Libro TRABAJO+FINAL+HERRAMIENTAS+PARA+LA+TOMA+DE+DECISIONES PDF

Herramientas para la toma de decisiones aplicadas
a la empresa Alicorp S.A
GestionandOperaciones 09
HERRAMIENTAS PARA LA TOMA

DE DECISIONES
La gestión de las operaciones aplicada a la más grande
empresa dedicada a la elaboración de productos
industriales: Alicorp S.A

| Cristina Meza | Pilar Orellana | Joel Oruna | Julio Peñaran | Maritza Quinte | Shirley Rodríguez |
Programación lineal Programación lineal Programación lineal Programación lineal
Maximización Maximización Maximización Maximización
Minimización Minimización Minimización Minimización
Promedio móvil Promedio móvil Promedio móvil Promedio móvil
Suavización exponencial Suavización exponencial Suavización exponencial Suavización exponencial
Método Húngaro Método Húngaro Método Húngaro Método Húngaro
Factor estacional Factor estacional Factor estacional
Regresión Regresión Regresión
Método Nor-este Método Nor-este
Factor estacional Factor estacional
Regresión Regresión
Método Nor-este Método Nor-este
Factor estacional
Regresión
Método Nor-este
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

ESCUELA DE ADMINISTRACION
Página1
Herramientas para la toma de decisiones

aplicada a la empresa ALICORP S.A.
Documento elaborado por:

Meza García, Cristina
Orellana Aquije, Pilar
Oruna Tanta, Joel
Peñaran Flores, Julio
Quinte Arias, Maritza
Rodríguez Osorio, Shirley
Con el apoyo de profesor del curso:

Edgar Vicente Armas
Lugar y año de elaboración:
Universidad Nacional Mayor de San Marcos

Lima-Perú, 2009
Página2
5 Justificación
6 Presentación
7 Introducción
Objetivos
Importancia
Preguntas
Términos importantes
Hipótesis
9 Diseño metodológico
Tipo y diseño de investigación
Métodos, técnicas e instrumentos de recolección
Muestra/sujetos
Procedimiento
10 Información general
¿Qué es Alicorp?
Visión del Alicorp al 2015
Estructura
Departamento escogido para el análisis
Misión del área escogido para el análisis
Producto escogido para el análisis
Política integrada de los sistemas de Gestión
Certificaciones
Últimas distinciones
17 Programación lineal
Modelo literal
Modelo matemático
Función objetivo
Recursos escasos y recursos en abundancia
Sensibilidad de la función objetivo
Precio dual o precio sombra
28 Transportes
Método del costo mínimo
Índice de mejoramiento
Método esquina nor-este
Método Vogel
Página3
41 Pronósticos
Pronósticos en base a promedio móvil simple
Señal de rastreo y DMA en base al promedio móvil simple
Pronóstico en base al alisamiento exponencial simple
Señal de rastreo y DMA en base al alisamiento exponencial simple
Pronóstico en base a la regresión
Modelo de regresión lineal
Modelo de regresión parabólico
Modelo de regresión potencial
Modelo de regresión exponencial
Modelo de regresión hipérbola equilátera
Pronóstico en base a series de tiempos
Factor de estacionalidad calculado por MM.CC
Factor de estacionalidad calculado por promedios trimestrales
85 Administración de procesos
Modelo determinístico -CPM
Costo de procesos
Descripción de actividades
Matriz de secuencias, tiempos, costos de actividades y ruta crítica
Red de procesos
91 Simulación
Simulación para un lote de 50 unidades de botellas por 200 ml.
Simulación para un lote de 50 unidades de galoneras por 5 litros
Simulación para un lote de 50 unidades de latas por 18 litros
102 Conclusiones
Conclusión de programación lineal
Conclusión de transporte
Conclusión de pronósticos
Conclusión de administración de procesos
Conclusión de simulación
104 Anexos
Página4
El presente trabajo se realiza en el marco del curso

Herramientas para la Toma de Decisiones a través
del cual se pretende conocer las diversas
herramientas de gestión aplicables a la empresa
ALICORP en sus operaciones de producción del
aceite de Soya FRIOL.
Página5
Las necesidades de información requeridas dentro de la organización varían de acuerdo al

nivel dentro de la estructura organizacional. Las decisiones de los ejecutivos o directores son
menos estructuradas donde no existen situaciones repetitivas y por ende no pueden aplicarse
recetas únicas de solución; por el contrario deben establecerse criterios de evaluación y
puntos de vistas para cada situación donde muchos de los datos deben provenir de fuentes
externas y subjetivas en entornos con riesgos e incertidumbre.
Debido a que es imposible determinar y controlar todas las variables o factores que inciden en
una situación es que se busca a través de modelos representar la realidad para su análisis en el
se espera que las decisiones tomadas sean decisiones satisfactorias u óptimas dentro del
contexto de racionalidad de quiénes deben tomar decisiones.
Las decisiones que los ejecutivos efectúen se desplegarán en todos los niveles de la
organización traducidas en objetivos y acciones más específicas y concretas en cada nivel hacia
abajo. La información requerida en estas decisiones representan el punto de partida para
llevar a cabo acciones que finalmente afectarán el desempeño de la organización.
El éxito de empresas como Alicorp se debe al resultado de buenas decisiones y el uso eficiente
y efectivo de los recursos y capacidades, en un entorno globalizado con clientes más exigentes
y mayores competencias, las buenas decisiones no pueden asegurar buenos resultados a
futuro, pero son una protección posible contra los malos resultados.
Página6
1. PLANTEAMIENTO DE OBJETIVOS:
Objetivo general:
Determinar un modelo de gestión de operaciones para el producto aceite Friol 100% Soya
del área de Óleos de la empresa ALICORP S.A a partir de la implementación de diversas
herramientas para la toma de decisiones en la organización.
Objetivos específicos:
1. Determinar un modelo de programación lineal que maximice las utilidades y minimice
los costos de la producción del aceite Friol.
2. Determinar un modelo de programación lineal que minimice los costos de transporte
del aceite Friol.
3. Determinar un modelo óptimo de pronósticos para las ventas del aceite Friol.
4. Determinar un modelo de simulación para llegar a un estándar de calidad del aceite
Friol.
5. Determinar el tiempo óptimo de duración del proceso de producción del aceite Friol.
2. IMPORTANCIA:
La importancia de este trabajo radica en la aplicación de las diversas herramientas
aprendidas en el curso Herramientas para la Toma de Decisiones en la empresa ALICORP
para contrastar los conceptos teóricos con la dimensión real de la empresa.
3. PLANTEAMIENTO DE HIPÓTESIS
Hipótesis general:
Las diversas herramientas aprendidas en el curso son aplicables a la realidad de la
empresa ALICORP SA en la producción del aceite Friol.
Hipótesis específicas:
1. El modelo de programación lineal para minimizar los costos y maximizar las
utilidades por la producción y venta del aceite Friol es aplicable a la empresa.
Página7
2. El modelo de programación lineal para minimizar los costos de transporte es

aplicable a la empresa.
3. El método de previsión que mejor se ajusta a la demanda real es el de regresión no
lineal.
4. El aceite friol presenta un factor de estacionalidad constante.
5. La empresa ALICORP cumple con sus estándares de calidad en la presentación del
aceite Friol.
6. El tiempo de producción por TM de aceite es de 48 horas.
Página8
1. TIPO Y DISEÑO DE INVESTIGACIÓN
El tipo de investigación aplicado a este trabajo tiene un diseño descriptivo y exploratorio.
2. METODOS, TECNICAS E INSTRUCCIONES DE RECOLECCION
La técnica que utilizaremos es la entrevista, cuyo fin es la recopilación de datos de forma

directa con la Gerente de Calidad de Óleos: Sr. Reynaldo Díaz Moscol.
La información proporcionada por este contacto de forma textual y directa se citan en

cada uno de los temas a aplicar en el presente trabajo.
Información de contacto:
Nombre: Reynaldo Díaz Moscol

Cargo: Gerente de calidad Oleos
Números:
3. PROCEDIMIENTO
La entrega de información del producto escogido ACEITE FRIOL 100% SOYA, tuvo lugar los
días 21 y 23 de noviembre, en los cuales fueron proporcionados datos como los procesos
y costos del producto. Así también, la entrevista fue realizada el día miércoles 25 de
noviembre en las instalaciones de Alicorp – Planta Industrial de Callao, en donde se pudo
realizar la entrevista.
Finalmente, una vez culminada la misma, tuvimos acceso a una visita guiada por el
Gerente de Calidad Oleos Sr. Reynaldo Díaz Moscol.
Página9
1. ¿QUÉ ES ALICORP S.A?
Alicorp es una empresa dedicada a la elaboración de productos industriales, de consumo

masivo y nutrición animal.
En todos sus procesos de producción, Alicorp cumple con estándares internacionales de

calidad y competitividad.
En los últimos años, la empresa ha elevado sus niveles de producción consolidando su

liderazgo en diversas categorías.
2. VISIÓN DE ALICORP AL 2015
Sorprender a los mercados con nuestro crecimiento agresivo e innovación. Transformamos

categoría comunes en experiencias extraordinarias. Nuestro objetivo es estar entre las 250
empresas más grandes de Latinoamérica.
Página10
3. ESTRUCTURA
4. DEPARTAMENTO ESCOGIDO PARA ANÁLISIS
El departamento escogido para desarrollar el presente trabajo de investigación ÁREA DE

PRODUCCIÓN DE ACEITES, el cual está compuesto por:
Gerente de Producción
Jefe de Producción
Jefe de Envasado
Analista de Calidad
5. MISIÓN DEL ÁREA DE PRODUCCIÓN DE ACEITE
Producir aceites con altos estándares de calidad, seguridad y productividad.
6. PRODUCTO SELECCIONADO PARA ANÁLISIS
Los datos utilizados para la realización del presente trabajo de investigación son tomados a
partir de la producción y estándares del ACEITE FRIOL 100% SOYA., el cual está elaborado
Página11
a partir de las mejores cosechas de soya, que garantizan un aceite 100% vegetal de
excelente calidad.
Aspecto
Límpido, transparente, brillante, sin turbidez ni materias extrañas. Material de envase limpio,
hermético, con código de producción en forma legible, rotulado de acuerdo a Norma de Rotulados
vigente.
Contenido neto:
El contenido neto promedio de cualquier lote de producto envasado listo para inspección, deberá
cumplir con la Norma Interna vigente.
Proceso:
Proceso de refinación
Se tiene como objetivo quitar las principales impurezas del aceite ; como acidez e impurezas.
Primero se añade acido fosfórico y luego soda caustica para que luego este aceite luego sea enviado
al proceso de blanqueo; al cual se añade silica y arcillas activadas; para quitar elementos como el
color y compuestos que oxidan el aceite. El tiempo que toma este proceso es de 1 hora.
Proceso de desodorización:
ES el tiempo de refinado hasta queéste, esté listo para su envasado. El tiempo que toma este
proceso es de 2h. y 20 min.
Proceso de envasado
El tiempo que toma este proceso es de 30 min.
Requisitos de calidad:
Controles Especiales según Plan de Inspección y Ensayos Especiales PCO-L-CA-00-001 (3)
(&) Valor medido en nuestros almacenes. No más de 10 meq/Kg al término de su vida útil.
Página12
CARACTERISTICAS LIMITES UNIDADES MÉTODOS
ANALITICOS
Acidez libre (oleico) máx. 0.10 %
Color Lovibond PCO-A-CA-00-022 (1)
200 ml y 0.5 L, 1 L 0.2 - 2.0 R celda 5 1/4”
5L, 18 L PCO-A-CA-00-023 (2)
Indice de peróxido (&) máx. 1.0 Meq O2 / kg
Sabor mín. 7.0 -
Indice de yodo * 120 - 135 cg Yodo/g
Resistencia al frío
200 ml y 0. 5L, 1L 300 minutos
5 L y 18 L 120
Humedad y materias máx 0.1 %

volátiles*
Filter Test máz trazas -
Materias extrañas ausencia - visual
Requisitos de inocuidad
CARACTERISTICAS LIMITES UNIDADES METODOS

ANALITICOS
Contenido de Plomo máx. 0.10 ppm AOAC 972.25
Contenido de máx. 0.10 ppm AOAC. 952.13

Arsenico
Página13
Presentaciones del producto
PRESENTACION ENVASE PRIMARIO ENVASE SECUNDARIO
BANDEJA X 24 BOTELLAS X Botella plástica Bandeja de cartón impresa,

200 ml transparente e incolora, cubierta con material
con código de producción termoencogible.
(***).
Etiqueta
Tapa rosca
CAJA X 24 BOTELLAS X 0.5 Botella plástica, Caja de cartón, impresa,
LT transparente e incolora, con código de producción
CAJA X 12 BOTELLAS X 1 LT con código de producción (**).
(***). Tapa tipo vertedor
con precinto de seguridad,
ambos de color
amarillo.Sobretapa verde.
Etiqueta envolvente.
CAJA X 4 GALONERAS X 5 Galonera PE sin color , con Caja de cartón, impresa,
LITROS código de producción(**). con código de producción
Tapa plástica amarilla tipo (**).Cinta adhesiva sin
"easy open". Etiqueta impresión en cara superior
autoadhesiva e inferior.
LATA X 18 LITROS Lata de hojalata impresa,

con código de producción
(**).Tapa de hojalata.
BALDE X 18 LITROS Balde plástico blanco
impreso, asa de color
Página14
blanco con código de

producción (**). Tapa
plástica verde, con seguro.
(**) "CONSUMIR ANTES DEL / LOTE: DD MM AA hh:mm:L ”. Texto: fecha de vencimiento

(un año después de producido) día, mes, año , hora de producción y código de la ciudad de
Lima, impresos mediante sistema de inyección de tinta.
(***) "FV / LOTE: DD MM AA hh:mm: L" Texto: Fecha de vencimiento ( un año después de
producido) día, mes, año; hora de producción y código de la ciudad de Lima, impresos
mediante sistema de inyección de tinta.
7. POLÍTICA INTEGRADA DE LOS SISTEMAS DE GESTIÓN
Como colaboradores de Alicorp, apoyamos y sostenemos el crecimiento de nuestra

