UNIVERSIDAD TECNOLÓGICA DE PANAMÁ

FACULTAD DE INGENIERÍA INDUSTRIAL

LICENCIATURA EN GESTIÓN DE ADMINISTRATIVA

GRUPO:

1GL221

INTRODUCCIÓN A LA ADMINISTRACIÓN DE OPERACIONES

PRONÓSTICO DE UNA VARIABLE ALEATORIA E INVENTARIOS

ELABORADO POR:

Harold Gil 8-958-1575

Dayara Vergara 8-746-432

Shepa Ahmed 2-747-2087

Randhal Govea 8-920-2364

Moisés Quiroz 8-978-2019

Stephanie Escobar 8-972-2396

PROFESOR:

LUIS POMARES

FECHA DE ENTREGA:

16 DE NOVIEMBRE DE 2021

II SEMESTRE 2021

1
 Índice
Contenido
Introducción.............................................................................................................................................................................................. 3

Pronóstico de una Variable aleatoria .................................................................................................................................. 4

Propósitos ....................................................................................................................................................................................................................... 5
Métodos Utilizados .......................................................................................................................................................................................................... 5

A. Subjetivo ............................................................................................................................................................................................................. 5

B. Histórico.............................................................................................................................................................................................................. 6

C. Causal ................................................................................................................................................................................................................ 9

Análisis de Regresión Lineal Simple........................................................................................................................................................................... 11

A. Definición y objetivos ....................................................................................................................................................................................... 11

B. Formulación del Modelo ................................................................................................................................................................................... 11

C. Aplicaciones..................................................................................................................................................................................................... 12

Coeficiente de correlación Lineal Simple ................................................................................................................................................................... 24

A. Definición ......................................................................................................................................................................................................... 24

B. Interpretaciones ............................................................................................................................................................................................... 24

Aplicaciones dentro de mi carrera .............................................................................................................................................................................. 27

Desarrollo de problemas mediante Software ............................................................................................................................................................. 32

Inventarios ........................................................................................................................................................................... 37
Principios básicos para control de Inventarios .......................................................................................................................................................... 37

A. Características Importantes ............................................................................................................................................................................. 38

B. Conceptos ....................................................................................................................................................................................................... 38

C. Costo de inventario .......................................................................................................................................................................................... 39

D. Modelos de inventario ...................................................................................................................................................................................... 40

Aplicaciones del control de inventario ....................................................................................................................................................................... 44

A. Modelos de inventarios deterministas .............................................................................................................................................................. 44

B. Modelos Estocásticos de inventario ................................................................................................................................................................. 51

C. Aplicación ........................................................................................................................................................................................................ 54

D. Errores de comportamiento en control de inventarios ....................................................................................................................................... 55

E. Solución a computadora .................................................................................................................................................................................. 57

F. Interpretación de resultados ............................................................................................................................................................................. 58

Aplicaciones dentro de mi carrera profesional .......................................................................................................................................................... 60

Software para desarrollar problemas .......................................................................................................................................................................... 65

Conclusión ..............................................................................................................................................................................................76

Infografía .................................................................................................................................................................................................77

2
 Introducción

Hoy en día estamos en un mercado que exige más cada día. Muchas organizaciones se encuentran
en la preocupación de tener un inventario exacto y que este rinda como debe, pero a todo esto le
acompañan diferentes factores y así como hay problemas, también hay soluciones y para ayudarnos
con esto, presentamos estos temas que es de suma importancia tener conocimiento sobre ellos de una
empresa, para un control óptimo. Existen diversas técnicas que una empresa puede emplear para
adquirir la cantidad de inventario necesario que a su vez le permita alcanzar y/o superar la meta de
ventas trazada. Aquí, resulta importante señalar que estas técnicas se pueden realizar
independientemente del giro de negocio, el tamaño de facturación, la naturaleza de la empresa o su
localización (nacional o internacional).

La investigación de pronóstico de una variable aleatoria y control de inventarios es necesaria porque

consiste en la planeación del futuro, un aspecto relevante en cualquier organización. De esto se trata
nuestra carrera, y nos da una buena base de conocimiento solidos para nuestro futuro profesional. El
éxito a largo plazo depende de cuán bien el administrador anticipa el futuro y elabora las estrategias
apropiadas.

En el documento se presentará el pronóstico de una variable aleatoria, sus subtemas de Regresión

Lineal y correlación lineal simple. Además de tratarse, en su segunda parte, del control de inventarios.
En los dos temas se abordará sus principios, sus métodos, sus aplicaciones y sus formas de resolverlo.

3
 TEMA 1

Pronóstico de una Variable aleatoria

Concepto:

Un pronóstico probabilístico representa una estima de las probabilidades respectivas de todos los
resultados futuros posibles de una variable aleatoria. A diferencia de los pronósticos de un solo valor,
como los pronósticos de series de tiempo de mediana o los pronósticos cuantílicos, el pronóstico
probabilístico representa una función de densidad de probabilidad. Los pronósticos probabilísticos
pueden aplicarse a muchos ámbitos, que van desde el pronóstico del tiempo hasta las apuestas
deportivas, pero son especialmente útiles para la optimización de la cadena de suministro.

Actualmente, los pronósticos son casi siempre hechos por personas que han recibido entrenamiento
en la aplicación de técnicas especiales. La utilización de estas técnicas no elimina los errores, pero
pueden predecir su magnitud.

Las técnicas son sólo herramientas y por lo tanto es indispensable que en la elaboración del pronóstico
se tome en consideración las condiciones internas y externas a la empresa, y la experiencia y buen
juicio de la persona responsable de aplicar la técnica.

4
 Propósitos
Las predicciones y pronósticos de la demanda constituyen los datos básicos para la planeación, ya
que toda y cualquiera de las decisiones para el futuro se basan en alguna especie de predicción o
pronóstico.
por tanto, se usarán dos términos diferentes: predicción y pronósticos. el término predicción, en si dará
más la idea de bola de cristal. cuando se predice se está integrando una muy buena parte de la
información subjetiva y objetiva disponibles, para hacer la mejor estimación posible del futuro. En
cambio con la palabra pronóstico se designará una técnica estadística que permite estimar un evento
futuro analizando para ello datos del pasado, los cuales se combinan sistemáticamente en forma
predeterminada para obtener el estimado del futuro.

Métodos Utilizados
A. Subjetivo
Se basan en opiniones de expertos o con experiencia, los cuales hacen pronósticos sin la necesidad
de utilizar modelos matemáticos. Un pronóstico cualitativo se encuentra basado en la experiencia,
intuición o subjetividad de quien predice los eventos futuros. Un método de enfoque cualitativo suele
ser usado cuando no hay datos históricos o hay cambios tecnológicos, cuando se va a lanzar un nuevo
producto o cuando los datos que hay no son confiables.

Algunos métodos a utilizar:

• Método Delphi
• Consulta a la fuerza de ventas
• Jurado de opinión ejecutiva
• Grupos de consenso
• Analogía de productos similares
• Encuesta de mercado de consumo: Consiste en obtener la opinión o percepción de un grupo
de personas acerca de su proyección de consumo o interés por un producto o servicio.

Ejemplo de Encuesta de Mercado de Consumo:

Pasos en la aplicación de una encuesta de mercado de consumo:

5
• Planea tu encuesta respondiendo las siguientes preguntas: ¿Qué es lo que buscas con la
aplicación de la encuesta y para qué?

• ¿Quién la va a responder? Para ello determina una muestra representativa de personas que
te suministraran las respuestas.

• Diseña la encuesta pensando en el tipo de preguntas que tendrá: Abiertas, cerradas o mixtas.
Elección múltiple o única. Escala Likert, nominal, numérica, etc. Define si vas a hacer llamadas
telefónicas, vas a enviar correos electrónicos, fax o de forma personal.

• Aplica la encuesta: Lo más importante es que te presentes, que expliques cuál es el objetivo,
que aclares que sus respuestas serán anónimas o públicas y el manejo que tendrás con los
resultados (hay quienes les interesa conocer los resultados).

B. Histórico
Los modelos de series de tiempo se refieren a la medición de una variable en el tiempo a intervalos
espaciados uniformemente. El objetivo de la identificación de la información histórica es determinar un
patrón en su comportamiento, que posibilite la proyección futura de la variable deseada.
• Ejemplo: Suavización exponencial

La siguiente tabla muestra las ventas semanales de un producto:

El SES nos ayudará a pronosticar la demanda del producto para la semana

17, pues, como muestra la siguiente gráfica la serie de tiempo es estable.

Fórmula

6
Notación
Ft – Pronóstico del periodo t
Dt – Valor observado en el periodo t
α – constante de suavizamiento o alisado
Antes de aplicar la fórmula debemos decidir qué valor le daremos a la constante de suaviza miento α.
Vamos a considerar que α=0.3 y, que el pronóstico de la semana 1 es igual a la demanda real
observada en la misma semana:

Ahora podemos aplicar la fórmula para calcular el pronóstico de ventas de la semana 2:

Semana 2:

Semana 3:

Semana 4:

Continuamos hasta calcular el pronóstico de la semana 17:

Semana 17:

7
La siguiente tabla muestra los resultados obtenidos para α=0.3 para todas las semanas:

La siguiente gráfica muestra la serie de tiempo de las ventas del producto y la serie de tiempo
correspondiente al suaviza miento exponencial.

8
C. Causal
Se basan en las causas que determinan los acontecimientos que se darán en el futuro. Por ejemplo:

• Modelo de correlación lineal simple.

Considera los factores presentes en el entorno de tu producto o servicio que pueden afectar su
demanda. Un método como la regresión lineal te permite analizar el impacto de los factores causales
con relación a la demanda de tu producto o servicio para obtener un estimado . En un modelo causal,
nuestro conocimiento del valor de una variable (o quizá de varias variables) nos habilita para predecir
el valor de otra.

Ejemplo:

Las ventas de la empresa IngE durante los últimos 10 trimestres son las
siguientes:

¿Cómo pronosticar la demanda de los trimestres 13, 14 y 15 a través de un análisis de regresión

lineal?

Lo primero es estimar los parámetros. Lo podemos lograr con el método de mínimos cuadrados, que
nos permite encontrar la recta que mejor se ajusta a un conjunto de datos dados. En nuestro caso,este
conjunto está dado por las ventas trimestrales (variable dependiente). La variable independiente es el
tiempo. Vamos entonces a la siguiente fórmula para determinar a y b:

• La y “minúscula” es el valor y de cada punto de datos. La n es el número de punto de datos.

