso 4: ya que la regin factible es no vaca (problema factible), procedemos a
determinar sus puntos extremos, candidatos a convertirse en las soluciones
ptimas, que son los puntos O-F-H-G-C de la figura mostrada a continuacin. Para
determinar estos puntos es necesario igualar la primera ecuacin de restriccin con
la segunda, la segunda con la tercera y la primera con la tercera, respectivamente.
Para realizar este clculo puede usarse el procedimiento de Cancelacin y
Sustitucin, o cualquier otro mtodo para la solucin de un sistema de ecuaciones
(matricial).
Paso 5: finalmente, se evala la funcin objetivo (3x + 2y) en esos puntos,
sustituyendo sus coordenadas (valores de x y y); estos resultados se recogen en la
tabla siguiente. Como el punto G proporciona el mayor valor para la funcin objetivo
Z, tal punto constituye la solucin ptima que se indica con las coordenadas x = 3, y
= 12 y con un valor ptimo Z = 33.

Punto extremo Coordenadas (x,y) Valor Objetivo (Z)

O (0,0) 0

C (0,14) 28

G (3,12) 33

H (6,6) 30

F (8,0) 24

Ejercicios Propuestos
1. Una empresa de productos qumicos fabrica detergentes y jabones; gana
US$ 10 en cada lote de detergentes y US$ 30 en cada lote de jabones.
Ambos productos requieren procesarse en las mismas mquinas (A y B).
Pero, los detergentes ocupan 4 horas en la A y 8 horas en la B. En cambio,
los jabones necesitan 6 horas en la A y 4 en la B. Durante la semana, las
mquinas A y B tienen 12 y 16 horas de capacidad disponible,
 respectivamente. Suponiendo que se demandan ambos productos, cuntos
lotes de detergentes y cuntos lotes de jabn se deben producir para
alcanzar la utilidad mxima? Use el mtodo grfico de optimizacin.
2. Una compaa posee dos minas: la mina A produce diariamente 1 tonelada
de hierro de alta calidad, 3 toneladas de calidad media y 5 de baja calidad.
La mina B produce cada da 2 toneladas de cada una de las tres calidades.
La compaa necesita al menos 80 toneladas del mineral de alta calidad, 160
toneladas de calidad media y 200 de baja calidad. Sabiendo que el costo
diario de la operacin es de US$ 2000 en cada mina, determinar mediante el
mtodo grfico cuntos das debe trabajar cada mina para que el costo
sea mnimo?
3. Se va a organizar un taller para reparacin de automviles donde van a
trabajar electricistas y mecnicos. Por necesidades del mercado potencial,
es necesario que haya mayor o igual nmero de mecnicos que de
electricistas, y que el nmero de mecnicos no supere al doble que el de
electricistas. En total hay disponibles 30 electricistas y 20 mecnicos. El
beneficio de la empresa por jornada es de L. 2500 por electricista y L. 2000
por mecnico. Cuntos trabajadores de cada clase deben elegirse para
obtener el mximo beneficio y cual es este? Resolver con mtodo grfico.
4. Una escuela prepara una excursin para 400 alumnos. La empresa de
transporte tiene 8 autobuses medianos de 40 sillones y 10 autobuses
grandes de 50 sillones, pero slo dispone de 9 conductores. El alquiler de un
autobs grande cuesta US$ 80 y el de uno pequeo US$ 60. Calcular,
mediante el mtodo grfico, cuntos de cada tipo hay que utilizar para que la
excursin resulte lo ms econmica posible para la escuela.

2.5- Mtodo Analtico de Optimizacin

En el siguiente recuadro se muestra el teorema fundamental de la programacin

lineal, que le permite conocer al evaluador otro procedimiento para solucionar un
problema con dos variables utilizando las tcnicas del mtodo grfico. (Villanova,
1990: 48).

En un programa lineal con dos variables, si existe una solucin

nica que optimice la funcin objetivo, sta se encuentra en un
 punto extremo (vrtice) de la regin factible acotada, nunca en el
interior de dicha regin.

Si la funcin objetivo toma el mismo valor ptimo en dos vrtices,

tambin toma idntico valor en los puntos del segmento que
determinan.

En el caso de que la regin factible no es acotada, la funcin

lineal objetivo no alcanza necesariamente un valor ptimo
concreto, pero, si lo hace, ste se encuentra en uno de los
vrtices de la regin

En otras palabras, la evaluacin de la funcin objetivo en los vrtices de la regin

factible permite encontrar el valor ptimo (mximo o mnimo) en alguno de los
extremos. Para ello, debe calcularse los interceptos de la funcin objetivo y luego
trazar esta recta en el semiplano cartesiano donde se ubica la regin factible. Para
encontrar el punto ptimo (mejor combinacin de las variables), se debe desplazar
la funcin objetivo hacia el vrtice ms alejado del rea sombreada utilizando rectas
de nivel. Las rectas de nivel son segmentos de recta que tienen la misma pendiente
(inclinacin) que la funcin objetivo y que sirven para localizar el extremo ms
alejado de la regin factible.

Ejemplo 2.4

En un almacn se guarda aceite de girasol y de oliva. Para atender a los clientes se

han de tener almacenados un mnimo de 20 barriles de aceite de girasol y 40 de
aceite de oliva y, adems, el nmero de barriles de aceite de oliva no debe ser
inferior a la mitad del nmero de barriles de aceite de girasol. La capacidad total del
almacn es de 150 barriles. Conociendo que el cobro por almacenaje es de US$ 1
por barril al da para los dos tipos de aceite, cuntos barriles de cada tipo habr
que almacenar diariamente para que lograr el mximo beneficio?

Solucin:
Paso 1: debe leerse detenidamente el enunciado; luego, determinar el criterio,
definir las variables y escribir la funcin objetivo. El criterio es: hallar cuntos barriles
de cada tipo hay que almacenar para maximizar los beneficios.

Suponemos que tal objetivo se consigue almacenando x barriles de aceite de girasol

e y de aceite de oliva. Como cada barril de aceite de girasol cuesta almacenarlo
US$ 1 /da y lo mismo para uno de aceite de oliva, los ingresos sern de: x + y. Por
tanto, el criterio y la funcin objetivo son los siguientes:

Maximizar: Z = x + y

Paso 2: deben reordenarse los datos del problema y, a partir de las cantidades
decididas (x e y), se construye el sistema de inecuaciones (desigualdades) que
determinan las restricciones.

Un mnimo de 20 barriles de aceite de girasol: x 20

Un mnimo de 40 barriles de aceite de oliva: y 40
El nmero de barriles de aceite de oliva no debe ser inferior a la mitad del
nmero de barriles de aceite de girasol: y x/2
La capacidad total del almacn es de 150 barriles: x + y 150

Adems, los nmeros de barriles deben ser cantidades positivas: x 0;y 0

Paso 3: el problema debe resumirse en la forma estndar. Para este ejemplo, sera:

Maximizar: Z=x+y
Restricciones: x+y 150
y x/2
x 20 ; y 40
Paso 4: Representar grficamente las restricciones y marcar claramente la regin
factible. Para las restricciones anteriores debemos representar las rectas: x + y =
150, y = x/2, x = 20 e y = 40, obtenindose la regin factible que en la figura se
encuentra sombreada.

Paso 5: despus, se calculan las coordenadas de los vrtices del polgono

obtenido. Resolviendo los sistemas de ecuaciones (se recomienda cancelacin y
sustitucin): { x = 20, y = 40 }, { y = x/2 , y = 40 }, { y = x/2 , x + y = 150}, { x + y =
150, x = 20}; se obtienen los vrtices (pares coordenados): A(20,40) , B(80,40) ,
C(100, 50) , D(20,130).

Paso 6: Sustituir las coordenadas de esos puntos en la funcin objetivo y hallar el

valor mximo o mnimo. Sustituyendo en Z = x + y, se tiene:

Z(20,40) = 60 , Z(80,40) = 120 , Z(100, 50) = 150 , Z(20,130) = 150

Como el valor mximo se obtiene en los puntos C y D, puede optarse por cualquiera
de los dos, o por cualquier punto perteneciente al segmento de recta que los une.
Por ejemplo, se obtendra el mismo beneficio con 40 barriles de aceite girasol y 110
barriles de aceite de oliva; se insta al lector a realizar la prueba con 90 barriles y 60
barriles, respectivamente.
Paso 7: tambin, es conveniente representar las rectas de nivel para comprobar
que la solucin grfica coincide con la encontrada trazando la funcin objetivo sobre
el semiplano cartesiano. Esta conveniencia se convierte en una necesidad cuando
la regin factible es no acotada; por ejemplo, en los problemas de minimizacin.

En este caso, puede comprobarse que la funcin objetivo (y sus rectas de nivel)
tiene la misma pendiente que la primera recta de restriccin x + y 150; por tanto,
hay mltiples soluciones ubicadas en todos los puntos de esta recta.

Paso 8: por ltimo, como en la resolucin de todo problema es necesario criticar la

solucin; es decir, cerciorarse de que la solucin hallada es lgica y correcta.

En este ejemplo, no todos los puntos del segmento CD son soluciones vlidas, ya
que no pueden admitirse valores de x e y que no sean nmeros enteros, como
ocurrira en el punto (90.5, 59.5), ya que se habla de barriles completos.

2.6- Tipos de Soluciones

En caso que se encuentren combinaciones que satisfagan las restricciones del

modelo, las soluciones que se deriven de la funcin objetivo pueden ser:

Con una solucin nica

Ejemplo 2.5

En una colonia residencial se van a construir mansiones de dos tipos: A y B. La

empresa constructora dispone para ello de un mximo de L. 1800 millones, siendo
el costo de cada tipo de mansin de L. 30 y L. 20 millones, respectivamente. La
alcalda del distrito exige que el nmero total de residencias no sea superior a 80.
Sabiendo que el beneficio obtenido por la venta de una mansin de tipo A es L. 4
millones y de L. 3 millones por una de tipo B, cuntas mansiones deben
construirse de cada tipo para obtener el mximo beneficio?

Variables: x = cantidad de casas tipo A ; y = cantidad de casas tipo B

Maximizar la funcin objetivo: Z = 4x + 3y
Conjunto de restricciones: el costo total 30x + 20y 1800. La alcalda
impone: x + y 80. Y por la no negatividad: x 0,y 0.
Tiene por regin factible el rea sombreada en la figura siguiente. Al calcular los
valores de la funcin objetivo en cada uno de los vrtices se obtiene: Z(O) = f(0,0) =
0; Z(C) = f(60,0) = 240; Z(D) = f(20,60) = 260; f(E) = f(0,80) = 240.

La solucin es nica, y corresponde al vrtice para el que la funcin objetivo toma el

valor mximo; en este caso es el vrtice D(20,60). Por tanto, la interpretacin se
orienta a que la constructora debe construir 20 mansiones de tipo A y 60 de tipo B
para obtener un beneficio de L. 260 millones.

