A-B-J-L 75 RUTA CRÍTICA

C-D-J-L 45
E-F-J-L 72 78
G-H-I-JL 67
K-L 45

ACTIVIDAD Early StartingEarly finishingLate staring Late finishing HOLGURA El tiempo que podría desperdiciar
A 0 30 0 30 0 Porque está en la ruta crítica
B 30 35 30 35 0 Porque está en la ruta crítica
D 2 5 32 35 30
F 7 32 10 35 3
C 0 2 30 32 30
 optimista probable pesimista TE Varianza
1 2 3 4 3 0.11111111
2 1 2 3 2 0.11111111
3 4 5 12 6 1.77777778
4 3 4 11 5 1.77777778
5 1 3 5 3 0.44444444
6 1 2 3 2 0.11111111
7 1 8 9 7 1.77777778
8 2 4 6 4 0.44444444
9 2 4 12 5 2.77777778
10 3 4 5 4 0.11111111
11 5 7 8 6.833333333 0.25

1-2-5-8-9-11 23.8333333 4.138888889

Eventos independientes, entonces toca multi

 o m p TE ES EF
A 12 12 12 12 0 12
B 15 21 39 23 0 23
C 12 15 18 15 12 27
D 18 27 36 27 23 50
E 12 18 24 18 27 45
F 2 5 14 6 45 51 RUTA CRÍTICA

PROBABILIDAD de la conclusión
z= (T-tiempo en la ruta críticia) / raíz (varianza ruta crítica)

3
0.9986501 probabilidad
 Le añadí 6 porque atendí una llamada
Se retrasaría en 3 de 75 a 78

odría desperdiciar
a ruta crítica
a ruta crítica
ndientes, entonces toca multiplicar las probabilidades
Varianza
0
16
1
9
4
4
SALIDAS 1000
Horas laborales 400

a. Productividad laboral 2.5

Llantas por hora

b. Prductividad multifactorial

Salidas 1000 unidades

Entradas
Hora laboral $ 5,000 multiplico horas por el precio de hora
Materias prima $ 20,000
Energía $ 5,000
Capital $ 10,000
TOTAL $ 40,000

Multifactor 0.025
Llantas por dólar

c. % de cambio en productividad multifactorial

Salidas 1000 unidades

Entradas
Hora laboral $ 5,000 multiplico horas por el precio de hora
Materias prima $ 20,000
Energía $ 4,000
Capital $ 10,000
TOTAL $ 39,000

Multifactor 0.026
Llantas por dólar

diferencia 2.5

Otro caso
Horas totales 200 200

Hamburguesas normales 700 700

Hamburguesas queso 900 700
Sandwich 500 700
Equivalencia en hamburguesas normales 2135
Hamburguesas normales 700 700
Hamburguesas queso 1125 875
Sandwich 400 560
2225 2135

Productividad 11.125 10.675

Materia Prima 0.75

Insumos 0.25
 NUEVO VIEJO
Salidas 1875 loaves 1500
Entradas 799.914676 horas 639.931741
Productividad 2.344 labor hour 2.344

horas de trabajo 160 160

4.99946672 empleados 3.99957338 empleados

1 empleado más
Semana Pronóstico Alisado exponencial
1 142.03
2 140.91 142
3 139.78
4 138.65
5 137.52
6 136.39
7 135.26
8 134.13
9 133
10 131.87
11 130.75
12 129.62
13 128.49
14 127.36
15 126.23
16 125.1
17 123.97
18 122.84
19 121.71
20 120.59
21 119.46
22 118.33
23 117.2
24 116.07
25 114.94
26 113.81
MAPE Le gusta a Rodrigo, para usar en solver
MAD
Ver los errores que son menores

