Clases Modulo 4 GO PDF

Pontificia Universidad Javeriana
Facultad de Ingeniería y Ciencias

Sistemas Gerenciales de Ingeniería
Gerencia de Operaciones
Prof. Álvaro Figueroa Cabrera

afiguer@javerianacali.edu.co
Posgrados de Ingeniería y Ciencias
2023
Álvaro Figueroa Cabrera 2023
1

0
GENERALIDADES DEL CURSO

2
1
Datos del curso
Nombre Gerencia de Operaciones

Código 400ANX001
Intensidad Horas presenciales 48; horas trabajo independiente 96
Créditos 3
Modalidad Presencial, según horario programado 2 sesiones semanales
ÁLVARO FIGUEROA CABRERA

Profesor
afiguer@javerianacali.edu.co

3

Sistemas Gerenciales de Ingeniería Profesor de la asignatura
Álvaro Figueroa Cabrera

Email afiguer@javerianacali.edu.co
Celular 315 4730 934
Estudios - Magíster en Ingeniería. Especialización en Investigación de Operaciones

Instituto Tecnológico y de Estudios Superiores de Monterrey, México. Ingeniero
FOTO Mecánico, Universidad del Valle. Facilitador de Calidad de la Corporación Calidad y la
JUSE (Japan Union of Scientists and Engineering) del Japón. Cursos diversos en Calidad,
QFD, TPM, Productividad, Logística integral, Trabajo en equipo, Control estadístico de
calidad. Diplomado en ISO 9000. Diplomado en Pedagogía Ignaciana.
Experiencia - Director de Carrera de Ingeniería Industrial Pontificia Universidad Javeriana

Cali. Decano (E) Director del Departamento de Ciencias de la Ingeniería y la producción,
Director Especialización en Sistemas Gerenciales de Ingeniería Facultad de Ingeniería y
Ciencias. Director de Calidad de Incolda (Valle del Cauca). Gerente de Producción, Planta
y Calidad Total Roy Alpha S.A. Gerente de Planta Comolsa (Carvajal S.A.).Jefe de Planta
de Prodiero S.A. Desde 1981 Profesor universitario en pregrado y postgrado en ITESM de
México, Universidad Central del Valle, Universidad ICESI, Pontificia Universidad
Javeriana, Universidad del Valle, Consultor, asesor y Conferencista en varias empresas de
la región y Educación Continua Pontificia Universidad Javeriana. Desde 1992 Evaluador
del Premio Colombiano a la Calidad. Evaluador del Premio Iberoamericano de Calidad.
Par académico del Consejo Nacional de Acreditación en Colombia. Auditor interno
certificado en ISO 9000. Evaluación de programas académicos dentro del proceso de
Acreditación con el CNA. Profesor Departamento de Ingeniería Civil e Industrial de la
Álvaro Figueroa Cabrera 2023 Facultad de Ingeniería y Ciencias, Pontificia Universidad Javeriana.
4
2
Objetivos de la asignatura
Al finalizar el curso el estudiante deberá ser capaz de:
1. Proponer acciones de cambio al interior de sus empresas que coadyuven a

mejorar la Gestión en los procesos operativos y administrativos en la
producción de bienes y servicios en sus organizaciones.
2. Desarrollar acciones que coadyuven en desarrollar competitividad en sus

empresas y por ende para el país mediante la construcción de una visión
estratégica para producir productos y servicios que necesitan los clientes, como
parte del proceso de administración a largo plazo.
3. Propender en el uso de técnicas de fabricación de clase mundial.
4. Desarrollar el proceso de planeación con técnicas de operación integral donde

convergen proveedores, procesos productivos y de distribución todo ello
encaminado a dar satisfacción a los clientes a través de productos y servicios.

5

Temas a desarrollar en el curso
• Introducción a la Gerencia de Operaciones

• Pronósticos de la demanda
• Gestión de abastecimiento e inventarios de demanda independiente
• Planeación agregada
• Planeación de requerimientos de materiales MPS, MRP
• Planeación de requerimientos de distribución DRP
• Planificación de la capacidad CRP
• Análisis de decisiones bajo certidumbre, riesgo e incertidumbre
• Secuenciación de tareas - Programación a corto plazo

6
3
Metodología de aprendizaje
Aplicación en contexto
de las empresas
•Explicación magistral
•Ensayos
•Talleres en clase
•Lecturas y discusión
•Estudio de casos

7

Evaluación del módulo
Examen 1 25%
Examen 2 25%
Ensayos individuales 15%
Casos asignados 20%
Talleres en clase 15%*
*Nota:
Trabajos que se desarrollen en clase no son reemplazables

8
4
1
INTRODUCCIÓN A LA
GERENCIA DE OPERACIONES

9

Entorno actual: Industria 4.0
• Ser competitivos, implica que los clientes exigen productos y servicios de

calidad, más baratos, entregados en tiempos más cortos y con diseños que
respondan a sus deseos y preserven el medio ambiente.
• Las empresas se han abocado a trabajar en frentes importantes, dada la
inminente transformación de éstas hacia la nueva revolución industrial: la
Industria 4.0
• El concepto, desarrollado desde 2010, por el gobierno alemán describe una
visión de la fabricación con los procesos interconectados mediante Internet de
las cosas (IoT).
• Consiste en la digitalización de procesos industriales donde interactúa
inteligencia artificial con máquinas y optimiza recursos para crear efectivas
metodologías comerciales.

10
5
Entorno actual: Industria 4.0
• Implica cambios orientados a las infraestructuras inteligentes y a la

digitalización de metodologías, y está incidiendo de manera concreta el
modo de hacer negocios.
• Fusiona digitalmente diversas disciplinas garantizando satisfacción del

cliente y personalización de servicios.
• Objetivo primordial: unión entre tecnologías digitales que permiten la

creación de mercados inéditos y la interacción entre actores
económicos.

11

Entorno actual: Características
→ Adaptación constante a la demanda

→ Planeación simplificada de
operaciones
→ Sistemas de control apropiados para
tener procesos balanceados y
sincronizados → Rediseño e innovación productos,
→ Servir al cliente de forma servicios y procesos actuales.
personalizada y F2F → Batchs de producción más cortos y
→ Diseñar, producir y vender productos rentables, Q=1
y servicios en menor tiempo → Fortalecimiento SCM a través de
→ Añadir servicios a los productos nuevas estrategias de manejo de
físicos. relaciones e información en tiempo
real con clientes, proveedores y
colaboradores desde múltiples
canales.
→ Mejoramiento continuo: reducción
del desperdicio
12
6
Evolución de la industria
Fuente: https://www.google.com/search?q=caracteristicas+industria+4-
0&rlz=1C1GCEU_esCO821CO821&source=lnms&tbm=isch&sa=X&ved=0ahUKEwjx45T89sjlAhUIx1kKHRbwBeIQ_AUIEigB&biw=1600&bih=789#imgrc=X9R9wYwKUr79oM
:

13

El inicio: producción artesana
• Finales siglo XIX producción era artesanal

• Política adaptar producto a deseos expresos comprador individual
• Ninguna compañía, podía tener monopolio con estos recursos y
características
• Algunas firmas producción artesana sobreviven, centrándose en pequeños
segmentos, más alto y lujoso del mercado

14
7
Inconvenientes producción artesana
• Costos de producción muy elevados no descendían con el volumen

• Cada producto fabricado era un prototipo
• Difícil dotarles de consistencia y fiabilidad
• Incapacidad de pequeños talleres individuales desarrollar tecnologías nuevas
• Poca posibilidad de firmar clústeres industriales

15

Apogeo producción en masa
• Industria alcanzó meseta cuando llegó Henry Ford

• Técnicas reducían costos y elevaban calidad
• Ford llamó al sistema “Producción en Masa”
• Clave: coherente intercambio de partes y sencillez ensamblaje
• Ford usó sistema de medida para partes a lo largo del proceso
• Introdujo cadena de montaje móvil: carro delante del obrero

16
8
Facultad de Ingeniería y Ciencias Decadencia producción en masa
•Sistemas europeos producción en masa se

afectaron en los 70 por crecimiento salarios y
reducción horas trabajo semanal
•Surge en Japón una nueva industria del motor
•No consistía simplemente en otra réplica del
enfoque americano
•Japoneses desarrollaron “producción ajustada”

17

Facultad de Ingeniería y Ciencias ¿Dónde tiene su origen?
• Taiichi Ohno de Toyota Motor Corporation es referido a

menudo como "El Padre de JAT.“
• La filosofía de gestión JAT ha existido desde 1970,
cuando Ohno empezó a desarrollar y practicar
conceptos JAT en Toyota.
• Ohno tituló su nuevos métodos de producción el
Sistema de Producción Toyota (TPS), que ahora se ha
convertido en un término sinónimo de JAT.
• El sistema ajustado de manufactura, nació con Toyota
→ Propósito clave: más productividad y menor costo

→ Eliminaron todo tipo de funciones innecesarias
→ Investigaron causas de operaciones “innecesarias”
→ Solución en operaciones con valor agregado al producto
→ Ruta de calidad – Ciclo PHVA
→ Idea básica del sistema flexibilidad, fábricas y flujo continuo
18
9
Facultad de Ingeniería y Ciencias ¿Por qué producción y pensamiento ajustados?
Dos libros popularizaron el nombre:
1. The machine that Changed the World, de

James Womack, Daniel Jones y Daniel
Roos, publicado en 1991.
2. Lean Thinking, de James Womack y Daniel

Jones, publicado en 1996.
Ellos bautizaron al sistema de trabajo
en la producción Toyota con el nombre
de Lean Manufacturing (Manufactura esbelta),
y estas técnicas Toyota las había venido
trabajando en sus plantas por décadas, con el
propósito de eliminar desperdicios dentro de
sus procesos de producción. De aquí surgió
entonces el concepto de Lean Thinking

19

Facultad de Ingeniería y Ciencias ¿Que se busca entonces?
1. Eliminar todo tipo de desperdicio, al incrementar las actividades

que sólo agregan valor para la empresa y para el cliente y
eliminar las que no lo hacen
2. Control cuantitativo, al permitir adaptación, en cantidad y en

variedad, a fluctuaciones diarias y mensuales de demanda
3. Calidad asegurada, al tener certeza que cada proceso sólo

proporciona al proceso siguiente unidades aceptables
4. Respeto por dimensión humana, en cuanto el sistema utiliza

recursos humanos para alcanzar sus objetivos de costos y
calidad

20
10
Sistemas Gerenciales de Ingeniería ¿Cómo se logra?
Just in time ante todo Autocontrol de defectos

producir unidades Jidoka, gobernabilidad del
necesarias en tiempo proceso
preciso.
Pensamiento creativo e Flexibilidad en el trabajo

ideas innovadoras Soifuku Shojinka que supone
aprovechamiento de variación de N° de
sugerencias del personal trabajadores en función de
variación de demanda

21

El proceso integral
1. Revolución del
pensamiento
2. 9S/5S mejorar ambiente de trabajo

Reducción de fuerza laboral
Sistemas de Control Visual
Kanban 3. Fabricación en flujo Polivalencia
Asegurar calidad 4. Producción nivelada SMED
Mantenimiento 5. Estandarizar
Autocontrol
Y seguridad operaciones
Operaciones
Justo a Tiempo
22
11
Facultad de Ingeniería y Ciencias Reto de la Gerencia de Operaciones
Sobreproducción
Transporte
Esperas
innecesario
Movimiento Subutilización
innecesario
MUDAS empleado
Productos
Procesamiento
inadecuado defectuosos
Mal servicio
Inventarios

23

¡Ahora es tu turno!
Vamos a trabajar el Taller 1

24
12
Taller 1 para entregar
Vamos a conformar grupos de dos o tres compañeros del curso y van a

identificar cuáles de los desperdicios (Mudas) están presentes en sus
empresas y estimen el costo anual aproximado de los mismos. Utilicen la
tabla del taller 1 que se plantea en el Taller de Gerencia de Operaciones
que se encuentra en la plataforma.
Tiempo de ejecución: 20 minutos

Fecha de entrega: enero 25 de 2023
Enviar al correo afiguer@javerianacali.edu.co.

25

LA GRAN ALINEACIÓN:
ESTRATEGIA, ESTRUCTURA Y CULTURA

26
13
Requerimientos del cambio

27

La estrategia sirve para:
• Dar dirección uniforme a la organización

• Permite que la gente sepa que es lo prioritario en la empresa
• Posiciona el servicio /producto en el mercado
• Elemento clave para publicidad

28
14
Estrategias
Mercado
Estrategia Corporativa
Estrategia Financiera Estrategia Operaciones Estrategia Mercadeo
Insumos Personas Plantas Partes Procesos Resultado

Materiales Productos
Clientes Servicios
Planeación y control
Sistema Productivo
Técnicas Lean Manufacturing

29

Estrategias
Corporativa: Se basa en la Misión y refleja

cómo la empresa piensa usar todos sus
recursos y funciones (mercadeo, finanzas y
operaciones)
Operaciones: Cómo piensa la empresa
utilizar sus capacidades de producción
Mercadeo: Cómo piensa vender y distribuir
sus bienes y servicios
Financiera: Cómo emplear los recursos
financieros para producir y generar utilidades

30
15
Matriz presente - futuro

31

Evolución profesional
Las habilidades de un profesional deben evolucionar

con el tiempo en la escala de una organización.
Responsabilidad
Nivel Jerárquico
0% 25% 50% 75% 100%
Alta Dirección C
Gerencia Media B
Supervisión / Jefaturas
Operación /Ingeniería de piso A
A Operación. Cumplimiento operaciones estandarizadas y eliminación de causas fundamentales de

problemas. Nivel de control de tareas asignadas en proyectos. Patrones de trabajo asignado por un
superior jerárquico.
B Mejoramiento. Eliminación de causas fundamentales de resultados indeseables. Establecimiento nuevos
niveles de control en procesos, calidad y operaciones; nuevas ideas y tecnologías. Desarrollo de
proyectos.
C Desarrollo Estratégico. Creación de nuevas estrategias, decisiones claves, nuevos productos, servicios,
mercados, procesos, etc.
32
16
Facultad de Ingeniería y Ciencias La estrategia de operaciones
•Abarca la totalidad de las actividades críticas de la empresa, dándole sentido de

unidad y dirección.
•También define e indica el propósito de la organización determinando objetivos
a largo plazo, programas de acción y asignación de recursos según prioridades.
•Determina negocios y actividades en las cuales se va a enfocar la organización.
•Intenta lograr ventaja sostenible a largo plazo
•Conocer cuál es la META de la organización.

33

Cómo puede ser la estrategia
Estrategia para la
operación y sus
estados
•Comercializar productos/ servicios sin valor agregado

•Fabricar productos baratos y de bajo costo
•Fabricar con valor agregado
Producción puede ser:
• Internamente neutral
• Externamente neutral
• Apoyo interno
• Apoyo externo

34
17
Influencia producción en operaciones
Internamente neutral
•No hay influencia
•Uso de procesos y tecnologías compradas, seguras
•Si hay problemas se llama a consultor externo
Externamente neutral
•La función producción la marca la competencia
•Inversión medio eficaz de establecer estado de situación
Apoyo interno
•No participa de la estrategia empresarial pero apoya
Apoyo externo
•Influye en el establecimiento de la estrategia
•La función producción en igual nivel que otras
•La producción se consolida clave en la estrategia

35

¿Y la estructura?
• Manera de organizarse para llevar a cabo la estrategia

• Decisión crucial que debe derivarse de la estrategia

36
18
¿y la Cultura Organizacional?
• Sistema de significado común entre los miembros que distingue a una

organización de otras
• Conjunto de características fundamentales de una organización
• Son las “reglas de juego” de una empresa
• Hay que forjarla tanto para el empleado, como para clientes y proveedores

37

Gerencia de Operaciones Entonces surge la gran pregunta
¿Los factores básicos de

nuestra organización están
alineados y permiten la
implementación de cualquier
tipo de estrategia?

