Curso ESAN Diciembre 2017

Six Sigma en Operaciones y Logística
Pedro Traverso
ESAN
METODOLOGIA SIX SIGMA
Six Sigma
Historia de Six Sigma
• Bill Smith, “Padre del Six Sigma”. Ingeniero de
Motorola.
• Jack Welsh, CEO de General Electric inició la
implementación de Six Sigma en GE a
mediados de los 90.
– GE reportó más de US$300 millones de ingresos
debidos a la implementación de SS
Calidad al 99% (Harry, 1987)
• 20.000 artículos perdidos en el correo cada
hora
• Agua no potable durante 15 minutos cada día
• 5.000 cirugías erróneas por semana
• Fallas de suministro eléctrico por 7 horas al
mes
Six Sigma
• Objetivo original de Six Sigma: 3,4 defectos
por 1.000.000 de eventos u oportunidad
(DPMO)
Sigma Rendimiento Defectos
1 31% 69%
2 69% 31%
3 93,30% 6,7%
4 99,38% 0,62%
5 99,977% 0,023%
6 99,99966% 0,00034%
7 99,9999981% 0,0000019%
Metodología Six Sigma
DMAIC
Define • Definir el sistema. Quienes son los clientes y qué

necesitan.
Measure • Medir variables críticas de desempeño del

proceso
Analyze • Analizar el proceso para buscar relaciones causa

efecto
Improve • Mejorar el proceso
Control • Controle el desempeño del proceso para asegurar

que la mejora se mantiene
Foco en Implementación:
10 pasos de Proceso de solución
1. Alinear proyecto con los objetivos finales del negocio
D 2. “Vender” el proyecto a toda la organización
3. Comunicar resultados del proyecto
M
4. Probar relaciones de causa-efecto, Y=f(X)
5. Mejorar el sistema de medición de desempeño
A 6. Detallar el plan de implementación
7. Ajustar el monitoreo a las relaciones de causa-efecto
I 8. Estandarizar procedimientos
9. Capacitar al personal y auditar cumplimientos
C 10. Aplicar estrategias de control
Ejemplo KPIs más utilizados
• Inversión en inventarios
• Ganancias
• Rotación del inventario
• Pedidos recibidos a tiempo por el proveedor
• Exactitud de los pronósticos de venta
• Tiempos de entrega
• Ordenes no planificadas
• Cambios de set-up
• Trabajo atrasado
• Exactitud de la información
• Quiebres de inventario
• Exceso de inventarios
Six Sigma
• Six Sigma: mucho más que reducción de
defectos
• Cómo se definen y solucionan los problemas
en pos del mejoramiento continuo de los
procesos
Evolución de Sistemas Productivos
• Desde la revolución industrial se han sucedido
distintas “modas” en los sistemas productivos
• Cada una de ellas ha hecho énfasis en
aspectos determinados de la producción
• Resulta interesante entender las principales
metodologías que han regido las operaciones
de las principales empresas en el mundo y
recoger sus principales lecciones
Material Requirement Planning (MRP)
• Fue desarrollado por Joseph Orlicky de IBM en
los años 60.
• MRP dio la base para:
– MRP II (Manufacturing Resources Planning)
– BRP (Business Resources Planning)
– ERP (Enterprice Resource Planning)
– SCM (Supply Chain Management)
• Se venden más de US$ 24 billones al año de
software relacionados a MRP
MRP
• Tomando como input la demanda independiente
externa, se preocupa de dos dimensiones de la
producción de cada estación de trabajo:
– Cantidad: cuanto producir
– Tiempo: cuando comenzar la producción
• Se trabaja en horizontes o ventanas de producción
– Normalmente un día o una semana
– Toda la demanda que cae dentro de una ventana, debe
entregarse al inicio de la ventana siguiente
• Es un sistema push, no pull (como el que tiene el
método de producción de Toyota)
MRP
Sin MRP: Demanda independiente
M.P
.1
P.I. P.I.
P.F. Cliente
1 2
M.P
.2
Con MRP: Demanda dependiente
M.P
.1
P.I. P.I.
P.F. Cliente
1 2
M.P
.2
Funcionamiento de un MRP
• Se basa en una jerarquización de productos
• Sólo productos que nos son componente de otros
(nivel 0) tienen demanda independiente
Nivel 0 A
Nivel 1 B C D
Nivel 2 F G L
Nivel 3 H J M
Nivel 4 I K
Funcionamiento de un MRP
• En cada ventana el MRP realiza las siguientes
operaciones para cada producto final o intermedio:
1. Determina requerimiento neto de producción
(requerimiento bruto del nivel superior – stock –
producción en proceso)
2. Divide la producción requerida en lotes de producción
3. Considerando la duración de los procesos, los tamaños
de lote y la jerarquización, genera requerimientos de
todos los materiales requeridos por ese producto
4. Itera hasta que todos los niveles han sido procesados
Ejemplo de Funcionamiento*
Demanda independiente
Parte A 1 2 3 4 5 6 7 9
Requerimiento bruto 15 20 50 10 30 30 30 30
Cálculo de requerimiento neto (ejemplo stock inicial = 30)

Parte A 1 2 3 4 5 6 7 9
Stock inicial 30 15 - - - - - -
Requerimiento neto 0 5 50 10 30 30 30 30
* Adaptado de HOPP, Wallace J. y SPEARMAN, Mark L.

Ejemplo de Funcionamiento
Consideración de lote de producción (ejemplo = 75 unidades)
Parte A 1 2 3 4 5 6 7 9
Stock inicial 30 15 70 20 10 55 25 70
Plan de recepción orden 75 75 75
de producción
Consideración de tiempos de producción (ejemplo = 1 semana)

Parte A 1 2 3 4 5 6 7 9
Stock inicial 30 15 70 20 10 55 25 70
Plan de recepción orden 75 75 75
de producción
Plan de liberación orden 75 75 75
de producción
Ejemplo de Funcionamiento
• A partir de esa demanda independiente se
calculan de la misma forma las demandas
dependientes.
Nivel 0 A
Nivel 1 B C D
Nivel 2 F G L
Nivel 3 H J M
Nivel 4 I K
Inputs y Outputs de un MRP
Jerarquía de Tiempos de Master de

Inventario
productos producción producción
MRP:
•Producción neta
•Lote de producción
•Tiempo de producción
•Despliegue en
componentes
Plan de Información
liberación de Información de problemas
ordenes de de cambios de
producción planificación
Problemas del MRP
• Capacidad infactible
• Planificación de largos lead times
Evolución
• Manufacturing Resource Planning, MRPII
– Complementa el MRP con aspectos como:
• Predicción y administración de la demanda
• Planificación de capacidad
• Enterprise Rosource Planning, ERP
– Integra todos los otros aspectos del negocio,
distribución, contabilidad, personal, etc.)
• Supply Chain Management, SCM
Just in Time (JIT)
• 1945, crisis en Japón
– Productividad era 1/9 que la EE.UU.
– Imposibilidad de lograr economías de escala
• Cambio de paradigma
– Mentalidad occidental:
• Minimizar costos dadas las restricciones
– Mentalidad japonesa:
• Trabajar sobre las restricciones
• Idea de supermercado
– Tomar lo que se necesita cuando se necesita
Requerimientos
• Producción fluida: heijunka
– Ej. 50% de producción de A, 25% de B, y 25% de C
se hace con una secuencia
• A-B-A-C-A-B-A-C- A-B-A-C- A-B-A-C
• Capacidad de reserva
– Los incumplimientos de programa son intolerables
– Común el uso de turno 8-4-8-4
Requerimientos
• Costos de set-up muy bajos
– Tiempos de set-up de Toyota se redujeron de 3
horas en 1945, a 3 minutos en 1971.
– Recomendaciones para disminuir costos de set-up
• Distinguir tiempos internos y externos de set-up
• Convertir tiempo de set-up internos en externos
• Reducir tiempos de ajustes
• Evitar los set-up: ejemplo, producción conjunta
Requerimientos
• Trabajadores poli-funcionales
– Capaces de operar varias máquinas y producir
varios productos
• Lay-out de planta adecuado
– Facilita el balance de flujo
B
A B C
C
A
Requerimientos
• Menos inventario en proceso
– Menores ciclos de proceso
– …mayor vulnerabilidad a problemas
Método push v/s pull
• MRP se basa en un método push
– Producción es programada para cada estación.
– Una vez terminada se empuja al proceso siguiente.
• JIT es una método pull
– Producción se gatilla por una demanda en cada nivel.
– Nunca se produce algo que no se solicita.
• Método Kanban de Toyota
– Tarjetas de producción
– Tarjetas de movimiento
a1 a1 a2 a2
a1 a1 a2 a2
Estación 1 Estación 2 Estación 3
b1 b1 b2 b2
b1 b1 b2 b2
TM TP TM TP TM TP
a1 a1 a2
a1 a1 a2
b1 b1 b2
b1 b1 b2
a2 b2
TM TP TM TP TM TP
a1 a1 a2
a1 a1 a2
b1 b1 b2
b1 b1 b2
b2
a2
TM TP TM TP TM TP
a1 a2 a2
a1 a2 a2
Estación 1 Estación 2 b2 Estación 3
b1 b2
b1 b2 b2
b1 a1
TM TP TM TP TM TP
a1 a2 a2
a1 a2 a2
b1 b2
b1 b2 b2
b1 a1
TM TP TM TP TM TP
a1 a1 a2 a2
a1 a1 a2 a2
b1 b1 b2
b1 b1 b2 b2
TM TP TM TP TM TP
Total Quality Management (TQM)
• Nace como una necesidad a la implementación del JIT
• Cuando hay menos agua aparecen las rocas en el rio…
– El inventario oculta problema
– JIT logra conectar los procesos de manera tal que los problemas son
evidentes
• Principios básicos
– Trabajadores en control (capacitados y empoderados)
– Calidad evidente
– Intolerancia a inputs defectuosos a todo nivel del proceso
– Detención de línea productiva: intolerancia a problemas de calidad
– Cada uno corrige sus errores…
– Control de calidad al 100%
– Mejoramiento continuo: aspiración a 0 defectos.
International Organization for
Standardization (ISO)
• ISO 9000 (1987)
– Documenta y asegura procedimientos
– Se basó en el British Standard 5750 (1979)
– …“se dice lo que se hace, se hace lo que se dice, y
esto es fácilmente demostrable a terceros”
• Problema?
– Se aseguran procedimientos, pero no que los
procedimientos aseguran resultados…
– Toyota lo probó un tiempo y luego lo desechó…
Lean Manufacturing
• Eliminación de “desperdicios” en la línea de
producción
• Se basa en los principios de:
– Calidad en el origen
– Minimización del despilfarro y optimización de
recursos
– Mejoramiento continuo
– Procesos “pull”
– Flexibilidad de la producción
– Relaciones de valor con proveedores
• Puede considerarse un “remake” del JIT
DESAFIOS DE LAS OPERACIONES
La Estrategia y la Operación
• La operación implementa la estrategia
Estrategia
Operación
Resultados
Planificación de la Configuración de la Administración de la
demanda operación para atender demanda
• Predice los requerimientos demanda planificada • Toma decisiones para satisfacer
futuros • Configura la capacidad para demanda de manera óptima
• Planifica la respuesta atender la demanda con (eficacia y eficiencia)
• Se realiza periódicamente eficacia y eficiencia • Considera demanda y
(anual, mensual, semanal, etc.) • Se realiza periódicamente configuración de la operación
(anual, mensual, semanal, etc.) • Se realiza en forma continua
Metodologías de
Pronóstico de Demanda
• La exactitud del pronóstico de la demanda es crucial en la calidad/costos
de los procesos logísticos
Subjetiva Objetiva
• Experiencia • Presupuesto
• Entrevista a
vendedores • Series de tiempo
• Juicio experto • Predicción a partir
• Método de Delphi de la historia
• Experimentación • Causal / relacional

