UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FSICAS Y MATEMTICAS

DEPARTAMENTO DE INGENIERIA INDUSTRIAL











MODELO DE OPTIMIZACIN APLICADO AL PROGRAMA DE
PRODUCCIN PARA UNA EMPRESA DE ALIMENTOS




MEMORIA PARA OPTAR AL TTULO DE INGENIERO CIVIL INDUSTRIAL






SEBASTIN FELIPE ESPINOZA CANALES






PROFESOR GUA:
RICARDO SAN MARTN ZURITA


MIEMBROS DE LA COMISIN:
PATRICIO CONCA KEHL
PABLO ANDRES REY





SANTIAGO DE CHILE
SEPTIEMBRE 2007

RESUMEN DE LA MEMORIA
PARA OPTAR AL TTULO DE
INGENIERO CIVIL INDUSTRIAL
POR : SEBASTIN ESPINOZA
CANALES
FECHA : 08/09/2007
PROF. GUIA : RICARDO SAN
MARTN

MODELO DE OPTIMIZACIN APLICADO AL PROGRAMA DE
PRODUCCIN PARA UNA EMPRESA DE ALIMENTOS

La presente memoria se realiz en la empresa Evercrisp Snack S.A. de
Pepsico Internacional. Esta empresa pertenece a la industria alimenticia, y
entre sus principales productos destacan las papas fritas Lays, man salado
evercrisp, Doritos, Cheetos, etc.

La problemtica existente y la motivacin de este proyecto, es que la empresa
evercrisp realiza su programa de produccin da a da, de acuerdo al pedido
de sus clientes del da prximo, y al criterio experto del programador de
produccin, por lo que existen ineficiencias en el sentido que no se aprovecha
el potencial de produccin de las lneas. Dado lo anterior, se necesita hacer un
programa de produccin de manera eficiente, por lo que el objetivo de esta
memoria es disear e implementar un modelo matemtico que permita
optimizar el programa de produccin.

Para la realizacin este proyecto las actividades claves desarrolladas fueron:
hacer un levantamiento de requerimientos de los clientes internos,
principalmente el rea de produccin y logstica, fijar las restricciones o
limitantes que se deben incorporar al modelo, en las que destacan las
capacidades de proceso, de empaque, de vida til, y de cumplimiento de
demanda, construir un modelo matemtico que entregue el valor de las
variables criticas necesarias para realizar el programa de produccin, resolverlo
a travs de una aplicacin computacional que sea adecuada a la magnitud del
modelo diseado, validarlo con las personas relacionadas con el programa de
produccin, para finalmente implementarlo a la lnea de produccin.

Una vez implementado el modelo matemtico a la realizacin del programa de
produccin para la lnea PC-32. Se obtienen mltiples beneficios al comparar la
produccin del mes de Enero de 2007 (programa antiguo), con el mes de
Marzo de 2007 (programa nuevo), en donde se destacan la disminucin de la
negacin de productos por falta de stock al rea de ventas, y a la mayor
productividad de la lnea, en donde por estos dos motivos se incurre en un
ahorro de $16.971.666

Finalmente, se destaca que el proyecto se realiz en el plazo estipulado de 4
meses cumpliendo con todos los objetivos planteados.


Agradecimientos

A mis padres, porque me entregaron lo mejor que le pueden entregar los padres a los
hijos, amor y educacin.



A mis hermanos, por ayudarme a tener diferentes visiones de la vida, indispensables
para un desarrollo armnico del alma.



A mis abuelos, porque me brindaron todo su apoyo incondicional, cada vez que lo
necesit



A mi familia, porque me han ayudado en innumerables veces brindndome el respaldo
necesario para enfrentar las adversidades.



A mis amigos y compaeros, por ayudarme recorrer de manera grata todas las etapas
de la vida, en donde han estado siempre presentes.



A mi Colegio y Universidad, por brindarme las herramientas necesarias para desarrollar
una vida profesional plena.
2
ndice de contenidos
Agradecimientos ............................................................................................................... 1
ndice de contenidos ........................................................................................................ 2
ndice de Cuadros ............................................................................................................ 4
ndice de Grficos ............................................................................................................ 5
I.- Antecedentes generales............................................................................................... 6
II.- Descripcin del proyecto y justificacin ....................................................................... 8
Productos negados ....................................................................................................... 9
Eficiencia de Lnea...................................................................................................... 10
III.- Objetivos .................................................................................................................. 16
Objetivo General ......................................................................................................... 16
Objetivos especficos .................................................................................................. 16
IV.- Marco Conceptual .................................................................................................... 17
Definicin del sistema ................................................................................................. 17
Construccin del modelo ............................................................................................ 17
Resolucin del modelo................................................................................................ 17
Validacin del modelo ................................................................................................. 17
Implementacin y control del modelo.......................................................................... 17
V.- Metodologa .............................................................................................................. 19
VI.- Alcances .................................................................................................................. 22
VII.- Resultados Esperados ............................................................................................ 23
VIII.- Estimacin de Demanda ........................................................................................ 24
Estacionalidad Diaria .................................................................................................. 24
Estacionalidad Semanal ............................................................................................. 27
Estacionalidad Mensual .............................................................................................. 28
Mtodo de promedios ponderados ............................................................................. 29
Mtodo de atenuacin exponencial ............................................................................ 31
Conclusiones .............................................................................................................. 33
IX.- Modelo matemtico.................................................................................................. 36
Parmetros: ................................................................................................................ 36
Variables de decisin .................................................................................................. 36
Restricciones .............................................................................................................. 37
Funcin Objetivo ......................................................................................................... 38
3
X.- Aplicacin del modelo ............................................................................................... 39
Actualizacin de inventario ......................................................................................... 39
Parametrizacin .......................................................................................................... 40
Definicin de produccin ............................................................................................. 41
Resolucin .................................................................................................................. 43
Asignacin de tubos de produccin ............................................................................ 45
Resumen de Produccin ............................................................................................. 46
Programacin a tubos ................................................................................................. 46
XI.- Validacin del modelo .............................................................................................. 48
XII.- Anlisis de Sensibilidad .......................................................................................... 49
Variacin de demanda ................................................................................................ 49
Variacin de Golpes por Minuto .................................................................................. 49
XIII.- Plan Piloto .............................................................................................................. 51
XIV.- Conclusiones y Resultados Obtenidos .................................................................. 54
Estimacin de demanda ............................................................................................. 54
Eficiencia de lnea ....................................................................................................... 55
Conclusiones finales ................................................................................................... 63
XV.- Bibliografa y fuentes de informacin...................................................................... 64
XVI.- Anexos .................................................................................................................. 65
Anexo N 1: Extracto del archivo que lleva la estadstica de productos negados por
estar sin stock ............................................................................................................. 65
Anexo N 2 : Extracto de pedidos diarios por SKU ..................................................... 67
Anexo N 3: Extracto de estacionalidades .................................................................. 68
Anexo N 4: Extracto de Estimacin de demanda de I2: ........................................... 68
Anexo N 5: Programa de produccin antes de ocupar modelo ................................. 69
Anexo N 6: Estructura de Bonos para operador de lnea .......................................... 70


