Cartillas

1.
Introducción a la Metodología

SEMANA 1
GENERAL

[ FÍSICA DE PLANTA ]

SEMANA N. 0 1

LECTURA 1: INTRODUCCIÓN A LA METODOLOGÍA
GENERAL

INVESTIGACIÓN DE OPERACIONES
Para entender qué es física de planta primero es necesario entender qué son las operaciones.
El término operaciones se refiere a la aplicación de recursos (máquinas, materia prima,
materiales, tecnología, fuerza laborar, conocimiento, etc.) para la producción de bienes y
servicios.
En el mundo moderno en el que nos encontramos, las operaciones han adquirido gran
importancia para el bienestar de las empresas. Ejemplo de esto es el impacto que han tenido
las operaciones en las tres principales dimensiones de competencia a nivel empresarial:
costos, calidad y tiempo de entrega.
En relación con los costos, la investigación de operaciones ha sido una pieza vital que ayuda a
mantener costos competitivos a través de la utilización eficiente de mano de obra,
materiales y equipos.
En lo que se refiere a la dimensión de calidad, para nadie es un secreto que desde los años 80,
la calidad se convirtió en arma competitiva a nivel empresarial. Esta revolución sirvió para
centrar la atención en la calidad interna, en cada paso en el proceso de fabricación, y su
relación con la satisfacción del consumidor. Facetas de la gestión de operaciones tales como
el control del proceso, la fuerza laboral, y el control del flujo de materiales, han cobrado
mucha importancia en este contexto de las estrategias de la Gestión de la Calidad Total
(TQM, Total Quality Management).
Si bien el costo y la calidad han seguido siendo críticos. La década de los años 90 puede ser
denominada como la década de la velocidad, en la que el rápido desarrollo de los nuevos
productos, junto con la vertiginosa fecha de entrega al cliente, se convirtieron en los pilares
de la competencia basada en el tiempo. Lanzar nuevos productos al mercado con rapidez
requiere tanto el desempeño en paralelo de las tareas de desarrollo como la capacidad de
aumentar la producción de manera eficiente. La respuesta de entrega, sin exceso ineficiente
de inventario, requiere tiempos de ciclo cortos durante la fabricación. Todas estas cuestiones
son fundamentales para la gestión de operaciones y surgen repetidamente a lo largo de
todas las áreas de los sistemas de producción.
El área de operaciones incorpora los métodos analíticos y matemáticos que se utilizan para
apoyar la administración de los sistemas de producción.

2 [ POLITÉCNICO GRANCOLOMBIANO ]

FÍSICA DE PLANTA
En el módulo de Física de planta se busca el conocimiento de un conjunto de herramientas de
las áreas de producción y operaciones que son útiles para administrar los recursos necesarios
para la producción de bienes y servicios en cualquier tipo de empresa.
Al momento de realizar un estudio bibliográfico sobre lo que es física de planta podemos

encontrar como una buena aproximación: que esta puede ser definida como la descripción
sistema del comportamiento de un sistema de manufactura. Es relevante mencionar que al
describir un sistema de manufactura los ingenieros y administradores podrán trabajar en la
búsqueda de los siguientes tres objetivos:
1. Identificar oportunidades para mejorar procesos existentes.

2. Diseñar nuevos procesos que sean eficientes.
3. Realizar los intercambios necesarios para coordinar políticas desde diferentes áreas
de un sistema. Esto con el propósito de crear un ambiente para esbozar nuevos
sistemas mucho más efectivos.

Para lograr el cumplimiento de los objetivos anteriores, es fundamental apoyarse en el área
de las operaciones. Desde esta perspectiva, podremos encontrar que en física de planta será
necesario hacer uso de herramientas cuantitativas y herramientas de administración de
operaciones. Entre las herramientas cuantitativas utilizadas en física de plantas
encontraremos la optimización, la probabilidad y la teoría de colas, mientras que entre las
herramientas de administración de operaciones enfocadas a física de plantas podremos
hacer uso de temáticas como programación de la producción, planeación agregada,
administración de inventarios, análisis de capacidad y control de piso.
En el transcurso de la lectura 2 se profundizará en el estudio y análisis de física de plantas

centrándose en una de las herramientas fundamentales de la administración de operaciones:
la programación de producción.

PROGRAMACIÓN DE LA PRODUCCIÓN

En todos los sistemas de manufacturas los gerentes y jefes de producción siempre desean
realizar entregas a tiempo, minimizar el trabajo en proceso (WIP), tener cortas fechas de
entrega para los clientes y maximizar la utilización de los recursos.
La empresa que logre cumplir los objetivos anteriormente descritos podrá ser reconocida
como una empresa eficiente, con alto nivel de servicio al cliente, bajos niveles de inventarios
y alta utilización. Sin embargo, infortunadamente muchos de estos ideales respecto al

[ FÍSICA DE PLANTA ] 3

tiempo de entregas, WIP y utilización, resultan ser difíciles de manejar y frecuentemente son
contradictorios.
Por ejemplo, un bajo nivel de inventario es ideal para las empresas porque reduce los costos
de administración de inventarios, pero puede ser peligroso porque no tener inventarios
puede generar grandes pérdidas económicas debido a clientes que en un momento
determinado deciden comprar un producto sustituto o a otros que nunca más volverán a
comprar los productos de la empresa porque se cansaron de buscar un producto que nunca
estaba disponible para su adquisición.
Al considerar la contradicción de los ideales, se puede analizar que es más fácil terminar un
trabajo a tiempo si la utilización de los recursos es baja. Lo anterior porque con una
utilización baja, los cursos siempre estarán disponibles para procesar cualquier producto,
componente, etc., tan pronto como llega una orden de trabajo. En caso contrario, si la
utilización es alta cuando llegue un trabajo para ser procesado, en muchas ocasiones, este
tendrá que esperar a que los recursos se desocupen para poder empezar la operación.
Otro análisis de ideales contradictorios es el que se presenta entre el tiempo de entrega y los
inventarios. Para lograr un tiempo de entrega igual a cero (entrega inmediata) es necesario
tener niveles inventario altos que aseguren la disponibilidad del producto en un momento
determinado. Es muy difícil lograr tener en un mismo instante tiempos de entrega cero y
bajos niveles de inventario.
El objetivo de utilizar la programación de la producción es encontrar un equilibrio entre los
ideales anteriormente descritos para lograr maximizar las ganancias en los sistemas
productivos.
Medidas de desempeño en la programación de la producción
A continuación se presenta una explicación detallada de los aspectos más relevantes en

torno a la programación de la producción analizando los siguientes factores:
- Cumplimiento de las fechas de entrega.

- Maximización de la utilización.
- Disminución del WIP y tiempo de ciclo.

1. Cumplimiento de las fechas de entrega
Las fechas de entrega tiene dos fuentes principales: pueden ser originadas directamente por
el cliente o pueden ser originadas desde requerimientos de material que surgen a partir de
otro proceso de manufactura.


Al recordar que make to order es un término utilizado para referirse a los sistemas de
producción en los cuales la fabricación de un producto empieza sólo después de que una
orden es recibida, se puede concluir que en un sistema make to order, el cliente es quien
inicialmente genera la fecha de entrega, la cual a su mismo tiempo crea fechas de entrega
para cada uno de los requerimientos de materiales en el sistema productivo.
Un caso totalmente contrario es el que sucede con un sistema make to stock. Recordemos
que un sistema make to stock hace referencia a un sistema en el cual la fabricación empieza
con base en pronósticos de demanda. Se puede concluir que en este sistema no hay una
fecha de entrega que pueda ser generada.
Adicional a las fuentes y tipos de sistemas sobre los cuales se puede presentar una fecha de
entrega, a continuación se presentan los indicadores que en las operaciones son usados con
más frecuencia para medir el desempeño de un proceso respecto a las fechas de entrega:

1.1. Nivel de servicio
El nivel del servicio está directamente relacionado con el cumplimiento de las fechas de
entregas. El nivel de servicio se utiliza principalmente para sistemas make to order y se puede
definir como la fracción de órdenes completas en o antes de la fecha de entrega. Es un buen
indicador para medir el porcentaje de trabajos terminados a tiempo. Sin embargo, una de sus
limitaciones es que no mide qué tanto se demoran los trabajos.
A continuación se muestra un ejemplo con el objetivo de entender el cálculo del nivel de

servicio de un sistema.
Ejemplo: al considerar la siguiente tabla que contiene la información de la fecha pactada de
entrega y la fecha real de entrega o fecha real de terminación del trabajo, calcular el nivel de
servicio.
Tabla 1. Fechas de entregas
Fecha
Fecha real
Trabajo pactada de
de entrega
entrega
1 31/05/2013 29/05/2013
2 28/05/2013 23/05/2013
3 27/05/2013 25/05/2013
4 20/05/2013 21/05/2013
5 25/05/2013 20/05/2013

Fuente: Elaboración propia


Según la definición anterior, el nivel de servicio es la fracción de órdenes completas en o

antes de la fecha de entrega. En la tabla podemos ver que el trabajo número 4 que se
identifica con el color rojo representa el único trabajo no entregado a tiempo, por lo tanto,
se puede concluir que la secuencia de trabajos de la tabla constituye un sistema con un nivel
de servicio del 80%.

!ú!"#$ !" !"#$#%&' !"#$!%&'() ! !"#$% !
!"#$% !" !"#$%&%' = ×100
!ú!"#$ !"!!" !" !"#$#%&'
4
!"#$% !" !"#$%&%' = ×100 = 80%
5

1.2. Retraso
El retraso es la diferencia entre la fecha de entrega y la fecha de terminación de un trabajo. Si
se define “!! ” como la fecha de entrega del trabajo “! ”, “!! ” como la fecha de terminación del
trabajo “! ” y “!! ” como el retraso del trabajo “! ”. Entonces se podría inferir que el retraso es
igual a la diferencia entre "!! ” y “!! ”. Es decir:
!! = !! − !!
1.3. Tardanza

La tardanza es definida como el retraso de un trabajo si este fue entregado tarde y cero si el
trabajo fue entregado en o antes de la fecha programada. La tardanza es comúnmente
definida como “!! ” y se representa de la siguiente manera:
!! = !á!"#$ !! , 0
Un buen indicador del cumplimiento de las fechas de entrega es la tardanza promedio "!! " la
cual se calcula como la sumatoria de las tardanzas sobre el número de trabajos, es decir:
!
!!
! =
!
!!!
Donde n es el número de trabajos.


2. Maximización de la utilización
La utilización es el grado en que utilizamos los recursos de una empresa para producir un
producto o para ofrecer un servicio. A medida que se aumenta el porcentaje de utilización de
un recurso, las ganancias y el retorno de la inversión son mayores para la empresa. Sin
embargo, no es ideal tener niveles de utilización demasiado altos porque esto ocasiona
grandes niveles de inventarios, y aumenta la posibilidad de tener pérdidas por paro de
producción debidas a situaciones en que un recurso falla y no haya otro recurso libre para
remplazar temporalmente el dañado.
Una herramienta aconsejable para medir la utilización es el Makespan. El Makespan es el

tiempo requerido para terminar un número fijo de trabajos. Este indicador es muy útil para
calcular la tasa de producción y la utilización de un sistema de producción mediante el uso de
las siguientes ecuaciones:

!ú!"#$ !" !"#$#%&'
!"#" !" !"#$%&&'ó! =
!"#$%&"'

!"#" !" !"#$%&&'ó!
!"#$#%&'#ó! =
!"#"$%&"&
3. Disminución del WIP y tiempo de ciclo
WIP o Work in Process es el inventario de producto durante las etapas del proceso de
manufactura. Los inventarios de subcomponentes o productos semielaborados son
sinónimos de WIP en los sistemas de producción.
Tiempo de ciclo (TC) es el tiempo necesario para fabricar un producto, es el tiempo que va
desde que inicia la fabricación, cuando el producto está como materia prima a procesar,
hasta que está listo para su respectiva distribución.
El WIP y el tiempo de ciclo son dos indicadores de que están directamente relacionados: a
medida que se logra optimizar los recursos de un sistema de producción para disminuir el
WIP, el tiempo de clico de los productos también se reducirá, y a medida que los problemas
de producción se traduzcan en un WIP muy elevado esto será reflejado en un tiempo de ciclo
muy alto en la producción.

1 . Planeación

SEMANA 2
AGREGADA


SEMANA N. 0 2

LECTURA 1: PLANEACIÓN AGREGADA

Entre las principales tareas de los gerentes y jefes de los sistemas de manufactura está lograr
la administración adecuada de los recursos que permita maximizar los beneficios en las
empresas. Para cumplir con este propósito los gerentes tienen el reto de tomar decisiones
acertadas respecto a la suavización de la producción, la planeación del Mix de productos, el
personal, los proveedores, la subcontratación y el Marketing.
La suavización de la producción consiste en lograr niveles de producción que permitan el

mantenimiento en inventario de materias primas, componentes y productos para asegurar
un flujo continuo en las líneas de producción.
La planeación del Mix de productos busca un mejor uso de los recursos tomando decisiones
de producción que consideran grupos o familias de productos. Cuando se trabajan modelos
matemáticos para la optimización de recursos en un sistema de manufactura, agrupar los
productos en familias facilita la obtención de una solución óptima de los modelos.
El personal es un recurso primordial para la operación de los sistemas de producción. El

personal también es conocido como la fuerza de trabajo que determina la capacidad de
producción del sistema. Considerando que la capacidad de producción depende de la
cantidad de fuerza de trabajo disponible, es de vital importancia para una compañía que se
tomen las decisiones correctas respecto a la cantidad de personal a contratar o despedir en
un sistema producción. Cuando se analiza la fuerza laboral también se aconseja tener en
cuenta que cuando se contrata un nuevo operario hay que invertir tiempo y recursos durante
la fase de entrenamiento y adaptación del operario al puesto de trabajo. También es
necesario considerar que un trabajador nuevo tiene menor eficiencia en las actividades que
uno ya experimentado.
Los proveedores juegan un papel muy importante en los sistemas de producción porque
estos son quienes suministran los recursos necesarios para que mantener activa la
producción. Por tal motivo, los jefes de los sistemas de manufactura deben establecer las
decisiones correctas de contratación para el suministro de materiales y componentes
requeridos por la dinámica de producción.
La subcontratación o Outsourcing es un mecanismo que las empresas deben direccionar muy
bien para lograr un manejo eficiente de la producción. La subcontratación se puede dar
según la necesidad de una empresa a nivel de personal (subcontratar fuerza laboral),
maquinaria (alquiler de equipos) o tareas. Un ejemplo de subcontratación de tareas es


cuando una empresa subcontrata la elaboración de un componente que después será

ensamblado para la fabricación del producto final.
Las actividades de Marketing determinan, en gran parte, las ventas que tienen las empresas.
Es muy importante considerar esta labor porque a medida que se logra impulsar un mayor
número de ventas, todas las demás decisiones respecto a suavización de la producción, Mix
de productos, personal, proveedores y subcontratación, se verán directamente afectadas.
Teniendo en cuenta las consideraciones anteriores, la programación agregada surge como

herramienta que se apoya en la Programación Lineal para ayudar a la gerencia a lograr una
planeación a largo plazo y a preparar unas estrategias que direccionen a la empresa a un
manejo eficaz y eficiente de sus recursos.
Es importante recordar que la programación lineal estudia el problema de minimizar o

maximizar una función lineal en presencia de unas restricciones lineales de igualdad o
desigualdad. Bajo este análisis, la planeación agregada se puede considerar como un
problema compuesto de ecuaciones lineales que busca una optimización de los recursos de
un sistema de producción.
ENTRADAS DE UN MODELO DE PROGRAMACIÓN AGREGADA
Para desarrollar un modelo de programación agregada es necesario tener unas entradas

específicas. Entre estas están el pronóstico de demanda, las restricciones de capacidad, las
utilidades unitarias, el costo de inventario, etc.
Estas estradas serán incorporadas como parámetro en los modelos de programación lineal
que se utilizarán para dar solución a los problemas de planeación agregada.
Con el objetivo de lograr una buena comprensión del tema de planeación agregada, este
documento empieza con la explicación de un problema de planeación agregada simple y
paulatinamente se extiende a problemas más complejos.
MODELO SIMPLE
El modelo simple corresponde a un problema de programación lineal que tiene plena

aplicación sobre la planeación agregada.
El modelo simple consiste en un modelo de solución utilizando programación lineal para

optimizar los recursos de un sistema de producción en el que se considera un solo producto,
una demanda conocida (fija o determinada a través de las herramientas de pronósticos) y
unas restricciones de capacidad.


En la formulación del modelo simple al igual que para cualquier problema de programa lineal
se tienen que definir los conjuntos, parámetros y las variables de decisión, tal como se
presentan a continuación.

Conjuntos:
! = í!"#$% !" !"# !"#$%&%' !" !"#$%&. ! = 1,2, 3 … !

Parámetros:
!! = !"#$%&$ !" !" !"#$%&% !

!! = !"#"$%&"& !" !"#$%&&'ó! !" !" !"#$%&% !
! = !"#$#%&% !"#$%&#% !"# !"#$%&'# !"#$%$& (!"# !"#$%!& !"#$"# !" !"#$"%&'!())
ℎ = !"#$" !" !"#$%&#%& !"# !"#$%$ !" !"#$"%&'!( !"#$%&' !" !"#$%!!

Variables de decisión:
!! = !"#$%&"& ! !"#$%&'" !" !" !"#$%&% !

!! = !"#$%&"& ! !"#$"% !"#$%&' !" !"#$%&% !
!! = !"#$"%&'() ! !"#"$ !" !" !"#$%&% !

Formulación del modelo:
!
!"#$%$&"': (! ∗ !! − ! ∗ !! )
!!!
Como el propósito final es obtener la utilidad máxima, la función objetivo del modelo simple
debe agregar la utilidad por ventas de todos los periodos del horizonte de planeación y restarle
el costo por manejo de inventarios de cada periodo del mismo horizonte de tiempo.
!"#$%& !:
!! ≤ !! ∀ ! = !, ! … !
La restricción anterior se utiliza para asegurar que las ventas nunca pueden superen la demanda
en ningún periodo de tiempo.