INTERVALO DE CONFIANZA
alpha 0.05%
X BARRA promedio de las observaciones
alpha 1.96
desviación estándar excel
 Año Ventas Pronóstico error alpha 0.2
1998 8673 MAD MSE MAPE
1999 7835 8673 -838 838 702244 10.70%
2000 7787 8505 -718 718 516099 9.23%
2001 7943 8362 -419 419 175326 5.27%
2002 7966 8278 -312 312 97329 3.92%
2003 7699 8216 -517 517 266856 6.71%
2004 7562 8112 -550 550 302791 7.28%
2005 8135 8002 133 133 17633 1.63%
2006 8414 8029 385 385 148403 4.58%
2007 7719 8106 -387 387 149626 5.01%
2008 8271 8028 243 243 58829 2.93%
2009 8316 8077 239 239 57139 2.87%
2010 8567 8125 442 442 195568 5.16%
2011 8533 8213 320 320 102262 3.75%
2012 8275 8277 -2 2 5 0.03%
2013 8694 8277 417 417 174108 4.80%
2014 7592 8360 -768 768 590116 10.12%
2015 7905 8207 -302 302 90934 3.81%
2016 8772 8146 626 626 391573 7.13%
2017 7867 8271 -404 404 163534 5.14%
2018 8768 8191 577 577 333489 6.59%
2019 8298 8306 -8 8 64 0.10%
2020 7823 8304 -481 481 231755 6.15%
SUAVIZAMIENTO 413 216622 5.13%

Chart Title
Ventas
8800
9000
8600
8500
8400

8000
8200

7500
8000

7800
7000

7600
65001 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
PROMEDIO MÓVIL
Pronóstico error MSE MAPE

8098 -155 24128 1.99%

7855 111 12321 1.40%
7899 -200 39867 2.51%
7869 -307 94454 3.99%
7742 393 154187 5.19%
7799 615 378635 7.56%
8037 -318 101124 3.78%
8089 182 33003 2.35%
8135 181 32882 2.19%
8102 465 216225 5.59%
8385 148 22003 1.73%
8472 -197 38809 2.31%
8458 236 55539 2.85%
8501 -909 825675 10.45%
8187 -282 79524 3.71%
8064 708 501736 8.96%
8090 -223 49580 2.54%
8181 587 344178 7.46%
8469 -171 29241 1.95%
8311 -488 238144 5.88%
8137 19 163563
 Tendencia MAPE (error Tendencia MAPE (error
Quarter Sales Exponencial Error relativo) Lineal Error lineal relativo)
1 3031 3048.59283 -17.5928301 0.0058043 2726.52 -304.48 0.1004553
2 3119 3122.9564 -3.95639907 0.00126848 2847.84 -271.16 0.08693812
3 3148 3199.1339 -51.1339002 0.0162433 2969.16 -178.84 0.05681067
4 3357 3277.16958 79.8304199 0.02378029 3090.48 -266.52 0.07939231
5 3413 3357.10877 55.8912349 0.01637598 3211.8 -201.2 0.05895107
6 3480 3438.99789 41.0021132 0.01178222 3333.12 -146.88 0.0422069
7 3503 3522.88451 -19.8845095 0.00567642 3454.44 -48.56 0.0138624
8 3560 3608.81736 -48.8173579 0.01371274 3575.76 15.76 0.00442697
9 3541 3696.84634 -155.846345 0.04401196 3697.08 156.08 0.04407794
10 3506 3787.0226 -281.022601 0.08015476 3818.4 312.4 0.08910439
11 3531 3879.3985 -348.398504 0.09866851 3939.72 408.72 0.11575191
12 3690 3974.02771 -284.02771 0.07697228 4061.04 371.04 0.10055285
13 3916 4070.96518 -154.965183 0.03957231 4182.36 266.36 0.06801839
14 4038 4170.26723 -132.267227 0.03275563 4303.68 265.68 0.06579495
15 4090 4271.99152 -181.991521 0.0444967 4425 335 0.08190709
16 4496 4376.19715 119.802849 0.02664654 4546.32 50.32 0.01119217
17 4762 4482.94464 279.055357 0.05860045 4667.64 -94.36 0.0198152
18 4738 4592.296 145.704 0.03075222 4788.96 50.96 0.01075559
19 4846 4704.31474 141.685262 0.02923757 4910.28 64.28 0.01326455
20 5334 4819.06592 514.934079 0.09653807 5031.6 -302.4 0.05669291
21 5382 4936.6162 445.383799 0.08275433 5152.92 -229.08 0.0425641
22 5402 5057.03386 344.966144 0.06385897 5274.24 -127.76 0.0236505
23 5502 5180.38883 321.611171 0.0584535 5395.56 -106.44 0.01934569
24 5715 5306.75277 408.247231 0.07143434 5516.88 -198.12 0.03466667
25 5698 5436.19907 261.800926 0.04594611 5638.2 -59.8 0.01049491
26 5586 5568.80293 17.1970703 0.0030786 5759.52 173.52 0.03106337
27 5630 5704.64136 -74.6413588 0.01325779 5880.84 250.84 0.04455417
28 5783 5843.79326 -60.793261 0.01051241 6002.16 219.16 0.03789729
29 5783 5986.33946 -203.339461 0.03516159 6123.48 340.48 0.05887602
30 5724 6132.36276 -408.362755 0.0713422 6244.8 520.8 0.09098532
31 6367 6281.94796 85.0520408 0.01335826 6366.12 -0.88 0.00013821
32 6638 6435.18196 202.818042 0.03055409 6487.44 -150.56 0.02268153
33 6854 6592.15376 261.846244 0.03820342 6608.76 -245.24 0.03578057
34 6749 6752.95453 -3.954528 0.00058594 6730.08 -18.92 0.00280338
35 7230 6917.67767 312.322327 0.04319811 6851.4 -378.6 0.05236515
36 7319 7086.41887 232.58113 0.03177772 6972.72 -346.28 0.04731247
37 7508 7259.27613 248.723872 0.03312785 7094.04 -413.96 0.05513586
38 7204 7436.34985 -232.349851 0.03225289 7215.36 11.36 0.0015769
39 7108 7617.74289 -509.742889 0.07171397 7336.68 228.68 0.0321722
40 7791 7803.5606 -12.560602 0.00161219 7458 -333 0.04274162
39 7108 7617.74289 -509.742889 0.07171397 7336.68 228.68 0.0321722
40 7791 7803.5606 -12.560602 0.00161219 7458 -333 0.04274162
 3.76% 5202.02571 -11.5695238 4.48%
Este es mi pronóstico