• Encuesta a clientes • Modelos
• Focus groups econométricos
• Simulación
Ejemplo de modelo de predicción de
demanda
700
• Resultados preliminares:
– Se600 consideraron 2 modelos para predecir la demanda. Ambos incorporan
estacionalidad y tendencia.
– En500 todos los casos analizados se mejora la estimación actual.
400
unidades
300
200
100
0
0 100 200 300 400 500 600 700
d’as
Demanda diaria Estimaci—n por ’ndices

Estimación índices Estimaci—n por
Estimación pordummy
dummy
Diferencia por ’ndice

Diferenciapor índices Diferencia por dummy Diferencia por promedio
promedio 34.9% 35.2% 46.3%
desv. std. 59.3% 61.0% 89.5%
Planificación Logística
• A partir del pronóstico de demanda se debe
planificar su respuesta
• La respuesta debiera planificarse de manera
integral dentro de la empresa para asegurar el
alineamiento
– Tanto de la áreas logísticas como las no logísticas
• Cuidado con los “óptimos locales”!
Profundidad del pronóstico
• Desagregación del pronóstico
– ¿Nivel de familia o de SKU?, ¿anual, mensual,
semanal?
• Despliegue del pronóstico
– ¿Qué procesos se afectan, de qué forma?
• Alineamiento estratégico
– ¿El desempeño requerido para los procesos que
se afectan está alineado con la respuesta
esperada?
Desafío de la Planificación
• Solución no es planificar y luego producir
– Antes tal vez servía….
– El escenario actual es mucho más complejo
• Debe ser un esfuerzo conjunto
– La planificación no es sólo responsabilidad de los
planificadores…
• Debe pronosticarse que el pronóstico no será
exacto…
– Hay que incorporar la incertidumbre en el proceso
productivo… y hacerlo estratégicamente
¿Cómo hacer esta planificación?
FASE 1
Construcción de Equipo estratégico

escenarios estratégicos
FASE 2
Planificación de Equipo supply-chain

escenarios
FASE 3
Equipo estratégico +
Ajuste de escenario
Equipo supply-chain
S&OP: Sales and Operations Planning
Año Planificación de Planificación red de
Predicción de demanda
procesos abastecimiento
Planificación de
capacidad estratégica
Mes
S&OP Agregado
Plan de Plan de
venta operación
Semana
Planificación de la Planificación de Programación semanal
producción capacidad de transporte de fuerza de trabajo
Planificación de
Carga de vehículos
abastecimiento de MP
Día Programación de
Despacho de vehículos
Programación diaria de
ordenes de producción fuerza de trabajo
55
Caso Sport Obermeyer
• Reporta aumento del entre el 50% y 100% de sus
utilidades, por mejoras en su planificación
– ¿Cómo?
• Reducción de su lead time
• Mejoramiento de su forecast
– Sistema de forecast independiente (no grupal)
• Permitió distinguir la “certeza” del forecast por tipo de
producto.
• Homologación de productos
• Implementación de respuesta exacta
Caso Sport Obermeyer
• Capacidad productiva se utiliza:
– Primero de forma pro-activa, solo siguiendo
forecast
– Luego reactiva, siguiendo ventas reales (una vez
que se cuenta con esta información)
• Producción pro-activa se focaliza en
productos con forecast más preciso
– De esta forma se deja mayor capacidad reactiva
para los productos de venta más incierta
Cadena de Abastecimiento
• Hay una complejidad adicional…
– Las empresas están insertas normalmente en una
cadena productiva
• Las predicciones de la demanda real del
consumidor no siempre es la que determina la
respuesta…
Complejidad de la
Cadena de Abastecimiento
• Ejemplo del “Juego de la Cerveza”*
• Costos semanales:
– $250 por cada java de inventario
– $500 por cada java que no se entregó
• Tiempos de respuesta:
– 2 semana de delay para procesar la orden
– 2 semanas de delay para recibir lo pedido
2 semanas 2 semanas 2 semanas
Fabrica Distribuidor Mayorista Retail
3 semanas 2 semanas 2 semanas 2 semanas

* Desarrollado originalmente en el MIT en la década del 60
Juego de la Cerveza
• En cada semana simulada:
1. Reciba la cerveza de su proveedor
2. Revise las órdenes enviada por sus clientes
3. Trate de cumplir las órdenes de su cliente (requeridas
esta semana + debida de semanas anteriores) con el
inventario de esa semana (inventario en t-1 + recepción
de cerveza de esa semana)
4. Registre su nivel final de inventario
5. Envíe la orden de la semana pasada a su proveedor
6. Ponga la orden de esa semana como ordenes pendientes
(será entregada al proveedor la próxima semana)
Juego de la Cerveza
• Resultados*
* Lee et al., 1997, Sloan Management Review

Distorsiones de la demanda
• Demanda semanal de pasta de Barilla*
* Barilla SpA. Caso de Harvard , 1994 (código 603-S20)

Distorsiones de la demana
• Demanda semanal de colchones*
COLCHON TFX4 1.50X2.00

1400
1200
1000
800
600
400
200
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97
Semanas
COLCHON TFX4 1.50X2.00
* Estudio profesor P. Traverso

Desafíos de estimación de demanda
• Predecir consumo
• Predecir y administrar el comportamiento de
la cadena
• Entender las relaciones entre las variables y
asegurar el alineamiento
Arbol de Valor como herramienta de planificación
Ejemplo árbol de transporte
Consumo combustible
Consumo combustible x por tiempo encendido
(litros/km) (litros/hora)
Costo combustible x
por km ($/km) 1/velocidad promedio
Precio combustible (hora/km)
($/litro)
Costo mantenimiento
por hora disponible
Costo por kilómetro Costo mantenimiento ($/hora)
x
recorrido (ida+vuelta) + por km ($/km)
Hora disponible porkm
($/km) (hora/km)
Costo remuneración
por hora hombre Horas hombres
Costo unitario Costo remuneraciones x ($/hh) teóricas porkm
Flujo de Caja movimiento materiales x por km ($/km) hh/km
($/Ton km) Horas hombre porkm x
(hh/km ) 1/ (1-ausentismo)
(%)
Costo camión valor

Costo depreciación libro ($/camión)
por camión x
($/camión)
% depreciación (%)
Costo depreciación +
por km ($/km)
Camión activo porkm
(camión/km )
Camión por km x
(camión/km )
Camión/camión activo
(%)
Carga máxima camión
(Ton)
Carga promedio ida x
Carga promedio de un (Ton)
x Porcentaje carga
camión (ida+vuelta)
Ton Distancia ida/ (distan- promedio (%)
cia ida + distancia
vuelta) (%)
13-dic-17
Arbol de Valor como herramienta de planificación
Ejemplo árbol de transporte
Waiting
Time
Bucket
Spotting Capacity
Time Number of
/
passes
Truck
+ Loading Capacity
Total Time X
Time
Performance /
Time per
Truck Unloading pass
Capacity Time
Average
Transport Speed
X
Capacity Round Trip
Time /
Distance
Use
Availability
Operating X Available
X
Hours Hours
Total
Hours
Fleet
13-dic-17 66
Árbol de la Recuperación
Operative Hours
(Grinding)
Granulometric
+ 65 malla f (13.064*Ln(GrO*1000/Op.Time)-83.52)/100
Effect
f -0.32*+65malla+5.76/100 Grinding
Output
Cu Grade
+ Oxide Cu Density
- Effects f -0.9831*SolCu/Cu+5%
Effect
Cells
Soluble Cu Volume
Cells
Grade Capacity
X
Number of
Cu Recovery - Cells
f (CellsK*60)/(Op.Time*1000*(1/Dens+1/Solids-1)
Residence Residence % Solids
Time Effect Time Goal
Standard
Recovery % Final Solids -
% Solids Fed
Cleaning
Effect
Use
Operative X
Hours
Available
Hours
13-dic-17 67
Tamaño bodega
K de
almacenamiento
% utilización
bodega
K de despacho
K de transporte N de camiones
Venta
Productividad
K de Producción Tiempos muertos
Disponibilidad
Programa
mantención
68
Tamaño bodega
+ 5% K de
almacenamiento
% utilización
bodega
K de despacho
+ 5% Venta
Productividad
Disponibilidad
Programa
mantención
Tamaño bodega
+ 5% K de
almacenamiento
% utilización
bodega
K de despacho
+ 5% Venta
Productividad
Disponibilidad
Programa
mantención
Despliegue de Metas
Gerente General
Indicador Meta
ROI 40%
Gerente Comercial Gerente Operaciones

Indicador Meta Indicador Meta
Ventas 12.000 [US$/día] Gastos logísticos 2.000 [US$/día]
Tienda 1 Tienda 2 Tienda 3

Indicador Meta Indicador Meta Indicador Meta
Ventas 4.000 [US$/día] Ventas 4.000 [US$/día] Ventas 4.000 [US$/día]

Despliegue de Metas
• Proceso de ajuste durante la planificación

Gerente General
Indicador Meta
ROI 38%
Gerente Comercial Gerente Operaciones

Indicador Meta Indicador Meta
Ventas 10.000 [US$/día] Gastos logísticos 2.000 [US$/día]
Tienda 1 Tienda 2 Tienda 3

Indicador Meta Indicador Meta Indicador Meta
Ventas 4.000 [US$/día] Ventas 4.000 [US$/día] Ventas 2.000 [US$/día]