9
Conocidas las ecuaciones y el papel de las variables, vamos a calcular el pronóstico con regresión
lineal. En la siguiente se encuentran los cálculos realizados para los 12 trimestres según lo requerido
por las ecuaciones:

Con los valores de la última fila de la tabla, podemos calcular a y b, con los cuales logramos calcular
los valores de la última columna (Y) que es la recta que más se ajusta a la demanda y. Veamos
entonces:

Fíjate que el valor de «b» varía de 63,64 a 63,657 siendo este último el resultado si se toman todos
los decimales de las variables que participan en su cálculo. Para tener resultados más fiables
usamos el valor de «b» calculado con todos los decimales, tal como lo aprecias cuando hallamos
«a». Fíjate además que pasa lo mismo con el valor calculado de «a» y el valor que se obtiene
cuando en la operación están todos los decimales. Con esta aclaración, puedes ver cómo se realiza
el pronóstico de producción del trimestre 13. Procedemos igual para los demás trimestres.

Y=63,657(14)+72,894=964.09

Y=63,657(15)+72,894=1027.75

10
 Análisis de Regresión Lineal Simple
A. Definición y objetivos
• En general, el análisis de regresión es una técnica estadística utilizada para la estimación de las
relaciones entre las variables, que incluye muchas técnicas para modelar y analizar varias
variables, cuando la atención se centra en la relación entre una variable dependiente y una o más
variables independientes. De manera específica, el análisis de regresión ayuda a entender cómo
influyen los cambios de las variables independientes en una variable dependiente o de respuesta,
o incluso cómo influye en la variable de respuesta la variación de cualquiera de las variables
independientes, cuando las demás se mantienen fijas. De manera más común, se dice que el
análisis de regresión estima la esperanza condicional de la variable dependiente dadas las
variables independientes. Es decir, conocer el valor medio de la dependiente cuando se fija un
valor a cada una de las independientes.

• El análisis de regresión es muy utilizado para la predicción, previsión y determinación de cómo

están relacionadas las variables independientes con la variable dependiente, con el objetivo de
explorar las formas de estas relaciones (inferir las relaciones causales entre las variables
independientes y dependientes). En general, el modelo de regresión se define en términos de un
número finito de parámetros desconocidos que se estiman a partir de los datos de la muestra y
depende, en cierta medida, de hacer suposiciones acerca del proceso de estimación. Estos
supuestos deben ser comprobables cuando se dispone de una muestra de tamaño considerable.

B. Formulación del Modelo

Para el análisis de la regresión simple con los datos muestrales, primero se ubican los datos de dos
variables en un gráfico de dispersión, para determinar si existe un comportamiento lineal, en tal caso
se procede al cálculo de la correlación lineal para tener cuantitativamente su grado de relación;
después, con el propósito de predecir los valores de una variable, se procede a crear el modelo recta
de regresión, para ajustar los datos graficados en la dispersión, y con la evidencia muestral se aplica
una prueba de hipótesis estadística para determinar si una relación muestral puede o no extenderse a
toda la población.

11
C. Aplicaciones
Por ejemplo, el gerente de la empresa de juguetes A desea conocer cómo influye en sus ventas diarias
el tiempo al aire en minutos, en el que se promociona el juguete en alguna televisora. Para tal efecto,
decide contratar un espacio publicitario en el canal 5 de una importante televisora durante los
siguientes n días, para que transmita x1, x2, …, xn minutos al día, respectivamente, la propaganda del
juguete. Y obtiene los datos que se muestran en la tabla 6.1.

En este ejemplo consideramos la variable independiente x, cuyos valores son determinados por el
gerente, quien decide cuántos minutos desea pagar al día para que el canal referido lo promocione
(note que x no es una variable aleatoria, pues sus valores son controlados por el gerente). La variable
de respuesta que desea medir es el volumen diario de ventas en millones de pesos que recibe por la
comercialización del juguete (note que esta variable sí es aleatoria, ya que sus valores no pueden ser
controlados por el gerente o la televisora).

Algunas de las preguntas más comunes que puede tener el gerente en este ejemplo son: ¿será posible
establecer alguna relación entre ambas variables x, y mediante un modelo estadístico? En caso de ser
posible, ¿cómo puede encontrar el mejor modelo que represente esta relación?

Cuando el gerente logre responder las preguntas formuladas, uno de los objetivos inmediatos consiste
en poder determinar, con el modelo, para un valor particular de x (tiempo de publicidad en minutos por
la televisora) un valor medio de las ventas diarias que se aproxime lo más posible al valor real de
ventas que recibe por el juguete.

A partir de la
definición
anterior, y de
acuerdo con la relación que se encuentre entre las variables, se clasifica el tipo de regresión. Por
ejemplo, si la relación entre ambas variables x y y es lineal, al modelo se le llama modelo de regresión
lineal.

12
Antes de continuar con la terminología de un modelo de regresión debemos tener en cuenta que para
elaborar uno en dos variables, x y y, necesitamos tener conocimientos previos sobre el
comportamiento de la dependencia entre éstas. Esto se puede lograr si trazamos un diagrama de
dispersión que despliegue la relación (x, y) en términos gráficos. Así, con base en la correspondencia
que muestre la gráfica será el tipo de modelo de regresión que se proponga, en esta parte de la unidad
son de interés las relaciones lineales entre las variables x y y.

Diagrama de dispersión

El diagrama de dispersión es una

representación gráfica de dos
variables cuantitativas que se
analizan de manera simultánea, en
general se denotan por x y y. La
característica de estos gráficos es
que los datos se presentan en forma
de puntos, sin estar unidos por
segmentos de recta. La escala del
eje X contiene el rango de los
valores necesarios para la variable
x; por su parte, el eje Y también
tiene una escala adecuada para los
valores de y. Los pares de datos se
representan de manera gráfica en
un sistema de dos dimensiones. Los
diagramas de dispersión se pueden trazar en Excel.

Antes se mencionó que una ventaja de los diagramas

de dispersión es que permiten observar la relación
entre las dos variables de interés. Es decir, si la
relación es o no lineal o qué forma posible tiene. La
figura 6.1. muestra algunos patrones de
comportamiento para examinar una relación (x, y).

13
Supuestos de la variable dependiente en el análisis de regresión.

Antes de iniciar el tratamiento del modelo de regresión, es necesario mencionar los objetivos
principales y enumerar los supuestos bajo los cuales se rige el modelo. Como se dijo, los símbolos
elegidos para las variables independiente y dependiente son x y y, respectivamente. Por otro lado,
resulta que cuando se identifica solo una variable independiente, el análisis se llama regresión simple.
Así, el tipo más sencillo de una curva de aproximación de un modelo de regresión es la línea recta.
Ahora bien, podemos plantearnos la siguiente pregunta: ¿cuál es el objetivo principal de un análisis de
regresión?

El objetivo principal del análisis de regresión es predecir el valor de una variable (dependiente) dado
el valor de otra asociada (independiente).

El término análisis de regresión simple indica que los valores de la variable dependiente se predicen
sobre la base de los de una sola variable independiente, mientras que el análisis de regresión múltiple
se relaciona con la predicción de los valores de la dependiente sobre la base de los valores de dos o
más variables independientes. Pero, una pregunta obligada antes de iniciar la búsqueda del mejor
14
modelo lineal de ajuste es: ¿bajo qué supuestos de la variable dependiente se formula un modelo de
regresión?

Supuestos generales de la variable dependiente en el modelo de regresión lineal simple

1. La variable dependiente es una variable aleatoria. Esto implica que, aunque los valores de la
variable independiente pueden ser designados, los de la dependiente deben obtenerse por
medio del proceso de muestreo.

2. Las variables independientes y dependientes están asociadas de manera lineal.

3. Las varianzas de las distribuciones condicionales de la variable dependiente, dados valores

diferentes de la variable independiente son iguales (homocedasticidad).

4. La distribución condicional de la variable dependiente, dados valores diferentes de la variable

independiente, es normal.

Es posible determinar si las variables se relacionan de manera lineal o no, al construir un diagrama de
dispersión.

Supuestos del error en un modelo lineal

El tipo más sencillo de curva de aproximación en un modelo es la línea recta. Cuando se examina la
relación de dos variables, en general, se hace con el propósito de usar una para pronosticar la otra. La
mayor parte de los estudios de regresión se inician con el deseo de examinar y explicar el valor
cambiante de esta variable, la cual, como vimos en el análisis de regresión, se llama variable
dependiente. Por último, podemos decir que cuando se identifica solo una variable independiente, el
análisis se llama regresión simple.

Un modelo de regresión lineal simple, para toda la población está dado en (6.1):

donde e (letra griega épsilon) es un error aleatorio; b0 y b1 son parámetros desconocidos, tales que
b0 = ordenada al origen (intersección con el eje Y) y b1 = pendiente de la recta.

15
Una pregunta importante en el análisis de regresión de un problema de tipo empresarial es: ¿se puede
pronosticar el valor exacto del ingreso sobre las ventas (y) si se especifica el precio por unidad (x)?

Cuando se conoce el modelo de ajuste, es posible pronosticar el valor exacto. Las ventas dependen
de muchas variables distintas al precio por unidad, como gastos de publicidad, época del año, estado
de la economía, etcétera.

Un modelo de regresión lineal supone una relación y algún error aleatorio, e, que representa al que
ocurre cuando se usa una variable independiente para pronosticar la variable dependiente. Este
término de error tiene en cuenta las variables independientes que afectan a y, pero que no están
incluidas en el modelo. También considera el factor de variabilidad aleatoria o probabilística. Así
podemos concluir que e incluye dos tipos de error: el error del modelo (lo que significa que no todas
las variables independientes relevantes están incluidas) y el error aleatorio.

La distribución probabilística de e determina el grado en que el modelo de regresión describe la relación

entre las variables independientes y dependientes.

16
Método de mínimos cuadrados para optimizar el error

Hasta el momento hemos hablado acerca de los modelos de regresión lineal, pero aún no hemos visto
cómo calcular sus coeficientes o parámetros. Para tal efecto requerimos de algún método de
optimización para determinar cuál de todas las curvas de aproximación a una serie de datos puntuales
es la que mejor “ajusta” a los datos.

Antes, indicamos que al ajustar los datos con un modelo se puede cometer un error aleatorio, de
manera que la recta que mejor lo haga será aquella que proporcione un menor error. Así, si se recurre
a un método de optimización de errores, por ejemplo, al de mínimos cuadrados, podemos buscar el
mínimo de la suma de los cuadrados de los errores.

En general, no se conocen los valores exactos de los parámetros de regresión, b0 y b1, ni del error e.
Por tal razón, debido a que se trata de situaciones aleatorias en los errores y variables dependientes,
buscamos estimaciones de estos parámetros a partir de datos muestrales, con lo cual determinamos
la línea recta que mejor ajusta a este conjunto
de puntos y la llamamos recta de regresión
muestral:

La recta determinada por la ecuación Y = b0 + b1X debe pasar entre los puntos de los datos de manera
que pueda predecirse el valor y para un valor dado de x. Obsérvese que ŷ (el valor pronosticado de la
variable dependiente) en realidad es el valor promedio de y obtenido por los valores de x. Además,
para cualquier valor específico de x en la muestra existen dos valores y asociados: el real observado
de y (que corresponde al valor observado de x) y la media pronosticada de y para el valor x.

La diferencia (y - yˆ = e) mide el error que ocurre al pronosticarse la variable dependiente.