Con solucin mltiple: si existe ms de una combinacin

Ejemplo 2.6

Maximizar la funcin objetivo Z = 4x + 2y;

Sujeta a las restricciones: 2x + y 4; x - y 1; x 0; y 0.

Los valores de la funcin objetivo en cada uno de los vrtices son: Z(O)=f(0,0) = 0,
Z(A) = f(1,0) = 4; Z(B) = f(5/3,2/3) = 8, Z(C) = f(0,4) = 8. La funcin objetivo alcanza
el valor mximo en los vrtices B y C; y, en consecuencia, en todos los puntos a lo
largo del segmento BC.
Hay infinitas soluciones (solucin mltiple) que corresponden a los puntos del
segmento situado entre dos vrtices de la regin factible. En estos casos, como ya
se explic en la seccin anterior, la funcin objetivo es paralela a una de las
restricciones.

Con solucin no acotada: cuando no existe lmite para la funcin objetivo

Ejemplo 2.7

Maximizar la funcin objetivo: Z = x + y

Sujeta a las restricciones: y 2x; y x/2.

Tiene por regin factible la zona sombreada que aparece en la figura, la cual es una
regin no acotada. La funcin crece indefinidamente para valores crecientes de x e
y. En este caso, no existe un valor extremo para la funcin objetivo, por lo que
puede decirse que el problema carece de solucin. Para que suceda esta situacin
la regin factible debe estar no acotada.

No factible: cuando no existe solucin por que las restricciones son inconsistentes

Ejemplo 2.8

Maximizar la funcin objetivo: Z = 3x + 8y

Sujeta a las restricciones x + y 6,x+y 2,x 0,y 0.

No existe la regin factible, ya que las reas sombreadas que aparecen en la figura
son nicamente soluciones de alguna de las inecuaciones. Por tanto, el conjunto de
soluciones del sistema de desigualdades no determina ninguna regin factible.
Este tipo de problemas carece de solucin. (Ver grfica siguiente)

Ejercicios Propuestos
1. Textiles Ro Lindo ha recibido un pedido para producir una tela que
especficamente contenga al menos 45 kilogramos de lana y 25 kilogramos
de nylon. La tela puede ser tejida con una mezcla de dos fibras (X e Y)
elaboradas con diferentes porcentajes de lana, nylon y algodn. Estos
contenidos y costos se muestran en la siguiente tabla:
Fibras Lana Nylon Algodn COSTO
X 60 % 10 % 30 % $ 2 / Kg
Y 30 % 50 % 20 % $ 3 / Kg

Encuentre las cantidades de x e y que cumplan con los requerimientos de

lana y nylon al menor costo posible del pedido, utilizando el mtodo analtico.

2. Se pretende cultivar en un terreno dos tipos de palma: A y B. No se puede

cultivar ms de 8 hectreas con semilla de tipo A, ni ms de 10 hectreas
con semilla del tipo B. Cada hectrea de tipo A necesita 4 m de agua
anuales y cada una de tipo B ocupa 3 m; se dispone anualmente de 44 m
de agua. Cada hectrea de tipo A requiere una inversin de US$ 500 y cada
una de tipo B US$ 225. Se dispone de US$ 4500 para realizar dicha
inversin. Si cada hectrea de palma africana de tipo A y B producen,
respectivamente, 500 y 300 litros anuales de aceite:
a) Obtener razonadamente las hectreas de cada tipo de semilla que se
deben plantar para maximizar la produccin de aceite.
b) Obtener la produccin mxima, mediante el mtodo analtico.
3. Una persona, para recuperarse de cierta enfermedad, tiene que tomar en su
alimentacin dos clases de componentes: x e y. Necesita tomar 70 unidades
 de x y 120 unidades de y. El mdico le da dos tipos de dietas en las que la
concentracin de dichos componentes es: dieta D1, 2 unidades de x y 3
unidades de y; dieta D2, 1 unidad de x y 2 unidades de y. Sabiendo que el
precio de la dieta D1 es US$ 2.5 y el de la dieta D2 es US$ 1.45 definir
mediante el mtodo analtico cul es la distribucin alimenticia ptima para
el menor costo posible?
4. Se dispone de 120 refrescos de cola con cafena y de 180 refrescos de cola
sin cafena. Los refrescos se venden en paquetes de dos tipos. Los paquetes
de tipo A contienen tres refrescos con cafena y tres sin cafena, y los de tipo
B contienen dos con cafena y cuatro sin cafena. El vendedor gana L. 6 por
cada paquete que venda de tipo A y L. 5 por cada uno que vende de tipo B.
Calcular de forma analtica cuntos paquetes de cada tipo debe vender para
maximizar los beneficios y calcular ste.

2.7- Mtodo Simplex de Optimizacin

Generalmente, los problemas reales de programacin lineal en las industrias involucran

muchas variables de decisin y varias restricciones de diferente ndole. Es un procedimiento
iterativo que permite ir mejorando progresivamente la solucin ptima a cada paso (Monk,
1993: 107). El proceso concluye cuando no es posible seguir mejorando ms dicha solucin.

Aunque el mtodo simplex es bastante til en modelos complejos de gran escala

(usualmente, resueltos con una computadora), siempre es conveniente aplicarlo a problemas
ms sencillos para verificar los resultados que brindan mtodos ms sencillos como el
grfico.

Partiendo del valor de la funcin objetivo en un vrtice cualquiera de la regin ptima, el

mtodo consiste en buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda
se hace siempre a travs de los lados del polgono (o de las aristas del rea sombreada, si el
nmero de variables es mayor). Cmo el nmero de vrtices es finito (est definido), siempre
se podr encontrar la solucin.

El mtodo del simplex se basa en la siguiente definicin: si la funcin objetivo no toma su

valor mximo en el vrtice A, entonces hay una arista que parte del punto A, a lo largo de la
cual Z se optimiza.

En el procedimiento del simplex se requiere que las restricciones estn expresadas

como igualdades y no como desigualdades. Por tanto, se debe introducir en cada
restriccin una variable de holgura que representa una cantidad no utilizada, o la
diferencia entre lo aprovechado y el lmite de lo que puede aprovecharse. Estas
variables de holgura pueden representarse con cualquier letra excepto con las letras
que identifican a las variables de decisin (las principales).

El procedimiento del mtodo simplex se resume en los pasos siguientes (Ramos,

2003: 73):
1. Convertir el sistema de ecuaciones a la forma estndar del simplex: una vez
formulada la funcin objetivo debe igualarse a cero. Asimismo, una vez
formuladas las desigualdades de restriccin, se deber introducir una
variable de holgura en cada ecuacin para convertirla en igualdad. Al
conjunto de ecuaciones transformadas se le conoce como forma estndar
del simplex.
2. Establecer la tabla inicial de simplex: introducir los coeficientes de la funcin
objetivo y las restricciones, las variables de decisin, variables de holgura,
valor de solucin (segundo miembro) y la relacin de las variables.
3. Seleccione la columna pivote: esta columna de la tabla simplex se escoge
identificando el nmero de mayor magnitud en la fila de la Z y bajo las
columnas de las variables de decisin. Una vez identificado ese nmero se
marca la columna correspondiente cuya variable de decisin se convierte en
parte de la solucin final.
4. Seleccione el rengln pivote: para ubicarlo se debe calcular la relacin de las
variables de decisin, dividiendo el valor del segundo miembro de cada fila
entre el coeficiente de la columna pivote ubicado en esa misma fila. La
relacin de menor magnitud ser el rengln pivote y deber marcarse en la
tabla para conocer cual de las variables de holgura se sustituir.
5. Seleccionar el elemento pivote: en la interseccin (cruce) de la columna
pivote y la fila pivote se encuentra el elemento pivote para cada iteracin.
6. Convertir el elemento pivote en 1: esta operacin se logra dividiendo cada
elemento (nmero) de la fila pivote entre el valor del elemento pivote. Esta
nueva fila de valores debe colocarse en la siguiente tabla simplex de
iteracin, justamente en la posicin en que se ubica la fila pivote actual.
7. Generar los dems renglones de la siguiente tabla simplex: se debe
multiplicar el nuevo rengln (del paso 5) por el inverso aditivo (misma
magnitud con signo opuesto) del coeficiente de la columna pivote que se
desea eliminar. Luego, estos productos de la multiplicacin deben sumarse a
los coeficientes del antiguo rengln, y los resultados se ubicarn en la nueva
 tabla simplex justamente en la posicin correspondiente a la fila con la que
se opera y se desea eliminar. Este procedimiento se repite en cada rengln
de la columna pivote, incluyendo el elemento de la fila de la Z.
8. Iterar hasta encontrar la respuesta: se contina repitiendo este
procedimiento iterativo hasta que se tiene una matriz identidad en las
posiciones de las variables de decisin. Es decir, cuando cada columna de
las variables de decisin tiene un coeficiente de 1 y el resto de ceros.
9. Leer los resultados de la optimizacin: los resultados finales de cada variable
de decisin, de holgura y de optimizacin se encuentran en la columna del
segundo miembro en la tabla simplex (ltima columna).

Ejercicio 2.9

Resolver mediante el mtodo del simplex el siguiente problema:

Maximizar: Z = 3x + 2y
Restricciones: 2x + y 18
2x + 3y 42
3x + y 24
x 0,y 0

Solucin:

1. Convertir las desigualdades en igualdades y plantear la forma estndar del

simplex

Se introduce una variable de holgura (h, s, d) por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:

2x + y + h = 18
2x + 3y + s = 42
3x +y + d = 24

Igualar la funcin objetivo a cero: - 3x - 2y + Z = 0

2. Escribir la tabla inicial simplex.

En las columnas aparecern todas las variables del problema y, en las filas, los
coeficientes de las igualdades obtenidas, una fila para cada restriccin y la ltima
fila con los coeficientes de la funcin objetivo:
 Tabla I. Iteracin n 1

Base Variable de decisin Variable de holgura Valores solucin

x y h s d 2 miembro

h 2 1 1 0 0 18

s 2 3 0 1 0 42

d 3 1 0 0 1 24

Z -3 -2 0 0 0 0

3. Encontrar la variable de decisin que entra en la base (1 columna) y la variable

de holgura que sale de la base, marcando la columna, fila y elemento pivote.

A. Para escoger la variable de decisin que entra en la base, se debe ubicar en

la ltima fila, la de los coeficientes de la funcin objetivo, y escoger la
variable con el coeficiente negativo de mayor magnitud (en valor absoluto).
En este caso, la variable x de coeficiente - 3.

Si existiesen dos o ms coeficientes iguales que cumplan la condicin

anterior, entonces se elige cualquiera de ellos.