Importancia del Alineamiento
Tablero
Gerente Planta
Tablero Tablero Tablero Tablero

SubG.M.Ambiente SubG. Producción SubG.Mantención SubG.Adminis.
Tablero Tablero Tablero

SuperInt.Licor SuperInt.Fibra SuperInt.Técnico
Tablero Tablero Tablero Tablero Tablero

Proceso Proceso Proceso Proceso Proceso
Prep.Madera Digestores Lavado Blanqueo Máquinas
73
DMAIC

necesitan.

proceso

efecto

Análisis de la Variabilidad
• Además del desempeño de un proceso es
interesante evaluar la variabilidad de ese
desempeño
• El uso de herramientas de análisis estadístico
puede servir para identificar potenciales
mejoramientos en los procesos
Control Estadístico de Proceso
• En general los procesos tienen dos tipos de variabilidades:
 Inherente al proceso tal como está hoy

Variabilidad  Causas posibles: materias primas de mala calidad, falta
Común de capacitación, herramientas defectuosas, etc.
 Proceso “Bajo Control”
 Generada por causas circunstanciales y fallas

Variabilidad esporádicas
 Errores de digitación, desajustes de máquinas, atraso en
Especial la llegada de un insumo, incidentes, etc.
 Proceso “Fuera de Control”
77
• Sólo los indicadores que están “bajo control”
pueden estudiarse y mejorarse.
• Indicadores “fuera de control” son síntoma de
un proceso con características caóticas e
inestables.
78
Gráfico de Control
• Componentes del gráfico de control
Línea Superior de Límite superior de la Variación Común

Control
Línea Central Valor promedio del indicador
Línea Inferior de Límite inferior de la Variación Común

Control
Gráfico de Control
• Cálculo de Líneas de Control:
– LSC : Línea Superior de Control = µ + 3σ
– LC : Línea Central = µ
– LIC : Línea Inferior de Control = µ - 3σ
desempeño
LSC
LC
LIC
tiempo
Gráfico de Control
Proceso Dentro de Control
valor Cada punto es una

observación
tiempo
81
Gráfico de Control
Proceso Fuera de Control
valor
tiempo
82
Control Estadístico de Procesos
¿Proceso Fuera de Control?
valor
tiempo
83
valor
tiempo
84
valor
tiempo
85
Límites de control v/s
Límites de Especificaciones
 Indican si el proceso tiene variación común

Límites de Control o especial
(LC)  No indican si el proceso es aceptable para el
cliente
Límites de
Especificaciones  Indican si el proceso es capaz de cumplir
(LE) con las especificaciones del cliente
86
Capacidad del Proceso
• El grado de cumplimiento de un indicador de calidad
con sus especificaciones, puede ser medido
mediante el Índice de Capacidad Potencial (Cp):
LSE - LIE
Cp =
6s
 Si Cp >1 entonces el indicador de calidad es capaz.
87
• Pasos para estudiar la variabilidad de un
indicador
1) Proceso 2) Proceso
3) Proceso Óptimo
Bajo Control Capaz
 ¿Está el proceso bajo  ¿Es el proceso capaz para  Ahora que el proceso
control? satisfacer los está bajo control y es
 Si no, ciclo de requerimientos de los capaz,
mejoramiento para clientes? ¿Es su variabilidad
corregir variación  Si no, ciclo de adecuada para ser
especial hasta conseguir mejoramiento hasta lograr competitivo?
un proceso estable o un proceso capaz de
bajo control. satisfacer las necesidades
de los clientes.
88
DMAIC

necesitan.

proceso

efecto

Diagnóstico General de la Producción
• ¿Cómo producir más sin utilizar más recursos?
• Entender los factores que impactan la
producción es el primer paso
Diagnóstico General de la Producción
• Entendiendo la producción
Tiempo total
Tiempo efectivo (jornada de trabajo) Descanso

Disponibilidad
Tiempo disponible Mantención
Utilización
Tiempo utilizado T. muerto operación
Tiempo disponible (h) Tiempo utilizado (h)

Producción (u) = Tiempo efectivo(h) · · · Productividad (u/h)
Tiempo efectivo (h) Tiempo disponible (h)
Producción (u) = Tiempo efectivo (h) · Disponibilidad (%) · Utilización(%) · Productividad (u/h)
Análisis de la producción
• Todos los equipo tiene una jornada de 480 min al día
• ¿Puede deducirse algo a partir de estos números?
600
Producción [arboles/día]
500 522 521
514
400
300
200
100
0
Equipo 1 Equipo 2 Equipo 3
• ¿y de estos?...
• ¿cómo es posible?
2,5
Productividad [arboles/min]
2 2,1
1,5 1,6
1,3
1
0,5
0
2,5 120%
Productividad [arboles/min]
100%
2 2,1
80%
1,5 1,6
60%
1,3
1
40%
0,5
20%
0 0%
Productividad Disponibilidad Utilización


Producción [arboles/día] 514 522 521
Jornada de trabajo [minutos] 480 480 480
Productividad [arboles/minuto] 2,1 1,3 1,6
Disponibilidad [%] 68% 95% 97%
Utilización [%] 75% 88% 70%
Mejorando la Disponibilidad
• Estrategia de Mantención: ¿reactiva o preventiva?
• Tiempo muertos de mantención
• Tiempos de respuesta
• Tiempo de reparación (MTTR: Mean Time to Repair)
• Confiabilidad (MTBF: Mean Time Between Failures)
• Stock de repuestos críticos
• Mala operación
Mejorando la Utilización
• Tiempos muertos de operaciones
– Personal (cambios de turno, colación, demoras en
traslados, etc.)
– Set-up productivos (inicio producción, cambios o
modificaciones de productos, falta stock materias primas
etc.)
• Stock crítico de materias primas o productos
intermedios
• Administración de “cuellos de botella”
Mejorando la Productividad
• Metodología productiva
• Experiencia, capacitación
• Benchmark
• Incentivos…
Mantención v/s Operación
• Es común el conflicto entre estas dos áreas
• Discursos:
– “No podemos producir porque mantención no ha
reparado la máquina”
– “Operaciones no opera adecuadamente las
máquinas y dificulta la mantención preventiva”
Mantención v/s Operación
• Distinguir tiempos muertos de operaciones y
mantención
Aviso de Inicio Inicio Fin de Re-inicio de
Falla falla diagnóstico reparación reparación operación
Responsabilidad Responsabilidad Responsabilidad

de operaciones de mantención de operaciones
Operación
Detenida
Gestión de Tiempos Muertos
1. Focalizar análisis en procesos que permitan:
– Aumentar capacidad de “cuello de botella”
– Reducir recursos de “no cuellos de botella”
2. Focalizar análisis en tiempos muertos más relevantes
– Análisis de Pareto de tiempos muertos: causas del 80%
de las detenciones.
3. Realizar evaluación económica de tiempos muertos
– Disminución de tiempo muerto / Inversión o gasto
Gestión de Tiempos Muertos
4. Traslape de tiempos muertos
– Tiempos muertos de mantención NO durante tiempo
efectivo
– Tiempos muertos de operación NO durante tiempo
disponible
5. Reducción de tiempo muertos
– Ojo con tiempos ocultos y efectos secundarios
Tiempo total
Tiempo efectivo (jornada de trabajo) Descanso
Tiempo disponible Mantención Mantención
Tiempo utilizado T. muerto operación T. muerto operación

Palancas para aumentar producción
Producción
P Productividad
U Utilización
D Disponibilidad
J Jornada laboral
N Número de equipos
Visión de proceso
Abastecimient Procesamient
Volteo
o o
N P N P N P
U U U
D D D
J J J
DMAIC

necesitan.

proceso

efecto

LEYES DE FLUJO Y SU APLICACIÓN EN
LAS OPERACIONES
Rentabilidad Operacional
• Es el principal objetivo de una empresa
valor agregado ingresos - costos

rentabilidad operacional = =
inversión inversión
flujo   precio - costo unit ario 
=
inversión
13-dic-17 107
¿Cómo se obtiene mayor rentabilidad
operacional?
Capacidad
Flujo
Inventario/WIP
Rentabilidad
Ciclo/Permanencia Costo
Calidad
Inversión
Flexibilidad
Prof. Pedro Traverso 108

Análisis Cuantitativo de Procesos
• Importante entender la relación entre los flujos,

los inventarios y sus permanencias.
Flujo de Entrada
Flujo Flujo
Entrada Salida
Actividad Inventario Flujo de Salida
Permanencia
109
Equilibrio de Flujo
• Las diferencias entre la recepción y el despacho son
absorbidas por el inventario.
• Si el inventario no puede crecer ni decrecer en forma
indefinida, en el largo plazo se debe cumplir que:
Flujo de entrada [u/t] = Flujo de salida [u/t].
Flujo de Entrada
Inventario Flujo de Salida

Ley del Flujo (Little, 1961)
• En general se puede decir que en promedio:
Inventario[u]
Flujo[u/t] =
Ciclo[t]
Flujo de Entrada
Ciclo
Flujo de Salida
Inventario
Aplicación Ley de Little
• Si en promedio hay 1.000 cajas de helado en
un frigorífico, y diariamente se despachan 20
cajas:
– ¿Cuánto tiempo en promedio permanece una caja
en el frigorífico?
– ¿Qué nivel de inventario debiera haber en el
frigorífico para que las cajas permanecieran en
promedio 5 días?
112
Caso: Fábrica de Chocolate
• Una fábrica tiene una línea que procesa 2[ton/día] de

cacao en forma continua. Para funcionar la línea mantiene
10[ton] de inventario en proceso:
– ¿Cuál es el largo de su ciclo de producción?
– ¿Qué pasa con las variables de flujo, inventario y ciclo si se instala
una nueva línea de producción?
– ¿Qué pasa con las variables de inventario y ciclo si las ventas sólo
permiten un flujo de 3[ton/día]?
113
Aplicación de Ley de Little
• Ley de Little en un proceso
Flujo Actividad 1 Actividad 2 Actividad 3

Inventario A1 Inventario A2 Inventario A3
Ciclo A1 Ciclo A2 Ciclo A3
Actividad 4
Inventario A4
Ciclo A4
Caso: Cadena de la Fruta
• Si los inventarios y los flujos se

mantienen fijos en los valores indicados:
– ¿Cuánto demora en promedio una fruta en
llegar desde el agricultor al cliente?
6[t/día] 72[t/día] 79[t/día]
Agricultor Packing Frigorífico Tienda