!! ≤ !! ∀ ! = !, ! … !
La restricción anterior tiene como función asegurar que el número de unidades producidas se
limita por la capacidad de producción.
!! = !!!! + !! − !! ∀ ! = !, ! … !
Esta restricción busca balancear el número de unidades que se encuentran en inventario, con las
unidades producidas y las unidades vendidas, de manera que las que se quedan (inventarios),
sean iguales a las que entran (producción), menos las que salen (ventas). Comúnmente esta
restricción es conocida como la restricción de balance del inventario.
!! , !! , !! ≥ ! ∀ ! = !, ! … !
Por último, se deben definir las variables positivas y se agregan las restricciones de No
Negatividad.
Ejemplo:
Productos LTDA., es una empresa que desea conocer la cantidad de productos que debe
producir, la cantidad de productos que venderá y el inventario que tendrá para cada mes de
operación correspondiente al primer semestre del próximo año. La compañía conoce que: la
utilidad unitaria de cada producto vendido es de $10. El costo de mantener en inventario
cada unidad de producto es de $1 para cualquier mes del año. Al inicio del próximo año
tendrá cero unidades en inventario. La capacidad de producción para cada mes es de 100
unidades de producto y que según los pronósticos de ventas, el área administrativa de la
empresa espera que las demanda de enero a junio sea de 80, 100, 120, 140, 90 y 140 unidades,
respectivamente.
Resuelva el problema anterior como un ejercicio de programación lineal.
Datos
! = $10
ℎ = $1
!! = 0
!! = 100, ! = 1,2, … ,6


!! = 80, 100, 120, 140, 90, 140
Solución óptima
! 1 2 3 4 5 6
!! 100 100 100 120 110 120
!! 80 100 120 120 90 140
!! 20 20 0 0 20 0

Nota: Revise la solución completa de este ejemplo en la lectura de “Manejo de Solver”,

donde se muestra en detalle el origen de cada valor.
PLANEACIÓN DEL MIX DE PRODUCTOS
Para acercarse a la realidad industrial actual, hay que tener en cuenta que la mayoría de las
empresas no producen un solo producto, muchas veces ni siquiera una sola familia de
productos. Por el contrario, el portafolio de bienes y servicios de una compañía puede llegar
a ser muy amplio y la planeación del mix de productos juega un papel esencial para la
rentabilidad de la organización en un horizonte de tiempo determinado.
Complementando el modelo simple, se agregan nuevas entradas para hacer referencia a los
nuevos alcances del problema. Esto con el fin de encontrar un mix de productos óptimo
mediante la programación lineal.
Observe que ahora los parámetros y variables no son definidos para cada periodo
únicamente, sino que ahora dependen también de los nuevos conjuntos denotados a
continuación.
Conjuntos:
! = í!"#$% !" !"# !"#$%&%' !" !"#$%&. ! = 1,2, 3 … !
! = í!"#$% !"# !"#$%&'#. ! = 1,2, 3 … !

! = í!"#$% !" !" !"#$%&ó! !" !"#$#%&. ! = 1,2, 3 … !


Parámetros:
!!" = !"!"#$" !á!"#$ !"# !"#$%&'# ! !" !" !"#$%&% !
!!" = !"#$%& !í!"#$% !"#$%&%'() !"# !"#$%&'# ! !" !" !"#$%&% !
!!" = !"#$%& !"#$"!%&' !" !" !"#$%!ó! ! !"#" !"#$%&'" !" !"#$%&'# !
!!" = !"#"$%&"& !" !"#$%&&'ó! !" !" !"#$%&ó! ! !" !" !"#$%&% !
!! = !"#$#%&% !"#$%&#% !"# !"#$%&'# ! !"#$%$& (sin !"#!!"# !"#$" !" !"#$"%&'!()
ℎ! = !"#$" !" !"#$%&#%& !"# !"#$%$ !"# !"#$%&'# ! !"#$%&' !" !"#$%&%

!!" = !"#$%&"& ! !"#$%&'" !!" !"#$%&'# ! !" !" !"#$%&% !
!!" = !"#$%&"& ! !"#$"% !"# !"#$%&'# ! !"#$%&' !" !"#$%&% !

!!" = !"#$"%&'() ! !"#"$ !"# !"#$%&'# ! !" !" !"#$%&% !

! !
!"#$%$&"': (!! ∗ !!" − !! ∗ !!" )

!!! !!!
Al igual que en el modelo simple, el propósito final es obtener la utilidad máxima. En este caso,
se agrega otra sumatoria porque se debe sumar la utilidad neta de todos los productos en todos
los periodos, lo que nos obliga a hacer una sumatoria por periodos y otra por productos.
!"#$%& !:
!! ≤ !!" ≤ !! ∀ !, !
Restricción que afirma que las ventas de un producto nunca pueden superar la demanda del
mismo, pero que además debe cumplir con un mínimo de ventas para cada periodo de tiempo.
!
(!!" !!" ) ≤ !!" ∀ !, !

!!!
Las unidades producidas de cada producto requieren un tiempo determinado en cada estación
de trabajo; dicho tiempo está limitado por la capacidad de producción de cada estación de


trabajo. Luego, la suma de los tiempos utilizados en cada estación para producir las unidades de
todos los productos, están sujetas a la disponibilidad de producción de cada estación de trabajo.
!!" = !!"!! + !!" − !!" ∀ !, !
Esta restricción busca balancear por cada producto el número de unidades en inventario, con las
unidades producidas y las unidades vendidas, en cada uno de los periodos del horizonte de
planeación.
!!" , !!" , !!" ≥ ! ∀ !, !

Por último, se definen las variables positivas y se agrega la restricción de No Negatividad.
Ejemplo:
Tornillos S.A. es una compañía que produce y comercializa tornillos industriales de seguridad.
Por recomendación del área de Marketing, el producto P ha tenido que bajar su precio para
estimular la demanda, lo cual ha generado resultados aceptables. Sin embargo, el producto
Q es un tornillo sustituto del P, y a pesar de tener menor demanda que este último, genera
mayor utilidad unitaria. El dueño de la compañía quiere que usted presente un análisis que le
permita decidir si vale la pena prescindir de alguno de los 2 productos o, de no ser necesario,
mostrar qué cantidad es la óptima para producir de cada uno. Basado en la información
presentada en la siguiente tabla que tiene por nombre “Información de Tornillos S. A.”,
desarrolle los siguientes análisis y calcule la utilidad semanal de cada uno utilizando:
a. El análisis de utilidad.
b. El análisis de cuello de botella.


Tabla 1. Información de Tornillos S. A.

Información de Tornillos S. A.

Producto P Q
Precio de venta $90 $100
Costo de la materia prima $45 $40

Ventas máximas por semana 100 50

Minutos requeridos en la estación A (por unidad) 15 10

Minutos requeridos en la estación B (por unidad) 15 30

Minutos requeridos en la estación C (por unidad) 15 5

Minutos requeridos en la estación D (por unidad) 15 5

Tenga en cuenta que para el desarrollo del ejercicio Tornillos S. A. está sujeta a las siguientes
condiciones o supuestos:
Demanda semanal constante
Costos Fijos
Capacidad semanal de 40h/máq.
Costo fijo: $5000
Objetivo: maximizar la utilidad semanal


Análisis de Utilidad
Utilidad unitaria:
Producto P: $45
Producto Q: $60
Capacidad máxima de producción de Q: 50 unidades
Capacidad disponible para producir P
2400 – 10 (50) = 1900 minutos en la estación A
2400 – 30 (50) = 900 minutos en la estación B
2400 – 5 (50) = 2150 minutos en la estación C
2400 – 5 (50) = 2150 minutos en la estación D
Capacidad máxima de producción de P: 900 / 15 = 60 unidades
Utilidad neta semana: ($45 * 60) + ($60 * 50) -‐ $5000 = $700
Análisis de cuello de botella
Identificar el cuello de botella: Estación B, porque
15 (100) + 10 (50) = 2000 minutos en la estación A
15 (100) + 30 (50) = 3000 minutos en la estación B
15 (100) + 5 (50) = 1750 minutos en la estación C
15 (100) + 5 (50) = 1750 minutos en la estación D
Utilidad por minuto utilizado en el cuello de botella
$45 / 15 = $3 por minuto invertido en producir P
$60 / 30 = $2 por minuto invertido en producir Q


Capacidad máxima para producir P: 100 unidades
Capacidad máxima para producir Q: 900 / 30 = 30 unidades
Utilidad neta semana: ($45*1000) + ($60*30) -‐ $5000 = $1300
Ejemplo modificado:
Ahora suponga que las estaciones B y D están empezando a presentar complicaciones debido a
factores externos a la empresa y se le pide que realice los siguientes análisis de acuerdo con la
nueva información:
a. Análisis de cuello de botella.
b. Análisis y solución resolviendo como un problema de Programación Lineal.
Tabla 2. Información de Tornillos S.A. con cambios en las estaciones B y D.
Producto P Q
Precio de venta $90 $100
Costo de la materia prima $45 $40
Ventas máximas por semana 100 50
Minutos requeridos en la estación A (por unidad) 15 10
Minutos requeridos en la estación B (por unidad) 15 35
Minutos requeridos en la estación C (por unidad) 15 5
Minutos requeridos en la estación D (por unidad) 25 14

Fuente: Elaboración propia.
Análisis de cuello de botella B


$45 / 15 = $3 por minuto invertido en producir P
$60 / 35 = $1.71 por minuto invertido en producir Q
Capacidad máxima para producir P: 2400 / 25 = 96 unidades
Capacidad máxima para producir Q: 0 unidades
Utilidad neta semana: ($45 * 96) + ($60 * 0) -‐ $5000 = -‐$680
Análisis de Cuello de Botella D
$45 / 25 = $1.8 por minuto invertido en producir P
$60 / 14 = $4.29 por minuto invertido en producir Q
Capacidad máxima para producir Q: 2400 / 35 = 68.57 > 50
Capacidad máxima para producir P: 650 / 15 = 43 unidades
Utilidad neta semana: ($45 * 43) + ($60 * 50) -‐ $5000 = -‐$65


Programación Lineal
Formulación: !"# 45!! + 60!! − 5000
sujeto a:
15!! + 10!! ≤ 2400
15!! + 35!! ≤ 2400
15!! + 5!! ≤ 2400
24!! + 14!! ≤ 2400
Solución: Utilidad = $557.94
!! = 75.79 ≈ !! = 76
!! = 36.09 ≈ !! = 36
Utilidad neta semana: ($45 * 76) + ($60 * 36) -‐ $5000 = $580
PLANEACIÓN DE LA FUERZA DE TRABAJO
Como se afirmó anteriormente, la mano de obra en un ambiente de manufactura es uno de
los recursos más importantes que se deben considerar a la hora de planear la producción. De
igual forma que la maquinaria o las materias primas, la fuerza de trabajo restringe nuestra
producción y es primordial controlarla y optimizarla de tal manera que la empresa logré
maximizar los beneficios.
Para hacer énfasis en la fuerza de trabajo, se va a modelar un plan donde se asume la

elaboración de un único producto. Es decir, a diferencia del modelo anterior, el conjunto de
productos no es considerado y las variables/parámetros se definirán para los conjuntos de
periodos de tiempo y estaciones de trabajo.
Tenga en cuenta que las nuevas entradas que se consideran en el siguiente modelo deben
tener la misma relación de unidades. Vea también que dichas entradas deben limitar el
número de unidades producidas mediante las restricciones señaladas.
Conjuntos:
! = í!"#$% !" !"# !"#$%&%' !" !"#$%&. ! = 1,2, 3 … !

! = í!"#$% !" !" !"#$%&ó! !" !"#$#%&. ! = 1,2, 3 … !


Parámetros:
!! = !"#$%&$ !á!"#$ !" !" !"#!"#" !
!! = !"#$%& !í!"#$% !"#$%&%'() !" !" !"#$%&% !
!! = !"#$% !" !"#$#%& !"#$"!%&'( !"#" !"#$%&'" !"# !"#$%$ !" !" !"#$%&ó! !
! = !ú!"#$ !" ℎ!!"# − ℎ!"#$% !"!!"#$%&' !"#" !"#$%&'" !"# !"#$%$

!!" = !"#"$%&"& !" !"#$%&&'ó! !" !" !"#$%&ó! ! !" !" !"#$%&% !
! = !"#$#%&% !"#$%&#% !"# !"#$%&'! !"#$%$& (sin !"#$%!& !"#$" !" !"#$"%&'!()
ℎ = !"#$" !" !"#$%&#%& !"# !"#$%$ !"#$%&' !" !"#$%&%

! = !"#$" !"# !"#$%& !"#$%&! !"# ℎ!"# − ℎ!"#$%
! ! = !"!"# !"# !"#$%& !"#$% !"# ℎ!"# − ℎ!"#$%
! = !"#$" !" !"#$%&%"'($ !" !"#"!$%"% !" !"# ℎ!"# − ℎ!"#$%

! ! = !"#$" !" !"#$"%&"'() !"#"!$%"% !" !"# ℎ!"# − ℎ!"#!"

!! = !"#$%&"& ! !"#$%&'" !" !" !"#$%&% !

!! = !"#$%&"& ! !"#$"% !"#$%&' !" !"#$%&% !
!! = !"#$"%&'() !" !"#$% !"# !"#$%&% !
!! = !"#$%&%"'( !"#$%&$&!!ó! !" !" !"#"!$%"% !" ! !" ℎ!"# − ℎ!"#$%

!! = !"#$"%&'"ó! !"#$%!& !" !" !"#"!$%"% !" ! !" ℎ!"# − ℎ!"#$%
!! = !"#$%& !"#$% !! !" !"#$%&% ! !" ℎ!"#$
!! = !"#!!"#$# !" !"#$%& !"#$%&! !" !" !"#$%&% ! !" ℎ!"# − ℎ!"#$%


!
!"#$%$&"': (! ∗ !! − ! ∗ !! − ! ∗ !! − !! ∗ !! − ! ∗ !! − !! ∗ !! )
!!!


Para obtener la utilidad neta en este modelo, a la utilidad por ventas se le deben restar todos
aquellos costos que están asociados con la fuerza de trabajo y operación. Para este caso
incluimos el costo de inventarios; el costo de los empleados en tiempo regular; el costo de
empleados en horas extra; el costo de los empleados contratados y el costo de los empleados
despedidos.
!"#$%& !:

!! ≤ !! ≤ !! ∀ !
Esta restricción obliga al modelo a cumplir con una cuota mínima de ventas por periodo. Y a su
vez, no le permite superar la demanda en ningún periodo de tiempo.
!! ∗ !! ≤ !!" ∀ !, !
Las unidades producidas requieren un tiempo determinado en cada estación de trabajo; dicho
tiempo está limitado por la capacidad de producción de cada estación de trabajo. Luego, el
tiempo unitario requerido, multiplicado por las unidades elaboradas, no puede superar la
capacidad de cada estación.
!! = !!!! + !! − !! ∀ !
Esta restricción busca balancear el número de unidades que se encuentran en inventario, con las
unidades producidas y las unidades vendidas.
!! = !!!! + !! − !! ∀ !
De igual manera que en la restricción de balance de unidades, esta restricción busca balancear el
número de horas-‐hombre que van a mantenerse, con las horas-‐hombre que se van (despidos) y
las horas hombre que llegan (contrataciones).
! ∗ !! ≤ !! + !! ∀ !
Así como no se puede superar la capacidad por estación, las horas-‐hombre de trabajo para
manufactura no pueden exceder el número de horas-‐hombre disponibles en cada periodo. Estas
horas disponibles corresponden a las horas-‐hombre contratadas en tiempo regular, más las
horas-‐hombre contratadas en tiempo extra.


!! , !! , !! , !! , !! , !! , !! ≥ ! ∀ !
Por último, se definen las variables positivas y se agrega la restricción de No Negatividad.
Nota: Siempre que vaya a modelar un problema de planeación agregada, primero identifique
y analice toda la información que le están dando. A partir de dicha información, usted debe
estar en la capacidad de decidir cuáles parámetros, variables y restricciones son las que
necesita considerar y cuáles no.
Tenga en cuenta que los diferentes sistemas utilizados para solucionar problemas de
programación lineal, dependen directamente de la modelación que usted haga y que estos
no modelan los problemas, lo cual requiere que usted desarrolle una capacidad de análisis de
resultados tal, que le permita identificar si el modelo está correcto o requiere revisiones.
Como cualquier programación, “si basura entra, basura sale”.
EJERCICIOS
A continuación se presentan dos ejemplos con el objetivo de lograr un mejor entendimiento

del tipo de problemas que pueden ser resueltos con la temática aprendida de planeación
agregada.
Ejemplo 1:
Usted acaba de ser nombrado vicepresidente corporativo a cargo de la producción de una

compañía de componentes automotrices y está a cargo de asignar los productos a las
plantas. De entre muchos otros productos, la empresa fabrica baterías para automóvil en
tres categorías: Heavy-‐duty, standard y economy. La utilidad neta unitaria y la demanda diaria
máxima de estos productos están señaladas en la primera tabla de abajo. La empresa tiene
tres plantas donde las baterías pueden ser fabricadas. La capacidad máxima de ensamble
para cualquier combinación de tipos de baterías está dada en la segunda tabla de abajo. El
número de baterías que pueden ser producidas en una planta está limitado por la cantidad
apropiada de plomo que la planta puede producir. Los requerimientos de plomo para cada
tipo de batería y la capacidad de producción de plomo de cada planta están también
señalados en las siguientes tablas.
Tabla 3. Utilidad neta unitaria, demanda máxima diaria y capacidad de ensamble.


Producto Utilidad Unitaria Demanda Máxima Requerimientos

($/batería) (baterías/día) de Plomo
(lbs/batería)
Heavy-‐duty 12 700 21
Standard 10 900 17
Economy 7 450 14

Planta Capacidad de Producción Máxima de Plomo (lbs/día)

Ensamble
(baterías/día)
1 550 10000
2 750 7000
3 225 4200

Fuente: Hopp, W. & Spearman, M. Factory Physics, Third Edition, McGraw Hill, 2008. P. 576.

a. Formule un Problema Lineal (PL) que asigne plantas a los tres tipos de baterías entre
las tres plantas de manera que se maximice la utilidad.
Solución:
Consideremos la siguiente notación para la solución de este problema:
!!! = Número de baterías Heavy producidas en la planta 1
!!! = Número de baterías Standard producidas en la planta 1
!!! = Número de baterías Economy producidas en la planta 1


Se formula la solución como un PL de la siguiente manera:
Función Objetivo
!"# 12 !!! + !!! + !!! + 10 !!! + !!! + !!! + 7(!!! + !!! + !!! )
Sujeta a:
!!! + !!! + !!! ≤ 700

!!! + !!! + !!! ≤ 900 Restricción de demanda
!!! + !!! + !!! ≤ 450

21!!! + 17!!! + 14!!! ≤ 10000
21!!! + 17!!! + 14!!! ≤ 7000 Producción de plomo
21!!! + 17!!! + 14!!! ≤ 4200
!!! + !!! + !!! ≤ 550

!!! + !!! + !!! ≤ 750 Capacidad de ensamble
!!! + !!! + !!! ≤ 225

!!! , !!! , !!! , !!! , !!! , !!! , !!! , !!! , !!! ≥ 0 No negatividad
Otra forma de solucionar el punto “a” de este ejercicio es la que se presenta a continuación. La
solución es similar a la anterior, lo único que cambia es la notación que se utiliza para el ejercicio.
El primer paso es definir los conjuntos, parámetros y variables de decisión del problema. Tal
como se presenta a continuación:
Conjuntos
• !"#$%#&" !" !"#$%í!" !"# í!!"#$ ! = {1 = !, 2 = !, 3 = !}

• !"#$%#&" !" !"#$%#& !"# í!"#$% ! = {1, 2, 3}
Parámetros
• !! : !"#$%&$ !á!"#$ !" !" !"#$%í! ! !" !" !í!