38
19
Facultad de Ingeniería y Ciencias Modelo de McKinsey: Las 7´S
• Creado en años 80 por Tom Peters y Robert

Waterman, consultores de McKinsey .
• El modelo dice que existen SIETE (7)

aspectos internos en una organización que
necesitan ser alineados para ser exitosos y
usa siete palabras en inglés que comienzan
con la letra “S”.

39

Definiciones de las 7S
1. STRATEGY (Estrategia): La manera de organizar y enfocar los recursos, para conseguir los
objetivos de la organización. Podríamos compararlo con el cerebro de una organización.
2. STRUCTURE (Estructura): La manera en que se organizan, se relacionan e interactúan las
distintas variables como unidades de negocio. Pueden ser Local, global o multinacional, de
organización jerárquica centralizada o descentralizada, estructura piramidal o plana,.
3. SYSTEMS (Sistemas): Incluye los procesos internos que definen los parámetros de
funcionamiento de la empresa y los sistemas de información que son los canales por los que
discurre la información.
4. STYLE (Estilo): Es el modelo de comportamiento, cultura y estilo de liderazgo establecido por la
cúpula de la organización.
5. STAFF (Personal): Los empleados son la columna vertebral de cualquier organización y uno de
sus más importantes activos. Los recursos humanos deben estar orientados hacia la estrategia.
6. SKILLS (Habilidades): Se refiere a las habilidades y capacidades requeridas por los miembros de
la organización. Es lo que Michael Porter llama Competencias Centrales. También puede
referirse al “know how”.
7. SHARED VALUES (Valores compartidos): Son el corazón de la empresa. Lo que une a sus
miembros y alinea a todos ellos en la misma dirección. Representa los valores centrales de la
compañía que se encuentran evidenciados en la misión de la misma. Existe una clara
interacción entre STYLE y SHARED VALUES.

40
20
Facultad de Ingeniería y Ciencias ¿Para que sirve el modelo?
• Se utiliza en diversas empresas y lo promueven muchas escuelas de Gerencia y

administración, entre ellas Harvard y Stanford.
• Es una combinación muy potente de práctica y teoría.
• Usado para evaluar si la implementación de cualquier tipo de estrategia en la

organización estaría alineada con dichos factores.
• En caso negativo, sería necesario replantearse parte o la totalidad de la estrategia.
• El modelo puede ser usado en cualquier situación en donde la perspectiva de

alineamiento pueda ser de utilidad.
Ejemplos
•Mejorar el desempeño de una compañía.
•Examinar los efectos de aceptación a futuros cambios en una compañía.
•Alinear departamentos y procesos durante una fase de adquisición o ampliación.
•Determinar cuál es la mejor forma de implementar una propuesta de estrategia.
41

Vas a realizar el Ensayo 1
de forma individual

42
21
Ensayo 1 para entregar
En la plataforma, se presenta una guía para desarrollar un ensayo a

partir de una serie de preguntas que se necesitan revisar para lograr
entender la situación de su Organización, en términos del esquema de
las 7S. Utilícelas para analizar, de forma individual, la situación actual
primero y después, realice la matriz de interrelaciones para identificar
vacíos y genere así su situación propuesta. Utilice las preguntas guía del
Ensayo 1 que encuentra en dicha plataforma.
Fecha de entrega: 31 de enero de 2023


43

GERENCIA DE OPERACIONES
VISIÓN INTEGRAL

44
22
Sistemas Gerenciales de Ingeniería La GO y otros campos

45

Visión integrada de las operaciones
Desarrollo de la Estrategia de la Cadena de suministro
Estrategia de Diseño y PLANEACION AGREGADA

Producción / Operaciones Selección de Procesos Ventas, Operaciones y Recursos
PLANEACION MAESTRA
PREVISIONES DRP Planificación Maestra

PRONOSTICOS Planificación PP RP
de recursos de Planificación Planificación
Distribución Producción de Recursos
GESTION DE MPS RCCP

PEDIDOS Programa Planificación
MTS- MTO- ATO Maestro Capacidad
GESTIÓN DE INVENTARIOS (Modelos) . Demanda Independiente
APROVISIONAMIENTO- OPERACIONES LOGISTICA DE

DISTRIBUCION
MRP CRP DRP
PROCESO Demanda Dependiente Capacidad
----------------------------------------------------------------------------------------------------------------------------
DE COMPRAS
Despachos
Programación y Control de Producción
LEAN MANUFACTURING.
(JAT – CONWIP - TOC -Sistemas de halar – Modelos colaborativos. CPFR. Efecto Forrester)
46
23
A manera de definición
La Gerencia de Operaciones se encarga del

diseño, operación y mejoramiento de los
sistemas de producción que crean bienes o
servicios en la empresa.

47

Concepto de proceso

48
24
Concepto de Sistema
AMBIENTE EXTERNO
Participación cliente
INSUMOS OPERACIONES
•Trabajadores Y PROCESOS
•Gerente
•Equipo 1 3 PRODUCTOS
•Instalaciones
5 •Bienes
•Materiales
•Servicios
•Servicios
•Tierra 2 4
•Energía
•Información
Información sobre
rendimiento
49

Sistema de producción
El meollo de la Gerencia de Operaciones es administrar los sistemas de producción en

donde se utilizan recursos operacionales para transformar insumos en algún tipo de
resultado deseado, sin ser las transformaciones mutuamente excluyentes.
50
25
Facultad de Ingeniería y Ciencias Sistema Logístico
El sistema logístico es un complejo flujo de materiales e información, desde el

origen de las materias primas hasta entrega de productos terminados. Esta ruta
puede estar llena de inventarios intermedios y de múltiples procesos de fabricación
Flujo de materiales Flujo de información
Cliente Proveedor
Almacen
Proveedor Planta
SP
Cliente
Planta Cliente
Proveedor

51

Evolución Conceptual
ERP CRM ERP II
MRP II CLASE A
WCM
ISO-14000
ISO 9000
MRP II RE
MRP
JIT
EOQ
TQM
50´s 60´s 70´s 80´s 90´s 2000

52
26
¿Qué es una operación?
La unidad más pequeña de actividad productiva
Etapa dentro del proceso global de la

producción de un producto o un servicio

53

¿Qué es un servicio?
• Información viene del consumidor

• Proceso transforma en esencia información
• El producto es un cambio de estado del consumidor
• No se puede almacenar por ser intangible
• Perecedero y no demostrable
• No revocable y proactivo
• El contacto con cliente es alto la mayoría de veces
• Por la interacción humana, entre más gente más riesgo

54
27
Servicios y productos
Todo producto al comprarse asocia

servicios antes y después de
adquirirse. La garantía, la rapidez de
entrega, el crédito y otros intangibles
se hacen presentes
Existen servicios que proveen

algunos productos en su prestación
pero la clara línea entre productos y
servicios tiende a desvanecerse.

55

Sistemas Gerenciales de Ingeniería Sistemas productivos típicos
Características de insumos-conversión-producto
Sistema Productivo Insumos Conversión Resultados
Hospital Pacientes Salud Pacientes curados
Industria cárnica Materias primas Proceso de embutido Salchichas, jamones
Empresa de energía Redes, empleados Generación, distribución Energía casa, alumbrado
Universidad ? ? ?

56
28
Sistemas Gerenciales de Ingeniería Producto versus Servicio
Productos Servicios
Tangibles Intangibles y perecederos
Pueden producirse para inventario Se consumen en el proceso de producción
Contacto mínimo con el cliente Elevado contacto con clientes y

consumidores
Procesamiento complejo e Procesamiento más simple
interrelacionado
Demanda variable sobre bases Demanda variable sobre bases de
semanales, mensuales, estacional horas, días y semanas
Los mercados generalmente son Los mercados son generalmente

locales, nacionales, internacionales locales
La localización del sistema está La localización depende de los

con relación a los mercados consumidores, clientes y usuarios locales

57

TIPOS DE SISTEMAS
PRODUCTIVOS

58
29
Proceso por proyecto o pedido
• Alto grado de personalización

• Alto alcance del proyecto
• Liberación alta de recursos
• Construcción de un centro comercial
• Formación de un equipo para trabajo específico
• Planificación de una campaña o evento importante

59

Proceso intermitente
Productos a la medida
Especialización
Instalaciones físicas alrededor de procesos
Flexible
Especificaciones exactas
Demanda intermitente
Difícil planeación de flujos
Ej: Taller maquinado

60
30
Proceso por lotes
• Cuando se requiere flexibilidad en el diseño

• Control de calidad más estrecho
• Reducir costos
• Incrementar participación mercado
• Trabajadores calificados
• Volúmenes más altos
• Ej. Programación de un avión

61

Proceso en línea
• Productos estandarizados
• Altos volúmenes
• Recursos en torno al producto o servicio
• Avance lineal de materiales
• Operaciones repetitivas
• Fabrican para inventario
• Ej. Fábrica juguetes, autos, Restaurante comida rápida

62
31
Sistemas Gerenciales de Ingeniería Proceso continuo
• Productos estandarizados
• Altos volúmenes
• Flujo continuo
• Equipo especial dedicado
• Proceso adaptado al producto
• Gran demanda
• Inflexibilidad
• Ej: Refinería, papelera

63

Personalización versus volumen
Alta
Flujos flexibles
Proceso por
Pedido o
proyecto
Proceso Flujos
intermitente
intermedios
Proceso
por lotes
Flujos
Proceso
en línea
De línea
Proceso
continuo
Baja
Bajo Volumen Alto

64
32
CLASIFICACIÓN DE SERVICIOS

65

Servicios personales pasivos
• Aquellos donde se requiere establecer un

contacto directo con el cliente
• Alta calidad exigida
• Baja productividad
• Enfatizar en ventajas competitivas

66
33
Servicios personales sustituibles
• Similares a los pasivos

• Sustituibles por alternativas tecnológicas
• Aumento de productividad
• Menos costosos
• De menor calidad

67

Servicios progresivos
• Un componente con poca mano de obra y

con costos que bajan (tecnología)
• Otro componente con elevada intensidad de
mano de obra y costos crecientes
(pensamiento humano)

68
34
Servicios explosivos
• No demandan virtualmente ningún contacto con clientes

• Elevado potencial de innovación
• Aumento productividad
• Beneficio al cliente por variedad y menor costo

69

¿Y CUÁLES SON LOS FACTORES

CRITICOS EN LA PRODUCCIÓN?

70
35
Palancas que mueven la operación
Los factores críticos de Éxito (FCE)

son, para cualquier empresa, un
número limitado de operaciones en
las cuales los resultados, si son
satisfactorios, coadyuvan a su
competitividad.
• Personal
• Estructura y controles
FCE • Fuentes de aprovisionamiento
• Planificación y control de producción
• Tecnología de procesos
• Instalaciones
Competitividad

71

Políticas de Personal
• Empleados fijos y eventuales. Categorías

• Empleados calificados y no calificados
• Formación a impartir. Polivalencia del personal
• Política salarial. Promoción del personal
• Nivel de supervisión. Responsabilidad a asumir

72
36
Estructura y controles
Comprende toda la cultura de la Organización
•Tipo de estructura: Jerárquica, Plana

•Nivel de Responsabilidad y autoridad
•Selección del personal
•Sistemas de evaluación del rendimiento del personal
•Quién y cómo se asume el área de Calidad.

73

Fuentes de aprovisionamiento
•Número de proveedores y calificación

•Políticas de fidelidad y colaboración
•Decisión de subcontratación de bienes o servicios
•Autoridad para diseñar, modificar, valorar productos

74
37
Facultad de Ingeniería y Ciencias Planificación y control de producción
•Programa maestro de Producción

•Estrategias del plan agregado de Producción.
•Sistema de Control de la Producción Pull- Push
•Definición del uso de los sistemas de información.
•Tipo de Mantenimiento

75

Tecnologías de procesos
Comprende lo referente a máquinas, procesos, etc., utilizados en el

sistema productivo y las operaciones de las empresas.
•Tipos de Utillaje: específico o

generalista
•Tipo de Maquinaria
•Procedimientos de fabricación
•Procedimientos de Control de Calidad
•Procedimientos de Diseño
•Nivel de automatización
•Nuevas formas de comunicación
Industria 4.0: CMS, SCM, CRM, FCM,
HRM, Help desk, redes sociales, IoT

76
38
Facultad de Ingeniería y Ciencias Instalaciones
Incluye edificios donde se realiza actividad productiva, operaciones y su equipamiento.

•Localización
•Tamaño de las instalaciones
•Capacidad Productiva
•Tipo de Instalación: Generalista o especializada

77

Vas a realizar el Ensayo 2
de forma individual

78
39
Ensayo 2 para entregar
Lea el libro LA META de Eliyahu Goldratt y de manera individual

desarrolle un ensayo según la guía del ensayo 2 que se halla en la
plataforma.
Fecha de entrega: último día de clases.


79

PARA SABER QUE ESTAMOS BIEN, HAY

QUE EVALUAR RESULTADOS

80
40
Evaluación de la gestión
• Focalizar: Visión, Misión y Política de calidad claras y compartidas por todos

• Alinear: Objetivos estratégicos y operativos desplegar a todas las áreas
• Sincronizar: Definir metas y hacer seguimiento con indicadores
“Lo que no se puede medir ni controlar no se puede mejorar”

Joseph Juran

81

Facultad de Ingeniería y Ciencias Pensamiento estadístico: Elementos
¿Qué buscamos en cada perspectiva de nuestro negocio?

Clientes y mercados, financiera, operaciones y procesos, desarrollo del
personal
¿Dónde estamos?
Analizar detenidamente cómo están cada uno de nuestros procesos
¿Cuál es la brecha de desempeño que se tiene?

Ver diferencia + o – de nuestros resultados vs. Indicadores propios o
referentes de otras organizaciones similares
GESTIÓN
¿Adónde se quiere ir?
Analizar y decidir características del producto/servicio que deseamos
se constituyan en nuestra ventaja competitiva
Lean Thinking
¿Cómo hacerlo?
Si el sistema de operar no es el adecuado, ajustar los procesos para
dotar al producto o servicio de las características propuestas a los
niveles del objetivo reduciendo toda forma de desperdicio.
82
41
Requerimientos básicos
• Definir macroprocesos, procesos de

apoyo y principales.
• Caracterizar procesos (entradas,
salidas, recursos, responsables, Business
etcétera) Process
• Manejar relaciones con
clientes/proveedores
• Evaluar la eficiencia de cada proceso
• Asegurar y mejorar la calidad de
bienes y servicios, costos, entrega.

83

Facultad de Ingeniería y Ciencias Esencia en Gerencia de Operaciones
Mediciones
Desarrollar Ventajas Competitivas
Fabricar productos de calidad

Prestar un buen servicio
•Tiempo respuesta cliente •Participación Mercado

•Diseño producto/servicio •Utilidades
•Costo •Beneficios Sociedad
•Calidad •Desarrollo Sostenible

84
42
¿Para qué medimos?: + Competitividad
Algunos componentes

85

Productividad
La productividad es el valor de los productos (bienes y servicios), dividido

entre el valor de los recursos (salarios, costo del equipo y similares) que
se han usado como insumos:
Productividad = Producto
Insumo
FÓRMULAS POSIBLES A USAR

1. Parcial = Producto/Energía o Producto/Trabajo
2. Multifactorial = Producto/(Trabajo + Capital)
3. Total = Bienes o servicios producidos/Todos los recursos utilizados
Ejemplo
Tres empleados procesaron 600 pólizas de seguros la semana pasada. Trabajaron 8 horas
diarias, 5 días a la semana:

86
43
Vamos a realizar el taller 2
en grupos. No hay que
entregarlo.

87

Taller 2 para practicar
Reúnase con los compañeros del grupo que formaron y resuelvan el

Taller 2 sobre productividad que se plantea en el Taller de Gerencia de
Operaciones que se encuentra en la plataforma.

