MODELOS

CUANTITATIVOS
PARA LA TOMA
DE DECISIONES
EN OPERACIÓN
Y LOGÍSTICA
Optimización de la Cadena
de Valor

Bloque 3

OCVA0420
OPTIMIZACIÓN DE LA CADENA DE VALOR

El presente material recopila una serie de definiciones, explicaciones, ejemplos y ejercicios prácticos de autores
especializados que te ayudarán a comprender los temas principales de este bloque.

Las marcas empleadas en la antología son única y exclusivamente de carácter educativo y de investigación, sin
fines lucrativos ni comerciales.

2
OPTIMIZACIÓN DE LA CADENA DE VALOR

Modelos cuantitativos para la toma de decisiones en operación y logística

Uno de los principales problemas que ocurren en las empresas que reportan pérdidas, es la carencia de
modelos científicamente válidos para el análisis y toma de decisiones. Por otra parte, las organizaciones
más exitosas tienden a administrar sus cadenas de valor mediante avanzados sistemas y métodos
cuantitativos que les permiten evaluar el posible impacto de sus estrategias y la probabilidad de éxito
de cada una de ellas.

A lo largo de este módulo aprenderás la importancia de utilizar modelos cuantitativos para fundamentar
las decisiones tomadas, con el propósito de que seas capaz de aplicarlos en cualquier organización y
potenciar la creación de valor mediante estrategias efectivas y racionales.

3. Modelos cuantitativos para la toma de decisiones en

operación y logística . Concepto
El núcleo del trabajo de un administrador es la toma de decisiones, y considerando que hay una gran
cantidad de recursos en juego, se requiere que las estrategias implementadas tengan una alta proba-
bilidad de éxito, ya que el fracaso de alguna medida ejecutada se traduce inmediatamente en pérdidas
financieras.

Todo el tiempo se están tomando decisiones, algunos lo hacen por intuición, corazonadas, consejos,
presión de tercero, y otros de acuerdo con información sustentada en juicios, para lo cual analizan infor-
mación y valoran cuál es el mejor camino que se pueda tomar.

En el nivel de negocios, las decisiones deben tomarse en función de información y datos, razonando cada
paso y alternativa. Sólo así se podrán incrementar las probabilidades de éxito de la estrategia, minimizar
los costos, optimizar los recursos, maximizar las ganancias y, finalmente, lograr la creación de valor.

Toda decisión conlleva definir el problema a resolver o la decisión a tomar. Esto implica el análisis y la
evaluación de alternativas, para finalmente elegir la mejor opción e implementarla para, posteriormente,
evaluar los resultados.

3
OPTIMIZACIÓN DE LA CADENA DE VALOR

Figura 1. Relaciones entre la solución de problemas y toma de decisiones

Definir el problema

Identificar las alternativas

Determinar los criterios Toma de

decisiones

Solución de
problemas Evaluar las alternativas

Elegir la alternativa que optimice los recursos

Implementar la decisión

Evaluar los resultados

Decisión

Fuente: Anderson, et al. (2016).

Es así que, la toma de decisiones implica reunir información, establecer las metas que se quieren lograr
y definir los recursos que serán necesarios a la hora de implementar estrategias que optimicen los recur-
sos disponibles y, por ende, que disminuyan costos y logren los objetivos de rentabilidad de la empresa.

4
OPTIMIZACIÓN DE LA CADENA DE VALOR

3.1. Importancia de las decisiones basadas en datos cuantitativos

En la actualidad, el mundo está interconectado todo el tiempo, y los eventos que afectan a la economía
de los países más competitivos afectan enormemente a las demás economías. Por ello es vital tomar
decisiones basadas en datos y hechos. Esto pone de manifiesto contar con sistemas de información
confiables dentro la empresa, los cuales ofrezcan información oportuna, completa y veraz. Las herra-
mientas de toma de decisiones buscan identificar alternativas y evaluarlas para optimizar el proceso.
Entre estas herramientas están las siguientes:

Figura 2. Diferentes herramientas de decisión

Pugh
Matrices de decisión AHP (jerarquización)
Árbol de decisión

Pareto
Control estadístico Diagrama causa y efecto o Ishikawa
Control de variables continuas y discretas

Modelo de punto de equilibrio

Líneas de espera o teoría de colas
Herramientas logísticas Optimización lineal método PHP
Modelo de transporte (solver)
Método del centroide

— Matrices de decisión

Una de las herramientas más sencillas para evaluar una serie de alternativas de forma cualitativa y cuan-
titativa, son las matrices de decisión. En éstas se define un criterio y se califican las alternativas.