Si en la ltima fila no existiese ningn coeficiente negativo, significa que se

ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del
proceso de aplicacin del mtodo del simplex, es que en la ltima fila no
haya elementos negativos. La columna de la variable que entra en la base se
llama columna pivote (en color azul).

B. Para encontrar la variable de holgura que tiene que salir de la base, se divide
cada trmino de la ltima columna (valores solucin) por el trmino
correspondiente de la columna pivote, siempre que estos ltimos sean
mayores que cero. En este caso: 18/2 = 9, 42/2 = 21 y 24/3 = 8

Si hubiese algn elemento menor o igual que cero no se hace dicha relacin.
En el caso de que todos los elementos fuesen menores o iguales a cero,
entonces se tendra una solucin no acotada y no se puede seguir.
 El trmino de la columna pivote que en la divisin anterior d lugar al menor
cociente positivo, el 3 (ya que la relacin de 8 es la menor) indica la fila de la
variable de holgura (d) que sale de la base. Esta fila se llama fila pivote (En
color azul). Si al calcular los cocientes, dos o ms son iguales, indica que
cualquiera de las variables correspondientes puede salir de la base.

C. En la interseccin de la fila pivote y columna pivote tenemos el elemento

pivote operacional, 3.

4. Encontrar los coeficientes de la nueva tabla.

Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de la fila

d por el elemento pivote 3, que es el que hay que convertir en 1.

A continuacin mediante la reduccin gaussiana (procedimiento de algebra lineal)

hacemos ceros los restantes trminos de su columna, con lo que obtenemos los
nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z.

Tambin se puede hacer utilizando el siguiente esquema:

Fila del pivote:

Nueva fila del pivote= (vieja fila del pivote) / (elemento pivote)

Resto de las filas:

Nueva fila= (vieja fila) - (coeficiente de la vieja fila en la columna de la

variable entrante) x (nueva fila del pivote)

Vase con un ejemplo una vez calculada la fila del pivote (fila de x en la Tabla II):

Vieja fila de s 2 3 0 1 0 42

- - - - - -

Coeficiente 2 2 2 2 2 2

x x x x x x

Nueva fila pivote 1 1/3 0 0 1/3 8

 = = = = = =

Nueva fila de s 0 7/3 0 1 -2/3 26

Tabla II. Iteracin n 2

Base Variable de decisin Variable de holgura Valores solucin

x y h s d 2 miembro

h 0 1/3 1 0 -2/3 2

s 0 7/3 0 1 -2/3 26

x 1 1/3 0 0 1/3 8

Z 0 -1 0 0 1 24

Como en los elementos de la ltima fila hay uno negativo -1, significa que no se ha
llegado todava a la solucin ptima. Hay que repetir el proceso (iterar):

A. La variable que entra en la base es y, por ser la variable que corresponde al

coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna pivote:
2:1/3 = 6, 26:7/3 = 78/7 y 8:1/3 [=8]; y como la menor relacin positiva es 6,
tenemos que la variable de holgura que sale es h.
C. El elemento pivote es 1/3, que ahora hay que hacer 1.

Operando de forma anloga a la anterior obtenemos la tabla:

Tabla III. Iteracin n 3

Base Variable de decisin Variable de holgura Valores solucin

x y h s d 2 miembro

y 0 1 3 0 -2 6

s 0 0 -7 0 4 12
 x 1 0 -1 0 1 6

Z 0 0 3 0 -1 30

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no se ha
llegado todava a la solucin ptima. Hay que repetir el proceso:

A. La variable que entra en la base es d, por ser la variable que corresponde al

coeficiente -1;
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna pivote:
6/(-2) = -3, 12/4 = 3, y 6/1 = 6; y como la menor relacin positiva es 3,
tenemos que la variable de holgura que sale es s.
C. El elemento pivote es 4, que ahora hay que hacer 1.

5. Finalmente, se obtiene la tabla siguiente:

Tabla IV. Final del proceso

Base Variable de decisin Variable de holgura Valores solucin

x y h s d 2 miembro

y 0 1 -1/2 0 0 12

d 0 0 -7/4 0 1 3

x 1 0 -3/4 0 0 3

Z 0 0 5/4 0 0 33

Como todos los coeficientes de la fila de la funcin objetivo son positivos, ahora s
se ha llegado a la solucin ptima. La solucin ptima est dada por el valor de Z en
la columna de los valores solucin; en este caso es: 33. En la misma columna se
puede observar el vrtice (combinacin) donde se optimiza, observando las filas
correspondientes a las variables de decisin que han ubicado en la base: (3,12).

2.7.1- Interpretacin Grfica del Simplex

Las sucesivas tablas que hemos construido van proporcionando el valor de la
funcin objetivo en los distintos vrtices, ajustndose,
a la vez, los coeficientes de las variables iniciales y de
holgura.

En la primera iteracin (Tabla I) han permanecido

todos los coeficientes iguales; se ha calculado el valor
de la funcin objetivo en el vrtice A(0,0), siendo este
igual a cero.

A continuacin se desplaza por la arista AB hasta

llegar a B; este paso aporta la (Tabla II). En esta segunda iteracin se ha calculado
el valor que corresponde al vrtice B(8,0): Z = 24

Sigue por la arista BC, hasta llegar a C, donde se para y despliega los datos de la
(Tabla III). En esta tercera iteracin se ha calculado el valor que corresponde al
vrtice C(6,6) : Z = 30.

Contina haciendo clculos a travs de la arista CD, hasta llegar al vrtice D. Los
datos que se reflejan son los de la (Tabla IV). Se concluye con esta tabla,
advirtiendo que ha terminado (pero antes se ha comprobado que la solucin no
mejora al desplazarse por la arista DE). El valor mximo de la funcin objetivo es Z
= 33, y corresponde a x = 3 e y = 12 (vrtice D).

Si se calcula el valor de la funcin objetivo en el vrtice E(0,14), su valor no supera

el valor de 33. Se recomienda al lector realizar esta prueba.
Ejercicios Propuestos
1. Una industria vincola produce vino y vinagre. El doble de la produccin de
vino es siempre menor o igual que la produccin de vinagre ms cuatro
unidades. Por otra parte, el triple de la produccin de vinagre sumado con
cuatro veces la produccin de vino se mantiene siempre menor o igual a 18
unidades. Encontrar el nmero de unidades de cada producto que se deben
producir para alcanzar un beneficio mximo, sabiendo que cada unidad de
vino deja un beneficio de L. 800 y cada unidad de vinagre de L. 200.
 2. Los precios de venta de dos productos x e y son US$ 7 y US$ 6,
respectivamente. La produccin de estos est definida por las siguientes
condiciones. La produccin de x es mayor o igual que la mitad de y; adems,
es menor o igual que el doble de y. La produccin total es tal que si slo se
produce x, se producen 10 kg, y si slo se produce y, se producen 15 kg. Y,
si se producen conjuntamente, la produccin mxima se encuentra en la
recta que une los puntos anteriores. Se le pide: dar la funcin objetivo de la
venta de ambos productos; expresar mediante inecuaciones los lmites de
optimizacin; y determinar los kilos que se han de producir de cada producto
para obtener el mximo beneficio.
3. A una persona que quiere adelgazar se le ofrecen dos productos A y B para
que tome una mezcla de ambos con las siguientes recomendaciones: no
debe tomar ms de 150 g de la mezcla ni menos de 50 g. La cantidad de A
debe ser igual o superior a la de B. No debe incluir ms de 100 g de A. Si
100g de A contiene 30 mg de vitaminas y 450 caloras; y 100 g de B
contienen 20 mg de vitaminas y 150 caloras; cuntos gramos de cada
producto debe mezclar para obtener el preparado ms rico en vitaminas?
4. Una empresa fabrica dos tipos de colonia: x e y. La primera contiene un 15%
de extracto de jazmn, un 20% de alcohol y el resto es agua; y la segunda
lleva un 30% de extracto de jazmn, un 15% de alcohol y el resto es agua.
Diariamente se dispone de 60 litros de extracto de jazmn y de 50 litros de
alcohol. Adems, cada da se pueden producir como mximo 150 litros de la
colonia y. El precio de venta por litro de la colonia x es de L. 500 y el de la
colonia y es L. 2000. Hallar los litros de cada tipo que deben producirse
diariamente para que obtener la mxima utilidad en la produccin.

EVALUACIN FORMATIVA

1. Para qu criterios es til la optimizacin de procesos productivos?

2. En qu forma ayuda la aplicacin de modelos de programacin lineal a la toma
de decisiones y estrategia empresarial?
3. Qu es lo que expresa la funcin objetivo y las restricciones de un modelo de
programacin lineal?
4. Por qu es inviable el uso del mtodo grfico para problemas con ms de dos
variables?
5. Cul es la diferencia entre el mtodo grfico en actividad y el mtodo grfico en
recursos?

DIAGNSTICO FINAL

1. Las restricciones pesqueras obligan a cierta empresa a pescar como mximo

2000 toneladas de camarones gigantes y 2000 toneladas de langosta roja,
adems, en total, las capturas de estas dos especies no pueden pasar de las
3000 toneladas. Si el precio del camarn gigante es de L. 80 /lb. y el precio de la
langosta roja es de L. 150 /kg, qu cantidades debe pescar para obtener el
mximo beneficio? Resolverlo con el mtodo grfico.
2. Un estudiante dedica parte de su tiempo al reparto de propaganda publicitaria.
La empresa A le paga L. 5 por cada impreso repartido y la empresa B, con
folletos ms grandes, le paga L. 7 por volante. El estudiante lleva dos bolsas:
una para los impresos A, en la que caben 120, y otra para los impresos B, en la
que caben 100. Ha calculado que cada da es capaz de repartir 150 volantes
impresos como mximo. Cuntos impresos habr de repartir de cada clase
para que su beneficio diario sea mximo? Aplicar el mtodo simplex.
3. Una compaa area tiene dos aviones (A y B) para cubrir un determinado
trayecto. El avin A debe hacer ms veces el trayecto que el avin B pero no
puede sobrepasar 120 viajes. Entre los dos aviones deben hacer ms de 60
vuelos pero no menos de 200. En cada vuelo A consume 900 litros de
combustible y B 700 litros; adems la empresa gana US$ 30,000 con A y US$
20,000 con B. Cuntos viajes debe hacer cada avin para obtener el mximo
de ganancias? Cuntos vuelos debe hacer cada avin para que el consumo de
combustible sea mnimo? Desarrollar estos modelos con el mtodo analtico.