Chart Title Este exponencial

9000
8000
f(x) = 2976.21660009933 exp( 0.02408514652484 x )
7000 R² = 0.972058154412606

6000
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41

Entre más grande el R^2 más preciso mi pronóstico

 Chart Title
9000
Este es lineal
8000
7000 f(x) = 121.322826351187 x + 2605.15447154472
R² = 0.971270512062428
6000 Ambos son buenos pero es mejor
5000
4000
3000
2000
1000
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41
ste es lineal

mbos son buenos pero es mejor el exponencial porque el R^2 es mayor

Quarter Q1 Q2 Q3 Sales 93.8

1 1 0 0 125 128
2 0 1 0 153 92.4
3 0 0 1 106
4 0 0 0 88
5 1 0 0 118
6 0 1 0 161
7 0 0 1 133
8 0 0 0 102
9 1 0 0 138
10 0 1 0 144
11 0 0 1 113
12 0 0 0 80
13 1 0 0 109
14 0 1 0 137
15 0 0 1 125
16 0 0 0 109
17 1 0 0 130
18 0 1 0 165
19 0 0 1 128
20 0 0 0 90

Chart Title
180
160
140
120
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
34.2 58.2 27.2

197
206
245
185
169
162
177
207
216
193
230
212
192
162
189
244
Resumen

Estadísticas de la regresión
Coeficiente d 0.89671323
Coeficiente d 0.80409462
R^2 ajustado 0.76736236 Qué tanto de la variación de la variable dependiente está explicada por las variables independiente
Error típico 11.3710158
Observacione 20 Si cualquiera de las variables es significativa, t

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 3 8491.4 2830.46667 21.8906935 6.58177E-06
Residuos 16 2068.8 129.3
Total 19 10560.2

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 93.8 5.08527285 18.4454213 3.31918E-12 83.0197031 104.580297 83.0197031
Variable X 1 30.2 7.19166184 4.19930757 0.00067948 14.954358 45.445642 14.954358
Variable X 2 58.2 7.19166184 8.09270532 4.77397E-07 42.954358 73.445642 42.954358
Variable X 3 27.2 7.19166184 3.78215781 0.00163307 11.954358 42.445642 11.954358
Mayor a 1,96 es significati Significativo es que el 0 no esté en el intervalo