88
44
PROCESOS Y SU SEGUIMIENTO

89

Facultad de Ingeniería y Ciencias Relación entre procesos
Macroproceso
Procesos Gerenciales Misionales
Gestión Gestión de
Requisitos y Gerencial Calidad Satisfacción y
expectativas Beneficios
Procesos de Transformación
C C
L Laboratorio L
Producción
I Comercial Gestión de Entrega o I
Prestación
Diseño Despachos
E Prototipos Servicios E
N N
T T
E E
Procesos de apoyo
Productos
Gestión Servicios Servicios
Gestión Humana
Financiera Operacionales

90
45
Nombre proceso Denominación al interior de la empresa
Caracterización de un proceso
Objetivo proceso ¿Que se pretende con este proceso?
Responsable ¿ Quién es el Líder(es) funcional(es) del proceso?
Entradas Subprocesos y/o Actividades Salidas

Proceso/Fuente Elementos Descripción Método Elementos Proceso/destino
S I P O C
¿De dónde ¿Qué viene? ¿Que se hace con ¿Con qué método o ¿Qué sale? ¿Para dónde
viene? ello? procedimiento se sale o debe
hace? seguir?
Procesos de apoyo Recursos

Qué procesos se requieren •Humanos, referidos a competencias funcionales, esenciales y gerenciales
para coadyuvar en el •Tecnológicos referidos a infraestructura para desarrollar el proceso (internet, intranet,
desarrollo de este proceso computador, máquina A, máquina B, etc.)
Indicador ✓ Regulaciones/ Requerimientos de normas

Reglamentaciones
¿Cómo voy a medir y saber si Leyes, estatutos, políticas Si se requiere cumplir normas externas tipo ISO 9000,
el resultado del proceso está internas o externas que se 14000, etcétera, se colocan aquí los numerales que se
dentro de parámetros requieren observar para están cumpliendo o a los que se darían respuesta con este
establecidos o va bien? desarrollar este proceso proceso
Calidad en Operaciones y logística


Facultad de Ingeniería y Ciencias Un ejemplo
CARACTERIZACIÓN DE UN PROCESO*
*Fuente: PROCAPS Barranquilla
Nombre Proceso Farmacovigilancia

Objetivo Proceso Garantizar la seguridad en relación con el uso de medicamentos
Responsable Jefe Corporativo de Farmacovigilancia
Entradas Subprocesos y/o actividades Salidas
Proceso/fuente Elementos Descripción Método Elementos Proceso destino
Algoritmos:
Médicos, Análisis de: INVIMA: informes
• Naranjo Documento con
pacientes/clientes, Reporte sospecha • Calidad reporte periódicos, diferentes
• Karl Lasagna resultados de los
Químicos farmaceutas RAM • Causalidad fuentes del proceso,
• Schumock y análisis
de EPS y Droguerías • Evitabilidad base de datos interna
Thornton
Procesos de apoyo Recursos
• Área médica, Jurídica • Humanos: médico o químico farmaceuta competencias, asistente de Farmacovigilancia.
• Área de registros ante el INVIMA • Tecnológicos: computador, impresora/scanner, internet, intranet, celular
Indicador Regulaciones/reglamentaciones Requerimientos de Normas

# de reportes analizados y gestionados/total Normas Programa Farmacovigilancia No requeridas de acuerdo a la normatividad
de reportes de RAM recibidos INVIMA/Min Protección Social, FDA, EMA vigente.
RAM: Reacción Adversa a Medicamentos

FDA: Food and Drugs Administration
EMA: European Medicines Agency

92
46
Posibles resultados del proceso
Resultado Resultado Resultado

deficiente Aceptable excelente
Meta
Indicador
Tiempo

93

¿Y CÓMO DEFINIMOS LOS

INDICADORES?

94
47
Indicadores de desempeño

95

Efectividad
Flexibilidad
EFICIENCIA
+ EFICACIA

96
48
Ficha técnica del indicador

97

¿Y CUÁL ES EL PESO DE LOS

INDICADORES EN EL PROCESO?

98
49
Facultad de Ingeniería y Ciencias AHP – Análisis Jerarquía Analítica
Escala de medición Jerarquía de selección de Criterios
Pesos de criterios o
Juicio verbal o Evaluación indicadores
preferencia numérica
Criterio Criterio Criterio Criterio

En extremo preferido 9
1 2 3 4
Muy fuertemente preferido 7
Fuertemente preferido 5
Moderadamente preferido 3
Igualmente preferido 1
Se aceptan valores intermedios 2, 4, 6 y 8 y

dan niveles adicionales de discriminación.

99

Tabla estandarizada de preferencias
Juicio verbal de preferencia Valor numérico

Preferencia igual 1
Preferencia igual a moderada 2
Preferencia moderada 3
Preferencia moderada a fuerte 4
Preferencia fuerte 5
Preferencia fuerte a muy fuerte 6
Preferencia muy fuerte 7
Preferencia muy fuerte a extrema 8
Preferencia extrema 9
Se recomienda trabajar siempre con esta tabla, que ha sido probada

muchas veces por personas expertas en el uso de la herramienta,
quienes han podido constatar que se adecúa muy bien a los propósitos
de clasificación del nivel de preferencia.

100
50
Gerencia de Operaciones Ejemplo de preferencias
Criterio 1 Criterio 2 Grado de preferencia Tipo de preferencia

50% 50% 1 Igual
55% 45% 2 Igual a moderada
60% 40% 3 Moderada
.
.
9 Extrema
50% 50% 1 Igual
45% 55% 1/2 Igual a moderada
40% 60% 1/3 Moderada
.
.
.
1/9 Extrema

101

Método visual

102
51
Facultad de Ingeniería y Ciencias Procedimiento
Para el análisis, primero nos enfocamos en determinar el peso de los criterios

de selección como sigue:
1.Construimos la matriz de comparación de pares

2.Normalizamos la matriz
3.Calculamos el Vector Prioridades VPr (Importancia de los criterios)
4.Calculamos el Vector Ponderado VPo
5.Calculamos el Vector Consistencia VC = VPo/VPr
6.Calculamos el promedio de Vector Consistencia λ
7.Calculamos el índice de consistencia de nuestro análisis CI
8.Calculamos el índice de consistencia aleatorio RI
9.Calculamos la razón de consistencia CR = CI/CR
10.Analizamos el resultado

103

Facultad de Ingeniería y Ciencias Comparación de criterios

104
52
Indicadores AHP
Índice de consistencia
 n
Entre más cerca sea el índice de consistencia al número de CI 
criterios, mejor será el análisis realizado. n 1
Índice aleatorio
La fórmula aproximada de RI se obtuvo de tablas de índices de
consistencia aleatorias, calculadas por Thomas L. Saaty en 1,98(n  2)
RI 
cerca de tres mil matrices en varios niveles generadas n
aleatoriamente. El valor de RI depende del número de criterios
n que están siendo comparados.
Razón de consistencia
Si CR ≤ 0.1 o sea el 10%, la matriz de pares comparada será CI
CR 
siempre consistente. En caso contrario, la matriz debe ser RI
mejorada.

105

Vamos a realizar el Taller
3.1 y 3.2 en grupos

106
53
Taller 3: puntos 3.1 y 3.2 para entregar
Con los compañeros del grupo, desarrolle las actividades 3.1 y 3.2 para
la Unidad de despachos del ejercicio 3 planteado en el Taller que se
encuentra en la plataforma. Utilice la plantilla Excel que se encuentra en
la plataforma.
Tiempo de ejecución: 30 minutos en clase

Fecha de entrega: 1 de febrero de 2023

107

¿Y CÓMO HACEMOS SEGUIMIENTO

INTEGRAL AL PROCESO?

108
54
Alineación y compromiso
Definidos los objetivos, viene el despliegue para que
cada área conozca su gestión y por ende, para dónde
va su empresa. Esto permite proveer elementos de
Meta
control y medida. Con el despliegue, cada quien
Reducir gastos
generales de QUÉ aporta valor en la suma de objetivos estratégicos
operación en un 2%. globales.↓
↓
1. Centrar esfuerzo Método → 1. Reducir gastos Meta
en línea Sección Z CÓMO mantenimiento QUÉ
2. Lograr disminuir oficinas Sección
desperdicios en… Z en un 5%.
↓
1. Concentrase en Método → 1. Iniciar revisión Meta
papelería área A CÓMO en oficinas QUÉ
2. Reducir el uso de… Director
/Secretaria
↓
Método →
1. Reducir
CÓMO
consumos de
fotocopias en…
↓
Jefe Departamento Jefe de Sección Supervisor ↓
Operario
109

Facultad de Ingeniería y Ciencias Matriz de seguimiento

110
55
Vas a desarrollar el Taller
3.3 individualmente

111

Taller 3: punto 3.3 para entregar
De forma individual, desarrolle la actividad 3.3 para la Unidad de

despachos del ejercicio 3 planteado en el Taller que se encuentra en la
plataforma al igual que la plantilla Excel.


112
56
¿Y CÓMO MEJORAMOS NUESTROS

PROCESOS?

113

Facultad de Ingeniería y Ciencias Cuestionamiento permanente
• ¿Por qué lo estamos haciendo?

• E.S.S.A: Más rápido, Mejor, Más barato
• Gerenciamiento Rutina diaria de trabajo o ADP
Ciclo de Control
Actuar Planear
Ruta de Calidad
Verificar Hacer
Gerencia de Procesos
GDP o ADP
114
57
Ruta de calidad: metodología de mejoramiento
Verbo
Definir
1 problema/proyecto
Qué
2 Describir situación
P Cuánto
3 Analizar el problema
Cuándo
4 Plantear acciones
Quién
5 Ejecutar acciones
H
6 Verificar logros
V
7 Estandarizar
A
8 Concluir

115

Bibliografía sugerida
Libro de consulta Capítulos

Schroeder, Roger; Goldstein, Susan; Rungtusanatham, Johnny.
1y2
Administración de operaciones. Quinta edición. Editorial Mc Graw Hill.
Render, Barry & Heizer, Jay. Principios de Administración de Operaciones.
1
Novena edición. Editorial Pearson.
Chase, Richard; Jacobs, Robert y Aquilano, Nicolás. Administración de
1y2
Operaciones. Doceava edición. Editorial Mc Graw Hill.
Nahmias, Steven. Análisis de la producción y las operaciones. Quinta
1
edición. Editorial Mc Graw Hill.
Krajewski, Ritzman y Malhotra. Administración de Operaciones. Décima
1
edición. Editorial Pearson.
Sunil Chopra & Peter Meindl. Administración de la cadena de suministro, 1 al 4 y
5ª edición 2013. Editorial Pearson. 18

116
58
Vas a realizar el Caso 1

117

Caso 1: McDonald’s Brasil
Del libro Administración de la cadena de suministro, 5ª edición 2013, de los

autores Sunil Chopra & Peter Meindl, lean el capítulo 18 Sustentabilidad y la
cadena de suministro cuyos apartes son 18.1 Rol de la sustentabilidad en una
cadena de suministro, 18.2 La tragedia de los comunes, 18.3 Métricas clave para
medir la sustentabilidad, 18.4 Sustentabilidad y elementos clave de la cadena de
suministro, 18.5 Cadenas de suministro de ciclo cerrado.
Con base en la lectura del capítulo de este libro y del caso de McDonald’s Brasil,
con otros dos compañeros del curso, desarrollar los puntos pedidos en el texto del
Caso 1 que se encuentra en la plataforma.


118
59
2
MODELOS DE REGRESIÓN Y
PRONÓSTICOS DE LA DEMANDA

119

Patrones de demanda
Trend Flow Demand
Surge Flow Demand
Tipo de demanda Wave Flow Demand
Base Flow Demand
La mezcla del inventario difiere entre diferentes tipos de negocio. Sugiere una
clasificación basada en la naturaleza dinámica del flujo de productos.
 Base Flow Products : Productos relativamente fáciles de gestionar porque su
demanda es estable y predecible. Se denomina también perpetua.
 Wave Flow Products : Típicos productos de demanda estacional. Demanda es
relativamente fácil predecir, puede variar durante el período de previsión.
 Trend Flow Products : Productos con tendencia en el tiempo.
 Surge Flow Products : Productos con una demanda muy discontinua, errática e
imprevisible.
120
60
Patrones de demanda
• El patrón de demanda más simple es el de demanda perpetua o estacionaria, la cual

se mantiene por largos períodos de tiempo y su fluctuación se mantiene dentro de
rangos “pequeños”.
• Otro factor de demanda ocurre cuando se esperan picos en determinadas épocas

del año, como es el caso de artículos de Navidad o productos relacionados con las
estaciones climáticas. Este patrón de demanda se denomina periódico o estacional.
• El patrón de demanda con tendencia, muestra un crecimiento o decrecimiento de la

demanda en el tiempo. Su tendencia puede ser formulada por modelos causales.
• El patrón de demanda errática tiene la característica de presentar grandes

variaciones a lo largo del tiempo, pasando de períodos de cero demanda a grandes
picos. La diferencia de entre este patrón y el periódico es que en el errático los picos
no son predecibles. Pueden existir patrones de demanda que varían de un período
a otro, como por ejemplo la demanda de cuadernos.

121

Gerencia de Operaciones Medición variabilidad demanda
Una forma práctica de determinar si una demanda es perpetua o errática

constituye en calcular el coeficiente de variación de la distribución de la
demanda, definido como:
Coeficiente de variación = Varianza de la demanda por periodo

Cuadrado demanda promedio por periodo
Si el coeficiente de variación es mayor o igual que 1, la demanda puede

catalogarse como errática. En caso contrario, la demanda puede
considerarse estacionaria o perpetua.

122
61
Gerencia de Operaciones Medición variabilidad demanda
El Cv se puede entonces calcular con la siguiente expresión:
n
n D 2j
j 1
CV  n
1
[  D j ]2
j 1
Donde Dj es la demanda pronosticada discreta para el periodo j y n es el
horizonte de planeación. Algunos autores sugieren la siguiente "prueba de
irregularidad":
•Si Cv < 0.25, se usa el modelo EOQ con D como la demanda estimada.
•Si Cv > 0.25, se usa un modelo de tamaño del lote dinámico.

123

Ejemplo medición variabilidad demanda
Se tienen los siguientes datos:
Demanda requerida*
Mes 1 2 3 4 5 6 7 8 9 10 11 12 Total
D 10 62 12 130 154 129 88 52 124 160 238 41 1200
Coeficiente de variación = 0.426 lo cual la hace no errática y se puede

usar un modelo de tamaño del lote dinámico.
*Fuente: VIDAL HOLGUIN, Carlos Julio. Fundamentos de Gestión

de Inventarios. Editor Universidad del Valle. Cali, 2010.
124
62
Gerencia de Operaciones Lineamientos de la variabilidad
Los siguientes lineamientos permiten profundizar en este concepto:
1.Demanda determinística y constante: Si la demanda mensual promedio

es, de manera aproximada constante y Cv es menor a 25%.
2.Demanda determinística variable: Si la demanda mensual promedio varía

y Cv es menor a 25%.
3.Demanda probabilística estacionaria: Si Cv es alto (mayor a 25%) pero

aproximadamente constante y menor de 100%.
4.Demanda probabilística no estacionaria errática: Si Cv y la demanda

mensual promedio varían apreciablemente mes a mes y es mayor a 100%.

125

Gestión de la Demanda
Reconocimiento de la demanda de los productos o servicios para satisfacer las

necesidades del mercado
PREVISIÓN GESTION DE PEDIDOS

Incertidumbre Certeza
GESTION DE LA
DEMANDA
•Demanda Independiente
•Demanda Dependiente. BOM Bill Of Materials/ BOR Bill Of Resources

126
63
Facultad de Ingeniería y Ciencias Pronósticos - Previsión
Es el proceso de estimación en situaciones de incertidumbre o riesgo. El

término predicción es similar, pero más general y usualmente se refiere a
la estimación de series temporales o datos instantáneos. Los pronósticos
son procesos críticos y continuos necesarios para obtener buenos
resultados durante la planificación de una empresa o un proyecto.
En esencia se busca:
 Reducir incertidumbre o riesgo.
 Anticipar cambios.
 Mejorar competitividad.
 Mejorar demanda.
 Controlar lead times (tiempos de entrega).
 Reducir costos.
 Disponer de buena información y comunicación .