20[t] 2[t/día] 8[t] 8[t/día] 320[t] 80[t/día] 1[t/día] 2[t] 1[t/día]
115
Lead-time
• Tiempo que transcurre entre que se realiza y

que se recibe un pedido. Se compone de:
– lead-time del pedido: desde que se emite hasta
que se despacha el pedido
– lead-time del despacho: desde que se despacha
hasta que el cliente recibe el pedido
• En el ejemplo, el lead-time del despacho
desde el agricultor a la tienda es de 5[días].
116
Flujo con Recirculación
• Una planta produce 100 [ton/día]. En el control de calidad 1 (CC1)
hay un rechazo inicial del 10% y en CC2 hay un rechazo parcial del
15% y un rechazo total del 5%. El despacho demora en promedio
medio día.
1. ¿Cuántas unidades deben despacharse cada día?
2. ¿Cuánto inventario tendrá en promedio la bodega de
despacho?
3. Si el rechazo parcial del CC2 se reduce a 10%, ¿como cambian
las respuestas de las dos preguntas anteriores?
Abastecimiento Producción Comercial

Rechazo inicial: 10% Rechazo parcial: 15%
100 [ton/día]
X Control Control
Despacho calidad 1 Producción calidad 2
Venta
Rechazo total: 5% 117

Equilibrio de Flujos
• Se iguala flujo de entrada y de salida en cada nodo:
1 + 4 + 7 = 2
2 = 4 + 3
3 + 6 = 5
5 = 6 + 7 + 8
• Se expresan los flujos de rechazo:
4 = 0,12
6 = 0,155
7 = 0,055
1 2 10% 4 3 5 15% 6 8
5% 7
118
Equilibrio de Flujos (Cont.)
• Con 8 incógnitas y 7 ecuaciones se considera la
ecuación: 5 = 100[u/h].
• El resultado es 1 = 80[u/h]; 2 = 94,44[u/h]; 3 =
85[u/h]; 4 = 9,44[u/h]; 6 = 15[u/h]; 7 = 5[u/h];
8 = 80[u/h]
9,44[u/h] 15[u/h]
80[u/h] 94,44[u/h] 100[u/h] 80[u/h]
85[u/h]
5[u/h]
119
Casos de Estudio:
Sistema Penal
Existe un flujo de inculpados primerizos que ingresan
al sistema. El largo promedio de un juicio es de
50[días], período en que el inculpado permanece
detenido en recintos de detención provisorios hasta
que se dicta la sentencia. El 50% de los inculpados
recibe la pena de cárcel, en tanto que el resto sale
libre debido a la sobrepoblación del sistema
penitenciario. La condena promedio es de 150[días],
al acabo de los cuales la persona es liberada. Una vez
liberada, existe una probabilidad del 50% de que la
persona reincida en el delito y que vuelva a ser
sometida a juicio. 120
Sistema Penal (Cont.)
• El número de sentencias es de 120 al día.

• ¿Cuál es el largo real promedio de la detención de
los inculpados (considere todo el proceso)?
Primerizos Libres Rehabilitados

50% 50%
Juicio Sentencia Cárcel Reincidencia
50[días] 150[días]
Presidio
Reincidentes
121
Largo real de la detención
Inventario Juicio = 120[p/día]  50[días] = 6000[p]

Inventario Cárcel = 60[p/día]  150[días] = 9000[p]
Inventario Total = 15000[p].
Inventario 15000 [p]

Largo Ciclo = = = 167 [días]
Flujo 90 [p/día]
122
Costos por Recirculación
• La recirculación aumenta el flujo de algunas
actividades.
• Se incrementan ciertos ítems de costos
variables respecto del flujo :
– deterioro
– energía
123
Flujos con Recirculación
• El inventario en la actividad Limpieza es de 5[u].

• El inventario en Preparación es de:
inventario = flujo  ciclo = 1[u/h]  1[h] = 1[u]
• El inventario total es de 6[u], por lo que
ciclo = inventario / flujo = 6[u] / 4[u/h] = 1,5[h]
Preparación
1[u/h] 1[u]
20%
4[u/h] 5[u/h] 4[u/h]
Limpieza Control
5[u] calidad
6[u]
Aplicaciones de Análisis Cuantitativo con
Ley de Flujo
• Determinar impacto de modificaciones de
flujo, ciclo, inventario
• Evaluar inversiones de mejoramiento
125
Logística Reversa
• Proceso mediante el cual se recupera parte del material

despachado a clientes.
• Ejemplo: envases retornables
• ¿Cuántos envases necesita la empresa Acme para operar?
Envasadora Acme Cliente
Logística
Embotellado Consumo ¿Leal?
100[e] 100[e/día] 5[días]
Envases vacíos 90% Sí
Logística
Reversa
Competencia
Retención
10[días] Envases vacíos
126
Envasadora Acme Transportista Cliente
Abastecimiento Producción Despacho Directo Agencias
Compras Llenado Despacho Acarreo Llenos

Ventas Agencia
de
baja
Control Uso Cliente Uso Cliente
Calidad Reparto Directo Agencia
bueno
Vacíos sí ¿Cliente
en Planta fiel?
no
Competencia sí ¿Entrega Vacíos
Intercambio Propios? Agencia
Vacíos en no
Competencia
Sí Devuelve
Directo?
Se entregan a competencia
127
Entrada Salida Inventario Ciclo
[e/d] Destino 1 [e/d] Destino 2 [e/d] Envases[e] Días[d]
CL.AGENCIA CL.DIRECTOTRP EMBOTELL.ACME
Vacíos en Planta 100 Control Calidad 100 1.000 10,0

Control Calidad 100 Llenado 95% Compras Ventas 5% 50 0,5
95 5
Compras Ventas 5 Llenado 5
Llenado 100 Despacho 100 50 0,5
Despacho 100 Reparto 40% Acarreo 60% 200 2,0
40 60
Reparto 40 Uso Cliente Directo 40 40 1,0
Acarreo 60 Llenos Agencia 60 180 3,0
Uso Cliente Directo 40 ¿Cliente fiel? 40 400 10,0
¿Cliente fiel? 40 Vacíos Planta 70% ¿Entrega Propios? 30%
28 12
¿Entrega Propios? 12 Vacíos Planta 50% Vacíos Competencia 50%
6 6
Llenos Agencia 60 Uso Cliente Agencia 60 180 3,0
Uso Cliente Agencia 60 Vacíos Agencia 60 600 10,0
Vacíos Agencia 60 ¿Devuelve Directo? 60 300 5,0
¿Devuelve Directo? 60 Vacíos Planta 50% Vacíos Competencia 50%
30 30
Vacíos Competencia 36 Vacíos en Planta 36 720 20,0
TOT.
Compras Ventas 5 3.720 744,0

Despacho 100 3.720 37,2
128
Principales Resultados
• Se requieren 3.720 envases.

• Un envase se llena cada 37,2 días.
• La vida útil de un envase es de 744 días.
• Un envase demora 19 días desde que regresa a la
planta hasta que llega al cliente de agencias.
Vacíos Agencia
15% Vacíos en Planta
29%
Proceso en Planta
Uso Cliente
3%
Agencia Despacho
29% Llenos Agencia Acarreo 6%
9% 9%
129
Efectos de Cambios en 10%
Menor tiempo en competencia
Mejora devolución agencias
Disminución vacíos agencia
Disminución llenos agencia
Aumento participación
Aumento fidelidad
Menor tiempo en cliente
Menor tiempo acarreo
Aumento reparto directo
Aumento ventas
Disminución rechazos control de calidad
Disminución vacíos en planta
-150 -100 -50 - 50 100 150 200 250
Crecimiento Inventario
130
Dimensionamiento de Flota
1) Una empresa minera debe transportar el mineral desde el yacimiento
hasta la planta de producción usando camiones de 20 Ton. Existe sólo
un tambor cargador para cargar los camiones y sólo un tambor receptor
para descargarlos. Los camiones son cargados en 4 minutos luego de lo
cual inician un viaje de 8 minutos hacia la planta. Llegando descargan
en 2 minutos, e inician su viaje de retorno que demora 6 minutos, 2
minutos menos que el viaje de ida porque el camión va vacío.
a) ¿Cuál es el flujo máximo de mineral por minuto que puede transportar

esta empresa?
b) ¿Cuántos camiones requiere para poder transportar esa cantidad?
c) ¿En promedio cuántos camiones estarán cargando, cuántos viajando
hacia la planta, cuántos descargando y cuántos viajando de vuelta al
yacimiento?
d) Si se decide trabajar con 6 camiones en este sistema: ¿Cuál es el flujo
transportado por minuto?, ¿Cuál es el tiempo de espera promedio de
cada camión?
Dimensionamiento de Flota
Carga: 4 minutos
Viaje de ida: 8 minutos

Descarga: 2 minutos
20 Ton
20 Ton
Viaje de vuelta: 6 minutos
132
Cálculo de flota de transporte
• ¿Cuántos camiones se necesitan para asegurar
el abastecimiento de una red?
c c
c
c
c c
c
Planta
c c

Cálculo de flota de transporte
Unidades transportadas[u/d]
Nº camiones[c ] =
Capacidad de carga[u/v c]  Vueltas al día[v/d]
Modelo General cálculo de flota de
transporte
• ¿Cuántos camiones se necesitan para asegurar el
abastecimiento de una red?
• Variables
– Unidades a transportar por día (u/d)
– Capacidad de carga del camión (u/vc)
– Pedido promedio de los clientes (u/cl)
– Tiempo promedio por cliente (h/cl) (puede ser función del
pedido promedio)
– Tiempo total de trabajo al día (h/d)
– Tiempo de la vuelta (h/v) (puede ser función del pedido
promedio)
– Tiempo en planta (h/v)

Modelo General cálculo
flota de transporte
Unidades transportadas[u/d]
Nº camiones[c ] =
Capacidad de carga[u/v c]  Vueltas al día[v/d]
Horas de trabajo[h/d]
Vueltas al día[v/d] =
Horas a cl[h/v]  Horas ruta[h/v]  Horas planta[h/v]
Horas ruta[h/v] = Tiempo por cliente [h/cl]  N Clientes por vuelta[cl/v]
Capacidad de carga [u/vc]

N Clientes por vuelta [cl/v] =
Pedido promedio cliente [u/cl]
Prof. Pedro Traverso Prof. Pedro Traverso 136
Ejercicio en clases
• Determine cuántos camiones requiere una
empresa que debe repartir 150.000 kilos de hielo
diariamente. Considerando los siguientes
parámetros.
– Unidades a transportar por día (u/d) = 150.000
– Capacidad de carga del camión (u/vc) = 3.000
– Pedido promedio de los clientes (u/cl) = 500
– Tiempo de viaje a primer cliente (h/v) = 1/4
– Tiempo promedio por cliente (h/cl) = 0,1
– Tiempo en planta (h/v) =1
– Tiempo total de trabajo al día (h/d) = 8