4
ndice de Cuadros

Cuadro N 1: Cajas negadas meses desde Julio a Octubre de2006 ................................ 9
Cuadro N 2: Valores de cajas negadas en los meses de Julio a Octubre de 2006 ....... 10
Cuadro N 3: Muestra en ejemplo de programar un mix ineficiente ............................... 11
Cuadro N 4: Muestra un ejemplo de programacin de un Mix Eficiente ....................... 11
Cuadro N 5: Refleja la eficiencia del programa de Produccin de las lneas ................ 12
Cuadro N 6 Prediccin de un mes para cabritas de 40 gr. con el mtodo de promedios
ponderados .................................................................................................................... 30
Cuadro N 7 Prediccin de un mes para cabritas de 40 gr. con el mtodo de atenuacin
exponencial .................................................................................................................... 32
Cuadro N 8 Inventario de la bodega de productos terminados de Evercrisp Snack S.A.
....................................................................................................................................... 40
Cuadro N 9 Extracto hoja base del modelo ................................................................... 41
Cuadro N 10 Hoja donde se define el escenario de programacin ............................... 42
Cuadro N 11 Hoja que resuelve el modelo ................................................................... 43
Cuadro N 12 Herramienta solver de Excel .................................................................... 44
Cuadro N 13 Procedimientos de asignacin de tubos para capacidad de empaque .... 45
Cuadro N 14 Resumen de programacin por turno uno de la lnea PC-32 ................... 46
Cuadro N 15 Programacin por tubos para turno uno de la lnea PC-32 ...................... 47
Cuadro N 16 Golpes por minuto que toma el modelo para cada formato. .................... 52
Cuadro N 17 Razn Negados/pedidos para enero y marzo .......................................... 57
Cuadro N 18 Detalle de ahorros alcanzados por la baja en negacin de productos ..... 58
Cuadro N 19 Indicador IMAN para el mes de Enero ..................................................... 59
Cuadro N 20 Indicador IMAN para el mes de Marzo..................................................... 59
Cuadro N 21 Volmenes y costos de produccin PC-32 .............................................. 60
Cuadro N 22 Ahorros por aumento de productividad .................................................... 60
Cuadro N 23 Obtencin de bono de produccin medio para lnea PC-32 .................... 62
5
ndice de Grficos


Grafico N 1: Produccin de las 3 lneas de papas comparadas con las ventas ............ 13
Grafico N 2: Produccin de la lnea Hard v/s Venta ...................................................... 13
Grafico N 3: Produccin de la lnea schaaf v/s Venta ................................................... 14
Grafico N 4: Produccin de las lneas sof-1 y sof-2 v/s Venta................................... 14
Grafico N 5: Produccin de la lnea de Man v/s Venta ................................................. 15
Grafico N 6: Produccin de la lnea cabritas v/s Venta ................................................. 15
Grafico N 7 Estacionalidad diaria en cajas para cada da de la semana ...................... 25
Grafico N 8 Estacionalidad diaria de un producto large batch ...................................... 26
Grafico N 9 Estacionalidad diaria de un producto medium batch .................................. 26
Grafico N 10 Estacionalidad Semanal en cajas para cada semana del mes ................ 27
Grafico N 11 Estacionalidad Mensual en cajas para los 4 meses en estudio ............... 28
Grafico N 12 Prediccin de demanda de pedidos totales por ambos mtodos ............. 33
Grafico N 13 Prediccin de demanda de Cabritas de 34gr por ambos mtodos .......... 34
Grafico N 14 Prediccin de demanda de Papas Lays de 350 gr por ambos mtodos . 34


6
I.- Antecedentes generales

La empresa Pepsico nace en el ao 1965 con la fusin de las empresas Fritolay y Pepsi
Cola, dedicadas a la produccin de alimentos y bebidas cola respectivamente,
manteniendo cada empresa como dos divisiones operativas distintas.

La empresa ingresa al mercado nacional a travs de Evercrisp Snack Productos de
Chile S.A. presente en Chile desde 1978, al ser adquirida por Fritolay en 1993,
momento desde el cual se han realizado inversiones con el fin de realizar mejoras,
hasta convertirla en la compaa que es hoy en da.

Su presencia esta representada por sus marcas: Evercrisp, Moms, Lays, Barcel y
Quaker, siendo la empresa lder en el mercado que comercializa snack tanto dulces
como salados.
Alguno de sus productos son souffl, Cheetos, Gatolate, Traga Traga, Doritos, Twistos,
Snack man y Papas Fritas.

La planta de produccin de estos productos se encuentra ubicada en la comuna de
Cerrillos, la cual tiene 14 lneas de produccin, cada una asociada a una familia de
productos, mas una lnea de maquilado y que en su conjunto producen mas de 280
productos.

Las ventas anuales de la planta para el ao 2005, se elevaron a MU$D 132.604, lo que
equivale a 28.237 Toneladas de productos terminados, y que representan 15.336.154
cajas (1), con lo que se abastece a mas de 30 sucursales de distribucin, desde Arica a
Castro, que a su vez abastecen alrededor de 450 supermercados, 300 clientes
mayoristas y 58.000 detallistas.

La cadena de servicio de la planta parte con la compra a proveedores de las materias
primas y material de empaque, exceptuando las papas, que se traen los tubrculos
desde los laboratorios desde EE.UU., se entregan a los productores de los diferentes
predios para que maduren bajo el monitoreo del rea agrcola de la empresa, para
7
luego abastecer a la planta cuando la papa este en condiciones. Luego estas materias
primas ingresan a las distintas lneas de produccin, en donde despus de pasar por
procesos de lavado, pelado, fredo, horneado, extrudo, etc. segn corresponda, los
productos salen envasados, en donde un operario los va poniendo en cajas y a la vez
formando pallets.
Los pallets son almacenados en la bodega de productos terminados, o enviados a
procesos de maquilado en donde los productos a granel son puestos en mangas o en
packs y devueltos a la bodega de productos terminados para su distribucin.

Finalmente el rea servicio al cliente de acuerdo a los pedidos realizados por
sucursales, enva los productos solicitados a travs de una red de distribucin realizada
por empresas externas.

8
II.- Descripcin del proyecto y justificacin

La presente memoria se desarrolla en el departamento de logstica de la empresa,
especficamente en el rea de planeacin de ventas y operaciones (PVO). Esta rea
presenta tres grandes actividades: planeacin de demanda, planeacin de operaciones
y programacin de la produccin, siendo en este ltimo tem en donde se aplicara un
modelo optimizacin que permita realizar de manera eficiente el programa de
produccin.

Actualmente, la empresa evercrisp realiza su programa de produccin da a da, de
acuerdo al pedido de sus clientes del da prximo y al criterio experto del programador
de produccin, avalado por su basta trayectoria en la planta, comprensin del
funcionamiento de las lneas de produccin, conocimiento de los productos y su
demanda, y el manejo de las bodegas de productos terminados y maquilados
(inventarios).

El tema de estudio se centra en establecer una realizacin eficiente del programa de
produccin, determinando de manera ptima qu y cuanto producir, con el fin de
abastecer de la mejor manera posible los clientes internos (ventas y operaciones),
minimizando quiebres de inventario con el fin de evitar la negacin de productos.
Esta programacin deber tener la opcin de hacer un programa con un horizonte
mayor al actual (diario), de manera de orientar a todas las reas que estn involucradas
en la cadena productiva (agrcola, materias primas, produccin, calidad, abastecimiento,
tcnica, etc.) con informacin de los requerimientos para la produccin en das futuros;
esta informacin es de gran ayuda, principalmente porque en muchos casos la
capacidad de reaccin ante cambios en la produccin es mayor a un da, y al contar con
la informacin de manera anticipada permitir minimizar los paros de las lneas de
produccin por motivos de falta de conocimiento y respectiva preparacin de la
produccin futura.