GLOSARIO

programacin lineal: conjunto de tcnicas matemticas que pretenden

resolver una situacin de optimizacin (maximizacin o minimizacin) de un
problema complejo
funcin objetivo: expresa de forma cuantitativa el criterio del modelo
restricciones: limitaciones de una situacin real; se expresan como
inecuaciones o desigualdades lineales
variables de decisin: corresponden a las cantidades productos o los
indicadores de procesos que se combinan en la produccin
 regin factible: rea de un modelo grfico que incluye todas las posibles
soluciones a un problema complejo; puede estar o no acotada (delimitada).
La regin factible incluye los lados y los vrtices, segn el tipo de
desigualdades
solucin ptima: la mezcla de variables que cumple con todas las
restricciones del modelo y depende del criterio
mtodo grfico en actividad: cuando los ejes son relacionados con las
variables del problema (cantidades de productos)
mtodo grfico en recursos: cuando se relacionan las restricciones
tecnolgicas (capacidades instaladas en la planta de produccin)
rectas de nivel son segmentos de recta que tienen la misma pendiente
(inclinacin) que la funcin objetivo y que sirven para localizar el extremo
ms alejado de la regin factible
variable de holgura que representa una cantidad no utilizada, o la diferencia
entre lo aprovechado y el lmite de lo que puede aprovecharse

TRABAJO PRCTICO

Se puede aplicar lo estudiado en este captulo a un caso particular de alguna

empresa hondurea. Se recomienda una empresa que disponga de procesos
industriales para la fabricacin de mercancas; por ejemplo, produccin de cemento,
elaboracin de productos de plstico, procesamiento de alimentos, maquilas de
ropa, entre otros.

ESTRATEGIA DE ESTUDIO

Se le sugiere al estudiante leer detenidamente este captulo previamente a la

discusin en clase; adems, es recomendable repetir cada uno de los ejemplos y
realizar un esfuerzo por resolver los ejercicios propuestos. Luego, debern
discutirse en grupo cada uno de los ejercicios y preguntar al maestro sobre sus
dudas al respecto.
CAPTULO 3.- PRONSTICOS

DIAGNSTICO INICIAL
A continuacin se le presenta una serie de preguntas que le ayudarn a medir su
nivel de conocimientos sobre el tema.

Autoevaluacin:
1. Qu significa pronosticar?
2. Para qu tipo de aplicaciones es til un pronstico?
3. Qu mtodos de pronstico conoce?
4. Cul es el vnculo entre el pronstico y la planificacin cientfica?
5. Qu tipo de problemas pueden presentarse en el clculo de un pronstico?

INTRODUCCIN
Todos los das los administradores en las diferentes empresas e instituciones
pblicas toman decisiones sin saber lo que ocurrir en el futuro. Por ejemplo,
ordenan inventarios sin saber con certidumbre cunto se vender, compran equipos
nuevos a pesar que no hay garanta que sus productos o servicios sean
demandados totalmente y realizan diversas inversiones sin conocer exactamente
cunta ganancia podrn acumular.

Debido a que se tiene incertidumbre de todo lo que condiciona el futuro y el xito de

una empresa, los administradores requieren hacer estimaciones lo ms cercanas
posible a la realidad que se presentar en el futuro prximo. Es por ello que los
administradores deben conocer diferentes mecanismos cuantitativos y cualitativos
para prever el comportamiento prospectivo de los factores determinantes.

No tiene ningn sentido que cada parte de la empresa tenga prospectivas distintas;
por ejemplo, si la gerencia de produccin pronostica mil unidades en ventas, la
seccin de contabilidad y finanzas prev 3 mil unidades vendidas y la gerencia de
mercadeo prev 1500 unidades. En general, los pronsticos son esenciales para las
operaciones efectivas de un negocio, ya que permiten que las diferentes partes de
una organizacin trabajen juntas de manera ms armnica.
OBJETIVOS DEL CAPTULO
Identificar la utilidad de los pronsticos.
Comprender el significado y relevancia de un pronstico.
Distinguir los elementos de una serie de tiempo.
Comprender la relacin entre los pronsticos y la planeacin estratgica.
Conocer y dominar los tipos de modelos para pronosticar.
Aplicar las tcnicas de pronsticos a los diferentes casos reales.
Comparar y saber elegir el mejor modelo de pronstico para un caso
particular.

TEMAS Y SUBTEMAS
Tema General: Pronsticos
Pronsticos de Series de Tiempo
o Promedios Mviles
o Suavizamiento Exponencial
o Error del pronstico
Pronsticos Econmicos
o Proyeccin de Tendencias
o Proyeccin de Demanda
Mtodo Asociativo de Pronstico
o Anlisis de regresin lineal simple
o Medicin del error de regresin
o Coeficiente de correlacin para regresin

3.1- Los Pronsticos y la Planeacin Estratgica

Pronosticar es el arte y la ciencia de predecir los eventos futuros (Render, 2004:
104). Implica el uso de datos histricos que se manipulan con modelos
matemticos. Los resultados de un procedimiento cuantitativo pueden ser
interpretados (o complementados) aplicando criterios cualitativos como el buen
juicio o la experiencia del administrador.

Pero, debe tenerse en cuenta que no existe un mtodo que sea superior a otro; lo
que funciona mejor en una empresa con una serie de condiciones quiz sea un
completo fracaso en otra institucin, incluso si es del mismo rubro. Adems, los
pronsticos tienen sus lmites, solamente son aproximaciones a una realidad futura
desconocida. Pero, muy pocas organizaciones eluden la necesidad de recurrir a los
pronsticos ya que no pueden esperar a que sucedan los eventos de forma fortuita y
descontrolada. Es por ello que los pronsticos son tiles para que se preparen las
empresas; en especial, se usan como un apoyo estratgico para la planificacin
cientfica de una organizacin.

La planeacin estratgica en una institucin puede llevarse a cabo para varios

horizontes de tiempo. Es decir, los pronsticos pueden establecerse a corto,
mediano o largo plazo. Cuando se define un pronstico de corto plazo, se proyecta
para un perodo menor a un ao; para pronsticos de mediano plazo se extiende
entre 3 meses a 3 aos; y a largo plazo, se establece para 3 aos ms.

Por ejemplo, se puede requerir un pronstico a corto plazo para determinar las
necesidades de mano de obra, asignar las cantidades de produccin y algunas
actividades logsticas. Un pronstico de mediano plazo puede ser til para planear
las ventas para las prximas estaciones, para planear la produccin en masa, el
presupuesto de una institucin o el flujo de efectivo. Los pronsticos a largo plazo
sirven para planificar la introduccin de nuevos productos, nuevos procesos, para
inversiones de capital, para la localizacin o ampliacin de las plantas de
produccin, y muchas otras aplicaciones.

La diferencia bsica entre los pronsticos de mediano y largo plazo con los de corto
plazo es que proyectan cuestiones ms globales y sirven de apoyo para las
decisiones administrativas vinculadas con todos los productos, procesos e
instalaciones. Adems, emplean metodologas ms sofisticadas y tienden a ser ms
precisos en los resultados que proporcionan.

Un buen pronstico es de importancia crucial para todos los aspectos y partes de

una organizacin; el pronstico es la nica estimacin de la demanda hasta que se
conoce la demanda real (Bonini, 2001: 463). Por tanto, los pronsticos estratgicos
impulsan las decisiones en muchas reas; en especial, se usan para tres
actividades: recursos humanos, capacidad de produccin y para administrar la
cadena de suministros.
3.1.1- Tipos de Pronstico
Las organizaciones emplean fundamentalmente tres tipos de pronstico, al planear
sus operaciones futuras (Fernndez, 2005: 2):
1. Pronsticos econmicos; abordan el ciclo de la institucin al predecir las
tasas de inflacin, crecimiento porcentual, suministro de dinero,
construcciones futuras y otros indicadores de planificacin.
2. Pronsticos tecnolgicos; se refieren a los ndices de progreso tecnolgico,
que pueden dar lugar a nuevos productos interesantes que requieren nuevas
naves industriales y equipos innovadores.
3. Pronsticos de demanda; son proyecciones de la cantidad de productos
(bienes o servicios) que requerir el mercado. Estos pronsticos tambin se
conocen como pronsticos de ventas y ayudan a orientar a los sistemas de
fabricacin, contabilidad, logstica y la planificacin financiera, de recursos
humanos y de mercadeo.

3.1.2- Pasos de un Sistema de Pronsticos

El pronstico sigue los pasos siguientes:

1. Determinar el uso del pronstico; para qu se ocupa.
2. Seleccionar los aspectos que se desean pronosticar.
3. Determinar le horizonte de tiempo del pronstico; corto, mediano o largo
plazo.
4. Seleccionar el modelo de pronstico, o probar con los ms indicados.
5. Reunir los datos histricos necesarios para la proyeccin; debe ser una serie
lo suficientemente significativa para minimizar el error del pronstico.
6. Aplicar los procedimientos del modelo de pronstico.
7. Calcular el error del pronstico; se deben comparar los errores de los
distintos modelos para seleccionar la mejor proyeccin.

3.2- Pronsticos de Series de Tiempo

Una serie de tiempo se basa en una secuencia de datos puntuales separados en

intervalos iguales (Render, 2004: 107); pueden ser semanas, meses, trimestres, etc.
Por ejemplo, las ventas semanales de una ferretera o la produccin diaria de una
cervecera. Los datos de series de tiempo indican que para pronosticar los valores
futuros se requieren los valores pasados, sin considerar ciertas condiciones del
contexto en que se desarrolla el fenmeno.
Analizar una serie significa desglosar los datos histricos en componentes y
despus proyectarlos hacia el futuro. Bsicamente, una serie de tiempo tiene cuarto
componentes: la tendencia, la estacionalidad, los ciclos y la variacin aleatoria. La
tendencia es el movimiento gradual (ascendente o descendente) de los datos
histricos. La estacionalidad se refiere al patrn que siguen los datos, y que se
repite peridicamente. Los patrones ms comunes de estacionalidad se muestran
en el cuadro siguiente:

Perodo Longitud del Patrn Cantidad de Estaciones

semana da 7
mes semana 4 - 4.5
mes da 28 - 31
ao trimestre 4
ao mes 12
ao semana 52

Los ciclos son patrones de datos que se repiten despus de varios perodos.
Usualmente, estn sujetos al comportamiento comercial y son de gran importancia
para el anlisis y la planeacin estratgica de una institucin. Y las variaciones
aleatorias son eventos fortuitos; son datos generados por casualidad o por
situaciones inusuales. Es decir que no son datos detectables y son poco
predecibles.

3.3- Mtodo de los Promedios Mviles

Si la serie de tiempo contiene demasiadas variaciones o cambios estacionales a

corto plazo, la tendencia puede ser algo confusa y difcil reobservar. Pero, es
posible eliminar muchos de esos factores de distorsin al promediar los datos de
varios perodos de la serie de tiempo.