Empresa asumiendo los compromisos de:
-Exceder las expectativas de nuestros clientes y consumidores ofreciéndoles productos

saludables y servicios en constante innovación, con la aplicación de exigentes estándares de
calidad.
-Prevenir la contaminación ambiental, asegurar el uso adecuado de recursos, promover el

comportamiento seguro para evitar que las personas sufran lesiones o daños a su salud en
nuestras instalaciones y a eliminar los daños materiales en general
-Cumplir con los requisitos legales aplicables y voluntarios que la Empresa asuma y proteger
nuestras actividades contra su posible uso por organizaciones ilícitas.
- Desarrollar a nuestro personal
- Ser socialmente responsable con nuestro entorno.
Página15
8. CERTIFICACIONES
En todas las plantas se llevan a cabo mejoras en el ordenamiento, señalización e

identificación de áreas, equipos y herramientas; asimismo se adoptan métodos y sistemas
laborales internacionales como son: Buenas Prácticas de Manufactura (BPM) y TPM
(Mantenimiento Producto Total).
La organización está encaminada a incrementar la eficiencia global de los sistemas de

producción mediante los "5 Pilares Básicos": Mejora Enfocada, Mantenimiento Autónomo,
Mantenimiento Planificado, Capacitación/ Entrenamiento y Seguridad/ Ambiente, que
incluye un mejor control y eliminación de residuos industriales, peligrosos y no peligrosos.
Por otro lado, se dan pasos para conseguir un mayor ahorro de energía eléctrica, se
mejoran los equipos contra incendios y se hacen trabajos de remodelación y otras obras de
menor envergadura. En todas las plantas se ha implementado un sistema de eficiencia
global, el cual incluye el control por horas de los parámetros de calidad, mantenimiento y
producción
Negocio Productos Industriales
ISO 9001:2000 / HACCP - BPM

- Callao: Molino Faucett
- Callao: Molino Callao
- Callao: Molino Santa Rosa
9. ÚLTIMAS DISTINCIONES
2009
- Premio a la Excelencia ANDA 2009 – Galardón de plata en la categoría Mejor Empresa
Anunciante de los últimos 25 años.
Página16
- Reconocimiento de la Bolsa de Valores de Lima por Buenas Prácticas de Gobierno

Corporativo.
2008
- Premio “ANDA AWARD”, reconocimiento al apoyo institucional que ANDA otorga a la
persona o empresa que destaca al haber brindado, a través de los años, su tiempo y
esfuerzo a favor de la industria de la comunicación, contribuyendo al desarrollo y
fortalecimiento institucional.
- Premio “Effie de Plata 2008” por Mimaskot – Ecuador.
- SEDAPAL reconoce a Alicorp SAA por sus buenas prácticas en el uso eficiente del agua y
tratamiento de aguas residuales.
- Reconocimiento de la Bolsa de Valores de Lima por Buen Gobierno Corporativo.
Página17
Para hallar la máxima utilidad en este caso utilizamos la Programación Lineal Continua porque
se trata de productos en proceso y no de productos terminados, en cuyo caso se emplearía la
Programación Entera.
1. PROGRAMACIÓN CONTINUA
Maximización de Utilidad/TM del Aceite Friol Soya en una semana
El equipo elaboró un problema de maximización basándose en informaciones reales y

aproximadas que nos proporcionó el Gerente de Calidad Óleos de Alicorp S.A., Reynaldo Díaz
Moscol en nuestra visita a la planta.
La información que nos dio es la utilidad que percibe la empresa por cada botella o bidón de
Aceite Friol 100% Soya, además de la capacidad del tanque en el que se almacena el aceite
antes de ser envasado en cualquiera de sus presentaciones que son botellas de aceite de
200ml, botellas de 1 litro, bidones de 5 litros y bidones de 18 litros.
Lo primero que debemos hacer es estandarizar la información a una misma unidad de medida,
para ello calculamos la utilidad por tonelada métrica partiendo de la utilidad por botella o
bidón debido a que la restricción de la capacidad de almacenamiento del tanque que asciende
a 100 toneladas métricas, se encuentra expresada esta unidad de medida.
Presentaciones
A B C D
200 ml. 1L 5L 18L
Utilidad por botella
o bidón* 0,4 0,6 0,8 1.8
Utilidad por TM S/. 2000 S/. 600 S/. 160 S/. 100
*Se nos brindó la utilidad aproximada por botella o bidón de Aceite Friol 100% Soya, la cual
luego convertimos a utilidad en TM para lograr uniformizar las unidades de medida del
problema.
Página18
Supuestos:
No hay stock disponible en el inventario para enfrentar los pedidos.
Sólo contamos con 100 Toneladas métricas de Aceite Friol en el tanque de

almacenamiento para ser distribuido en cada una de las cuatro presentaciones del
producto.
Así que desarrollamos un problema que podría enfrentar la empresa en un período de 1

semana y lo presentamos a continuación.
Planteamiento del Problema:
La empresa Alicorp S.A. desea maximizar la utilidad por la venta de cuatro presentaciones de
su producto Aceite Friol 100% Soya® en una semana. Se recibieron los siguientes pedidos y a la
vez se tiene en cuenta que se debe producir como mínimo una determinada cantidad para las
diversas presentaciones con el objetivo de no dejar desabastecido del producto al mercado
por una cuestión de no perder participación en el mismo.
Presentaciones
A B C D
Pedidos: Demanda
(en Botellas) 200 000 20 000 16 000 3889
Pedidos: Demanda
(en TM) 40 20 80 70
Demanda mínima a
cubrir (en TM) 15 20 30 15
Se quiere conocer cómo se deben distribuir o asignar las 100 Toneladas métricas de Aceite
Friol 100% Soya, disponibles en el tanque de almacenamiento, para cada una de las cuatro
presentaciones de Aceite Friol.
Finalmente obtenemos la siguiente tabla:
Página19
Presentaciones
A B C D
Botella de: 200 ml. 1L 5L 18L
Utilidad por TM S/. 2000 S/. 600 S/. 160 S/. 100
Pedidos: Demanda (en
TM) 40 20 80 70
Demanda mínima a
cubrir (en TM) 15 20 30 15
La empresa cuenta con un tanque para almacenar el aceite antes de que este pase al área
de envasado en donde será llenado en botellas de las presentaciones arriba mencionadas,
la capacidad de almacenamiento del tanque es de 100 Toneladas métricas.
CONSTRUCCION DEL MODELO LITERAL:
Variables de Decisión:
A: Toneladas Métricas de Aceite Friol 100% Soya para botellas de 200 ml.
B: Toneladas Métricas de Aceite Friol 100% Soya para botellas de 1 Litro.
C: Toneladas Métricas de Aceite Friol 100% Soya para bidones de 5 Litros.
D: Toneladas Métricas de Aceite Friol 100% Soya para bidones de 18 Litros.
Función Objetivo:
Maximizar Utilidad = Utilidad/TM de Aceite Friol para botellas de 200ml. * Toneladas
Métricas de Aceite Friol para botellas de 200 ml. + Utilidad/TM de Aceite Friol para botellas
de 1L. * Toneladas Métricas de Aceite Friol para botellas de 1L. + Utilidad/TM de Aceite Friol
para bidones de 5L. * Toneladas Métricas de Aceite Friol para bidones de 5L + Utilidad/TM
de Aceite Friol para bidones de 18L * Toneladas Métricas de Aceite Friol para bidones de 18L
Página20
Maximizar Utilidad = 2000*A + 600*B + 160*C + 100*D
Restricciones:
o Demanda:
ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 200 ml. ≤ 40 TM
ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 1L. ≤ 20 TM
ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 5L. ≤ 80 TM
ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 200 ml. ≤ 70 TM
ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 200 ml. ≥ 15 TM

ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 1L. ≥ 20 TM
ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 5L. ≥ 30 TM
ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 200 ml. ≥ 15 TM
o Operativas:
Capacidad_ Tanque_ de _ Almacenamiento ≤ 100TM

ToneladasMétricas de Aceite Friol 100% Soyaparabotellas de 200 ml. +
ToneladasMétricas de Aceite Friol 100% Soyaparabotellas de 1L. +
ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 5L. +
ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 200 ml.
Σ ≤ 100 ToneladasMétricas
o Lógicas:
Página21
ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 200 ml. ≥ 0 TM

ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 1L. ≥ 0 TM
ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 5L. ≥ 0 TM
ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 200 ml. ≥ 0 TM
CONSTRUCCIÓN DEL MODELO MATEMÁTICO:
Max. Z= 2000*A + 600*B + 160*C + 100*D
Sujeto a:
i. 15≤A viii. D≤70
ii. A≤40 ix. A+B+C+D≤100
iii. 20≤B x. A≥0
iv. B≤20 xi. B≥0
v. 30≤C xii. C≥0
vi. C≤80 xiii. D≥0
vii. 15≤D
Cuadro en Excel del Planteamiento del Problema de Maximización de Utilidad del Aceite Friol
100% Soya en sus Cuatro Presentaciones
Max Z 0
Producto A B C D
Benef./TM 2000 600 160 100
Producción
Restricciones Valor Límite Holgura
Demanda A 1 0 0 0 35 <= 40 5
Demanda B 0 1 0 0 20 <= 20 0
Demanda C 0 0 1 0 30 <= 80 50
Demanda D 0 0 0 1 15 <= 70 55
Página22
Capac. Tanque 1 1 1 1 100 <= 100 0

Demanda A 1 0 0 0 35 >= 15 -20
Demanda B 0 1 0 0 20 >= 20 0
Demanda C 0 0 1 0 30 >= 30 0
Demanda D 0 0 0 1 15 >= 15 0
INFORME DE RESPUESTAS
a) Función Objetivo
Celda objetivo (Máximo)

Celda Nombre Valor original Valor final
$B$1 Max Z 0 88300
La máxima utilidad total que puede obtener la empresa Alicorp S.A. por la venta del aceite
Friol 100% Soya en las presentaciones de 200ml., 1litro, 5 litros y 18 litros asciende a 101 800
nuevos soles.
Celdas cambiantes
Celda Nombre Valor original Valor final
$B$4 Producción A 0 35
$C$4 Producción B 0 20
$D$4 Producción C 0 30
$E$4 Producción D 0 15
Para maximizar el beneficio, el óptimo de producción serán:

35 TM de aceite Friol 100% Soya para botellas de 200 ml.
Página23
20 TM de aceite Friol 100% Soya para botellas de 1 litro

30 TM de aceite Friol 100% Soya para bidones de 5 litros
15 TM de aceite Friol 100% Soya para bidones de 18 litros.
b) Recursos Escasos y Recursos en Abundancia
Restricciones
Celda Nombre Valor de la Fórmula Estado Divergencia
celda
$F$6 Demanda máx A Valor 35 $F$6<=$H$6 Opcional 5
$F$7 Demanda máx B Valor 20 $F$7<=$H$7 Obligatorio 0
$F$8 Demanda máx C Valor 30 $F$8<=$H$8 Opcional 50
$F$9 Demanda máx D Valor 15 $F$9<=$H$9 Opcional 55
$F$10 Capac. Tanque Valor 100 $F$10<=$H$10 Obligatorio 0
$F$11 Demanda mín A Valor 35 $F$11>=$H$11 Opcional 20
$F$12 Demanda mín B Valor 20 $F$12>=$H$12 Obligatorio 0
$F$13 Demanda mín C Valor 30 $F$13>=$H$13 Obligatorio 0
$F$14 Demanda mín D Valor 15 $F$14>=$H$14 Obligatorio 0
$B$4 Producción A 35 $B$4>=0 Opcional 35
$C$4 Producción B 20 $C$4>=0 Opcional 20
$D$4 Producción C 30 $D$4>=0 Opcional 30
$E$4 Producción D 15 $E$4>=0 Opcional 15
Variables Básicas: S3= 50

X1=35 S4=55
X2= 20 S6 = 20
X3= 30
X4=15
S1= 5 Variables No Básicas:
Página24
S2=0 S9=0
S5=0
S7=0
S8=0
Los recursos escasos son los que se indican en la tabla como “Obligatorio” y están
conformados por la demanda máxima de B, la capacidad del tanque, la demanda mínima de B,
la demanda mínima de C y la demanda mínima de D.
Los recursos en abundancia son los que se indican en la tabla como “Opcional” y están
conformados por la demanda máxima de A, la demanda máxima de C, la demanda máxima
de D, la demanda mínima de A, la producción de toneladas métricas de aceite de soya para
botellas de 200 ml., la producción de toneladas métricas de aceite de soya para botellas de
1 L., la producción de toneladas métricas de aceite de soya para bidones de 5 L y la
producción de toneladas métricas de aceite de soya para bidones de 18 L.
INFORME DE SENSIBILIDAD
Sensibilidad de La Función Objetivo
Celdas cambiantes
Valor Gradiente Coeficiente Aumento Disminución
Celda Nombre Igual reducido objetivo permisible permisible
$B$4 Producción A 35 0 2000 1E+30 1000
$C$4 Producción B 20 0 600 1400 1E+30
$D$4 Producción C 30 0 160 1840 1E+30
$E$4 Producción D 15 0 1000 1000 1E+30
La Tonelada métrica para botellas de 200ml registra una utilidad de S/. 2000 y se permite
un aumento de S/. 1000, es decir, hasta que alcance una utilidad de S/.3000 y una
Página25
disminución indefinida sin que se altere el punto óptimo de producción, lo que se alterará
será la utilidad total.
La Tonelada métrica para botellas de 1 litro registra una utilidad de S/. 600 y se permite un
aumento de S/. 1400, es decir, hasta que alcance una utilidad de S/.2000 y una
La Tonelada métrica para bidones de 5 litros registra una utilidad de S/. 160 y se permite
un aumento de S/. 1840, es decir, hasta que alcance una utilidad de S/.2000 y una
La Tonelada métrica para bidones de 18 litros registra una utilidad de S/. 1000 y se permite
un aumento de S/. 1000, es decir, hasta que alcance una utilidad de S/. 2000 y una
Precio Dual o Precio Sombra
Restricciones
Valor Sombra Restricción Aumento Disminución
Celda Nombre Igual precio lado derecho permisible permisible
$F$6 Demanda A Valor 35 0 40 1E+30 5
$F$7 Demanda B Valor 20 0 20 1E+30 0
$F$8 Demanda C Valor 30 0 80 1E+30 50
$F$9 Demanda D Valor 15 0 70 1E+30 55
$F$10 Capac. Tanque Valor 100 2000 100 5 20
$F$11 Demanda mín A Valor 35 0 15 20 1E+30
$F$12 Demanda mín B Valor 20 -1400 20 0 5
$F$13 Demanda mín C Valor 30 -1840 30 20 5
$F$14 Demanda mín D Valor 15 -1000 15 20 5
Página26
Interpretación 1: Si aumentamos en una unidad la capacidad del tanque el costo aumentará

en 2000 nuevos soles y por lo tanto la utilidad total disminuirá en esa proporción.
La demanda mínima a cubrir en TM de botellas de 1 litro puede oscilar desde 15 TM hasta