Criterio de optimización
• Aprovechamiento de las vueltas
• Inversión
• Costos de operación
• Restricciones de tamaño

Ejercicio en clases
• N de camiones en función de la capacidad
40
35
30
N de camiones requeridos
25
20
15
10
0
1000 1500 2000 2500 3000 3500 4000 4500 5000 5500
Capacidad de carga

Ejercicio en clases
N de Camiones Requeridos segun capacidad
de carga y tamaño promedio de pedido
50
Tamaño 250
45
promedio de
40 500
pedido
35 750
N de Camiones
30 1000
25
20
15
10
5
0
1000 1500 2000 2500 3000 3500 4000 4500 5000 5500
Capacidad de carga camión

DMAIC

necesitan.

proceso

efecto

HERRAMIENTAS DE OPTIMIZACIÓN Y
SU APLICACIÓN EN OPERACIONES
Teoría de Restricciones (TOC*)
• La actividad más restrictiva define el flujo de
un proceso
A B BC D E
*Theory of Constrains
Metodología de trabajo TOC
1. Identificar la actividad cuello de botella
2. Aprovechar al máximo el cuello de botella
3. Ajustar el sistema a la misma velocidad del cuello
de botella
4. Ampliar capacidad del cuellos de botella
5. Volver al paso 1
Cuellos de Botella
13-dic-17 146
DMAIC

necesitan.

proceso

efecto

Modelos de Optimización
• Si los recursos son escasos
• Si existen diferentes alternativas para
utilizarlos
• Si se tiene claro lo que se quiere lograr y las
restricciones que lo impiden
• Entonces nos podemos apoyar en modelos de
programación matemática para tomar
decisiones

Reseña Histórica
Programación Matemática
• 1939: Métodos matemáticos para la organización y la
producción, Leonid Kantorovich (Nobel de Economía,
1975)
• 1941-42: Problema del Transporte. Kantorovich y
Koopmans
• 1945: Problema de la Dieta, George Stigler.
• 1947: Método Simplex, George Dantzig

Introducción al Modelo de Optimización
• Se dispone de 8 piezas pequeñas y 6 piezas

grandes para fabricar sillas o mesas
• Sillas:
– Requiere 2 piezas pequeñas y 1 pieza grande
– $15 de utilidad neta
• Mesas
– Requiere 2 piezas pequeñas y 2 piezas grandes
– $20 de utilidad neta

• ¿Cuánto producir para maximizar la rentabilidad?

Piezas
Sillas Mesas Pequeñas Grandes Utilidad
1 1 4 3 35
2 2 8 6 70
3 3 12 9 105
4 1 10 6 80
1 2 6 5 55
2 3 10 8 90
3 1 8 5 65
4 2 12 8 100

• ¿Qué pasa si la silla y la mesa están formadas

de 10 partes?, ¿y si cada una tiene distinto
precio?
• Problemas de optimización pueden llegar a ser
extremadamente complejos.
• El uso de Modelos de Optimización facilita el
análisis y la solución de este tipo de
problemas.

Programación Lineal
• Método matemático que maximiza/minimiza
funciones lineales sujetas a restricciones
también lineales.
• Un modelo de este tipo tiene tres
componentes básicos:
1. Función objetivo
2. Variables de decisión
3. Restricciones

¿Qué es lo que se quiere

Función Objetivo
maximizar o minimizar?
¿Cómo puedo influir sobre

Variables de
lo que quiero maximizar o
Decisión
minimizar?
¿Qué condiciones se deben

cumplir para que la
Restricciones
solución encontrada sea
factible?

Función Objetivo Max utilidad = f(s,m) = 15·s + 20·m
Número de sillas a producir = s

Variables de
Número de mesas a producir =
Decisión
m
2·s + 2·m ≤ 8 (máx. de p. pequeñas)

Restricciones 1·s + 2·m ≤ 6 (máx. de p. grandes)
s , m ≥ 0 (no negatividad)

• Nomenclatura típica de un programa lineal:
Max 15·s + 20·m

s.a. 2·s + 2·m ≤ 8
1·s + 2·m ≤ 6
s,m≥ 0
• Si exigiéramos que las variables deben ser enteras 

Programación entera
• Si tuviéramos restricciones del tipo 1·s2 + 2·m 
Programación NO-Lineal

Ejemplo: Negocio de una Central
Frutícola
• Una central frutícola produce peras y uvas.
• Se dispone de un máximo de 60 toneladas de peras y
50 toneladas de uvas al mes.
• Cada tonelada de peras requiere de 1 hora de planta
mientras que una tonelada de uvas requiere de 2
horas. La capacidad de la planta es de 120 horas al
mes.
• Las peras se venden a US$20 mil la tonelada y las
uvas a US$30 mil. ¿Qué se debe producir?

Función Objetivo Maximizar utilidad de la central
Variables de Toneladas de peras a producir

Decisión Toneladas de uvas a producir
Máximo de peras disponibles

Máximo de uvas disponibles
Restricciones
Capacidad de la planta
No negatividad

Modelación del Negocio de una
Central Frutícola
Max z= 20·xP+ 30·xU
s.a. xP 60 Disponibilidad de peras

xU  50 Disponibilidad de uvas
1·xP+ 2 ·xU  120 Capacidad producción
0  xP No negatividad peras
0  xU No negatividad uvas

Representación Gráfica
• Las restricciones y la función objetivo pueden
ser representadas en un gráfico cuando se
trabaja con dos variables de decisión.
• De esa manera podemos encontrar
gráficamente la solución a este problema de
optimización.

Representación de Restricciones
• La capacidad de producción de la central está
limitada por la restricción: xP + 2 xU  120.
xU
80
70
60
50
40
30
20
10 xP
10 20 30 40 50 60 70 80 90 100 110 120 130

Representación de Restricciones
• Se define un área factible que incluye la recta
xP + 2 xU = 120.
xU
80
70
60
50
40
30
20 xP + 2 xU  120
10 xP
10 20 30 40 50 60 70 80 90 100 110 120 130

Área Factible del Problema
• La disponibilidad máxima de peras y uvas
determina las restricciones: xP  60 y xU  50
xU
80 xP  60
70
60
50 xU  50
40
30 Area
factible
20 xP + 2 xU  120
10 xP
10 20 30 40 50 60 70 80 90 100 110 120 130

Función Objetivo
• Es una recta cuya pendiente está definida por los
coeficientes, en este caso el precio de las peras y las
uvas.
• Ecuación de la recta: y = mx + n
• z= 20·xP+ 30·xU
• xU = -20/30·xP + z/30
• Recta con
– Pendiente -20/30
– Atraviesa el eje Y en z/30
Función Objetivo
• Ecuación de la recta xU = -20/30·xP + z/30

z = 2.400
xU
80
z = 1.800
70
z = 1.200
60
50
z = 600
40
30
20
10 xP
10 20 30 40 50 60 70 80 90 100 110 120 130

165
Estrategia Óptima
xP=60 ; xU=30
z= 20·xP+ 30·xU
xU z = 2.100
80 xP  60
70
60
50 xU  50
40
30
xP + 2 xU  120
20
10 xP
10 20 30 40 50 60 70 80 90 100 110 120 130

Análisis de Sensibilidad
• No sólo es importante conocer el resultado
óptimo, sino también cómo se modifica ese
resultado debido a pequeños cambios en
los parámetros del problema.
• Los precios sombra indican cuánto
aumenta/disminuye la función objetivo
debido a una relajación/ajuste marginal de
una restricción.

Cambio Marginal
• ¿Beneficio marginal de relajar restricción de
capacidad?
Uvas
Óptimo inicial: xP  60
F.O
xP = 60, xU = 30; z = 2.100
60
xU  50
Nuevo óptimo: 4
xP = 60, xU = 30,5; z = 2.115 0
30
20
B. marginal de capacidad =
$15 por una hora extra de trabajo
4 Peras
20 60
0 168
Cambio Marginal
toneladas máximas de pera?
Uvas xP  60 xP  70
Óptimo inicial:
F.O
xP = 60, xU = 30; z = 2.100
60
xU  50
Nuevo óptimo: 4
xP = 70, xU = 25; z = 2.150 0
30
B. marginal de capacidad = 20
$50 por 10 Toneladas extra
$5 por 1 Tonelada extra
4
20 60 70 Peras
0 169
Cambio Marginal
toneladas máximas de uva?
• Toda restricción no activa otorga un beneficio
marginal igual a 0 cuando se relaja
Uvas xP  60
Óptimo inicial:
F.O
xP = 60, xU = 30; z = 2.100
60 xU  60
4 xU  50
Nuevo óptimo:
xP = 60, xU = 30; z = 2.100 0
30
20
B. marginal de capacidad =
$0 por n cantidad extra
4
20 60 70 Peras
0 170
Programación de la Producción
• Una planta produce unidades de P y de Q, que
para ser generadas deben pasar por un
proceso. La demanda por P es de 100
unidades por semana y la de Q es de 50. Cada
operario A, B, C y D trabaja 2.400 minutos por
semana *.
* Goldratt, E. (1990) The Haystack Syndrome, Sifting Information Out of the
Data Ocean, Croton –on-Hudson, NY: North River Press, Inc.

La Fábrica Perfecta
• El autor reporta haberle planteado a más de 10.000 ejecutivos el problema de
encontrar el nivel óptimo de operación, de los cuales sólo el 1% logró resolverlo
exitosamente.
$90/u $100/u
P 100 u/sem Q 50 u/sem
: producto
D 15 min./u D 5 min./u o servicio
$5/u : proceso
C 10 min./u C 5 min./u B 15 min./u
R
A 15 min./u B 15 min./u A 10 min./u : materia

prima
S $20/u T $20/u U $20/u

La Fábrica Perfecta
• Usualmente una postura de tipo comercial es identificar a Q como el
producto de mayor utilidad, igual a 60 [$/u], en comparación con P cuya
utilidad es de 45 [$/u].
• Adicionalmente, el total de tiempo de trabajo necesario para producir una
unidad de Q es 50 [min] mientras que para P son 60 [min].
• Por lo tanto, se produce 50 [u] de Q y 60 [u] de P, con una rentabilidad de
45 [$/u]  60 [u] + 60 [$/u]  50 [u] = 5.700 [$].