La primera de éstas es la matriz Pugh. De acuerdo con González (2012), se define un datum o criterio
estándar para evaluar las alternativas:
— Si la alternativa supera el datum, se asigna un signo más (+), que dirá que es mejor que el
estándar o datum.
— Si no lo supera, se pondrá un signo menos (-).
— Si cumple el estándar, se coloca una “S” de suficiente.
Se contabilizan los signos más (+) y menos (-) y se calcula la diferencia entre ambos totales, aquella op-
ción que tengan mayor número de signos positivos es la que se habrá de elegir.

5
OPTIMIZACIÓN DE LA CADENA DE VALOR

De acuerdo con el siguiente ejemplo, se debe elegir, entre tres personas, al mejor candidato que desee
ocupar una gerencia de recursos humanos. En este caso, se elige al candidato número dos, por tener
más de signos positivos (+) en su evaluación.

Cuadro 1. Matriz Pugh

Decisión a tomar: elección de un candidato para gerencia de recursos humanos.

Candidato Candidato Candidato

Criterios del estándar Datum
1 2 3

Cinco años de experiencia S - + -

Licenciado en Psicología S S + -

Maestría en Recursos Humanos S - s -

TOTAL + 0 2 0

TOTAL - 2 0 3

Diferencia -2 2 -3

Fuente. González (2012)

— Matriz de jerarquización o AHP

De acuerdo con Ingeniería Industrial Easy (2017), se seleccionan varios criterios para calificar las alterna-
tivas, pero a cada criterio se le da una ponderación que no podrá ser de más de uno, a esta ponderación
se le llama peso relativo.

Se hace un panel de evaluación y se califica cada criterio en función de cómo es cumplido por cada alter-
nativa del uno al diez. Esta calificación se multiplica por el peso relativo y se obtiene una nota ponderada,
que al sumarse a las demás, dará un puntaje total. Aquella alternativa con el mayor puntaje será la elegida.

Ahora está el caso de la selección de un proveedor de mantenimiento a equipo de cómputo. En este

ejemplo, la alternativa número uno se elige, al dar como resultado 8.9 puntos en su evaluación ponderada.

6
OPTIMIZACIÓN DE LA CADENA DE VALOR

Cuadro 2. Matriz AHP

Decisión a tomar: selección de un proveedor de mantenimiento a equipo de cómputo.

Alternativa 1 Alternativa 2 Alternativa 3

Criterios de Peso
evaluación relativo Calificación Calificación Calificación
Calif. Calif. Calif.
ponderada ponderada ponderada

Costo de
0.25 9 2.25 8 2 10 2.5
mantenimiento

Tiempo de
0.2 8 1.6 10 2 7 1.4
entrega

Cuenta con
0.1 10 1 9 0.9 10 1
equipo

Cuenta con
0.15 10 1.5 5 0.75 5 0.75
refacciones

Prestigio 0.05 10 0.5 8 0.4 9 0.45

Recomendado
0.1 7 0.7 6 0.6 8 0.8
por clientes

Totales 1 8.9 7.7 7.8

Fuente: Ingeniería Industrial Easy (2017).

— Árbol de decisiones

De acuerdo con inacap Online (2016) esta matriz es, sin duda, la que mejor detalla las opciones de
decisión, al incorporar probabilidades de éxito y fracaso para cada alternativa, y los costos y beneficios
para elegir la mejor opción mediante estos criterios.

Si se analiza el caso de incrementar la capacidad de producción, para lo cual se tienen tres alternativas:

— Comprar maquinaria, con un 0.3 probabilidad de éxito.

— Implementar un nuevo site o fábrica, con un 0.6 de probabilidad de éxito.
— Mandar a fabricar, con un 0.1 de probabilidad de éxito.

Y cada alternativa inicial tiene otras adicionales; por ejemplo, la compra de maquinaria tiene dos:

— Opción A1: comprar maquinaria usada, con un 0.8 de probabilidad de éxito.

— Opción A2: comprar maquinaria nueva, con un 0.2 de probabilidad de éxito.