Es un modelo de series de tiempo que produce un efecto de suavizamiento sobre

los datos, calculando varios promedios aritmticos para un nmero dado de
perodos (Webster, 2005: 417). En otras palabras, es una estimacin del promedio
dela variable a largo plazo. Estos promedios producen un movimiento en los datos
proyectados con menos fluctuaciones. Este procedimiento es muy til si se supone
estabilidad en la demanda del producto o el comportamiento del fenmeno
estudiado. La cantidad elegida de perodos se mantiene para todos los promedios.
3.3.1- Promedios Mviles Simples

El mtodo de los promedios mviles usa un nmero determinado de datos histricos

reales para generar el pronstico. Estos datos seleccionados se suman
aritmticamente y luego se dividen entre el nmero de datos (o perodos)
involucrados. Es muy parecida a la media simple usada en estadstica.

Promedio Mvil de la serie = datos reales de n perodos / n perodos

Si se elige calcular los promedios mviles empleando 3 perodos, se deber sumar

los datos de los tres primeros perodos y luego dividirlos entre 3. Al concluir cada
perodo, el dato del perodo ms reciente se agregan a la suma de los dos perodos
anteriores y se elimina el dato del perodo ms antiguo. Pero, el nmero de perodos
escogidos depende de la cantidad total de datos; no sern siempre solo 3 perodos.

Ejemplo 3.1
Las ventas de cortinas en un almacn se muestran en la columna central de la
siguiente tabla. El clculo de los promedios mviles se presenta en la columna de la
derecha. Considerando un promedio mvil de tres perodos, cul es el pronstico
de ventas para enero del siguiente ao?

Solucin:
Mes Ventas Reales Promedio Mvil (3 meses)
Enero 10
Febrero 12
Marzo 13
Abril 16 (10+12+13)/3 = 11.67
Mayo 19 (12+13+16)/3 = 13.67
Junio 23 (13+16+19)/3 = 16
Julio 26 (16+19+23)/3 = 19.33
Agosto 30 (19+23+26)/3 = 22.67
Septiembre 28 (23+26+30)/3 = 26.33
Octubre 18 (26+30+28)/3 = 28
Noviembre 16 (30+28+18)/3 = 25.33
Diciembre 14 (28+18+16)/3 = 20.67
Enero ? (18+16+14)/3 = 16
Por tanto, es posible proyectar que en enero se vendern aproximadamente 16
cortinas considerando un promedio mvil de tres perodos. Asimismo, es notorio que
las ventas revelan una tendencia ascendente entre febrero y agosto (primer
semestre) y, luego, un descenso entre agosto y diciembre (segundo semestre).

Al representar los pronsticos de las ventas de cortinas con los promedios mviles
se obtiene la siguiente grfica:

Pronstico de Ventas de Cortinas; promedios mviles 3 meses

35
30
25
unidades

20

15
10
5
0

e
lio
o
o
ro

ro
zo

il

e
o

re
o

br
br
er

ni

br
br
st
ay
ne

ne
Ju

ub
ar

Ju

m
A
br

go

m
m
M
M
E

E
ct

ie
Fe

ie
t ie
A

ov
O

ic
ep

D
N
S
Ventas Reales Promedios Mviles

Ejercicios Propuestos
1. Las ventas del popular vehculo Corola de la Toyota han crecido de manera
estable durante los ltimos 5 aos en Honduras. Estas ventas reales se
muestran en la tabla siguiente. El gerente comercial de la Corporacin Flores
ocupa predecir las ventas para el siguiente ao, para lo cual se le solicita
utilizar promedios mviles de 2 perodos.
Ao 2003 2004 2005 2006 2007
Ventas (unidades) 450 495 518 563 584

2. Un fabricante de equipos para control de humedad en recintos ha

documentado la demanda mensual de su producto en la tabla siguiente. Se
le solicita que proyecte la demanda de estos equipos para el perodo 10
empleando el modelo de promedios mviles simples con cuatro perodos.

Mes Demanda Real (uds.) Mes Demanda Real (uds.)

1 12 6 21
2 17 7 31
3 20 8 28
 4 19 9 36
5 24 10 ?

3. En la tabla siguiente se muestran la cantidad de unidades de sangre tipo B+

que se utilizaron en el Hospital Escuela durante las ltimas 6 semanas. Se
requiere pronosticar con promedios mviles de 3 perodos la cantidad de
unidades que se necesitarn en la sptima semana.
Semana 1 2 3 4 5 6
Unidades B+ 360 389 410 381 368 374

3.3.2- Error de Pronstico

Como se mencion anteriormente, los pronsticos no son completamente exactos;

es decir, el valor real se aleja un tanto del valor pronosticado. La clave de un buen
pronstico es que el error sea de la menor magnitud posible; dicho en otras
palabras, que la diferencia entre el dato real y el valor pronosticado sea la mnima
posible. Estos errores se calculan restando el valor real y el pronstico; luego, se le
aplica el valor absoluto para medir la magnitud del error. La frmula es la siguiente:

Error Neto del pronstico = | valor pronosticado valor real |

Error Promedio de la serie = errores netos / cantidad de errores netos

Ejemplo 3.2
En una empresa agroindustrial se ha documentado trimestralmente (ver tabla
siguiente) el procesamiento de concentrado para el ganado, y sus directivos estn
interesados en conocer cul ser el pronstico de produccin para el siguiente
trimestre. Pero, deben tener mucho cuidado con la cantidad propuesta ya que esto
implica realizar fuertes erogaciones; por tanto, solicitan que se calcule el pronstico
con promedios mviles de 5 perodos y el error del pronstico para evaluar que tan
acertado y confiable es la proyeccin.

Solucin:
Trimestre Produccin (ton) Promedio Mvil (5 p) Error Neto
1 52
2 81
3 47
4 65
 5 50
6 73 (52+81+47+65+50)/5 = 59 59 - 73 = 14
7 45 (81+47+65+50+73)/5 = 63.2 59 - 73 = 18.2
8 60 (47+65+50+73+45)/5 = 56 59 - 73 = 4
9 50 (65+50+73+45+60)/5 = 58.6 59 - 73 = 8.6
10 79 (50+73+45+60+50)/5 = 55.6 59 - 73 = 23.4
11 45 (73+45+60+50+79)/5 = 61.4 59 - 73 = 16.4
12 62 (45+60+50+79+45)/5 = 55.8 59 - 73 = 6.2
13 ? (60+50+79+45+62)/5 = 59.2

Luego, se debe calcular el error promedio sumando todos los errores netos y
dividiendo el resultado entre la cantidad de errores involucrados. En este caso, el
error promedio es de 12.97 para los siete errores netos calculados. El ltimo
pronstico no se toma en cuenta ya que no tiene un valor real de produccin. El
error promedio puede sumarse o restarse al valor proyectado para el perodo para el
que se desea pronosticar.

En conclusin, puede decirse que se pronostica una produccin de 59.2 toneladas

de concentrado para el siguiente trimestre, con un error promedio de pronstico de
12.97 toneladas. Esto significa que el valor real de la produccin de concentrado
puede quedar en el rango comprendido entre 46.23 y 72.17 toneladas. Pero,
considerando que el error promedio alcanza el 22 por ciento de la cantidad
proyectada, se intuye que al emplear este modelo de pronstico para esta serie se
tiene un bajo nivel de certidumbre y es poco confiable.

Ejercicios Propuestos
1. Cierta empresa est pensando comprar un nuevo vehculo para el acarreo
de sus productos. Esta decisin depender -en parte- de la cantidad de
kilmetros que se habr que conducir ese vehculo el prximo ao. El
kilometraje medido en otros vehculos de la misma empresa se presentan a
continuacin:

Ao 2003 2004 2005 2006 2007

Kilmetro recorridos 3000 4000 3400 3800 3700

Se le solicita determinar lo siguiente:

a) El pronstico de kilometraje para el 2008 usando promedios mviles
simples con 2 perodos;
b) Calcular el error promedio del pronstico.
2. La farmacia Kielsa ha registrado las cantidades vendidas mensuales de
frascos de Cofal para el ao 2007. Estas cantidades son las siguientes:

Mes Demanda Real (uds.) Mes Demanda Real (uds.)

Enero 20 Julio 17
Feb. 21 Agosto 18
Marzo 15 Sept. 20
Abril 14 Oct. 20
Mayo 13 Nov. 21
Junio 16 Dic. 23

Se le solicita determinar lo siguiente:

a) El pronstico de las ventas de Cofal para enero de 2008 usando
promedios mviles de 3 perodos;
b) El pronstico usando promedios mviles con 4 perodos;
c) Calcular el error promedio para ambos modelos y compararlos, para
determinar cul es ms confiable.

3. Hewlett Packard usa el chip X63 en algunas computadoras porttiles. Los

precios de este chip han fluctuado levemente y podran considerarse
estables en el mediano plazo. Estos precios se han documentado
mensualmente y son los que se presentan a continuacin:

Mes Precio (US$/chip) Mes Precio (US$/chip)

Enero 1.80 Julio 1.80
Feb. 1.67 Agosto 1.83
Marzo 1.70 Sept. 1.70
Abril 1.85 Oct. 1.65
Mayo 1.90 Nov. 1.70
Junio 1.87 Dic. 1.75

HP lo contrata para que lleve a cabo lo siguiente:

a) Pronosticar el precio en enero usando promedios mviles simples
con 2 perodos y, luego, graficar los precios junto a los pronsticos;
b) Observa algn tipo de tendencia, ciclo o variacin aleatoria?
 c) Pronosticar el precio usando promedios mviles con 3 perodos e
incluir estos resultados en la grfica del inciso (a);
d) Calcular el error promedio de ambos pronsticos y compararlos.
Cul brinda una mejor proyeccin de precio?
4. La siguiente tabla muestra las inscripciones anuales (en cientos) para un
seminario de Control de Calidad y Servicio al Cliente, impartido por la ASQ y
la Quality collage de EUA:

Ao 1 2 3 4 5 6 7 8 9 10
Inscripciones (cientos) 4 6 4 5 10 8 9 12 14 15

La universidad est interesada en conocer aproximadamente cuntas

personas estaran interesadas en inscribirse el prximo ao en este tipo de
seminario y, por ello, le solicita lo siguiente:
a) Desarrollar un promedio mvil de 2 perodos desde el ao 3 al 11;
b) Estime nuevamente la cantidad de inscripciones usando un modelo
de promedios mviles con 4 perodos;
c) Grafique en un mismo espacio los datos originales y los pronsticos
de ambos modelos. Defina cul se ajusta mejor a los datos reales;
d) Calcule el error promedio de ambos pronsticos y comprelos.

3.3.3- Promedios Mviles Ponderados

Cuando se presenta una tendencia o patrn, se utilizan ponderaciones para dar ms

importancia a los valores recientes. Esta prctica permite que las tcnicas de
pronstico respondan ms rpido a los cambios, ya que puede darse mayor peso de
ponderacin a los perodos ms recientes. La eleccin de los pesos de ponderacin
es un poco arbitraria, dado que no existe una frmula o una regla establecida para
determinarlos. Por ello, decidir que ponderaciones usar requiere cierta experiencia y
conocimiento profundo del rubro que se estudia.