• !! : !"#$"%!"!#$%&' !" !"#$# !"#" !"#$%&'" !" !"#$%í! !


• !! : !"#"$%&"& !" !"#$%&'! !" !" !"#$%# !

• !"#$! : !"#$%&&'ó! !á!"#$ !" !"#$# !" !" !"#$%# !

Variable de decisión
• !!" : !ú!"#$ !" !"#$%í!" ! !"#$%&'$() !" !" !"#$%# ! !" !" !í! (!"#$%í!"/!í!)
Luego, se formula la solución como un PL de la siguiente manera:
Función Objetivo
! !
!"# !! ∗ !!"
!!! !!!
Sujeta a:
!
!!" ≤ !! ∀ ! = 1,2 ! 3
!!!
!! ≤ !! ∀ ! = 1,2 ! 3
!!!
!!" ≤ !! ∀ ! = 1,2 ! 3
!!!
!!" ≥ 0 ∀ !, ∀!
b. Suponga que por políticas de la compañía, la fracción de capacidad utilizada deba ser
la misma en las tres plantas. Muestre cómo modificaría su PL para incorporar esta
restricción.

!!! + !!! + !!! ≤ 550!
!!! + !!! + !!! ≤ 750!
!!! + !!! + !!! ≤ 225!


0 ≤ ! ≤ 1
c. Ahora suponga una política corporativa que dicte que al menos el 50% de las baterías
producidas deben ser de Heavy-‐duty. Muestre cómo modificaría su PL para incorporar
esta restricción.
!!! + !!! + !!!

≤ 0.5
!!! + !!! + !!! + !!! + !!! + !!! + !!! + !!! + !!!

Ejemplo 2:
Mr. B. O’Problem de Industrias Rancid debe decidir sobre una estrategia de producción para
dos productos top-‐secret, los cuales por razones de seguridad llamaremos A y B. Lo que
realmente importa es (1) si vale la pena producir ambos, uno o ninguno de estos productos y
(2) la cantidad a producir de cada uno de ellos. Ambos productos se pueden producir en una
sola máquina, y hay tres marcas de máquinas que pueden ser alquiladas para este propósito.
Sin embargo, debido a problemas de disponibilidad, Rancid puede alquilar máximo una de
cada marca. Por lo tanto, O'Problem también debe decidir, dado el caso, cuáles de las
máquinas arrendar. Los datos relevantes de la máquina y el producto se dan a continuación.
Tabla 4. Datos de producción, capacidad, costos y demanda.
Máquina Horas para Horas para Capacidad Arrendamiento +

Producir una Producir una Semanal Costo de
unidad A unidad B (horas) Operación ($)
1 0.5 1.2 80 20000
2 0.4 1.2 80 22000
3 0.6 0.8 80 18000

Producto Demanda Máxima Utilidad Neta Unitaria ($/unidad)

(unidades/semana)
A 200 150
B 100 225

Fuente: Hopp, W. & Spearman, M. Factory Physics, Third Edition, McGraw Hill, 2008. P.
577.


a. Sea !!" el número de unidades del producto i producidas a la semana por la máquina j,
formule un PL para maximizar la utilidad semanal (incluir costo de arrendamiento)
sujeto a las constantes de capacidad y demanda. Nota: tenga en cuenta que el costo
de arrendamiento se incurre sólo si la máquina es usada y que el costo es fijo sin
importar el número de unidades producidas por la máquina.
Solución:
Consideremos la siguiente notación para la solución de este problema:
Variables de decisión
!!! = Unidades producidas del producto A en la máquina 1
!!! = Unidades producidas del producto B en la máquina 1
- Variables binarias
!! = Variable binaria (Puede tomar los valores “0” ó “1”) para decidir se la “máquina 1”
es arrendada o no. !! = 0 significa que la “máquina 1“no debe ser arrendada, mientras
que !! = 1 significa que la “máquina 1“debe ser arrendada,
es arrendada o no.
es arrendada o no.
Función Objetivo
!"# 150 !!! + !!! + !!! + 225 !!! + !!! + !!! − 20000!! − 22000!! − 18000!!
Sujeto a:


!!! + !!! + !!! ≤ 200
!!! + !!! + !!! ≤ 100

0.5!!! + 1.2!!! ≤ 80!!
0.4!!! + 1.2!!! ≤ 80!!
0.6!!! + 0.8!!! ≤ 80!!

!! , !! , !! = 0, 1
!!! , !!! , !!! , !!! , !!! , !!! ≥ 0

b. Suponga que el proveedor de la máquina 1 y máquina 2 son rivales y no van a servir a

la misma compañía. Muestre como modificar su formulación para asegurarse que se
arriende sólo una de las dos marcas o ninguna, pero no ambas.
!! + !! ≤ 1
Nota: Si el objetivo es dar solución al ejercicio utilizando la notación que permite dar una
solución abreviada o corta a la formulación del problema es necesario definir los conjuntos,
parámetros y variables de decisión, tal como se presenta a continuación.

Conjuntos
• !"#$%#&" !" !"#!"#$%& !"# í!"#$% ! = {1, 2}

• !"#$%#&" !" !á!"#$%& !"# í!"#$% ! = {1, 2, 3}
Variables de decisión
!!" : !"#$%$&' !"#$%&'$() !"# !"#$%&'# ! !" !" !á!"#$% ! !" !"# !"#!"!
1 !" !" !á!"#$% ! !" !""#$%!%!

!! : !"#$"%&' !"#$%"$
0 !"#$ !"#$%&%'"

100


Parámetros
Los parámetros y la formulación del ejercicio no se presentan en este documento con el

propósito de que el lector curioso interactúe con el ejercicio e intente dar solución al mismo.
Recuerden que la solución es igual a la anterior, lo único que cambia es la notación.

3. Control de

SEMANA 3 INVENTARIOS


SEMANA N. 0 3

LECTURA 1: CONTROL DE INVENTARIOS

A lo largo de la historia de la administración operativa y la producción, diferentes disciplinas y
autores han intentado dar una verdad única acerca del papel y el valor de los inventarios en
las empresas. En un principio, algunos produjeron en volúmenes enormes creyendo que la
capacidad desmedida de producción reflejaba el poder de la industria, sin importar si había
demanda o no para tal oferta. Otros han afirmado que los inventarios no agregan valor en lo
absoluto y hacen lo necesario por eliminarlos del proceso. Lo cierto es que no existe un
extremo, no existe una verdad única acerca del tema y las diferentes teorías o filosofías de
gestión desarrolladas anteriormente, han impulsado los modelos citados y utilizados
actualmente para el control de los inventarios.
Los inventarios están obligados a existir de una forma u otra en la medida que exista la
imposibilidad para predecir el futuro y la dificultad para sincronizar toda la cadena de
suministro.
Factores como la incertidumbre en la demanda, en la estacionalidad y en la variabilidad de

producción, alteran los planes estratégicos en todo momento, y a pesar de que pueden ser
medidos y controlados con el fin de reducir la incertidumbre, no existe la capacidad para
predecir con certeza (con probabilidad de100%) cómo se comportarán ninguno de ellos. Los
pronósticos ayudan a tener una idea del comportamiento de la demanda y la estacionalidad;
el control de la calidad permite reducir errores en producción, y por tanto, la variabilidad; por
su lado, los inventarios protegen a la compañía de grandes costos cuando algún elemento
falla.
Sincronizar todos los elementos de una cadena de suministro en la empresa es una tarea
muy difícil. Es arduo hacer que los proveedores abastezcan la producción justo en el
momento y en la cantidad necesarias siempre; es difícil que las corridas de producción
lleguen directamente a las manos del cliente en el momento en que este lo demanda; es
difícil pronosticar y controlar todos los factores externos; es difícil no tener inventarios.
Dicho esto, es evidente que la gestión de los inventarios juega un rol protagonista en el
comportamiento de las empresas. No se pueden eliminar del todo por las razones ya
mencionadas, pero tampoco se puede tener todo el inventario que se quiera porque este
genera costos y se vuelven obsoletos con el tiempo. La pregunta sería entonces: ¿Cuánto
inventario tener?
Para contestar esa pregunta, primero se tiene que aclarar cómo es que se produce el
inventario. Imagine un estanque de agua con una llave de entrada de suministro en la parte


superior y otra llave de escape en la base del estanque por donde saldría el agua. Usted
tendría permitido controlar únicamente la llave de suministro, mientras otra persona que
usted no conoce, dispondría del agua a su antojo en el momento en que esta la requiriera. Su
tarea consistiría en no dejar que la otra persona se quede sin agua en ningún momento,
manteniendo la menor cantidad de agua posible en el estanque. Ahora piense en la llave de
suministro como la producción o compra de un determinado producto, y en la llave de
escape como la demanda de este mismo. La producción puede ser controlada de alguna
manera, pero la demanda no. La diferencia entre lo que se produce y lo que se demanda (lo
que mantiene en el estanque) sería el inventario. Luego, la pregunta ya no sería cuánto
mantener en el estanque, sino: ¿Cuándo abrir la llave? Y ¿Cuánto abrir la llave?
Estas dos preguntas son las que interesan al desarrollar modelos de inventarios: ¿Cuánto? y
¿Cuándo?
CANTIDAD ECONÓMICA DE PEDIDO – ECONOMIC ORDER QUANTITY (EOQ) por sus siglas en
inglés
Supuestos del modelo
Este primer modelo se basa en supuestos muy fuertes. Supuestos que van a ir siendo
suavizados posteriormente a medida que se desarrollen los otros modelos. Los supuestos
sobre los que se desarrolla este son:
• Producción Instantánea: no hay restricciones de capacidad y el lote completo es

producido simultáneamente sin importar el tamaño.
• Demanda determinística: se asume que no hay incertidumbre para la cantidad
demandada o para el momento de la misma.
• Demanda constante: se demanda la misma cantidad en el mismo periodo de tiempo.
Es decir, si se tiene una demanda anual de 365 unidades, se asume que se demanda
una unidad por día.
• Costos fijos: los costos relacionados con el modelo permanecen constantes.
• Entrega inmediata: no hay tardanzas entre la producción y el momento de la entrega.
• Único producto.
Notación
! = !"#" !" !"#$%!$ !"#!$ (!"#$%$&'/!ñ!)
! = !"#$" !"#$%&#' !" !"#$%&&'ó! ($/!"#$%$)

! = !"#$" !"#$ !" !"#$%!&#'(%) ! !" !"#"!$% !"# ó!"#$ ($)


ℎ = !"#$" !" !"#$"%&'!( !"#!$ ($/!ñ!)
! = !"#"ñ! !" !" !"##$%& !" !"#$%&&'ó! ! !"# !"#$#% (!"#$%$&')
Nota: si sólo se tiene en cuenta el interés del dinero invertido, entonces ℎ = !", donde ! es la
tasa anual de interés.
Figura 1: Representación gráfica del modelo EOQ
Q/2

Costos asociados
!
!"#$"%&'() !"#$%&'# =
2
!
!ú!"#$ !" !"#$#%& !" !ñ! =
!
ℎ!
!"#$" !"#!$ !" !"#$"%&'!( =
2
!"#$" !" !"#$% ! !"#$%&'" = ! + !"
!"#$%ó! !" !"#$" !"#!$ = !"#$" !" !"#$% + !"#$" !"#!$ !" !"#$"%&'!(


! ! ℎ!
! ! =! + !" +
! ! 2
!" ℎ!
! ! = + !" +
! 2
Se define el costo en función de Q porque queremos conocer el “¿Cuánto?” del modelo.
Gráficamente la función se vería así:
Figura 2. Función de Costo de una modelo EOQ

Como se muestra en la gráfica, la función del costo total es la suma de dos funciones de
costo: el costo de mantener y el costo de pedir. Por lo tanto, nuestro Q óptimo depende de
ambas y este se encuentra justo donde la función de costo total halla su mínimo, lo que
resulta ser el punto exacto donde el costo de pedir es igual al costo de mantener.


Cantidad económica de pedido
Para minimizar la función de costo se deriva con respecto a la variable de interés y se iguala a
cero justo como se hacía en los cursos de cálculo diferencial.
!" ! ! !" ℎ!
= + !" +
!" !" ! 2
!" ! !" ℎ
= − ! +
!" ! 2
!" ! !" ℎ
= − ! + = 0
!" ! 2

Igualando a cero se encuentra el mínimo de la función y se procede a hallar el valor de Q para
el cual el costo es el menor.
!" ℎ
=
!! 2
2!"
!! =
ℎ
!"#
!∗ =
!
Análisis de sensibilidad del EOQ
Para comparar el comportamiento del costo mientras se aleja de su mínimo, se pueden hacer
diferentes análisis de sensibilidad con las variables relacionadas al óptimo. La función de
costo anual es una función que depende del tamaño de lote óptimo, y puede ser formulada
de la siguiente manera:
ℎ!∗ !"
! ∗ = ! !∗ = + ∗
2 !
ℎ 2!"/ℎ !
= +
2! 2!"/ℎ


= !"#$
En las ecuaciones anteriores !∗ representa la cantidad óptima a pedir calculada a partir de las
ecuaciones del modelo EOQ.
Vea que el costo unitario no afecta el tamaño del lote, razón por la cual no es tenido en
cuenta en la función.
Ahora, la misma función de costo calculada con un Q arbitrario sería igual a la función que se
formuló anteriormente. Ese valor de Q arbitrario puede tomar cualquier valor diferente del
!∗ que se calcula con las ecuaciones del modelo EOQ.

ℎ! !"
! ! = +
2 !
De esta manera, la razón de costo anual entre el tamaño de lote Q y el tamaño de lote Q* se
calcula como sigue:
!"#$"(!) !(!) ℎ!/2 + !"/! ! ! !∗
= = = +
!"#$"(!∗ ) !(!∗ ) 2!"ℎ ! !∗ !
Ejemplo: Si Q = 2Q*, entonces el aumento en el costo anual es de:
1 1
2 + = 1.25
2 2
Es decir, un 25% más alto
Otro análisis que se puede sacar del EOQ es el del tiempo entre abastecimientos, dado que
este también depende del tamaño de Q.
!
!=
!
Por lo tanto, usando el Q* óptimo podemos calcular un tiempo entre abastecimientos
óptimo:
!"#
∗
!∗ ! !"
! = = =
! ! !"
De la misma forma que con el análisis del tamaño del lote, podemos hallar una razón para el
costo entre T arbitrario y T* óptimo:


!"#$" !"#!$ !"#$%& ! ! ! !∗

= +
!"#$" !"#!$ !"#$%& ! ∗ ! !∗ !

Ejemplo 1:
Una cafetería vende café a una tasa constante de 280 libras anuales. Los granos se compran
a un proveedor local a 2,4 dólares por libra. La cafetería estima que le cuesta 45 dólares
colocar un pedido de café, y que los costos de mantener el inventario se basan en una tasa
anual de interés de 20%.
a. Calcule la cantidad óptima de pedido para el café colombiano.
b. ¿Cuál es el tiempo entre pedidos?
c. ¿Cuál es el número de pedidos que se deben hacer por año?
d. ¿Cuál es el costo anual promedio de inventario debido a este artículo?
e. ¿Cuál es el costo anual de preparación debido a este artículo?
f. ¿Cuál es el costo anual promedio total de la política de inventario?
Solución:
Lo primero que se debe hacer es organizar los datos de entrada de acuerdo a la notación para
aplicar las ecuaciones correctamente.
! = 280 !"#$%& !ñ!
! = U$2.4 !"#$%
! = U$45
! = 20%
ℎ = !" = 0.2 U$2.4 = !$0.48
a. Con los datos definidos, se utiliza la ecuación para Q óptimo.
!(!")(!"#)
!∗ = = !!". !" ≈ !"# !"#$%&
!. !"
b. El tiempo entre pedidos es constantes y lo vamos a denotar como T. Será calculado de la
siguiente manera:


! !"# !" !"#$%$!

!= = = !. !"# !ñ!" ∗ = !". ! !"#$%$!
! !"# !ñ!
c. El número de pedidos por año no es más que la demanda anual dividida entre el tamaño
del pedido óptimo, o lo que es igual, el inverso de T.
! ! !"# !"#$#%&
= =
! ! !"#
= !. !" !ñ!
d. El costo de inventarios ya es conocido.
!" !. ! ∗ !. ! ∗ !"#
= = !$!!. !
! !
e. El costo de preparación también se conoce.
!" ! !"
= = = !$!". !"
! ! !. !"#
f. El costo total sería:
! !"
!"#$" !" !"#$% + !"#$" !" !"#$%#%& = + = !$!". !" + !$!!. !
! !
= !$!!"
LOTE ECONÓMICO DE PRODUCCIÓN – ECONOMIC PRODUCTION LOT (EPL) por sus siglas en
inglés
En este modelo se comienzan a involucrar más variables de tal forma que los supuestos se
acerquen un poco más a la realidad. Los supuestos sobre los que se desarrolla este modelo
son:
• Producción NO instantánea: la tasa de producción es finita y constante en el tiempo.
• Demanda constante: se demanda la misma cantidad en el mismo periodo de tiempo.
Es decir, si se tiene una demanda anual de 365 unidades, se asume que se demanda
una unidad por día.


• Único Producto.
Notación
! = !"#" !" !"#$%!$ !"#!$ (!"#$%$&'/!ñ!)

! = !"#" !" !"#$%&&'ó! !"#!$ (!"#$%$&'/!ñ!)
! = !"#$" !"#$%&#' !" !"#$%&&'ó! ($/!"#$%$)
! = !"#$" !"#$ !" !"#$%!&#'(%) ! !" !"#"!$! !"# ó!"#$ ($)
ℎ = !"#$" !" !"#$"%&'!( !"#!$ ($/!ñ!)

! = !"#"ñ! !" !" !"##$%& !" !"#$%&&'ó! ! !"# !"#$#% (!"#$%$&')
Figura 2: Representación gráfica del modelo EPL
Nota: esta vez el tiempo entre corridas o pedidos se dividirá en dos de la siguiente manera:
!
!! = !"#$%& !"# !"#$%& !" !"##$%& !" !"#$%&&'ó! =
!
!! = !"#$%& !"# !"#$%& !" !"#$!%!! !" !"#$"%&'!( = ! − !!


