Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
BIBLIOGRAFA
INTRODUCCIN GENERAL
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.
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
Produccin Continua
La produccin continua presenta las siguientes caractersticas generales (Aguirre y
Caridad, 2005: 58):
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;
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.
Ultracontinua
El presupuesto general;
La programacin lineal;
La simulacin mediante computadora;
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.
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).
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;
La produccin de pelculas.
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.
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 Servicios
Producto: fsicamente tangible Producto: menos tangible
Valor: almacenado en el producto Valor: conferido al uso del producto
Producido en un medio industrial Producido en conjunto con el cliente
Frecuentemente estandarizado Fuertemente individualizado
Calidad: en funcin de los materiales Calidad: en funcin del personal
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.
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.
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).
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.
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
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:
Por tanto, XYZ necesita 1667 unidades de materias primas para producir
1000 pares de zapatos, considerando un 40% de prdidas.
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:
R = 50 / C B = 100 10R
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.
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
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)
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.
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.
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).
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:
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
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
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
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
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
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.
ESTRATEGIA DE ESTUDIO
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.
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
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
x 0, y 0
8x + 10y 80
x 0, y 0
2x + 5y 25
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:
Ejemplo 2.2
Dibujar la regin factible asociada a las siguientes restricciones:
x+y 4
y 4
y x
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):
Ejemplo 2.3
Maximizar: Z = 3x + 2y
Restricciones: 2x + y 18 3x + y 24
2x + 3y 42 x0,y0
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.
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.
Ejemplo 2.4
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.
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.
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.
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.
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.
Ejemplo 2.5
Ejemplo 2.6
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.
Ejemplo 2.7
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
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
Ejercicio 2.9
Maximizar: Z = 3x + 2y
Restricciones: 2x + y 18
2x + 3y 42
3x + y 24
x 0,y 0
Solucin:
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
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
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
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.
Nueva fila del pivote= (vieja fila del pivote) / (elemento 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
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):
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:
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).
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).
EVALUACIN FORMATIVA
DIAGNSTICO FINAL
GLOSARIO
TRABAJO PRCTICO
ESTRATEGIA DE ESTUDIO
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.
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
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.
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.
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.
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:
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
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.
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 1 2 3 4 5 6 7 8 9 10
Inscripciones (cientos) 4 6 4 5 10 8 9 12 14 15
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.
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
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?
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 ?
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.
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
180
Matriculados
160
140
120
100
1 2 3 4 5 6 7 8 9 10
Ejercicios Propuestos
1. La agencia de automviles CARSA ha reportado las siguientes ventas (en
miles de US$) durante los ltimos dos aos:
Da de la semana L M Mi J V S
Inventario (contenedores) 41 48 37 45 43 38
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.
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
X* = Xt / n Y* = Yt / n
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.
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
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.
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
Fertilizante (toneladas) 4 5 7 8 10 13
Rendimiento (qq / ha) 40 44 46 52 58 60
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$) 14 17 25 25 35 35 45 50 60 60
Monto contratado (miles de US$) 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
BIBLIOGRAFA