127

Facultad de Ingeniería y Ciencias Pronósticos - Previsión
Los pronósticos se clasifican respecto al tiempo en:

1. De corto plazo: Se efectúa cada mes o menos y su tiempo de planeación es vigente
por un año. Se usa en programas y procesos de abastecimiento, producción,
asignación mano de obra a equipos de trabajadores.
2. De mediano plazo: Abarca entre seis meses a tres años. Este se utiliza para estimar
planes de ventas, producción, flujos de efectivo y elaboración de presupuestos.
3. De largo plazo: Se usa para tres o más años en planificación de nuevas inversiones,
lanzamiento de nuevos productos y tendencias tecnológicas de materiales, procesos y
productos, así como en la preparación de proyectos.
Pronósticos
Cualitativos Cuantitativos Mixtos
Intrínsecos- Series de tiempo Extrínsecos- Causales

128
64
Facultad de Ingeniería y Ciencias Pronósticos de la demanda
1. Determinar objetivo del pronóstico : Dónde se usa

2. Saber qué se pronostica: Productos, ventas, ingresos
3. Seleccionar periodo sobre el cual se hará pronóstico.
4. Realizar consideraciones respecto a base de datos
5. Seleccionar técnica de pronóstico a utilizar.
6. Obtener información sobre la que se basa pronóstico
7. Hacer prueba del modelo de pronóstico: Manual/ PC
8. Presentar oficialmente el pronóstico
9. Hacer seguimiento a los resultados

129

Facultad de Ingeniería y Ciencias Factores del pronóstico
Intuitivo • Dinero
• Tiempo
Pronóstico Simple • Personas
• Confianza
Complejo • Factores X

130
65
Facultad de Ingeniería y Ciencias Tipo de pronósticos
Pronóstico por juzgamiento

•Técnica Delphi
•Panel, opinión expertos
•Agregado de la fuerza de ventas
•Encuestas al cliente
Extensiones historia pasada

•Series de tiempo
Modelos de pronóstico causal

•Distribuciones
•Funciones especiales, P(X) = f (N, λ, µ)

131

Algunos métodos
•Análisis de regresión lineal simple

•Análisis de regresión múltiple
•Pronóstico por promedio
•Pronóstico promedio móvil simple
•Pronóstico promedio móvil ponderado
•Índices estacionales
•Suavizado exponencial sin tendencia
•Suavización exponencial con tendencia
•Otros métodos
132
66
ANÁLISIS DE REGRESIÓN LINEAL:

MÉTODO CAUSAL

133

Los datos y la dispersión
Uno de los aspectos más relevantes de la estadística es el análisis de la

relación o dependencia entre variables. Frecuentemente resulta de interés
conocer el efecto que una o varias variables pueden causar sobre otra, e
incluso predecir en mayor o menor grado valores en una variable a partir de
otra.
Utilidad
Las aplicaciones son numerosas y ocurren en todos los campos como la
ingeniería, ciencias económicas, ciencias biológicas y de la salud así como
también las ciencias sociales. Por ejemplo, el calor de una planta puede
influir significativamente en la productividad de los operarios de
producción. Podríamos estar interesados en estimar la productividad media
de los operarios en cada turno.

134
67
Sistemas Gerenciales de Ingeniería Diagramas de dispersión
El diagrama de dispersión es una

gráfica simple entre dos variables
Y cuyo objetivo es visualizar el tipo
y grado de relación entre estas
dos variables.
•Herramienta para análisis de datos bivariados (Características de calidad

entre si o con factores)
•Proporciona posibilidad reconocer relaciones Causa – efecto
•Hace fácil el reconocimiento visual de correlaciones
•Ayuda a determinar relaciones dinámicas o estáticas
•Indica si dos variables (factores o características de calidad) están
relacionados

135

Para construir diagrama
1. Recolecte parejas de datos (X, Y)

X 2. Diseñe escalas apropiadas para ejes
3. Grafique los datos
4. Documente el diagrama
5. Análisis visual
6. Análisis matemático: Regresión lineal y
cálculo del coeficiente de correlación r
Y

136
68
Ejemplo
La universidad dispone de programas de promoción de sus carreras en

los Colegios de la ciudad de Cali y ha observado que el volumen de
inscripciones cada semestre pareciera ser que depende del número de
visitas realizadas.
1000
Visitas Inscripciones 900
realizadas 800
3 600 700
Inscripciones
600
4 800
500
6 900 400
300
4 500
200
2 450 100
5 950 0
0 2 4 6 8
Visitas realizadas

137

Facultad de Ingeniería y Ciencias Tipos de gráficas de regresión lineal
Y Y
X X
Directa perfecta Directa
Y Y
Nula X Inversa X

138
69
Facultad de Ingeniería y Ciencias Tener en cuenta con las gráficas que…
1. Aunque se aprecie visualmente una relación fuerte, no

necesariamente indica relación de causa efecto entre las dos
variables. La relación causa efecto se obtiene con el
conocimiento del proceso.
2. Si no se aprecia una relación significativa, puede deberse a

que realmente no exista correlación, o que la cantidad de
datos y/o el rango de los datos sea insuficiente.

139

Facultad de Ingeniería y Ciencias Causalidad y casualidad
Casualidad
Combinación de circunstancias que no se pueden prever ni evitar y que
caracteriza a los acontecimientos imprevistos. Suceso imprevisto,
fortuito e impensado. Ganar fue una casualidad, sería un ejemplo.
Serendipia, suerte, fortuna, coincidencia, eventualidad, accidente y
chiripa son algunos de sus sinónimos.
Causalidad
Relación o vinculación entre una causa y su efecto o resultado de una
cosa. Conjunto de cosas que causan algo. Filosóficamente hablando, es
una ley en virtud de la cual se producen efectos. Una epidemia por
ejemplo, es causada por alguna razón. Causa, principio, origen y
explicación son algunos de los sinónimos

140
70
Por lo tanto…
Causalidad implica una relación de causa efecto entre las variables,

casualidad no.
Ejemplo: La relación entre la potencia disipada por un bombillo

incandescente vs la cantidad de luz emitida por el, es del tipo causal, es
decir, existe una relación física de causa-efecto, mientras que un estudio
realizado en Inglaterra sobre la relación entre el número de nacimientos
de personas y el aumento de la población de cigüeñas durante un
periodo de varios años, resultó una relación directamente proporcional y
muy fuerte…¡por casualidad!
Cuando no existe causalidad, el modelo no se puede usar para

controlar el proceso pero si para predecirlo

141

MODELO DE REGRESIÓN LINEAL SIMPLE

142
71
Facultad de Ingeniería y Ciencias ¿Qué estudia?
El análisis de regresión estudia la construcción de modelos para

explicar o representar la dependencia entre una variable respuesta o
dependiente Y versus la variable explicativa o independiente X.
En general hay tres propósitos en los modelos de regresión:
1. Descripción, para entender las relaciones entre variables
2. Predicción y estimación, es decir el valor de una variable con

base en el valor de otra.
3. Como control, para obtener cierta respuesta deseada del proceso

143

Regresión lineal simple
Cualquier modelo de regresión se supone implícitamente, y se puede probar,

que existe relación entre las variables. También hay un error aleatorio que no
se puede predecir. El modelo básico esta determinado por:
Y = β0 + β1X + e
Donde
Y = variable dependiente (variable de respuesta)
X = variable independiente (variable explicativa o predictiva)
β0= intersección (ordenada de origen o sea valor de Y cuando X=0)
β1= pendiente de regresión lineal. Es el cambio en la media de Y por cada
cambio unitario de X
e = error alcanzado = valor real – valor pronosticado e  Y  Yˆ

144
72
Regresión lineal: método causal
Y Desviación Ecuación de regresión

o error
Estimación de Yˆ  b0  b1 X
Y desde la
ecuación de
regresión
{
Variable dependiente
Valor actual de Y
Valor de X usado
para estimarY
X
Variable independiente
145

Facultad de Ingeniería y Ciencias Error y mínimos cuadrados
Como los errores son positivos o negativos, el error promedio debe ser
cero aunque haya errores muy grandes. Por lo tanto, para eliminar la
dificultad de que los errores negativos cancelen a los positivos, se
elevan al cuadrado. Esto nos genera la mejor regresión y por ello
también este análisis es conocido como el método de regresión de
mínimos cuadrados. La ecuación de regresión lineal simple es:
Yˆ  b0  b1 X
Donde:
Yˆ = valor pronosticado de Y
b0 = estimación de β0, según los resultados de la muestra
b1 = estimación de β1, según los resultados de la muestra

146
73
Facultad de Ingeniería y Ciencias Ecuación Regresión Lineal: mínimos cuadrados
X 
X Promedio de los valores de X
n
Y 
Y Promedio de los valores de Y
n
Yˆ  b0  b1 X
b0  Y  b1 X
b1 
 ( X  X )(Y  Y )
(X  X ) 2
La universidad cree que el próximo semestre tendrá 550 inscritos y la Oficina de

promoción quiere planear las visitas de acuerdo con eso. Las cifras asociadas en los
últimos semestres están en la tabla antes mostrada. ¿Cuál sería el modelo que
mejor se ajusta a esta situación?
147

Para el ejemplo de la Universidad
Visitas Inscripciones
realizadas
X Y
3 600 1 100
4 800 0 0
6 900 4 400
4 500 0 0
2 450 4 500
5 950 1 250
∑ 24 4200 10 1250
Promedio 4 700
b1 
 ( X  X )(Y  Y )  1250  125
(X  X ) 10 2
b0  Y  b1 X  700  (125)(4)  200
Entonces la ecuación de regresión estimada es: Yˆ  200  125 X

Que equivale a decir:
Inscripciones = 200 + 125*Visitas

148
74
Medición del ajuste del modelo de regresión
1000
900
800
Inscripciones
700
600
500
400
300
200
100
0
0 1 2 3 4 5 6 7
Visitas realizadas
• ¿Cómo sabemos que el modelo realmente ayuda a predecir Y con base en X?
• ¿Deberíamos tener confianza en este modelo?
• ¿Da las mejores predicciones (menores errores) que tan solo utilizar el
promedio de los valores de Y?

149

Suma de cuadrados SCT, SCE y SCR
Para el ejemplo de las inscripciones de la universidad, si cada valor de las inscripciones se

compara con el promedio, se puede ver cuánto se desvía el dato del promedio y así
calcular una medida de la variabilidad total de las inscripciones.
Como Y es a veces mayor o menor que su promedio, puede

haber desviaciones positivas y negativas y si se suman estas
 Y  Y 
2
desviaciones podría generarse un gran error. Para evitarlo, se SCT 
calcula el cuadrado de estas desviaciones y así surge la suma
de cuadrados total SCT para medir la variabilidad total de Y.
Como la recta de regresión se usa para predecir el valor de Y,

 e  Y  Yˆ 
2
aunque hay errores, la suma de los cuadrados de estos errores SCE  2
SCE < SCT

Emplear la línea de regresión reduce la variabilidad en la suma
 Yˆ  Y 
2
de cuadrados y se llama suma de cuadrados debida a la SCR 
regresión SCR

150
75
Facultad de Ingeniería y Ciencias SCT, SCE y SCR para el caso de la universidad
Visitas realizadas Inscripciones

Y  Y 
2
Yˆ  200  125X Y  Ŷ  Yˆ  Y 
2 2
X Y
3 600 10000 575 625 15625
4 800 10000 700 10000 0
6 900 40000 950 2500 62500
4 500 40000 700 40000 0
2 450 62500 450 0 62500
5 950 62500 825 15625 15625
∑ 24 4200 225000 68750 156250
Promedio 4 700
SCT SCE SCR
Hay una relación muy importante entre las sumas de los cuadrados calculados:
SCT = SCR + SCE

151

Facultad de Ingeniería y Ciencias Coeficiente de determinación
SCR es referida como la variabilidad explicada en Y, por su parte a la SCE

como la variabilidad no explicada en Y. La proporción de la variabilidad
en Y que se explica por la ecuación se llama coeficiente de
determinación y se denota con r2
SCR SCE
r2   1
SCT SCT
El valor de r2 oscila entre 0 y 1 (0% al 100%) y se estima que un buen

modelo de regresión tendrá valores de r2 cercanos a 1 (100%)

152
76
Facultad de Ingeniería y Ciencias Coeficiente de determinación
Para el caso de la universidad:
156250
r2   0,6944
225000
Esto significa que aproximadamente el 69,5% de la variabilidad en

las inscripciones Y se explica por la ecuación de la regresión basada
en el número X de visitas a colegios

153

Coeficiente de correlación
Esta medida está relacionada con el coeficiente de determinación y se conoce

también como el coeficiente de correlación entre las variables. Expresa el grado o
fuerza de la relación lineal. En general se expresa como r y es conocido como el
coeficiente de Pearson. Su valor oscila entre -1 y + 1.
Se puede calcular sacando la raíz cuadrada r2 o por fórmulas así:
 Y  2
S (YY )   Yi 2  n
i
r
S ( XY )
S ( XX )   X i2 
 X i
2
S ( XX ) S (YY ) n
S ( XY )   X iYi 
 X  Y  i i

154
77
Sistemas Gerenciales de Ingeniería Interpretación del Coeficiente
Valor del
Correlación
coeficiente
0.8  r  1.0 Fuerte, positiva Para el caso de las inscripciones en la U
r = 0,8333
0.3 < r < 0.8 Débil, positiva
-0.3  r  0.3 No existe relación
-0.8 < r < -0.3 Débil, negativa
-1.0  r  -0.8 Fuerte, negativa
1000
900
800
Inscripciones
700
600
500
400
300
200
100
0
0 1 2 3 4 5 6 7
Visitas realizadas

155

Taller para practicar
Ahora, vamos a repasar cómo se corre una regresión en Excel. Para ello
utilizaremos el ejercicio que acabamos de hacer. Use la plantilla Excel
Regresión Lineal que se encuentra en la plataforma, y abra la pestaña
UNIVERSIDAD. Al terminar, verifiquemos su resultado con el del profesor.
Tiempo de ejecución: 10 minutos.

156
78
Facultad de Ingeniería y Ciencias Uso de Excel para regresión lineal
Coeficientes correlación y determinación
La SCR, SCE y SCT se muestran en La columna

Suma de cuadrados de la tabla ANIOVA
Los coeficientes de la
ecuación de la regresión
están dados en esta columna

157

Taller 4 para entregar Parte A
Con otros dos compañero del curso, desarrolle el taller 4 que está
planteado en los Talleres de la asignatura. Los datos del ejercicio están
en la plantilla Taller 4 Regresión Lineal en Excel que se encuentra en la
plataforma. Haga el análisis dando respuesta a las preguntas formuladas
en la parte A. NO LO ENVÍEN AÚN.