Como (x, y) es un punto en el diagrama de dispersión y (x, ŷ) es un punto sobre la recta de regresión
y b bx ˆ 5 10 1 , la recta de regresión muestral es la línea recta que mejor se ajusta a un conjunto de
puntos (x, y).

El método de mínimos cuadrados es un procedimiento matemático utilizado para encontrar la ecuación

de la línea recta que minimiza la suma de los cuadrados de los errores de los pronósticos medidos en
la dirección vertical (y).

17
Por ejemplo, en el caso de los anuncios con volumen de ventas del ejemplo 6.1, la recta que mejor
ajusta, según los datos, se presenta en la gráfica de la figura 6.3. Una pregunta que surge en este
momento es: ¿cómo determinar la recta que mejor ajuste a los datos?

La deducción de las fórmulas necesarias para calcular el valor de los estimadores de los parámetros
b0 (ordenada al origen) y b1 (pendiente de la recta de regresión) puede hacerse de varias formas,
entre las más usuales están el método de mínimos cuadrados y el método de máxima verosimilitud.
En el primero no se requieren restricciones, mientras que en el segundo se necesita que los errores
tengan distribución normal con media cero y varianza constante.

18
Error estándar de estimación y propiedades de los estimadores

Iniciamos esta sección con la definición del residual como la desviación vertical de la y observada a
partir de la recta de regresión muestral que es conocida. Así, un residual es la diferencia entre un valor
real y el valor ŷ pronosticado por la ecuación de regresión muestral. Ya hemos visto que la ecuación
e5 y y 2 ˆ se usa para calcular un residual. Cabe aclarar que el residual es diferente al término de error
del modelo e, el cual representa una variable aleatoria, mientras que el residual no es más que la
desviación vertical de y a partir de la recta de regresión poblacional desconocida.

19
20
Prueba de hipótesis para el parámetro de la pendiente

En un modelo de regresión lineal (6.1), el parámetro de la pendiente representa los cambios que sufre
la variable dependiente por cada uno en los valores de la variable independiente, mientras que el
parámetro b0 es independiente con respecto a los cambios en x. En otras palabras, se requiere estudiar
el comportamiento que tiene el MELI de b1 para determinar si es adecuado; es decir, si representa las
variaciones en y por cada variación de x.

En el texto, en la parte de estadística inferencial, estudiamos varias técnicas para realizar inferencia
sobre los parámetros basadas en los diferentes estimadores. Con los resultados del teorema 6.2
vemos que bˆ1 cumple varias propiedades importantes de un buen estimador que resumimos en el
teorema 6.3 a fin de hacer inferencias sobre el parámetro.

21
22
23
 Coeficiente de correlación Lineal Simple
A. Definición
El coeficiente de correlación (ρ) lineal mide el grado de intensidad de la posible
relación entre las variables. Este coeficiente se aplica cuando la relación que puede existir entre las
variables es lineal es decir, si se representa en un gráfico los pares de valores de las dos variables, la
nube de puntos se aproximaría a una recta.. Utilizamos la fórmula de Pearson:

𝑆𝑥𝑦 𝑛Ʃ𝑥𝑦−Ʃ𝑥Ʃ𝑦
ρ= ó 𝑟=
𝑆𝑥 𝑆𝑦 √𝑛Ʃ𝑥2−(Ʃ𝑥)2∗𝑛Ʃ𝑦2−(Ʃ𝑦)2
Fórmulas para sacar la 𝑆𝑥𝑦

Ʃ𝑥𝑦 ⚫ Donde:

𝑆𝑥𝑦 = −ẋ∙ẏ
𝑛 𝑆𝑥𝑦=Covarianza de X,Y

1 𝑆𝑥= Desviación estandar de la variable X

𝑆𝑥𝑦 = Ʃ(X − Ẋ)(Y − Ẏ)
𝑛
𝑆𝑦=Desviación estandar de la variable Y

Entonces el coeficiente de correlación sería igual a la covarianza de xy entre la desviación estándar

de x por la desviación estándar de y.

B. Interpretaciones
Como se ha indicado el coeficiente de correlación, es un índice
cuyos valores absolutos oscilan entre 0 y 1. Cuanto más cerca de
1 mayor ser la correlación, y menor cuanto más cerca de cero. EL
valor de “r” puede oscilar entre +1 y -1. De no existir relación entre
las variables r=0.

Si el coeficiente de correlación de Pearson (r) es cercano a 0, las

dos variables no tienen mucho que ver entre sí (no tienen casi
ninguna covariación lineal). Si su valor es cercano a +1/-1, esto
significa que la relación entre las dos variables es lineal y está
bien representada por una línea. En resumen, mientras más
cercano este a 1/-1 la correlación es perfecta, mientras más
cercana a 0 la correlación es débil.
24
Podemos también ver mediante la siguiente imagen cuando los grados de correlación desde -1 a +1

Por ejemplo, los dos siguientes gráficos muestran relaciones lineales entre dos variables. La primera
tiene un coeficiente de correlación de +1, indicando una relación lineal perfecta y positiva (el
crecimiento en una variable se asocia con un crecimiento en la otra variable). La segunda tiene un
coeficiente de correlación de -1, indicando también una relación lineal total, pero negativa, de sentido
inverso (el crecimiento en una se asocia con un descenso en la otra.

Interpretación de diagrama

1. Estos son diagramas muestran que hay relación lineal entre x y y

Diagrama A Diagrama B

25
2. Si le hacemos una línea recta a cada diagrama podemos notar que en el diagrama B, los puntos
están menos dispersos y más cercanos a la línea.
Diagrama A Diagrama B

Por lo tanto, podemos Interpretar que la correlación lineal del diagrama B es más fuerte que el
diagrama B.

26
 Aplicaciones dentro de mi carrera.
Ejemplo 1: Estimación de Ventas mediante regresión Lineal.
La juguetería Gaby desea estimar mediante regresión lineal simple las
ventas parael mes de Julio de su n u e v o carrito infantil “Mate”. La
información comportamiento de las ventas de todos sus almacenesde
cadena se presenta en la siguiente tabla: Donde x (meses) es la
variable independiente y y(ventas) la dependiente. Buscamos el
pronóstico para el mes 7, encontrando la pendiente donde los meses
son x y las ventas y.

Pasos:

1. Sacamos la sumatoria de x y y
Ʃ𝒚 = 7000 + 9000 + 5000 + 11000 + 10000 + 13000 = 𝟓𝟓𝟎𝟎𝟎

Ʃ𝒙 = 1 + 2 + 3 + 4 + 5 + 6 = 𝟐𝟏

2. Sacamos la sumatoria x*y y x2

Ʃ𝒙𝒚 = (1 ∗ 7000) + (2 ∗ 9000) + (3 ∗ 5000) + (4 ∗ 11000) + (5 ∗ 10000) + (6 ∗ 13000) = 𝟐𝟏𝟐𝟎𝟎𝟎

Ʃ𝒙𝟐 = 12 + 22 + 32 + 42 + 52 + 62 = 𝟗𝟏

3. Sacamos la raiz cuadrada de la sumatoria de x (Ʃx)2

(Ʃ𝒙)𝟐 = 𝟒𝟒𝟏

4. Sacamos la b con los valores dados y contamos con el valor de la pendiente b, se procede a
calcular el valor de a

6(212000)−21∗55000 55000−(1114.28)21
𝑏= 𝑎 =
6(91)−(441)2 6

𝒃 = 𝟏𝟏𝟏𝟒. 𝟐𝟖 𝒂 = 𝟓𝟐𝟔𝟔. 𝟔𝟖

5. Por último, determinamos el pronóstico del mes 7. Con Y=a+bx

Y=5266.68+ 1114.28(7)

Y=13067
27
Ejemplo 2: Correlación lineal.
Una nutricionista quiere saber la relación que hay entre la estatura y peso de 10 agricultores.

Paso 1. Se suma los valores de x y y. Se busca la media de la variable

X y de la variable Y. Dividiendo su total entre n.

1719
Ẋ= = 171.9
10
700
Ẏ= = 70
10

Paso 2. Luego de sacar la Media de X y Y. Restamos cada valor de X menos su

media (X - Ẋ), y cada valor de Y menos su media (Y-Ẏ). Y nos da su resultado en
la siguiente tabla

Paso 3. Multiplicamos (X - Ẋ) (Y-Ẏ), y nos da los valores de la siguiente tabla

Paso 4. Sacamos la Covarianza de x y (𝑆𝑥𝑦) o Cov(x,y). Que es 1 entre 10 (n= numero de valores)
Multiplicado por la Sumatoria de (X - Ẋ) (Y-Ẏ)= 1799.

1
𝑆𝑥𝑦 = Ʃ(X − Ẋ)(Y − Ẏ)
𝑛
1
𝑆𝑥𝑦 = (1799)
10

𝑆𝑥𝑦 = 179

28
Paso 5. Luego para sacar la desviación estándar (S) elevamos los valores de
las (X - Ẋ) y (Y-Ẏ) al cuadrado; y ponemos sus valores en otras columnas como
en la siguiente tabla.

Paso 6. Luego sacamos la desviación estándar la Sumatoria de las (X - Ẋ)2 y (Y-Ẏ)2, que sería la raíz
cuadrada de su Sumatoria entre la cantidad de valores (n) .

Ʃ(X − Ẋ) 2 Ʃ(Y−Ẏ)) 2
𝑆𝑥 = √ 𝑛 𝑆𝑦 = √ 𝑛

1907.8 2508
𝑆𝑥 = √ 𝑆𝑦 = √
10 10

𝑆𝑥 = √190.7 𝑆𝑦 = √250.8

𝑆𝑥 = 13.8 𝑆𝑦 = 15.8

Paso 7. Luego reemplazamos los valores que sacamos en la Formula e interpretamos como el
coeficiente de correlación es próximo a 1, quiere decir que hay una dependencia o relación entre las
variables. Es una correlación positiva Fuerte. Mientras aumenta la estatura (x), tiende a aumentar el
peso (y) en un 82%.
𝑆𝑥𝑦 179.9
ρ= ρ=
𝑆𝑥 𝑆𝑦 (13.8)(15.8)

179.9
ρ= 𝛒 = 𝟎. 𝟖𝟐
218.6

29
 Ejemplo 3: Regresión y Correlación.

Una compañía desea hacer predicciones del valor anual de sus ventas totales en cierto
país a partir de la relación de éstas y la renta nacional. Para investigar la relación cuenta
con los siguientes datos:

X representa la renta nacional en millones de euros e Y representa las ventas de la compañía en miles
de euros en el periodo que va desde 2010 hasta 2020. Calcular:

1 La línea de regresión de Y sobre X.

2 El coeficiente de correlación lineal e interpretarlo.

3 Si en 2021 la renta nacional del país fue de millones de euros. ¿Cuál será la predicción para
las ventas de la compañía en este año?

Pasos:

1. Hacemos una tabla donde obtenemos la

Sumatoria de que y y y, de x y al cuadrado; y
por último la sumatoria de x por y.