20 TM, y el precio sombra se mantendrá constante. Si sobrepasa las 20 TM, el precio
sombra disminuirá, si es inferior a 15, el precio sombra aumentará.
La demanda mínima a cubrir en TM de bidones de 5 litros puede oscilar desde 25 TM hasta
50 TM, y el precio sombra se mantendrá constante. Si sobrepasa las 50 TM, el precio
La demanda mínima a cubrir en TM de bidones de 18 litros puede oscilar desde 10 TM
hasta 35 TM, y el precio sombra se mantendrá constante. Si sobrepasa las 35 TM, el precio
Página27
ALICORP S.A que fabrica aceite de soya Friol, cuenta con una única planta productora de aceite
en la ciudad de Lima. Esta planta abastece a 12 sucursales en el territorio nacional, sin
embargo se han presentado problemas de abastecimiento en las sucursales de Trujillo y Piura
ya que la cantidad ofertada no cubre la demanda de las distribuidoras. La oferta de la sucursal
de Lima es de 35 TM, la de Trujillo de 25 TM y la de Piura es de 20 TM.
Los requerimientos de la distribuidora en Chimbote es de 17 TM, en Trujillo es de 30 TM y en

Piura de 28 TM. Los costos de transporte en dólares, se presentan en el siguiente cuadro:
Chimbote Trujillo Piura
Lima 15 15 20
Trujillo 10 0 15
Piura 17 15 0
Se busca obtener el mínimo costo en cubrir la demanda de las sucursales con problemas de
abastecimiento.
Página28
1. MÉTODO DEL COSTO MÍNIMO
Destino
Chimbote Trujillo Piura F1 TOTAL
Origen
Lima 15 15 20 0 35
17 5 8 5
Trujillo 10 0 15 0 25
0 25 0 0
17 15 0 0
Piura 20
0 0 20 0
TOTAL 17 30 28 5 80
a) X14 = Min (a1 ; b4) b) X22 = Min (a2 ; b2)

X14 = Min (35 ; 5) X22 = Min (25 ; 30)
X14 = 5 X22 = 25
Nuevo a1 = Ant.a1 – b4 Nuevo b2 = Ant.b2 – a2
Nuevo a1 = 35 – 5 Nuevo b2 = 35 – 5
Nuevo a1 = 30 Nuevo b2 = 30
c) X33 = Min (a3 ; b3) Nuevo b3 = 28 – 20
X33 = Min (20 ; 28) Nuevo b3 = 8
X33 = 20 d) X11 = Min (a1 ; b1)
Nuevo b3 = Ant.b3 – a3 X11 = Min (30 ; 17)
Página29
X11 = 17 Nuevo a1 = Ant.a1 – b2

Nuevo a1 = Ant.a1 – b1 Nuevo a1 = 13 – 5
Nuevo a1 = 30 – 17 Nuevo a1 = 13 Nuevo a1 = 8
e) X12 = Min (a1 ; b4) f) X13 = Min (a1 ; b3)

X12 = Min (13 ; 5) X13 = Min (8 ; 8)
X12 = 5 X13 = 8
 Variables Básicas: X11 = 17; X12 = 5; X13 = 8; X14 = 5; X22 = 25; X33 = 20
 Variables no Básicas: X21 = 0; X23 = 0; X24 = 0; X31 = 0; X32 = 0; X34 = 0
 Min.Z = 15(17) + 15(5) + 20(8) + 0(5) + 0(25) + 0(20) = 490
Como primera solución factible que obtenemos es $490. Necesitamos saber si está solución es la
optima y una forma de saberlo es por medio del índice de mejoramiento.
 Índice de Mejoramiento
o C21 = + 10 – 0 + 15 – 15 = 10
o C23 = + 15 – 20 + 15 – 0 = 10
o C24 = + 0 – 0 + 15 – 0 = 15
o C31 = + 17 – 0 + 20 – 15 = 22
o C32 = + 15 – 0 + 20 – 0 = 20
Página30
o C34 = + 0 – 0 + 20 – 0 = 20
Al aplicar el índice de mejoramiento, estamos buscando una ruta que optimice la minimización del
costo total de transporte y como podemos ver al calcular notamos que todas las celdas de las
variables no básicas nos salen positivas; esto nos indica que la solución que hemos obtenido es
óptima y que si quisiéramos coger alguna ruta de estas, nuestros costos se elevarían aún más.
2. METODO ESQUINA NOR-ESTE
Destino
Origen
Lima 15 15 20 0 35
17 18 0 0
Trujillo 10 0 15 0 25
0 12 13 0
17 15 0 0
Piura 20
0 0 15 5
TOTAL 17 30 28 5 80
Página31
a) X11 = Min (a1 ; b1) e) 3 = Min (a3 ; b3)

X11 = Min (35 ; 17) X33 = Min (20 ; 15)
X11 = 17 X33 = 15
Nuevo a1 = Ant.a1 – b4 Nuevo a3 = Ant.a3 – b2
Nuevo a1 = 35 – 17 Nuevo a3 = 20 – 15
Nuevo a1 = 18 Nuevo a3 = 5
b) X12 = Min (a1 ; b2) f) X34 = Min (a3 ; b4)

X12 = Min (18 ; 30) X34 = Min (5 ; 5)
X12 = 18 X34 = 8
Nuevo b2 = Ant.b2 – a1
Nuevo b2 = 30 – 18
Nuevo b2 = 12
c) X22 = Min (a3 ; b3)

X22 = Min (25 ; 12)
X22 = 12
Nuevo a2 = Ant.a2 – b2
Nuevo a2 = 25 – 12
Nuevo a2 = 13
d) X23 = Min (a1 ; b3)

X23 = Min (13 ; 28)
X23 = 13
Nuevo b3 = Ant.b3 – a1
Nuevo b3 = 28 – 13
Nuevo b3 = 15
Página32
Variables Básicas: X11 = 17; X12 = 18; X22 = 12; X23 = 13; X33 = 15; X34 = 15
 Min.Z = 15(17) + 15(18) + 0(12) + 15(13) + 0(15) + 0(5) = 720
Como primera solución factible que obtenemos es $720. Necesitamos saber si está solución es la
óptima y una forma de saberlo es por medio del índice de mejoramiento.
o C13 = + 20 – 15 + 0 – 15 = -10
o C14 = + 0 – 0 + 0 - 15 – 0 - 15= -30
o C21 = + 10 – 0 + 15 – 15 = 10
o C24 = + 0 – 0 + 0 – 15 = -15
o C31 = + 17 – 0 + 15 – 0 + 15 - 15 = 32
o C32 = + 15 – 0 + 15 – 0 = 30
En este caso al aplicar el índice de mejoramiento, notamos que en la C14 nos sale negativo, por tal
motivo elegiremos esta celda para convertirla en variable básica y así minimizar los costos.
Página33
15 20 0
13 5
0 15 0
17 8
0 0
20
NUEVA DISTRIBUCIÓN
Destino
Origen
Lima 15 15 20 0 35
17 13 0 5
Trujillo 10 0 15 0 25
0 17 8 0
17 15 0 0
Piura 20
0 0 20 0
TOTAL 17 30 28 5 80
Página34
 Min.Z = 15(17) + 15(18) + 0(12) + 15(13) + 0(15) + 0(5) = 570
Como segunda solución factible que obtenemos es $720. Para saber si está solución es la óptima
volveremos a usar el índice de mejoramiento.
o C13 = + 20 – 15 + 0 – 15 = -10
o C21 = + 10 – 0 + 15 – 15 = 10
o C24 = + 0 – 0 + 15 – 0 = 15
o C31 = + 17 – 0 + 15 – 0 + 15 - 15 = 32
o C32 = + 15 – 0 + 15 – 0 = 30
o C34 = + 0 – 0 + 15 – 0 + 15 – 0 = 30
En este caso al aplicar el índice de mejoramiento, notamos que en la C13 nos sale negativo, por tal
motivo elegiremos esta celda para convertirla en variable básica y así minimizar los costos.
Página35
15 20
5 8
0 15
25 0
NUEVA DISTRIBUCIÓN
Destino
Origen
Lima 15 15 20 0 35
17 5 8 5
Trujillo 10 0 15 0 25
0 25 0 0
17 15 0 0
Piura 20
0 0 20 0
TOTAL 17 30 28 5 80
Página36
 Min.Z = 15(17) + 15(5) + 20(8) + 0(25) + 0(20) + 0(20) = 490
Como tercera solución factible que obtenemos al realizar la nueva distribución es $490. Para saber
si está solución es la óptima volveremos a usar el índice de mejoramiento.
o C13 = + 20 – 15 + 0 – 15 = -10
o C21 = + 10 – 0 + 15 – 15 = 10
o C24 = + 0 – 0 + 15 – 0 = 15
o C31 = + 17 – 0 + 15 – 0 + 15 - 15 = 32
o C32 = + 15 – 0 + 15 – 0 = 30
o C34 = + 0 – 0 + 15 – 0 + 15 – 0 = 30
Debido a que al calcular el índice de mejoramiento, nos salen positivas, podemos concluir en que
la tercera solución es la óptima en relación a las anteriores soluciones.
Página37
3. METODO VOGEL
Destino
Chimbote Trujillo Piura F1 TOTAL P P P
Origen
Lima 15 15 20 0 35 5
17 5 8 5
Trujillo 10 0 15 0 25 10 - -
0 25 0 0
17 15 0 0
Piura 20
0 0 20 0
TOTAL 17 30 28 5 80
P - - - -
P 2 0 0 0
P 5 15 15 0
a) X22 = Min (a2 ; b2) b) X33 = Min (a3 ; b3)

X22 = Min (25 ; 30) X33 = Min (20 ; 28)
X22 = 25 X33 = 20
Nuevo b2 = Ant.b2 – a2 Nuevo b3 = Ant.b3 – a3
Nuevo b2 = 35 – 5 Nuevo b3 = 28 – 20
Nuevo b2 = 30 Nuevo b3 = 8
Página38
c) X11 = Min (a1 ; b1) e) X12 = Min (a1 ; b4)

X11 = Min (17 ; 35) X12 = Min (13 ; 5)
X11 = 17 X12 = 5
Nuevo b1 = Ant.b1 – a1 Nuevo a1 = Ant.a1 – b2
Nuevo b1 = 35 – 17 Nuevo a1 = 13 – 5
Nuevo b1 = 13 Nuevo a1 = 8
d) X14 = Min (a1 ; b4) f) X13 = Min (a1 ; b3)

X14 = Min (35 ; 5) X13 = Min (8 ; 8)
X14 = 5 X13 = 8
Nuevo a1 = Ant.a1 – b4
Nuevo a1 = 35 – 5
Nuevo a1 = 30
 Min.Z = 15(17) + 15(5) + 20(8) + 0(5) + 0(25) + 0(20) = 490
Como primera solución factible que obtenemos es $490. Necesitamos saber si está solución es
la optima y una forma de saberlo es por medio del índice de mejoramiento.
Índice de Mejoramiento
o C21 = + 10 – 0 + 15 – 15 = 10
o C23 = + 15 – 20 + 15 – 0 = 10
Página39
o C24 = + 0 – 0 + 15 – 0 = 15
o C31 = + 17 – 0 + 20 – 15 = 22
o C32 = + 15 – 0 + 20 – 0 = 20
o C34 = + 0 – 0 + 20 – 0 = 20
Notamos que todas las celdas de las variables no básicas nos salen positivas; esto nos indica
que la solución que hemos obtenido es óptima y que si quisiéramos coger alguna ruta de estas,
nuestros costos se elevarían aún más.
Página40
DATOS A UTILIZAR: VENTAS ANUALES DE ACEITE FRIOL 100% SOYA (2005-2009)
AÑO MES VENTAS (Y) (X)

2005 enero 250 1
febrero 248 2
marzo 225 3
abril 240 4
mayo 260 5
junio 300 6
julio 375 7
agosto 369 8
septiembre 340 9
octubre 400 10
noviembre 405 11
diciembre 430 12
2006 enero 240 13
febrero 240 14
marzo 215 15
abril 235 16
mayo 250 17
junio 290 18
julio 350 19
agosto 420 20
septiembre 350 21
octubre 390 22
noviembre 400 23
diciembre 410 24
2007 enero 255 25
Página41
febrero 235 26
marzo 220 27
abril 245 28
mayo 255 29
junio 280 30
julio 390 31
agosto 450 32
septiembre 400 33
octubre 435 34
noviembre 430 35
diciembre 490 36
2008 enero 260 37
febrero 255 38
marzo 230 39
abril 240 40
mayo 245 41
junio 265 42
julio 400 43
agosto 480 44
septiembre 370 45
octubre 250 46
noviembre 260 47
diciembre 300 48
Página42
1. PRONOSTICOS EN BASE A PROMEDIO MOVIL SIMPLE (CADA 3 MESES)
AÑO MES DEMANDA Previsión AÑO MES DEMANDA Previsión

REAL REAL
(Promedio)
enero 250 2008 enero 260 451.666667

2005
febrero 248 febrero 255 393.333333
marzo 225 marzo 230 335
abril 240 241 abril 240 248.333333
mayo 260 237.666667 mayo 245 241.666667
junio 300 241.666667 junio 265 238.333333
julio 375 266.666667 julio 400 250
agosto 369 311.666667 agosto 480 303.333333
septiembre 340 348 septiembre 370 381.666667
octubre 400 361.333333 octubre 250 416.666667
noviembre 405 369.666667 noviembre 260 366.666667
diciembre 430 381.666667 diciembre 300 293.333333
2006 enero 240 411.666667 2009 enero 250 270
febrero 240 358.333333 febrero 230 270
marzo 215 303.333333 marzo 200 260
abril 235 231.666667 abril 220 226.666667
mayo 250 230 mayo 240 216.666667
junio 290 233.333333 junio 255 220
julio 350 258.333333 julio 320 238.333333
Página43
agosto 420 296.666667 agosto 400 271.666667
septiembre 350 353.333333 septiembre 380 325
octubre 390 373.333333 octubre 430 366.666667
noviembre 400 386.666667
diciembre 410 380
2007 enero 255 400 El promedio móvil se caracteriza por realizar

previsiones con datos de un tiempo
febrero 235 355
histórico corto, sin embargo, al no tener
marzo 220 300
una tasa de crecimiento o un índice de
abril 245 236.666667 estacionalidad provoca que no exista una
mayo 255 233.333333 buena previsión de las ventas por lo que

tampoco se puede considerar como un
junio 280 240
método aceptable.
julio 390 260
agosto 450 308.333333
septiembre 400 373.333333
octubre 435 413.333333
noviembre 430 428.333333
diciembre 490 421.666667
Página44
SEÑAL DE RASTREO Y DMA PARA PRONOSTICOS EN BASE A PROMEDIO MOVIL SIMPLE
DEMANDA Sum des.