7
OPTIMIZACIÓN DE LA CADENA DE VALOR

Las probabilidades se determinan de acuerdo con escenarios de presupuesto, conveniencia de renta-

bilidad y facilidad de implementación.

Para cada alternativa se define un costo y un beneficio y al final se cuantifica la solución mediante la
siguiente fórmula:

— Se multiplica la probabilidad ponderada desde la segunda decisión por las de opciones de decisión
y el resultado por la resta de los beneficios menos los ingresos, por ejemplo, la opción de comprar
maquinaria nueva se obtiene de:

Probabilidad final: 0.3 por 0.8 es igual a 0.24, por 100, es igual al 24%, multiplicada por la resta de
$500,000 menos $123,000; lo cual nos da $377,000, que multiplicado por 0.24 da igual a $90,480, y así
con las demás. Por último, se elige la opción con el monto positivo más grande, que es implementar
un nuevo site de 5000 m2 con $448,200.

Figura 3. Árbol de decisiones

Opciones Cuantificación
Primera Segunda
de la Costos Beneficios de la
Decisión decisión
decisión decisión

Opción A1 usada $123, 000.00 $500,000.00 $90,480.00

1 Compra de 0.80 Probabilidad final: 0.3*0.80=0.24 por 100=24%

maquinaria

Opción B1 nueva $50,000.00 $500,000.00 $27,000.00

0.30 0.20 Probabilidad final: 03*0.2=00.06 por 100=6%

Opción A2 de
$234,000.00 $1,230,000.00 $448,200.00
5000 m2
Decisión 2 Implementar
a tomar: un nuevo site 0.75 Probabilidad final:0.6*0.75=0.45 por 100=45%
Incrementar
capacidad Opción B2 de
de planta $123,00 $1,000,000.00 $ 149,981.55
2500 m2

0.50 0.25 Probabilidad final: 0.6*0.25=0.15 por=15%

Opción A3
$345,000.00 $345,000.00 0.00
en México
3 Mandar
fabricar 0.90 Probabilidad final:0.1*09=0.09 por 100=9%

Opción B en EUA $1,230.00 $50,000.00 487.70

0.10 010 Probabilidad final: 0.1*0.1 por 100=1%

Fuente: inacap Online (2016).

8
OPTIMIZACIÓN DE LA CADENA DE VALOR

El trabajo del administrador es eminentemente una labor en equipo; por lo tanto, y con el objeto de contar
con la mejor estimación de las variables a considerar en una decisión, es fundamental que organice gru-
pos multidisciplinarios en los que cada especialista le suministre la información más confiable respecto
a su área de conocimiento.

Como se puede apreciar, cada matriz de decisión requerirá de cierta información para hacer las evalua-
ciones, por lo que será indispensable contar con criterios de evaluación, un panel de expertos, y dedicar
tiempo a su elaboración. Si bien se requiere una importante cantidad de recursos en este proceso, se
trata de la ruta más viable para tomar decisiones que incrementen las probabilidades de éxito.

3.2. Modelos cuantitativos en la operación y logística

De acuerdo a Anderson y colaboradores (2016), las matrices de decisión se usan en la operación y en la

logística, aunque se suele emplear el punto de equilibrio para tomar decisiones sobre ampliar la capa-
cidad de producción, considerando:

— Comprar a proveedores externos.

— Manufacturar en la empresa.
— Mandar facturar con un tercero.

En los tres casos, hay que considerar los costos directos por unidad o precio por demanda y los indirec-
tos. Al comprar no se tiene costo indirecto mientras que, al manufacturar, los precios indirectos son más
grandes y los directos, más pequeños, debido a la fabricación sobre volumen y en instalaciones propias.
Al manufacturar fuera, los costos directos crecen y los indirectos disminuyen, ya que es factible ofrecer
equipo y herramientas para disminuirlos. Si se revisan los costos de cada opción se puede dar cuenta
que el criterio de decisión se basa en las unidades a producir:

Figura 4. Caso de costos

Precio por
3 opciones 3 Modelos Indirectos
producto

Comprar Precio por demanda $100.00 $-

Manufacturar Precio por demanda +indirectos $8.00 $100, 000.00

Mandar manufacturar Precio por demanda +indirectos $37.00 $40, 000.00

9
OPTIMIZACIÓN DE LA CADENA DE VALOR

Mandar
Demanda Comprar Manufacturar
manufacturar

250 $25, 000.00 $102,00.00 $49, 250.00

500 $50, 000.00 $104,000.00 $58, 500.00
750 $75, 000.00 $106, 000.00 $67, 750.00
1000 $100, 000.00 $108, 000.00 $77, 000. 00
1250 $125,000.00 $110, 000.00 $86, 250.00
1500 $150, 000.00 $112, 000.00 $95, 500.00
1750 $175, 000.00 $114, 000.00 $104, 750.00
2000 $200, 000.00 $116, 000.00 $114, 000.00
2250 $225, 000.00 $118, 000.00 $123, 250.00
2500 $250, 000.00 $120, 000.00 $132, 500.00

Fuente: Anderson, et al. (2016).

Al graficar en Excel los costos, se observa que la decisión depende de las unidades a fabricar, por
ejemplo:

— Conviene comprar hasta las 600 unidades.

— Conviene manufacturar de 601 a 2000.
— Conviene mandar manufacturar a partir de 2001 unidades.

Figura 5. Gráfica de punto de equilibrio

$250.00
$300.00
$225.00
$200.00
$250.00
$175.00
$150.00
$200.00
$125.00 $123.00 $132.50
$110.00 $112.00 $114.00 $116.00
$102.00 $104.00 $106.00 $108.00 $114.00 $118.00 $120.00
$150.00 $100.00
$75.00 $104.75
$95.50
$58.50 $86.25
$49.50 $77.00
$100.00 $67.75
$50.00
$25.00
$50.00
Thousands $- 250 500 750 1000 1250 1500 1750 2000 2250 2500

Como se observa, el punto de equilibrio está dado por la cantidad de piezas que se requieren. Esto op-
timiza los costos de fabricación.

10
OPTIMIZACIÓN DE LA CADENA DE VALOR

— Programación lineal o método Simplex

Una de las herramientas de decisión clásicas de la optimización es la herramienta de programación

lineal o método Simplex, que permite equilibrar los recursos materiales y de tiempo, para optimizar la
optimización de la fabricación, y de esta forma minimizar costos y maximizar la ganancia (Anderson et
al., 2016). Por ejemplo:

En una carpintería se producen mesas y sillas. Los trabajadores laboran 48 horas semanales y disponen
de 30m2. La utilidad que se obtiene por las mesas es de $10, y por las sillas, de $8. Además, para cons-
truir la mesa se ocupan 4.5 m2 de madera y seis horas por unidad. Para la silla se requiere de 1.5 m2 de
madera y tres horas por cada unidad fabricada. ¿Cómo se maximiza la ganancia de acuerdo con estas
condiciones?

Lo primero que hay que considerar es:

— Las variables del modelo o productos a realizar: las sillas y las mesas, que se asignan como X1
sillas y X 2 mesas.
— Se debe definir la función objetivo, que es maximizar la ganancia por la venta de las sillas y las
mesas; por consiguiente, se define Max. Z. Esta será igual a la multiplicación del precio de las sillas
más la multiplicación del precio de las mesas. De esta forma se tiene Max Z= 8 X1 + 10 X2.
— Finalmente, se deben definir las restricciones que vienen dadas por los recursos de materiales
disponibles y por el tiempo disponible para la fabricar, así tenemos:

Restricciones de materiales: Sólo se tienen 30 m2 disponibles de madera para fabricar en inventario.

Las sillas requieren 1.5 m2 de madera y las mesas, 4.5 m2. Esto quiere decir que no se debe exceder el
límite de 30 m2, de este modo la restricción queda como: 1.5 x 1 + 4.5 x 2 < = 30.

Restricciones de horario: Se cuenta con 48 horas a la semana para fabricar. Hacer cada silla toma tres
horas, y cada mesa, seis; por tanto, la restricción queda como 3.0 x 1 + 6,0 x 2 < = 48.