2. Sacamos la media de la X y Y-

30
3. Sacamos la desviación estándar de x2 y y2, utilizando su sumatoria dividiéndola por (n)cantidad de
valores restándola con la medía al cuadrado de x y y

4. Sacamos con los valores dado de x2 y y2 , la desviación estándar de x y y.

5. Sacamos la covarianza xy y la regresión Lineal con el resultado

6. Sacamos la a y b
𝑛 (Ʃ𝑥𝑦) − Ʃ𝑥Ʃ𝑥 4791 − (0.53)2753
𝑏= 𝑎=
𝑛Ʃ𝑥2 − (Ʃ𝑥)2 11

(11)1209720 − 2753 ∗ 4791 4791 − 1459.09

𝑏= 𝑎=
(11)708933 − 75790092 11

13306920 − 13189623 3318.145

𝑏= 𝑎=
7798263 − 7579009 11

𝑏 = 0.53 𝑎 = 301.649

𝑦 = 301.65 + 0.53𝑥

7. El coeficiente de correlación lineal e interpretarlo. Es un coeficiente de correlación positivo y

cercano a uno, por lo que la correlación es directa y fuerte.
969.44
𝛒= = 𝟎. 𝟗𝟗𝟖
42.58 ∗ 22.8
8. Si en 2021 la renta nacional del país fue de millones de euros. ¿Cuál será la predicción para
las ventas de la compañía en este año?
𝒚 = 301.65 + 0.53(325) = 𝟒𝟕𝟑. 𝟗
31
 Desarrollo de problemas mediante Software
1. Infostat.

Agarramos el ejemplo 1 anterior de la Juguetería Gaby, y estimamos sus ventas en el mes 7.

Pasos:

1. Seleccionamos nueva tabla y colocamos los datos. Y agregamos una

fila demás para el mes 7

2. Luego vamos donde dice estadística y seleccionamos el modo de Regresión lineal

32
3. Se pasa Meses (x) a la variable independiente o Regresoras, y Ventas(y) a las dependientes y le
damos aceptar. Y seleccionamos donde dice predichos.

4. No dará la predicción de ventas del mes 7con la gráfica.

33
2. CurveExpert

Una nutricionista quiere saber la relación que hay entre la estatura y peso de 10 agricultores. Calcular
la correlación.

Pasos:

1. Colocamos los valores en la tabla, nos vamos donde dice calcular y damos clic donde dice ajuste
lineal.

2. Luego en el cuadro que no sale clicamos Ok. Y buscamos en ventana los gráficos y la correlación.

Y nos da el grafico(diagrama de dispersión)con el resultado de la correlación(r) que es 0.82.

34
3. Excel

Regresión y Correlación.

Una compañía desea hacer predicciones del valor anual de sus ventas totales en
cierto país a partir de la relación de éstas y la renta nacional. Para investigar la relación
cuenta con los siguientes datos.

Pasos

1. Colocamos los valores en el excell, seleccionamos los datos y nos vamos donde
dice insertar, damos click en dispersión.

2. En la grafica le damos click derecho en uno de los puntos y seleccionamos agregar línea de
tendencia.

35
3. Luego nos saldrá un cuadro a un costo y seleccionamos Lineal; y le damos clic donde dice
Presentar ecuación del cuadro. Y nos da la gráfica con la ecuación y= a+bx

4. Podemos buscar la correlación con la función “COEF.DE.CORREL”, seleccionando los datos de x y

y, nos da 0.998

36
 TEMA 2

Inventarios

Principios básicos para control de Inventarios

El control de inventarios es un asunto de vital importancia para casi
cualquier tipo de negocios, ya sea que estén orientados a la producción
o a los servicios. El control es un proceso por medio del cual se modifica
algún aspecto de un sistema para que se alcance el desempeño deseado
en el sistema.

Los inventarios tienen un papel fundamental en la economía, por tanto,

Los gerentes de operación deben encontrar en la administración de
inventarios un área fructífera para el control de los costos. Desde el punto de vista de la empresa, los
inventarios representan una inversión; se requiere de capital para tener reservas de materias en
cualquier estado de acabado.

El inventario es el almacenamiento de bienes y productos. En manufactura, los inventarios se conocen

como SKU (stockkeening units) y se mantienen en un sitio de almacenamiento. Estos comúnmente
consisten en:

- Materias primas
- Productos en proceso
- Productos terminados
- Suministros

El control de inventarios es la técnica que permite mantener la existencia de los productos a los niveles
deseados. En manufactura, como el enfoque es de producto físico, se da bastante importancia a los
materiales y a su control.

37
A. Características Importantes
En el marco empresarial, las características de los inventarios son las siguientes:

➢ Toda la información pertinente al inventario debe registrarse para obtener el adecuado

seguimiento de las entradas y salidas. Para ello, se cuenta con libros contables y documentos
específicos, como el Kardex.
➢ Los registros realizados deben incluir la descripción detallada de cada uno de los elementos que
componen el patrimonio.
➢ Todo bien o artículo inventariado debe valorarse empleando las unidades monetarias que
corresponda.

B. Conceptos
Los inventarios pueden clasificarse de diferentes maneras según se registran, valoran y contabilizan.

La clasificación más usual obedece al nivel de terminación de los productos. Esto permite conocer la
cantidad de unidades disponibles en cada fase del proceso productivo.

➢ Inventario de materias primas

Se compone de todas las materias primas requeridas para la elaboración de los productos, pero que
aún se encuentran en su estado original. Es decir que no han sido sometidas a ningún tipo de
procesamiento o transformación.

➢ Inventario de productos en proceso de fabricación

Conforma todos los bienes adquiridos que ya han iniciado su transformación. Estos se encuentran en
algún punto del proceso de manufactura, pero aún no han sido culminados. Su valoración considera
la cantidad de materiales empleados, la mano de obra y los gastos de fabricación incurridos hasta ese
momento.

➢ Inventario de productos terminados

Donde los bienes adquiridos ya han atravesado todo el proceso de transformación y están listos para
su comercialización como productos elaborados. Suman, así, el coste total de producción en cuanto
a materia prima, la mano de obra y demás costes de fabricación.

38
 ➢ Inventario de suministros de fábrica

En todo proceso de manufactura existen materiales indispensables para el proceso de transformación,

pero que no pueden ser cuantificados con exactitud. Estos son conocidos como suministros de fábrica
e influyen sobre el proceso, tanto como lo hace la mano de obra o la materia prima. Entre los artículos
que usualmente constituyen este tipo de inventario se destacan la pintura, lija, clavos, lubricantes,
pegamento, entre otros.

➢ Inventario de mercancías

Este tipo es propio de las compañías comerciales, las cuales, a

diferencia de las empresas de manufactura, compran productos
terminados para luego venderlos, sin modificarlos ni
transformarlos previamente. En consecuencia, solo tendrán
entradas (compras) y salidas (ventas) sobre un único stock,
nombrado comúnmente como inventario de mercancías. En
algunos casos, este puede complementarse con inventarios de
mercancías en camino o inventarios de mercancías dadas en consignación, por mencionar algunos.

➢ Otros tipos de inventario

La anteriores son más populares, es importante tener en cuenta que existen otros tipos de inventarios.
Estos pueden ser igualmente útiles para valorar el stock de bienes disponible, optimizar los procesos
de logística, entre otros.

C. Costo de inventario
Los costos de inventario corresponden a todos los costos
generados por el ordenamiento y almacenamiento de
inventario. La suma de ambos costos genera los costos totales
tal como se presenta en el gráfico siguiente.

➢ Costos de ordenamiento

El costo de ordenamiento o pedido es el costo generado por las actividades efectuadas en una solicitud
de reaprovisionamiento de existencias. Entre los costos de ordenamiento se encuentran: costos del
proceso (contabilidad, comunicación, etc.) y costos de transporte y recepción. Dado que muchos de

39
estos costos son fijos, a medida que aumenta el volumen ordenado o Q se reduce el costo unitario de
ordenamiento.

➢ Costos de almacenamiento

El costo de almacenamiento considera todos los costos asociados a mantener el inventario, por
ejemplo, dentro de un centro de distribución o bodega. Dentro de estos costos se encuentran:

• Costos de capital: costo de oportunidad de tener el dinero invertido en inventario.

• Costos de bodega: costos de mantención de la bodega (servicios básicos, aseo, etc.), costo de
compra, arriendo y/o depreciación del inmobiliario, etc.
• Costos de servicios: recursos humanos para manejo de inventario, tecnologías de control de
inventario, etc.
• Riesgos de inventario: costos de obsolescencia o merma de las existencias.

El costo de almacenamiento depende directamente de la cantidad que se mantiene en inventario. Por

ello, a mayor inventario guardado, mayor costo de almacenamiento. Los costos de inventario
dependen de la cantidad de existencias que se ordenan y se mantienen en stock (Q). Gestionar
adecuadamente el inventario, tal que no haya inventario innecesario, pero se pueda suplir la demanda,
es fundamental, permitiendo controlar los costos de inventario y optimizar el beneficio de la empresa.

D. Modelos de inventario
Los modelos de inventario se dividen en determinísticos, y en probabilísticos. En situaciones prácticas,
el patrón de la demanda en un modelo de inventario puede asumir uno de cuatro tipos:

1. Determinístico y constante (estático) con el tiempo.

2. Determinístico y variable (dinámico) con el tiempo.
3. Probabilístico y estacionario a lo largo del tiempo.
4. Probabilístico y no estacionario a lo largo del tiempo.

40
1. Modelos de inventario determinísticos

Son aquellos donde se toma como supuesto que

tenemos certeza de la demanda. Esta puede estar
dada por pronósticos de demanda o pedidos reales
de los clientes. Toma como punto de referencia los
datos que supone cada inventario para su pedido,
estableciendo así factores como demanda, plazo de
entrega, precios, costos de almacenamiento,
periodos de los pedidos, y todo lo demás referente a las características de cada producto.

Es decir, son aquellos donde se toma como supuesto que tenemos certeza de la demanda. Esta puede
estar dada por pronósticos de demanda o pedidos reales de los clientes.

Ahora bien, dentro de los modelos podemos generar una subclasificación si consideramos además del
supuesto de certeza, que la demanda puede ser estática, que es aquella donde esta permanece
constante; y dinámica, donde a pesar de ser conocida, varía a través del tiempo.

Esto genera los siguientes modelos:

➢ Modelos estáticos de cantidad de pedido económico (EOQ)

Esta sección presenta tres variaciones del modelo de cantidad de pedido económico (EOQ, por sus
siglas en inglés) con demanda estática (constante). Estos modelos son analíticamente simples.

Modelo EOQ clásico

El más simple de los modelos de inventario implica una demanda de tasa constante con reposición de
pedidos instantánea y sin escasez.