AÑO MES (Y) (X) previsión desviación SAEP des abs Abs. DMA SR.
enero 250 1
febrero 248 2
marzo 225 3
abril 240 4 241.0 -1.0 -1.00 1.0 1.00 0.3 -4.00
mayo 260 5 237.7 22.3 21.33 22.3 23.33 4.7 4.57
junio 300 6 241.7 58.3 79.67 58.3 81.67 13.6 5.85
julio 375 7 266.7 108.3 188.00 108.3 190.00 27.1 6.93
agosto 369 8 311.7 57.3 245.33 57.3 247.33 30.9 7.94
septiembre 340 9 348.0 -8.0 237.33 8.0 255.33 28.4 8.37
octubre 400 10 361.3 38.7 276.00 38.7 294.00 29.4 9.39
noviembre 405 11 369.7 35.3 311.33 35.3 329.33 29.9 10.40
2005 diciembre 430 12 381.7 48.3 359.67 48.3 377.67 31.5 11.43
enero 240 1 411.7 -171.7 -10.00 171.7 10.00 10.0 -1.00
febrero 240 2 358.3 -118.3 -128.33 118.3 128.33 64.2 -2.00
marzo 215 3 303.3 -88.3 -216.67 88.3 216.67 72.2 -3.00
abril 235 4 231.7 3.3 -213.33 3.3 220.00 55.0 -3.88
mayo 250 5 230.0 20.0 -193.33 20.0 240.00 48.0 -4.03
junio 290 6 233.3 56.7 -136.67 56.7 296.67 49.4 -2.76
julio 350 7 258.3 91.7 -45.00 91.7 388.33 55.5 -0.81
agosto 420 8 296.7 123.3 78.33 123.3 511.67 64.0 1.22
septiembre 350 9 353.3 -3.3 75.00 3.3 515.00 57.2 1.31
octubre 390 10 373.3 16.7 91.67 16.7 531.67 53.2 1.72
noviembre 400 11 386.7 13.3 105.00 13.3 545.00 49.5 2.12
2006 diciembre 410 12 380.0 30.0 135.00 30.0 575.00 47.9 2.82
2007 enero 255 1 400.0 -145.0 -45.00 145.0 45.00 45.0 -1.00
Página45
febrero 235 2 355.0 -120.0 -165.00 120.0 165.00 82.5 -2.00
marzo 220 3 300.0 -80.0 -245.00 80.0 245.00 81.7 -3.00
abril 245 4 236.7 8.3 -236.67 8.3 253.33 63.3 -3.74
mayo 255 5 233.3 21.7 -215.00 21.7 275.00 55.0 -3.91
junio 280 6 240.0 40.0 -175.00 40.0 315.00 52.5 -3.33
julio 390 7 260.0 130.0 -45.00 130.0 445.00 63.6 -0.71
agosto 450 8 308.3 141.7 96.67 141.7 586.67 73.3 1.32
septiembre 400 9 373.3 26.7 123.33 26.7 613.33 68.1 1.81
octubre 435 10 413.3 21.7 145.00 21.7 635.00 63.5 2.28
noviembre 430 11 428.3 1.7 146.67 1.7 636.67 57.9 2.53
diciembre 490 12 421.7 68.3 215.00 68.3 705.00 58.8 3.66
enero 260 1 451.7 -191.7 -20.00 191.7 20.00 20.0 -1.00
febrero 255 2 393.3 -138.3 -158.33 138.3 158.33 79.2 -2.00
marzo 230 3 335.0 -105.0 -263.33 105.0 263.33 87.8 -3.00
abril 240 4 248.3 -8.3 -271.67 8.3 271.67 67.9 -4.00
mayo 245 5 241.7 3.3 -268.33 3.3 275.00 55.0 -4.88
junio 265 6 238.3 26.7 -241.67 26.7 301.67 50.3 -4.81
julio 400 7 250.0 150.0 -91.67 150.0 451.67 64.5 -1.42
agosto 480 8 303.3 176.7 85.00 176.7 628.33 78.5 1.08
septiembre 370 9 381.7 -11.7 73.33 11.7 640.00 71.1 1.03
octubre 250 10 416.7 -166.7 -93.33 166.7 806.67 80.7 -1.16
noviembre 260 11 366.7 -106.7 -200.00 106.7 913.33 83.0 -2.41
2008 diciembre 300 12 293.3 6.7 -193.33 6.7 920.00 76.7 -2.52
enero 250 1 270.0 -20.0 -213.33 20.0 940.00 940.0 -0.23
febrero 230 2 270.0 -40.0 -253.33 40.0 980.00 490.0 -0.52
marzo 200 3 260.0 -60.0 -313.33 60.0 1040.00 346.7 -0.90
abril 220 4 226.7 -6.7 -320.00 6.7 1046.67 261.7 -1.22
mayo 240 5 216.7 23.3 -296.67 23.3 1070.00 214.0 -1.39
2009 junio 255 6 220.0 35.0 -261.67 35.0 1105.00 184.2 -1.42
Página46
julio 320 7 238.3 81.7 -180.00 81.7 1186.67 169.5 -1.06
agosto 400 8 271.7 128.3 -51.67 128.3 1315.00 164.4 -0.31
septiembre 380 9 325.0 55.0 3.33 55.0 1370.00 152.2 0.02
octubre 430 10 366.7 63.3 66.67 63.3 1433.33 143.3 0.47
De los resultados obtenidos en las tablas para cada año se puede observar que en los
primeros años el método del promedio móvil no se ajusta a los valores reales, por lo
que no es buen método para prever las reacciones del mercado.
Sin embargo, en el año 2009 (año actual) se observa que la señal de rastreo sí se
encuentra dentro de los parámetros establecidos, es decir, los valores de la señal de
rastreo oscilan entre -1 y 1 aproximándose, en ocasiones a cero.
2. PRONOSTICOS EN BASE AL ALISAMIENTO EXPONENCIAL SIMPLE
Para poder emplear el método del alisamiento exponencial simple es necesario tener
previamente establecidos los siguientes factores:
La previsión del año 2005 del mes de enero fue de 245 TM de aceite Friol 100% soya
El alfa empleado es igual a 0.5, es decir: para el año 2005
TABLA DE ALISAMIENTO EXPONENCIAL SIMPLE
DEMANDA
AÑO MES previsión
(Y)
enero 250 245.0
febrero 248 247.5

2005
marzo 225 247.8
abril 240 236.4
Página47
mayo 260 238.2
junio 300 249.1
julio 375 274.5
agosto 369 324.8
octubre 400 343.4
noviembre 405 371.7
diciembre 430 388.4
Se observa que con un alfa esperado del 0.5 la demanda real al inicio del año resulta ser
inferior a la cantidad pronosticada, pero finalizando el año sucede lo contrario, es decir,
que la demanda real es superior a la cantidad pronosticada.
DEMANDA
AÑO MES previsión
(Y)
enero 240 250.0
febrero 240 244.2
2006 marzo 215 241.8
abril 235 226.2
mayo 250 231.3
Página48
junio 290 242.2
julio 350 269.9
agosto 420 316.4
octubre 390 361.1
noviembre 400 377.9
diciembre 410 390.7
Se decide establecer una nueva cantidad pronosticada para el año 2006 y en relación,
también se estima un nievo alfa de 0.58, sin embargo se observa la misma reacción del
mercado que en el año 2005.
DEMANDA
AÑO MES previsión
(Y)
enero 255 300.0
febrero 235 262.7
2007 marzo 220 239.7
abril 245 223.3
mayo 255 241.3
Página49
junio 280 252.7
julio 390 275.4
agosto 450 370.5
octubre 435 406.2
noviembre 430 430.1
diciembre 490 430.0
Al igual que en los años anteriores se ajusta el alfa y la demandan inicial esperada para
poder establecer un pronostico anual, se establecen dichos valores según las
expectativas del mercado.
DEMANDA
AÑO MES previsión
(Y)
enero 260 280.0
febrero 255 266.0
2008 marzo 230 258.3
abril 240 238.5
mayo 245 239.5
Página50
junio 265 243.4
julio 400 258.5
agosto 480 357.6
octubre 250 392.0
noviembre 260 292.6
diciembre 300 269.8
DEMANDA
AÑO MES previsión
(Y)
enero 250 230.0
febrero 230 244.0
marzo 200 234.2
2009 abril 220 210.3
mayo 240 217.1
junio 255 233.1
julio 320 248.4
Página51
agosto 400 298.5
octubre 430 376.9
Como conclusión tenemos que estas variaciones al inicio y al final del año se deben a la
estacionalidad que posee el producto, pues al comienzo de cada año se demanda
menos cantidad de aceites que al final de cada año.
Por lo antes expuesto es importante mencionar que este tipo de pronósticos tampoco
seria valido para prever el comportamiento del mercado
SEÑAL DE RASTREO Y DMA PARA PRONOSTICOS EN BASE AL ALISAMIENTO

EXPONENCIAL SIMPLE
DEMANDA Sum des.

AÑO MES REAL (X) previsión desviación SAEP des abs Abs. DMA SR.
enero 250 1 245.0 5.0 5.00 5.0 5.0 5.0 1
febrero 248 2 247.5 0.5 5.50 0.5 5.50 2.8 2
marzo 225 3 247.8 -22.8 -17.25 22.8 28.25 9.4 -1.83
abril 240 4 236.4 3.6 -13.63 3.6 31.88 8.0 -1.71
mayo 260 5 238.2 21.8 8.19 21.8 53.69 10.7 0.76
junio 300 6 249.1 50.9 59.09 50.9 104.59 17.4 3.39
julio 375 7 274.5 100.5 159.55 100.5 205.05 29.3 5.45
agosto 369 8 324.8 44.2 203.77 44.2 249.27 31.2 6.54
2005 septiembre 340 9 346.9 -6.9 196.89 6.9 256.16 28.5 6.92
Página52
octubre 400 10 343.4 56.6 253.44 56.6 312.72 31.3 8.10
noviembre 405 11 371.7 33.3 286.72 33.3 346.00 31.5 9.12
diciembre 430 12 388.4 41.6 328.36 41.6 387.63 32.3 10.17
enero 240 1 250.0 -10.0 -10.00 10.0 10.00 10.0 -1.00
febrero 240 2 244.2 -4.2 -14.20 4.2 14.20 7.1 -2.00
marzo 215 3 241.8 -26.8 -40.96 26.8 40.96 13.7 -3.00
abril 235 4 226.2 8.8 -32.20 8.8 49.72 12.4 -2.59
mayo 250 5 231.3 18.7 -13.53 18.7 68.40 13.7 -0.99
junio 290 6 242.2 47.8 34.32 47.8 116.25 19.4 1.77
julio 350 7 269.9 80.1 114.41 80.1 196.34 28.0 4.08
agosto 420 8 316.4 103.6 218.05 103.6 299.98 37.5 5.82
septiembre 350 9 376.5 -26.5 191.58 26.5 326.45 36.3 5.28
octubre 390 10 361.1 28.9 220.46 28.9 355.34 35.5 6.20
noviembre 400 11 377.9 22.1 242.60 22.1 377.47 34.3 7.07
2006 diciembre 410 12 390.7 19.3 261.89 19.3 396.76 33.1 7.92
enero 255 1 300.0 -45.0 -45.00 45.0 45.00 45.0 -1.00
febrero 235 2 262.7 -27.7 -72.65 27.7 72.65 36.3 -2.00
marzo 220 3 239.7 -19.7 -92.35 19.7 92.35 30.8 -3.00
abril 245 4 223.3 21.7 -70.70 21.7 114.00 28.5 -2.48
mayo 255 5 241.3 13.7 -57.02 13.7 127.68 25.5 -2.23
junio 280 6 252.7 27.3 -29.69 27.3 155.01 25.8 -1.15
julio 390 7 275.4 114.6 84.95 114.6 269.65 38.5 2.21
agosto 450 8 370.5 79.5 164.44 79.5 349.14 43.6 3.77
septiembre 400 9 436.5 -36.5 127.96 36.5 385.63 42.8 2.99
octubre 435 10 406.2 28.8 156.75 28.8 414.43 41.4 3.78
noviembre 430 11 430.1 -0.1 156.65 0.1 414.53 37.7 4.16
2007 diciembre 490 12 430.0 60.0 216.63 60.0 474.51 39.5 5.48
enero 260 1 280.0 -20.0 -20.00 20.0 20.00 20.0 -1.00
2008 febrero 255 2 266.0 -11.0 -31.00 11.0 31.00 15.5 -2.00
Página53
marzo 230 3 258.3 -28.3 -59.30 28.3 59.30 19.8 -3.00
abril 240 4 238.5 1.5 -57.79 1.5 60.81 15.2 -3.80
mayo 245 5 239.5 5.5 -52.34 5.5 66.26 13.3 -3.95
junio 265 6 243.4 21.6 -30.70 21.6 87.90 14.6 -2.10
julio 400 7 258.5 141.5 110.79 141.5 229.39 32.8 3.38
agosto 480 8 357.6 122.4 233.24 122.4 351.84 44.0 5.30
septiembre 370 9 443.3 -73.3 159.97 73.3 425.10 47.2 3.39
octubre 250 10 392.0 -142.0 17.99 142.0 567.08 56.7 0.32
noviembre 260 11 292.6 -32.6 -14.60 32.6 599.68 54.5 -0.27
diciembre 300 12 269.8 30.2 15.62 30.2 629.90 52.5 0.30
enero 250 1 230.0 20.0 35.62 20.0 649.90 649.9 0.05
febrero 230 2 244.0 -14.0 21.62 14.0 663.90 331.9 0.07
marzo 200 3 234.2 -34.2 -12.58 34.2 698.10 232.7 -0.05
abril 220 4 210.3 9.7 -2.84 9.7 707.84 177.0 -0.02
mayo 240 5 217.1 22.9 20.08 22.9 730.76 146.2 0.14
junio 255 6 233.1 21.9 41.96 21.9 752.64 125.4 0.33
julio 320 7 248.4 71.6 113.52 71.6 824.20 117.7 0.96
agosto 400 8 298.5 101.5 214.99 101.5 925.67 115.7 1.86
septiembre 380 9 369.6 10.4 225.43 10.4 936.11 104.0 2.17
2009 octubre 430 10 376.9 53.1 278.56 53.1 989.24 98.9 2.82
Este tipo de pronóstico se basa en establecer un margen de crecimiento anual, es decir, cada
año posee un valor alfa diferente. Sin embargo, la demanda real del aceite Friol no es
necesariamente guiado por una constante de crecimiento, sino que esta vinculado con la
estacionalidad del producto. Es por ello que en ciertos meses del año se observa una señal de
rastreo muy aproximada a cero y otros meses muy distantes de cero.
Por lo antes expuesto se concluye que el método del alisamiento exponencial simple no es
buen modelo de previsión para la venta de aceite Friol 100% soya.
Página54
3. PRONOSTICOS EN BASE A LA REGRESION
MODELO LINEAL
Resumen del modelo
R cuadrado Error típico de la