158
79
SUPUESTOS DEL MODELO DE REGRESIÓN

PRUEBAS DE SIGNIFICANCIA

159

Supuestos del modelo de regresión
Si podemos hacer ciertos supuestos acerca de los errores en un modelo

de regresión, podremos realizar pruebas estadísticas para determinar si
el modelo es útil. Los supuestos son los siguientes:
1. Los errores son independientes

2. Los errores siguen una distribución normal
3. Los errores tienen una media de cero
4. Los errores tienen una varianza constante (sin importar el valor de X)

160
80
Facultad de Ingeniería y Ciencias Análisis de residuos
Entonces, de acuerdo con los supuestos del modelo de regresión:
 Es posible entonces validar los datos para saber si estos supuestos

se cumplen. Para ello una gráfica de los errores (residuos) resaltará
cualquier violación evidente de dichos supuestos.
 Cuando los errores (residuos) se grafican contra la variable

independiente X, debería aparecer un patrón adecuado

161

Facultad de Ingeniería y Ciencias Patrones de errores típicos
Patrón de errores que indican aleatoriedad

Significa que se cumplen las suposiciones y el
modelo es adecuado. Los errores son aleatorios y
no se observa un patrón discernible.
Varianza del error no constante

En esta gráfica se refleja el patrón donde los
errores aumentan cuando X crece, lo cual viola el
supuesto de varianza constante.
Errores que indican que la relación no es lineal

La figura nos muestra errores que primero
aumentan y luego disminuyen de manera
consistente. Este patrón indica que el modelo no
es lineal y debería usarse otro modelo (cuadrático)
Fuente de imágenes: Render, Métodos cuantitativos pata negocios

162
81
Facultad de Ingeniería y Ciencias Otros ejemplos reales
Residuos
Residuos
X
X
Patrón de errores que indican aleatoriedad Varianza del error no constante
Residuos
X
Errores que indican que la relación no es lineal

163

Facultad de Ingeniería y Ciencias Estimación de la varianza

164
82
Prueba de significancia del modelo
‒ El EMC y r2 proporcionan una medida de la exactitud del modelo de

regresión.
‒ Con muestras pequeñas, los valores normalmente son buenos para

estas dos medidas, aun cuando no exista una relación entre las
variables en el modelo de regresión
‒ Para saberlo se prueba la significancia (valor critico) del modelo

mediante una prueba de hipótesis estadística

165

Significancia del modelo: prueba de hipótesis
El modelo lineal fundamental es:
Y = β0 + β1X + e
Entonces:
Si, β1=0, Y no depende de X de ninguna manera. La hipótesis nula indica que
no hay una relación lineal entre las variables.
La hipótesis alternativa β1≠ 0 indica que existe una relación de linealidad.
Si la hipótesis nula se puede rechazar, entonces, se demuestra que si existe

una relación lineal, de manera que la variable X es útil para predecir la
variable Y.
La distribución F se utiliza para probar esta hipótesis

166
83
Facultad de Ingeniería y Ciencias Estadístico F
La regresión media cuadrada es:

SCR
RMC 
k
Donde, k= número de variables independientes en el modelo
El estadístico F usado en la prueba de hipótesis se calcula así

RMC
F
EMC
Con base en los supuestos respecto a los errores de regresión, el estadístico F
calculado está descrito por la distribución F con:
Grados de libertad para el numerador = df1 = k

Grados de libertad para el denominador = df2 = n-k-1
Los grados de libertad son la combinación del número de observaciones de un conjunto de datos que varían de
manera aleatoria e independiente, menos las observaciones que están condicionadas a estos valores arbitrarios.

167

Facultad de Ingeniería y Ciencias Nivel de significancia: valor - p
Matemáticamente, si existe poco error, EMC bajo (denominador) el

estadístico F será muy grande. Esto indica que el modelo será muy
útil.
Siempre que el valor de F sea grande, el nivel de significancia

denominado valor p, será bajo, lo cual nos indica que es muy
improbable que esto haya ocurrido al azar.
En resumen:
Si F es grande, con nivel de significancia bajo, rechazar

hipótesis nula de que no existe una relación lineal

168
84
Pasos de la prueba de hipótesis
para un modelo de regresión significativo
1. Especificar hipótesis nula y alternativa
Ho: β1=0
H1: β1≠ 0
2. Seleccionar nivel de significancia α. Los valores comunes son 1%, 5% y 10%.
3. Calcular el valor del estadístico usando la fórmula:
RMC
F
EMC

169

Facultad de Ingeniería y Ciencias Pasos de la prueba de hipótesis
Gerencia de Operaciones para un modelo de regresión significativo
4. Tomar una decisión usando uno de los siguientes métodos:
a) Rechazar hipótesis nula si el estadístico de prueba es mayor que el valor

de F en la tabla. De lo contrario, no rechazar la hipótesis nula.
F calculada > Fα,df1,df2

df1 = k
df2 = n-k-1
b) Por Análisis de varianza ANOVA, rechazar la hipótesis nula si el nivel de

significancia observado, o valor p, es menor que el nivel de significancia
α. De lo contrario, no rechazar
Valor – p = P(F> estadístico de prueba calculado) < α

170
85
Distribución F para α = 5%

171

Facultad de Ingeniería y Ciencias Prueba de hipótesis caso universidad
Entonces, para el caso de la universidad, vamos a verificar si la teoría “entre

más visitas se hagan, más inscritos tenemos”, ¡es válida!
1. Ho: β1=0 (no hay relación lineal entre X y Y)

H1: β1≠ 0 (existe una relación lineal entre X y Y)
2. Seleccionar nivel de significancia α = 0.05

RMC
3. Calcular el valor del estadístico usando la fórmula: F
EMC
SCE 68750
EMC    17187,5
n  k 1 6 11
RMC 156250
F   9.09
EMC 17187,5
SCR 156250
RMC    156250
k 1

172
86
Facultad de Ingeniería y Ciencias Prueba de hipótesis caso universidad 2
4. a) Rechazar hipótesis nula si el estadístico de prueba es mayor que el valor

de F en la tabla. De lo contrario, no rechazar la hipótesis nula.
df1 = k = 1
df2 = n-k-1 = 6 -1 - 1 = 4
De la tabla se obtiene F0.05,1,4 = 7.71 y como F calculada = 9,09
Se rechaza la hipótesis nula Ho porque 9.09 > 7,71.
Conclusión: Se tienen datos suficientes para concluir que existe una relación
estadísticamente significativa entre X y Y, de manera que el modelo es útil.
Como el coeficiente de determinación nos dio 0.69, podemos concluir que el
69% de la variabilidad de las inscripciones a la universidad (Y) está explicada por
el modelo de regresión que se basa en el número de visitas a colegios (X)

173

Distribución F para α = 5%

174
87
Prueba de hipótesis caso universidad 3

175

Facultad de Ingeniería y Ciencias ANOVA caso universidad 4
Un valor crítico de F (significancia F, valor p en el modelo

General) bajo (por ejemplo menor que 0,05) indica una
Relación significativa entre X y Y.
P(F>9,09) = 0,03934 < α (O,O5)

176
88
Taller 4 continuación Parte B
Con otro compañero del curso, complemente la parte B del taller 4 que
desarrollaron antes, haga énfasis en la significancia del modelo
encontrado. ¿Cómo demuestra si es bueno o no su modelo? Concluya al
respecto y presente un informe soportado por sus datos y cálculos.
Los datos del ejercicio están en la plantilla Taller 4 Regresión Lineal en
Excel que se encuentra en la plataforma y que ya habían desarrollado
previamente. Envíen su análisis completo.


177

MODELO REGRESIÓN LINEAL MÚLTIPLE

178
89
Facultad de Ingeniería y Ciencias Análisis de regresión múltiple
El modelo de regresión lineal múltiple es una extensión práctica del modelo

fundamental y por ende nos permite construir un modelo con varias variables
independientes:
Y = β0 + β1X1 + β2X2 +……+ βkXk + ϵ

Donde:
Y= variable dependiente (variable de respuesta)
Xi = i-ésima variable independiente (variable predictiva o explicativa)
β0= intersección (valor de Y cuando Xi=0, ordenada de origen
.k = número de variables independientes
ϵ = error aleatorio

179

Análisis de regresión múltiple
Para estimar los valores de estos coeficientes, se toma una muestra y se

desarrolla la siguiente ecuación:
Yˆ  b0  b1 X 1  b2 X 2  ...bk X k
Donde:
Yˆ = valor pronosticado de Y
b0 = intersección de la muestra (estimación de β0)
bi = coeficiente muestral de la i-ésima variable (estimación de βi,)

180
90
Facultad de Ingeniería y Ciencias Ejemplo regresión múltiple
Precio venta Antigüedad
Área (Pies2) Estado casa Una inmobiliaria desea analizar
($ millones) en años
algunas variables para ver si estas
95,0 1926 30 Buena afectan el valor de las viviendas
119,0 2069 40 Excelente según su área, antigüedad y
estado de la casa. Desarrolle el
124,8 1720 30 Excelente modelo asociado que involucre
135,0 1396 15 Buena las variables asociadas y valide la
hipótesis. Se asume que el precio
142,8 1706 32 Nueva de la casa sugerido (variable
145,0 1847 38 Nueva dependiente) está dependiendo
del área y la antigüedad de la
159,0 1950 27 Nueva misma (variables independientes)
165,0 2323 30 Excelente
182,0 2285 26 Nueva
183,0 3752 35 Buena Yˆ  b0  b1 X 1  b2 X 2
200,0 2300 18 Buena
211,0 2525 17 Buena
215,0 3800 40 Excelente
219,0
Álvaro Figueroa Cabrera 2023 1740 12 Nueva 181

Práctica en clase
De forma individual, corra la regresión para el caso de la inmobiliaria. Utilice

los datos de la plantilla Excel Regresión Lineal GO 2022 que se encuentra en
la plataforma. Use la pestaña CASA 1. Luego, compare con la que presenta el
profesor.
Tiempo de ejecución en clase: 5 minutos

182
91
Evaluación modelo regresión múltiple
Yˆ  146,6309  0,04382 X 1  2,8987 X 2
Coeficiente de determinación r2 Un valor de significancia

bajo para F, prueba que hay
una relación entre Y y al
menos una de las variables
independientes (X)
Los valores p se utilizan

para probar la significancia
De las variables individuales.
Coeficientes de la ecuación
183

Facultad de Ingeniería y Ciencias Variables binarias o ficticias
Todas las variables usadas hasta ahora han sido variables discretas o
continuas pero, existen casos donde una variable cualitativa en lugar de una
cuantitativa sería útil para predecir la variable dependiente Y.
A manera de ejemplos:
Años de antigüedad versus si la persona tiene o no estudios profesionales

Precio de la casa versus calidad estética de la casa
Como los atributos no son valor ni cantidad medible, se usan las variables
binarias o ficticias denotadas por:
X1 = 1 si la condición se cumple o es la mejor

X1 = 0 en caso contrario

184
92
Facultad de Ingeniería y Ciencias Para el ejemplo entonces
Creamos dos nuevas variables a saber:
X3 = 1 si la condición de la casa es excelente

X4 = 1 si la condición de la casa es nueva
Si llegase a resultar que X3 y X4 = 0 se deduce que la casa no puede estar ni

excelente ni nueva, por lo cual solo le queda estado bueno la casa.
A la tabla inicial se le adicionan dos columnas como se muestra a

continuación.

185

Facultad de Ingeniería y Ciencias Tabla de datos para el ejemplo de las casas
Yˆ  b0  b1 X 1  b2 X 2  b3 X 3  b4 X 4
Precio venta ($ Pies X3 X4 Estado

Antigüedad
millones) cuadrados Excelente Nueva casa
95,0 1926 30 0 0 Buena
119,0 2069 40 1 0 Excelente
124,8 1720 30 1 0 Excelente
135,0 1396 15 0 0 Buena
142,8 1706 32 0 1 Nueva
145,0 1847 38 0 1 Nueva
159,0 1950 27 0 1 Nueva
165,0 2323 30 1 0 Excelente
182,0 2285 26 0 1 Nueva
183,0 3752 35 0 0 Buena
200,0 2300 18 0 0 Buena
211,0 2525 17 0 0 Buena
215,0 3800 40 1 0 Excelente
219,0 1740 12 0 1 Nueva
186
93
Práctica en clase
De forma individual, corra la regresión para el caso de la universidad. Utilice

los datos de la plantilla Excel Regresión Lineal GO 2022 que se encuentra en
la plataforma. Esta plantilla tiene cuatro pestañas. Use la pestaña CASA 2.
Luego, compare con la que presenta el profesor.

187

Facultad de Ingeniería y Ciencias Estadísticas de la regresión de las casas
Coeficiente negativo,
Un valor de significancia
bajo para F, prueba que el
modelo es útil
Las variables individualmente son

Útiles porque los valores –p de cada
Una son bajos (mucho menor del 5%)

188
94
Facultad de Ingeniería y Ciencias Coeficiente de determinación ajustado
Al desarrollar un buen modelo de regresión, se identifican las variables

independientes y se seleccionan para incluirlas en el modelo.
El modelo estadísticamente mejor es aquel con pocas variables y r2 alta
Entre más variables se agreguen crecerá r2 pero no podrá disminuir., lo

cual es tentador pero no recomendable
Se debe entonces calcular un valor ajustado de r2 (en lugar de r2)
SCR SCE
r2   1
SCT SCT
SCE /(n  k  1)
r 2 ajustada  1 
SCT ( n  1)

189

Facultad de Ingeniería y Ciencias Colinealidad y multicolinealidad
Cuando una variable independiente se correlaciona con otra variable

independiente se dice que son variables colineales.
Si una variable independiente se correlaciona con una combinación de

otras variable independientes se dice que existe la condición de
multicolinealidad.
Para el ejemplo, el número de alcobas y el número de baños podrían

relacionarse con el precio de venta y están correlacionadas entre si con el
tamaño o área de la casa pero podrían resultar redundantes y duplicaría
la información creando ruido al modelo

190
95
Con otro compañero del curso, desarrolle el ejercicio 5 planteado en el

Taller. Para los datos, utilice la plantilla Excel 5 que se encuentra en la
plataforma. Haga un informe completo para la Gerencia de la empresa.


191

MODELO DE REGRESIÓN NO LINEAL

192
96
Facultad de Ingeniería y Ciencias Regresión no lineal
Hasta ahora hemos visto modelos lineales. Sin embargo, en ocasiones

existen relaciones no lineales entre variables.
Se pueden crear algunas transformaciones de variables sencillas para

crear un modelo aparentemente “lineal” a partir de una relación no
lineal.
A partir de la transformación se puede usar el modelo visto y el

aplicativo Excel para su comprensión y análisis.

193

Facultad de Ingeniería y Ciencias Transformación de datos Box Cox
Esta transformación recibe el nombre de los estadísticos George E. P.

Box y David Cox (1964) propusieron una familia de funciones de potencia
para la variable de respuesta con el objetivo de garantizar el cumplimiento
de todos los supuestos de un modelo lineal, es decir:
Y ∼ N(Xβ, σ2)
Estas transformaciones combinan el objetivo de encontrar una relación
simple, con homogeneidad de varianzas, mejorando la normalidad.
Las transformaciones Box-Cox son del tipo potencial. Se utilizan

en estadística para corregir sesgos en la distribución de errores, para corregir
varianzas desiguales (para diferentes valores de la variable predictora) y
principalmente para corregir la no linealidad en la relación (mejorar
correlación entre las variables).

194
97
Facultad de Ingeniería y Ciencias Ejemplo de regresión no lineal
Se seleccionan 12 automóviles nuevos para analizar el rendimiento en millas

por galón MPG y el peso del carro en libras. Los datos son:
MPG Peso (1000 lb) MPG Peso (1000 lb)

12 4,58 20 3,18
13 4,66 23 2,68
15 4,02 24 2,65
18 2,53 33 1,70
19 3,09 36 1,95
19 3,11 42 1,92

195

Práctica en clase
De forma individual, corra la regresión para el caso del carro. Utilice los
datos de la plantilla Excel Regresión Lineal GO 2022 que se encuentra en la
plataforma. Esta plantilla tiene cuatro pestañas. Use la pestaña CARRO 1.

196
98
Facultad de Ingeniería y Ciencias Modelo lineal
Yˆ  47,62  8,24 X 1
MPG = 47,62 – 8,24*PESO (lb)

197

Facultad de Ingeniería y Ciencias Modelo lineal

198
99
Modelo No lineal
Aunque el nivel de significancia en el modelo lineal es pequeño y que bien

podría asumirse, se ve gráficamente que no hay una linealidad sino una curva
que lo hace No lineal.
El modelo no lineal sería:
Yˆ  b0  b1 ( peso)  b2 ( peso) 2
Pero podemos definir una nueva variable X2 = (peso)2

La ecuación quedaría así:
Yˆ  b0  b1 X 1  b2 X 2

199

Facultad de Ingeniería y Ciencias Ejemplo de regresión no lineal
Para los 12 automóviles se tendría:
Peso Peso al Peso Peso al

MPG MPG
(1000 lb) cuadrado (1000 lb) cuadrado
12 4,58 20,98 20 3,18 10,11
13 4,66 21,72 23 2,68 7,18
15 4,02 16,16 24 2,65 7,02
18 2,53 6,40 33 1,70 2,89
19 3,09 9,55 36 1,95 3,80
19 3,11 9,67 42 1,92 3,69

200
100
Práctica en clase
De forma individual, corra la regresión para el caso del carro. Utilice los
datos de la plantilla Excel Regresión Lineal GO 2022 que se encuentra en la
plataforma. Esta plantilla tiene cuatro pestañas. Use la pestaña CARRO 2.