9
Productos negados

La principal razn para realizar el proyecto, es que con la estructura existente
actualmente la empresa presenta quiebres de inventario en forma peridica, por lo que
tomando en cuenta los ltimos 4 meses (desde el momento de evaluacin , Julio,
Agosto, Septiembre, Octubre de 2006) se ha negando productos en el orden de 4% de
la produccin, es decir, 174.117 cajas negadas sobre 4.475.166 cajas pedidas, lo que al
valorarlo se traduce en un monto de $ 949.763.572, lo que corresponde a un margen
de $ 591.320.951 lo que afecta negativamente el nivel de servicio entregado los clientes
y a la vez las utilidades de la compaa (Ver estadsticas en anexo N 1). Sin embargo,
no se puede decir que todo se traduzca en ventas no realizadas, ya que los productos
negados se pueden dividir en 2 principales canales de distribucin; venta directa (OT), y
venta a sucursales. Dado lo anterior, la oportunidad de venta no realizada solo se
considera a OT, ya que los productos negados a sucursales, generalmente se
reemplazan por productos de alta rotacin y la venta a los clientes finales se realiza de
los stock que poseen las distintas sucursales. Por lo tanto el escenario de perdidas por
productos negados queda de la siguiente manera:
Cuadro N 1: Cajas negadas meses desde Julio a Octubre de2006
Fuente: Elaboracin propia de archivo Datos Venta diaria ao 2006 planta cerrillos






Mes
Negados
OT
Negados
Sucursales
Total
Negados Pedidos
Razn
(neg/ped) %
Julio 8111 28014 36125 1047223 0,034 3%
Agosto 10093 26341 36434 1243197 0,029 3%
Septiembre 15565 20459 36024 1121913 0,032 3%
Octubre 17797 47737 65534 1062833 0,061 6%
Total Cajas 51566 122551 174117 4475166 0,038 4%
10



Si esto se traduce a valores el escenario queda de la siguiente manera:
Cuadro N 2: Valores de cajas negadas en los meses de Julio a Octubre de 2006
Ingresos $ Costos $ Margen $
OT 262.319.426 103.996.774 158.322.652
Sucursales 687.206.126 254.253.257 432.952.869
Totales 949.525.552 358.250.031 591.275.521
Fuente: Elaboracin propia de archivo Datos Venta diaria ao 2006 planta cerrillos

Dado lo anterior, las perdidas incurridas por ventas no reali zadas en los 4 meses
observados, ascienden a $158.322.652

Eficiencia de Lnea

Otro motivo relevante para la implementacin de este proyecto es que no se esta
produciendo con el potencial de las lneas de produccin, lo que se traduce en
produccin realizada en horas extraordinarias. Las ineficiencias que son atribuibles al
programa de produccin son en cuanto al mix o combinacin de productos a producir
para las lneas sin tomar en cuenta que la capacidad de empaque debe ser similar a la
capacidad de proceso para cada lnea.

Esto se explica a continuacin:

Capacidad de Proceso: P (kg/hr), capacidad nominal de la lnea de producir un
determinado producto.

Capacidad de Empaque: E (kg/hr), capacidad de la lnea de empacar la produccin de
la lnea, esta se explica a continuacin:

11
E (kg/hr)= GPM (unid/min)*60(min/hr)* X(Kg/unid)*N(tubos)
Donde:
X : Formato de producto
GPM: Golpes por minuto del tubo o mquina
N : Cantidad de tubos

Eficiencia: E/P = %
(rango aceptable para una lnea de produccin 90%-110%)

Esquemticamente:
Se toma en cuenta la lnea PC-32 de Papas Fritas, que cuenta con 10 empacadoras o
tubos:
Cuadro N 3: Muestra en ejemplo de programar un mix ineficiente
Capacidad
de
proceso

Eficiencia de
Combinacin Capacidad de empaque
Kg/hr Gr. GPM Tubos Total de empaque Kg/hr %
1450 18 60 10 648 44,69%
Fuente: Elaboracin propia
Este es una combinacin poco eficiente ya que se ha programado empaque de
producto de gramaje pequeo (18 gr.) en las 10 empacadoras de la lnea, a 60 golpes
por minuto, lo que logra empacar 648 Kg/hr siendo muy inferior a la produccin de
papas de 1450 Kg/hr. Lo que se traduce que por programa se logra solo un 44,7% de
eficiencia.

Luego para producir eficientemente se debe programar una combinacin de productos
con diferentes gramajes, por ej:
Cuadro N 4: Muestra un ejemplo de programacin de un Mix Eficiente
Capacidad
de proceso

Capacidad de empaque

Eficiencia de
Combinacin
Kg/hr gr. GPM Tubos Total de empaque Kg/hr %
1450 18 60 8 518,4 100,92%
12
Fuente: Elaboracin propia

En donde se programa con gramaje chico (que hace mas ineficiente la lnea, pero
tienen mayor demanda) el mayor numero de empacadoras posibles sin hacer ineficiente
el mix de productos y el resto con productos de alto gramaje para lograr la eficiencia de
la lnea nominal. (Es aceptable entre 90% y 110 % de eficiencia).

Dada la estructura de programacin diaria realizada por el programador de acuerdo a
su experiencia y criterio, la situacin actual de la eficiencia del programa de produccin
se describe a continuacin:
Cuadro N 5: Refleja la eficiencia del programa de Produccin de las lneas
Lnea Julio Agosto Septiembre Acumulado
PC-21 88% 83% 77% 83%
PC-14 88% 79% 71% 79%
Doritos 93% 94% 92% 93%
Soft-1 58% 56% 62% 59%
Ramitas 79% 76% 82% 79%
Fuente: Indicador Iman de planta cerrillos

La eficiencia del programa de produccin es calculada por la herramienta IMAN, que la
calcula de acuerdo a la siguiente formula:

Eficiencia Programa de Produccin =
Kg.Programados (Semana) / (Cap.Nominal*Tiempo Programado (Semana))

Lo que entrega una eficiencia semanal, para luego calcular una eficiencia mensual a
travs de un promedio ponderado por los das de cada semana, que es la eficiencia que
se refleja en el cuadro N 5

270 25 1 405
450 20 1 540
13
Para ver la factibilidad de realizar un programa eficientes es necesario ver la capacidad
de producir versus la demanda, en el sentido de que si no hay produccin para cubrir lo
que se vende, no seria posible realizar un programa de produccin que logre satisfacer
la demanda.