R R cuadrado corregida estimación
,128 ,016 -,005 82,548
La variable independiente es X.
Coeficientes
Coeficientes
Coeficientes no estandarizados estandarizados
B Error típico Beta t Sig.
X ,751 ,860 ,128 ,873 ,387
(Constante) 299,765 24,207 12,383 ,000
Página55
Ecuación:
De acuerdo a l gráfico presentado en el que usamos el modelo de la regresion lineal simple, los
datos expresan que una línea de tendencia en función a la ecuación:
Y= a+ bX
Y=299.765+ 24.207X
Deducimos que para obtener el mejor modelo, debemos buscar aquel modelo que presente el
mayor coeficiente de correlación R2 y la menor desviacion estandar Sxy.
Desviación estándar:
La desviación estándar del modelo es 82.548; lo que expresa que el valor del las muestras se
distribuyen alrededor de la ecuación de la recta con -82.548 o 82.548 de desvío.
Coeficiente de discriminación:
En el presente modelo, obtenemos un coeficiente de 0.016, lo que expresa que las ventas
varían en 1.6% cuando la variable independiente varíe en un 100%, es decir con el transcurrir
de un año.
Pruebas de hipótesis:
- Prueba de la existencia del modelo:
1º PASO: Formulación de la Hipótesis
H0: β=0
H1: β≠ 0
Página56
2º PASO: Tipo de Distribución
Tamaño de muestra: n=48
Nivel de significación: α = 5%
Utilizamos la distribución normal Z:
2.5% 2.5%
-1.96 1.96 28.1457

3º PASO: Regla de Decisión
Rechazar Ho si y sólo si: t0 >1.96 ó t0 <-1.96
4º PASO: Cálculo del Estadígrafo t0
b̂ β 24.207 - 0 24.207 - 0
t0 = = = = 28.1457
σb syx 82.548
∑x 2 nx 2 38024 (48)(24.5) 2
5º PASO: Conclusiones y Recomendaciones:
Aceptamos H1 y rechazamos H0, por lo tanto sí existe el modelo de regresión lineal

entre las ventas de la empresa ALICORP S.A y los años de operación.
Página57
- Prueba de la linealidad del modelo:
H0: ρ=0
H1: ρ≠0
Utilizamos la distribución normal Z:
2.5% 2.5%
-1.96 0.8749 1.96

3º PASO: Regla de Decisión 1
Rechazar Ho si y sólo si: t0 >1.96 ó t0 <-1.96
4º PASO: Cálculo del Estadígrafo t0
1 R2 1 0 ,016
σr = = = 0.1463
n k 48 2
r ρ 0.128 0
t0 = = = 0.8749
σr 0.1463
Página58
Aceptamos H0 y rechazamos H1, por lo tanto no existe linealidad en el modelo de

regresión lineal simple entre las ventas de la empresa ALICORP S.A y los años de
operación.
- Prueba de hipótesis de la confiabilidad del modelo:
H0: El modelo no es confiable

H1: El modelo es confiable
Utilizamos la distribución F (k-1, n-k) = F (2-1, 48-2) = F (1,46)
5%
0.762640 4.056
3º PASO: Regla de Decisión
Rechazar Ho si y sólo si: F0 >4.056
Página59
4º PASO: Cálculo del Estadígrafo F0
SCMR 5196,761
F0 = = = 0.762640
SCME 6814,172
b
ANOVA
Suma de
Modelo cuadrados gl Media cuadrática F Sig.
a
Regresión 5196,761 1 5196,761 ,763 ,387
Residual 313451,906 46 6814,172
Total 318648,667 47
Aceptamos H0 y rechazamos H1, por lo tanto el modelo no es confiable.
Página60
DMA y señal de rastreo para el modelo de regresion lineal
DEMANDA Suma des.

AÑO MES (X) previsión desviación SAEP des abs DMA SR.
(Y) Abs.
enero 250 1 300.5211 -50.5211 -50.5211 50.5211 50.5211 50.5211 -1
-
febrero 248 2 301.2722 -53.2722 53.2722 103.7933 51.89665 -2
103.7933
-
marzo 225 3 302.0233 -77.0233 77.0233 180.8166 60.2722 -3
180.8166
abril 240 4 302.7744 -62.7744 -243.591 62.7744 243.591 60.89775 -4
-
mayo 260 5 303.5255 -43.5255 43.5255 287.1165 57.4233 -5
287.1165
-
junio 300 6 304.2766 -4.2766 4.2766 291.3931 48.5655167 -6
291.3931
2005
-
julio 375 7 305.0277 69.9723 69.9723 361.3654 51.6236286 -4.2891367
221.4208
- -
agosto 369 8 305.7788 63.2212 63.2212 424.5866 53.073325
158.1996 2.98077424
- -
septiembre 340 9 306.5299 33.4701 33.4701 458.0567 50.8951889
124.7295 2.45071298
octubre 400 10 307.281 92.719 -32.0105 92.719 550.7757 55.07757 -0.5811894
noviembre 405 11 308.0321 96.9679 64.9574 96.9679 647.7436 58.8857818 1.10310839
diciembre 430 12 308.7832 121.2168 186.1742 121.2168 768.9604 64.0800333 2.90533869
enero 240 13 309.5343 -69.5343 116.6399 69.5343 838.4947 64.4995923 1.80838197
febrero 240 14 310.2854 -70.2854 46.3545 70.2854 908.7801 64.9128643 0.71410344
-
marzo 215 15 311.0365 -96.0365 -49.682 96.0365 1004.8166 66.9877733
0.74165773
- -
abril 235 16 311.7876 -76.7876 76.7876 1081.6042 67.6002625
126.4696 1.87084481
2006 - -
mayo 250 17 312.5387 -62.5387 62.5387 1144.1429 67.3025235
189.0083 2.80833898
- -
junio 290 18 313.2898 -23.2898 23.2898 1167.4327 64.8573722
212.2981 3.27330715
-
julio 350 19 314.0409 35.9591 -176.339 35.9591 1203.3918 63.3364105
2.78416473
-
agosto 420 20 314.792 105.208 -71.131 105.208 1308.5998 65.42999
1.08713145
Página61
-
septiembre 350 21 315.5431 34.4569 -36.6741 34.4569 1343.0567 63.955081
0.57343528
octubre 390 22 316.2942 73.7058 37.0317 73.7058 1416.7625 64.3982955 0.57504162
noviembre 400 23 317.0453 82.9547 119.9864 82.9547 1499.7172 65.2050957 1.84013839
diciembre 410 24 317.7964 92.2036 212.19 92.2036 1591.9208 66.3300333 3.19900337
enero 255 25 318.5475 -63.5475 148.6425 63.5475 1655.4683 66.218732 2.24471982
febrero 235 26 319.2986 -84.2986 64.3439 84.2986 1739.7669 66.9141115 0.96158939
-
marzo 220 27 320.0497 -100.0497 -35.7058 100.0497 1839.8166 68.1413556
0.52399603
- -
abril 245 28 320.8008 -75.8008 75.8008 1915.6174 68.4149071
111.5066 1.62985824
- -
mayo 255 29 321.5519 -66.5519 66.5519 1982.1693 68.3506655
178.0585 2.60507339
- -
junio 280 30 322.303 -42.303 42.303 2024.4723 67.48241
2007 220.3615 3.26546577
- -
julio 390 31 323.0541 66.9459 66.9459 2091.4182 67.4651032
153.4156 2.27399934
-
agosto 450 32 323.8052 126.1948 -27.2208 126.1948 2217.613 69.3004063
0.39279423
septiembre 400 33 324.5563 75.4437 48.2229 75.4437 2293.0567 69.4865667 0.69398881
octubre 435 34 325.3074 109.6926 157.9155 109.6926 2402.7493 70.6690971 2.23457645
noviembre 430 35 326.0585 103.9415 261.857 103.9415 2506.6908 71.6197371 3.6562128
diciembre 490 36 326.8096 163.1904 425.0474 163.1904 2669.8812 74.1633667 5.73123119
enero 260 37 327.5607 -67.5607 357.4867 67.5607 2737.4419 73.9849162 4.83188626
febrero 255 38 328.3118 -73.3118 284.1749 73.3118 2810.7537 73.9672026 3.84190411
marzo 230 39 329.0629 -99.0629 185.112 99.0629 2909.8166 74.6106821 2.48103884
abril 240 40 329.814 -89.814 95.298 89.814 2999.6306 74.990765 1.27079648
mayo 245 41 330.5651 -85.5651 9.7329 85.5651 3085.1957 75.2486756 0.12934314

2008
-
junio 265 42 331.3162 -66.3162 -56.5833 66.3162 3151.5119 75.0359976
0.75408206
julio 400 43 332.0673 67.9327 11.3494 67.9327 3219.4446 74.8708047 0.15158646
agosto 480 44 332.8184 147.1816 158.531 147.1816 3366.6262 76.5142318 2.0719152
septiembre 370 45 333.5695 36.4305 194.9615 36.4305 3403.0567 75.6234822 2.57805505
octubre 250 46 334.3206 -84.3206 110.6409 84.3206 3487.3773 75.81255 1.45940085
Página62
noviembre 260 47 335.0717 -75.0717 35.5692 75.0717 3562.449 75.7967872 0.46927055
-
diciembre 300 48 335.8228 -35.8228 -0.2536 35.8228 3598.2718 74.9639958
0.00338296
-
enero 250 37 327.5607 -77.5607 -77.8143 77.5607 3675.8325 99.3468243
0.78325906
- -
febrero 230 38 328.3118 -98.3118 98.3118 3774.1443 99.3195868
176.1261 1.77332695
-
marzo 200 39 329.0629 -129.0629 -305.189 129.0629 3903.2072 100.082236
3.04938231
-
abril 220 40 329.814 -109.814 -415.003 109.814 4013.0212 100.32553
4.13656424
- -
mayo 240 41 330.5651 -90.5651 90.5651 4103.5863 100.087471
505.5681 5.05126262
- -
junio 255 42 331.3162 -76.3162 76.3162 4179.9025 99.5214881
2009 581.8843 5.84682073
- -
julio 320 43 332.0673 -12.0673 12.0673 4191.9698 97.4876698
593.9516 6.09258177
-
agosto 400 44 332.8184 67.1816 -526.77 67.1816 4259.1514 96.7988955
5.44190094
-
septiembre 380 45 333.5695 46.4305 46.4305 4305.5819 95.6795978 -5.0202918
480.3395
- -
octubre 430 46 334.3206 95.6794 95.6794 4401.2613 95.6795935
384.6601 4.02029405
Del cuadro se puede observar que el método de previsión empleado no es el correcto,

pues existe una gran variación en la señal de rastreo. Como sabemos para que un modelo
pueda ser ajustado la señal de rastreo debe oscilar entre -1 y 1 aproximándose en lo posible a
cero.
El DMA es el promedio de las desviaciones que nos muestra la variabilidad existente y

dichos valores son demasiado elevados demostrando que el método empleado no se ajusta a
lo real.
Se concluye que no se puede optar por un modelo lineal en grandes etapas del tiempo.
Página63
MODELO PARABOLICO O CUADRATICO
Resumen del modelo