EOQ con reducciones de precios

Este modelo es el mismo de la sección, excepto que el artículo en inventario puede adquirirse con un
descuento si el tamaño del pedido, y, excede un límite dado

Cantidad de pedido económica (EOQ) de varios artículos con limitación de almacenamiento

41
Este modelo se ocupa de varios artículos cuyas fluctuaciones de inventario individuales siguen el
patrón que no se permiten faltantes. La diferencia es que los artículos compiten por un espacio de
almacenamiento limitado.

➢ Modelos dinámicos de cantidad de pedido económica (EOQ)

Modelo de EOQ sin costo de preparación

Este modelo implica un horizonte de planeación de n periodos iguales. Cada periodo tiene una
capacidad de producción limitada con uno o más niveles de producción (por ejemplo, el tiempo regular
y el tiempo extra representan dos niveles de producción). Un periodo actual puede producir más que su
demanda inmediata para satisfacer la necesidad de periodos posteriores, en cuyo caso ocurre un costo
de retención

Modelo de EOQ con costo de preparación

En esta situación no se permiten faltantes, y se incurre en un costo de preparación cada vez que se
inicia un nuevo lote de producción. Se presentarán dos métodos de solución: un algoritmo de
programación exacta dinámica y una heurística.

a) Algoritmo de programación dinámica general: Sin faltantes, el modelo de inventario se basa en

minimizar la suma de los costos de producción y retención en los n periodos.
b) Heurística Silver Meal: Esta heurística es válida sólo cuando el costo de producción unitario es
constante e idéntico para todos los periodos. Por esta razón sólo balancea los costos de
preparación y retención.
2. Modelos de inventario probabilísticos

Similar al modelo determinista, con la diferencia de que,

basándose en datos tales como la distribución de los productos en
su entorno determinado, hace PROBABLE ciertos hechos como
variación en la demanda y el mercado, stock de seguridad, entre
otros.

Un modelo estadístico es un tipo de modelo matemático que usa

la probabilidad, y que incluye un conjunto de asunciones sobre la

42
generación de algunos datos muestrales, de tal manera que asemejen a los datos de una población
mayor.

Modelo EOQ probabilístico

La base para el desarrollo del modelo EOQ “probabilizado” en la sección es “plausible”, pero no hay
razón alguna para creer que el modelo produce una política de inventario óptima. El hecho de que la
información pertinente en relación con la naturaleza probabilística de la demanda se ignore en un
principio, sólo para ser “revivida” de una manera totalmente independiente en una etapa posterior de
los cálculos, basta para refutar la optimalidad.

Modelos de un solo periodo

Esta sección se ocupa de artículos de inventario que están en existencia durante un solo periodo de
tiempo. Al final del periodo se desechan las unidades sobrantes, si las hay, como en el cado de artículos
de moda. Se desarrollarán dos modelos. La diferencia entre ellos es si se incurre o no en un costo de
preparación para colocar un pedido.

a) Modelo sin preparación (Modelo Newsvendor):

b) Modelo con preparación.

Modelo de varios periodos

Esta sección presenta un modelo de varios periodos en el supuesto de que no haya costo de
preparación. Adicionalmente, el modelo permite un retraso en el cumplimiento de la demanda y supone
un retraso cero en la entrega.

43
 Aplicaciones del control de inventario

Modelos
Estáticos
Modelos
Determinista
Modelos
Dinámicos
Clasificación de
Modelos de
Inventarios Modelos de
Revisión
Continua
Modelos Modelos de un
Estocásticos sólo periodo
Modelos
Periódicos
Modelos
Multiperiodo

El objetivo es mantener inventarios “justo a tiempo” y no “por si acaso”.

El énfasis es más en disminuir o eliminar inventarios al minimizar el grado de incertidumbre.
El objetivo es el de minimizar el costo total de la política de inventario: Costo de Mantener y Costo de
Pedir

A. Modelos de inventarios deterministas

El inventario es uno de los bienes más costosos para muchas
compañías, pues llega a representar 50% del capital total
invertido. Por otro lado, los clientes quedan insatisfechos
cuando frecuentemente se quedan sin existencias y
enfrentan faltantes. El problema del inventario determina la
cantidad que equilibra los dos casos extremos. El inventario
es cualquier recurso almacenado que sirve para satisfacer
cualquier necesidad actual o futura. El factor importante en la
formulación y solución de un modelo de inventario es que la

44
demanda de un artículo (por unidad de tiempo) sea determinística (que se conozca con certidumbre)
o probabilística (que se pueda describir con una distribución de probabilidad.

• Modelo EOQ determinístico

Al inicio del período de inventario, se reciben Q* unidades que son consumidas a una taza d cada
día en un tiempo de t días, momento en el que llega el siguiente pedido.

Se puede suponer que el pedido demora tl días en llegar, por lo que habrá que pedir cuando el
nivel de inventario llega al punto de reorden l.

El ciclo se repite indefinidamente o hasta que alguno de los elementos que definió la política de
inventario cambie.

Ejemplo
La demanda es de 10,000 unidades anuales.

El costo de hacer un pedido es 100 y el de mantener una unidad en inventario es de 1.

La empresa trabaja 300 días al año.

Los pedidos demoran 10 días en llegar.

Determine la política de pedidos y su costo.

¿Qué pasa si los pedidos demoran 60 días en llegar?

45
Esta cantidad incluye tanto
el punto de reorden real,
como el pedido pendiente
anterior
l=2,000 – 1414.21 = 586

46
• Decisiones de inventario

Existen tan sólo dos decisiones fundamentales que deben tomarse para controlar un inventario:

1. Cuánto ordenar

2. Cuándo ordenar

El propósito de todos los modelos y las técnicas de inventarios es determinar de una manera racional
cuánto y cuándo ordenar. Un objetivo importante al controlar el inventario es minimizar los costos
totales de inventario. Algunos de los costos más significativos del inventario son los siguientes:

1. Costo de los artículos (costo de compra o costo de materiales)

2. Costo por ordenar

3. Costo por mantener o almacenar el inventario

4. Costo por faltantes

• Cantidad del lote económico: determinación de cuánto ordenar

La Cantidad del Lote Económico (CLE) es una de las técnicas de control de inventarios más antiguas
y conocidas. Algunos de los supuestos más importantes son los siguientes:

1. La demanda se conoce y es constante.

2. El tiempo de entrega (el tiempo entre colocar una orden y recibirla) se conoce y es constante.

3. La recepción del inventario es instantánea. En otras palabras, el inventario de una orden llega a un
lote en cierto momento.

4. El costo de comprar por unidad es constante durante el año. Los descuentos por cantidad no son
posibles.

5. Los únicos costos variables son el costo por colocar una orden, costo por ordenar; y el costo por
mantener o almacenar el inventario en el tiempo, costo por almacenar. El costo por almacenar una
unidad y el costo por ordenar por orden son constantes durante el año.

47
6. Las órdenes se colocan de manera que los faltantes se evitan por completo.

Con las siguientes variables, desarrollamos expresiones matemáticas para los costos anuales por
ordenar y almacenar:

• 𝑸 = Número de piezas a ordenar

• 𝑪𝑳𝑬 = 𝑸∗ = Número óptimo de piezas a ordenar (unidades por unidad de tiempo)

• 𝑫 = Demanda anual en unidades del artículo en inventario

• 𝑪₀ = Costo por colocar cada orden ($/pedido)

• 𝑪𝒉 = Costo anual por almacenar por unidad ($ por unidad en inventario por unidad de tiempo)

• 𝒕𝟎 = Duración del ciclo de pedido (unidades de tiempo)

• Costo anual por ordenar:

𝑪𝑨𝑶 = (Número de órdenes colocadas por año) (Costo por ordenar por orden)

𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑎𝑛𝑢𝑎𝑙
=( )(𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑜𝑟𝑑𝑒𝑛𝑎𝑟)
𝑁𝑢𝑚𝑒𝑟𝑜𝑠 𝑑𝑒 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑛 𝑐𝑎𝑑𝑎 𝑜𝑟𝑑𝑒𝑛

𝐷
= ( )𝑪𝟎
𝑄
• Costo anual por almacenar:

CAA = (Inventario promedio) (Costo por almacenar por unidad)

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑎 𝑜𝑟𝑑𝑒𝑛𝑎𝑟
= ( ) (𝐶𝑜𝑠𝑡𝑜 𝑝𝑜𝑟 𝑎𝑙𝑚𝑎𝑐𝑒𝑛𝑎𝑟 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑)
2
𝑸
= ( ) 𝑪𝒉
2

• Duración de ciclo:

𝑄
𝒕𝟎 =
𝐷

48
 𝑄
Nota: La cantidad promedio de inventario es ( )por que es el punto medio entre tener la bodega vacía
2

y la bodega llena.

• Costo total por unidad de tiempo:

CT= costo por ordenar + costo por almacenar

= 𝑪𝑨𝑶 + 𝑪𝑨𝑨

𝟐𝑫𝑪𝟎
• Cantidad de lote económico: 𝑄∗ = √
𝑪𝒉

En la política óptima de inventario para el modelo propuesto se sigue:

𝟐𝑫𝑪𝟎
Pedir 𝑸∗ = √ unidades cada 𝒕 𝟎 = 𝑄
𝑪𝒉 𝐷

En realidad, no se necesita hacer un nuevo pedido en el instante en que se pide. En lugar de ello puede
transcurrir un tiempo de entrega positivo, L, entre la colocación y la recepción de un pedido. Eneste
caso el punto de reorden se presenta cuando el nivel de inventario baja a 𝐿𝐷 unidades. Así tenemos
que:

𝑟 = 𝐿𝐷

Donde “r” representa el punto de reorden que es la posición del inventario en la cual se debe colocar
una orden. La posición del inventario (D) es la cantidad de unidades restantes en el inventario para
satisfacer la demanda. El tiempo de entrega (L) es el periodo que hay entre el punto de colocar una
orden y recibirla.

Si el tiempo de entrega L es menor que la longitud de ciclo 𝒕𝟎∗ lo cual en general no es el caso, se
define el tiempo efectivo de entrega como:

𝐿𝑒 = 𝐿 − 𝑛𝑡0∗
𝐿
Donde n es el número entero más grande, de manera que es menor o igual a
𝑡∗0

49
Otro punto para considerar ahora que se sabe cuándo ordenar y si se saben los días laborados
en el año, la duración del ciclo de pedido 𝒕𝟎 se calcula

Donde “Y” es la cantidad de días laborados en el año.

Ejemplos:

Ejemplo 1. Sumco, una compañía que vende bombas a otras compañías quiere reducir su costo de
inventario determinando el número óptimo de bombas que debe obtener por orden y el costo anual
total. La demanda anual es de 1,000 unidades, el costo por ordenar es de $10 por orden, ¿qué sucede
con la demanda anual si el costo por ordenar cambia a 40? El costo anual promedio por almacenar
por unidad es de $0.50.