201

Facultad de Ingeniería y Ciencias Resultados del modelo No lineal

202
101
Facultad de Ingeniería y Ciencias Modelos lineal y no lineal

203

Facultad de Ingeniería y Ciencias Con base en los resultados…
1. ¿Cuál es la ecuación del modelo?
2. ¿Mejoró el nivel de significancia?
3. ¿Qué pasó con el coeficiente de correlación?
4. ¿Qué pasó con el coeficiente de determinación?
5. ¿Qué pasó con el coeficiente de determinación ajustado?
6. El modelo, ¿es mejor que el anterior?
Modelo lineal Modelo No lineal
MPG = 47,62 – 8,24*PESO (lb) MPG = 79,78 – 30,22*PESO (lb) + 3,41*PESO 2 (LB2)

204
102
ANÁLISIS DE SERIES DE TIEMPO

205

Facultad de Ingeniería y Ciencias Series de tiempo
Por serie de tiempo nos referimos a datos estadísticos que se recopilan,

observan o registran en intervalos de tiempo regulares (diario, semanal,
semestral, anual, entre otros). El término serie de tiempo se aplica a
datos registrados en forma periódica que muestran, por ejemplo, las
ventas anuales totales de la empresa, el valor trimestral de toneladas
producidas, el valor mensual del desperdicio, etc.

206
103
Promedio móvil
450 —
430 —
Customer arrivals
410 —
390 —
370 — Actual customers arrivals
| | | | | |
0 5 10 15 20 25 30
Week
207

Promedio móvil
450 — Patient
Customer
Week Arrivals
Week Arrivals
430 — 1 400
1 400
2 380
2 380
Customer arrivals
410 — 3 411
3 411
390 —
411 + 380 + 400
F4 =
370 — 3
Actual patient
arrivals
| | | | | |
0 5 10 15 20 25 30
Week

208
104
Promedio móvil ponderado
Ft+1 = SX t
t
I=1
F = 3M1 + 2M2 + M3
6
Otra forma sería :
F = 5M1 + 3M2 + 2M3

10

209

Ejemplo promedio móvil
Periodo Demanda Pronóstico Pronóstico móvil

actual móvil de 3 ponderado 3
Periodos periodos (2,3,4)
Enero 90
Febrero 106
Marzo 152
Abril 110 ? ?
Mayo 125
Junio 94
Julio 162
Agosto 194
Septiembre 198
Octubre 107
Noviembre 133
Diciembre 126

210
105
PRONÓSTICOS ESTACIONALES

211

Índices estacionales
•Muchas organizaciones tienen demandas estacionales

•Los patrones estacionales son movimientos
ascendentes/descendentes y se repiten con
regularidad. Hay varios métodos para tratar este tema.

212
106
Facultad de Ingeniería y Ciencias Método estacional multiplicativo
1. Para cada año calcule la demanda promedio por estación

2. Calcule el índice estacional para cada estación del año
3. Calcule índice estacional promedio
4. Calcule el pronóstico de cada estación

213

Paso 1- cálculo demanda promedio estación
Supongamos una empresa que realiza servicios de aseo de alfombras, necesita

un pronóstico trimestral del número esperado de clientes para el año siguiente.
Se desea el pronóstico trimestral con base en una demanda estimada de 2600
clientes.
Trimestre Año 1 Año 2 Año 3 Año 4 Año 5

1 45 70 100 100 ?
2 335 370 585 725 ?
3 520 590 830 1160 ?
4 100 170 285 215 ?
Total 1000 1200 1800 2200 2600
Promedio 250 300 450 550 650

214
107
Facultad de Ingeniería y Ciencias Paso 2- cálculo índice estacional
Trimestre Año 1 Año 2 Año 3 Año 4

1 45/250=0,18 70/300=0,23 100/450=0,22 100/550 = 0,18
2 335/250=1,34 370/300=1,23 585/450=1,30 725/550 = 1,32
3 520/250=2,08 590/300=1,97 830/450=1,84 1160/550 = 2,11
4 100/250=0,40 170/300=0,57 285/450=0,63 215/550 = 0,39

215

Facultad de Ingeniería y Ciencias Paso 3- cálculo índice estacional promedio
Trimestre Índice estacional promedio

1 (0,18 + 0,23 + 0,22 + 0,18)/4 = 0,20
2 (1,34 + 1,23 + 1,30 + 1,32)/4 = 1,30
3 (2,08 + 1,97 + 1,84 + 2,11)/4 = 2,00
4 (0,40 + 0,57 + 0,63 + 0,39)/4 = 0,50

216
108
Facultad de Ingeniería y Ciencias Paso 4- cálculo pronóstico de cada estación
Índice estacional Pronóstico

Trimestre Año 5
promedio clientes
1 650 0,20 130
2 650 1,30 845
3 650 2,00 1300
4 650 0,50 325
Total 2600 2600

217

Con otros dos compañero del curso, desarrollen el ejercicio 6 planteado en

el Taller que se encuentra en la plataforma. Para los datos, utilice la plantilla
Excel 6. Haga un informe completo para la Gerencia de la empresa.


218
109
MODELO SUAVIZACIÓN EXPONENCIAL

219

Suavización exponencial
Ft+1 = Ft + (Dt - Ft)
Ft+1 = Dt + (1-  )Ft
450 — Coeficiente suavización exponencial

α = 0.10
430 —
Ventas en miles de unidades
Ft +1 = Ft + α (Dt – Ft )
410 —
390 —
F4 = 392.1
D4 = 415
370 —
F4 = 392.1 F5 = 394.4
| | | | | |
0 5 10 15 20 25 30
Semana
220
110
TRACKING SIGNAL
INDICADORES DE PRONÓSTICO

221

Indicadores de los pronósticos
Medidas del error de pronóstico
Et  Dt  Ft
CFE = SE
S (E – E )
t
2
t
MSE =
SE 2
t
= n–1
n
MAD =
S |E | t
MAPE =
S[ |E | (100) ] / D
t t
n n
CFE = Suma acumulada de errores de pronóstico

MSE= Cuadrado del error medio
MAD= Desviación media absoluta
MAPE= Error porcentual medio absoluto
222
111
Porcentaje
Error Error Absoluto
Mes Demanda Forecast Error Cuadrado Absoluto Error
t Dt Ft Et Et2 |Et| (|Et|/Dt)(100)
1 200 225 -25 625 25 12.5%

2 240 220 20 400 20 8.3
3 300 285 15 225 15 5.0
4 270 290 –20 400 20 7.4
5 230 250 –20 400 20 8.7
6 260 240 20 400 20 7.7
7 210 250 –40 1600 40 19.0
8 275 240 35 1225 35 12.7
Total –15 5275 195 81.3%

223

Gerencia de Operaciones Indicadores de los pronósticos
Medidas del error
CFE = – 15 Error Error % Absoluto

Month, Demand, Forecast, Error Cuadrado Absoluto Error
t Dt Ft Et Et2 |Et| (|Et|/Dt)(100)
1 200 225 –25 625 25 12.5%

2 240 220 20 400 20 8.3
3 300 285 15 225 15 5.0
4 270 290 –20 400 20 7.4
5 230 250 –20 400 20 8.7
6 260 240 20 400 20 7.7
7 210 250 –40 1600 40 19.0
8 275 240 35 1225 35 12.7
Total –15 5275 195 81.3%

224
112
Medidas del error

Month, Demand, Forecast, Error, Cuadrado, Absoluto, Error,
– 15 D
E =t = t– 1.875Ft Et Et2 |Et| (|Et|/Dt)(100)
1
8 200 225 –25 625 25 12.5%
2 240 220 20 400 20 8.3
3 300 285 15 225 15 5.0
4 270 290 –20 400 20 7.4
5 230 250 –20 400 20 8.7
6 260 240 20 400 20 7.7
7 210 250 –40 1600 40 19.0
8 275 240 35 1225 35 12.7
Total –15 5275 195 81.3%

225

Medidas del error

Month, Demand, Forecast, Error, Cuadrado, Absoluto, Error,
– 15 Dt
E t= Ft Et E t2 |Et| (|Et|/Dt)(100)
= – 1.875
1 8 200 225 –25 625 25 12.5%
2 240 220 20 400 20 8.3
3 5275
300 285 15 225 15 5.0
MSE4 = = 659.4
8270 290 –20 400 20 7.4
5 230 250 –20 400 20 8.7
6 260 240 20 400 20 7.7
7 210 250 –40 1600 40 19.0
8 275 240 35 1225 35 12.7
Total –15 5275 195 81.3%

226
113
Medidas del error

– 15 Dt
E t= Ft
= – 1.875 Et Et2 |Et| (|Et|/Dt)(100)
1 8 200 225 –25 625 25 12.5%

2 240 220 20 400 20 8.3
3
5275
300 285 15 225 15 5.0
MSE = = 659.4
4 8270 290 –20 400 20 7.4
5 230 250 –20 400 20 8.7
6  = 27.4
260 240 20 400 20 7.7
7 210 250 –40 1600 40 19.0
8 275 240 35 1225 35 12.7
Total –15 5275 195 81.3%

227

Medidas del error

– 15
E =t =D–t 1.875 Ft Et Et2 |Et| (|Et|/Dt)(100)
8
1 200 225 –25 625 25 12.5%
2 5275240 220 20 400 20 8.3
MSE =3 300 = 659.4
285 15 225 15 5.0
4 8 270 290 –20 400 20 7.4
5 230 250 –20 400 20 8.7
6  = 27.4
260 240 20 400 20 7.7
7 210 250 –40 1600 40 19.0
8 195275 240 35 1225 35 12.7
MAD = = 24.4
8 Total –15 5275 195 81.3%

228
114
Medidas del error

Month, Demand, Forecast Error Cuadrado Absoluto Error
– 15 Dt
E =t = – 1.875 Ft Et Et2 |Et| (|Et|/Dt)(100)
1 8 200 225 –25 625 25 12.5%

2 240 220 20 400 20 8.3
3
5275300 285 15 225 15 5.0
MSE = = 659.4
4 8 270 290 –20 400 20 7.4
5 230 250 –20 400 20 8.7
6  = 27.4
260 240 20 400 20 7.7
7 210 250 –40 1600 40 19.0
8 195275 240 35 1225 35 12.7
MAD = = 24.4
8 Total –15 5275 195 81.3%
MAPE= 81.3/8 =10.2%

229

Señales de rastreo (Tracking Signals)
CFE
Tracking signal =
MAD
Fuera de control
+2.0 — Límite de Control
+1.5 —
+1.0 —
Tracking signal
+0.5 —
0—
–0.5 —
–1.0 —
–1.5 — Límite de Control
| | | | |
0 5 10 15 20 25
Número de observaciones
230
115
Señales de rastreo (Tracking Signals)
Es una medida que indica si un método de pronóstico esta previendo con precisión los
cambios reales de la demanda. La señal de rastreo mide el número de las MAD
representadas por la suma acumulada de los errores de pronóstico, es decir, la CFE. La
CFE tiende a ser 0 cuando se utiliza un sistema de pronóstico correcto. La fórmula de la
señal de rastreo es:
CFE
Tracking signal =
MAD
En cada periodo, la CFE y la MAD se actualizan para que reflejen el error actual y se
compara las señal de rastreo con ciertos límites predeterminados. La MAD se puede
calcular como el promedio simple de todos los errores absolutos, como en el ejemplo
anterior.
Si los errores de pronóstico están distribuidos normalmente con una media de 0, la

relación entre la y la MAD es:
MAD = 0,8σ
Para que un pronóstico esté “bajo control” , se espera que al menos el

89% de los errores esté dentro de los límites de +/– 2MAD
231

Vista global del análisis de pronósticos

232
116
Gerencia de Operaciones Tracking Signals
La realidad
excede
pronóstico
La realidad es
inferior
pronóstico

233


Schroeder, Roger; Goldstein, Susan; Rungtusanatham, Johnny.
11
Administración de operaciones. Quinta edición. Editorial Mc Graw Hill.
4
15
2
14
Vidal, Carlos Julio, Fundamentos de control y gestión de inventarios.
3
Primera Edición. Editorial Universidad del Valle.
Sipper, Danile; Bulfin Robert. Planeación y control de la producción.
3
Segunda Edición, Editorial Mc Graw Hill.

234
117
Taller 7 para practicar
Con otro compañero del curso, desarrolle el ejercicio 7 planteado en el

Taller. Para los datos, utilice la plantilla Excel 7 que se encuentra en la
plataforma.


235

3
MODELOS DE INVENTARIOS

236
118
Objetivo
Un modelo de inventarios debe responder dos preguntas:
1. ¿Qué cantidad de artículos pedir ?

2. ¿Cuándo deben pedirse ?

237

Facultad de Ingeniería y Ciencias Tipos de inventario (funciones)
•Stock de seguridad: Asegurar nivel de servicio

•Cycle Stock. Cumplir con requerimientos cíclicos
•Lot-Size Stock.(Comprar/Producir por lotes)
•Stock en tránsito.
•Pipeline inventory.
•Hedging Stock. (Reserva por riesgo de algo)
•Anticipación/ inventario comprometido (Allocate Stock)
•Decoupling Stock. (Reserva entre dos centros de trabajo, por diferente velocidad
de producción). En JIT se busca eliminar este tipo de inventario.

238
119
Facultad de Ingeniería y Ciencias Para qué sirven los inventarios
 Compensar pronósticos erróneos

 Ordenes inesperadas, apresuradas
 Esconder problemas de Q, rechazos
 Prever demoras de proveedores
 Procesamiento de grandes lotes
 Anticipar ausentismo, daños de maquinaria
 Servicio rápido al cliente
 Facilita alcanzar las metas
 Oportunidad de reducción de costos
 Integrar Red de suministros y la GO
 Utilizar manejo inventario, como arma competitiva
 ERP y Sistemas de captura de datos automática.

239

Facultad de Ingeniería y Ciencias ¿Inventarios para usar dónde?
•Materias Primas. (RM)

•Trabajo en Proceso (WIP)
•Productos Semielaborados (Ensambles)
•Productos Terminados
•Suministros. (Mantenimiento-Reparación)

240
120
Facultad de Ingeniería y Ciencias Cuánto cuesta gestionar un pedido
• Costos de formatos y llenado de formas

• Aprobaciones y revisiones
• Personal
• Atención y aprobación de proveedores
• Asignación de códigos
• Llamadas telefónicas
• Esperas y explicaciones
• Colocación de Ordenes de compra
• Abrir huacales
• Contar, comparar recibido y factura
• Análisis especificaciones
• Correo y archivos
• Recepción e inspección de lo recibido
• Almacenamiento por n años
• Chequeo e inspección
• Trámite del pago de la factura COSTOS SERVICIO
• Uso de finca raíz y computadores
• Preparación de lo recibido para uso

241

Facultad de Ingeniería y Ciencias Cuánto cuesta tener inventario
 Costo de Capital
 Costos de obsolescencia
 Costos por deterioro
 Costo de almacenamiento
 Costos por impuestos
 Costos por seguros
 Costos de personal

242
121
Facultad de Ingeniería y Ciencias Otros costos asociados
 Costos de agotamiento
 Sobre costos para obtener respuesta rápida
 Pérdida de la venta – Costo oportunidad
 Pérdida del Goodwill

243

Cálculo de S - I
Costo de
tramitar el
pedido
S = Sumatoria gastos de compra anuales

N° total anual pedidos
Tasa cargada
al inventario
promedio
I = Sumatoria gastos tenencia anuales + $ no percibido

Inversión en inventario promedio

244
122
Facultad de Ingeniería y Ciencias Inventario promedio
Área del triángulo = Área del rectángulo
Base x altura = Base por altura

Inventario a mano (unidades) 2
Q
TC Q
 TC I P
2
Q
Ipr IP 
2
0
Tiempo
Tc

245

MODELO DEMANDA CONSTANTE EOQ

Economic Order Quantity

246
123
Demanda determinística
El modelo funciona bajo estas suposiciones:
 Demanda constante y determinística

 No se consideran descuentos
 El número pedidos no necesariamente entero
 Parámetros estacionarios o variación mínima
 Cada ítem recibe un tratamiento individual
 Tasa de reposición es infinita
 Tiempo de entrega (Lead Time) es cero
 Reposición instantánea
 No hay órdenes atrasadas (backorders)

247

Facultad de Ingeniería y Ciencias Modelo demanda constante: lote
Gerencia de Operaciones económico EOQ
S= Costo de tramitar la compra (sending cost)

h= Costo de tener en inventario (holding cost), h = c x I
c= Costo de compra de cada unidad del artículo
CTA = Costo total de mantener un artículo cierto período
D= Consumo total artículo en cierto periodo (año)
Q= Cantidad de artículos en cada pedido
Tc = Periodo de ciclo = 1/N
N= Número pedidos en un cierto período = D/Q

248
124
Facultad de Ingeniería y Ciencias Modelo Demanda constante EOQ
Recibo Disminución inventario

de orden (tasa de demanda)
Q
On-hand inventory (units)
Q Inventario
— promedio
2
1 ciclo
Tiempo

249

Facultad de Ingeniería y Ciencias Curva de costo CTA
Costo total Anual= Pedir + Tener+ Mercancia

Costo total anual ($)
Costo de tener
Costo ordernar
Costo mercancía
Tamaño lote (Q)

250
125
Curva de costo CTA
SD Qh
CTA    CD
Q 2
Annual cost (dollars)
Qh
Holding cost =
2
SD
Ordering cost =
Q
Costo mercancía = CD
Lot Size (Q)

251

Cálculo de Q*
SD
Costo de pedir:
Q
Qh
Costo de tener:
2
Costo de compra: CD
SD Qh
Igualamos costo de tener y de pedir: 
Q 2
2 SD
Y al resolver queda: Q* 
CI
SD Qh
Luego el costo total anual en general será: CTA    CD
Q 2
252
126
Taller 8, numeral 8.1 para practicar
De manera individual, desarrolle los literales a hasta e del ejercicio 8.1

planteado en el Taller que se encuentra en la plataforma.