!
!= = !! + !!
!
Costos asociados
! !−! ! !−! ! ! !
!"#$"%&'() !"#$%&'# = = = = 1−
2 2 ! ! 2 ! 2
!
!ú!"#$ !" !"#$#%& !" !ñ! =
!
! !
!"#$" !"#!$ !" !"#$"%&'!( = ℎ 1 −
! 2
!"#$" !" !"#$% ! !"#$%&'" = ! + !"
!"#$%ó! !" !"#$" !"#!$ = !"#$" !" !"#$% + !"#$" !"#!$ !" !"#$"%&'!(
! ! ! !
! ! =! + !" +ℎ 1−
! ! ! 2
!" ! !
! ! = + !" + ! ! −
! ! !
Nuevamente se define el costo en función de Q porque queremos conocer el “¿Cuánto?” del
modelo.
Tamaño del Lote
Se deriva nuevamente con respecto a la variable Q y se iguala a cero.
!" ! ! !" ! !
= + !" + ℎ 1 −
!" !" ! ! 2
!" ! !" ! ℎ
=− ! + 1−
!" ! ! 2
!" ! !" ! ℎ
=− ! + 1− = 0
!" ! ! 2
Se halla el valor de Q para el cual el costo es el menor.
!" ! ℎ
!
= 1−
! ! 2


2!"
!! =
ℎ 1−! !
!"#
!∗ =
! !−! !
Nota: Es importante recordar que el primer supuesto que se mencionó sobre el modelo EPL
es el siguiente: “La Producción NO instantánea: la tasa de producción es finita y constante en el
tiempo”. Por esta razón, en la formulación del modelo EPL encontramos la letra “P” que
hace referencia a la tasa de producción. Frente a lo anterior es producente hacer la siguiente
pregunta.
¿Qué pasaría si en la siguiente ecuación eliminamos este supuesto y asumimos que la tasa de
producción es infinita?
!"#
!∗ =
! !−! !
Si la tasa de producción es infinita, esto implica que en la ecuación anterior (! !) tiende a
cero. Por tal motivo, la ecuación quedaría de la siguiente manera:
!"# !"#
!∗ = =
! !−! !
En conclusión, estaríamos encontrando la misma ecuación de cantidad óptima a pedir que la

encontrada en el modelo EOQ.
Ejemplo 2:
Química Wood produce una sustancia que se usa como fertilizante para prados. Se puede
generar 10.000 libras diarias de esa sustancia. Su demanda anual es de 600.000 libras. El
costo fijo para preparar una corrida de producción del fertilizante es de 1.500 dólares, y el
costo variable de producción es 3.5 dólares por libra. La empresa usa una tasa de interés de
22% anual para tener en cuenta el costo de capital. Suponiendo que hay 250 días hábiles por
año, responda lo siguiente.
a. ¿Cuál es el tamaño óptimo de cada corrida de producción para esta sustancia

especial?


b. ¿Cuál es el costo anual promedio de inventario debido a la sustancia?
c. ¿Cuál es el costo anual de preparación?
d. ¿Cuál es el tiempo de producción para cada corrida de producción de la sustancia?
e. ¿Cuál es el tiempo de consumo durante cada corrida de producción de la sustancia?
Solución:
De igual forma que con el ejemplo de EOQ, se definirán los datos.
! = 600000 !"#$%& !ñ!
! = 10000 !"#$%& !í! ∗ 250 !í!" !ñ! = 2500000 !"#$%& !ñ!
! = U$3.5 !"#$%
! = U$1500
! = 22%
ℎ = !" = 0.22 U$3.5 = !$0.77

a. Con los datos definidos, se utiliza la ecuación conocida.
! !""""" !"##
!∗ = = !!"#$. !" ≈ !!"#$ !"#$%&
!. !! ! − !""""" !"#####
b. El costo de inventarios ya mencionado:

! ! !""""" !!"#$
! !− = !. !! ! − = !$!"##$. !"
! ! !"##### !
c. El costo de preparación también se conoce.
!" ! !"## ∗ !"""""
= = = !$!"##$. !"
! ! !!"#$


d. El tiempo de la corrida de producción se calcula como:

! !!"#$
!! = = = !. !""#$ !ñ!" ≈ !. !" !"#$%$!
! !"#####
e. El tiempo de consumo se puede hallar de la diferencia entre el tiempo del periodo
completo y el tiempo de corrida.
! !!"#$
!= = = !, !"#$
! !"""""
!!"#$
!! = ! − !! = − !. !""#$ = !. !"!#$ !ñ!" ≈ !. !" !"#$%$!
!"""""

WAGNER-‐WHITIN
Supuestos
Para este modelo, cambia uno de los supuestos relacionados con la demanda. Cada vez que
un modelo adapta un supuesto diferente, es porque el problema planteado en principio así lo
requiere. El objetivo principal es reducir los costos. Los supuestos sobre los que se desarrolla
este modelo son:
• Producción instantánea: no hay restricciones de capacidad y el lote completo es

• Demanda no constante: ya no se demanda la misma cantidad por periodo. Se conoce
la demanda pero esta no es constante a través del tiempo. Es decir, si la demanda
anual es de 500, puede que un periodo demande 40, el siguiente 80, luego 70, etc.
Notación
! = !"#$%&% !" !"#$%& (!í!, !"#$%$, !"#, !"#. )
!! = !"#$%&$"% !" !"#$%&% ! (!"#!!"#$)

!! = !"#$" !"#$%&#' !" !"#$%&&'ó! !" !" !"#$%&! ! ($)


!! = !"#$" !" !"#$%!&#'(%) ! !" !"#"!$% !"# ó!"#$ !" !" !"#$%&% ! ($)
ℎ! = !"#$" !" !"#$%#%& !"# !"#$%$ !"#!" ! ℎ!"#! ! + 1 ($)

!! = !"#$%&"& ! !"!"#$% !" !" !"#$%&% ! (!"#$%$&')

Este algoritmo se basa en la propiedad de Wagner-‐Whitin que afirma que bajo una política
óptima de pedidos: o la cantidad producida en el periodo t+1 es cero, o la cantidad
almacenada en inventario para utilizar en el periodo t+1 es cero.
La idea principal del algoritmo es decidir cuántos periodos se van a abastecer con la
producción de cada periodo. Es decir, en cada periodo voy a producir exactamente lo que
necesito para suplir las necesidades de un número entero de periodos posteriores. Por
ejemplo, si mi horizonte de tiempo es de 6 meses y me encuentro en el mes 1, tengo 6
posibles tamaños de producción para el mes: producir para la demanda del mes 1
únicamente; producir para las demandas de los meses 1 y 2; producir para las demandas de
los meses 1, 2 y 3; producir para las demandas de los meses 1, 2, 3 y 4; producir para la
demanda de los meses 1, 2, 3, 4 y 5; o producir para todos los meses desde el primer mes.
Tenga en cuenta que si produce para el mes 1, 2 y 3, su inventario llegará a cero en el mes 4,
lo que implica que también debe decidir entre las 3 opciones de tamaño de producción que
quedan para abastecer la demanda de los meses restantes (4, 5 y 6).
Para ilustrar mejor el algoritmo, se desarrollarán los pasos del algoritmo con un ejemplo:
Considere la siguiente situación de RoadHog Inc., una pequeña empresa que fabrica
accesorios de motocicletas. Esta produce un silenciador con aletas en una línea que es
también usada para fabricar una serie de productos diferentes. Dado que los costos de
alistamiento para producir los alineadores son altos, han decidido producirlos por lotes.
Sin embargo, mientras la demanda a mediano plazo (horizonte de planeación de 10
semanas) es bien conocida, la demanda semana a semana no es constante y es difícil
programar la producción. Puesto que esto viola los supuestos del modelo EOQ, la
empresa necesita un modelo diferente para balancear los costos de alistamiento y los
costos de inventarios.
Los valores de demanda, costo unitario, alistamiento e inventarios, están señalados en la
siguiente tabla:
Tabla 1: Información de la demanda y costos de inventario
! 1 2 3 4 5 6 7 8 9 10
!! 20 50 10 50 50 10 20 40 20 30
!! 10 10 10 10 10 10 10 10 10 10
!! 100 100 100 100 100 100 100 100 100 100


!! 1 1 1 1 1 1 1 1 1 1

Paso 1
Lo primero que analizamos es la producción del mes 1, lo cual es trivial ya que no hay
inventario de meses anteriores y obviamente debemos cumplir con la demanda, luego,
producimos 20 y eso es todo. El costo unitario es irrelevante ya que vamos a producir el
número total de unidades de cualquier modo. El mínimo costo (incluyendo alistamiento
e inventarios) para el mes 1 lo denotaremos de la siguiente manera:
!∗! = !! = !""
Para señalar el periodo en el que se producirá el lote del mes 1, denotaremos:
!∗! = !
Paso 2
Para el lote del segundo mes tenemos 2 alternativas: producirlo en el mes 1 o producirlo
en el mes 2:
!! + ℎ! !! ; !"#$%&'" !" !
!!∗ = !"#
!!∗ + !! ; !"#$%&'" !" !
100 + 1(50) = 150
!!∗ = !"#
100 + 100 = 200
!∗! = !"#
!∗! = !
Paso 3
Como no hemos descartado el primer mes, tenemos ahora 3 alternativas: producir en el
mes 1, producir en el mes 2 o producir en el mes 3:
!! + ℎ! !! + (ℎ! + ℎ! )!! ; !"#$%&'" !" !

!!∗ = !"# !!∗ + !! + ℎ! !! ; !"#$%&'" !" !
!!∗ + !! ; !"#$%&'" !" !
100 + 1 50 + 1 + 1 10 = 170
!!∗ = !"# 100 + 100 + 1 10 = 210
150 + 100 = 250
!∗! = !"#


!∗! = !
Paso 4
Ahora 4 alternativas:
!! + ℎ! !! + (ℎ! + ℎ! +)!! + (ℎ! + ℎ! + ℎ! )!! ; !"#$%&'" !" !
! ∗ + !! + ℎ! !! + (ℎ! + ℎ! )!! ; !"#$%&'" !" !
!!∗ = !"# !∗
!! + !! + ℎ! !! ; !"#$%&'" !" !
!!∗ + !! ; !"#$%&'" !" !
100 + 1 50 + 1 + 1 10 + 1 + 1 + 1 50 = 320
100 + 100 + 1 10 + 1 + 1 50 = 310
!!∗ = !"#
150 + 100 + 1(50) = 300
170 + 100 = 270
!∗! = !"#
!∗! = !
Observe que esta vez el óptimo no se encuentra en el primer mes, sino que es menos
costoso si se produce lo del mes 4 en el mismo mes 4.
Paso 5 y demás
Ahora que ya sabemos que la producción del cuarto mes se hará en el mes 4, no tenemos
que considerar los meses anteriores como alternativas para producir el mes 5, dado que
ya conocemos que es más económico producir en el mes 4, que mantener el inventario
después de producir en meses anteriores. Si fuese un problema de 5 periodos, ya
sabríamos que no es óptimo producir en el mes 3 para el mes 4, ni para el mes 5. De esta
manera, las alternativas que debemos considerar son sólo dos: producir en el mes 4 o
producir en el mes 5.
!!∗ + !! + ℎ! !! ; !"#$%&'" !" !
!!∗ = !"#
!!∗ + !! ; !"#$%&'" !" !
170 + 100 + 1(50) = 320
!!∗ = !"#
270 + 100 = 370
!∗! = !"#
!∗! = !
Así sucesivamente...


Tabla 2: Solución del ejercicio
! 1 2 3 4 5 6 7 8 9 10
1 100 150 170 320
2 200 210 310
3 250 300
4 270 320 340 400 560
5 370 380 420 540
6 420 440 520
7 440 480 520 610
8 500 520 580
9 580 610
10 620
!∗! 100 150 170 270 320 340 400 480 520 580
!! 1 1 1 4 4 4 4 7 7/8 8

La política óptima para este ejemplo específico sería:
! 1 2 3 4 5 6 7 8 9 10 Total
!! 20 50 10 50 50 10 20 40 20 30 300
!! 80 0 0 130 0 0 0 90 0 0 300
!! 60 10 0 80 30 20 0 50 30 0 280
!! 100 0 0 100 0 0 0 100 0 0 300
!! 60 10 0 80 30 20 0 50 30 0 280
Total 160 10 0 180 30 20 0 150 30 0 580

Nota: La aplicación de los modelos planteados en esta lectura debe desarrollarse de acuerdo
con los datos planteados por el problema y el contexto del mismo. Tenga en cuenta que los
supuestos de cada modelo brindan pistas acerca de cuándo se debe y se puede utilizar un
modelo u otro. Por ejemplo, sería imposible aplicar EPL a un problema cuya tasa de
producción es desconocida.

Control de

SEMANA 4 INVENTARIOS


SEMANA N. 0 4

LECTURA 1: CONTROL DE INVENTARIOS

En la primera lectura de control de inventarios, se explicó la importancia del papel de los

inventarios dentro de los diferentes elementos de la cadena de abastecimiento de la
empresa y cómo su gestión afectaba la operación.
Los primeros modelos desarrollados en esa lectura brindaron una idea clara de las variables y
aspectos más importantes que se deben tener en cuenta a la hora de tomar decisiones
inherentes a los inventarios. Sin embargo, recuerde que cada uno de los modelos allí
mencionados, se basaba en una serie de supuestos muy fuertes, los cuales fueron
modificados o suavizados con cada nuevo modelo. Uno de los supuestos más importantes a
considerar en cualquier modelo es el que da razón acerca del comportamiento de la
demanda. Dentro de los modelos tratados anteriormente se asumía una demanda
determinística. Es decir que sin importar si la demanda era constante o variable, se asumía
que esta era conocida y se trabajaba el modelo con dicha información.
La importancia de este supuesto radica en que la persona encargada de la toma de

decisiones puede asumir una demanda determinística, pero la realidad es que no es posible
predecir el comportamiento de la demanda con certeza absoluta. Luego, el tomador de
decisiones puede asumir un comportamiento de demanda diferente, un comportamiento
que involucre la incertidumbre y riesgo asociados a la realidad de la situación. Cuando se
tiene en cuenta la incertidumbre, y los valores de la demanda tienen asociada una
probabilidad de ocurrencia, se dice que se asume una demanda estocástica. Este nuevo
supuesto es el que vamos a tomar para desarrollar el siguiente modelo de inventarios.
Dicho esto, y puesto que la demanda estocástica tiene una incertidumbre asociada, se
introducirá al nuevo modelo con un corto resumen de variables aleatorias de probabilidad y
funciones de distribución estadísticas.
VARIABLE ALEATORIA Y DISTRIBUCIONES DE PROBABILIDAD
Diferentes ciencias y disciplinas han querido hacer inferencias acerca de comportamientos en
la población y el mundo en general. En el caso de los inventarios, es importante estar en
capacidad de hacer inferencias del comportamiento de la demanda. Para tener noción de ese
comportamiento, debemos conocer básicamente dos cosas: el conjunto de valores que
puede tomar la demanda y la probabilidad asociada a cada uno de esos valores. A dicho
conjunto de valores se le conoce como el espacio muestral. De esta manera, se va a definir


una variable aleatoria como la función que asocia un número real (probabilidad) con cada
uno de los valores del espacio muestral.
Un ejemplo de definición de una variable aleatoria relacionada con la demanda sería:
X: Número de unidades a vender en el mes de enero.
Tabla 1: Espacio muestral y porcentaje de probabilidad.
Espacio muestral Probabilidad

100 35%
80 55%
60 10%

Para definir de manera más fácil las variables aleatorias, se crearon distribuciones de
probabilidad, las cuales pueden describir el comportamiento de una serie de valores
determinados de forma clara y resumida. Estos permiten calcular, de manera más eficiente,
las probabilidades asociadas a los diferentes valores y para fines de esta lectura, se
explicarán las tres distribuciones de probabilidad más usadas en el campo de la
administración de inventarios.
Distribución uniforme:
Una de las distribuciones de probabilidad más sencillas es la distribución uniforme. Esta

función se caracteriza por dar igual peso a todos los valores del intervalo que componen el
espacio muestral. También conocida como la distribución rectangular, su función de
densidad, media, varianza y gráfica son las siguientes:


Figura 1: Función y gráfica de una variable aleatoria uniforme.

Fuente: tomado el 15 de enero de 2013 de
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_uniforme_continua
Al integrar la función de densidad de probabilidad que por notación se define como !(!),
podemos obtener la función de densidad acumulada que por notación se define como ! (!) ,
de tal manera que se pueda calcular la probabilidad de un intervalo completo de valores que
se encuentre dentro del espacio muestral:

0 ; ! < !
!−!
!! = ; ! ≤ ! < !
!−!
1; ! ≥ !

Distribución normal:
Otra de las distribuciones de probabilidad más usadas es la distribución normal. Esta función
es denominada la más importante en el campo estadístico gracias a que su aproximación


puede describir la mayoría de fenómenos de la naturaleza, la industria y la ciencia. Se

caracteriza por su simetría y su forma de campana. Su función de densidad, media, varianza y
gráfica son las siguientes:
Figura 2: Función y gráfica de una variable aleatoria normal.


http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
Consecuentemente su función de densidad acumulada sería:

!! !!
1 !
(!!!)
!! = ! ! = ! !! ! !"
!! !! 2!! !


Para facilitar la resolución de problemas se crearon tablas de la función de densidad

acumulada de una distribución de una variable aleatoria normal con media 0 y varianza 1.
Esta distribución se conoce como la distribución normal estándar y su función acumulada es
la siguiente:
−!
!=
!

! = !"#$% !"#$%"&' !" !" !"#$%$&'&(%( (# !" ! !"# !" !"#$! !" !)
Distribución exponencial:
A pesar de que la distribución normal puede ser usada para resolver varios problemas de
cualquier tipo, existen numerosas situaciones que requieren de otro tipo de distribuciones.
La distribución exponencial se caracteriza por modelar tiempos entre eventos, lo que la hace
muy útil en el campo de la ingeniería. Su función de densidad, media, varianza y gráfica son
las siguientes:


Figura 3: Función y gráfica de una variable aleatoria normal.

http://es.wikipedia.org/wiki/Distribuci%C3%B3n_exponencial
Recuerde que debido a la relación que tiene la distribución exponencial con el proceso
Poisson, la función de densidad se puede formular en términos de la tasa λ de la siguiente
forma:
! ! = !! !!"
Integrando su función de densidad acumulada en términos de λ sería:
!! = 1 − ! !!"


Con esta corta introducción de probabilidad, podemos empezar a desarrollar un modelo de
inventarios estocástico:
MODELO DEL VENDEDOR DE PERIÓDICOS – NEWS VENDOR
Este primer modelo se basa en supuestos muy fuertes. Supuestos que van a ir siendo
suavizados posteriormente a medida que se desarrollen los otros modelos. Los supuestos
sobre los que se desarrolla este son:
• Producción instantánea: no hay restricciones de capacidad y el lote completo es

• Demanda estocástica: la demanda es aleatoria con una distribución de probabilidad
conocida.
• Costos de alistamiento fijos.
• Costos lineales por defecto o exceso.
• Entrega Inmediata: no hay tardanzas entre la producción y el momento de la entrega.
Notación
! = !"#$%&$ !" !"#$%$&', !" !"# !"#$"%&' !"#!$%&'!.