Solución

Los datos del problema son:

𝐷 = 1000 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠 𝑝𝑜𝑟 𝑎ñ𝑜

𝐶0 = $10 𝑝𝑜𝑟 𝑜𝑟𝑑𝑒𝑛

𝐶ℎ = $ 0.50 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑝𝑜𝑟 𝑎ñ𝑜

Por lo que el número óptimo de bombas es:

2(1000)(10)
𝑄=√ = 2000 𝐵𝑜𝑚𝑏𝑎𝑠
0.5

Ahora si el costo por ordenar cambia a:

𝐶0 = $40 𝑝𝑜𝑟 𝑜𝑟𝑑𝑒𝑛

El nuevo valor óptimo es:

𝟐(𝟏𝟎𝟎𝟎)(𝟏𝟎)
𝑸∗ = √ = 𝟒𝟎𝟎 𝒃𝒐𝒎𝒃𝒂𝒔
𝟎. 𝟓

50
B. Modelos Estocásticos de inventario
Hoy hablaremos de los modelos de inventario probabilísticos, su clasificación según el sistema de
control de inventario, el apoyo de la estadística en esto y por supuesto, ejemplos aplicados para
tenerlo claro como el agua.

Un inventario estocástico o probabilístico presenta una demanda o tiempo de entrega desconocido

(es aleatorio), por lo que esta demanda o tiempo es expresado a través de una variable aleatoria.

Por lo tanto, un modelo de inventario probabilístico hace uso de una distribución de probabilidad para
especificar el valor de la demanda o de otra variable desconocida. Este es precisamente el aporte de
la estadística.

Partiendo de esto, se han creado diversos modelos de inventario probabilísticos multi periodos
clasificados según la forma en que se revisa el inventario, modelos en los cuales la variación se debe
a la incertidumbre y no a causas predecibles.

La clasificación propone distinguir entre modelos de revisión continua y revisión periódica.

Aleatoriedad en los inventarios principalmente debida a

Demanda (cuánto y cuándo pedir). Plazo de entrega:

Modelo estocástico con revisión continua

Los modelos 〈𝑄,𝑟〉 requieren un sistema de revisión continua, se supone que las

unidades se demandan una a la vez y no por lotes, además la demanda, aunque variable, es
estacionaria, es decir que puede representarse mediante una distribución de probabilidad que no
cambia con el tiempo.

51
La política de funcionamiento es que el sistema debe ordenar un pedido de tamaño 𝑄 cada vez que
el inventario alcanza el nivel 𝑟. Aquí surge el primer inconveniente, ya que al ser la demanda una
variable aleatoria, es posible que en el tiempo de reposición halla una demanda lo suficientemente
grande para 40 provocar que al llegar un pedido de tamaño 𝑄, éste no sea suficientepara elevar el
nivel del inventario más allá del punto 𝑟, por lo que el sistema pasaría a acumular pedidos pendientes
y no volvería a realizar un pedido. Por esta razón se definen los siguientes niveles de inventario:

𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑛𝑒𝑡𝑜 =𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑓í𝑠𝑖𝑐𝑜−𝑃𝑒𝑑𝑖𝑑𝑜𝑠 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠

𝑃𝑜𝑠𝑖𝑐𝑖ó𝑛 𝑑𝑒𝑙 𝑖𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 =𝐼𝑛𝑣𝑒𝑛𝑡𝑎𝑟𝑖𝑜 𝑛𝑒𝑡𝑜+𝑚𝑄

Donde 𝑚 es el número de órdenes que no han llegado al sistema

Modelo EOQ probabilizado

L plazo de entrega

D1 demanda aleatoria durante plazo de entrega (con media μ l)

Α probabilidad de agotar existencias durante plazo de entrega

B stock de seguridad(nivel de inventario que tiene una probabilidad

<αde ruptura de inventario)

Diferencia entre la demanda y su media exceda el stock de seguridad

Ofrece al cliente calidad en el suministro del producto

52
Modelo estocástico de un solo período

También conocido como el problema del vendedor de periódico

La demanda es incierta, con distribución f(X), tal que X es una variable aleatoria representando la
demanda donde D=E(X)

Si Q > E(X), hay un costo unitario por excedente c(o), de lo contrario hay un costo unitario c(u) de
faltante.

El objetivo es encontrar P(XQ) y la utilidad de la política correspondiente

Sean

Q: cantidad a pedir

P: precio de venta

C: el costo unitario

S: el costo de salvamento

B: el costo de déficit

c(o): costo unitario incremental del excedente = C – S

c(u): costo unitario incremental del faltante = P – C + B

53
Ejemplo

Una tienda de zapatos tiene una demanda uniforme de cierto modelo con intervalo entre 350 y 650

Precio de cada par de zapato 30

Costo de cada par de zapato 20

Costo de faltante 10

Valor de salvamento 10

Costo de hacer un pedido 30

Reemplazando

c(o)=10

c(u)=20

Distribución uniforme: inventario promedio es de 500 unidades

P(XQ) = 0.6667 Q = 350 + (650 – 350) *0.6667 = 550

C. Aplicación
La administración de inventarios es la aplicación de procedimientos y técnicas que tienen por objeto
establecer, poner en efecto y mantener las cantidades más ventajosas de materias primas,
producción en proceso, artículos terminados y otros inventarios, minimizando los costos a que den
lugar, para contribuir a lograr los fines de la empresa.

IMPORTANCIA DE LA ADMINISTRACIÓN DE INVENTARIOS

La importancia de tener un control efectivo sobre los inventarios se basa en las siguientes premisas:

l. El manejo efectivo de los inventarios es esencial a fin de proporcionar el mejor servicio a los clientes.
Si la situación de pedidos atrasados o falta de artículos en bodega se convierte en una situación
constante, se invita a la competencia a llevarse el negocio sobre la base de un servicio más completo.

54
2. Sin un manejo y control de existencias operantes, una compañía no puede producir con el máximo
de eficiencia. Si las materias primas, las piezas o subensambles no se tienen al momento en que
deben emplearse, el objetivo de la producción, que es fabricar oportunamente el producto deseado,
de una calidad específica, en cantidades apropiadas y al menor costo posible, no se logra. La
fabricación es, en el fondo, un proceso de convertir dinero en dinero, y si tiene éxito significa el
incremento de éste para quienes arriesguen los recursos iniciales.

3. El costo de mantener los inventarios está afectado directamente por la pericia con que se controlen los
diversos niveles establecidos para los mismos.

Se ha estimado que el costo de mantenimiento fluctúa entre un 10 y un 25% del valor de los propios
inventarios, dependiendo de la rama industrial de que se trate y de las condiciones peculiares de
la empresa. Este costo incluye renglones tales como: intereses sobre capital invertido, equipo de
almacenaje, espacio sobre bodegas, seguros, etcétera. Si la empresa es una industria cuya evolución
técnica está avanzando rápidamente, el factor obsolescencia se vuelve sumamenteimportante.

D. Errores de comportamiento en control de inventarios

En todos los sectores de negocio una de las tareas más trascendentales es el control de inventarios,
pero se suele procrastinar debido a lo laboriosa que es y de ahí se deriva la poca importancia que se
le ha atribuido. Esto deriva en muchos errores que representan una amenaza constante, dado que
un descontrol en esta área se traduce en pérdidas y mermas que tienen un impacto negativo notable
en el rendimiento de la empresa.

El control de inventarios se relaciona estrechamente con el objetivo que todas las compañías tienen
en común, incrementar su retorno de inversión. Es decir, las ventas que mantienen vigentes en el
mercado a la empresa. Sin embargo, la rentabilidad comienza a verse afectada en el momento en el
que la función del inventario no es efectiva, debido a errores que desencadenan una serie de
obstáculos de productividad.

La gestión de inventarios es uno de los aspectos que compete a cada empresa sin importar el rango
que esta tenga. Sin embargo, se suelen cometer errores que afectan el desempeño general de la
compañía, algunos de los más comunes son:

55
✓ No estimar el tiempo de abastecimiento

La mala distribución de los tiempos no sólo habla de una administración deficiente, también refleja
una baja productividad que tiene relación con los proveedores. Las entregas de productos no se
efectúan en tiempo y forma causando una escasez del producto ante una constante demanda por
parte del cliente, lo cual trae consigo una pérdida de venta e incluso una mala imagen al mercado.

✓ Otorgar mayor consideración a códigos de productos nuevos

Ante un panorama versátil, constantemente las empresas se ven obligadas a aumentar su stock de
productos, añadiendo nuevos códigos de producto para mantener su competitividad frente a los
oponentes. Si bien este punto es importante, muchas veces implica perder el enfoque en aquellos
productos que realmente generan ganancias a la empresa, mientras que el volumen inferior de los
recién agregados representa un problema en la logística del almacén.

✓ No clasificar los productos por categorías

✓ Para conocer el estatus de cada uno de los productos sin tener que invertir mucho tiempo en esta
tarea, lo que se debe hacer es mantener una administración de todo el inventario por categorías, ya
que cuando esto no existe, es difícil tener una visión amplia y un control estandarizado de cada
producto.

✓ Manejar métodos de administración tradicionales

Anteriormente, el método para gestionar los inventarios era a través de formatos en papel o archivos
extensos en hojas de cálculo, los cuales eran una labor complicada y poco funcional. Existen
empresas que continúan trabajando bajo este mismo modelo tradicional que no es garantía de un
control optimizado.

✓ Falta de automatización

El inventario es una parte medular de las operaciones de tu mediana empresa y un factor importante
en su desempeño, así como en las utilidades, por lo tanto, su manejo debe ser lo más eficiente para
asegurar que no estés incurriendo en gastos innecesarios ni dejando de ganar utilidades.

56
 Tener control del inventario a base de diversos archivos en hojas de cálculo o formatos en papel es
una tarea complicada, pueden existir muchos factores que colaboran a no tener un buen control de
tu inventario bajo una visión integral como un excesivo papeleo o información desactualizada, esto
no te permite tener una visión integral de lo que está sucediendo ni tomar decisiones a tiempo para
entrar en un ciclo de mejora continua.

✓ Personal con entrenamiento inadecuado

Existen errores que podrían ser evitados si cuentas con el personal adecuado y capacitado
constantemente para el tema de manejo de inventarios, si tus colaboradores encargados del conteo
y administración de las existencias no tienen la preparación necesaria y conocimiento de los
productos es posible que puedan incurrir en fallas, lo que hará que tu inventario no sea confiable.

Al contar con un sistema de control de inventarios automatizado y capacitar a tus empleados a

utilizarlos, les estarás dando herramientas muy valiosas con lo cual podrán llevar una administración
y planeación de las mercancías de manera más eficiente y sobre todo, con una visión completa del
proceso. El tiempo ahorrado gracias a la tecnología, permitirá que tu equipo de trabajo pueda
enfocar sus recursos a planear mejor y generar estrategias para permitir que el inventario tenga
mejor comportamiento en tiempos y cantidades, lo que aportará para la rentabilidad de tu
organización.

E. Solución a computadora

57
F. Interpretación de resultados
Con la interpretación de resultados, las empresas obtienen información sobre su actividad de
inventario que define fortalezas y debilidades cruciales. Esto permite a las empresas mejorar su control
de inventario, productividad, eficiencia y rentabilidad.