253

EOQ MODELO CON FALTANTES

254
127
Gerencia de Operaciones EOQ: Modelo con faltante
Uno de los inconvenientes en la administración de cualquier

sistema de inventarios es que ocurran faltantes (también llamados
órdenes pendientes), que no es otra cosa que la demanda que no se
satisface debido a que el inventario se ha agotado.
Esta situación causa muchos dolores de cabeza, que incluyen tratar

con clientes molestos y realizar el trabajo adicional de registros para
cumplir esa demanda mas tarde (se permiten faltantes) al
reabastecer el inventario.

255

EOQ: Modelo con faltante
Cuando el proceso de abastecimiento permite que los pedidos que no se

cumplan por la carencia de artículos se puedan surtir después, nos conduce a un
modelo de inventario conocido como de Reposición instantánea con faltante
Inventario
Imax
Q (lote)
+
0
- Tiempo
F (Faltante)
T1 T2

256
128
Cálculo de cantidades y costos del modelo
CTA(Q*, F*) = SD + (Q – F)2h + fF2 + CD

Q 2Q 2Q
Q* = 2SD (h + f) Imax* = 2SD f

h f .h ( f + h)
F* = Q* - Imax*

257

En los grupos que han venido trabajando, desarrollen el punto 8.2

planteado en el Taller 8 que se encuentra en la plataforma.


258
129
SISTEMAS FORMALES
DE CONTROL DE INVENTARIOS

259

Sistemas formales control inventario
•Sistemas de Inventario Permanente: Se graba y guarda la información

en todo momento
•Sistemas de Inventario Periódico: Revisiones en ciclos regulares,

dependiendo del producto (Diarias, semanales o mensuales)
•Sistemas de Revisión Visual: Se utilizan señales visuales. Se delega al

proveedor. Registro por ciclos
•Sistemas de Inventario “Four Wall”: Registrar las entradas de materia

prima a la planta y en el momento de registrar la salida de un producto
terminado, descontar mediante la lista de materiales. Se suele aplicar
cuando el “Lead Time” de todo el proceso es muy corto.

260
130
Facultad de Ingeniería y Ciencias Mecanismos de reposición: cuándo pedir
PUNTO DE PEDIDO PERÍODO FIJO
LT LT Punto de
Pedido
TIEMPO TIEMPO
LOTE ECONÓMICO PUNTO DE PEDIDO DESFASADO

Demanda
Costo Total
Costo Inventario
Costo de pedido
UNIDADES TIEMPO

261

Facultad de Ingeniería y Ciencias Punto de reorden simple
Punto de Pedido
+
0 Tiempo
Lead Time Lead Time
PR = d*TE = Punto de pedido en unidades.

d = Demanda media prevista por periodo de tiempo.
TE = Es el período de reposición del artículo (LT)

262
131
Punto de reorden con ES
Punto de Pedido
.d xTE
+
0
- Lead Time Lead Time ES
Tiempo
PR = d*TE + ES
PR = Punto de Pedido. TE = Lead Time reposición
d = Tasa de Demanda. ES = Stock de Seguridad = Z*σTE

263

Facultad de Ingeniería y Ciencias Nivel del servicio y ES
Nivel del ciclo de servicio = 85%
Probabilidad de faltante (stockout)

(1.0 – 0.85 = 0.15)
R
zte
Demanda promedio durante el tiempo de entrega

264
132
Esquemas reposición inventarios Q
Limitación modelo EOQ suposición demanda constante

Se permitirá demanda aleatoria
Modelo flexible en inventarios de demanda independiente
Decisión de ordenar se basa en cantidad disponible
Error común dejar de considerar cantidades en tránsito
Punto de reorden, se coloca una cantidad fija de pedido
Tiempo que transcurre entre pedidos varia
Se denomina Q o sistema de cantidad fija de reorden
Nivel inventarío revisión constante o después de transacción

265

Facultad de Ingeniería y Ciencias Sistema revisión continua Q
IP
IP
Order
received Order
Order received
received Order
received
Q
Q
Q
On-hand inventory
OH
PR
Order Order Order

placed placed placed
Time
LT1 LT2 LT3
TBO1 TBO2 TBO3
TBO = Time between Orders o Tiempo de ciclo TC

LT = Lead Time o Tiempo de entrega TE

266
133
PR Sistema Q
PR = dTE + ES
Donde:
PR = punto de reorden
d = demanda diaria durante el tiempo de entrega
TE = Tiempo de entrega en días
Desviación diaria de la demanda
Desviación estándar durante el tiempo de entrega
ES = inventario o existencias de seguridad
Z = Factor seguridad (Se obtiene de tabla)

267
Pontificia Universidad Javeriana Factores nivel de existencia de seguridad

Facultad de Ingeniería y Ciencias para variables normalmente distribuidas
GerenciaES = FSσσ o ES
de Operaciones = Z. σ
PR = DTE + ES
97.72 2.00
Nivel de Servicio 98.00 2.05
Desviación Estándar
(Porcentaje ciclos de
Z o FSσ 98.61 2.20
pedido sin faltantes)
99.00 2.33
50.00 0.00
99.18 2.40
75.00 0.67
99.38 2.50
80.00 0.84
99.50 2.57
84.13 1.00
99.60 2.65
85.00 1.04 99.70 2.75
89.44 1.25 99.80 2.88
90.00 1.28 99.86 3.00
93.32 1.50 99.90 3.09
94.00 1.56 99.93 3.20
94.52 1.60 99.99 4.00
95.00 1.65
96.00 1.75
268
97.00 1.88
134
En los grupos de clase, desarrolle el ejercicio 8.3 planteado en el Taller



269

Revisión periódica P
• Revisión periódica del inventario a intervalos fijos

• Supone que la demanda es aleatoria
• Se ordena hasta un nivel de inventario meta
• Lo pedido cubre demanda hasta siguiente revisión más TE
• Se ordena una cantidad variable
• Se denomina sistema P de control, sistema de pedidos a intervalos
fijos, sistema de pedidos a periodos fijos o sistema periódico.

270
135

271

Donde:
T = nivel de inventario meta
d = demanda diaria durante P
Q = Cantidad a pedir en cada revisión
ES = inventario de seguridad
TE = Tiempo de entrega en días
Desviación diaria de la demanda
Desviación estándar durante el tiempo de entrega más periodo
ES = inventario o existencias de seguridad
Z = Factor de seguridad (Se obtiene de tabla)

T = d(P + TE) + ES
Q = d(P + TE) + ES – Ifisico

272
136
Facultad de Ingeniería y Ciencias Sistema P y Q en la práctica
Los sistemas P y Q son útiles en inventarios de demanda independiente.

La elección puede afectarse por practicas administrativas o económicas.
Usar sistema P cuando órdenes deban entregarse a intervalos específicos.
Sistema P ordena varios productos a mismo proveedor en mismo embarque.
El sistema P es para artículos no costosos que no estén en registro SKU.
Ventaja de P, tener reposición programada de inventarios y menos registro .
El sistema Q requiere un inventario de seguridad más bajo que el sistema P.
Sistema Q, para ítems costosos es deseable tener baja inversión ($) en ES.
Elección basada en periodo de reposición, tipo de registro, costo del articulo.
Concepto Sistema Q Sistema P

Cantidad a ordenar Q constante Q variable
Tiempo entre pedidos TBO variable TBO fijo

273

En los grupos de clase, desarrolle el ejercicio 8.4 planteado en el Taller



274
137
EOQ – EXTENSIÓN
MODELO DE AUTOABASTECIMIENTO

275

Gerencia de Operaciones Extensión: Modelo producción
No siempre un proveedor está en capacidad de suministrarnos el producto de

forma completa e instantánea. Es más, a veces la misma empresa evita que sus
pedidos se entreguen completos y en una fecha específica.
La razón
Porque un pedido también puede ser entregado de forma parcial a través del
tiempo. Esto puede beneficiar tanto al proveedor, por ajustarse a su capacidad
de entrega; como a la empresa, que tiene limitaciones para almacenar la
cantidad que requiere o desea recibir pedidos o producir solo en períodos de
tiempo concretos.
Este modelo EOQ también conocido como EPQ, es el modelo de cantidad

económica a producir (lote económico de producción) y es una variante del
EOQ original, que considera que la entrega de inventario se realiza de forma
parcial pero a ritmo constante.
276
138
Facultad de Ingeniería y Ciencias Extensión: Modelo producción
p
Imax
d
p-d
T1 T2

277

Sistemas Gerenciales de Ingeniería Cálculo Q*
Tenemos que: I max  T1 ( p  d )

Q  T1 p
pd
Igualando se obtiene que: I max  Q  
 p 
Despejando obtenemos el tamaño económico del lote
2 SD 2 SD
Q*  
d D
CI (1  ) CI (1  )
p P
Y el costo total anual sería:
SD Qh d SD Qh D
CTA   (1  )  CD o CTA   (1  )  CD
Q 2 p Q 2 P
o

278
139
En parejas, desarrolle el ejercicio 8.5 planteado en el Taller que se

encuentra en la plataforma.


279

¡Ahora veamos como tomas decisiones!

280
140
Taller 8.6 para entregar
En los grupos de trabajo, desarrollen el taller 8.6 planteado en el Taller


Enviar: afiguer@javerianacali.edu.co
al correo afiguer@javerianacali.edu.co.

281

¡Hora de integrar conocimientos!

282
141
Caso 2 para entregar
Ya habiendo visto varios conceptos relacionados con inventarios, ya

están en condiciones de resolver un caso real. Para ello, con los
compañeros que vienen trabajando en clase, desarrollen el caso 2 que
se encuentra en la plataforma. Vale un punto del primer examen parcial.
Fecha de entrega: 24 febrero 2023.

Enviar: afiguer@javerianacali.edu.co

283

Perfiles analíticos de inventario

284
142
Perfiles analíticos del inventario
Principio de Pareto ABC

Clasificación Greco-Romana
Curvas de decisión o de Administración

285

Triángulo de control
Inventario de seguridad Inventario máximo
Punto de reorden

286
143
Clasificación ABC
Principio de Pareto
No ejercer un mismo control para todos los productos
Concentrarse en los artículos de mayor valor
20% de los artículos son 80% de inversión en inventario
Ahorro derivado de un control más estrecho

287

Facultad de Ingeniería y Ciencias Diseño sistema de control

288
144
Pasos ABC
1. Demanda anual Di de cada artículo que compone el inventario

2. Calcular costo unitario Ci promedio de cada artículo
3. Calcular relación consumo en pesos Di x Ci para cada artículo
4. Ordenar de mayor a menor consumo en pesos de cada artículo
5. Calcular % de consumo individual con respecto al total invertido
6. Clasificación para artículos:
A aproximadamente 80%
B aproximadamente 95%
C hasta completar 100%

289

Tabulación ABC
700.000 = 7.77%
9.000.000
Producto Unidad Demanda Costo /un Consumo % DC % Acu Nº item % Item Clasifi
anual
D x Ci
Tubo 2” Un 250 2.800 700.000 7.77 7.77 1 2.85 A

Pintura x Gl 45 13.333 600.000 6.67 14.44 2 5.71 A
Cemento Kg 500 900 450.000 5.00 19.44 3 8.57 A
Puntillas Caja 65000 0.50 32.500 0.36 100.0 35 100.00 C
Total 9,000,000
2 = 5.71%
35

290
145
Facultad de Ingeniería y Ciencias Gráfico ABC
Class C
100 — Class B
90 —
Class A
80 —
Percentage of dollar value
70 —
60 —
50 —
40 —
30 —
20 —
10 —
0—
10 20 30 40 50 60 70 80 90 100
Percentage of items
291

Facultad de Ingeniería y Ciencias Características ABC
% % Grado Tipos de Procedimiento de

Tipo Artículos Valor Control Registro ES pedido
Cuidadoso,
Completo
A seguro. Revisión
10-20% 70-80% Intenso Seguro Baja
frecuente
Completo Pedido normal.

B
30-40% 15-20% Normal Seguro Moderada Alguna rapidez
Ordenes
periódicas.
C
40-50% 5-10% Simple Simplificado Grande Abastecimiento
grande

292
146
Principio fundamental entre inventario y control
Inventario de
Tasa de
seguridad abastecimiento
creciente
Relajar el control Estrechar el control
Nivel de servicio alto “Entre una y otra” Nivel de servicio bajo

Inversión baja Inversión alta
Grupo C Grupo B Grupo A
N° esperado unidades faltantes por año

293

De forma individual, desarrolle el taller 8.7 planteado en el Taller que se


nviar al correo afiguer@javerianacali.edu.co.

294
147
Clasificación Greco-Latina

295

Sistemas Gerenciales de Ingeniería Clasificación Grecolatina
Rotación del inventario
Clasificación por
Alta Media Baja
consumo en $
A α β γ
B β β γ
C γ γ γ
Variación de la demanda
Clasificación por Media

Baja < 25% Alta > 100%
consumo en $ > 25% y < 100%
A α β γ
B β β γ
Álvaro Figueroa Cabrera 2023 C γ γ γ 296
148
Curvas de decisión óptima

Resulta práctico y necesario llevar un control más riguroso con los

artículos alfa, algunos beta y uno que otro gamma. Es esta precisamente
la bondad de las curvas de decisión
Q
IP 
2
Q D D
IPN   K
2 Q 2
2 SD
Q* 
h
2 SD
Q2 
h
Q 2h
D
2S
297

Fórmulas CDO
Entonces
I Ph
IPN 
S
Ahora para las políticas óptimas se tiene:
S
IP  N
h

298
149
Visión general de la curva

Ip
S>h
Costo pedir es mayor al de mantener

A
No es óptimo. Se compra más de lo

necesario
D
No se puede asegurar
C que sería mejor sin saber
costos de pedir y de mantener
E B S<h
No es factible porque está por
debajo de la curva de demanda
Preferiblemente
y esta no se cubre
pedir muchas veces
N
299

Gerencia de Operaciones Gráficos CDO
S1
h1
S2
Ip h2
S3
1 h3
Ip*
D3
D1
D2
N* N

300
150

12
17
5
9
Vidal, Carlos Julio, Fundamentos de control y gestión de inventarios.
4, 5 y 6
Primera Edición. Editorial Universidad del Valle.