! ! = ! ! ≤ ! , !"#$%ó! !" !"#$%!&! !"#$#%!&! !" !" !"#$%!$.
!
! ! = ! ! = !"#$%ó! !" !"#$%!&! !" !" !"#$%!$.
!"
!! = !"#$" !"# !"#$%$ !"#$#%&! !" !"#$%&'#. !"#$%& ($)
!! = !"#$" !"# !"#$%$ !"#$"%$& !" !"#$%&'#. !"#"$%& $
! = !"#$%&"& ! !"#$%&" !" !"#$%$&'. !" !" !"#$"%&' !" !"#$%$ó!.
Costos asociados
La función de costos se construye sumando el costo por exceso y el costo por faltantes:
! ! = !"#$" !"#!$%&' !" !"#$%&'(! + !"#$" !"#!$%&' !" !"#$"%$&'


= !! ! !"#$%$&' !"#$%&'(! + !! ![!"#$%$&' !"#$"%$&']

! !
= !! max ! − !, 0 ! ! !" + !! max ! − !, 0 ! ! !"
! !
! !
= !! (Q − x) ! !" + !! (x − Q) ! ! !"
! !
Note que en cualquier periodo se pueden tener sobrantes o faltantes pero no ambos. En
promedio las dos cantidades serán positivas.
Si queremos minimizar el costo, derivamos la función de costo con respecto a Q e igualamos

a cero y se obtiene:

!!
! !∗ = ! ! ≤ !∗ =
!! + !!

Figura 4: Gráfica de función de costo de un modelo de new vendor
!!
!! + !!

Note que costo mínimo se encuentra en el punto de inflexión de la gráfica donde los costos
de faltantes y sobrantes tienden a ser iguales.


La idea de este análisis es encontrar el nivel de servicio que le permita atender la demanda
necesaria para minimizar sus costos. A partir de ese nivel de servicio obtenido, usted tendrá
los parámetros necesarios para despejar Q de la función de densidad acumulada
correspondiente a la distribución específica de la demanda en estudio.
Ejemplo:
Imagine que la selección Colombia clasifica al mundial de fútbol y una pequeña empresa de
camisetas aprovecha la situación para sacar diseños especiales alusivos a los jugadores
durante el mes que dura el torneo. El precio de la camiseta es de $15. A la empresa le cuesta
producir cada camiseta exactamente $10. Por otro lado, si el torneo termina y no se venden
todas las camisetas, estas tendrán que rematarse a $8 cada una. Suponga que la demanda se
comporta exponencial con media 1000 durante el mes que dura el mundial. Calcule la
cantidad óptima de camisetas a producir para la temporada del mundial.
Primero se definen las variables con el fin de utilizarlas correctamente en las ecuaciones.
! ! = ! ! ≤ ! = ! − !!!"
!! = $!" − $! = $!
!! = $!" − $!" = $!
Paso a seguir, se debe encontrar el nivel de servicio que equilibra los costos de sobrantes
y faltantes.

!! !
= = !. !"#
!! + !! ! + !
Ahora sí se puede igualar el nivel de servicio con la función de densidad acumulada de la

demanda y hallar el Q óptimo.

!∗
!
1−! !""" = 0.714
!∗ = !"#$


Ahora suponga que la demanda se distribuye normal con media 1000 y desviación estándar
100. ¿Cómo afectaría la nueva distribución el tamaño del lote para el mes del mundial de
fútbol?
El nivel de servicio sigue siendo el mismo pero ahora el despeje debe hacerse con
respecto a los parámetros de la nueva distribución.
! 0.714 = 0.57
Revisar tablas de la distribución normal
!∗ − !
= 0.57
!
!∗ = ! + !"
!∗ = 1000 + 0.57 100
!∗ = !"#$

Justo a Tiempo

JUST IN TIME ( JIT )
SEMANA 5


SEMANA N. 0 5

LECTURA 1: JUSTO A TIEMPO – JUST IN TIME (JIT) por
sus siglas en inglés

Los orígenes del JIT se dan en Japón gracias a una serie de factores económicos, históricos,
culturales y geográficos. Desde siempre, los japoneses han sido conscientes de sus
limitaciones geográficas, que les proporcionan recursos muy reducidos, lo cual hace que
entre su cultura se genere un instinto de conservación más natural. En adición a esto, la
geografía juega un papel importante a la hora de reabastecer rápidamente las instalaciones,
dado que las industrias y las ciudades se encuentran concentradas y los recorridos se vuelven
más cortos. A pesar de todo eso, la filosofía del JIT tomó fuerza con el trabajo de Taiichi
Ohno en Toyota Motor Company. Según Ohno, la industria automotriz japonesa debía
nivelarse con la estadounidense en tres años si quería sobrevivir. Para ese tiempo Japón se
encontraba en guerra y producía tan solo una novena parte de lo que los estadounidenses lo
hacían. Evidentemente, Toyota no se niveló con los estadounidenses en tres años, pero en su
esfuerzo por hacerlo, sentó las bases para la revolución del JIT.
Ohno sabía que la única forma de reducir la brecha entre una industria y otra, era reduciendo
todos los desperdicios con el fin de disminuir costos. No había forma de que los costos se
redujeran a través de las economías de escala (como lo hacían los norteamericanos) puesto
que el mercado de Toyota era muy reducido. Entonces los decidieron que su estrategia de
producción tenía que ser: producir muchos modelos en pequeños lotes.
Para que esta estrategia tuviera éxito, habría que tener un flujo continuo de producción con
mix de productos. El sistema se describió entonces en dos pilares fundamentales:
• Just In Time

• Autonomation (automatización con toque humano)
Ohno tenía la idea de manejar la fábrica como un supermercado. Los clientes llegan, toman
sólo lo necesario y sólo cuando lo necesitan, es decir, justo a tiempo. Esto implica que el
inventario sea reabastecido rápidamente todo el tiempo. En el caso de la fábrica, lo que
abastece a una estación, viene de otra estación. Luego, también debía asegurarse que
ninguna de las estaciones dejara de abastecer la siguiente cuando esta lo requiriera, dado
que eso entorpecería todo el sistema de producción. Allí es donde entra la automatización
con toque humano. La productividad de las máquinas era mucho mayor y los operarios
podían manejar varias máquinas al tiempo, detectando y corrigiendo errores de manera
efectiva (a prueba de tontos). Sin embargo, todo esto exigía una serie de prácticas continuas
que se deben llevar a cabo para que el JIT sea exitoso:


• Reducción de alistamientos

• Entrenamiento de trabajadores
• Relaciones con los proveedores
• Control de calidad
• A prueba de tontos (baka-‐yoke)
• Entre otras.
Siete ceros
Para cumplir la meta de Ohno, se requería un sistema de producción nuevo. La idea de tener
cero inventarios es platónica, pero la idea de perfección es importante en la medida que
estimula la mejora continua.
Con el objetivo de alcanzar las metas del JIT, era necesario alcanzar un sistema sin
inventarios. Para ello, se describieron dichas metas en términos de siete ceros resumidos de
la siguiente manera:
1. Cero defectos: para evitar demoras y no entorpecer el proceso productivo. Las partes
deben salir bien hechas desde el principio (calidad en la fuente).
2. Cero excesos en tamaño del lote: para evitar demoras por esperas de lotes
incompletos. Preferiblemente, lotes de tamaño de uno.
3. Cero alistamientos: para minimizar las demoras por alistamientos y facilitar los lotes
pequeños.
4. Cero fallas (maquinaria): para evitar detenciones en una línea de producción
estrechamente acoplada.
5. Cero excesos en manejo manual: Para facilitar el flujo de las partes.
6. Cero tiempos de aprovisionamiento: Par asegurar el rápido reabastecimiento de las
partes (fundamental en la política de cero inventarios).
7. Cero aumentos repentinos de demanda: Necesaria en un sistema sin inventarios.

Inflexibilidad inherente del JIT
A pesar del esfuerzo de los japoneses por crear todo un ambiente de JIT en la fábrica con el
fin de controlar y la reducir los costos de manera más fácil, existen una serie de fuentes de
inflexibilidad o problemas que no permiten que el sistema funcione como se supone que lo
exige la filosofía del Justo a Tiempo:

• Volumen estable
• Mix estable


• Secuencia precisa
• Reabastecimiento rápido (¿instantáneo?).

Administración total de la calidad
A pesar de que las técnicas básicas para el control de calidad nacieron en Estados Unidos,
Schonberger ofrece dos razones por las cuales el control de calidad japonés tomó mayor
importancia para ellos, que para los mismos estadounidenses:
• Los japoneses aborrecen el desperdicio de recursos escasos.

• Los japoneses tienen una resistencia innata a los especialistas, incluyendo a los de
control de calidad.
El JIT exige estándares de calidad muy altos. Cada estación requiere que la anterior haya
realizado un trabajo excelente o de lo contrario, las consecuencias pueden ser muy malas,
debido a que no se tiene inventario para cubrir la falla. A pesar de parecer una idea
perjudicial, el JIT promueve la mejora continua a nivel general y ayuda a la detección rápida
de problemas en el sistema. La analogía que hacen varios autores al hablar de JIT es la de una
corriente de agua que pasa sobre una base rocosa. Mientras más agua haga pasar, mas rocas
se podrán cubrir y no se verán. En cambio, si se utiliza muy poca agua, las rocas no se
cubrirán y serán fáciles de ver. El agua representa el inventario, y las rocas representan los
problemas. Mientras se mantengan más piezas de repuesto, las fallas serás más fáciles de
cubrir y no habrá necesidad de corregirlas. En cambio, como el JIT lo exige, si no se tienen
muchas piezas disponibles, lo mejor es evitar cualquier falla, en principio, y, por consiguiente,
aumentar la calidad.
En pro de la calidad se escribieron enciclopedias completas acerca del tema, entre los años
80 y 90. Schonberger resume las principales prácticas de dicha literatura en 7 principios
esenciales:
• Control de Procesos (incluyendo SPC)

• Calidad “Fácil-‐de-‐ver”
• Insistencia en el cumplimiento (calidad primero, producción segundo)
• Corrección de los errores propios (sin bucles de reproceso)
• Revisión 100% (no muestreo)
• Mejora continua
• Lotes pequeños
• Certificación de proveedores
• Mantenimiento preventivo.


Lecciones del Justo a Tiempo

Hay que resaltar que el JIT no es una técnica o un método. Es una estrategia de gestión, y sus
ideas marcaron diferencia entre las culturas empresariales. El JIT tuvo un gran éxito en las
compañías japonesas gracias a la apropiación que tuvieron por esta filosofía e
indiferentemente del nombre o concepto que se le dé, el JIT deja unos principios o lecciones
para tener en cuenta:
• El ambiente de producción es autocontrolable.

• El detalle operacional tiene importancia estratégica.
• Controlar el WIP es importante.
• Velocidad y flexibilidad son aspectos importantes.
• La calidad va primero.
• El mejoramiento continuo es una condición para la supervivencia.

Efectos de la

VARIABILIDAD
SEMANA 6


SEMANA N. 0 6

LECTURA 1: EFECTOS DE LA VARIABILIDAD

Para un sistema productivo cualquiera, la Ley de Little afirma que se puede alcanzar la misma
eficiencia (Throughput) con un trabajo en proceso (WIP) y un tiempo de ciclo (CT) grandes,
que con un WIP y un CT pequeños.
!" = !"# !"
Entonces, ¿Cuál es la diferencia? La respuesta es: ¡Variabilidad!
La variabilidad puede definirse formalmente como la calidad de la no uniformidad de una

serie de entidades. Por ejemplo, un grupo de estudiantes que pesan exactamente lo mismo,
no presentan ninguna variabilidad en peso. Por otro lado, un grupo de personas cuyos pesos
tienen un rango amplio de valores, presentan variabilidad en ese aspecto específico.
La variabilidad está muy asociada con la aleatoriedad, mas no es un sinónimo de esta. La

variabilidad puede nacer a partir de eventos fácilmente predecibles (variabilidad controlable)
o de eventos simplemente aleatorios (aleatoriedad). Por ejemplo, imagine un lote de 10
piezas que son procesadas individualmente, pero tienen que ser transportadas al mismo
tiempo. Compare el tiempo que tiene que esperar la primera pieza a ser trasladada con
respecto al tiempo que tiene que esperar la décima pieza del mismo lote a ser trasladada.
Por obvias razones, la décima pieza espera menos y por ello las piezas presentan variabilidad
controlable en ese aspecto. Ahora piense en la demanda de una referencia de chicles
determinada en un supermercado. Los tiempos entre las llegadas de los clientes que
consumen dicha referencia de chicles, son variables, pero además, son aleatorios y nada
fáciles de predecir. Por supuesto, presentan aleatoriedad.
Raíces de la aleatoriedad
El efecto de la aleatoriedad es evidente en muchos aspectos cotidianos, y es de gran

importancia en el mundo de la administración de operaciones. Cualquiera que sea la razón
filosófica o científica para la existencia de la aleatoriedad, se debe estar consciente de ella y
aprender a entenderla. La robustez de los modelos es lo que ayuda a acortar la brecha entre
las predicciones y la realidad. Muchos de los modelos actuales se basan en supuestos irreales
que no involucran todos los aspectos y no permiten encontrar respuestas satisfactorias.
Recuerde, por ejemplo, en los cursos de física mecánica cuando se describía un movimiento
parabólico tomando las variables de gravedad, velocidad inicial y altura. Imagine que


adicional a esas variables, se hubiesen tenido en cuenta la densidad del aire, velocidad del
viento y demás factores que afectan el lanzamiento, y deduzca si ese último modelo pudo
haber sido más preciso.
La herramienta más poderosa con la que los tomadores de decisiones puedan enfrentarse a
la realidad aleatoria es una buena intuición probabilística.
La intuición es bien usada por todas las personas a diario, incluso sin saber que la usan,
debido a que la experiencia permite inferir consecuencias de determinadas acciones.
Asimismo, la intuición de “primer orden” para los sistemas de manufactura, también
presentan buenos resultados en general. En lenguaje de probabilidad y estadística, se habla
de un razonamiento basado en los “primeros momentos” o la media. Por ejemplo, nuestra
intuición nos dice que si aumentamos la velocidad promedio del cuello de botella,
obtendremos mayor producción, y eso es cierto. Sin embargo, la intuición tiende a ser menos
efectiva cuando se quiere inferir a partir de los “segundos momentos”, es decir, en lenguaje
estadístico, los valores que tienen en cuenta el efecto de la varianza. Por ejemplo, ¿Qué será
más variable, el tiempo para procesar un número de piezas individualmente, o el tiempo para
procesar la misma cantidad de piezas por lotes? Este tipo de preguntas requieren un análisis
más profundo y una intuición más fina.
Puesto que esta última intuición es más difícil de desarrollar, se tiende a malinterpretar la
aleatoriedad de los eventos. Vale la pena insistir en que los sistemas tienen muchas variables
que no siempre se tienen en cuenta. Por lo tanto, las conclusiones apresuradas acerca de
eventos individuales pueden no ser las más precisas, y conllevan a decisiones erróneas.
Dado que nuestra intuición de primeros momentos está menos expuesta al error, esta
lectura se enfocará principalmente en el estudio de los segundos momentos, es decir, la
varianza.
Variabilidad del proceso
Se definirá la variabilidad del proceso como cualquier causa que ocasione que el sistema se
aleje de su comportamiento regular y predecible.
Dentro de dichas causas que pueden afectar al sistema se encuentran:
• Setups o alistamientos
• Fallas (máquinas)
• Falta de material
• Incumplimientos
• Reprocesos
• Disponibilidad operario


• Variación en las estaciones de trabajo

• Diferentes niveles de habilidad
• Cambios de órdenes (trabajo)
• Órdenes de los clientes
• Diferenciación del producto
• Manejo de material.
Medidas de la variabilidad
!! = !"#$%& !"#$%&'# !"!#$%&' !" !"#$%&# !" !" !"#$#%&

!! = !"#$%&'%ó! !"#á!"# !"# !"#$%& !" !"#$%&#
!!
!! = !"#$%&%#'(# !" !"#$"%$ó!, !"
!!
Nota: muchas veces será conveniente usar el coeficiente de variación al cuadrado (CVC), !! !
Note que la varianza mide la variación en términos absolutos y que para hacer un mejor
análisis comparativo entre variabilidades, se formula la variación relativa con el coeficiente
de variación.
Para hacer una pequeña clasificación de la variabilidad, se establece que de acuerdo con los
valores del coeficiente de variación, la variabilidad va a ser baja, moderada o alta, de la
siguiente manera:
Figura 1: Variabilidad versus coeficiente de variación.

En el caso de los sistemas productivos y la física de plantas, vamos a considerar como

variable de referencia al tiempo de proceso, de tal forma que su comportamiento nos dé una
mejor noción del sistema para compararlo posteriormente.


Se definirán dos tiempos de esta manera:
• El tiempo actual o natural: es un tiempo de proceso generalmente de variabilidad baja.
• El tiempo efectivo: tiempo que incluye tiempos de setups, fallas, etc.
Clases de variabilidad
Relación con los casos de desempeño:
• VM: Peor caso práctico (PWC)

• VB: Entre el mejor caso y el peor caso práctico
• VA: Entre el peor caso práctico y el peor caso
Variabilidad natural
La variabilidad natural hace alusión a la variabilidad inherente al tiempo natural del proceso,
es decir, que excluye situaciones aleatorias externas que lo afecten como setups, fallas, entre
otras.
Dentro de las fuentes o causas de variabilidad natural podemos incluir:
• Ritmo de operación

• Fluctuaciones de material
• Tipo de producto
• Calidad del producto.
Sea !! y !! la media y la desviación estándar, respectivamente, del tiempo de proceso natural,
decimos que el coeficiente de variación del tiempo de proceso natural es:
!!
!! =
!!
La variabilidad natural del proceso está usualmente en la categoría de Variabilidad Baja.
Variabilidad por fallas
Dentro de las principales causas que nombrábamos anteriormente, las fallas son una de las
más importantes. Por consiguiente, sus efectos van a ser analizados en esta lectura a fin de
entender mejor cómo incluirlas en los cálculos de la variabilidad.
Definiciones:
!! = !"#$%& !" !"#$%&# !"#$%"&


!! = !"#$%&%#'(# !" !"#$"%$ó! !"#$%"&

!
!! = ! = !"#" !" !"#$%&&'ó! !!"#$!% (!"#$%&/ℎ!"#)
!
!! = !"#$%& !"#$%&'# !" !"#$%&#'(%)#*&
!! = !"#$%& !"#$%&'# !" !"#$!$%&ó!