A continuacin se observa la capacidad de produccin versus la demanda para las
principales lneas de produccin de la empresa Evercrisp:

Grafico N 1: Produccin de las 3 lneas de papas comparadas con las ventas
Papas
8.000
13.000
18.000
23.000
2006 2007 2008 2009 2010 2011 2012
Month
T
o
n

M
o
n
t
h
Sales Capacity Cap (85%)

Fuente: Curvas de Capacidad de lneas planta cerrillos







Grafico N 2: Produccin de la lnea Hard v/s Venta
14
HARD EXTRUDED
-
1.000
2.000
3.000
4.000
2006 2007 2008 2009 2010 2011 2012
Month
T
o
n

M
o
n
t
h
Sales Capacity Cap (85%)

Fuente: Curvas de Capacidad de lneas planta cerrillos
Grafico N 3: Produccin de la lnea schaaf v/s Venta
SCHAAF EXTRUDED
1.000
2.000
3.000
4.000
5.000
6.000
2006 2007 2008 2009 2010 2011 2012
Month
T
o
n

M
o
n
t
h
Sales Capacity Cap (85%)

Fuente: Curvas de Capacidad de lneas planta cerrillos
Grafico N 4: Produccin de las lneas sof-1 y sof-2 v/s Venta
SOFT EXTRUDED
-
2.000
4.000
6.000
8.000
2006 2007 2008 2009 2010 2011 2012
Month
T
o
n

M
o
n
t
h
Sales Capacity Cap (85%)

Fuente: Curvas de Capacidad de lneas planta cerrillos
15
Grafico N 5: Produccin de la lnea de Man v/s Venta
NUTS
-
1.000
2.000
3.000
4.000
2006 2007 2008 2009 2010 2011 2012
Month
T
o
n

M
o
n
t
h
Sales Capacity Cap (85%)

Fuente: Curvas de Capacidad de lneas planta cerrillos
Grafico N 6: Produccin de la lnea cabritas v/s Venta
POP CORN
-
500
1.000
1.500
2006 2007 2008 2009 2010 2011 2012
Month
T
o
n

M
o
n
t
h
Sales Capacity Cap (85%)

Fuente: Curvas de Capacidad de lneas planta cerrillos

Se observa que para todas las lneas, la produccin de productos es superior a la venta,
sin embargo para la lnea de man y de soft (sufls, chis pop, gatolate, traga traga, etc.)
la venta es casi el nivel de la produccin, sin embrago hay proyectos para aumentar la
produccin, por lo que no debera haber problemas para realizar proyectos de
optimizacin en esas lneas.
Para este proyecto lo relevante es la Grafica N 1, ya que se implementar en la lnea
mas moderna y grande de papas que posee la planta (Lnea PC-32), por lo que se
observa que existe una capacidad de produccin mayor a lo que se proyecta vender,
por lo que a priori es posible hacer un modelo que cumpla con la venta y maximice la
eficiencia del programa.
16
III.- Objetivos

Dada la problemtica planteada, los objetivos del proyecto son los siguientes:
Objetivo General

Disear e implementar un modelo matemtico que permita optimizar el programa de
produccin; en un horizonte determinado, segn una demanda estimada, para todos los
productos de una lnea de produccin.

Objetivos especficos

Establecer una metodologa que logre estimar la demanda inmediata, a lo largo
del horizonte que se realizar el programa de produccin.

Construir un modelo matemtico que permita optimizar el programa de
produccin, maximizando los niveles de satisfaccin de los clientes internos.

Validar modelo de manera que entregue soluciones razonables, y aplicables al
programa de produccin
17
IV.- Marco Conceptual
De acuerdo al marco metodolgico definido en Apuntes de Investigacin Operativa
(Svaras), aplicado a la optimizacin del programa de produccin; a continuacin se
describen las principales etapas de desarrollo del proyecto:
Definicin del sistema
Corresponde a identificar el mbito del sistema bajo estudio, establecer el objetivo de
este, identificando las alternativas de decisin.
Construccin del modelo
La investigacin operativa se caracteriza por la utilizacin de modelos matemticos en
la formulacin de problemas. Un modelo matemtico es una representacin idealizada
de una situacin concreta con un objetivo determinado.
Resolucin del modelo
Determinar la solucin de un modelo matemtico implica establecer los valores de las
variables de decisin de manera que se cumplan las limitaciones o restricciones
consideradas, y que optimice la medida de efectividad asociada.
Validacin del modelo
Se analiza la capacidad del modelo para predecir razonablemente el desempeo del
sistema ante diversas alternativas de decisin. Luego es necesario verificar si la
solucin es razonable, realizar pruebas de consistencia, validacin de supuestos, etc. Y
por ultimo si el modelo y su solucin no se consideran satisfactorios, se deben realizar
las correcciones necesarias.
Implementacin y control del modelo
Una vez desarrollado el estudio y validado el modelo, este y sus soluciones deben
transformarse en herramientas de apoyo a la toma de decisiones en la organizacin.
Esto implica realizar lo siguiente:
18
Establecer procedimientos (manuales y/o computacionales) al interior de la
organizacin que aseguren la disponibilidad de los datos que el modelo requiere, en
forma oportuna y con la debida consistencia.
Establecer procedimientos que permitan con los datos, resolver el modelo, y obtener as
la(s) solucin(es). Esto corresponde, entre otras cosas, a la implementacin
computacional de los algoritmos o mtodos desarrollados o a la instalacin y puesta en
marcha del software comercial que se considere apropiado.
Establecer los procedimientos que permitan transformar las soluciones propuestas por
el modelo en acciones especficas de la organizacin.