Por ejemplo, si el ltimo mes o perodo se pondera demasiado alto, el pronstico

puede reflejar un cambio grande e inusual; posiblemente, demasiado grande en el
patrn de comportamiento de la serie de tiempo utilizada. Bsicamente, estos pesos
de ponderacin asignados a cada perodo se multiplican por los valores reales;
luego, se suman los productos y se dividen entre la suma aritmtica de los pesos de
ponderacin. La expresin matemtica de este clculo es:

PM Ponderado = (ponderacin para perodo i) (valor real del perodo i)

ponderaciones

Ejemplo 3.3
Para el mismo almacn del ejercicio 2.1, se desea aplicar el procedimiento de los
promedios mviles ponderados para verificar si se minimiza la incertidumbre en la
proyeccin de ventas para enero del prximo ao. El gerente ha decidido utilizar un
peso de ponderacin de 3 para el perodo ms reciente, de 2 para el penltimo
perodo y de 1 para el antepenltimo perodo. Se solicita calcular el promedio mvil
ponderado para tres perodos y el error promedio del pronstico.

Solucin:
Mes Ventas Reales Promedio Mvil Ponderados (3 meses) Error Neto
Enero 10
Febrero 12
Marzo 13
Abril 16 [(3x13)+(2x12)+(1x10)]/6 = 12.17 12.17 - 16 = 3.83
Mayo 19 [(3x16)+(2x13)+(1x12)]/6 = 14.33 14.33 19 = 4.67
Junio 23 [(3x19)+(2x16)+(1x13)]/6 = 17 17 23 = 6
Julio 26 [(3x23)+(2x19)+(1x16)]/6 = 20.5 20.5 26 = 5.5
Agosto 30 [(3x26)+(2x23)+(1x19)]/6 = 23.83 23.83 30 = 6.17
Septiembre 28 [(3x30)+(2x26)+(1x23)]/6 = 27.5 27.5 28 = 0.5
Octubre 18 [(3x28)+(2x30)+(1x26)]/6 = 28.33 28.33 18 = 10.33
Noviembre 16 [(3x18)+(2x28)+(1x30)]/6 = 23.33 23.33 16 = 7.33
Diciembre 14 [(3x16)+(2x18)+(1x28)]/6 = 18.67 18.67 14 = 4.67
Enero ? [(3x14)+(2x16)+(1x18)]/6 = 15.33

A partir de los errores netos se puede calcular el error promedio del pronstico, que
en este caso es de 5.44. Es posible observar en la tabla anterior que los valores que
reciben mayor ponderacin provocan que el pronstico para el perodo posterior se
acerque mucho a ese dato real. Con esto se minimiza el error y se obtiene una
proyeccin mucho ms precisa.

Finalmente, se puede concluir que se pronostica una venta de 15 cortinas para el

mes de enero con un error promedio de 5 cortinas, empleando el modelo de
promedios mviles ponderados. Se anima al lector a calcular el error promedio del
modelo de promedios mviles simples del ejercicio 2.1 para compararlo con este
clculo ponderado.

Ejercicios Propuestos
1. La siguiente tabla muestra las ventas de licuadoras realizadas por Larach y
Co. durante un ao, comprendido entre junio de 2006 y junio de 2007. La
administracin de esta tienda requiere preparar un pronstico confiable para
estimar las ventas para los primeros seis meses del ao 2008.
Mes Ventas (unidades) Mes Ventas (unidades)
Julio 100 Enero 92
Agosto 93 Feb. 83
Sept. 96 Marzo 101
Oct. 110 Abril 96
Nov. 124 Mayo 89
Dic. 119 Junio 108

La administracin deber proyectar las ventas usando un modelo de

promedios mviles ponderados, para lo cual asignar una ponderacin de
0.45 al dato ms reciente, un 0.35 al penltimo dato y 0.2 al antepenltimo
valor de ventas reales.
2. La polica de trnsito se dio a la tarea de registrar las estadsticas de
accidentes automovilsticos en La Ceiba durante el ltimo semestre. Estas
estadsticas se presentan a continuacin:
Mes Accidentes Mes Accidentes
Julio 30 Oct. 105
Agosto 40 Nov. 90
Sept. 60 Dic. 110

La polica de trnsito ocupa un pronstico de la cantidad de accidentes que

podran ocurrir en enero del siguiente ao, para lo que le solicitan que
emplee promedios mviles ponderados usando un peso de 2 para el ltimo
dato, 1.5 para el penltimo y 1 para el antepenltimo.
3. La asistencia al teatro Manuel Bonilla en los trimestres recientes ha sido la
siguiente:
Trimestre 1 2 3 4 5 6 7 8 9 10
 Asistencia 73 104 168 74 65 82 124 52 205 146

Se le solicita lo siguiente:
a) Calcular los promedios mviles simples con 2 perodos;
b) Desarrollar los promedios mviles ponderados con un peso de 0.6 para
el dato ms reciente y 0.4 para el penltimo dato;
c) Calcular los errores medios de ambos pronsticos;
d) Cul de los dos modelos es ms confiable?

3.4- Mtodo del Suavizamiento Exponencial

Este mtodo es un procedimiento de suavizamiento ms sofisticado que el de los

promedios mviles ponderados, pero cuya aplicacin es igualmente sencilla. En
este modelo no es tan necesario disponer de muchos datos histricos. La lgica de
clculo para el nuevo pronstico es sumarle al pronstico anterior la diferencia del
valor real menos el pronstico anterior multiplicada por un coeficiente de
suavizamiento. Al expresar este clculo en trminos matemticos se tiene lo
siguiente:

Ft = Ft-1 + (At-1 - Ft-1)

Donde: Ft = nuevo pronstico; Ft-1 = pronstico anterior; At-1 = valor real;

= coeficiente de suavizamiento

El suavizamiento permite eliminar las variaciones aleatorias y las fluctuaciones

sesgadas en los pronsticos. El coeficiente de suavizamiento funciona como la
ponderacin que se utiliza en los promedios mviles ponderados, y toma valores
entre cero y uno (0 1). La diferencia ms significativa con el mtodo de
promedios mviles es que este mtodo ocupa un pronstico inicial; en caso que no
se tenga uno, puede utilizarse el primer dato real de la serie como el pronstico
inicial.

Ejemplo 3.4
Durante los ltimos 8 trimestres se han registrado las toneladas de maz descargado
en Puerto Corts, que se resumen el la tabla siguiente:
Trimestre 1 2 3 4 5 6 7 8 9
 Toneladas 180 168 159 175 190 205 180 182 ?

Asumiendo un pronstico inicial de 175 toneladas en el primer trimestre, calcule el

pronstico de descarga para el noveno trimestre empleando el suavizamiento
exponencial con un = 0.1.

Solucin:
Trimestre Toneladas de Maz Pronstico Aproximado
1 180 175
2 168 175 + 0.1(180 - 175) = 176
3 159 175.5 + 0.1(168 - 175.5) = 175
4 175 174.75 + 0.1 (159 - 174.75) = 173
5 190 173.18 + 0.1(175 - 173.18) = 173
6 205 173.36 + 0.1(190 - 173.36) = 175
7 180 175.02 + 0.1(205 - 175.02) = 178
8 182 178.02 + 0.1(180 - 178.02) = 178
9 ? 178.22 + 0.1(182 - 178.22) = 179

Con base en la aplicacin del modelo con = 0.1, se pronostica que la descarga de
maz ser de 179 toneladas para el noveno trimestre. Por otro lado, se puede
apreciar que los pronsticos se mantuvieron muy cercanos en todos los perodos, lo
que indica que el coeficiente de suavizamiento es el adecuado.

Al igual que los pesos de ponderacin en el mtodo anterior, la seleccin del

coeficiente de suavizamiento () no tiene una regla definida y estricta. Por el
contrario, queda al buen criterio del evaluador escoger la magnitud de esta
constante. Pero, para facilitar esta tarea, se debe considerar que si los datos reales
se mantienen cercanos a la media de la serie se podr decidir por un de pequea
magnitud. Por ejemplo, si los datos reales son 7, 9 y 10, la media es 8.67; asimismo,
es notorio que los valores reales permanecen muy cercanos a esa media. Por tanto,
es posible escoger un de 0.1, 0.15 o 0.2.

Por el contrario, si los datos presentan un gran distanciamiento con respecto a la

media, es conveniente escoger un de gran magnitud para lograr suavizar la gran
dispersin de los datos y, as, brindar un pronstico ms estable. Por ejemplo, si los
datos reales son 3, 12 y 23, la media es de 12.67. Pero, es notorio que los valores
reales se alejan bastante en relacin a la media; por tanto, se podra seleccionar un
de 0.75, 0.8 o 0.9. Lo mejor es probar con varios s para decidir el mejor.
Ejemplo 3.5
En un distrito escolar se necesita pronosticar cuntos nios se inscribirn en el nivel
preescolar para decidir cuntas maestras para el jardn de nios se requerirn para
el prximo ao; para ello, han resuelto utilizar un modelo de suavizamiento
exponencial aplicado a las estadsticas de matrcula presentadas en la siguiente
tabla. Se solicita probar el modelo con = 0.15 y con = 0.85 y, luego, comparar
los errores medios de ambos pronsticos para indicar el mejor.