!! = !"#$%&'%ó! !"#á!"#$ !" !"# !"#$%&' !" !"#$!$%&ó!
!! = !"#$%&%#'(# !" !" !"#!ó! !" !"# !"#$%&' !" !"#$!$%&ó!
Uno de los primeros efectos que tienen las fallas de las máquinas es que ahora la
disponibilidad de las mismas estará definida como un porcentaje del tiempo total de la
siguiente manera:
!
!=
!! + !!
Ahora dado que las máquinas ya no van a estar funcionando el 100% del tiempo, el tiempo y
tasas de producción se ven afectados. Razón por la cual es necesario hallar un tiempo
efectivo y una tasa efectiva de producción en términos de la disponibilidad de las máquinas.
!! = !! /!
!! = !!!
De esta manera ya se puede hallar una fórmula para la varianza y el coeficiente de variación
que involucre los nuevos tiempos y tasa efectivos:
!
!! ! !! ! + ! ! ! ! − ! ! !
!! = +
! !!!
Por conveniencia de formulación y para efectos de análisis, el coeficiente de variación

cuadrado efectivo resulta formulado como la varianza del tiempo efectivo de proceso, sobre
el tiempo efectivo del proceso de la siguiente forma:
!! ! !!
!! ! = = !!
!
+ ! + !!
!
!(! − !)
!! ! !!
Note que si se quieren comparar 2 máquinas con tiempos de proceso iguales, la variabilidad
depende exclusivamente de los tiempos de reparación y la disponibilidad de las máquinas.
Ejemplo:
Suponga que usted debe sacar un lote muy importante para un cliente reconocido de la
empresa y debe escoger entre 2 máquinas, con comportamientos muy parecidos, las ideales


para ese trabajo. Los datos de operación históricos han arrojado la siguiente información,
con la cual usted debe tomar la decisión de producir:
Máquina 1:
!! = 15 !"#.
!! = 3.35 !"#.
3.35
!! = !! !! = = 0.05
15
!! = 12.4 ℎ. = 744 !"#.
!! = 4.133 ℎ. = 248 !"#.
!! = 1
Máquina 2:
!! = 15 !"#.
!! = 3.35 !"#.
3.35
!! = !! !! = = 0.05
15
!! = 1.9 ℎ. = 144 !"#.
!! = 0.633 ℎ. = 38 !"#.

!! = 1
Lo primero que se debe calcular para ambas máquinas es la disponibilidad.
Disponibilidad máquina 1
!! 744
!= = = !. !"
!! + !! 744 + 248
Disponibilidad máquina 2
!! 144
!= = = !. !"
!! + !! 144 + 38


Como siguiente paso, se procede a calcular el coeficiente de variación de cada máquina.
Sin embargo, para hallarlo, primero debemos encontrar el tiempo efectivo y la varianza
del tiempo efectivo de cada máquina:
Máquina 1
!! 15
!! = = = !" !"#
! 0.75
!!
!! ! = !! ! + 1 + !! ! ! 1 − !
!!
248
!! ! = 0.05 + 1 + 1 0.75 1 − 0.75
15
!! ! = !. !"
Máquina 2
!! 15
!! = = = !" !"#
! 0.75
!!
!! ! = !! ! + 1 + !! ! ! 1 − !
!!
38
!! ! = 0.05 + 1 + 1 0.75 1 − 0.75
15
!! ! = !. !

Dentro de la clasificación presentada anteriormente se puede afirmar que la variabilidad

de la máquina 1 es alta y que la variabilidad de la máquina 2 es moderada. Puesto que la
variabilidad de la máquina 2 es más pequeña, se puede afirmar que es más confiable que
la maquina 1 y sería la elegida para el trabajo mencionado.
Variabilidad por Setups
Otra de las principales causas mencionadas anteriormente son los setups o alistamientos.
Algunos ejemplos de su ocurrencia son los alistamientos entre corridas de producción o
algunos setups en cambios de turno.


Notación:
!! = !ú!"#$ !"#$%&'# !" !"#$#%&' !"#$! setups

!! = !"#$%&ó! !"#$%&'# !"# setup
!! = !"#$%&'%ó! !"#á!"#$ !"# !"#$%& !" setup

!!
!! = = !"#$%&%#'(# !" !"#$"%$ó! !" !"# !"#$%&' !" setup
!!
!!
!! = !! +
!!
!! ! !! − 1 !
!! ! = !! ! + + !!
!! !! !
!! !
!! ! =
!! !
Cabe resaltar que no se tiene en cuenta la medida del tiempo entre setups porque resulta
conveniente calcular el tiempo efectivo, como una proporción del tiempo de setup y los
trabajos, adicional al tiempo natural.
Ejemplo:
Imagine ahora una compañía que necesita comprar sólo una máquina para una línea
específica de producción y le están ofreciendo dos opciones:
La máquina 1 presenta los siguientes datos de acuerdo al comportamiento de otras máquinas
de la misma referencia:
!! = 1 ℎ.
!! = 10 !"#$#%&' !"#$%
!! = 2 ℎ.
!! 2
!! = !! + =1+ = 1.2 ℎ.
!! 10
1 1
!! = = = 0.833 !"#$#%&' ℎ.
!! (1 + 2 )
10
!!! = !!! = 0,0625


Por su lado, la máquina 2 no presenta setups, y sus datos son los siguientes:
!! = 1.2 ℎ.
1 1
!! = = = 0.833 !"#$#%&' ℎ.
!! 1.2
!!! = 0.25
A continuación se hallan los correspondientes coeficientes de variación efectivos:
Máquina 1
Observe que para hallar la varianza de esta máquina se tienen todos los datos, excepto
uno: la varianza del tiempo natural de proceso. Para encontrar ese valor, debemos
analizar el coeficiente de variación que nos dieron:
!!! = !!! = 0,0625
A partir de lo anterior se puede inferir que:
!! = !! = 0,25
!!!
!!! =
!!!
Al despejar !!! se puede encontrar que:
!!! = !!! ∗ !!! = 0,0625 ∗ 2! = !, !"
De forma similar,
!!!
!!! =
!!!
Al despejar !!! se puede encontrar que:
!!! = !!! ∗ !!! = 0,0625 ∗ 1! = !, !"#$
De esta manera, ya se puede calcular la varianza efectiva y el coeficiente de variación
efectivo de la máquina 1:


0.0625 10 − 1
!! ! = 0.0625 + 4 + = !. !!"#
10 100
!! ! = !. !"
Máquina 2
Al no tener setups, el coeficiente de variación natural es el mismo efectivo y por

consiguiente:
!! ! = !! ! = !. !"
La máquina 2 presenta mejores resultados con respecto a variabilidad y en ese sentido
sería la mejor opción de compra.
Ejemplo considerando fallas y setups
En un taller metalmecánico, se dispone de una máquina de control numérico que procesa

una pieza en aproximadamente 10 min., con una desviación estándar de 5 min. La máquina
falla constantemente (aproximadamente cada 38 horas de operación) y debe ser reparada
por un técnico que está disponible las 24 horas. El técnico tarda aproximadamente 2 horas en
reparar la máquina, con una desviación estándar de 1/2 hora. Adicionalmente, a la máquina
de control numérico se le debe realizar un mantenimiento preventivo cada 10 horas de
operación. El mantenimiento tarda en promedio 1/2 hora, con una desviación estándar de 10
min. Halle el tiempo efectivo de proceso y el coeficiente de variación efectivo.
Primero se debe resumir la información de acuerdo con la notación y empezar por la

consideración de fallas:
!! = 10 !"#.
!! = 5 !"#.
!! = 38 ℎ.
!! = 2 ℎ. = 120 !"#.
!! = 0.5 ℎ.


Considerando las fallas del proceso y los datos dados, se puede hallar la disponibilidad, el
coeficiente de variación de los tiempos de reparación, el coeficiente de variación del
tiempo natural del proceso y el tiempo efectivo:
!! 38
!= = = !. !"
!! + !! 38 + 2
!! 0.5
!! = = = !. !"
!! 2
!
!! ! 5!
!! = ! = !
!! 10
!! ! = !. !"
!! 10
!! = = = !". !" !"#.
! 0.95

Con los nuevos datos, ya se puede calcular el coeficiente de variación efectivo para la
consideración de las fallas del sistema.
!!
!! ! = !! ! + 1 + !! ! !(1 − !)
!!
120
!! ! = 0.25 + 1 + 0.25! 0.95 1 − 0.95 = !. !""#
10
!! = !. !"#

Ahora, considerando el mantenimiento (setup), los datos de entrada serían los

resultados obtenidos anteriormente con la consideración de fallas:
!! = !!!"##"$ = 10.53 !"#.
!! = !!!"##"! = 0.925
Con el tiempo natural del proceso y el coeficiente de variación natural, se puede despejar
la desviación estándar del tiempo de proceso natural:
!!
!! = => !! = !! ∗ !! = 0.925 ∗ 10.53 = !. !"#$%.
!!


Puesto que el problema no brinda el valor del número promedio de trabajos por setup,
pero si un tiempo entre cada setup (mantenimiento), se va a dividir el tiempo dado entre
!! con el fin de hallar el número de trabajos promedio entre mantenimientos:
!!!"#$ !"#$! !"!"#$ = 10 ℎ. = 600!"#.

!! = 10!"#.
600 !"#. !"#$% !"#$#%&'
!! =
10 !"#. !"#$#%&
= !" !"#$%
Con este valor y el tiempo promedio de los mantenimientos, el tiempo efectivo se

calcula:
!! = 0.5 ℎ. = 30 !!!.

!!
!! = !! +
!!
!"
!! = !". !" + = !!. !"#$%.
!"
Luego, ya tenemos todos los datos necesarios para encontrar la varianza efectiva del
proceso:
!! ! !! − 1 !
!! ! = !! ! + + !!
!! !! !
! !
10! 60 − 1
!! = 9.74 + + !
∗ 30! = !!!. !"
60 60
Y, finalmente, encontramos el coeficiente de variación efectivo:
!! ! 111.29
!! ! = = = 0.915
!! ! 11.03!
!! = !. !"#
Con esto, se puede afirmar que esta máquina presenta una variabilidad moderada ya que
se encuentra entre 0.75 y 1.33

Introducción a la Teoría de
COLAS

SEMANA 7


SEMANA N. 0 7

LECTURA 1: INTRODUCCIÓN A LA TEORÍA DE COLAS

JUSTIFICACIÓN
Las colas o líneas de espera hacen parte de muchos de los sistemas del mundo moderno.
Nosotros mismos requerimos estar físicamente en una cola cuando vamos al banco, al cine,
en un peaje, en Transmilenio, etc. Estas colas o esperas, aparecen en el sistema porque, por
lo general, el número de personas que llega al sistema es mayor al número de personas que
se puede atender al tiempo y ello hace que estas deban esperar.
Un modelo de colas es un sistema al cual llegan entidades de cualquier tipo como clientes,
personas, componentes, materiales, etc. Luego pasan por un proceso de servicio en el que
demandan cierta capacidad de un recurso y finalmente dejan el sistema.
Dentro de las preguntas que nos podemos plantear en un modelo de colas están las
siguientes:
1. ¿Cuál es el número promedio de clientes en cola?

2. ¿Cuál es el tiempo promedio que un cliente gasta en cola?
3. ¿Cuántos clientes son atendidos o cuántos clientes pueden perderse por limitaciones
de la capacidad de la cola?
4. ¿Qué tan ocupados están los servidores?
OBJETIVOS PARA LA UTILIZACIÓN DE UN SISTEMA DE COLAS
1. Identificar el nivel óptimo de capacidad de los recursos del sistema de tal manera que
se minimicen los costos.
2. Establecer un equilibrio entre calidad de servicio y el costo global del sistema.
3. Analizar el comportamiento del sistema bajo diferentes escenarios de capacidad del
sistema.
DESCRIPCIÓN DEL SISTEMA
Aspectos que describen un sistema de colas:


1. Tiempos de arribos: nosotros asumimos que los clientes llegan uno a la vez y que los
tiempos entre arribos son i.i.d. (independientes e idénticamente distribuidos). Los
tiempos entre los arribos son representados por los símbolos según su distribución
(Notación de Kendall).

2. Tiempos de servicio: nosotros asumimos que los tiempos de servicio de clientes
sucesivos son i.i.d. Los tiempos de servicio son representados de la misma forma que
los tiempos entre arribos según su distribución.

3. Numero de servidores: nosotros asumimos que todos los servidores son idénticos y
que cualquier cliente puede ser atendido por cualquier servidor.

4. Capacidad del sistema: consiste en el número máximo de clientes, entes, etc., que se
pueden tener en el sistema. Por ejemplo, si un área de producción está compuesta
por una máquina que puede procesar dos componentes simultáneamente y además
se pueden almacenar 10 componentes antes de ser procesados, entonces podríamos
modelar el sistema de producción como un modelo de colas con capacidad de 12
componentes.

5. Notación de Kendall: los sistemas de espera se pueden identificar según los
siguientes símbolos:
A / B / C / D
A: Distribución de probabilidad del tiempo entre arribos. Puede tomar los siguientes
valores según la distribución:
M – Distribución exponencial.
G – Distribución general.
D – Determinística.
Ek – Earlang con k fases.
B: Distribución de probabilidad del tiempo de servicio. Puede tomar los siguientes

valores según la distribución:
M – Distribución exponencial.
G – Distribución general.
D – Determinística.


Ek – Earlang con k fases.
C: Número de servidores.
D: Capacidad de la cola.
NOTACIÓN
λ: tasa de llegada de clientes.
μ: tasa de servicio.
L: número esperado de clientes en el sistema en estado estable.
W: tiempo esperado que gasta el cliente en el sistema en estado estable.
Lq: número esperado de clientes en cola en estado estable. Longitud esperada de la cola.
Wq: tiempo esperado que gasta el cliente en cola en estado estable.
SISTEMAS
Para el modelamiento de cada sistema, las líneas de espera pueden modelarse como
procesos estocásticos en los cuales la variable aleatoria se define como el número de
entidades en el sistema en un momento dado. El conjunto de valores que puede tomar dicha
variable es {0, 1, 2,…, k} y cada uno de esos valores (estados) tienen asociada una
probabilidad de ocurrencia.
Dado que estos sistemas de colas van a ser modelados como procesos estocásticos y dichos
procesos (no todos, pero si los que se van a tratar en el curso) manejan distribuciones
exponenciales para describir los diferentes aspectos de un sistema determinado, las cadenas
de Markov nos brindan la base de cálculo necesaria para describir y analizar elementos
importantes de cada sistema.
Dentro de los sistemas de colas a modelar, se encuentran los siguientes modelos:


Sistema de Colas M/M/1
Siguiendo la notación de Kendall, este sistema presenta distribuciones exponenciales tanto
en los tiempos entre arribos, como en los tiempos de servicio. Además, nos dice que hay un
solo servidor atendiendo las entidades que ingresan al sistema.
El primer paso para modelar un sistema de colas es definir el sistema como un proceso
estocástico en tiempo continuo, en donde la variable del sistema de colas se define en
función del tiempo de la siguiente manera:
X(t): Número de entidades en el sistema en el tiempo t.
y para las líneas de espera representan el número de clientes, piezas, etc., del sistema.
La notación X(t) también puede ser representada como el estado del sistema en el tiempo
“t”. Por ejemplo, para un ejercicio particular de un sistema de colas, el estado del sistema en
el tiempo “t” puede ser “X(t) = 2”, lo cual puede ser interpretado como la existencia de dos
entidades en el sistema en el tiempo t, o puede ser interpretado como que hay dos clientes
en una tienda de electrodomésticos el día lunes.
Por notación “S” será definida como el conjunto de posibles estados del sistema. Por
ejemplo, “0” puede indicar que hay cero clientes en el sistema, “1” que solo hay 1 y así
sucesivamente.
S = {0, 1, 2, 3, 4,…}
Los puntos suspensivos (…) indican que se puede tener un número infinito de entidades en
el sistema. Es decir, un modelo M/M/1 es lo mismo que tener un modelo M/M/1/∞.
Grafo:
La siguiente imagen corresponde a la representación gráfica de un sistema M/M/1. Cada

elipse corresponde a un estado del sistema con su respectivo valor. Las tasas con las que se
pasan de un estado al siguiente o al anterior están señaladas en cada arco y representadas
por ! y ! respectivamente.
Figura 1: Representación gráfica de un sistema de colas M/M/1/∞
! ! !
0 1 2 …


! ! !

Formulación:
Primero, debemos comprobar que el sistema se encuentre en estado estable. Para esto, la
tasa de arribos ! debe ser menor que la tasa de servicio !, de lo contrario, el sistema estaría
recibiendo más entidades de las que puede despachar y llegaría a un punto en el que
“estallaría”.
Si ! = ! ! < 1 entonces el sistema está en estado estable.
Donde ! es la utilización del sistema.
Tratado como un proceso de Markov de nacimiento y muerte, las probabilidades de

ocurrencia de cada estado en el largo plazo serían dadas por:
Sea Pi la probabilidad de que el sistema se encuentre en el estado i cuando el mismo esté en

estado estable.
!"#$% = !"#$
0. !!! = !!!
!
!! = !
! !
1. !!! + !!! = ! + ! !!
! + ! !! !
!! = − !
! ! !
! ! !
!! = 1 + !! − !
! ! ! !
! ! ! !
!! = !! + !! − !
! ! ! !
! !
!! = !!
!
2. !!! + !!! = ! + ! !!
!+! !
!! = !! − !
! ! !
! ! ! ! !
!! = 1 + !! − !
! ! ! ! !


! ! !
! ! !
!! = !! + !! − !!
! ! !
!
!
!! = !!
!
De forma general, tenemos entonces:
! ! !
!! = !! ; !! = ! − = ! − !
! !

Añadimos la ecuación de balance:

! !
! !
!! = ! = !!
!
!!! !!!

Ahora podemos calcular los indicadores:

! !
! ! !
! = !" ! = ! !− =
! ! !−!
!!!
!!
!! =
! !−!

!
!=
!−!
!
!! =
! !−!