19
V.- Metodologa

La metodologa determinada para realizar el proyecto se divide en tres actividades
principales, que se describen a continuacin con una especificacin de cmo se
realizar cada una:
I) Formular una metodologa de estimacin de la demanda inmediata.
Esta metodologa entregar la demanda diaria por productos, durante todo el horizonte
que se realizar del programa de produccin.
Para realizar el programa de produccin, el input principal son los pedidos del da
prximo, ya que dada esta demanda se toma la decisin de produccin, por lo que para
extender el horizonte de programacin, se necesitar de una estimacin de demanda
confiable para todo el periodo que se desee programar la produccin.
Para realizar esta actividad, se ha detectado que la demanda tiene una triple
estacionalidad, diaria, semanal y mensual. Es decir depende del da de la semana, de
que semana es en el mes, y de que mes del ao. Luego para realizar el pronstico de
demanda se asignara un valor esperado para cada da, para cada semana, y para cada
mes; para luego hacer un anlisis de sensibilidad con datos histricos y de esta manera
determinar empricamente los valores que se le asignaran a la ponderacin de cada
parmetro de manera de entregar el pronostico de manera precisa y lo mas parecido a
la realidad posible.
Otra forma de realizar un pronstico de demanda es buscar mtodos conocidos, que
necesiten datos de informacin histricos de la demanda, ya que son estos los datos
que existen a disposicin.
II) Construccin del modelo matemtico de optimizacin.
La primera actividad a realizar para la construccin del modelo, es hacer un
levantamiento de los requerimientos de los clientes internos a los que se desea entregar
un nivel de servicio optimo, principalmente ventas; para esto se visitar todos los
20
clientes a satisfacer y a todas las reas involucradas en la produccin, estas son: rea
agrcola, bodega de materias primas, planta, calidad, rea tcnica, desarrollo, logstica,
bodega de productos terminados, maquila, ventas. Luego de acuerdo a estos
requerimientos se podr determinar los elementos que incluye el modelo:
Condicin de optimizacin: se establece si el modelo ser de maximizacin o
minimizacin, de acuerdo a los objetivos perseguidos.
Funcin objetivo: es el criterio que orientar las decisiones, generalmente esta funcin
esta representada por beneficios, costos, ingresos, etc.
Variables de decisin: corresponden a los elementos que representan las decisiones
que se desea apoyar. Ellas corresponden, por ejemplo: cantidad de productos a
producir, tipo de producto a producir, nivel de inventario, etc.
Restricciones: corresponden a limitaciones del sistema que se incorpora al modelo, por
ejemplo, espacio mximo disponible, cantidad mnima de producto requerido, cantidad
de horas hombre mxima, etc.
Parmetros o datos: representan decisiones, que a diferencia de las variables de
decisin, no son controlables. Por ejemplo: capacidad de produccin, capacidad de
transporte, cantidad de inventario inicial, etc.
Una vez realizado el modelo matemtico, se debe buscar una aplicacin que lo
resuelva, de manera que entregue los resultados de la optimizacin. Para realizar la
eleccin de la aplicacin ms apropiada se debe tomar en cuenta el tamao del modelo,
numero de variables, numero de restricciones, etc. De manera que el software elegido
tenga la capacidad de resolver problemas de la magnitud del modelo diseado.
III) Validacin del modelo
Para validar el modelo se toman los resultados optimizados de las variables de
decisin, se ve si son razonables y aplicables a la realidad, en caso contrario se ve por
que no lo son, se detecta donde se genera el error, y se realizan las correcciones
21
necesarias, para luego volver a correr el programa hasta encontrar resultados
satisfactorios.
Luego, estos resultados se consolidan con las personas involucradas en la elaboracin
del programa de produccin (programador, planificador, coordinadores de lnea, gerente
de rea), para dar como validados los resultados entregados por el modelo, en la parte
terica.
Para validar el modelo en la parte practica se realizar un plan piloto, en donde en
conjunto con los coordinadores de lnea, programador y operadores, se mostrara el
modelo matemtico, como es la lgica de programacin del modelo, se validara con los
operadores los parmetros que utiliza el modelo, y se realizaran los ajustes necesarios
de acuerdo al funcionamiento que arrojen los programas de produccin generados por
el modelo.
22
VI.- Alcances

De acuerdo a los plazos establecidos por la empresa para la realizacin del proyecto, (4
meses) se estima que en este tiempo se podr realizar la optimizacin del programa de
produccin para una de las lneas de produccin y su familia de productos.
Del modelo se espera que solo se centre en los aspectos relevantes del problema, es
decir, cumplir con la demanda, capacidades de produccin, capacidades de empaque y
vida til del producto.
El modelo deber tener la capacidad de programar con un horizonte de programacin
de una semana, en donde se contara con la demanda de pedidos del da siguiente y
para el resto de la semana se ocupara la demanda prevista por el mtodo de
estimacin.
El modelo se aplicara a la lnea PC-32, que es la lnea mas moderna de la planta, tiene
una capacidad de proceso de 1450 (Kg/hr) de produccin de papas fritas, tanto para
corte americano, como para corte liso.
Esta lnea tiene una capacidad de empaque de 10 tubos, por lo que se estima que el
modelo tendr 10 variables de decisin, una para cada tubo, en donde cada variable
determinara que producto y cuanto se debe empacar en cada tubo de la lnea.
Un modelo de esta envergadura es posible plantear y resolver con la herramienta solver
del programa Excel, que es una tecnologa que se encuentra disponible y es de uso
general para todas las reas de la organizacin.


23
VII.- Resultados Esperados

En el marco de los resultados esperados, se establecern medidas de efectividad para
los objetivos planteados al principio del proyecto.

Para el caso de la estimacin de demanda, el indicador:
|estimacin dda. dda. Real|/dda. Real x 100%
(valor absoluto de la diferencia entre la estimacin de la demanda y la demanda real
sobre la demanda real), por poltica de la empresa se considera bueno si es menor a
20%, aceptable si es mayor a 20% y menor a 25% y malo si es mayor a 25%. Es decir,
para la metodologa creada para la estimacin de la demanda se espera que sea buena
segn la poltica de la empresa.

Para estimar la eficiencia del modelo de optimizacin se tendrn los siguientes
indicadores:

Productos negados/productos pedidos, el cual deber ser menor al nivel que existe
actualmente (4% total planta), lo ideal es que este indicador sea lo menor posible. Se
espera que esto ocurra por la programacin eficiente del programa de produccin.

Eficiencia de la lneas de produccin: en la actualidad la eficiencia de las lneas es de
alrededor del 80% a 90% (solo en lo que es atribuible al programa de produccin y su
mix de productos a producir), lo que se espera que la eficiencia entregada por el modelo
sea en el rango nominal (90%- 110%)




24
VIII.- Estimacin de Demanda

Uno de los objetivos de este proyecto es realizar una estimacin de demanda lo mas
precisa posible, con el fin de tener un input confiable para realizar la programacin de
produccin de la planta cerrillos de la empresa Evercrisp. Para este caso, esto quiere
decir, saber la cantidad de productos que ser solicitado a la empresa por parte de sus
clientes; ya sean estos las sucursales de la empresa, repartidas desde Arica a Castro, o
sus clientes directos de la Regin Metropolitana, principalmente supermercados y
mayoristas.

Para lograr este objetivo, el primer paso es analizar los datos histricos de pedidos
realizados a la planta, para esto se cuenta con archivos de la empresa que muestran la
demanda histrica que ha tenido la planta producto por producto, da a da, durante los
ltimos aos. Ver Anexo N 2

Al analizar los datos, y escuchar la experiencia del programador de planta y del rea de
planificacin, se concluye que los productos presentan tres tipos de estacionalidades:
diaria, semanal, y mensual.

Estacionalidad Diaria

Esta estacionalidad es la variacin de los pedidos de acuerdo al da de la semana que
se realizan, en donde generalmente los viernes existen pedidos mayores que el resto
de la semana, ya que estos das los vendedores abastecen las ventas del fin de
semana; el resto de la semana los pedidos son de menor magnitud.

Esta estacionalidad se calcula sacando un promedio simple de los pedidos de cada da
de la semana, es decir, se ven todos los pedidos de un da determinado, por un periodo
de 4 meses para este caso, y se calcula su promedio.

25
Al verificar la estacionalidad de la demanda diaria tomando los pedidos totales
realizados a la empresa, esto es, la suma de todos los productos solicitados a
la planta, el resultado es:

Grafico N 7 Estacionalidad diaria en cajas para cada da de la semana
Fuente: Elaboracin propia de archivo de Datos de pedidos diarios 2006 planta cerrillos

Sin embargo, la estacionalidad que es relevante para realizar el programa de
produccin, es la que presenten cada producto, de manera de llegar a una estimacin
de demanda desagregada por producto.