De este modo, se define una restricción de no negatividad, esto significa que no habrá menos de una
silla o mesa producida o en proceso, ya que no pueden cobrarse:

Figura 6. Condiciones del caso de método simplex

Variables
X1 = Sillas
X2 = Mesas
Función objetivo
MaxZ = 8X1+10X2

Restricciones
1.5 X1+4.5X2≤30 materiales
3.0X1+6.0X2 ≤48 tiempo
X1≥ 6, X2 ≥ 8
Restricciones de no negatividad

11
OPTIMIZACIÓN DE LA CADENA DE VALOR

— Para resolver el caso, y teniendo ya las condiciones a evaluar, se utiliza la aplicación del sitio PHP
Simplex http://www.phpsimplex.com/simplex/simplex.htm, la cual permite al usuario ir cargando
la información.
— Primero, el método las variables, en este caso 2, y las restricciones también son dos.
— Se coloca el objetivo de maximizar de la función y se capturan los valores de X1 y X2 y las
restricciones.
— En el tercer paso, la aplicación muestra el modelo antes de dar la solución final, que es fabricar 16
sillas y obtener la ganancia de $128 o 8*16.

Figura 7. Pasos para cargar la aplicación PHP Simplex

12
OPTIMIZACIÓN DE LA CADENA DE VALOR

Fuente: PHP Simplex (2018).

Como se aprecia, el método es sencillo, pero requiere:

— Definir las variables.

— La función objetivo.
— Las restricciones.
— Capturar todo en la aplicación.

13
OPTIMIZACIÓN DE LA CADENA DE VALOR

3.3. Análisis y modelos de control estadístico

Las herramientas de decisión ligadas al cep (Control Estadístico del Proceso) son el diagrama de Pareto
y el diagrama causa y efecto.

Diagrama de Pareto: éste sigue el principio del 80-20, es decir que el 80% de los problemas está repre-
sentado por un 20% de las causas totales. Este recurso sirve para identificar los problemas principales
y atenderlos en esa prioridad. Es muy utilizado para identificar cuáles son los problemas principales que
deben ser atendidos de inmediato.

Por ejemplo. En una empresa desarrolladora de software se han encontrado los siguientes defectos e
incidencias entre los clientes que lo reciben:

Cuadro 3. Tabla de defectos para desarrollo del Pareto

Defectos e incidencias Defectos e incidencias

Nueva modificación 40

En espera de respuesta 34

No pasa las pruebas 34

No lo acepta el cliente 23

No funcionó la modificación 20

En espera de validación 13

Falta documentación 12

Mala priorización 12

Reasignados a Q&A 12

Reasignados a sistemas 11

No funciona comando 10

Faltan datos 2

14
OPTIMIZACIÓN DE LA CADENA DE VALOR

Los datos mostrados en el cuadro anterior se capturan en el software estadístico Minitab, de acuerdo
con los siguientes comandos:

Figura 8. Comandos Minitab para generar el Pareto

Una vez que se ha seleccionado el diagrama de Pareto, se seleccionan las columnas, como se aprecia
en la siguiente pantalla, y se da clic en Aceptar para generar la gráfica de Pareto.

Figura 9. Comandos Minitab para generar el Pareto

Fuente: Minitab 19 (2019).

En la gráfica resultante se puede apreciar que los problemas en los cuales hay que prestar atención, son
los que van del uno al siete, ya que su porcentaje acumulado da 78.9%, es decir: el 80-20.

15
OPTIMIZACIÓN DE LA CADENA DE VALOR

Figura 10. Gráfica de Pareto

250 100

Defectos/incidencias
200 80

Porcentaje
150 60

100 40

50 20
0 0
Defectos/incidencias
N No asa spu n
nc ac s p sta

es la m el c s
Fa ra d ific te

as sig ori ión

tro
N nad do ción

io is BA
do val ión

ón

m s
do
En nó ta eba

co ma
re ció

M um aci

an
O
e

Re Rea pri tac

nc a S Q
ac
pe o lie
N a d ifica

na te
ig na za
io ep ru

fu os s a
c id
a en
d

d
pe mo

la
e

lta e
va

al
r
p
ue

fu lo
o
es
N

o
En

Defectos/incidencias 40 34 34 23 20 13 12 12 12 11 10 2
Porcentaje 17.9 15.2 15.2 10.3 9 .0 5.8 5.4 5.4 5.4 4.9 4.5 0.9
% acumulado 17.9 33.2 48.4 58.7 67.7 73.5 78.9 84.3 89 .7 9 4.6 9 9 .1 100.0
Fuente: Minitab 19, (2019).