301

INTEGRACIÓN
CADENA DE SUMINISTRO

302
151
Factores Exitosos SCI
Pago a proveedores

Cliente Proveedor
Orden de compra
Pedidos
Obtiene Embarque Previsión Compras
pedidos
Solicita Solicita
Existencias
Ventas Inventario de Producción

artículos terminados
Fabrica
Aviso de pocas existencias Costos de

hacer
Costo de pedidos
Solicita mano de
fondos para obra,
hacer equipo,
predicciones Registros
etc. Contables
Costo de ventas
Control de capital,
Ingresos de ventas presupuestos y
contabilidad 303

Factores Exitosos SCI
 Características Operativas
 Cómo añadir elementos mantenimiento al almacén (ítems para prevención
de fallas)
 Métodos de contabilidad de inventarios
 El inventario perpetuo
 Como solicitar una adición al inventario
 Formatos de requisición

304
152
Principios de identificación
•Códigos únicos.
•Lista de códigos única por organización: Todos utilizan los mismos códigos
•Responsabilidad clara: Para creación y mantenimiento de artículos, por
familia, debe definirse una sola entidad autorizada.
•No reasignar códigos no utilizados.
•Códigos cortos: En lo posible solo numéricos.
•Códigos uniformes: Todos deben tener misma longitud.
•Caracteres confusos. Ej. cero “0” y letra “O”
•Tener en cuenta la expansión: clases y familias.
•Dígitos de Control: Es un # que se deriva del cálculo de los dígitos que lo
preceden. Útil para prevenir errores al digitar los datos. 8 1 8
5 2 10
Prefijo Código creador Código de identificación 4 3 12
Dígito de control 7 4 28
EAN del producto del producto
8 5 40
84 15898 85478 8 98
17
8
305

Contabilidad de inventarios
•FIFO - PEPS
•LIFO - UEPS
•Costo promedio
•Costo estándar
•Costo de reposición con base en precio futuro
•Costo actual
•Sistemas costo valor agregado (suele agregar como costo estándar)

306
153
Costo promedio
Artículo: _______________________ Proveedor principal:

Descripción: ___________________ Proveedor secundario:
Ubicación: _____________________ Nivel de Inventario: Mínimo________ Máximo_______
Compradas Vendidas Saldo
Fecha Unidades Costo Total Unidad Costo Costo bienes Unidades Costo Total
Unitario $ Unitario $ vendidos Unitario $
15/02/2023 3 $1200 $3600 3 $1200 $3600
23/02/2023 2 $1300 $2600 5 $1240 $6200
25/02/2023 1 $1240 $1240 4 $1240 $4960

307

Facultad de Ingeniería y Ciencias UEPS

Fecha Unidades Costo Total Unidad Costo Costo de Unidades Costo Total
Unitario $ Unitario $ Bienes vendidos Unitario $
15/02/2023 3 $1200 $3600 3 $1200 $3600
3 $1200
23/02/2023 2 $1300 $2600 $6200
2 $1300
3 $1200
25/02/2023 1 $1300 $1300 $4900
1 $1300

308
154
Facultad de Ingeniería y Ciencias PEPS

Fecha Unidades Costo Total Unidad Costo Costo de Unidades Costo Total
Unitario $ Unitario $ Bienes vendidos Unitario $
15/02/2023 3 $1200 $3600 3 $1200 $3600
3 $1200
23/02/2023 2 $1300 $2600 $6200
2 $1300
2 $1200
25/02/2023 1 $1200 $1200 $5000
2 $1300

309

Iniciativas en integración de SCM

310
155
Para leer y discutir en clase
De forma individual, lean el documento Revolution at Plant X escrito

por Laurie Goering, Tribune Staff Writer CHICAGO TRIBUNE, que se
halla en Blackboard.
Luego, lo discutimos grupalmente.
Tiempo de lectura: 15 minutos.

311

Facultad de Ingeniería y Ciencias Cadena de suministros SCM
Comprador Proveedor A Cliente A
Nuestra
Proveedor B Proveedor C empresa
Proveedor W Cliente B
Complejidad de la redes de proveedores

312
156
Decisiones SCM
•Hacer o comprar
•Outsourcing (Tercerización)
•Evaluación y certificación de proveedores

313

Facultad de Ingeniería y Ciencias ¿Que piden los clientes?
Características producto / servicio
Satisfacción
del
Cliente
Plazo de entrega Precio
Estos elementos que son requeridos por los clientes a la empresa, son
a su vez los que la empresa debe requerir a sus proveedores.

314
157
Facultad de Ingeniería y Ciencias Razones del control
Calidad
Indicadores eficacia Satisfacción Control de costos Indicadores eficiencia

Visión externa Visión interna
Beneficios
Utilidades
Indicadores efectividad
El control…
..para algunos, consiste en reducción del personal o eliminación de atributos del
servicio o el producto no como un plan estratégico integral. Los primeros afectados
son los clientes que ven disminución de la calidad de los servicios y productos que
se les prestan o entregan.
315

Distribución del costo
COSTOS COSTOS COSTOS PRECIO

FIJOS Y NO DE DE
+ + + =
VARIABLES CALIDAD CALIDAD MARGEN VENTA
60% 20% 5% 15% 100%

316
158
Facultad de Ingeniería y Ciencias ¿Donde invertimos tiempo?
100%
25% 35% 30% 10%
Licencias Errores Errores Trabajo real

proveedores internos

317

Facultad de Ingeniería y Ciencias Proceso ampliado
Inversionistas
Proveedores
Materias primas
Insumos Productos
Procesos
Servicios Servicios
Mano de obra
Clientes

318
159
Gestión seleccionada
La empresa debe gestionar sus proveedores según el impacto de estos en el

desarrollo del negocio y el marco normativo vigente.
Proveedores
CORE
Proveedores
de insumos de críticos
Proveedores
Impacto
demás bienes
y servicios
Cantidad
Álvaro Figueroa Cabrera 2023 Fuente: María Fernanda Ocampo, Cámara Comercio de Bogotá, 2007 319

Proceso con proveedores
1. Inscripción
2. Evaluación individual de postulante
3. Selección entre varios proveedores
4. Registro de proveedores
5. Evaluación del desempeño
6. Seguimiento a proveedores
7. Desarrollo de proveedores

320
160
Hacia donde movernos
La evaluación de los proveedores es un proceso que permitirá

establecer cuales son los proveedores que están mejor
posicionados para satisfacer los requisitos relacionados con las
características del los insumos, plazo de entrega y precio.
Habrá quienes sostienen que el único criterio valedero para

definir una compra es el precio. Parecería que el dicho “lo barato
sale caro”, no vale cuando se trata de adquirir materias primas,
insumos o servicios

321

Selección del proveedor
Evaluación
Individual
proveedor
Rechazo
proveedor
Inscripción Criterios
de selección Decisión
Registro
Proveedor
Evaluación
Grupal
proveedores

322
161
Criterios de evaluación
“Acabar con la práctica de hacer negocios sobre la base del precio. En

vez de ello minimizar el costo total. Tender a tener un solo proveedor
para cualquier artículo, con una relación a largo plazo de lealtad y
confianza”
William E. Deming

323

MODELOS DE SELECCIÓN

324
162
Métodos
Todos los modelos tienen

en común el uso de AHP
para dar peso a los factores.

325

PUNTUACIÓN PONDERADA
PROVEEDORES ACTIVOS

326
163
Plan de puntuación ponderada

327

MATRIZ DE DECISIONES O DE
PREFERENCIAS

328
164
Modelo decisión simple con atributos múltiples o Matriz de preferencias
Pretende la clasificación de los proveedores indicando la preferencia general

asociada a cada uno de ellos, de modo que pueda identificarse “el mejor”.
El decisor debe establecer la importancia relativa de cada uno de los objetivos
(ponderaciones) para luego proceder a la definición de una estructura de
preferencias entre los proveedores identificados.
Usando una escala de medición común, como 1 – 10 (1, el peor desempeño y
10 el mejor desempeño), se establece un orden jerárquico entre los
proveedores, al respecto de cada objetivo que se desee evaluar.
La importancia relativa de cada objetivo en conjunto con la posición de cada
proveedor según la escala común que se usa para ordenarlos, entrega un
índice agregado que permite decidir cual es el mejor de los proveedores,
“promediando” la importancia de todos los objetivos tenidos en cuenta.

329

Modelo decisión simple o Matriz de preferencias
1. Identificar la meta general del problema.

2. Identificar los proveedores.
3. Listar los criterios a emplear en la toma de la decisión.
4. Asignar una ponderación para cada criterio de decisión.
5. Establecer en cuanto satisface cada proveedor el nivel de cada criterio.
6. Calcular el puntaje total de cada proveedor.
7. Ordenar los proveedores en consideración de acuerdo al puntaje
obtenido en el paso anterior. El proveedor con el puntaje más alto
representará el mejor del conjunto inicial de proveedores.

330
165
Matriz de preferencias genérico

A1 A2 Ai
Ci Wi
Criterio Peso % Ri1 Sj Ri2 Sj Rij Sj
Calificación Puntos Calificación Puntos Calificación Puntos
C1 W1 x R11 = S1 R12 S1 R11 S1

C2 W2 R21 S2 R22 S2 R21 S2
C3 W3 R31 S3 R32 S3 R31 S3
. . . . . . . .
. . . . . . . .
Cm Wm Rm1 Sm Rm2 Sm Rm1 Sm

Totales 100% S1total S2total SJtotal
S j  Wi Rij
• Sj es el puntaje total de cada alternativa Ai
• wi es la ponderación de cada criterio Ci
i • Rij valoración de la alternativa j al respecto del criterio i
331

Facultad de Ingeniería y Ciencias Ejemplo de Matriz de preferencias

332
166
ANÁLISIS INTEGRAL AHP

333

Modelo de decisión por AHP
Cuando vamos a decidir utilizando sólo AHP, el procedimiento es el siguiente:
1. Construimos la matriz AHP para determinar el peso de los criterios de

selección
2. Construimos matrices AHP para comparar las alternativas para cada

criterios es decir, haremos tantas matrices como criterios se tengan.
3. Calculamos la decisión final.

334
167
Facultad de Ingeniería y Ciencias Definición de ponderaciones

335

Comparación proveedores por criterio

336
168
Selección final

337

MÉTODO SINÉRGICO
BROWN & GIBSON

338
169
Gerencia de Operaciones Método sinérgico
La fórmula de selección mediante el método sinérgico es:
ISi  FCi [FOi  (1   ) FSi ]

donde:
ISi es el índice de medida de la escogencia del proveedor i
FCi es el índice de medida de factores críticos (0 ó 1) para el proveedor i.
FOi es el índice de medida de los factores objetivos (cuantitativos) para el

proveedor i, 0 ≤ (FO)i ≤ 1
FSi es el índice de medida de los factores subjetivos (cualitativos) para el

proveedor i, 0 ≤ (FS)i ≤ 1
α (alfa) es un valor de ponderación o de peso relativo de los factores

objetivos y subjetivos.
339

Gerencia de Operaciones Ejemplo de Método sinérgico
Proveedor
Factores A B C
Factores críticos
−Lista Clinton 1 1 1
−Reporte a Centrales de riesgo 1 1 1
Factores objetivos
–Costo transporte 65.000 60.000 80.000
–Costo mercancía 485.000 495.000 503.000
Total $550.000 $555.000 $583.000
Factores subjetivos
–Cumplimiento entregas (0.3) 0.2/0.3 0.2/0.3 0.3/0.3
–Servicio postventa (0.2) 0.2/0.2 0.1/0.2 0.2/0.2
–Calidad (0.5) 0.3/0.5 0.2/0.5 0.4/0.5
340
170
Ejemplo de Método sinérgico
FOS es la suma de los costos para el proveedor i
Calculando entonces para los proveedores A, B y C tenemos:

341

Cálculo del índice de Selección
ISi  FCi [FOi  (1   ) FSi ]
ISA =1*1[0.70 x 0.3409 + 0.30 x 0.70) = 0.4486

ISB =1*1[0.70 x 0.3375 + 0.30 x 0.50) = 0.3863
ISC =1*1[0.70 x 0.3216 + 0.30 x 0.90) = 0.4951
La elección será para el proveedor C

342
171
Facultad de Ingeniería y Ciencias Tabla de responsabilidades
Sistemas Gerenciales de Ingeniería XX: Responsabilidad principal X: Responsabilidad colateral
Funciones o departamentos que deben participar

Diseño Laboratorio
Control de
Producto o Compras o
Actividad o tarea calidad
servicio inspección
Calificación de proveedores - XX X XX
Negociación proveedores especificaciones
X XX - X
Calificación de defectos según su gravedad
X X X XX
Establecimiento niveles aceptables de calidad
X X X XX
Planificación de la inspección
- - X XX
Inspección de los productos que entran - - XX X
Autorización admitir productos No Conformes XX X X X
Vigilancia de la calidad de los proveedores
- XX - XX
Evaluación de la calidad de los proveedores
- XX - XX
343

Con otros compañeros del curso, desarrolle el taller 9 que se encuentra en

el Taller de la plataforma.


344
172
¡Hora de integrar conocimientos!

345

Gerencia de Operaciones Caso 3 para entregar en clase
En los grupos que vienen trabajando, desarrollen el caso 3 que se


Enviar a: afiguer@javerianacali.edu.co

346
173

Clases Modulo 4 GO PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clases Modulo 4 GO PDF

Cargado por

Copyright:

Formatos disponibles

Pontificia Universidad Javeriana

Facultad de Ingeniería y Ciencias

Prof. Álvaro Figueroa Cabrera

Pontificia Universidad Javeriana

Álvaro Figueroa Cabrera 2023

Nombre Gerencia de Operaciones

Intensidad Horas presenciales 48; horas trabajo independiente 96

Modalidad Presencial, según horario programado 2 sesiones semanales

ÁLVARO FIGUEROA CABRERA

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

Álvaro Figueroa Cabrera

Estudios - Magíster en Ingeniería. Especialización en Investigación de Operaciones

Experiencia - Director de Carrera de Ingeniería Industrial Pontificia Universidad Javeriana

Al finalizar el curso el estudiante deberá ser capaz de:

1. Proponer acciones de cambio al interior de sus empresas que coadyuven a

2. Desarrollar acciones que coadyuven en desarrollar competitividad en sus

3. Propender en el uso de técnicas de fabricación de clase mundial.

4. Desarrollar el proceso de planeación con técnicas de operación integral donde

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

• Introducción a la Gerencia de Operaciones

Álvaro Figueroa Cabrera 2023

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

Álvaro Figueroa Cabrera 2023

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

• Ser competitivos, implica que los clientes exigen productos y servicios de

Álvaro Figueroa Cabrera 2023

• Implica cambios orientados a las infraestructuras inteligentes y a la

• Fusiona digitalmente diversas disciplinas garantizando satisfacción del

• Objetivo primordial: unión entre tecnologías digitales que permiten la

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

→ Adaptación constante a la demanda

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

• Finales siglo XIX producción era artesanal

Álvaro Figueroa Cabrera 2023

• Costos de producción muy elevados no descendían con el volumen

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

• Industria alcanzó meseta cuando llegó Henry Ford

Álvaro Figueroa Cabrera 2023

•Sistemas europeos producción en masa se

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

• Taiichi Ohno de Toyota Motor Corporation es referido a

→ Propósito clave: más productividad y menor costo

Dos libros popularizaron el nombre:

1. The machine that Changed the World, de

2. Lean Thinking, de James Womack y Daniel

Álvaro Figueroa Cabrera 2023

Pontificia Universidad Javeriana

1. Eliminar todo tipo de desperdicio, al incrementar las actividades

2. Control cuantitativo, al permitir adaptación, en cantidad y en

3. Calidad asegurada, al tener certeza que cada proceso sólo

4. Respeto por dimensión humana, en cuanto el sistema utiliza

Álvaro Figueroa Cabrera 2023

Just in time ante todo Autocontrol de defectos

Pensamiento creativo e Flexibilidad en el trabajo

Álvaro Figueroa Cabrera 2023