La gestión del inventario puede ser una molestia si las empresas no tienen las herramientas
adecuadas para supervisar la actividad de los productos. A medida que se expanden las cadenas de
suministro, esta tarea se vuelve aún más difícil, ya que las empresas necesitan organizar la fabricación,
la distribución y el comercio minorista.

En el análisis de control de inventario se suele utilizar el método ABC, el cual consiste en dividir los
artículos en tres tipos de categorías. Por ejemplo: los artículos de la categoría A son los más valiosos,
los de la categoría B son los regulares y los de las categorías C son los menos valiosos.

El método ABC establece que, al revisar el inventario, una empresa debería clasificar los artículos de
la A a la C, basando su clasificación en las siguientes reglas:

Los artículos A son bienes cuyo valor de consumo anual es el más elevado. El principal 70-80% del
valor de consumo anual de la empresa generalmente representa solo entre el 10% y el 20% de los
artículos de inventario totales.

Los artículos B son artículos de una clase intermedia, con un valor de consumo medio. Ese 15-25% de
valor de consumo anual generalmente representa el 30% de los artículos de inventario totales.

58
Los artículos C son, al contrario de los A, artículos con el menor valor de consumo. El 5% más bajo del
valor de consumo anual generalmente representa el 50% de los artículos de inventario totales.

El método ABC en un análisis de control de inventario tiene como objetivo optimizar los procesos de
organización de las mercancías, de tal manera que los más solicitados se encuentren al alcance más
rápido y se reduzcan los tiempos de abastecimiento para dicho tipo de productos.

59
 Aplicaciones dentro de mi carrera profesional
El control de inventario es importante para mantener el balance correcto de existencias en los
almacenes, algo que evita:

Perder una venta porque no tener suficiente inventario para completar un pedido. Los problemas
constantes de inventario pueden llevar a los clientes a otros proveedores. Por el contrario, cuando se
hace una gestión de inventarios en la empresa adecuada se puede brindar un mejor servicio al
cliente.

Desconocer qué productos se venden más y cuáles menos. También ayuda a comprender mejor qué
es lo que se está vendiendo y qué no. De esta forma puede evitarse que el exceso de inventario
ocupe innecesariamente espacio en los almacenes. Demasiado inventario puede desencadenar
pérdidas de ganancias, ya sea que un producto caduque, se dañe o salga de temporada.

Su aplicación es la siguiente: La filosofía de justo a tiempo se fundamenta en el concepto de cero

inventarios (lo que se espera es mantener al mínimo los inventarios). Cuando se considera hacer
inventario, como el proceso de contar los artículos, se está considerando el enfoque netamente
contable.

Cuando existen niveles altos de inflación, el concepto de cero inventarios pierde validez, pues en
este caso lo mejor para protegerse de la inflación es mantener niveles altos de inventario,
especialmente de aquellos artículos cuya tasa de inflación es superior a la inflación promedio, del
promedio. Otro factor negativo en los inventarios es la incertidumbre de la demanda, lo cual dificulta
mantener un inventario que pueda satisfacer todos los requerimientos; existen condiciones donde no
se pueden cubrir los faltantes de inventarios con la misma rapidez con que se agotan, lo que genera
costos por faltantes. En otras ocasiones existen productos que se deterioran por existir en exceso.
Queda bajo esta premisa utilizar los costos opuestos, que no es otra cosa que: Si existe mucho
inventario, la empresa pierde. Considerando la suma de cada pérdida o ganancia de cada decisión
y multiplicada por su probabilidad, se obtiene el valor esperado, llamado también esperanza
matemática, que determina la cantidad de inventario que se debe mantener bajo ciertos costos
opuestos y ciertas probabilidades de demanda. Su argumento es que siempre se toma la mejor

60
decisión, en términos de probabilidades. La determinación del punto óptimo de pedido es válida para
un solo producto, y lo más común es que en una empresa existan cientos y miles de productos, por
lo cual la determinación óptima de un producto no significa necesariamente la optimización de todos
los lotes.

Comprender el concepto, características y los fundamentos de los sistemas de embarcación de

inventarios puede ser de gran utilidad para la empresa, ya que son estos lo que realmente fijan el
punto de producción que se pueda tener en un periodo. El administrador financiero debe tener la
información pertinente que le permita tomar decisiones sobre el manejo que se le debe dar a este
rubro del activo organizacional. En el campo de la gestión empresarial, el inventario registra el
conjunto de los bienes propios y disponibles para la venta a los clientes, considerados como activo
corriente. Los bienes de una entidad empresarial que son objeto de inventario son las existencias
que se destinan a la venta directa o las destinadas internamente al proceso productivo como materias
primas, productos inacabados, materiales de embalaje o envasado y piezas de recambio para
mantenimiento que se consuman en el ciclo de operaciones.

61
Ejemplo de maneras de contabilizar sus suministros Dentro De las Empresas

1) Ejemplo de inventario en papel o Excel

Conservas Márquez —una empresa ficticia— produce y distribuye alimentos en conserva por todo el
país. Dispone de un pequeño almacén con estanterías drive-in con capacidad para 300 palets con
producto terminado. Utiliza un sistema de almacenamiento compacto porque trabaja con pocas
referencias, seis en total: espárragos, alcachofas, pimientos del piquillo, tomates, guisantes y judías.

Cada mes, el responsable del almacén aprovecha las horas valle para realizar de modo manual el
inventario y así comprobar que los palets que se han recibido y los que se han expedido coinciden con
el número total de existencias que hay en el almacén. Para ello, recorre todo el almacén con el listado
de productos en papel y se dedica a contar cuántos palets hay de cada referencia. Después, introduce
la información manualmente en una tabla de Excel.

Si el trabajo se hace correctamente, el número de palets por cada referencia es igual a la diferencia
entre las entradas y las salidas efectuadas a partir del último inventario realizado en Excel.

El almacén de Conservas Márquez empezó el mes con 300 palets almacenados y, actualmente,
dispone de 288 palets. Este es el inventario de su almacén, el cual refleja las existencias con las que
empezó por cada referencia, a la vez que las unidades de palets que han entrado y salido del almacén
en el mes:

2) Ejemplo de inventario con software especializado

Tras un importante aumento de las ventas, Conservas Márquez ha ampliado su almacén con la
intención de alojar un mayor número de productos terminados. Concretamente, cuenta con un almacén
con capacidad para 4.000 palets donde sigue gestionando las mismas referencias, pero ahora lo hace
con el sistema Pallet Shuttle. Este método de almacenaje, también por compactación, agiliza los

62
movimientos al ser un carro automático el responsable de mover los palets por el interior de las
estanterías.

Para realizar el inventario, dispone de un software de inventario como, por ejemplo, Easy WMS, un
programa de gestión de almacén creado para ayudar y facilitar la gestión de la mercancía de una
empresa. Integrado con el ERP de la compañía, el programa automatiza las entradas y salidas de los
productos que se producen en el almacén.Antes de empezar a realizar el inventario, es preciso
introducir en el SGA toda la información relacionada con los artículos con los que trabaja Conservas
Márquez: descripción, unidad de medida, atributos, imagen, peso, etc. Con toda la información de los
artículos incluida en la base de datos, el programa genera una etiqueta para cada artículo que se
adhiere al stock existente.Para agilizar todo el proceso, los operarios del almacén se sirven de
terminales de radiofrecuencia con los que leer los códigos de barras y dar de alta en el sistema cada
artículo que entra en el almacén.

3) Ejemplo de inventario en un almacén completamente robotizado

Conservas Márquez ha automatizado por completo su logística para poder hacer frente a su plan de
expansión. Su almacén se ha quedado pequeño al aumentar el ritmo de producción, por lo que ha

63
construido un almacén autoportante automático con capacidad para 30.000 pallets gestionado
mediante el software Easy WMS.

A la hora de efectuar el inventario, el funcionamiento es prácticamente idéntico a cuando utilizaba un

sistema de almacenaje no automático, con la única diferencia que ahora los operarios ya no tienen que
leer manualmente los códigos de barras de la mercancía. ¿Cómo es posible? Gracias al puesto de
inspección de entrada, responsable de comprobar el estado de los pallets, leer el código de barras de
cada producto y transmitir los datos al SGA (que, a su vez, los vuelca en la base de datos del ERP).

Con cada entrada y salida de un artículo del almacén a través de los transportadores de pallets, se
registra un cambio del número de unidades disponibles en stock: la cantidad que entra y el stock final
o las cantidades que salen y el stock restante. Como resultado, la trazabilidad de un producto dentro
del almacén automático es total. Esto hace que se incremente la seguridad de la mercancía, se
controlen mejor los riesgos y se garantice la calidad de los procesos y productos. El elevado grado de
robotización hace que Conservas Márquez disponga de un inventario permanente y actualizado en
tiempo real.

64
 Software para desarrollar problemas
Ejemplo 1 QM (EOQ)

Primer paso (Analizar nuestro problema)

Nos dicen los siguiente:

Segundo paso (Organizar nuestros datos) donde corresponda cada uno

Tercer paso (Ejecutar Qm y seleccionar el módulo correcto)

Donde al ejecutar el programa seleccionaremos el apartado de modulo y escogemos de la paleta de

opciones el que dice inventario.

65
Una vez realizado el paso anterior seleccionamos el apartado file, luego new y escogeremos la primera
opción.

Aparear la siguiente pantalla donde colocaremos titulo a nuestro archivo o proyecto y dependiendo de
cada problema seleccionarnos las opciones de (No reorder point) (Compute reorder point)

66
Cuarto paso (ya que tenemos cada dato definido procedemos a ingresarlos, dentro del módulo de
inventario seleccionado anteriormente)

Hecho esto le damos a el botón Solve

Después de eso obtendremos los siguientes datos

a) Aquí nos dicen que la cantidad optima de ordenes es de 50

b) También nos dice que el costo optimo es de 61,200
c) Tenemos otros datos como
d) Ordenes por periodo
e) Costo anual de mantenimiento entre otros.

67
Para buscar los distintos costos para tamaños de ordenes que seria el punto a) haremos los siguiente:

Le daremos click donde está el botón de Edit data

Y colocaremos los datos que nos proporciona el problema (25,40…100) uno por uno en el apartado
de Orden Quantity

68
Donde tendremos los siguientes datos una vez agrupados:

69
Para responder a la incógnita b)

Identifique la cantidad económica de la orden.

El software utiliza esta formula

Dicha cantidad ya nos la había dado, La cual era 50.

Es decir que la cantidad optima de nuestro pedido o orden es de 50 y su costo asociado 61,200.00$

Sabiendo esto y con los datos que tenemos podremos responder la incógnita

c)explica las implicaciones de cometer un error en el cálculo de la cantidad económica de la

orden

podemos identificar que cometer un error al cometer los cálculos nuestros costos de manejo de
inventario serian mayor ya que si colocamos una cantidad optima arriba de 50 o abajo nuestro costo
aumenta como se ve en esta tabla mostrada anteriormente

Dicho todo esto podemos concluir que 50 será nuestra cantidad optima y así obtener mayor
rentabilidad, logrando un mejor manejo de los costos de inventarios.