Diagrama causa y efecto o Ishikawa

Si se realiza un diagrama causa y efecto de los defectos de soldadura socavada o de metal quemado en
posición de soldado sobre la cabeza del soldador con estas causas:

— Mano de obra.
— Materia prima.
— Maquinaria.
— Medio ambiente.
— Métodos.
— Mediciones

También hay que definir el defecto a analizar, como la cabeza del pescado, ya que a este diagrama tam-
bién se le conoce como diagrama de espina de pescado.

16
OPTIMIZACIÓN DE LA CADENA DE VALOR

Realicemos un diagrama causa y efecto de los defectos de soldadura socavada o de metal quemado en
posición de soldado sobre la cabeza del soldador con estas causas:

— Mano de obra. Falta capacitar en métodos de soldadura sobre cabeza.

— Materia prima. Material base contaminado con aceite.
— Maquinaria. Equipo de soldar no calibrado.
— Medio ambiente. Zona de trabajo sin iluminación.
— Métodos. Cada soldador tiene su método.
— Mediciones. No se miden los parámetros del equipo antes de soldar.

Figura 11. Comandos Minitab para generar el diagrama Ishikawa o causa y efecto

Fuente: Minitab 19 (2019).

Una vez que se ha seleccionado este comando, se carga la información de las 6 M en cada campo y se
escribe el efecto o defecto a analizar y el título.
Figura 12. Comandos Minitab para generar el diagrama Ishikawa o causa y efecto

Fuente: Minitab 19 (2019).

17
OPTIMIZACIÓN DE LA CADENA DE VALOR

Finalmente, se genera el diagrama causa y efecto, en rojo se señala el defecto a analizar: la cabeza del
pescado. En las espinas, las causas y subcausas de los problemas. Es en este momento cuando se
requiere hacer planes de acción para atender cada causa del defecto, con responsables y fechas:

Figura 13. Diagrama Ishikawa o causa y efecto

Diagrama causa y efecto de soldadura socavada

Mediciones Material Personal

No se Material Falta
miden los base capacitar
parámetros contaminado en métodos
del equipo con aceite de soldadura
antes de sobre cabeza
soldar Defecto de
socavado en la
soldadura
Zona de Cada Equipo de sobre cabeza
trabajo sin soldador soldar no
iluminación tiene su calibrado
método

Medio Métodos Máquinas

Ambiente

Fuente: Minitab 19 (2019)

Ahora se revisan los modelos de control estadístico del proceso, los cuales están en función de los dos
tipos de variables a controlar:
— Continua o variable: valores que pueden ser decimales y que, comúnmente, se miden por unidades
de medida como metros, kilogramos, decibeles.
— Discretas o por atributos: definen sólo dos opciones de medición: pasa, no pasa, aceptación,
rechazo, o por conteos de personas que llegan a solicitar los servicios en un banco, número de
defectos en un metro cuadrado, por ello son números enteros, ya que no hay medios defectos o
1.5 personas que solicitan un servicio.

Con base en lo anterior, se tienen gráficas de control para variables continuas con modelos de distribu-
ción normales que calculan el promedio y la desviación estándar, o rango, y que requieren de muestras
ordenadas en subgrupos.

Las variables discretas tienen modelos de probabilidad binomiales (éxito o fracaso); gráficas p, éxito, y
np fracaso, definidas por fracciones en porcentajes de aceptación y rechazo o distribución Poisson para
conteos de defectos por pieza gráfica U o defectos por lote gráfica C.

18
OPTIMIZACIÓN DE LA CADENA DE VALOR

Cuadro 4. Gráficas de cep a seleccionar de acuerdo con el tipo de variable

Control estadístico del proceso o SPC

Distribución de
Gráficas de control Características probabilidades
asociada

Continuas

X-R Muestras de 2 a 10

X-S Muestras de más de 10 Normal, Z

I-MR Muestra igual a 1

Discretas

P, NP Fracciones éxito o fracaso Binomial

Conteos muestra
C, U Poisson
constante o no constante

19
OPTIMIZACIÓN DE LA CADENA DE VALOR

Minitab ofrece una guía para elegir la gráfica de control en función de si es continua o discreta y el tamaño
de subgrupos:

Figura 14. Guía Minitab para la selección de gráficas de control

Continuos Tipo Atributos

de datos

¿Qué
Datos está
recolectados contando?
en subgrupos
No Sí
Elementos Defectos
defectuosos de unidad

Tamaño
de
subgrupo

Tamaño de Tamaño de
subgrupo subgrupo
8 o menos mayor que 8

Gráfica I-MR Gráfica Xbarra-R Gráfica Xbarra-S Gráfica P Gráfica U

Fuente: Minitab 19 (2019).