,222 ,049 ,007 82,054
La variable independiente esX.
Coeficientes
Coeficientes
X 4,970 3,489 ,845 1,424 ,161
X ** 2 -,086 ,069 -,740 -1,247 ,219
(Constante) 264,607 37,064 7,139 ,000
Página64
Ecuación:
2
Y= a+ bX + cX
Y=264.607+ 4,970X-0,086 X2
La desviación estándar del modelo es 82.054; lo que expresa que el valor del las muestras se
distribuyen alrededor de la ecuación de la recta con -82.054 o 82.054 de desvío.
de un año.
Página65
MODELO POTENCIAL
Resumen del modelo

,197 ,039 ,018 ,251
Coeficientes
Coeficientes
ln(X) ,056 ,041 ,197 1,362 ,180
(Constante) 261,333 33,032 7,912 ,000
La variable dependiente es ln(VENTAS.Y).
Página66
Ecuación:
b
Y= a+ X
Y= 261,333 + X0.056
La desviación estándar del modelo es 0,251; lo que expresa que el valor del las muestras se
distribuyen alrededor de la ecuación de la recta con -0,251o 0,251 de desvío.
de un año.
Página67
MODELO EXPONENCIAL
Resumen del modelo

,118 ,014 -,008 ,254
Coeficientes
Coeficientes
X ,002 ,003 ,118 ,806 ,425
(Constante) 292,476 21,811 13,410 ,000
La variable dependiente es ln(VENTAS.Y).
Página68
Ecuación:
x
Y= a+ b
Y=292,476 + 0,002x
distribuyen alrededor de la ecuación de la recta con -0,254 o 0,254 de desvío.
de un año.
Página69
MODELO HIPERBOLE EQUILATERA
Resumen del modelo

,223 ,050 ,029 81,133
Coeficientes
Coeficientes
1/X -114,446 73,753 -,223 -1,552 ,128
(Constante) 328,798 13,567 24,234 ,000
Página70
Ecuación:
De acuerdo al gráfico presentado en el que usamos el modelo de la regresion lineal simple, los
1
Y = a + b( )
X
1
Y = 328,798 - 114,446( )
X
distribuyen alrededor de la ecuación de la recta con -81,133 o 81,133 de desvío.
varían en 5 % cuando la variable independiente varíe en un 100%, es decir con el transcurrir de
un año.
Página71
COMPARACION DE LOS MODELOS DE REGRESION LINEAL Y NO LINEALES
Modelo de regresión Syx R2
Lineal 82,548 0,016
Parabólico o cuadrático 82,054 0,049
Potencial 0,251 0,039
Exponencial 0,254 0,014
Hipérbola equilátera 81,133 0,050
Página72
Como se puede observar en el cuadro de comparación, entre los modelos lineales y no lineales
de regresión, aquel que presenta el mejor coeficiente de discriminación es el de la hipérbola
equilátera; sin embargo éste solo explica la variabilidad de la dependiente con la variabilidad
de la variable independiente.
Es por tal que, en función de los modelos de regresión presentados, escogemos como el que
mejor explica el pronóstico en el futuro al modelo potencial por presentar la menor desviación
estándar.
Asimismo podemos apreciar que el modelo de regresión lineal se encuentra en desuso en la

práctica para el pronóstico de ventas en especial en grandes empresas como en el caso de
ALICORP S.A no por el incumplimiento de su función, sino porque éste es usado para periodos
de corto plazo.
Esta misma conclusión, fue confirmada mediante la entrevista con el Gerente de Calidad Oleos
Sr. Reynaldo Díaz, quien manifestó que la regresión lineal no se aplica en la práctica de
operaciones de ALICORP S.A, así como tampoco ninguno de los modelos presentados
anteriormente ya que la empresa estima su producción en función de la demanda de manera
reactiva, ya que al contar con el sistema SAP todas las operaciones se realizan y se registran en
el momento.
Página73
4. PRONOSTICO EN BASE A SERIES DE TIEMPOS
FACTOR ESTACIONAL CALCULADO POR MMCC
La estacionalidad no sólo depende del tipo de producto, sino del tipo de cliente. Se
debe identificar la estacionalidad del negocio. Esto es muy sencillo. Anotando las
ventas de los últimos años, de tal manera que queden en el mismo punto los eneros,
febreros, marzos, etcétera. De esta forma se podrá ver cómo se comportan las ventas
y obtener un patrón de comportamiento.
OBTENEMOS LA SIGUIENTE ECUACIÓN:
Por el método de los mínimos cuadrados obtenemos el valor de a y b
Después de encontrar los datos lo reemplazamos en la ecuación:
Así se concluye que es:
Por otra parte el siguiente cuadro corresponde a las ventas que se ha clasificado de
forma trimestral a partir del año 2005 al año 2008.
Página74
año mes demanda trimestre Promedio trimestral MMCC /D t demanda T / D

2005 enero 250 I 241 298.17 1 0.8082529
4
febrero 248
marzo 225
abril 240 II 266.666667 300.59 2 0.88712056

8
mayo 260
junio 300
julio 375 III 361.333333 303.02 3 1.19243267

2
agosto 369
septiembre 340
octubre 400 IV 411.666667 305.44 4 1.34775596

6
noviembre 405
diciembre 430
2006 enero 240 I 231.666667 307.87 5 0.75248211
febrero 240
marzo 215
abril 235 II 258.333333 310.29 6 0.83254376

4
mayo 250
junio 290
julio 350 III 373.333333 312.71 7 1.19383385

8
agosto 420
septiembre 350
octubre 390 IV 400 315.14 8 1.26926909

2
noviembre 400
diciembre 410
Página75
2007 enero 255 I 236.666667 317.56 9 0.74525191

6
febrero 235
marzo 220
abril 245 II 260 319.99 10 0.81252539
mayo 255
junio 280
julio 390 III 413.333333 322.41 11 1.28199561

4
agosto 450
septiembre 400
octubre 435 IV 451.666667 324.83 12 1.39043667

8
noviembre 430
diciembre 490
2008 enero 260 I 248.333333 327.26 13 0.75882117

2
febrero 255
marzo 230
abril 240 II 250 329.68 14 0.75829729

6
mayo 245
junio 265
julio 400 III 416.666667 332.11 15 1.2546044
agosto 480
septiembre 370
octubre 250 IV 270 334.53 16 0.80709285

4
noviembre 260
diciembre 300
Página76
El MMCC se halla reemplazando la ecuación con cada t, para cada periodo lo que nos
da su valor y esto nos permite visualizar su crecimiento para cada año. Por otra parte
se halla la demanda T/D que me dan cifras menores de dos unidades.
Después de hacer todos los cálculos se empieza por determinar el factor estacional, y
esto es la suma de cada trimestre de acuerdo a su demanda D/T, por ejemplo el
trimestre I de cada año y dividirlo, resultando:
Cálculo de factor estacional
El factor estacional se encuentra a partir del promedio de cada factor,

respectivamente de cada trimestre
trimestre factor
Demanda/D estacional
I 0.8082529 0.76620202
0.75248211
0.74525191
0.75882117
II 0.88712056 0.82262175
0.83254376
0.81252539
0.75829729
III 1.19243267 1.23071663
1.19383385
1.28199561
1.2546044
IV 1.34775596 1.20363864
1.26926909
1.39043667
0.80709285
El factor de la estacionalidad nos ayudara a pronosticar la demanda aproximada que se
tendrá por cada trimestre. Este índice es muy importante en productos que presentan
un comportamiento estacional como es el caso del aceite Friol 100% soya que produce
la empresa Alicorp.
Página77
VENTAS REALES 2009 HASTA EL MES DE OCTUBRE
Este es el esquema de las ventas reales que representa ALICORP en su aceite.
Mes Cantidad demandada POR TRIMESTRE

por mes
Enero 250 226.67
Febrero 230
Marzo 200
Abril 240 245.00
Mayo 240
Junio 255
Julio 320 366.6666667
Agosto 400
Setiembre 380
Octubre 430
Los pronósticos trimestrales para el año 2009
TRIMESTRE I : (295.75+2.424*17)*(0.76620202)= 258.1779
TRIMESTRE II : (295.75+2.424*18)*(0.82262175)= 279.183015
TRIMESTRE III : (295.75+2.424*19)*(1.23071663)= 420.666328
TRIMESTRE IV : (295.75+2.424*20)*(1.20363864)= 414.328529
Página78
Los pronósticos trimestrales para el año 2010
TRIMESTRE I : (295.75+2.424*21)*(0.76620202)= 265.606995
TRIMESTRE II : (295.75+2.424*22)*(0.82262175)= 287.159155
TRIMESTRE III : (295.75+2.424*23)*(1.23071663)= 432.599357
TRIMESTRE IV : (295.75+2.424*24)*(1.20363864)= 425.999009

Se puede apreciar que para los pronósticos del año 2009 se ve favorable ya que en los últimos
trimestres se nota una mejora en la compra del aceite. Lo que generará mayores ingresos para
ALICORP, asimismo para el año 2010 hay un incremento relativamente mayor en todos sus
trimestres que para el año 2009. Por lo que el factor estacional influye mucho en su
comportamiento de la serie.
AÑO TRIMESTRE (X) PREVISION

2009 I 17 258.18
II 18 279.18
III 19 420.67
IV 20 414.33
2010 I 21 265.61
Página79
II 22 287.16
III 23 432.60
IV 24 424.99
Otro detalle que se nota es que la pronosticación para el año 2009, difiere en algunas
cantidades a la venta real de aceites. Por ejemplo en el 2009, I trimestre es 226.67 real y lo
pronosticado es 258.18. Esto nota que no se ajusta mucho a la realidad el modelo, pero ello se
debió a un problema macroeconómico mundial como es la crisis actual.
Página80
Tabla de la señal de rastreo y el DMA del
factor estacional calculado por mmcc
año mes demand trimestr Promedi (X) previsión desviació SAEP des abs Sum des. DMA SR.
a e o n Abs.
trimestra
l
2005 enero 250 I 241.0 1 228.46 12.54 12.5 12.54 12.54 12.54 1.0
4
febrero 248
marzo 225
abril 240 II 266.7 2 247.28 19.39 31.9 19.39 31.93 15.96 2.0
3
mayo 260
junio 300
julio 375 III 361.3 3 372.93 -11.60 20.3 11.60 43.53 14.51 1.4
3
agosto 369
septiembre 340
octubre 400 IV 411.7 4 367.65 44.02 64.3 44.02 87.55 21.89 2.9
5
noviembre 405
diciembre 430
2006 enero 240 I 231.7 5 235.89 -4.22 60.1 4.22 91.77 18.35 3.3
2
febrero 240
marzo 215
abril 235 II 258.3 6 255.25 3.08 63.2 3.08 94.85 15.81 4.0
0
mayo 250
junio 290
julio 350 III 373.3 7 384.87 -11.53 51.6 11.53 106.38 15.20 3.4
7
agosto 420
septiembre 350
octubre 390 IV 400.0 8 379.32 20.68 72.3 20.68 127.07 15.88 4.6
5
noviembre 400
diciembre 410
2007 enero 255 I 236.7 9 243.32 -6.65 65.7 6.65 133.72 14.86 4.4
0
febrero 235
marzo 220
abril 245 II 260.0 10 263.23 -3.23 62.4 3.23 136.95 13.70 4.6
7
mayo 255
junio 280
julio 390 III 413.3 11 396.80 16.53 79.0 16.53 153.48 13.95 5.7
0
agosto 450
Página81
septiembre 400
octubre 435 IV 451.7 12 390.99 60.68 139. 60.68 214.16 17.85 7.8
68
noviembre 430
diciembre 490
2008 enero 260 I 248.3 13 250.75 -2.42 137. 2.42 216.58 16.66 8.2
26
febrero 255
marzo 230
abril 240 II 250.0 14 271.21 -21.21 116. 21.21 237.79 16.98 6.8
06
mayo 245
junio 265
julio 400 III 416.7 15 408.73 7.93 123. 7.93 245.72 16.38 7.6
99
agosto 480
septiembre 370
octubre 250 IV 270.0 16 402.66 -132.66 -8.67 132.66 378.38 23.65 -0.4
noviembre 260
diciembre 300
De la señal de rastreo se observa que los valores al iniciar cada mes son menores que los
valores de los meses finales. Ese comportamiento se debe a la estacionalidad del aceite Friol,
pues en la entrevista con el gerente se menciono que el aceite es mas consumido por finales
del año, debido a dos factores principales, el clima del invierno provoca mayor consumo de
frituras y las fiestas, ya sean navideñas o fiestas patrias, llevan a un consumo mayor del aceite.
Esta explicación se corrobora con los valores de la señal de rastre, además en la gráfica se
puede observar que si existe una relación entre lo pronosticado y la demanda real.
Página82
Gráfico de la demanda real y la demanda

500.0
estimada según el método de la estacionalidad
450.0
400.0
demanda de aceite friol TM
350.0
300.0
250.0
200.0
Promedio trimestral
150.0
100.0 previsión
50.0
0.0
0 2 4 6 8 10 12 14 16 18
trimestre (x)
Pero si se observa el trimestre 16 (cuarto trimestre del 2008) se ve que hay una caída de la
demanda cuando en realidad las ventas debieron mantenerse, pero esa caída se debe a que
por esos meses se produjo la crisis económica mundial, lo cual afecto a las empresas en
general. Cabe recalcar que la crisis no afecto de forma constante a la demanda del aceite
Friol, pues en la demanda del 2009 vuelve a incrementar su nivel de ventas.
Página83
FACTOR ESTACIONAL CALCULADO POR PROMEDIOS TRIMESTRALES
DEMANDA PROMEDIO TRIMESTRAL FACTOR

PROMED. PROM. DE
TRIMESTRE ESTACIONAL
DISCRIM. PROM.
(f.e)
2005 2006 2007 2008
I 241 231.666667 236.666667 248.333333 239.416667 0.75248821
II 266.666667 258.333333 260 250 258.75 0.81325301