Ejemplo:
Suponga que todos los dueños de automóviles llenan sus tanques cuando estos están
exactamente por la mitad. En este momento, un promedio de 7.5 clientes por hora llegan a
una estación de gasolina de único dispensador. Toma un promedio de 4 minutos llenar el
tanque de cada automóvil. Asuma que los tiempos entre arribos y los tiempos de servicio se
comportan exponenciales.
Para la situación planteada, compute L y W.
Suponga que se produce una escasez de gasolina y los clientes entran en pánico. Para
modelar este fenómeno, suponga que todos los dueños de automóviles compran gasolina


cuando sus tanques están exactamente ¾ de llenos. Como cada cliente ahora está llenando
con menos gasolina el tanque durante cada visita a la estación, asumimos que el tiempo de
servicio promedio se ha reducido a 3.33 minutos. ¿Cuánto afectó el pánico de los clientes a L
y W?
Definimos las tasas asegurándonos de que tengan las mismas unidades.
! = 7.5 !"#$%ó!"#$% ℎ!"#
! = 4 !"#. !"#$%ó!"# = 1 !"#$%ó!"# 4!"#. = 15 !"#$%ó!"#$% ℎ.
Primero, hallamos el número esperado de automóviles en la estación de gasolina, es

decir, L:
7.5
!= = 1
15 − 7.5

Ahora, calculamos el tiempo promedio que dura:

1
!= = 0.1333ℎ. = 8!"#.
15 − 7.5

Para analizar el fenómeno del pánico, hallamos L y W con los nuevos valores.
7.5
!= = 0.7143
18 − 7.5
1
!= = 0.0952ℎ. = 5.71!"#.
18 − 7.5

Dado que ahora los clientes duran menos tiempo en la estación de gasolina, el número
esperado de clientes en la estación en un instante cualquiera en el largo plazo es menor,
y de igual manera, el tiempo promedio que dura cada cliente disminuye.
Sistema de Colas M/M/1/1
Este sistema en particular nos permite analizar casos donde sólo se puede servir a una
entidad y virtualmente no existe cola en el sistema, ya que la capacidad de la fila es 1 y es la
misma entidad que está ocupando al servidor. Sólo tendríamos 2 estados entonces: hay una
entidad o no hay ninguna entidad. Luego, el modelo es el siguiente:


X(t): # de entidades en el sistema en el tiempo t.
S = {0, 1}
Grafo:
Figura 2: Representación gráfica de un sistema de colas M/M/1/1
!

0 1

!

Formulación:
Para hallar las probabilidades de ambos estados, debemos entender cuándo ocurre cada uno
de ellos. Una de las formas de analizarlos es viéndolos como 2 variables (eventos)
independientes que llamaremos:
A – tiempo de servicio de una entidad en el sistema. Exp(1/µμ).
B – tiempo entre una llegada y otra de una entidad al sistema. Exp(1/ λ).
La probabilidad de que una entidad llegue al sistema y pueda ser atendida, es la misma
probabilidad de que no haya ninguna entidad en el sistema, o lo que es lo mismo, la
probabilidad de que el servidor esté desocupado. Para que esto se cumpla, el tiempo de
servicio de la entidad anterior (A), debe ser menor al tiempo de llegada de la entidad
entrante (B). Luego, la probabilidad de que no haya ninguna entidad en el sistema en estado
estable corresponde a la probabilidad de que la variable A sea menor que la variable B.
!! = ! ! < !

Condicionando A, tenemos:

!
!! = ! ! < ! ! = ! !! !!" !"
!
!
!! = ! ! < ! !! !!" !"
!


!
!! = ! !!" !! !!" !"
!
!
!! = !! ! !!! ! !"
!
!
!! =
!+!

Usando la ecuación de balance obtenemos el complemento:

!! + !! = 1
!
!! = 1 − !! = 1 −
!+!
!
!! =
!+!
Ahora podemos calcular los indicadores:
!
! = !" ! = ! ∗ !! + ! ∗ !! =
!+!
Recordando la Ley de Little podemos hallar W:
!
! =
!
! !
!= =
!(! + !) ! + !
Teniendo en cuenta que la tasa de arribos dada no corresponde realmente a la tasa de

entrada al sistema, debemos hallar entonces una tasa efectiva de arribos que involucre la
probabilidad de entrar en el sistema. La nueva tasa sería entonces:
!"
!! = !!! =
!+!
Luego, con la nueva tasa podemos encontrar un W efectivo que me muestre el tiempo
efectivo promedio de la entidad en el sistema (el cual ya conocemos porque tenemos !).
!
! !+! ! !
!! = = = =
!! !" !! !
!+!


Sistema de Colas M/M/1/k
Esto modelo conserva la restricción de capacidad del sistema anterior, pero ahora, esta
capacidad es de un número finito k. Esto significa que el número de entidades que pueden
estar en el sistema al mismo tiempo no puede exceder a k.
S = {0, 1, 2, 3, 4,…, k-‐1, k}
Grafo:
Figura 3: representación gráfica de un sistema de colas M/M/1/K
! ! ! !
0 1 2 … k

! ! ! !

Fuente: elaboración propia.
Formulación:
Ya conocemos que es un proceso de nacimiento y muerte con parámetros ! y

! respectivamente. Además conocemos que ! = ! !. Luego podemos decir que…
! ! − !!!!
!" ! ≠ !
!! = !−!
!!! ! + ! !" ! = !

Por lo tanto, las probabilidades de cada estado con capacidad finita k serán:
!−! !
! !" ! ≠ !
! − !!!!
!! ! =
!
!" ! = !
!+!
Ahora podemos hallar con qué probabilidad encontraremos al servidor ocioso


!−!
!! (!) =
! − !!!!
Y la probabilidad de que una entidad llegue al sistema y no logre entrar porque este llegó a
su capacidad máxima.
!−! !
!! (!) = !
! − !!!!
Calculando las medidas de desempeño tenemos:
! ! − ! + ! !! + !!!!!
∗ !" ! ≠ !
!= !−! ! − !!!!
!
!" ! = !
!
Como vimos en el sistema anterior, la tasa de arribos no corresponde a la tasa de entrada al
sistema, por lo que debemos calcularla teniendo en cuenta la probabilidad de bloqueo.
!! = ! − !! !
De tal forma que siguiendo la Ley de Little encontramos el tiempo promedio que una entidad
gasta en el sistema.
!=! = ! !
! ! − !! ! !
Ejemplo:
Un único barbero atiende una barbería que tiene en total 10 puestos. Los tiempos entre
arribos se distribuyen exponenciales con una tasa promedio de 20 clientes por hora. Aquellos
clientes que lleguen y encuentren la barbería llena no se molestan en entrar. El barbero toma
en promedio 12 minutos con cada cliente. Los tiempos de atención se distribuyen
exponenciales también.
En promedio, ¿cuántos clientes por hora, entran a la barbería?
En promedio, ¿cuánto va a tardar en la barbería un cliente que entre?
Definimos las tasas:
! = 20 !"#$%&$' ℎ!"#
! = 12 !"#. !"#$%&$ = 1 !"#$%&$ 12!"#. = 5 !"#$%&$' ℎ.


Para hallar la tasa efectiva de arribos, primero debemos calcular la probabilidad de

bloqueo:
1 − 20 5
!!" = 20 !" = 1 − 4 4!" = 0.75
!"!! 5 1 − 4!!
1 − 20 5
Ahora sí calculamos la tasa de arribos efectiva:
!! = 20 1 − 0.75 = 5 !"#$%&$' ℎ.
Para poder encontrar el W, debemos calcular el número esperado de clientes en la

barbería primero:
4 1 − 10 + 1 4!" + 10 ∗ 4!"!!
!= ∗ = 9.6667
1−4 1 − 4!"!!
Y, finalmente, podemos hallar el tiempo promedio que dura un cliente en la barbería
luego de entrar:
! = 9.6667 5 = 1.93ℎ.
Sistema de Colas M/M/S
Según notación de Kendall, este sistema posee más de un servidor (S servidores), lo que le
permite atender más de una entidad al tiempo (S entidades al tiempo).
S = {0, 1, 2, 3, 4,…}
Grafo:
Tabla 4: representación gráfica de un sistema de colas M/M/s
! ! ! ! !
0 1 … S-‐1
S …

! !" (! − !)! !" !"

Fuente: elaboración propia.


Formulación:
Primero, se debe comprobar que el sistema se encuentra en estado estable. Para esto, la
tasa de arribos ! debe ser menor que la tasa de servicio !, pero dado que la tasa de servicio
está dada en términos de un solo servidor, debemos multiplicarla por el número de
servidores S para obtener la utilización general.
Si ! = ! !" < 1 entonces el sistema está en estado estable.
Calculando las probabilidades de estado podemos concluir:
!"#$% = !"#$
0. !!! = !!!
!
!! = !
! !
1. 2!!! + !!! = ! + ! !!
! + ! !! !
!! = − !
2! 2! !
1 ! ! !
!! = + !! − !
2 2! ! 2! !
! 1 ! ! !
!! = !! + !! − !
2! 2 ! 2! !
! ! !
!! = !!
! !
2. 3!!! + !!! = 2! + ! !!
2! + ! !
!! = !! − !
3! 3! !
2 ! 1 ! ! ! !
!! = + !! − !
3 3! 2 ! 3! ! !
1 ! ! 1 ! ! 1 ! !
!! = !! + !! − !!
3 ! 6 ! 3 !
! ! !
!! = !!
! !

De esta manera, podemos formular las probabilidades de estado hasta S-‐1 de manera
general:


! ! !
!! = !!
!! !

A partir de S, el cálculo de las probabilidades, se formula lo siguiente:
!
! !
!! = !!
!! !
S. !"!!!! + !"!!! = !" + ! !!
!" + ! !! !
!!!! = − !
!" !" !!!
! 1 ! ! 1 ! 1 ! !!!
!!!! = 1+ !! − !!
!" !! ! ! ! !−1 ! !
!
! 1 ! 1
!!!! = !! + −
! !! !" !! !!
! ! ! !!!
!!!! = !!
! !! !

Sucesivamente…
!!!
! ! !
!!!! = ! !!
! !! !
!!!
! ! !
!!!! = ! !!
! !! !

Luego ya podemos formular las probabilidades de estado a partir de S:
1 1 ! !
!! = !!
! !!! !! !
!! 1 ! !
!! = ! !!
! !! !
!! ! !
!! = !!
!! !"


De forma general tenemos:
! ! !
!! !" ! ≤ ! − !
!! !
!! =
!! ! !
!! !" ! ≥ !
!! !"

Donde:
! ! !!
!!! ! !
! !
!! = +
!! !! 1 − ! !"
!!!
Calculando los indicadores

!
!! = ! ! ≥ !
!−!
!" ! !
!! = !! ∗
!! ! − ! !−!
!
! ∗ ! !! !
!! = !! ∗
!! 1 − ! 1−!
!
!
! !
!! = !! ∗
!! 1−! !
!! !
!! =
(! − !)!
!! = ! !
Por Ley de Little obtenemos:

!!
!! =
!"(! − !)!
!
!! =
!


Ejemplo:
Una pequeña firma de envío de órdenes por correo maneja únicamente 2 líneas telefónicas.
En promedio 60 personas llaman por sus órdenes cada hora y es necesario 1 minuto para
responder a cada una en promedio. Si las líneas se encuentran ocupadas, el sistema está en
capacidad de poner hasta x número de llamadas en espera. Si hay x llamadas en espera y
entra una nueva, el cliente llamará a la competencia. La compañía quiere que sólo el 1% de las
llamadas se pierdan. ¿Cuál debe ser el número máximo de personas x que van a estar en
espera?
Primero, hay que asegurarse que el sistema se encuentre en estado estable.
! = 60 2 ∗ 60 = 1 2 < 1
Para calcular los indicadores de espera, debemos hallar la probabilidad de que las líneas
estén desocupadas primero.
! ! !!
!!! 60 60
!! = 60 + 60
!! 2! 1 − 60
!!! 2 ∗ 60
!!
1! 1! 1! 1
= + + =
1 1 2 1−1 3
2
Luego, ya podemos calcular la probabilidad de que ambas líneas estén ocupadas en un
momento cualquiera en el largo plazo.
!
1 60 1 1
!! = !! = =
2 60 3 6
Con la probabilidad de bloqueo ya podemos hallar el número promedio de llamadas en
espera.
1 1
!! = 6 ∗ 2 = 1
(1 − 1 2)! 3
Calculemos ahora el tiempo promedio de espera de una llamada
1 1 1
!! = 6 = ℎ. = !"#.
2 ∗ 60(1 − 1 2)! 180 3


Nota: Cuando se realiza un ejercicio de teoría de colas no es necesario demostrar todas las
ecuaciones como se demostraron anteriormente. Es importante que conozcan la
procedencia de las ecuaciones, pero la forma eficiente de resolver cualquier problema de
teoría de colas es utilizar o reemplazar las fórmulas correspondientes a cada sistema. Lo más
importante es identificar el tipo de sistema que se está modelando, es decir, si estamos
hablando de un sistema donde existe un único servidor y además existe una restricción de
capacidad, se utilizan las fórmulas del sistema M/M/1/k.

Distribución en
PLANTA

SEMANA 8


SEMANA N. 0 8

LECTURA 1: DISTRIBUCIÓN EN PLANTA

INTRODUCCIÓN

La distribución en planta consiste en determinar la ubicación de los diversos elementos que
conforman un proceso productivo. La ubicación de los elementos que conforman el
ambiente de producción debe ser interpretada como un ordenamiento que incluye los
espacios necesarios para el movimiento y transporte del material, el almacenamiento, las
actividades o servicios, la maquinaria y el personal o fuerza de trabajo.

La distribución en planta tiene gran impacto en el desarrollo de una empresa porque de esta
dependen, en gran medida, los costos operativos, la coordinación de los departamentos de
la empresa, el tiempo de ciclo de los productos, etc. A medida que una empresa logre
establecer una buena distribución en planta podrá tener mayores márgenes de utilidad y
podrá mantenerse en el mercado actual que cada vez resulta ser más competitivo.

OBJETIVOS DE LA DISTRIBUCIÓN EN PLANTA

“El objetivo de la distribución en planta es determinar la organización de los departamentos,
estaciones de trabajo, máquinas, puntos de atención al cliente, y puntos de mantenimiento de
las existencias para garantizar un flujo uniforme de trabajo en una fábrica o un patrón de tráfico
determinado en una empresa de servicios”1. Con esto en mente se busca:

- Minimizar los costos del manejo y transporte de materiales.
- Tener un uso eficiente del espacio.
- Desarrollar la labor de manera eficiente y eficaz.
- Facilitar la comunicación e interacción entre los trabajadores y sus supervisores,
trabajadores y clientes.
- Reducir el tiempo del ciclo o el tiempo de servicio al cliente.
- Facilitar las actividades de mantenimiento.

TIPOS BÁSICOS DE DISTRIBUCIÓN EN PLANTA

1
R. Chase, N. Aquilano & F. Jacobs. Administración de producción y operaciones:manufactura y servicio.


Los ambientes básicos de distribución en planta dependen de las relaciones de máquinas,
equipos, personas, etc., que hacen parte de una empresa y dependen fundamentalmente del
flujo de los materiales a través de la planta. Existen cuatro tipos de distribuciones en planta:

Distribución por procesos

Conocida también como “Taller” o “Job Shop” consiste en que las máquinas o funciones
similares sean agrupadas por el proceso que ellos realizan. Por ejemplo, tener todas las
máquinas de metalmecánica en un mismo sitio.

Distribución por productos

Conocida también como “Taller en flujo” o “Flow Shop” consiste en que las máquinas se
organizan según la secuencia de operaciones necesarias para fabricar el producto. Por
ejemplo, el alimento de un taller de lavado de autos en el que se puedan identificar dos
máquinas de lavado que están ubicadas en paralelo.

Distribución por posición fija

Conocida también con “Fixed-‐Position” es usada en proyectos donde el producto no puede
moverse y las máquinas o equipos se mueven hacia el producto. Por ejemplo, la fabricación
de aviones, buques o edificios.

Células de manufactura o distribución por tecnología de grupo

Esta distribución consiste en que las diferentes máquinas y equipos están agrupados bajo el
criterio de utilizar diferentes tipos de máquinas en un mismo centro de trabajo (Células de
manufactura) y asignar una familia de productos (que son similares) a cada una de esas
células.

El tipo de formato de distribución en planta a utilizar está determinado, en gran parte, por el
tipo de productos o servicios, los tipos de procesos de producción y los volúmenes de
producción. En la siguiente figura se observa el tipo de distribución recomendada según la
demanda (volumen de artículos) y la variedad de productos.

Figura 1. Distribución según volumen y variedad



En la gráfica se puede observar que una empresa con un alto volumen de producción y poca
variedad de productos deberá utilizar una distribución por productos. Mientras que una
empresa con un bajo volumen de producción y alta variedad de productos deberá utilizar una
distribución por posición fija.

Cuando una planta de producción tiene una variedad media y un alto volumen de producción
lo más recomendado es utilizar Células de Manufactura (distribución por tecnología de
grupos). Asimismo, cuando se tiene un volumen bajo de producción y una variedad alta de
productos, lo más recomendado es utilizar el formato de distribución por procesos.

La dificultad para determinar la distribución en planta a utilizar radica en que es difícil
determinar que es alto o bajo volumen de producción. Para tratar de mitigar el impacto de
esta dificultad se sugiere considerar como un volumen de producción “alto” cuando se
tienen miles de unidades al mes, un volumen de producción “medio” si se tienen cientos de
unidades al mes, “bajo” si se habla de decenas de unidades al mes y “muy bajo” si se tienen
unas pocas unidades por mes.

MODELAMIENTO MATEMÁTICO DE DISTRIBUCIÓN POR PROCESOS


La distribución por procesos junto con la distribución por productos son los tipos de
distribución más utilizados en las empresas. Esto se debe, en gran parte, a que la mayoría de
las empresas trabajan con pequeños o medianos volúmenes de producción.

En esta sección profundizaremos en el aprendizaje de los modelamientos matemáticos
existentes para la solución de problemas de producción que incorporen distribución por
procesos.
Una de las características de un tipo de distribución por proceso es que el conjunto de
máquinas o equipos se agrupan en una misma área. Por ejemplo, tal como se muestra en la
siguiente imagen, una planta con una distribución por proceso puede tener una agrupación
de máquinas que hacen parte del departamento de torneado, un conjunto de máquinas que
hacen parte del departamento de fresado, otras que hacen parte del departamento de
taladrado, otras del departamento de cizallado, otras del departamento de pintura, y otros
equipos que pertenecen al área de ensamble, y recepción y despacho.

Figura 2. Distribución por proceso


Otra característica que presenta el tipo de distribución por proceso es que tiene alta
flexibilidad, porque cada departamento tiene maquinaria o equipos de uso general, que
pueden fabricar una diversa variedad de productos.

El objetivo de la distribución por procesos es ubicar los centros de trabajo (departamentos)
que tengan mayor interacción (relación de proximidad) de manera tal que queden lo más
cerca posible, ayudando a un flujo mínimo de materiales (o personas) a centros que no estén


cercanos. En conclusión, el objetivo principal de una distribución por procesos es “minimizar

los costos de manejo de materiales”.

Con el objeto de cumplir este objetivo se puede encontrar en la literatura de distribución de
plantas los siguientes métodos: CRAFT y CORELAP. En el desarrollo de este documento se
hará énfasis en analizar y entender el método CRAFT.
Método CRAFT (Computerized Relative Allocation of Facilities)

El método CRAFT es una técnica computarizada de mejoramiento de las distribuciones en
planta. La sigla “CRAFT”, proviene de las siglas en inglés de “Computerized Relative Allocation
of Facilities” que en español traducen, Asignación Relativa Computarizada de Instalaciones.