3.4. Modelos de línea de espera y simulación

Una herramienta muy útil para evaluar las líneas de espera es la teoría de colas. Ésta se encarga de evaluar
si una fila está saturada o no, para lograr la optimización del tiempo de servicio. Es importante establecer
los elementos de una línea de espera:

— Servidores, personas o máquinas que atenderán al cliente. Por ejemplo, los cajeros de un banco o
centro comercial, y los cajeros automáticos.
— Personas que se presentan a solicitar el servicio, que definirán el tamaño de cola y las demoras.
— Tiempo de arribo de los clientes.
— Tiempo de servicio o atención. Esto implica el que se destina a atender a los clientes y que define
el costo del sistema, así como el rendimiento de la línea de espera.

20
OPTIMIZACIÓN DE LA CADENA DE VALOR

En la aplicación de Excel se capturan, la velocidad de arribo, el tiempo de servicio y el número de ser-

vidores. Luego, con esa información se habrá de definir el rendimiento en el resumen de resultados, el
cual no debe exceder de 80, ya que se tendía el recurso o servidor saturado. Mediante esta aplicación
se pueden simular los tiempos, el número de servidores y llegar a un óptimo sistema de colas.

Figura 15. Aplicación de Excel con los parámetros de las líneas de espera

Fuente: Alonso (s.f.).

3.5. Modelos de transporte

Las herramientas de toma de decisiones logísticas por excelencia son la matriz de transporte y el mé-
todo de centroide, que sirven para diseñar el surtimiento de centros de distribución a partir de centros
de fabricación y la ubicación de centros de distribución o fábricas para surtir almacenes o centros de
distribución.

— Matriz de transporte

Ahora considera el caso de tres plantas de fabricación en México, Guadalajara y Monterrey que deben
abastecer 4 cedis, o centros de distribución, en Mérida, Tijuana, Guanajuato y Querétaro.

La demanda o el surtimiento para Mérida es de 80 unidades; para Tijuana, de 65, y así sucesivamente.
La oferta o inventario en la fábrica de México es de 125, mientras que la de Guadalajara es de 150 y así
sucesivamente. Por otro lado, se presentan los costos de transporte: de México a Mérida es de $654; de
México a Tijuana, de $867, y así con cada combinación de fábrica y CEDIS. Con estos datos se puede
calcular el surtimiento que dé el menor costo posible con los recursos ya descritos.

21
OPTIMIZACIÓN DE LA CADENA DE VALOR

Figura 16. Matriz de costos de abastecimiento oferta y demanda

B C D E F G
1
2 CEDIS
Plantas
3 Mérida Tijuana Guanajuato Querétaro Oferta
4 México $ 654.00 $867.00 $464.00 $513.00 125
5 Guadalajara $690.00 $791.00 $352.00 $416.00 150
6 Monterrey $388.00 $685.00 $995.00 $682.00 80
7 Demanda 80 65 70 85

Ahora, se puede resolver el problema usando Solver, que se encuentra en el menú de datos de Excel:
— Pide establecer el objetivo o la celda donde aparecerá el costo óptimo, en nuestro caso será la fila D9.
— Colocar el rango de celdas de variables donde se alojará la matriz de surtimiento, que será C13 a F15.
— Pedir las restricciones, ya que trabaja mediante el modelo Simplex, el cual se ha visto anteriormente.
En este caso el rango de costos debe ser igual o mayor a cero.
No se debe exceder la demanda solicitada por cada cedis C16 y F16, ni se debe exceder la oferta de
cada fábrica G13 a G15.
— Con estas condiciones, se selecciona el Método de resolución Simples SLP:

Figura 17. Comandos de Solver para cálculo de oferta y demanda

Fuente: Excel (2016).

22
OPTIMIZACIÓN DE LA CADENA DE VALOR

Una vez que Solver resuelve el problema, se tiene un costo total óptimo de $200,020. También, que
México surtirá a Tijuana con 50 unidades; a Guanajuato, con 70, y a Querétaro, con 5. Por su parte,
Monterrey complementará a Querétaro con 80 unidades. De esta forma se cumple la restricción de
no surtir de más y que sólo Guadalajara se queda con 55 unidades en inventario, porque, de las 150
que tenía, sólo 95 se utilizan para surtimiento.