318.166667
III 361.333333 373.333333 413.333333 416.666667 391.166667 1.2294395
IV 411.666667 400 451.666667 270 383.333334 1.20481928
SUMA 1280.66667 1263.33333 1361.66667 1185 1272.66667
PROMEDIO 1272.66667
Página84
MODELO DETERMINÍSTICO – CPM (CONTROL PATH METHOD)

Realizamos el CPM del Proyecto y no el PERT debido a la información que tenemos, la cual nos
permite identificar el tiempo de duración de cada actividad mas no el tiempo optimista, el
tiempo más probable ni el tiempo pesimista.
Es importante mencionar que la materia prima que utiliza Alicorp S.A. para la elaboración del
Aceite Friol 100% Soya es Aceite de Soya en bruto proveniente de Argentina y de Estados
Unidos.
Para elaborar la red del proyecto contamos con la siguiente información:
1. TIEMPO DE REFINACIÓN Y BLANQUEO (500 litros por hora)  1 TM en 2 horas

Este proceso tiene como objetivo quitar las principales impurezas del aceite; como
acidez e impurezas; primero se añade acido fosfórico y luego soda caustica; este aceite
luego es enviado al proceso de blanqueo; al cual se añade silica y arcillas activadas;
para quitar elementos como el color y compuestos que oxidan el aceite.
Este proceso se subdivide en las siguientes actividades que tiene como resultado el
Aceite de Soya Refinado y blanqueado:
Aceite Crudo ---> Adición de fosfórico y soda caustica ---> Separación con centrifugas
---> Adición de Silica y arcillas activadas
2. TIEMPO DE DESODORIZACIÓN (500 litros por hora)  1 TM en 2 horas

La desodorización se realiza para eliminar los compuestos volátiles, principalmente
aldehídos y cetonas, con bajos umbrales de detección por el gusto y el olfato. La
desodorización es fundamentalmente un proceso de destilación con vapor que se lleva
a cabo a bajas presiones y elevadas temperaturas.
Este proceso se subdivide en las siguientes actividades que dan como resultado el
Aceite de Soya Desodorizado:
Aceite refinado se ingresa a un proceso de destilación con arrastre de vapor ---> Se le
añade nitrógeno como sustituto de los persevantes
Página85
3. TIEMPO DE ENVASADO
Alicorp S.A. cuenta con cuatro tipos de máquinas para el envasado del Aceite Friol
100% Soya, debido a que tiene cuatro presentaciones del mismo, en ellas encontramos
la botella de 200ml., la de 1 litro, el bidón de 5 litros y el bidón de 18 litros.
Según la información proporcionada por el Ingeniero Reynaldo Díaz Moscol (Gerente
de Calidad Oleos de Alicorp S.A.) tenemos lo siguiente:
Las botellas de 200 ml
Son envasadas a una velocidad de 11 TM por turno.  Es decir 6875 botellas por hora
ó 250 litros de Aceite Friol en 11 minutos
Las botellas 1 Litro
Son envasadas a una velocidad de 10000 botellas por hora.  Entonces 250 litros de
Aceite Friol se envasan en un minuto y 30 segundos.
Los Bidones de 5 Litros
Se envasan a una velocidad de 4 bidones por minuto  Es decir que se envasan 240
bidones por hora ó 250 litros de Aceite Friol son envasados en 12 minutos y 30
segundos.
Los Bidones de 18 Litros
Se envasan a una velocidad de 50 TM por turno  Es decir que se envasan 347
bidones por hora ó 250 litros de Aceite Friol son envasados en 2 minutos y 24
segundos.
COSTOS DE PROCESO APROXIMADOS:
1. El costo de refinación aproximado es de 8US$ / TM.
2. El costo de desodorización aproximado es de 12 US$/TM.
3. El costo promedio de envasado es de 23 US$ / TM.
Página86
Supuestos que tomamos:

El proyecto no es repetitivo, es decir emplea una estrategia de flujo de línea en el que se
produce sólo un tipo de producto.
Se requiere producir una tonelada métrica de Aceite 100% Soya y Envasar 250 litros de aceite
para cada envase ya sea de 200 ml, de 1 litro, de 5 litros o de 18 litros.
Se estimaron los tiempos de duración y costo de cada actividad según el tiempo de duración
del proceso total sin desagregar ya sea este de refinación o desodorización.
CUADRO DE DESCRIPCIÓN DE ACTIVIDADES

Actividad Descripción
A Adición de fosfórico
B Adición de Soda Caústica
C Separación con Centrífugas
D Adición de Sílica
E Adición de Arcillas Activadas
F Destilación con Arrastre de Vapor
G Adición de Nitrógeno
H Almacén del Aceite Refinado y Desodorizado
I Envasado en Botellas de 200 ml
J Envasado en Botellas de 1 litro
K Envasado en Bidones de 5 litros
L Envasado en Bidones de 18 litros
M Traslado al Almacén de Productos Terminados
N Traslado al Almacén de Productos Terminados
Ñ Traslado al Almacén de Productos Terminados
O Traslado al Almacén de Productos Terminados
Página87
MATRIZ DE SECUENCIAS, TIEMPOS Y COSTOS DE LAS ACTIVIDADES Y LA RUTA CRÍTICA

Tiempo de Actividades
Costo en Tiempo de Duración
Actividad Precedente Duración de la Ruta
US$ Actividades Críticas
(Minutos) Crítica
A -- 20 1,6  20
B A 23 1,6  23
C B 27 1,6  27
D C 22 1,6
E C 24 1,6  24
F D, E 70 6  70
G D, E 50 6
H G, F 20 0  20
I H 11 5,75
J H 1,5 5,75
K H 12,5 5,75  12,5
L H 2,4 5,75
M I 20 0
N J 20 0
Ñ K 20 0  20
O L 20 0
TOTAL 363,4 43 216,5
Página88
RED DEL PROYECTO (NODOS)
Página89
El aceite de soya Friol tiene 5 tipos de presentaciones, cada una con un contenido neto
promedio y con un margen de tolerancia (desviación estándar) para cada presentación. Los
datos se presentan a continuación:
Contenido Neto por Presentación Tolerancia individual interna
Botella por 200 ml +-9.0 ml ó +-8.2 g

Botella por 0.5 litros +-10.0 ml ó +-9.2 g
Botella por 1 litro +-10.0 ml ó +-9.2 g
Galonera por 5 litros +-25.0 ml ó +-22.9 g
Lata, Bidón por 18 litros +-120.0 ml ó +-110.0 g
Se desea simular el contenido de un lote de 50 unidades de cada una de las presentaciones

para establecer si la empresa ALICORP cumple con los estándares de calidad establecidos.
Para la resolución de los problemas utilizaremos el método de simulación por distribución

normal ya que contamos con la media y la desviación estándar, y la tabla de número aleatorios
con distribución normal (empezando por la primera columna). La fórrmula a utilizar es la
siguiente:
Valorsimulado (NAnd)
1. SIMULACIÓN PARA UN LOTE DE 50 UNIDADES DE BOTELLAS POR 200ML
Se desea establecer cuántas unidades, de un lote de 50, no cumplen con el estándar de calidad
para la presentación de botella por 200 ml. Es decir, cuántas botellas no cumplen con el rango
de contenido de 191 ml hasta 209 ml.
Página90
V1= 200+9(-0.424)=196.184 V13= 200+9(-0.574)=194.834
V2= 200+9(-1.661)=185.051 V14= 200+9(1.762)=215.858
V3= 200+9(0.974)=208.766 V15= 200+9(-0.557)=194.987
V4= 200+9(1.403)=212.627 V16= 200+9(0.483)=204.347
V5= 200+9(1.365)=212.285 V17= 200+9(-0.090)=199.19
V6= 200+9(-1.740)=184.34 V18= 200+9(0.325)=202.925
V7= 200+9(0.006)=200.054 V19= 200+9(0.125)=201.125
V8= 200+9(-0.271)=197.561 V20= 200+9(-0.055)=199.505
V9= 200+9(0.128)=201.152 V21= 200+9(-0.417)=196.247
V10= 200+9(-0.468)=195.788 V22= 200+9(-1.418)=187.238
V11= 200+9(-0.523)=195.293 V23= 200+9(-0.408)=196.328
V12= 200+9(-0.487)=195.617 V24= 200+9(0.300)=202.7
Página91
V25= 200+9(-0.490)=195.59 V38= 200+9(-0.986)=191.126
V26= 200+9(1.565)=214.085 V39= 200+9(-0.868)=192.188
V27= 200+9(1.147)=210.323 V40= 200+9(0.192)=201.728
V28= 200+9(1.073)=209.657 V41= 200+9(-0.741)=193.331
V29= 200+9(-0.501)=195.491 V42= 200+9(-0.645)=194.195
V30= 200+9(0.616)=205.544 V43= 200+9(0.886)=207.974
V31= 200+9(0.707)=206.363 V44= 200+9(1.708)=215.372
V32= 200+9(-0.110)=199.01 V45= 200+9(0.036)=200.324
V33= 200+9(-0.006)=199.946 V46= 200+9(-0.403)=196.373
V34= 200+9(-0.976)=191.216 V47= 200+9(-1.046)=190.586
V35= 200+9(-1.151)=189.641 V48= 200+9(0.909)=208.181
V36= 200+9(-1.290)=188.39 V49= 200+9(1.024)=209.216
V37= 200+9(-0.252)=197.732 V50= 200+9(-1.733)=184.403
Como podemos observar, según el método de simulación, en un total de 50 unidades de

botellas de aceite Friol de 200ml se encontraron 15 unidades que sobrepasan el nivel de
tolerancia, es decir, no cumplen con el estándar de calidad.
Sin embargo, por la visita a la Planta de Aceite hemos deducido que este método no refleja la
realidad de la empresa ya que Alicorp cuenta con tecnología sofisticada y con un sistema de
calidad que le permite tener un nivel de error mínimo.
Página92
para la presentación de botella por 500 ml. Es decir, cuántas botellas no cumplen con el rango
de contenido de 490 ml hasta 510 ml.
V1=500+10(-0.424)=492.76 V13= 500+10 (-0.574)=494.26
V2= 500+10(-1.661)=483.39 V14= 500+10 (1.762)=517.62
V3= 500+10(0.974)=509.74 V15= 500+10 (-0.557)=494.43
V4= 500+10(1.403)=514.03 V16= 500+10 (0.483)=504.83
V5= 500+10(1.365)=513.65 V17= 500+10 (-0.090)=499.1
V6= 500+10(-1.740)=482.6 V18= 500+10 (0.325)=503.25
V7= 500+10(0.006)=500.06 V19= 500+10 (0.125)=501.25
V8= 500+10(-0.271)=497.29 V20= 500+10 (-0.055)=499.45
V9= 500+10(0.128)=501.28 V21= 500+10 (-0.417)=495.83
V10= 500+10(-0.468)=495.32 V22= 500+10 (-1.418)=485.82
V11= 500+10(-0.523)=494.77 V23= 500+10 (-0.408)=495.92
V12= 500+10(-0.487)=495.13 V24= 500+10 (0.300)=503
Página93
V25= 500+10 (-0.490)=495.1 V38= 500+10 (-0.986)=490.14
V26= 500+10 (1.565)=515.65 V39= 500+10 (-0.868)=491.32
V27= 500+10 (1.147)=511.47 V40= 500+10 (0.192)=501.92
V28= 500+10 (1.073)=510.73 V41= 500+10 (-0.741)=492.59
V29= 500+10 (-0.501)=494.99 V42= 500+10 (-0.645)=493.55
V30= 500+10 (0.616)=506.16 V43= 500+10 (0.886)=508.86
V31= 500+10 (0.707)=507.07 V44= 500+10 (1.708)=517.08
V32= 500+10 (-0.110)=498.9 V45= 500+10 (0.036)=500.36
V33= 500+10 (-0.006)=499.94 V46= 500+10 (-0.403)=495.97
V34= 500+10 (-0.976)=490.24 V47= 500+10 (-1.046)=489.54
V35= 500+10 (-1.151)=488.49 V48= 500+10 (0.909)=509.09
V36= 500+10 (-1.290)=487.1 V49= 500+10 (1.024)=510.24
V37= 500+10 (-0.252)=497.48 V50= 500+10 (-1.733)=482.67

botellas de aceite Friol de 500ml se encontraron 15 unidades que sobrepasan el nivel de
Página94
para la presentación de botella por 1000 ml. Es decir, cuántas botellas no cumplen con el
rango de contenido de 990 ml hasta 1010 ml.
V1=1000+10(-0.424)=995.76 V13= 1000+10 (-0.574)=994.26
V2= 1000+10(-1.661)=983.39 V14= 1000+10 (1.762)=1017.62
V3= 1000+10(0.974)=1009.74 V15= 1000+10 (-0.557)=994.43
V4= 1000+10(1.403)=1014.03 V16= 1000+10 (0.483)=1004.83
V5=1000+10(1.365)= 1013.62 V17= 1000+10 (-0.090)=999.1
V6= 1000+10(-1.740)=982.6 V18= 1000+10 (0.325)=1003.25
V7= 1000+10(0.006)=1000.06 V19= 1000+10 (0.125)=1001.25
V8= 1000+10(-0.271)=997.29 V20= 1000+10 (-0.055)=999.45
V9=1000+10(0.128)= 1001.28 V21= 1000+10 (-0.417)=995.83
V10= 1000+10(-0.468)=995.32 V22=1000+10 (-1.418)=985.82
V11= 1000+10(-0.523)=994.77 V23= 1000+10 (-0.408)=995.92
V12= 1000+10(-0.487)=995.13 V24= 1000+10 (0.300)=1003
Página95
V25= 1000+10 (-0.490)=995.1 V38= 1000+10 (-0.986)=990.14
V26= 1000+10 (1.565)=1015.65 V39= 1000+10 (-0.868)=991.32
V27= 1000+10 (1.147)=1011.47 V40= 1000+10 (0.192)=998.08
V28=1000+10 (1.073)=1010.73 V41= 1000+10 (-0.741)=992.59
V29= 1000+10 (-0.501)=994.99 V42= 1000+10 (-0.645)=993.55
V30= 1000+10 (0.616)=1006.16 V43= 1000+10 (0.886)=1008.86
V31= 1000+10 (0.707)=1007.07 V44= 1000+10 (1.708)=1017.08
V32=1000+10 (-0.110)=998.9 V45= 1000+10 (0.036)=1000.36
V33= 1000+10 (-0.006)=999.94 V46= 1000+10 (-0.403)=995.97
V34= 1000+10 (-0.976)=990.24 V47= 1000+10 (-1.046)=989.54
V35= 1000+10 (-1.151)=988.49 V48= 1000+10 (0.909)=1009.09
V36= 1000+10 (-1.290)=987.1 V49= 1000+10 (1.024)=1010.24
V37= 1000+10 (-0.252)=997.48 V50= 1000+10 (-1.733)=982.67