Solucin:
Ao Inscripciones Pronstico Aproximado ( = 0.15) Error Neto ( = 0.15)
1 161 161 161 - 161 = 0
2 127 161 + 0.15(161 - 161) = 161 161 - 127 = 34
3 134 161 + 0.15(127 - 161) = 156 156 - 134 = 22
4 141 155.9 + 0.15(134 - 155.9) = 153 153 - 141 = 12
5 112 152.62 + 0.15(141 - 152.62) = 151 151 - 112 = 39
6 148 150.87 + 0.15(112 - 150.87) = 145 145 - 148 = 3
7 188 145.03 + 0.15(148 - 145.03) = 145 145 - 188 = 43
8 155 145.47 + 0.15(188 - 145.47) = 152 152 - 155 = 3
9 110 151.85 + 0.15(155 - 151.85) = 152 152 - 110 = 42
10 124 152.32 + 0.15(110 - 152.32) = 146 146 - 124 = 22
11 ? 145.97 + 0.15(124 - 145.97) = 143

Ao Inscripciones Pronstico Aproximado ( = 0.85) Error Neto ( = 0.85)

1 161 161 161 - 161 = 0
2 127 161 + 0.85(161 - 161) = 161 161 - 127 = 34
3 134 161 + 0.85(127 - 161) = 132 132 - 134 = 2
4 141 132.1 + 0.85(134 - 132.1) = 134 134 - 141 = 7
5 112 133.72 + 0.85(141 - 133.72) = 140 140 - 112 = 28
6 148 139.91 + 0.85(112 - 139.91) = 116 116 - 148 = 32
7 188 116.18 + 0.85(148 - 116.18) = 143 143 - 188 = 45
8 155 143.23 + 0.85(188 - 143.23) = 181 181 - 155 = 26
9 110 181.29 + 0.85(155 - 181.29) = 159 159 - 110 = 49
10 124 158.95 + 0.85(110 - 158.95) = 117 117 - 124 = 7
11 ? 117.35 + 0.85(124 - 117.35) = 123

El pronstico de inscripciones para el prximo ao es de 143 con un error promedio

de 22 al utilizar = 0.15, y de 123 con un error promedio de 23 al utilizar = 0.85.
Realmente los errores no se diferencian tanto como para descartar cualquiera de los
dos modelos. Esto indica que ninguno de los dos coeficientes de suavizamiento es
el ms indicado para determinar el mejor pronstico. La lgica dicta que el mejor
pronstico deber ubicarse entre estos dos valores; es decir, que sera prudente
proyectar con un = 0.5, que seguramente dara un valor intermedio.
Solamente para brindar un panorama ms claro, se comparan en la siguiente grfica
los valores reales con ambos modelos de suavizamiento exponencial:

Pronsticos de Matrcula Preescolar con Suavizamiento

Exponencial
200

180
Matriculados

160

140

120

100
1 2 3 4 5 6 7 8 9 10

Inscripciones Pronstico ( = 0.15) Pronstico ( = 0.85)

Al observar el grfico anterior se puede apreciar que el pronstico de = 0.15

transita por el medio de la serie de datos reales, con lo cual se sigue la tendencia de
la serie pero no sus estacionalidades y variaciones aleatorias. En cambio, el
pronstico de = 0.85 presenta un comportamiento muy similar al de la serie de
datos reales, respetando sus estacionalidades y variaciones aleatorias; pero se
desva un poco de la tendencia de la serie. Por tanto, se anima al lector a realizar la
prueba sugerida con = 0.5, para verificar si se minimiza el error del pronstico.

Ejercicios Propuestos
1. La agencia de automviles CARSA ha reportado las siguientes ventas (en
miles de US$) durante los ltimos dos aos:

Mes 2006 2007 Mes 2006 2007

Enero 17.2 18.1 Julio 24.2 23.9
Feb. 18.7 19.2 Agosto 25.7 26.2
Marzo 19.7 20.3 Sept. 21.2 22
Abril 20.2 21.5 Oct. 19.3 18
Mayo 21.7 22 Nov. 22.7 19.7
Junio 23.1 24.7 Dic. 19.3 17.3

a) Aplicar el suavizamiento exponencial a la serie con un = 0.2;

 b) Desarrollar el suavizamiento exponencial con un = 0.88;
c) Calcular el error promedio de ambos modelos de pronstico;
d) Cul de los dos coeficientes brinda un mejor suavizamiento?
2. La revista Hablemos Claro Financiera present el siguiente reporte sobre las
utilidades que acumul cierta empresa desde 1991 en la bolsa de valores de
Honduras. Estas ganancias se muestran a continuacin:

Ao Utilidades Ao Utilidades Ao Utilidades Ao Utilidades

1991 US$ 3200 1995 US$ 3880 1999 US$ 4280 2003 US$ 4560
1992 US$ 3640 1996 US$ 3950 2000 US$ 4450 2004 US$ 4680
1993 US$ 3850 1997 US$ 4100 2001 US$ 4500 2005 US$ 4790
1994 US$ 3920 1998 US$ 4150 2002 US$ 4490 2006 US$ 5200

Se necesita que se determine:

a) El pronstico de las utilidades para el ao 2007 usando promedios
mviles simples de 4 perodos;
b) Un modelo de pronstico con promedios mviles ponderados,
asignndole un peso de 0.5 al valor ms reciente, de 0.3 al penltimo
valor y de 0.2 al antepenltimo valor real; y
c) Un pronstico para 2007, usando suavizamiento exponencial con un
= 0.9;
d) Calcular los errores medios de cada modelo y comprarlos.
3. Los inventarios de tela de camiseta que contabiliz la maquila hondurea de
Fruit of the Loom en la ltima semana son los siguientes:

Da de la semana L M Mi J V S
Inventario (contenedores) 41 48 37 45 43 38

La gerencia de produccin requiere:

a) Dos modelos de pronstico; uno con promedios mviles simples de 2
perodos y otro de suavizamiento exponencial con = 0.3;
b) La comparacin grfica de los valores reales y los dos modelos de
pronstico;
c) Qu tipo de tendencia y estacionalidad se aprecia en la serie de
inventarios reales?
d) Cul de los modelos de pronstico se ajusta mejor a la serie real?
e) Cul de los modelos minimiza el error promedio del pronstico?
 4. La carnicera Delikatessen ha documentado en el siguiente cuadro las
cantidades de carne molida especial que vendi durante el ltimo mes:

Da 1 semana 2 semana 3 semana 4 semana

Lunes 14.1 8.7 13.2 9.9
Martes 13.7 10.1 13.9 13.1
Mircoles 12.1 11.8 9.6 11.3
Jueves 13.5 12.2 7.2 6.8
Viernes 9.2 15.2 13.7 7.5
Sbado 7.3 14.1 11.4 12.6

Determine lo siguiente:
a) Pronstico de ventas de carne molida para el siguiente da,
empleando un promedio mvil ponderado de 4 para el ltimo dato, de
3 para el penltimo, de 2 para el antepenltimo y de 1 para el dato
anterior;
b) Aplicar un modelo de suavizamiento con dos coeficientes distintos,
los cuales debern definidos por el evaluador;
c) Calcular los errores promedio de cada pronstico; y
d) Comparar grficamente los modelos escogidos con la serie real para
concluir cul es el mejor pronstico.

3.5- Regresin Lineal Simple (Mnimos Cuadrados)

Otra tcnica para analizar datos y generar pronsticos tiene que ver con el uso de
los modelos de regresin. El modelo de regresin ms simple se ajusta a una lnea
recta a travs de una serie de puntos conocidos como mnimos cuadrados.

En una regresin lineal simple existe una variable independiente (por ejemplo, los
perodos) y una variable dependiente (por ejemplo, las ventas que se estn
pronosticando). La forma general de la ecuacin general de regresin lineal simple
es la siguiente:

Y^t = ao + Xt

Donde: Y^t = pronstico; ao = intercepto de la recta; = pendiente; Xt = perodo

Asimismo, los coeficientes de la recta de tendencia se ecuaciones como sigue:

= [XtYt] n (X*) (Y*) ao = Y* - X*

[Xt] n (X*)

X* = Xt / n Y* = Yt / n

Donde: Xt = nmero de perodo; Yt = dato real; X* = promedio de Xt;

Y* = promedio de Yt; n = cantidad total de datos

El principio que dirige el mtodo de la regresin lineal simple es que los coeficientes
del intercepto y de la pendiente se determinan de manera que produzca el mejor
ajuste lineal de la recta a la tendencia de la serie de los datos reales. Si una serie de
tiempo tiene una tendencia ascendente o descendente a largo plazo, el anlisis
basado en un modelo de mnimos cuadrados puede ser til para desarrollar
pronsticos.

Es decir, si una tendencia est presente debido a que los datos reales no varan
demasiado alrededor de algn promedio a lo largo plazo, los mtodos de
suavizamiento como el promedio mvil y el suavizamiento exponencial no son
apropiados. En su lugar, se puede estimar una recta de tendencia, utilizando las
tcnicas para la regresin lineal simple.

Al utilizar la regresin lineal simple para pronosticar, es necesario seleccionar cierto

nmero de datos para ajustar la recta de tendencia para que, luego, sea til para
proyectar en funcin a esa tendencia. Por tanto, cuando se ajusta un modelo de
regresin simple, debe preguntarse siempre cules puntos estn usndose para
ajustar la recta.

En muchos casos esta tarea simplemente se ignora y se presentan los resultados

de una regresin global. En caso que la tendencia cambie su comportamiento
(pendiente de la recta) en el largo plazo, es conveniente plantear dos regresiones
para la misma serie; esto debe interpretarse como dos escenarios distintos
generados por la misma serie. Sirve para plantear dos posibilidades de ocurrencia
futura para el fenmeno o rubro para el que se est pronosticando.
Ejemplo 3.6

A continuacin se muestra la demanda elctrica (megawatts) de la ciudad de

Tegucigalpa desde el ao 2000. La Empresa Nacional de Energa Elctrica requiere
pronosticar la demanda elctrica de la Capital para el ao 2008, aplicando una
regresin lineal simple.

Solucin:
Ao (x) Demanda Elctrica (y) Xt Yt Xt XtYt
2001 74 1 74 1 74
2002 79 2 79 4 158
2003 80 3 80 9 240
2004 90 4 90 16 360
2005 105 5 105 25 525
2006 142 6 142 36 852
2007 122 7 122 49 854
Suma () 28 692 140 3063

X* = Xt / n = 28 / 7 = 4 Y* = Yt / n = 692 / 7 = 98.86

= [XtYt] n (X*) (Y*) = 3063 (7)(4)(98.96) = 10.54

[Xt] n (X*) 140 (7)(4)

ao = Y* - X* = 98.86 (10.54)(4) = 56.7

Y^t = ao + Xt = 56.7 + 10.54 Xt

Para proyectar la demanda elctrica en 2008, se sustituye Xt = 8 en la ecuacin

final.

Y^t (8) = 56.7 + 10.54 (8) = 141.02

Por tanto, se pronostica que la demanda elctrica de Tegucigalpa para 2008 ser de
141 megawatts de energa.
En el caso de la regresin lineal simple, no se puede calcular el error del pronstico
ya que no se dispone de datos proyectados, a menos que se calculen para cada
perodo de la serie considerada.

Ejercicios Propuestos
1. La constructora Global remodela casas viejas en San Pedro Sula. Su
experiencia le dicta que su volumen de ingresos por la renovacin depende
de la nmina del rea de SPS. En la siguiente tabla se numeran los ingresos
de la constructora y el monto total recibido por los trabajadores en SPS
durante los ltimos seis aos.

Ingresos Nmina Local Ingresos Nmina Local

(miles de US$) (millones de US$) (miles de US$) (millones de US$)
200 1 203 2
300 3 240 1
250 4 350 7

Si los ingresos se definen en funcin de la nmina local de SPS, cul sera el

ingreso si se considera que se pagar una nmina de US$ 6 millones para el
prximo ao (utilice la regresin lineal simple).
2. En el hotel Plaza se tienen las estadsticas de los registros de huspedes
que han pernoctado en l durante los ltimos nueve meses. Con el propsito
de proyectar la ocupacin futura de habitaciones para una ampliacin fsica,
la administracin del hotel desea determinar la tendencia matemtica del
registro de huspedes. Dada la siguiente serie de tiempo, desarrolle una
ecuacin de regresin lineal para pronosticar los registros de los tres meses
restantes.