Luego cada producto presentara una estacionalidad de acuerdo a la demanda
especfica que presenta, ya que esta es variable de acuerdo a las caractersticas
propias de cada formato, es por eso que productos de gramaje pequeo, tiene una
estacionalidad muy diferente a los productos de formato de gramaje grande. En general
se pueden distinguir tres tipos de productos de acuerdo al gramaje que presenten: los
small batch o de gramaje pequeo, aquellos productos con gramaje menor o igual a 40
gr., los mdium batch o de gramaje mediano, que son los productos con gramaje entre
40 y 80 gr.; y finalmente, los large batch o gramaje grande, que son aquell os productos
con gramaje mayor a 80 gr.
Estacionalidad Diaria Total Pedidos
0
10000
20000
30000
40000
50000
60000
70000
80000
lunes martes mircoles jueves viernes
Pedidos Totales
2006
Mes (Todas)
Promedio de Pedido Real
Descripcion Dia
26
A continuacin se muestra la estacionalidad diaria de 2 productos, uno mdium batch y
uno large batch:

Grafico N 8 Estacionalidad diaria de un producto large batch
Estacionalidad Diaria
0
500
1000
1500
2000
2500
3000
3500
lunes martes mircoles jueves viernes
Papas Corte Americano 3x500
10007
C
a
j
a
s
2006
Mes (Todas)
Promedio de Pedido
Codigo Descripcion Dia
Ao

Fuente: Elaboracin propia de archivo de Datos de pedidos diarios 2006 planta cerrillos

Grafico N 9 Estacionalidad diaria de un producto medium batch
Estacionalidad Diaria
0
100
200
300
400
500
600
700
800
900
1000
C
a
j
a
s
2006 801 663 401 760 885,8823529
lunes martes mircoles jueves viernes
Papa Lays T/A 40X50
10032
Mes (Todas)
Promedio de Pedido
Codigo Descripcion Dia
Ao

Fuente: Elaboracin propia de archivo de Datos de pedidos diarios 2006 planta cerrillos

Por lo tanto, para este proyecto se determin la estacionalidad diaria para cada
producto, de acuerdo a datos histricos. Anexo N 3
27
Estacionalidad Semanal

La estacionalidad semanal se denomina a la variacin de los pedidos de acuerdo a la
semana del mes en que se realizan.
Esta se calcula sacando un promedio simple de los pedidos promedio de cada semana,
es decir, se ven todos los pedidos de una semana determinada de un mes (el mes se
divide en 4 semanas) y se obtienen el pedido promedio de la semana, para luego
promediarlos con todas las semanas correspondientes del resto de los meses.
A continuacin se muestra la estacionalidad semanal de los pedidos totales realizados
a la planta:

Grafico N 10 Estacionalidad Semanal en cajas para cada semana del mes
Estacionalidad Semanal Total Pedidos
44000
46000
48000
50000
52000
54000
56000
58000
60000
1 2 3 4
Pedidos Totales
2006
Mes (Todas)
Promedio de Pedido Real
Descripcion Semana
Ao

Fuente: Elaboracin propia de archivo de Datos de pedidos diarios 2006 planta cerrillos

Se observa que los pedidos sufren una variacin de acuerdo a la semana que es dentro
del mes, en donde la primera semana los pedidos bajan considerablemente, y en donde
la segunda semana y la cuarta los pedidos son mayores principalmente por los efectos
de ventas mayores en la quincena y fin de mes.

Para efecto de este proyecto se calcul la estacionalidad semanal para cada producto,
de acuerdo a los datos histricos. Ver Anexo N 3
28
Estacionalidad Mensual

La estacionalidad mensual se denomina a la variacin de los pedidos de acuerdo al
mes del ao en que se realizan. Esta se calcula al tomar el pedido promedio de los
meses correspondientes.
A continuacin se muestra la estacionalidad mensual de los pedidos totales realizados a
la planta, para los 4 meses en que se estudio la demanda:


Grafico N 11 Estacionalidad Mensual en cajas para los 4 meses en estudio
Estacionalidad mensual
44000
46000
48000
50000
52000
54000
56000
58000
60000
Julio Agosto Septiembre Octubre
Meses del ao
P
e
d
i
d
o
s

P
r
o
m
e
d
i
o


Fuente: Elaboracin propia de archivo de Datos de pedidos diarios 2006 planta cerrillos

Luego, para este proyecto se determin la estacionalidad mensual para cada producto,
de acuerdo a datos histricos. Ver Anexo N 3




29
Mtodo de promedios ponderados

Este mtodo consiste en hacer una prediccin de la demanda, basada en un promedio
ponderado de las estacionalidades analizadas anteriormente, para los pedidos de los
diferentes productos.
Luego la prediccin se realiza de acuerdo a la siguiente ecuacin:

Se hace prediccin diaria de acuerdo a la siguiente formula:

P* = D*0.4+S*0.3+M*0.3

Donde:
D: Estacionalidad diaria
S: Estacionalidad semanal
M: Estacionalidad mensual
P*: Prediccin diaria

Para obtener los pesos de la ponderacin asignados a cada estacionalidad, se realizo
un anlisis de sensibilidad con datos histricos, en donde por inspeccin se asignaban
distintos pesos, y se determino que con los pesos asignados anteriormente se obtenan
las predicciones ms cercanas a la realidad.

A continuacin se muestra un extracto de cmo se aplica el mtodo de promedios
ponderados para obtener una prediccin de demanda para el producto Cabritas 60 x 40;
en donde se realiza una prediccin diaria de acuerdo a la formula detallada
anteriormente, y adems una prediccin para un periodo relevante de una quincena,
para el caso de tener un programa con un horizonte de 10 das de programacin. (15
das =10 das de programa de produccin).





30

Cuadro N 6 Prediccin de un mes para cabritas de 40 gr. con el mtodo de promedios
ponderados
Da Fecha Semana Mes Ao
Pedido
Real
Prom
da
Prom
Sem
Prom
Mes
Ped prox
quin
Real
Predic
cin
diaria Pred quin
Medida de
Efectividad
Lunes 03-Jul 1 7 2006 480 599 526 552 4489 563 5294 18%
Martes 04-Jul 1 7 2006 445 488 526 552 4705 519 5301 13%
mircoles 05-Jul 1 7 2006 412 461 526 552 4974 508 5307 7%
Jueves 06-Jul 1 7 2006 559 468 526 552 5202 511 5314 2%
Viernes 07-Jul 2 7 2006 799 629 483 552 5122 562 5321 4%
Lunes 10-Jul 2 7 2006 436 599 483 552 5242 550 5340 2%
Martes 11-Jul 2 7 2006 299 488 483 552 5468 506 5359 2%
mircoles 12-Jul 2 7 2006 186 461 483 552 5818 495 5379 8%
Jueves 13-Jul 2 7 2006 347 468 483 552 6118 498 5398 12%
viernes 14-Jul 3 7 2006 526 629 548 552 6506 582 5294 19%
lunes 17-Jul 3 7 2006 696 599 548 552 6609 570 5301 20%
martes 18-Jul 3 7 2006 714 488 548 552 6414 525 5307 17%
mircoles 19-Jul 3 7 2006 640 461 548 552 6078 515 5314 13%
jueves 20-Jul 3 7 2006 479 468 548 552 6042 518 5321 12%
viernes 21-Jul 4 7 2006 919 629 548 552 5955 582 5340 10%
lunes 24-Jul 4 7 2006 662 599 548 552 5810 570 5359 8%
martes 25-Jul 4 7 2006 649 488 548 552 5898 525 5379 9%
mircoles 26-Jul 4 7 2006 486 461 548 552 5552 515 5398 3%
jueves 27-Jul 4 7 2006 735 468 548 552 5558 517 5418 3%
viernes 28-Jul 4 7 2006 629 629 548 552 5286 582 5418 2%
lunes 31-Jul 4 7 2006 501 599 548 552 4950 570 5418 9%
Fuente: Elaboracin propia

En el cuadro se muestra la obtencin de un mes de prediccin de demanda, y la medida
de efectividad asociada a la prediccin quincenal. Cabe destacar que para todos los
das del mes, la prediccin de pedidos la prxima quincena tiene un error menor o igual
a un 20% comparado con los pedidos reales, medida que es tomada como buena. Este
es el caso de un producto que tiene un comportamiento regular de acuerdo a las
estacionalidades, sin embargo, no todos los formatos de productos siguen un
comportamiento tan regular, como se ver mas adelante.