Ejemplo 2

Un distribuidor de unas Tarjetas Gráficas tiene una demanda anual promedio de 50 000 unidades, con
una desviación estándar de 2 500 unidades. El tiempo de suministro del proveedor local de estas
Tarjetas Gráficas es de 5 días (0.02 años) con una desviación estándar de 1 día (0.004 años). La
empresa trabaja 250 días al año. La empresa hace actualmente pedidos en lotes de 2 000 unidades,
y mantiene un inventario de seguridad de 300 unidades. La empresa desea conocer que inventario de
seguridad y que punto de re-orden debería establecer para alcanzar un nivel de servicio de 95% ensu
política de inventarios.

70
La política #1 determina qué nivel de servicio está ofreciendo una empresa en términos del porcentaje
de ciclos al año que se trabaja sin faltante para un tamaño del lote y un inventario de seguridad dados.

La política #2 indica el porcentaje de la demanda anual de un producto en unidades de inventario

(SKU), órdenes de los clientes o unidades monetarias que se está cumpliendo con el inventario y
determina la cantidad de demanda esperada que no estaría satisfecha durante cada tiempo de entrega.

Brainware Decision Tools(Inventario de Seguridad)

Para determinar el inventario de seguridad y el punto de re-orden con OR Brainware Decision Tools,
siga los siguientes pasos:

Paso #1. Cargar el programa OR Brainware Decision Tools. Se muestra la siguiente pantalla:

Paso #2. Seleccionar el módulo de «Optimización de Inventarios» y luego «Inventarios con Riesgo».
Aparece la siguiente pantalla:

71
Paso #3. Seleccionar el módulo de «Políticas de Servicio» e introducir la información correspondiente.
Después de presionar el botón «Calcular» la pantalla se muestra como sigue:

Y llegamos a la siguiente conclusión: El modelo indica que con la Política 1, la empresa está
suministrando, con un inventario de seguridad de 300 unidades, un nivel de servicio del 76.99%. Es
decir, el 23.01% de los ciclos de inventario tienen faltantes. Para alcanzar un nivel de servicio del 95%
se requiere incrementar el inventario de seguridad hasta 668 unidades de inventario. En consecuencia,
cada vez que el nivel del inventario descienda a 1668 unidades, se debe hacer un pedido de 4 000
unidades de inventario.

Con respecto a la Política 2, el modelo indica que con el inventario de seguridad actual de 300 unidades
se está cubriendo un 98.64% de la demanda, es decir están quedando un total de 679 unidades de la
demanda sin cubrir.

Ejemplo 3

La escuela de Real Sociedad de StockVille, en Richmond, tiene en su inventario cuadernos de dibujo

con las siguientes características: tienen una Demanda de 19,500 unidades al año entre sus costos
tienen de ordenar 25$, también cuenta con un costo de mantener inventario por 4$ por unidad
anualmente dados estos datos necesitamos que usted calcule para nosotros las siguientes preguntas.

¿Calcule el EOQ para los cuadernos de dibujo?

72
¿Cuáles son los costos anuales de mantener los cuadernos de dibujo?

Excel QM(EOQ)

1# paso: Seleccionar mis datos como lo haremos a continuación:

2# paso

Abrimos Excel y seleccionamos el apartado Excel QM

Seleccionamos el apartado By Chapter y luego en el submenú

73
Seleccionamos las opciones marcadas anteriormente.

Asignaremos nombre del archivo o proyecto y seleccionaremos opciones: como trabajar en %, reorden
de puntos y gráfica, convenientemente para cada situación.

74
Después de haber seleccionado ok, colocaremos los datos que tenemos disponibles según el análisis
hecho, en esta sección.

Una vez colocados los datos correctamente, tendremos las respuestas a las preguntas hechas
anteriormente.

¿Calcule el EOQ para los cuadernos de dibujo?

Según el cuadro nuestro EOQ es 493.71

¿Cuáles son los costos anuales de mantener los cuadernos de dibujo?

Y los costos anuales por mantener los cuadernos son de 987.42

75
 Conclusión
• La regresión y correlación estiman la relación entre dos o más variables.

• La regresión lineal simple expresa la relación que hay entre una variable dependiente Y y una
variable independiente X.

• La correlación lineal expresa el grado de relación entre las dos variables en términos de un
coeficiente que da una medida indirecta de la variabilidad de los puntos.

• Ni la regresión ni la correlación dan pruebas de relaciones causa–efecto. Por lo tanto, no se deben

tomar las predicciones o resultados como 100% ciertos.

• Los inventarios son las mercancías o materiales que adquieren las empresas para vender, o para la
fabricación de productos antes de su venta.

• Los inventarios tienen papel fundamental en la economía, por tanto, Los gerentes de operación
deben encontrar en la administración de inventarios un área fructífera para el control de los costos.

• El control de inventario es realizado con la intención estimar pronósticos de ventas o presupuesto,

y así determinar los costos de inventarios, de compras u obtención, recepción, almacenaje,
producción, embarque y contabilidad.

• Los inventarios se clasifican de acuerdo con las exigencias de la empresa, y una de las mas
comunes en que se clasifican es: Inventario de Materia Prima, Producción en Proceso, Productos
Terminados, mercancías y Suministros.

• Reemplazar el método empírico por un método cuantitativo en las empresas, gestiona mejor los
procesos e impacta en el desempeño de estos y en el nivel del servicio.

76
 Infografía
• Modelos probabilísticos de inventario: ¿Cuáles son y cómo se realizan? (2018, 12 junio). Ingenio
Empresa. Recuperado 30 de octubre de 2021, de https://www.ingenioempresa.com/modelos-
probabilisticos-inventario/
• PRINCIPIOS BÁSICOS PARA EL CONTROL DE INVENTARIOS. (2013, 15 junio). EOI. Recuperado
30 de octubre de 2021, de https://www.eoi.es/blogs/madeon/2013/06/15/principios-basicos-para-el-
control-de-inventarios/
• Editorial Grudemi. (2021, 21 septiembre). Inventario. Enciclopedia Económica. Recuperado 30 de
octubre de 2021, de https://enciclopediaeconomica.com/inventario/
• PRICING SpA. (2021, 12 abril). Costos de inventario: Pricing. Recuperado 30 de octubre de 2021, de
https://www.pricing.cl/conocimiento/costos-de-inventario/
• (2019, 29 octubre). Tipos de sistemas y modelos de inventario. Sistema ERP, facturación electrónica,
sistema web. Recuperado 30 de octubre de 2021, de https://www.virtualwork.net/?p=192
• Libro: TAHA, H. A. (2013). INVESTIGACIÓN DE OPERACIONES (Novena edición). Pearson.
https://jrvargas.files.wordpress.com/2009/01/investigacic3b3n-de-operaciones-9na-edicic3b3n-
hamdy-a-taha-fl.pdf
• ingenieriaindustrialonline. (21 de 10 de 30). ingenieriaindustrialonline. Obtenido de
ingenieriaindustrialonline: https://www.ingenieriaindustrialonline.com/consultoria/la-falacia-del-min-
max-y-eoq/
• ingenioempresa.com. (s.f.). ingenioempresa. Obtenido de https://www.ingenioempresa.com/modelo-
de-cantidad-economica-eoq/
• logística, r. o. (31 de 10 de 21). retos-operaciones-logística. Obtenido de retos-operaciones-logística:
https://retos-operaciones-logistica.eae.es/modelo-eoq-el-control-mas-sencillo-para-los-inventarios/
• wikipedia.org. (31 de 10 de 21). wikipedia.org. Obtenido de wikipedia.org:
https://es.wikipedia.org/wiki/Cantidad_econ%C3%B3mica_de_pedido#:~:text=La%20cantidad%20ec
on%C3%B3mica%20de%20pedido,para%20el%20control%20de%20inventarios.&text=El%20princip
o%20del%20EOQ%20es,mantenerlo%20en%20inventario%20son%20iguales
• Amat Rodrigo, J. (2016, junio). Correlación lineal y Regresión lineal simple.
https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_lineal. Recuperado
noviembre de 2021, de
https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_lineal
77
• Laguna, C. (2021). CORRELACIÓN Y REGRESIÓN LINEAL.
https://hopelchen.tecnm.mx/principal/sylabus/fpdb/recursos/r132139.PDF. Recuperado 7 de
noviembre de 2021, de https://hopelchen.tecnm.mx/principal/sylabus/fpdb/recursos/r132139.PDF
• García Alonso Aarysa Yaresie. (2020, agosto 24). Correlación y regresión lineal: definiciones, ejemplos
teóricos y uso de software Minitab. Recuperado de https://www.gestiopolis.com/ejemplos-de-
correlacion-y-regresion-lineal/
• Ruiz, A. (2011, 11 agosto). Regresión lineal y correlación. https://es.slideshare.net/lexoruiz/regresin-
lineal-y-correlacin. Recuperado 7 de noviembre de 2021, de https://es.slideshare.net/lexoruiz/regresin-
lineal-y-correlacin
• Tema 7: Regresión y Correlación lineal. (s. f.). https://estadistica-
dma.ulpgc.es/estadFCM/tema7_Correlacion_y_regresion_lineal.html#76. Recuperado 7 de noviembre
de 2021, de https://estadistica-
dma.ulpgc.es/estadFCM/tema7_Correlacion_y_regresion_lineal.html#76
• Amat Rodrigo, J. (2016, junio). Correlación lineal y Regresión lineal simple.
https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_lineal. Recuperado
noviembre de 2021, de
https://www.cienciadedatos.net/documentos/24_correlacion_y_regresion_lineal
• Coeficiente de correlación. (2015, 6 septiembre).
https://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B3n_de_Pearson#Interpretaci%C3%B3n.
Recuperado 7 de noviembre de 2021, de
https://es.wikipedia.org/wiki/Coeficiente_de_correlaci%C3%B3n_de_Pearson#Interpretaci%C3%B3n
• Estadiografo. (2016, 31 agosto). Coeficiente de correlación.
https://www.youtube.com/watch?v=aKsjilxc5ww. Recuperado 7 de noviembre de 2021, de
https://www.youtube.com/watch?v=aKsjilxc5ww

• Laredo, J. (2020, 3 junio). Coeficiente de Correlación definición y ejemplo.

https://www.youtube.com/watch?v=Rslb8gzaIG8. Recuperado 7 de noviembre de 2021, de
https://www.youtube.com/watch?v=Rslb8gzaIG8
• estadísticas agroindustrias. (2014, 27 diciembre). Regresión y correlación simple en InfoStat y
CurveExpert. https://www.youtube.com/watch?v=e0Z6LYOdrlQ&t=1073s. Recuperado 7 de
noviembre de 2021, de https://www.youtube.com/watch?v=e0Z6LYOdrlQ&t=1073s

78