Mes 1 2 3 4 5 6 7 8 9
Registros 17 16 16 21 20 20 23 25 24

3. La licorera Los ngeles desea ajustar la siguiente serie de tiempo que posee
sobre la cantidad de botellas de 1/8 de litro de Tatascn, con el fin de
pronosticar la produccin del prximo ao.
 Ao 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

Produccin 8100 8600 8900 8700 9100 9400 9100 9500 9200 9900 9800

a) Aplique una recta de tendencia para definir la produccin de 2008.

b) Desarrolle un modelo de promedios mviles simples con 3 perodos;
c) Pronostique la produccin con un modelo de suavizamiento
exponencial con un = 0.3;
d) Cul de los tres pronsticos sigue la tendencia de los valores reales
de produccin?
4. En una empresa agroindustrial se ha experimentado con el uso de cierto
fertilizante orgnico que le ha permitido aumentar progresivamente su
produccin de maz. Por tanto, el rendimiento de quintales por hectrea se
define en funcin del uso de fertilizante expresado en toneladas. Los datos
registrados en los ltimos seis quinquenios sobre ambas variables se
muestran a continuacin:

Fertilizante (toneladas) 4 5 7 8 10 13
Rendimiento (qq / ha) 40 44 46 52 58 60

Se le solicita ecuacionar una recta de tendencia para el rendimiento de la

produccin de maz cuando se emplea este tipo de fertilizante, aplicando un
modelo de regresin lineal simple.
6. Obtenga la ecuacin de la recta que expresa la tendencia del consumo de
caloras de cierta persona que se ha sometido a una dieta especial para
rebajar de peso. Las estadsticas sobre su dieta diaria se muestran en la
tabla siguiente:

Da Kilocaloras Da Kilocaloras Da Kilocaloras

1 154 5 130 9 110
2 150 6 128 10 108
3 148 7 124 11 107
4 142 8 122 12 102

Adems, se le solicita:
 a) Pronosticar el consumo calrico empleando promedios mviles
ponderados con un peso de 2.5 para el ltimo dato, 1.5 para el
penltimo dato y 0.75 para el antepenltimo.
b) Graficar y analizar los valores reales y los modelos de promedios
mviles ponderados y la recta de tendencia.
EVALUACIN FORMATIVA
1. Cul es la relacin entre las tcnicas de pronstico y la planeacin
estratgica empresarial?
2. Identifique tres horizontes de tiempo para los pronsticos. Establezca una
duracin aproximada para cada uno.
3. Describa los pasos para desarrollar un sistema de pronstico.
4. Un administrador escptico pregunta para qu sirve un pronstico de
mediano plazo; sugirale tres usos o propsitos posibles.
5. Explique brevemente por qu tcnicas como los promedios mviles o el
suavizamiento exponencial no son adecuadas para proyectar series de
tiempo que presentan una tendencia definida.
6. Cul es la diferencia bsica entre el modelo de promedios mviles y el de
suavizamiento exponencial?

DIAGNSTICO FINAL
1. Las ventas de cortadoras de csped durante los ltimos tres aos se
presentan por estacin como sigue:
Ao Estacin Ventas (unidades)
Primavera / Verano 26825
1
Otoo / Invierno 5722
Primavera / Verano 28630
2
Otoo / Invierno 7633
Primavera / Verano 30255
3
Otoo / Invierno 8745

Se requiere presentar:
a) Un pronstico de promedios mviles simples con dos perodos;
b) Un modelo de promedios mviles ponderados usando un peso de 0.6
para el ltimo dato y 0.4 para el penltimo dato;
 c) Una proyeccin de ventas aplicando el suavizamiento exponencial con
= 0.2 y = 0.85;
d) Clculo de los errores del pronstico para cada uno de los modelos; y
e) Definir cul es el pronstico ms confiable para la toma de decisiones.
2. El fabricante de un nuevo juego de video desea determinar como afecta en
sus ventas el gasto en publicidad por Internet. Con la informacin que se
presenta en la siguiente tabla, utilice una regresin de mnimos cuadrados
para desarrollar una relacin entre publicidad y ventas del nuevo software.
Cules son las ventas esperadas cuando la publicidad asciende a US$ 65
mil?
Mes 1 2 3 4 5 6 7 8 9 10
Ventas (miles de unidades) 21 24 27 32 29 37 43 43 54 66
Publicidad (miles de US$) 14 17 25 25 35 35 45 50 60 60

3. La Corporacin de Arquitectura e Ingeniera (CAI) presenta la siguiente tabla

resumen de los contratos que han firmado con el FHIS para la construccin y
mantenimiento de carreteras en los ltimos semestres:
Semestre 1 2 3 4 5 6 7 8

Monto contratado (miles de US$) 153 172 197 178 185 199 205 226

Se le solicita lo siguiente:
a) Pronosticar el noveno semestre empleando un modelo de
suavizamiento exponencial con un = 0.7;
b) Modelar una regresin lineal simple para la tendencia de esta serie; y
c) Comparar grficamente los datos reales y los modelos, contrastndolos
para decidir cul es el que revela un mejor ajuste.

GLOSARIO
pronosticar: es el arte y la ciencia de predecir los eventos futuros
pronsticos econmicos: abordan el ciclo de la institucin al predecir las
tasas de inflacin, crecimiento porcentual, suministro de dinero,
construcciones futuras y otros indicadores de planificacin
pronsticos tecnolgicos: se refieren a los ndices de progreso tecnolgico,
que pueden dar lugar a nuevos productos interesantes que requieren nuevas
naves industriales y equipos innovadores.
 pronsticos de demanda: son proyecciones de la cantidad de productos
(bienes o servicios) que requerir el mercado. Estos pronsticos tambin se
conocen como pronsticos de ventas y ayudan a orientar a los sistemas de
fabricacin, contabilidad, logstica y la planificacin financiera, de recursos
humanos y de mercadeo.
serie de tiempo: una secuencia de datos puntuales separados en intervalos
iguales; pueden ser semanas, meses, trimestres, etc.
tendencia es el movimiento gradual (ascendente o descendente) de los
datos histricos
estacionalidad se refiere al patrn que siguen los datos, y que se repite
peridicamente
ciclos son patrones de datos que se repiten despus de varios perodos;
estn sujetos al comportamiento comercial y son de gran importancia para el
anlisis y la planeacin estratgica de una institucin
variaciones aleatorias son eventos fortuitos; son datos generados por
casualidad o por situaciones inusuales
promedios mviles: mtodo que usa un nmero determinado de datos
histricos reales para generar el pronstico; estos datos seleccionados se
suman aritmticamente y luego se dividen entre el nmero de datos (o
perodos) involucrados
error de pronstico: que la diferencia entre el dato real y el valor
pronosticado
suavizamiento exponencial: mtodo que obtiene el nuevo pronstico
sumando al pronstico anterior la diferencia del valor real menos el
pronstico anterior multiplicada por un coeficiente de suavizamiento
coeficiente de suavizamiento: factor de ponderacin que permite rebajar el
sesgo de los datos extremos y toma valores entre cero y uno (0 1)
regresin lineal simple: modelo que se ajusta a una lnea recta a travs de
una serie de puntos conocidos como mnimos cuadrados

TRABAJO PRCTICO

Se puede aplicar lo estudiado en este captulo a un caso particular de alguna

empresa hondurea. Se recomienda una empresa que disponga de procesos
industriales para la fabricacin de mercancas; por ejemplo, produccin de cemento,
elaboracin de productos de plstico, procesamiento de alimentos, maquilas de
ropa, entre otros.
ESTRATEGIA DE ESTUDIO

Se le sugiere al estudiante leer detenidamente este captulo previamente a la

discusin en clase; adems, es recomendable repetir cada uno de los ejemplos y
realizar un esfuerzo por resolver los ejercicios propuestos. Luego, debern
discutirse en grupo cada uno de los ejercicios y preguntar al maestro sobre sus
dudas al respecto.

BIBLIOGRAFA

Leavenworth (2000); Principios de Ingeniera de Produccin. CECSA

Monk, J. (1993); Administracin de Operaciones. Serie Shaum
Gonzlez,C.; Llorente,J.;Ruiz, M.J.. (1997): Matemticas Aplicadas a la
Economa. EDITEX
Render, B. (2004); Principios de Administracin de Operaciones. Pearson y
Prentice Hall
Niebel y Freivalds (2004); Ingeniera Industrial. Alfaomega
Aguirre y Caridad (2005). Optimizacin de Procesos Productivos. CECSA
Hillier (1987). Logstica. Prentice Hall
Baca, G. (2001). Evaluacin de Proyectos. McGRAW-HILL
Millar y Meiners (2003). Microeconoma. McGRAW-HILL
Chase (1999). Fundamentos de Administracin de la Produccin. Limusa
Vizmanos, J. R. y Anzola, M. (1993): Matemticas II COU. SM
Ramos, E. (2003): Programacin lineal y Mtodos de Optimizacin. UNED
Colera, J., Oliveira, M. J. y Fernndez, S. (2005): Matemticas Aplicadas a
los Negocios. ANAYA
Equipo Arrixaca (1997): Matemticas Aplicadas a las Ciencias Sociales.
SANTILLANA.
Gonzlez, F. y Villanova, J. (1990); Curso prctico de Matemticas.
EDUNSA
Bonini, Hausman y Bierman (2001). Anlisis Cuantitativo para los Negocios.
McGRAW-HILL
 Martnez-Mediano, J.M., Heras, A., Paz, Miguel A.; Rodrigo, C. Santos, L.;
Silveira, M. (1994): Matemticas para la Toma de Decisiones. McGRAW-
HILL
Larraeta, J. (1987). Programacin lineal y grafos. Universidad de SevilLA
Martnez-Mediano, J. M y Cuadra, R. (1997). Matemticas Aplicadas a las
Ciencias Administrativas. McGRAW-HILL
De Guzmn, M.; Volera, J. (1998). Pruebas de Selectividad Matemtica.
ANAYA
Granados, P.; Arribas, A. (1998). Pruebas de Selectividad Matemtica.
McGRAW-HILL
Jimnez, P.; Lozano, F.; Miano, A.; Nortes, A.; Rdenas, J.A..(1999).
Matemticas en Ciencias Sociales. Coleccin Acceso. SANTILLANA
Losada, R., Muruis, E., Snchez, M.J., Surez,M. y Touzn, C. (1994).
Preparar la Selectividad Matemticas. SANTILLANA
Webster (2005). Estadstica aplicada a los Negocios y la Economa.
McGRAW-HILL
Salvatore; Reagle (2004). Estadstica y Econometra. McGRAW-HILL