Modelación con
• Maximizar:
z = 90 xP + 100 xQ – 45 xP – 40 xQ = 45 xP + 60 xQ
• Sujeto a:
xP  100 restricción demanda de P
xQ  50 restricción demanda de Q
15 xP + 10 xQ  2400 restricción trabajador A
15 xP + 30 xQ  2400 restricción trabajador B
15 xP + 5 xQ  2400 restricción trabajador C
15 xP + 5 xQ  2400 restricción trabajador D
xP, xQ  0 restricción de no negatividad

Planificación de una Planta de
Producción
F.O. inicial
Solución: xQ
xP = 100, xQ = 30;
z = 6.300
xP  100
xQ  50
50
0  xQ xP
0  xP 50 100 150
Planificación de una Planta
• ¿Qué determina que una restricción sea o no activa?
• Suponga que ahora z = 30 xP + 90 xQ
F.O. inicial
Solución: xQ
xP = 60, xQ = 50; F.O. Nueva
z = 6.300
xP  100
xQ  50
50
0  xQ xP
0  xP 50 100 150
Problema del Transporte
• Se requiere encontrar la configuración óptima del
transporte de una empresa.
• Suponga que la empresa posee dos plantas con capacidad
máxima de producción de 250 y 450 unidades diarias de
un determinado producto.
• Dichas unidades deben ser trasladadas a tres centros de
distribución con demandas diarias de 200, 200 y 250
unidades, respectivamente.
• Los costos de transporte (en $/unidad) son:
C.Dist. 1 C.Dist.2 C.Dist.3

Planta 1 21 25 15
Planta 2 28 13 19
• ¿Cuáles son las variables de decisión de

este problema?
CD
x11 1
Planta x12
1
x13
CD
x21 x22 2
Planta x23
2
CD
3
178
Min 21x11+25x12+15x13+28x21+13x22+19x23
s.a.
Cumplimiento de demandas:
CD1 : x11 +x21 = 200
CD2 : x12 +x22 = 200
CD3 : x13 + x23 = 250
Capacidad máxima:
P1 : x11 + x12 + x13  250
P2 : x21 + x22 + x23  450
Restricciones de no negatividad:
xij  0, Para todo i, j

Problema de la Dieta
• Se requiere encontrar una dieta óptima que cumpla con

todos los requerimientos nutricionales al menor costo.
• La siguiente tabla indica los requerimientos que debe
tener una dieta, y la información nutricional y costos de
los alimentos disponibles:
Leche Legumbre Naranjas Requerimientos

(litro) (1 porción) (unidad) Nutricionales
Niacina 3,2 4,9 0,8 13
Tianina 1,12 1,3 0,19 15
Vitamina C 32 0 93 45
Costo 2 0,2 0,25
• Variables de decisión
x1 : litros de leche utilizados en la dieta.
x2 : porciones de legumbre utilizadas en la dieta.
x3 : unidades de naranja utilizadas en la dieta.

Min 2 x1 + 0,2 x2 + 0,25 x3
s.a.
Requerimientos mínimos de nutrientes:
3,2 x1 + 4,9 x2 + 0,8 x3  13
1,12 x1+ 1,3 x2 + 0,19 x3  15
32 x1+ 93 x3  45
No negatividad:
x1 , x2 , x3  0

Problema de Planificación de Producción
• Se requiere definir los niveles de producción para los períodos futuros

considerando las demandas, el costo de producir en cada período, y el
costo de mantener stock.
• Suponga que una fabrica puede elaborar hasta 150 unidades en cada
uno de los 4 periodos en que se ha subdividido el horizonte de
planificación y se tiene adicionalmente la siguiente información:
Periodos Demandas Costo Prod. Costo de Inventario

(unidades) (US$/unidad) (US$/unidad)
1 130 6 2
2 80 4 1
3 125 8 2.5
2,5
4 195 9 3
• Suponga además que existe un inventario inicial de 15 unidades y que

se debe cumplir con la demanda en cada uno de los períodos.
• ¿Cuáles son las variables de decisión en este caso?
xt : número de unidades elaboradas en el periodo t.
It : número de unidades de inventario al final del periodo t.
Período 1 Período 2 Período 3 Período 4
Demanda Demanda Demanda Demanda

período 1 período 2 período 3 período 4
187
Min 6x1+ 4x2 + 8x3 + 9x4 + 2I1 + I2 + 2,5I3 + 3I4
s.a.
Capacidad máxima de producción:
xt  150 para todo t
Cumplimiento de demandas:
x1 + I0 – I1 = 130 Periodo 1 (I0=15)
x2 + I1 – I2 = 80 Periodo 2
x3 + I2 – I3 = 125 Periodo 3
x4 + I3 – I4 = 195 Periodo 4
¿Se puede reemplazar el =
No negatividad: por  ?
xt  0 para todo t

Problema de Asignación
• Cada persona puede realizar cada una de las tareas a un

costo distinto.
• ¿Cuál es la asignación óptima?
Personas Tareas
1 1
2 2
3 3
Prof. Pedro Traverso

4 4
• Existen n! maneras de asignar las personas a
las tareas
• Si n = 4. Hay 4·3·2·1 = 24 alternativas
• Si n = 70. Hay 70! =
11978571669969891796027837216890987364
5893381425464258575553628646280095827
898845319680000000000000000000
alternativas= aproximadamente 2332

• Variables
xij : = 1 si Persona i asignada a la tarea j
= 0 de lo contrario

Min n n
s.a.  c x
i =1 j =1
ij ij
x
Cada persona es asignada a
ij =1 Para cada i
1 tarea
j =1
n Cada tarea es asignada a
x
i =1
ij =1 Para cada j 1 persona
xij  0 Para todo i , j

Ejercicio en Clases
• ¿Cuántos cajeros tener en un banco?
– Se ha determinado que se debe disponer de al menos el siguiente
número de cajeros en las distintas horas de atención:
Hora Número mínimo de

cajeros
9-10 10
10-11 12
11-12 14
12-1 16
1-2 18
2-3 17
3-4 15
4-5 10
Cajeros Full Time
• Trabajan de 9 am a 5 pm
• Tienen dos break de 30 min: uno a las 11, y
otro a las 12
• Tienen un costo $90 por día
• Actualmente se puede disponer de un máximo
de 12
Cajeros Part Time
• Trabajan 4 horas seguidas (sin break)
• Pueden comenzar a trabajar a las 10, 11, 12, o
1
• Se les paga $7 por hora ($28 por día)
• No pueden exceder el 50% de la dotación
mínima requerida en cada hora.
DMAIC

necesitan.

proceso

efecto

INVENTARIOS
Inventario
• Es una barrera contra la incertidumbre
• Tiene su costo
• Tiene su beneficio
• Ejemplo de la protección con inventario a nivel
productivo…
Inventario o stock
• ¿Para que sirven los inventarios?
• ¿Cuáles es la ventaja de tener mucho inventario?
• ¿Cuál es el problema de tener mucho inventario?
Flujo de Entrada
Inventario Flujo de Salida

Inventarios en una empresa
Objetivo: asegurar Objetivo: asegurar
continuidad del proceso respuesta a cliente final
Inventario de insumos Inventario de Inventario de

productos intermedios productos terminados
Insu
Proceso 1 Proceso 2
I.I. I.I. I.I.
mos
“Alcance” del Inventario
• Con frecuencia se expresa el inventario en
términos de las ventas.
• Si se venden 100 unidades al mes, “disponer
de 500 unidades de inventario inicial” es
equivalente a “disponer de 5 meses en total
de venta”.
“Alcance” del Inventario (cont.)
Stock
200
Tamaño 100
del pedido
8 16
Alcance promedio Días
Alcance máximo
Beneficios de Tener Stock
• De cara al proveedor (de materias primas):

– Evitar riesgos/costos de desabastecimiento
– Aprovechar economías de compra
– Mejorar posición negociadora
• De cara al cliente (de productos
terminados):
– No perder venta (fill-rate)
– Garantizar servicio a los clientes
– Evitar deslealtad del cliente
– Evitar multas por desabastecimiento
Costos de Tener Stock
• Costos alternativo del capital

• Infraestructura
• Operación (resguardo y manipulación)
• Pérdidas por daños, mermas, obsolescencia
• Dificultad para identificar problemas de
operación.
Inventarios Agregados en 1983*
4,5
4
Materias Primas
3,5
Meses de Inventario
3
2,5
2 Terminados
1,5
1
0,5
0
*: Guasch & Kogan (2002) “Just-in-Case inventories: A cross-country analysis”

Costo del Inventario
• En EE.UU, los inventarios representan

alrededor del 25% de los costos logísticos*.
Costo Logístico
*: Herbert W. Davis and Company (2000) 211

Decisiones relativas al Inventario
• ¿Cuánto stock tener?
• ¿De qué tamaño hacer los pedidos?
Inventarios en una empresa
Objetivo: asegurar Objetivo: asegurar
continuidad del proceso respuesta a cliente final
Inventario de insumos Inventario de Inventario de

productos intermedios productos terminados
Insu
Proceso 1 Proceso 2
I.I. I.I. I.I.
mos
Costos Asociados a una Compra
• Costo de lo Comprado
• Costos Administrativo o de Pedido
• Costo (futuro) de Mantener el Stock
214
Costos del Lote de Compra
COSTO TOTAL
Costo Anual
Costo futuro de
mantener
Costo
administrativo de
pedir
Q óptimo Tamaño del Lote

215
Tamaño de Pedido (Q)
• Existen diferentes cantidades o “tamaños”

de pedido:
– Lote Económico de Compra (EOQ)
– Lote de Cobertura (LC)
– Otros (Presupuesto, Capacidad de Transporte,
Límite definido por Proveedor, etc.)
216
Modelo Economic Order Quantity*
(EOQ)
• Demanda anual: D[u/a]

• Precio de compra del producto: P[$/u]
• Costo (futuro) de mantener inventario, como
porcentaje del costo del producto: C [%]
• Costo administrativo de la compra (por lote):
A[$/l]
• Tamaño del pedido: Q [u/l]
* Ford Harris (1913)

217
Frecuencia de Compra
• Dada la demanda anual D y el tamaño de

pedido Q, se puede deducir la frecuencia
de compra o número de pedidos anuales:
D
N=
Q
218
Lote Óptimo de Compra
• Costo Total Anual [$/a] = Costo compra +

Costo administrativo + Costo mantener
= P[$/u]  D[u/a] + A[$/l]  D[u/a] / Q[u/l] + ½
Q[u/l]  P[$/u]  C[%]
•  CT/ Q = –AD/Q2 + ½PC= 0
2AD
• Lote óptimo de compra:EOQ =
CP
219
Ejemplo de Cálculo del Lote
Tamaño Número de Costo de Costo de Costo Total
del lote lotes recepción inventario
reposición (D/Q) A(D/Q) ½QPC
40 120 4.800 500 5.300