botellas de aceite Friol de 1 litro se encontraron 15 unidades que sobrepasan el nivel de
Página96
4. SIMULACIÓN PARA UN LOTE DE 50 UNIDADES DE GALONERAS POR 5 LITROS
para la presentación de galonera por 5000 ml Es decir, cuántas galoneras no cumplen con el
rango de contenido de 4975 ml hasta 5025 ml.
V1=5000-25(-0.424)=5010.6 V13= 5000-25 (-0.574)=5014.35
V2= 5000-25 (-1.661)=5041.525 V14= 5000-25 (1.762)=4955.95
V3= 5000-25 (0.974)=4975.65 V15= 5000-25 (-0.557)=5013.925
V4= 5000-25 (1.403)=4964.925 V16= 5000-25 (0.483)=4987.925
V5=5000-25 (1.365)=4965.875 V17= 5000-25 (-0.090)=5002.25
V6= 5000-25 (-1.740)=5043.5 V18= 5000-25 (0.325)=4991.875
V7= 5000-25 (0.006)=4999.85 V19= 5000-25 (0.125)=4996.875
V8= 5000-25 (-0.271)=5006.775 V20= 5000-25 (-0.055)=5001.375
V9=5000-25 (0.128)= 4996.8 V21= 5000-25 (-0.417)=5010.425
V10= 5000-25 (-0.468)=5011.7 V22=5000-25 (-1.418)=5035.45
V11= 5000-25 (-0.523)=5013.075 V23= 5000-25 (-0.408)=5010.2
V12= 5000-25 (-0.487)=5012.175 V24= 5000-25 (0.300)=4992.5
Página97
V25= 5000-25 (-0.490)=5012.25 V38= 5000-25 (-0.986)=5024.65
V26= 5000-25 (1.565)=4960.875 V39= 5000-25 (-0.868)=5021.7
V27= 5000-25 (1.147)=4971.325 V40= 5000-25 (0.192)=4995.2
V28=5000-25 (1.073)=4973.175 V41= 5000-25 (-0.741)=5018.525
V29= 5000-25 (-0.501)=5012.525 V42= 5000-25 (-0.645)=5016.125
V30= 5000-25 (0.616)=4984.6 V43= 5000-25 (0.886)=4977.85
V31= 5000-25 (0.707)=4982.325 V44= 5000-25 (1.708)=4957.3
V32=5000-25 (-0.110)=5002.75 V45= 5000-25 (0.036)=4999.1
V33= 5000-25 (-0.006)=5000.15 V46= 5000-25 (-0.403)=5010.075
V34= 5000-25 (-0.976)=5024.4 V47= 5000-25 (-1.046)=5026.15
V35= 5000-25 (-1.151)=5028.775 V48= 5000-25 (0.909)=4977.275
V36= 5000-25 (-1.290)=5032.25 V49= 5000-25 (1.024)=4974.4
V37= 5000-25 (-0.252)=5006.3 V50= 5000-25 (-1.733)=5043.325

galoneras de aceite Friol de 5 litros se encontraron 15 unidades que sobrepasan el nivel de
Página98
5. SIMULACIÓN PARA UN LOTE DE 50 UNIDADES DE LATAS POR 18 LITROS
para la presentación de latas por 18,000 ml. Es decir, cuántas galoneras no cumplen con el
rango de contenido de 17,880 ml hasta 18,120 ml.
V1=18000-120(-0.424)=18050.88 V13=18000-120(-0.574)=18068.88
V2=18000-120(-1.661)=18199.32 V14=18000-120(1.762)=17788.56
V3=18000-120(0.974)=17883.12 V15=18000-120(-0.557)=18066.84
V4=18000-120(1.403)=17831.64 V16=18000-120(0.483)=17942.04
V5=18000-120(1.365)=17836.2 V17=18000-120(-0.090)=18010.8
V6=18000-120(-1.740)=18208.8 V18=18000-120(0.325)=17961
V7=18000-120(0.006)=17999.28 V19=18000-120(0.125)=17985
V8= 18000-120(-0.271)=18032.52 V20=18000-120(-0.055)=18006.6
V9=18000-120(0.128)=17984.64 V21=18000-120(-0.417)=18050.04
V10=18000-120(-0.468)=18056.16 V22=18000-120(-1.418)=18170.16
V11=18000-120(-0.523)=18062.76 V23=18000-120(-0.408)=18048.96
V12=18000-120(-0.487)=18058.44 V24=18000-120(0.300)=17964
Página99
V25=18000-120(-0.490)=18058.8 V38=18000-120(-0.986)=18118.32
V26=18000-120(1.565)=17812.2 V39=18000-120(-0.868)=18104.16
V27=18000-120(1.147)=17862.36 V40=18000-120(0.192)=17976.96
V28=18000-120(1.073)=17871.24 V41=18000-120(-0.741)=18088.92
V29=18000-120(-0.501)=18060.12 V42=18000-120(-0.645)=18077.4
V30=18000-120(0.616)=17926.08 V43=18000-120(0.886)=17893.68
V31=18000-120(0.707)=17915.16 V44=18000-120(1.708)=17795.04
V32=18000-120(-0.110)=18013.2 V45=18000-120(0.036)=17995.68
V33=18000-120(-0.006)=18000.72 V46=18000-120(-0.403)=18048.36
V34=18000-120(-0.976)=18117.12 V47=18000-120(-1.046)=18125.52
V35=18000-120(-1.151)=18138.12 V48=18000-120(0.909)=17890.92
V36=18000-120(-1.290)=18154.8 V49=18000-120(1.024)=17877.12
V37=18000-120(-0.252)=18030.24 V50=18000-120(-1.733)=18207.96

bidones de aceite Friol de 18 litros se encontraron 15 unidades que sobrepasan el nivel de
Página100
CONCLUSIÓN DE PROGRAMACION LINEAL
La máxima utilidad que se puede obtener por la venta de Aceite Friol 100% Soya asciende a
88300 nuevos soles y para lograr este máximo, se deberán distribuir las 100 TM disponibles en
el tanque de almacenamiento de la siguiente manera:
A. 35 TM de aceite Friol 100% Soya para botellas de 200 ml.  Equivale a 175
000 botellas de 200 ml.
B. 20 TM de aceite Friol 100% Soya para botellas de 1 litro  Equivale a 20 000

botellas de 1 litro.
C. 30 TM de aceite Friol 100% Soya para bidones de 5 litros  Equivale a 6000

bidones de 5 litros.
D. 15 TM de aceite Friol 100% Soya para bidones de 18 litros.  Equivale a 833

bidones de 18 litros.
CONCLUSIÓN DE TRANSPORTE
El mínimo costo de transporte es de $490. Este monto se obtiene cuando:

Lima cubre la demanda de la distribuidora de Chimbote y abastece con 5 TM a Trujillo
y con 8 TM a Piura, permaneciendo 5 TM en la sucursal de la ciudad de Lima.
Además, Trujillo abastece a la distribuidora de su ciudad con 25 TM y Piura abastece a

la distribuidora de su ciudad con 20 TM.
CONCLUSION DE PRONÓSTICOS
En el caso de los métodos en base a regresiones, el método más adecuado es el del modelo
potencial por presentar la menor desviación estándar.
Página101
Se observa que los valores en el rastreo por el FACTOR ESTACIONAL CALCULADO POR MMCC al
iniciar cada mes son menores que los valores de los meses finales. Ese comportamiento se
debe a la estacionalidad del aceite Friol, debido a dos factores principales, el clima del invierno
lo que provoca mayor consumo de frituras y las fiestas, ya sean navideñas o fiestas patrias.
De acuerdo al análisis mostrado de todos los métodos estudiados, el más conviente para su
utilización en la previsión de producción para la empresa ALICORP S,A, es el de alisamiento
exponencial por presentar un mejor ajuste a los datos así como previsiones más certeras.
Finalmente, hay que recalcar nuevamente que ALICORP S,A no utiliza pronósticos ya que ellos
estiman su producción en función a la demanda de mercado en tiempo real utilizando el
SISTEMA SAP; de esta manera manejan sus costos de producción tomando como criterios las
demandas de sucursales, calidad del producto, logística, etc.
CONCLUSIÓN DE ADMINISTRACION DE PROCESOS
El proyecto de producir 1 Tonelada métrica de Aceite Friol 100% y envasarlo equitativamente

en sus cuatro presentaciones tendrá un tiempo de duración de 216.5 minutos, lo que equivale
a 60 horas y 37 minutos.
El proyecto de producir 1 Tonelada métrica de Aceite Friol 100% y envasarlo equitativamente

en sus cuatro presentaciones tendrá un costo total de 43 dólares americanos.
CONCLUSION DE SIMULACIÓN
El método de simulación por distribución normal no es aplicable a la empresa ALICORP ya que

cuenta con tecnología sofisticada y con un sistema de calidad integrado que le permite tener
un nivel de errores de seis sigma.
Página102
Página103

Libro TRABAJO+FINAL+HERRAMIENTAS+PARA+LA+TOMA+DE+DECISIONES PDF

Cargado por

Información del documento

Título original

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

Libro TRABAJO+FINAL+HERRAMIENTAS+PARA+LA+TOMA+DE+DECISIONES PDF

Cargado por

Copyright:

Formatos disponibles

Herramientas para la toma de decisiones aplicadas

a la empresa Alicorp S.A

HERRAMIENTAS PARA LA TOMA

industriales: Alicorp S.A

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Herramientas para la toma de decisiones

Documento elaborado por:

Con el apoyo de profesor del curso:

Lugar y año de elaboración:

Universidad Nacional Mayor de San Marcos

El presente trabajo se realiza en el marco del curso

Las necesidades de información requeridas dentro de la organización varían de acuerdo al

2. El modelo de programación lineal para minimizar los costos de transporte es

1. TIPO Y DISEÑO DE INVESTIGACIÓN

El tipo de investigación aplicado a este trabajo tiene un diseño descriptivo y exploratorio.

2. METODOS, TECNICAS E INSTRUCCIONES DE RECOLECCION

La técnica que utilizaremos es la entrevista, cuyo fin es la recopilación de datos de forma

La información proporcionada por este contacto de forma textual y directa se citan en

Nombre: Reynaldo Díaz Moscol

1. ¿QUÉ ES ALICORP S.A?

Alicorp es una empresa dedicada a la elaboración de productos industriales, de consumo

En todos sus procesos de producción, Alicorp cumple con estándares internacionales de

En los últimos años, la empresa ha elevado sus niveles de producción consolidando su

2. VISIÓN DE ALICORP AL 2015

Sorprender a los mercados con nuestro crecimiento agresivo e innovación. Transformamos

4. DEPARTAMENTO ESCOGIDO PARA ANÁLISIS

El departamento escogido para desarrollar el presente trabajo de investigación ÁREA DE

5. MISIÓN DEL ÁREA DE PRODUCCIÓN DE ACEITE

Producir aceites con altos estándares de calidad, seguridad y productividad.

6. PRODUCTO SELECCIONADO PARA ANÁLISIS

Controles Especiales según Plan de Inspección y Ensayos Especiales PCO-L-CA-00-001 (3)

CARACTERISTICAS LIMITES UNIDADES MÉTODOS

Acidez libre (oleico) máx. 0.10 %

Color Lovibond PCO-A-CA-00-022 (1)

200 ml y 0.5 L, 1 L 0.2 - 2.0 R celda 5 1/4”

5L, 18 L PCO-A-CA-00-023 (2)

Indice de peróxido (&) máx. 1.0 Meq O2 / kg

Sabor mín. 7.0 -

Indice de yodo * 120 - 135 cg Yodo/g

200 ml y 0. 5L, 1L 300 minutos

Humedad y materias máx 0.1 %

Filter Test máz trazas -

Materias extrañas ausencia - visual

CARACTERISTICAS LIMITES UNIDADES METODOS

Contenido de Plomo máx. 0.10 ppm AOAC 972.25

Contenido de máx. 0.10 ppm AOAC. 952.13

Presentaciones del producto

PRESENTACION ENVASE PRIMARIO ENVASE SECUNDARIO

BANDEJA X 24 BOTELLAS X Botella plástica Bandeja de cartón impresa,

LATA X 18 LITROS Lata de hojalata impresa,

blanco con código de

(**) "CONSUMIR ANTES DEL / LOTE: DD MM AA hh:mm:L ”. Texto: fecha de vencimiento

7. POLÍTICA INTEGRADA DE LOS SISTEMAS DE GESTIÓN

Como colaboradores de Alicorp, apoyamos y sostenemos el crecimiento de nuestra

-Exceder las expectativas de nuestros clientes y consumidores ofreciéndoles productos

-Prevenir la contaminación ambiental, asegurar el uso adecuado de recursos, promover el

- Desarrollar a nuestro personal

- Ser socialmente responsable con nuestro entorno.

En todas las plantas se llevan a cabo mejoras en el ordenamiento, señalización e

La organización está encaminada a incrementar la eficiencia global de los sistemas de

Negocio Productos Industriales

ISO 9001:2000 / HACCP - BPM

- Reconocimiento de la Bolsa de Valores de Lima por Buenas Prácticas de Gobierno

Maximizar Utilidad = 2000A + 600B + 160C + 100D

Max. Z= 2000A + 600B + 160C + 100D