Análisis de los residuales

error
Observación
Pronóstico para YResiduos
Residuos estándares
1 124 1 0.09583354
2 152 1 0.09583354
3 121 -15 -1.43750315
4 93.8 -5.8 -0.55583455
5 124 -6 -0.57500126
6 152 9 0.86250189
7 121 12 1.15000252
8 93.8 8.2 0.78583506
9 124 14 1.34166961
10 152 -8 -0.76666835
11 121 -8 -0.76666835
12 93.8 -13.8 -1.3225029
13 124 -15 -1.43750315
14 152 -15 -1.43750315
15 121 4 0.38333417
16 93.8 15.2 1.45666986
17 124 6 0.57500126
18 152 13 1.24583607
19 121 7 0.6708348
20 93.8 -3.8 -0.36416747
por las variables independientes Es muy pequeño, no captura muy bien los datos , no funciona bien

e las variables es significativa, todo el modelo lo es

Superior 95,0%
104.580297
45.445642
73.445642
42.445642
sté en el intervalo
 INDEPENDIENTES
Quarter Sales Q1 Q2 Q3 Pronóstico Error MAPE
1 125 1 0 0 124 1 0.008
2 153 0 1 0 152 1 0.00653595
3 106 0 0 1 121 -15 0.14150943
4 88 0 0 0 93.8 -5.8 0.06590909
5 138 1 0 0 124 -6 0.04347826
6 161 0 1 0 152 9 0.05590062
7 133 0 0 1 121 12 0.09022556
8 102 0 0 0 93.8 8.2 0.08039216
9 138 1 0 0 124 14 0.10144928
10 144 0 1 0 152 -8 0.05555556
11 113 0 0 1 121 -8 0.07079646
12 80 0 0 0 93.8 -13.8 0.1725
13 109 1 0 0 124 -15 0.13761468
14 137 0 1 0 152 -15 0.10948905
15 125 0 0 1 121 4 0.032
16 109 0 0 0 93.8 15.2 0.13944954
17 130 1 0 0 124 6 0.04615385
18 165 0 1 0 152 13 0.07878788
19 128 0 0 1 121 7 0.0546875
20 90 0 0 0 93.8 -3.8 0.04222222
0.07663285

180 Chart Title

160
180
160
140
140
120
120
100
100
80
80
60
60
40
40
20
20
0
01 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Column B Column F

Solo tiene estacionalidad y no tendencia

93.8 30.2 58.2 27.2
Primero saber el tiempo total para producir ambas bicicletas

Colchón de capacidad es % de capacidad que no estamos utilizando y tenemos por si algo ocurre
Uno no trabaja el 100%

¿Cuántas son las horas total disponibles?

8 5 50 2000
horas días semanas en el añ Horas en el año

¿Cuáles son las horas efectivas disponibles?

1700

Touring Mountain
Demanda 5000 10000 unidades
Lotes 100 100 unidades
Setup/lot 2 3 horas por lote
Processing / unidad 0.25 0.5 horas por unidad
Processing Total demanda 1250 5000 horas por toda la demanda
Setup Total Demanda 100 300 la demanda entre lotes y luego ese tiempo total
1350 5300 6650 TIEMPO TOTAL
3.911764705882
me demoro para producir estaciones de trabajo
5000 biciletas en el año
me demoro para producir
5000 biciletas en el año

A B C
Precio 450 400 500
Costos de materiales 50 40 110
Márgen de contribución 400 360 390
Demanda semanal 100 75 40
 Tiempo de procesamiento 1 60 0 30
Tiempo de procesamiento 2 0 0 60
Tiempo de procesamiento 3 10 60 0
Tiempo de procesamiento 4 20 30 40

Tiempo disponible 18 6 108

horas días semana
10 25
Primero: identificar cuello botella trabajadores hora trabajador
Segundo: Cómo voy a producir mis productos
Terero: Cuanta cantidad produzco de cada uno

Escojo primero prducir A, luego C, luego B, por el márgen de contribución

A C B
480 16 75
Minutos CB Unidades Unidades
A B C
Mezcla tradicional 100 75 16
Unidades Unidades Unidades

Utilidad Método Tradicional 40000 27000 6240

73240
Laborales 27000
Gastos gerenciales 35000

Utilidad 11240

A B C
CB TH 6.666666666667 #DIV/0! 13
Dinero producido por cuello de botella

Mezcla optima B C A
6480 5280 88
tiempo tiempo unidades con el tiempo que me qu
A B C
Unidades 88 75 40
Utilidad Método TROOPOD 35200 27000 15600
77800
Laborales 27000
Gastos gerenciales 35000