60 80 3.200 750 3.950
80 60 2.400 1.000 3.400
100 48 1.920 1.250 3.170
120 40 1.600 1.500 3.100
160 30 1.200 2.000 3.200
200 24 960 2.500 3.460
300 16 640 3.750 4.390
400 12 480 5.000 5.480
220
Ejemplo EOQ
• Un molino debe comprar anualmente 50.000
quintales de trigo
• El precio de compra de un quintal de trigo en
$15.000
• El costo de realizar un pedido se estima en
$25.000
• El costo de mantener un quintal de trigo es
aproximadamente un 5% del costo del
producto
221
Economic Production Lot (EPL)*
• Si hay un tasa de producción o de llegada de
stock igual a R
• Note que si R  , entonces EPL = EOQ
2AD
EPL =
C  P  1 - D/R 
* Taft (1918)
222
Q
1000
1500
2000
2500
3000
3500
0
500
80000
150000
250000
350000
450000
550000
650000
750000
850000
950000
R
1050000
1150000
1250000
1350000
1450000
1550000
1650000
1750000
1850000
1950000
Economic Production Lot (EPL)*
223
Lote de Cobertura
• El lote de cobertura (LC) busca cubrir la

demanda durante el período de entrega
(lead time).
• Bajo condiciones de certidumbre,
corresponde a:
LC = d  t e
donde d es la demanda (diaria, mensual) y
te es tiempo de entrega o lead time
224
Demanda No-Constante: Definiciones
• Espera o lead-time: tiempo entre la orden y

la recepción
• Cantidad de re-orden (RQ): nivel de
inventario que obliga a ordenar, para no
quebrar, dada la demanda y el lead-time.
• Stock cíclico: promedio de inventario que
está moviéndose (la mitad de la orden
promedio).
225
Pedido Fijo - Revisión Variable
Ejemplo Lead Time 4 días
Stock
200
Tamaño
fijo del
pedido 80
Cantidad
re-orden
6 10 12 16 20 25
Revisión y Días
Pedido Lead-time Llegada de
la orden
226
Revisión Fija - Pedido Variable
Stock
200
Período
de revisión
Tamaño
del pedido
Cantidad
re-orden
0 7 14 21 28 Días
Revisión y Llegada de
Pedido la orden
Lead-time 227
Stock de Seguridad
• La demanda diaria está cada día por sobre o

por debajo de la demanda promedio.
140,0
120,0
100,0
80,0
60,0
40,0
20,0
LMWJV S LMWJV S LMWJV S LMWJV S
228
Distribución de Probabilidad de la
Demanda Diaria
• Se supone que la venta diaria es una
variable aleatoria V, con una distribución
normal de probabilidad.
• Si es posible decir que “la venta diaria es en
promedio 75[u] más menos 26[u]”,
entonces se define el valor esperado como
E(V) = 75[u], y la desviación estándar como
s(V) = 26[u].
229
Demanda Mensual
• Asumiendo que la venta diaria es independiente una
de la otra, la venta mensual es una variable aleatoria
W, con una distribución normal de probabilidad.
• Si el mes tiene n = 25 días, el valor esperado es E(W)
= n  75[u] = 1.875[u], y la desviación estándar es:
s(W) = n  26[u] = 130[u]
230
Demanda Mensual (cont.)
• El 34,2% de los meses la venta está entre 1.875 y
1.875 + 130; el 13,6% de los días está entre 1.875
+ 130 y 1.875 + 2130; etc.
Probabilidad
13,6% 34,2% 34,2% 13,6%

E(W)=1.875[u] 2.135[u] W: venta mes
s(W)=130 2s(W)=260
231
Función del Stock de Seguridad
• “Colchón” de producto necesario para
responder ante aumentos inesperados de la
demanda.
• Si se utiliza, hay que reponerlo lo más
rápidamente posible.
Incertidumbre en la Demanda
Stock Llegada de
la orden
2.005
1.875
Inventario
promedio
Stock de
130 seguridad
0 22 25 50 Días
Probabilidad
del nivel de inventario 233
Factor de Seguridad K
• El factor K multiplica la desviación estándar
s para obtener el stock de seguridad.
• Si K = 1, entonces el stock de seguridad es
igual a s.
• A mayor K, mayor es la probabilidad de
atender toda la demanda.
Probabilidad Acumulada
(como Función de K)
• Probabilidad de que la demanda no sea

mayor que E(W) + K  s.
Factor de Probabilidad
Seguridad K Acumulada
0,0 50,00%
0,5 69,15%
1,0 84,13%
1,5 93,32%
2,0 97,72%
Probabilidad Acumulada
Probabilidad (como Función de K)
Ejemplo demanda
diaria=100,
σ=20
13,6% 34,2% 34,2% 13,6%

60 80 d = 100 120 140 V: venta diaria
s =20 2s=40
50,00 %
Nivel 84,13 %
de
Servicio 97,72 %
99,87 %
236
Probabilidad de Ruptura
• Es igual a 1 – la probabilidad acumulada.

• Si se partió con un stock total de E(W) +
s(W), se atenderá toda la demanda con
probabilidad 84,13%, y habrá un quiebre de
inventario con probabilidad 1 – 84,13% =
15,87%.
Nivel de Servicio
• Es igual a la probabilidad acumulada.
• Mide la probabilidad de que se atienda toda la
demanda, pero no cuánto de la demanda se
atiende.
• Para ello se requiere estimar un valor
esperado de faltante.
Esperanza Parcial de Ruptura
• Porcentaje de la demanda “del último día”

que se pierde.
• Ejemplo si K = 1:
Probabilidad
E(W)=1.875[u] W: venta mes
s(W)=130
239
Esperanza Parcial de Ruptura
• Las tablas son para una normal de s = 1.

• Si K = 1 y s = 130, la esperanza parcial de
ruptura es igual a 130[u]  8,3% = 10,7 [u].
Factor de Probabilidad Probabilidad Esperanza
Seguridad K Acumulada de Ruptura Parcial de Ruptura
0,0 50,0% 50,0% 39,9%
0,5 69,1% 30,9% 19,7%
1,0 84,1% 15,9% 8,3%
1,5 93,3% 6,7% 3,0%
2,0 97,7% 2,3% 0,9%
240
Factores de Seguridad
Factor de Seguridad Función Probabilidad Probabilidad de Esperanza Parcial
K Acumulada Ruptura de Stock de Ruptura
F(k) 1-F(k) E(k)
0,00 0,5000 0,5000 0,3989
0,10 0,5394 0,4606 0,3509
0,20 0,5785 0,4215 0,3067
0,30 0,6168 0,3832 0,2664
0,40 0,6542 0,3458 0,2299
0,50 0,6901 0,3099 0,1971
0,60 0,7244 0,2756 0,1679
0,70 0,7569 0,2431 0,1421
0,80 0,7872 0,2128 0,1194
0,90 0,8152 0,1848 0,0998
1,00 0,8409 0,1591 0,0829
1,10 0,8641 0,1359 0,0684
1,20 0,8849 0,1151 0,0561
1,30 0,9033 0,0967 0,0467
1,40 0,9194 0,0806 0,0369
1,50 0,9334 0,0666 0,0297
1,60 0,9454 0,0546 0,0236
1,70 0,9556 0,0444 0,0186
1,80 0,9642 0,0358 0,0145
1,90 0,9714 0,0286 0,0113
241
Factores de Seguridad
Factor de Seguridad Función Probabilidad Probabilidad de Esperanza Parcial
K Acumulada Ruptura de Stock de Ruptura
F(k) 1-F(k) E(k)
2,00 0,9773 0,0227 0,0086
2,10 0,9822 0,0178 0,0065
2,20 0,9861 0,0139 0,0049
2,30 0,9893 0,0107 0,0036
2,40 0,9918 0,0082 0,0027
2,50 0,9938 0,0062 0,0019
2,60 0,9953 0,0047 0,0014
2,70 0,9965 0,0035 0,0010
2,80 0,9974 0,0026 0,0007
2,90 0,9981 0,0019 0,0005
3,00 0,9984 0,0016 0,0004
3,10 0,9990 0,0010 0,0003
3,20 0,9993 0,0007 0,0002
3,30 0,9995 0,0005 0,0001
3,40 0,9997 0,0003 0,0001
3,50 0,9998 0,0002 0,0001
3,60 0,9998 0,0002
3,70 0,9999 0,0001
3,80 0,9999 0,0001
3,90 0,0000 1,0000
4,00 0,0000 1,0000 242
Esperanza Total de Ruptura
• Porcentaje del total de la demanda que se

pierde.
• Si K = 1 y s = 130, la esperanza total de
ruptura es igual a esperanza parcial de
ruptura [u] / demanda [u] = 10,7/1.875 =
0,57%.
• Con un nivel de servicio 84,2%, que
requiere un stock de seguridad de 130 [u],
se pierde el 0,57% de la demanda.
Fill-Rate
• Proporción de la demanda que sí se

atiende.
• Es igual a: 1 – faltante/demanda = 1 –
10,7/1.875 = 99,4%.
Incertidumbre en la Demanda
Stock Llegada de
la orden
2.005
1.875
Inventario
promedio
Stock de
130 seguridad
0 22 25 50 Días
Probabilidad
del nivel de inventario 245
Incertidumbre en la Entrega
Llegada de
Stock la orden d = 20 [u/día]
te = 7 [días]
Stock de
Seguridad
0 10 12 20
Días
246
Combinación Demanda-Entrega
Llegada de
Stock la orden d = 25 [u/día]
te = 7 [días]
Stock de
Seguridad
0 8 10 12 20 Días
247
Tiempos de Entrega Variables
Entrega Días Entrega Días

1 10 11 12
2 12 12 11
3 10 13 8
4 9 14 12
5
6
10
11
15
16
14
13
t e = 10,8 días
7 10
8 10 s t = 1,66
e
9 9
10 11
248
Desviación Estándar Combinada
• Tiempo de entrega promedio:t e

• Desv. estándar demanda diaria: s d
• Demanda diaria promedio:d
• Desviación estándar del período: s te
• Con ello, la desviación estándar combinada es:
s Comb = te  s  d  s
2
d
2 2
te
Adicional por Adicional por

demanda atraso
249
Stock de Seguridad (SS)
• La desviación estándar combinada permite
corregir el Stock de Seguridad, para hacerse
cargo de las diferentes variabilidades que
inciden en las necesidades de stock:
S. S. = K  s c
250
Cálculo del Fill Rate
(Nivel de Servicio Real)
El Fill Rate representa el nivel de
cumplimiento a partir de la magnitud de la
ruptura.
E (k )  s c
FR = 1 -
Q
Donde:
FR = Fill rate
sc = Desviación estándar combinada (1 desv. Estándar)
Q = Lote de pedido
E(k) = Valor esperado de faltantes en el ciclo de reposición
K = Factor de seguridad (es igual al stock de seguridad dividido por sc
251
Derivación del Fill Rate
Faltante por ciclo = E (k )  s c