En general, el objetivo de CRAFT es reducir al mínimo el costo total de transporte de una
distribución. El costo de transporte es el resultado de la suma de todos los elementos de una
matriz de flujos (matriz desde – hacia cada departamento) multiplicado por la distancia y por
el costo por unidad de distancia recorrida de un departamento a otro. La función del costo
de transporte puede cambiarse por cualquier otra función que represente el costo de una
“relación” entre cualquier par de departamentos.

Es importante aclarar que el método CRAFT sólo puede ser utilizado cuando se cuenta con
los datos cuantitativos que se requieren para la formulación del modelo.

Para resolver el método CRAFT en un problema de distribución por procesos se necesitan los
siguientes requerimientos:

- Conocer el área de los actuales departamentos.
- Conocer los flujos, es decir, la cantidad de viajes por unidad de tiempo desde cada
departamento hasta cada uno de los demás departamentos.
- Definir los centroides de los departamentos.
- Hallar las distancias rectilíneas que hay entre los centroides.
- Conocer el costo de transportar una carga unitaria una distancia unitaria.

Supuesto del método CRAFT:

- Los costos de transporte son independientes de la utilización del equipo.
- Los costos de transporte son directamente proporcionales a la distancia.
- No hay relaciones ni costos negativos.
- Todos los flujos comienzan y terminan en centroides de los departamentos.


Desarrollo del método CRAFT

En el método CRAFT el costo de transporte se puede definir como el costo de mover una
carga unitaria del departamento “i” al departamento “j” por la distancia entre los
departamentos “i” y “j”. Este costo total se puede representar matemáticamente mediante
la siguiente ecuación:

! !
1
!!" !!"
2
!!! !!!
Donde,

! = Cantidad de departamentos
!!" = Cantidad unitaria de cargas que se mueven del departamento “i” al “j”
!!" = Costo de mover una carga unitaria del departamento “i” al “j”
!!" = !!" ∗ !!" = Costo del flujo de “i” a “j”
!!" = Distancia que separa los departamentos “i” y “j”, está determinada por métricas
rectilíneas.

ALGORITMO DEL MÉTODO CRAFT

A continuación se describen los pasos necesarios para el desarrollo de un ejercicio de
distribución en planta utilizando el algoritmo CRAFT:

1. Desarrollar una distribución Inicial y estimar el costo actual.

2. Iteración.

2.1. Para toda pareja de departamentos i, j, adyacentes calcular el estimado de
reducción de costo.

2.2. Seleccionar la pareja de departamentos que maximice la reducción de costo.

2.3. Si existen estos departamentos, realizar el intercambio (*) y volver al paso 2.1.
Si no hay departamentos con expectativa de reducción de costo, entonces se
debe parar.

(*)El intercambio implica recalcular los centroides y redistribuir las
áreas. Atención: el área original se debe respetar.

A continuación se presenta un ejemplo en el que se aplica el algoritmo del Método CRAFT.


Ejemplo 1:

Una empresa de producción de artículos de metalmecánica se desea redistribuir los 3
departamentos (A, B y C) de manera que se reduzca el costo total de transporte por hora.
Para la solución del ejercicio, suponga que los desplazamientos son rectilíneos (a lo largo del
“eje x” y/o a lo largo del “eje y”).

Determinar la distribución final utilizando el método CRAFT. La cantidad de viajes por hora y
el costo por distancia recorrida, están dados en las siguientes tablas:

Cantidad de viajes por hora Costo por distancia recorrida ($/distancia)
Hacia Hacia
A B C A B C
A 0 4 3 A 0 1 1
De B 2 0 0 De B 1 0 2
C 1 5 0 C 1 2 0

La distribución inicial de la planta está determinada por el siguiente dibujo.


Figura 3: Diagrama de la distribución inicial de la planta
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1
2
3
4
5
6
7
A B
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
C
37
38
39
40
41
42
43
44
45


Solución:

Según el paso 1 del algoritmo del método CRAFT se debe:

1. Desarrollar una distribución Inicial y estimar el costo actual.

En algunos casos la distribución inicial puede ser la distribución actual del problema. Para
calcular el costo actual de la distribución es necesario calcular los centroides de los
departamentos.

Los centroides de los departamentos se hallan con base en el dibujo anterior y se calculan de
la siguiente manera:


Figura 4: Diagrama de la distribución inicial de la planta y centros
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
45
1
44
2
43
3
42
4
41
5
40
6
39
7
A B
38
8
37
9
36
10
35
11
34
12
33
13
32
14
31
15
30
16
29
17
28
18
27
19
Centro de A Centro de B
26
20
21
25
22
24
x = 7.5 x = 22.5
23
23
24
22
25
21
y = 30 y = 30
26
20
27
19
28
18
29
17
30
16
31
15
32
14
33
13
34
12
35
11
36
10
Centro de C
C
37
9
38
8
39
7
40
6
41
5
x = 15
42
4
43
3
44
2
y = 7.5
45
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30


El centroide del departamento A se calcula de la siguiente manera:
X! + !! Y! + Y!
!"#$%& !" ! = ,
2 2

0 + 15 15 + 45
!"#$%& !" ! = ,
2 2


!"#$%& !" ! = !. ! , !"

El centroide del departamento B se calcula de la siguiente manera:

X! + !! Y! + Y!
!"#$%& !" ! = ,
2 2

15 + 30 15 + 45
!"#$!" !" ! = ,
2 2

!"#$%& !" ! = !!. ! , !"

El centroide del departamento C se calcula de la siguiente manera:

X! + !! Y! + Y!
!"#$%& !" ! = ,
2 2

0 + 30 0 + 15
!"#$%& !" ! = ,
2 2

!"#$%& !" ! = !! , !. !

En la siguiente tabla se resumen los centroides de los departamentos A, B y C.

Tabla 1: Centroides de los departamentos

Departamento X Y
A 7.5 30
B 22.5 30
C 15 7.5


Para estimar el costo actual es necesario calcular las distancias entre los departamentos
utilizando las distancias rectilíneas entre estos. Las distancias entre los departamentos se
calculan de la siguiente manera:


Distancia entre los departamentos A y B:

! !, ! = !! − !! + !! − !!

! !, ! = 7.5 − 22.5 + 30 − 30

! !, ! = 15

Lo anterior implica que la distancia del departamento A al departamento B es igual 15.

Distancia entre los departamentos A y C:

! !, ! = !! − !! + !! − !!

! !, ! = 7.5 − 15 + 30 − 7.5

! !, ! = 30

Lo anterior implica que la distancia del departamento A al departamento C es igual 30.

Distancia entre los departamentos B y C:

! !, ! = !! − !! + !! − !!

! !, ! = 22.5 − 15 + 30 − 7.5

! !, ! = 30

Lo anterior implica que la distancia del departamento B al departamento C es igual 30.

En la siguiente tabla se resumen las distancias entre departamentos.

Tabla 2: Distancia entre los departamentos

Distancias A B C
A 0 15 30
B 15 0 30
C 30 30 0


Después de tener las distancias el costo actual se calcula de la siguiente manera:


Costo total actual = (Flujo) x (Costo) x (Distancia)

En las siguientes tablas se puede apreciar el cálculo del costo total actual de la distribución
inicial.

Cantidad de viajes Costo por distancia
Distancias Costo Total ($)
por hora recorrida ($/distancia)
Hacia Hacia
A B C A B C Distancias A B C A B C Total
A 0 4 3 A 0 1 1 A 0 15 30 A 0 60 90 150
De B 2 0 0 X De B 1 0 2 X B 15 0 30 = B 30 0 0 30
C 1 5 0 C 1 2 0 C 30 30 0 C 30 300 0 330
Costo Total = 510

De esta manera, se puede concluir que el costo total actual de la distribución inicial es de
$510.

En el paso 2 del algoritmo del método CRAFT se realiza lo siguiente:

2. Iteración.

2.1. Para toda pareja de departamentos i, j, adyacentes calcular el estimado de
reducción de costo.

En este paso todas las posibles parejas son las determinadas por los siguientes intercambios:

- Intercambio entre A y B.
- Intercambio entre A y C.
- Intercambio entre B y C.

Nota: Es importante resaltar que los intercambios no consisten en intercambiar las áreas y
recalcular el centroide. De hecho, con este ejercicio se puede notar que los centroides no
cambian, pero las distancias y los costos sí.

Intercambio de los departamentos A y B.

Al intercambiar los departamentos A y B la distribución de los departamentos en la planta
quedaría como se presenta en la siguiente imagen:


Figura 5: Diagrama de la distribución de la planta
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
45
44
43
42
41
40
39
B A
38
37
36
35
34
33
32
31
30
29
28
Centro de B Centro de A
x = 7.5 x = 22.5
27
26
25
y = 30 y = 30
24
23
22
21
20
19
18
17
16
15
14
13
12
11
10
Centro de C
C
9
8
7
6
5
x = 15
4
3
2
y = 7.5
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30


Nuevamente, para estimar el costo actual es necesario calcular las distancias entre los
departamentos utilizando las distancias rectilíneas entre estos. Las distancias entre los
departamentos se calculan de la siguiente manera.



! !, ! = !! − !! + !! − !!

! !, ! = 22.5 − 7.5 + 30 − 30

! !, ! = 15



! !, ! = !! − !! + !! − !!

! !, ! = 22.5 − 15 + 30 − 7.5

! !, ! = 30



! !, ! = !! − !! + !! − !!

! !, ! = 7.5 − 15 + 30 − 7.5

! !, ! = 30




Distancias A B C
A 0 15 30
B 15 0 30
C 30 30 0



Después de tener las distancias, el costo actual se calcula de la siguiente manera:


En las siguientes tablas se puede apreciar el cálculo del costo total actual de la nueva
distribución.
Hacia Hacia
A 0 4 3 A 0 1 1 A 0 15 30 A 0 60 90 150
De B 2 0 0 X De B 1 0 2 X B 15 0 30 = B 30 0 0 30
C 1 5 0 C 1 2 0 C 30 30 0 C 30 300 0 330
Costo Total = 510

De esta manera, se puede concluir que el costo total actual de la nueva distribución es de
$510. Por lo tanto, concluimos que hasta el momento no se ha logrado proponer una
distribución que mejore el costo de $510 que se tenía con la distribución inicial.

Intercambio de los departamentos A y C.

Al intercambiar los departamentos A y C la distribución de los departamentos en la planta
quedaría como se presenta en la siguiente imagen:


Figura 6: Diagrama de la distribución de la planta
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
45
44
43
42
41
40
39
C B
38
37
36
35
34
33
32
31
Centro de C Centro de B

30
29
28
x = 22.5
27
26
25 x = 7.5
y = 30
24
23
22
21
y = 30
20
19
18
17
16
15
14
13
12
11
10
Centro de A
A
9
8
7
6
5
x = 15
4
3
2
y = 7.5
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30


Nuevamente, para estimar el costo actual es necesario calcular las distancias entre los
departamentos utilizando las distancias rectilíneas entre estos. Las distancias entre los
departamentos se calculan de la siguiente manera.



! !, ! = !! − !! + !! − !!

! !, ! = 15 − 22.5 + 7.5 − 30

! !, ! = 30



! !, ! = !! − !! + !! − !!

! !, ! = 15 − 7.5 + 7.5 − 30

! !, ! = 30



! !, ! = !! − !! + !! − !!

! !, ! = 22.5 − 7.5 + 30 − 30

! !, ! = 15




Distancias A B C
A 0 30 30
B 30 0 15
C 30 15 0



Después de tener las distancias, el costo actual se calcula de la siguiente manera:


En las siguientes tablas se puede apreciar el cálculo del costo total actual de la nueva
distribución.

Hacia Hacia
A 0 4 3 A 0 1 1 A 0 30 30 A 0 120 90 210
De B 2 0 0 X De B 1 0 2 X B 30 0 15 = B 60 0 0 60
C 1 5 0 C 1 2 0 C 30 15 0 C 30 150 0 180
Costo Total = 450

De esta manera se puede concluir que el costo total actual de la nueva distribución es de
$450. Por lo tanto, concluimos que esta nueva distribución mejora el costo de $510 que se
tenía con la distribución inicial.

Intercambio de los departamentos B y C.

Al realizar los cálculos, tal como se realizaron para los dos intercambios anteriores, se puede
apreciar que el costo total actual de la nueva distribución es de $540. Ver resultados a
continuación:

Hacia Hacia
A 0 4 3 A 0 1 1 A 0 30 15 A 0 120 45 165
De B 2 0 0 X De B 1 0 2 X B 30 0 30 = B 60 0 0 60
C 1 5 0 C 1 2 0 C 15 30 0 C 15 300 0 315
Costo Total = 540

De esta manera se puede concluir que esta nueva distribución empeora el costo de $450 que
se había logrado con el intercambio de los departamentos A y C.

El siguiente paso del algoritmo del método de CRAFT es:

2.2. Seleccionar la pareja de departamentos que maximice la reducción de costo.


En este paso se selecciona el intercambio de los departamentos A y C, por ser el que

representa el menor costo.

El siguiente paso del algoritmo del método de CRAFT es:

2.3. Si existen estos departamentos, realizar el intercambio (*) y
volver al paso 2.1.
Si no hay departamentos con expectativa de reducción de costo, entonces se
debe parar.

Al realizar el intercambio de los departamentos A y C, se recalculan los centroides. Estos
nuevos centroides quedan como se muestran en la siguiente tabla.


Departamento X Y
A 15 7.5
B 22.5 30
C 7.5 30


Al recalcular las distancias y los costos se obtiene la solución que se muestra a continuación.

Hacia Hacia
A 0 4 3 A 0 1 1 A 0 30 30 A 0 120 90 210
De B 2 0 0 X De B 1 0 2 X B 30 0 15 = B 60 0 0 60
C 1 5 0 C 1 2 0 C 30 15 0 C 30 150 0 180
Costo Total = 450

Se vuelve al paso 2.1 y se verifica que los posibles intercambios son los siguientes:

- Intercambio entre C y B.
- Intercambio entre C y A.
- Intercambio entre A y B.


Al evaluar los costos se obtiene que el intercambio entre C y B presenta un costo de $450, el
intercambio entre C y A presenta un costo de $510, y el intercambio entre A y B tiene un coso
de $540.

Al realizar el paso 2.2 se puede concluir que no hay pareja que mejore la distribución actual.
El algoritmo se detiene y la solución que se obtiene es de $450, y está representada por la
distribución de planta que se presenta en la siguiente imagen.


Figura 7: Diagrama de la distribución final de la planta
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
45
44
43
42
41
40
39
C B
38
37
36
35
34
33
32
31
Centro de C Centro de B

30
29
28
x = 22.5
27
26
25 x = 7.5
y = 30
24
23
22
21
y = 30
20
19
18
17
16
15
14
13
12
11
10
Centro de A
A
9
8
7
6
5
x = 15
4
3
2
y = 7.5
1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30



Cartillas

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Cartillas

Enviado por

Direitos autorais:

Formatos disponíveis

1.

INVESTIGACIÓN DE OPERACIONES

FÍSICA DE PLANTA

Al momento de realizar un estudio bibliográfico sobre lo que es física de planta podemos

1. Identificar oportunidades para mejorar procesos existentes.

En el transcurso de la lectura 2 se profundizará en el estudio y análisis de física de plantas

Medidas de desempeño en la programación de la producción

A continuación se presenta una explicación detallada de los aspectos más relevantes en

- Cumplimiento de las fechas de entrega.

1. Cumplimiento de las fechas de entrega

1.1. Nivel de servicio

A continuación se muestra un ejemplo con el objetivo de entender el cálculo del nivel de

Tabla 1. Fechas de entregas

Según la definición anterior, el nivel de servicio es la fracción de órdenes completas en o

Donde n es el número de trabajos.

2. Maximización de la utilización

Una herramienta aconsejable para medir la utilización es el Makespan. El Makespan es el

3. Disminución del WIP y tiempo de ciclo

La suavización de la producción consiste en lograr niveles de producción que permitan el

El personal es un recurso primordial para la operación de los sistemas de producción. El

cuando una empresa subcontrata la elaboración de un componente que después será

Teniendo en cuenta las consideraciones anteriores, la programación agregada surge como

Es importante recordar que la programación lineal estudia el problema de minimizar o

ENTRADAS DE UN MODELO DE PROGRAMACIÓN AGREGADA

Para desarrollar un modelo de programación agregada es necesario tener unas entradas

El modelo simple corresponde a un problema de programación lineal que tiene plena

El modelo simple consiste en un modelo de solución utilizando programación lineal para

! = í!"#$% !" !"# !"#$%&%' !" !"#$%&. ! = 1,2, 3 … !

!! = !"#$%&$ !" !" !"#$%&% !

!! = !"#$%&"& ! !"#$%&'" !" !" !"#$%&% !

!! = 80, 100, 120, 140, 90, 140

Nota: Revise la solución completa de este ejemplo en la lectura de “Manejo de Solver”,

PLANEACIÓN DEL MIX DE PRODUCTOS

! = í!"#$% !" !"# !"#$%&%' !" !"#$%&. ! = 1,2, 3 … !

! = í!"#$% !"# !"#$%&'#. ! = 1,2, 3 … !

!!" = !"!"#$" !á!"#$ !"# !"#$%&'# ! !" !" !"#$%&% !

!!" = !"#$%& !í!"#$% !"#$%&%'() !"# !"#$%&'# ! !" !" !"#$%&% !

!!" = !"#$%&"& ! !"#$%&'" !!" !"#$%&'# ! !" !" !"#$%&% !

!!" = !"#$%&"& ! !"#$"% !"# !"#$%&'# ! !"#$%&' !" !"#$%&% !

!"#$%$&"': (!! ∗ !!" − !! ∗ !!" )

(!!" !!" ) ≤ !!" ∀ !, !

!!" = !!"!! + !!" − !!" ∀ !, !

!!" , !!" , !!" ≥ ! ∀ !, !

a. El análisis de utilidad.

b. El análisis de cuello de botella.

Tabla 1. Información de Tornillos S. A.

Precio de venta $90 $100

Costo de la materia prima $45 $40

Fuente: Elaboración propia

Demanda semanal constante

Capacidad semanal de 40h/máq.

Costo fijo: $5000

Objetivo: maximizar la utilidad semanal

Análisis de Utilidad

Producto P: $45

Producto Q: $60

Capacidad máxima de producción de Q: 50 unidades

Capacidad disponible para producir P

2400 – 10 (50) = 1900 minutos en la estación A

2400 – 30 (50) = 900 minutos en la estación B

2400 – 5 (50) = 2150 minutos en la estación C

2400 – 5 (50) = 2150 minutos en la estación D

Análisis de cuello de botella

Identificar el cuello de botella: Estación B, porque

Utilidad neta semana: ($451000) + ($6030) -‐ $5000 = $1300