Utilidad 15800
CADENA DE ABASTECIMIENTO SOLVER
PRONÓSTICO
PRODUCTIVIDAD
A B C
Unidades objetivo 88 75 40
Precio 450 400 500 UTILIDAD
Costos de materiales 50 40 110
Márgen de contribución 400 360 390 15800
Demanda semanal 100 75 40
Tiempo de procesamiento 60 0 30
Tiempo de procesamiento 0 0 60
Tiempo de procesamiento 10 60 0
Tiempo de procesamiento 20 30 40
1
1
1
otes y luego ese tiempo total
IEMPO TOTAL
Divido el total requerido con el disponible
 Tiempo
disponible
Minutos semana
requeridos minutos
 7200 6480 CUELLO DE BOTELLA
2400 6480
5500 6480
5850 6480

6480
Minutos a la semana

6480

TROOPOD Solo con 1

máquina

nidades con el tiempo que me queda

77800
UTILIDAD
SUMA PRODUCTO
15800

6480 <= 6480

2400 <= 6480
5380 <= 6480
5610 <= 6480
88 <= 100
PARA
75 <= 75 LIMITAR LA
40 <= 40 DEMANDA
Resumen

Estadísticas de la regresión
Coeficiente d 0.98974356
Coeficiente d 0.97959231
R^2 ajustado 0.97193942
Error típico 124.966662
Observacione 12

ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 3 5996941.67 1998980.56 128.003024 4.23351E-07
Residuos 8 124933.333 15616.6667
Total 11 6121875

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%
Intercepción 2491.66667 72.1495361 34.5347566 5.40398E-10 2325.28954 2658.0438 2325.28954
Variable X 1 -711.666667 102.034852 -6.97474098 0.00011552 -946.959458 -476.373875 -946.959458
Variable X 2 -1511.66667 102.034852 -14.8151992 4.24199E-07 -1746.95946 -1276.37388 -1746.95946
Variable X 3 326.666667 102.034852 3.20152045 0.01258357 91.373875 561.959458 91.373875

Análisis de los residuales

Observación
Pronóstico para YResiduos
Residuos estándares
1 1780 -90 -0.84450007
2 980 -40 -0.37533336
3 2818.33333 -193.333333 -1.81411125
4 2491.66667 8.33333333 0.07819445
5 1780 20 0.18766668
6 980 -80 -0.75066673
7 2818.33333 81.6666667 0.76630562
8 2491.66667 -131.666667 -1.23547232
9 1780 70 0.65683339
10 980 120 1.12600009
11 2818.33333 111.666667 1.04780564
12 2491.66667 123.333333 1.15727787
Superior 95,0%
2658.0438
-476.373875
-1276.37388
561.959458
Pronóstico
SOLVER:
Minimizar
el error absoluto %
cambiando la celda del alpha
menor o igual a 1 y mayor igual a 0
NO LINEAL

ALISADO EXPONENCIAL YA TIENE QUE ESTAR FORMULADO PARA QUE SIRVA LO DE SOLVER
p2 = p1
p3 = ventas reales * alpha + (1-alpha)* pronóstico anterior

RUTA CRÍTIC Nunca se une

TRACKING SIGNAL

Numerador promedio de los errores

Denominador MAD
SALES P1 P2 E1 E2 E abs 1 E abs 2
1 770 771 769 -1 1 1 1
2 789 785 787 4 2 4 2
3 794 790 792 4 2 4 2
4 780 784 798 -4 -18 4 18
5 768 770 774 -2 -6 2 6
6 772 768 770 4 2 4 2
7 760 761 759 -1 1 1 1
8 775 771 775 4 0 4 0
9 786 784 788 2 -2 2 2
10 790 788 788 2 2 2 2
MAD 2.8 3.6

Numerador 12 -16
TS 4.28571429 -4.44444444
VARIABLES DUMMIES

Nunca se usa el Q4 estacionalidad

PRONÓSTICOS
RUTA CRÍTICA

Ahí sería 10 el tiempo esperado de la actividad A

Quarter Q1 Q2 Q3 Año1
1 1 0 0 1690
2 0 1 0 940
3 0 0 1 2625
4 0 0 0 2500
1 1 0 0 1800
2 0 1 0 900
3 0 0 1 2900
4 0 0 0 2360
1 1 0 0 1850
2 0 1 0 1100
3 0 0 1 2930
4 0 0 0 2615

Semana Demanda
1 137
2 136
3 143
4 136
5 141
6 128
 7 149
8 136
9 134
10 142
11 125
12 134
13 118
14 131
15 132
16 124
17 121
18 127
19 118
20 120
21 115
22 106
23 120
24 113
25 121
26 119