Faltante anual = E (k )  s c  N
E(K ) s c  N
Proporción de faltante anual =
D
E(K ) s c  N E(K ) s c
Fill Rate = 1 - = 1-
D Q
252
Cálculos con Tabla
E (k )
S. S. = K s c FR = 1 - s c
Q
E (k ) = 1 - FR  
Q
sc
K Fk 1-Fk Ek
1 0,84 0,16 0,08
253
Ejemplo
• Suponga que la empresa GDI tiene un único proveedor para un repuesto
de alta rotación. El proveedor le cobra un precio de $3.500 por repuesto
(producto entregado en in fabrica, es decir con transporte incluido).
• Se sabe que el tiempo promedio de entrega por parte del proveedor es de
90 días en promedio, con una desviación estándar de 14 días.
• Típicamente se demandan 60 unidades de repuesto al día (demanda
promedio diaria). Se observa una desviación estándar de 22 unidades.
• Suponga que la empresa trabaja los 365 días del año y que para calcular el
tamaño de los pedidos se utiliza el método RQ. Suponga además que el
costo por pedido es de $50.000 y el % de mantención de stock es del 15%
del valor del repuesto.
• La empresa espera mantener un Fill Rate del 95%.
• Se pide:
– Calcule el stock de seguridad que convendría mantener en el caso de este
repuesto
– Calcule el costo logístico anual relacionado con este repuesto
Solución
Datos: El número de pedidos anuales sería:
t e = 90 dias D 60  365
N= = = 4,1
s t = 14 dias Q 5.400
d = 60 unidades Stock de Seguridad a tener para un Fill Rate de 95%
s d = 22 unidades De:
FR= 95% E(k) σ c
FR = 1 -
a) La desviación estándar combinada sería: OQ
s c = 90  22 2  60 2 142 Se tiene que:
RQ 5.400
= 866 unidades E(k) = (1 - FR ) = (1 - 0,95)
sc 866 = 0,31
La cantidad a pedir sería:
Buscando en la tabla para la distribución normal, y aproximando:
RQ = d  te = 60 90
= 5.400 unidades
K = 0,1
Para ese K, el stock de seguridad requerido sería:
SS = K  s c = 0,1x866 = 86,6 unidades
DMAIC

necesitan.

proceso

efecto

CONFIGURACIÓN OPTIMA DE UNA
RED LOGISTICA
Red logística
• ¿Cuál es la configuración óptima?
Centro c
c c
Distribución
1
c
c c
Centro
Planta Distribución
2
c
c c
c c c
c
13-dic-17 c 258
Dilema: ¿Repartir o Acarrear?
CRECIMIENTO DE
SANTIAGO
1998
2010
AVENIDAS DE SANTIAGO
DEPARTAMENTAL
SANTA ROSA
V. MACKENNA
C. NORTE - SUR
C. AMERICO VESPUCIO
RUTA 68 - ALAMEDA - PROVIDENCIA

APOQUINDO - LAS CONDES
13-dic-17 Marcos Singer: Red de Distribución 259
Ejemplo Minería
T
C
P
M
B
S
A
260
Flujo Óptimo 2007
648 Mt/año Botadero
144 Mt/año
$ 1.700 Coya Sur
Tocopilla
$ 2.843
663 Mt/año
$ 12.406
68 Mt/año
Salares
Baquedano
$ 5.930
663 Mt/año
$ 9.430
129 Mt/año
Flujo Óptimo 2010
T. Puerto: $ 938 por Tm
Tocopilla $ 3.024 Tolva
Coya Sur
$ 1.700 Tren
$ 2.843 Tren
T. Puerto: $ 3.752 por Tm
Mejillones $ 12.406 Tolva
Salares
Baquedano
$ 5.930 Porta
$ 2.770 Tren
$ 9.500 Tolva $ 9.430 Tolva

Modelo de Evaluación
COSTO TOTAL
Acarreo
Costo Anual
Infraestructura
Costo Fijo Reparto

Costo Variable Reparto
Operación
Administración
Inventario
n óptimo Número de Centros
13-dic-17 Marcos Singer: Red de Distribución 263

Análisis de Sensibilidad y Acciones de
Mejoramiento
• Incremento del n° de centros:

– Incremento de clientes
– Aumento congestión (interna y externa) y distancias en
la ciudad
– Disminución del costo de acarreo
• Disminución del n° de centros:
– Incremento de la venta por cliente
– Optimización de las rutas de reparto
– Mejoras en despacho
13-dic-17 264
Otras Ventajas de Descentralizar
• Mejoramiento del servicio
• Flexibilidad ante contingencias tales como
cierre de caminos o huelgas.
• Menor impacto ambiental y a la comunidad.
• Posibilidad de externalización (Outsourcing)
o filialización.
• Aprendizaje e innovación.
13-dic-17 265
Modelo General para Configuración
de Redes
Definir n° Costo
Centros Administr.
Definir Precio terreno Costo

Ubicación Capacidad Infraestruct.
Determinar Cálcular Costo

Cobertura Inventario Inventario
Distancia Volumen  tarifa Costo
T. en planta Acarreo
Def. Flota Costo

Reparto Reparto
Costo
Operación
Modificar criterio Costo
Total
13-dic-17 266
Opción 1
Planta
CD1
Opción 2
Planta
CD1
CD2
Ejercicio
PARAMETROS Un centro Dos centros
CD 1 CD 1 CD 2
Parámetros Generales
Valor del producto $/u 1 1 1
Costo CD $ 500.000 500.000 500.000
Demanda por distrito u/d 100.000 70.000 30.000

Desviación estándar demanda distrito u/d 10.000 7.000 3.000
Parámetros Transporte
Costo acarreo $/u/km 0,005 0,005 0,005
Costo reparto $/u/km 0,01 0,01 0,01
Distancia planta a CD km 10 12 15
Distancia promedio CD a cliente km 8 6 4
Costo camión $ 200.000 200.000 200.000
Capacidad de carga camión de acarreo u/vc 15.000 15.000 15.000
Capacidad de carga camión de reparto u/vc 1.500 1.500 1.500
Pedido promedio por cliente u/cl 115 100 150
Tiempo por cliente h/cl 0,1000 0,1000 0,1000
Horas en planta h/v 1 1 1
Lead Time te 1,0 1,0 1,0
Desviación estándar del tiempo de entrega σte 1,0 1,0 1,0
DMAIC

necesitan.

proceso

efecto

Conclusiones
• Six Sigma fue concebido para mejorar calidad.
• Hoy en día tiene aplicaciones en diversas
problemáticas de las operaciones
• La estrategia requiere a las operaciones para
implementarse
• Planificar, configurar y administrar los procesos
son los principales desafíos de las operaciones
• La metodología DMAIC de Six Sigma puede ser
una herramienta efectiva en apoyar estos
desafíos

Curso ESAN Diciembre 2017

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Curso ESAN Diciembre 2017

Cargado por

Copyright:

Formatos disponibles

Six Sigma en Operaciones y Logística

Define • Definir el sistema. Quienes son los clientes y qué

Measure • Medir variables críticas de desempeño del

Analyze • Analizar el proceso para buscar relaciones causa

Improve • Mejorar el proceso

Control • Controle el desempeño del proceso para asegurar

Con MRP: Demanda dependiente

Cálculo de requerimiento neto (ejemplo stock inicial = 30)

* Adaptado de HOPP, Wallace J. y SPEARMAN, Mark L.

Consideración de tiempos de producción (ejemplo = 1 semana)

Jerarquía de Tiempos de Master de

• Experimentación • Causal / relacional

Demanda diaria Estimaci—n por ’ndices

Diferencia por ’ndice

Construcción de Equipo estratégico

Planificación de Equipo supply-chain

Fabrica Distribuidor Mayorista Retail

3 semanas 2 semanas 2 semanas 2 semanas

* Lee et al., 1997, Sloan Management Review

* Barilla SpA. Caso de Harvard , 1994 (código 603-S20)

COLCHON TFX4 1.50X2.00

COLCHON TFX4 1.50X2.00

* Estudio profesor P. Traverso

Costo camión valor

K de Producción Tiempos muertos

K de Producción Tiempos muertos

K de Producción Tiempos muertos

Gerente Comercial Gerente Operaciones

Ventas 12.000 [US$/día] Gastos logísticos 2.000 [US$/día]

Tienda 1 Tienda 2 Tienda 3

Ventas 4.000 [US$/día] Ventas 4.000 [US$/día] Ventas 4.000 [US$/día]

• Proceso de ajuste durante la planificación

Gerente Comercial Gerente Operaciones

Ventas 10.000 [US$/día] Gastos logísticos 2.000 [US$/día]

Tienda 1 Tienda 2 Tienda 3

Ventas 4.000 [US$/día] Ventas 4.000 [US$/día] Ventas 2.000 [US$/día]

Tablero Tablero Tablero Tablero

Tablero Tablero Tablero

Tablero Tablero Tablero Tablero Tablero

Define • Definir el sistema. Quienes son los clientes y qué

Measure • Medir variables críticas de desempeño del

Analyze • Analizar el proceso para buscar relaciones causa

Improve • Mejorar el proceso

Control • Controle el desempeño del proceso para asegurar

 Inherente al proceso tal como está hoy

 Generada por causas circunstanciales y fallas

Línea Superior de Límite superior de la Variación Común

Línea Central Valor promedio del indicador

Línea Inferior de Límite inferior de la Variación Común

valor Cada punto es una

 Indican si el proceso tiene variación común

Define • Definir el sistema. Quienes son los clientes y qué

Measure • Medir variables críticas de desempeño del

Analyze • Analizar el proceso para buscar relaciones causa

Improve • Mejorar el proceso

Control • Controle el desempeño del proceso para asegurar

Tiempo efectivo (jornada de trabajo) Descanso

Tiempo disponible (h) Tiempo utilizado (h)

Productividad Disponibilidad Utilización

Equipo 1 Equipo 2 Equipo 3

Responsabilidad Responsabilidad Responsabilidad

Tiempo efectivo (jornada de trabajo) Descanso

Tiempo disponible Mantención Mantención

Tiempo utilizado T. muerto operación T. muerto operación