Figura 18. Matriz de transporte resulta por Solver

B C D E F G
1
2 CEDIS
Plantas
3 Mérida Tijuana Guanajuato Querétaro Oferta
4 México $ 654.00 $867.00 $464.00 $513.00 125
5 Guadalajara $690.00 $791.00 $352.00 $416.00 150
6 Monterrey $388.00 $685.00 $995.00 $682.00 80
7 Demanda 80 65 70 85
8
9

10 Costo Total: $200.020.00

11
12 Fuentes CEDIS CEDIS 2 CEDIS 3 CEDIS 4 Oferta
13 México Mérida Tijuana Guanajuato Querétaro
14 Guadalajara 0.00 50.00 70.00 5.00 125.00
15 Monterrey 80.00 15.00 0.00 0.00 95.00
16 Demanda 0.00 0.00 0.00 80.00 80.00
80.00 65.00 70.00 85.00
Fuente: Excel (2016).

— Método del centroide

Este método ubica nuevos cedis o fábricas mediante un criterio de cantidad de surtimiento y con coor-
denadas basadas en planos cartesianos o incluso gps.

Si se considera que actualmente se tienen los siguientes centros de distribución en las ciudades de
Chicago, Pittsburg, Nueva York y Atlanta. Cada centro tiene un determinado número de contenedores
que se habrá de surtir. Se conocen las coordenadas X, Y de cada uno de estos establecimientos. Si se
se desea colocar un nuevo CEDIS en una zona estratégica, para que pueda abastecer a todos ellos:

23
OPTIMIZACIÓN DE LA CADENA DE VALOR

Figura 19. Ejemplo de método de centroide

Pareto de defectos de desarrollo de sistemas

Número de contenedores
Localización
o unidades embarcadas Coordenadas x Coordenadas y
de la Tienda
por mes

Chicago 2000 30 120

Pittsburgh 1000 90 110
Nueva York 1000 130 130
Atlanta 2000 60 40
Coordenadas CX 66.67 93.33 CY

Fuente: Ruiz (2013).

Aplicando las fórmulas de X y Y, basadas en las coordenadas de cada sitio y en los contenedores, se
tiene que multiplicar cada coordenada por el número de contenedores que se ha de abastecer, y dividir
la cantidad resultante entre la suma de los contenedores. Así, con las coordenadas Y se obtiene la loca-
lización del nuevo centro en (66.67,93.33).

Figura 20. Cálculo de coordenadas del centroide

Número de
Localización
contenedores Coordenadas Coordenadas
de la
embarcados x y
Tienda
por mes

Chicago 2000 30 120

Pittsburgh 1000 90 110
Nueva York 1000 130 130
Atlanta 2000 60 40 Cx = ∑dx1 *V1
V1

Cy = ∑dy1 *V1

V1

Fuente: Ruiz (2013).

24
OPTIMIZACIÓN DE LA CADENA DE VALOR

El mapa de localizaciones queda de la siguiente manera:

Figura 21. Mapa del centroide

Al final, estos ejes pueden sustituirse por coordendas gps para una mejor localización.

25
 REFERENCIAS

Alonso, A. (s.f.). Teoría de colas. USON. Recuperado de

Anderson D., et al. (2016). Métodos cuantitativos para los negocios. (13ª ed.). México: Cengage Learning.

González. R. (2012). Matriz de Pugh: ayuda a la toma de decisiones. Recuperado de ht

INACAP Online. (2016, febrero 22). Video explicativo Árbol de decisiones [Archivo de video]. Recuperado
de

Ingeniería Industrial Easy. (2017, abril 13). Método analítico jerárquico. Método AHP. Ejemplo práctico
[Archivo de video]. Recuperado de

Mieses, E. (2017, Julio 28). Método de transporte usando Solver [Archivo de video]. Recuperado de

Minitab 19. (2019). Descarga de Software Tipos de gráficas de control estadístico. Recuperado de:
https://www.minitab.com/es-mx/products/minitab/PHP Simplex (2018).

Ruiz, M. (2013, octubre 10). Método del centroide para localizar una instalación [Archivo de video]. Re-
cuperado de

Salazar, B. (2016). Método Simplex. [Archivo de video]Recuperado de

2016. Excel. Microsoft® Office 365®. Windows

26