31
Mtodo de atenuacin exponencial

Este mtodo consiste en hacer una prediccin de demanda realizando un alisamiento
exponencial basado en una serie histrica de datos, en donde se toman 2 predicciones
anteriores, se le da una ponderacin de acuerdo a cuanto es mas relevante la ultima
prediccin que la anterior, y se le suma el error asociado a la ultima prediccin de
pedidos con respecto a los pedidos reales.

Luego la prediccin se realiza de acuerdo a la siguiente ecuacin recursiva:

Se hace prediccin por un periodo dado:

Q(j) = Q(j-2)*(1-A) + Q(j-1)*A + E

Donde:
Q: Prediccin por periodo relevante
A: Factor de peso de la informacin pasada [0,1]
E: Error de estimacin de la semana anterior

Para obtener el valor ideal de A, se realizo un anlisis de sensibilidad con datos
histricos, en donde por inspeccin se asignaban distintos valores a A, y se determin
que con un factor de peso de informacin pasada igual a 0,6 se obtena las
predicciones ms cercanas a la realidad.


A continuacin se muestra un extracto de cmo se aplica el mtodo de atenuacin
exponencial, para obtener una prediccin de demanda para el producto Cabritas 60 x
40; en donde se realiza una prediccin quincenal de los pedidos, y se muestra la
medida de efectividad con respecto a los pedidos reales.



32
Cuadro N 7 Prediccin de un mes para cabritas de 40 gr. con el mtodo de atenuacin
exponencial


Atenuacion
Exponencial
A= 0,6

Da Fecha
Pedido
Real
Ped prox quin
Real Prediccin
Pred
quin
Error
Promedio
Medida de
Efectividad
Lunes 03-Jul 480 4489 563 4489 0,000 0%
Martes 04-Jul 445 4705 519 4705 0,000 0%
Mircoles 05-Jul 412 4974 4619 355,400 7%
Jueves 06-Jul 559 5202 5009 193,440 4%
Viernes 07-Jul 799 5122 5046 75,984 1%
Lunes 10-Jul 436 5242 5107 134,982 3%
Martes 11-Jul 299 5468 5218 250,401 5%
Mircoles 12-Jul 186 5818 5424 394,233 7%
Jueves 13-Jul 347 6118 5736 382,467 6%
Viernes 14-Jul 526 6506 5993 512,706 8%
Lunes 17-Jul 696 6609 6403 206,104 3%
Martes 18-Jul 714 6414 6445 -31,159 0%
Mircoles 19-Jul 640 6078 6397 -319,095 5%
Jueves 20-Jul 479 6042 6097 -55,226 1%
Viernes 21-Jul 919 5955 6162 -206,947 3%
Lunes 24-Jul 662 5810 5929 -119,111 2%
Martes 25-Jul 649 5898 5903 -5,134 0%
Mircoles 26-Jul 486 5552 5908 -356,391 6%
Jueves 27-Jul 735 5558 5550 8,103 0%
Viernes 28-Jul 629 5286 5701 -415,397 8%
Lunes 31-Jul 501 4950 5225 -275,400 6%
Fuente: Elaboracin propia

El cuadro muestra la obtencin de prediccin del mes de julio de 2006, en donde para
las 2 primeras predicciones se ocupan la prediccin de promedios ponderados, para
luego el resto del mes se ocupa el mtodo de alisamiento exponencial. Al comparar la
prediccin con los pedidos reales se observa que para todas las quincenas de
prediccin, existe un error menor o igual al 8%.


33
Conclusiones

Al analizar el comportamiento de ambos mtodos con los datos que corresponden a los
pedidos totales, estos mtodos cumplen con la medida de efectividad que se requera
como estimacin (error < 20%). A continuacin se muestra grficamente:
Grafico N 12 Prediccin de demanda de pedidos totales por ambos mtodos
Prediccin de Demanda Pedidos Totales
0
100000
200000
300000
400000
500000
600000
700000
0
3
/
0
7
/
2
0
0
6
1
0
/
0
7
/
2
0
0
6
1
7
/
0
7
/
2
0
0
6
2
4
/
0
7
/
2
0
0
6
3
1
/
0
7
/
2
0
0
6
0
7
/
0
8
/
2
0
0
6
1
4
/
0
8
/
2
0
0
6
2
1
/
0
8
/
2
0
0
6
2
8
/
0
8
/
2
0
0
6
0
4
/
0
9
/
2
0
0
6
1
1
/
0
9
/
2
0
0
6
1
8
/
0
9
/
2
0
0
6
2
5
/
0
9
/
2
0
0
6
0
2
/
1
0
/
2
0
0
6
0
9
/
1
0
/
2
0
0
6
1
6
/
1
0
/
2
0
0
6
Pedido Mvil por Fecha
C
a
j
a
s

p
o
r

q
u
i
n
c
e
n
a
Real Promedio Ponderado Atenuacin Exponencial

Fuente: Elaboracin propia

Sin embargo, existen productos que no se ajustan a las estacionalidades estudiadas, ni
a ningn patrn que pudiera hacer estable en el tiempo una estimacin de demanda
con un grado de error aceptable. Es por esto que se detecto productos con
comportamiento regular e irregular, siendo regulares aquellos productos que siguen
estacionalidades, o no se desvan mucho de ellas, e irregulares aquellos que al no
seguir patrones en su demanda, hace mas difcil hacer una buena estimacin.

Para el caso de productos con demanda regular, ambos mtodos obtienen resultados
satisfactorios, con un error mucho menor al 20%. Esto se representa grficamente para
el producto Cabritas de 34 gr:


34
Grafico N 13 Prediccin de demanda de Cabritas de 34gr por ambos mtodos
Prediccin de Demanda
0
1000
2000
3000
4000
5000
6000
7000
0
3
/
0
7
/
2
0
0
6
1
0
/
0
7
/
2
0
0
6
1
7
/
0
7
/
2
0
0
6
2
4
/
0
7
/
2
0
0
6
3
1
/
0
7
/
2
0
0
6
0
7
/
0
8
/
2
0
0
6
1
4
/
0
8
/
2
0
0
6
2
1
/
0
8
/
2
0
0
6
2
8
/
0
8
/
2
0
0
6
0
4
/
0
9
/
2
0
0
6
1
1
/
0
9
/
2
0
0
6
1
8
/
0
9
/
2
0
0
6
2
5
/
0
9
/
2
0
0
6
0
2
/
1
0
/
2
0
0
6
0
9
/
1
0
/
2
0
0
6
1
6
/
1
0
/
2
0
0
6
Pedido Mvil por Fecha de Cabritas 60x34
C
a
j
a
s

p
o
r

q
u
i
n
c
e
n
a
Real Promedio Ponderado Atenuacin Exponencial

Fuente: Elaboracin propia

Para el caso de productos con demanda irregular, los mtodos obtienen resultados
distintos, siendo el de atenuacin exponencial bastante ms asertivo que el de mtodos
de promedios ponderados. Tomado como ejemplo el producto de Papas fritas Lays de
50 gr. El mtodo de promedios ponderados obtiene un error de 45% en su prediccin,
mientras que el mtodo de atenuacin exponencial tiene un error de solo un 15%. Esto
se refleja grficamente:
Grafico N 14 Prediccin de demanda de Papas Lays de 350 gr por ambos mtodos
Prediccin de Demanda
0
500
1000
1500
2000
2500
3000
3500
4000
4500
0
3
/
0
7
/
2
0
0
6
1
0
/
0
7
/
2
0
0
6
1
7
/
0
7
/
2
0
0
6
2
4
/
0
7
/
2
0
0
6
3
1
/
0
7
/
2
0
0
6
0
7
/
0
8
/
2
0
0
6
1
4
/
0
8
/
2
0
0
6
2
1
/
0
8
/
2
0
0
6
2
8
/
0
8
/
2
0
0
6
0
4
/
0
9
/
2
0
0
6
1
1
/
0
9
/
2
0
0
6
1
8
/
0
9
/
2
0
0
6
2
5
/
0
9
/
2
0
0
6
0
2
/
1
0
/
2
0
0
6
0
9
/
1
0
/
2
0
0
6
1
6
/
1
0
/
2
0
0
6
Pedido Mvil por Fecha Papa Lays T/A Extra Bolsa 8x350
C
a
j
a
s

p
o
r

q
u
i
n
c
e
n
a
Real Promedio ponderado Atenuacin Exponencial

Fuente: Elaboracin propia
35

Luego para determinar cuantos productos presentan comportamiento regular o irregular,
se toma una muestra de 30 SKUs y se observa que 5 de ellos presentan un
comportamiento irregular, lo que significa un 17% de la muestra. Lo que implica que
para programar en un horizonte mayor a un da, se va perdiendo certeza en el
cumplimiento de la demanda dado los errores que arrojan tanto por comportamiento del
producto, as como de los errores asociados a los mtodos. Por lo tanto se determina
que la mejor manera de realizar el programa de produccin, es de manera diaria (lunes
a viernes), quedando la opcin de que si se requiere un horizonte mayor de
programacin, se utiliza la mejor estimacin de acuerdo a los productos involucrados.

En consecuencia, dada la estructura que presentan los mtodos, si se requiere hacer
un programa con un horizonte mayor a una semana, es conveniente ocupar el mtodo
de atenuacin exponencial. Esto porque este mtodo necesita tener resultados de la
prediccin anterior, y el ciclo menor asociado a las estacionalidades de los SKUs es de
una semana, por lo que ocupar este mtodo por una prediccin menor a una semana,
arroja errores mucho mayores al 20%.
En caso de requerir un programa con un horizonte menor a una semana, es
conveniente ocupara el mtodo de promedios ponderados, ya que no presenta
restricciones de tipo temporal en ningn caso.

En la prctica, como input de demanda para el modelo, se acord en conjunto con la
empresa (planificador logstico), ocupar la herramienta I2, ya que es una herramienta
especializada y presenta la demanda por SKU, para todo el ao 2007 (ver anexo N 4),
y dejar como respaldo los mtodos estudiados anteriormente.






36
IX.- Modelo matemtico

Una vez recopiladas las exigencias que se requiere para el modelo, y de acuerdo a los
alcances fijados, se disea un modelo matemtico que respetando las restricciones de
proceso, empaque, cumplimiento de demanda y vida til de los productos, maximice los
kilos a producir, lo que se traduce en una maximizacin de la eficiencia de l a lnea:

Parmetros:

GPM i: Golpes por minuto que efecta el tubo empacador para el SKU i
F i : Formato en Kg. para el SKU i
N i : Tubos empacadores asignados al SKU i
SKU i: Productos posibles a programar en la lnea.
P : Capacidad de Proceso de la lnea en Kg./hr
H : Horas a programar en el da
E i : Capacidad de empaque asociada al SKU i
S i : Cantidad de Kg. en inventario del SKU i
D i : Cantidad de Kg. demandados para el da siguiente del SKU i
U i : Vida til de SKU i
D i : Demanda promedio diaria del SKU i


Variables de decisin

X i : Cantidad de Kg. a producir del SKU i


Estas variables entregaran los kilos a producir para cada SKU, en el periodo a
programar. Se han determinado estas variables, ya que son la principal decisin que se
debe tomar para hacer el programa de produccin.

37
Para determinar los kilos a producir de cada producto, es necesario cumplir con ciertas
restricciones que se muestran a continuacin:

Restricciones

Proceso:

i X i P * H


Esta restriccin quiere decir que la suma de los Kg. a producir de todos los SKU i, debe
ser menor a la capacidad total de proceso de la lnea por hora, por las horas
programadas.

Empaque:

i) X i GPMi * 60 * Fi * Ni * H Vi

Esta restriccin esta determinada por la capacidad de empaque que tiene la lnea para
los diferentes formatos, y quiere decir que la cantidad de kilos a producir de cada
formato debe ser menor o igual a la capacidad de empacar ese SKU de acuerdo a los
tubos asignados al producto, al formato del SKU y a los golpes por minuto asociados
para el SKU.

Demanda:

X i D i S i V i


Esta restriccin fija que los kilos que se producen de cada SKU, ms los kilos
disponibles en inventario, debe ser suficiente para satisfacer la demanda para cada
producto del da siguiente.
38

Vida til

X i U i * D i - S i V i

Esta restriccin limita la produccin de cada SKU no puede exceder la vida til del
producto menos la existencia en inventario del SKU. Se entiende como vida til del
producto el periodo de tiempo que puede permanecer en las bodegas de la empresa
antes de ser despachado. Cada SKU tiene distintos periodos de vida til de acuerdo a
las caractersticas de cada producto.


Funcin Objetivo

La funcin objetivo busca maximizar la eficiencia de lnea, esto quiere decir maximizar
la cantidad de kilos a programar, respetando todas las restricciones antes descritas:

Mx. Z = i X i









39
X.- Aplicacin del modelo

Una vez realizado el modelo matemtico, se debi definir como era la manera mas
idnea de resolverlo, tomando en cuenta que fuera de utilidad para la compaa, y que
a la vez entregara una respuesta satisfactoria en cuanto a los resultados de las
variables requeridas; es por esto que tomando en cuenta las tecnologas disponibles
por la empresa, y tambin la magnitud del modelo, que se decide implementarlo en la
herramienta solver del programa Excel, que es la aplicacin del programa que resuelve
programacin lineal.

A continuacin se muestra paso por paso la aplicacin del modelo en Excel, en donde
se muestra la secuencia para obtener un programa de produccin, desde la toma de los
datos, hasta la obtencin de un programa de produccin por tubos. Cabe destacar que
la aplicacin se realiza para la lnea PC-32 que es la lnea ms moderna de la planta,
que produce alrededor de un 30% del volumen total planta, y que produce papas fritas
de corte americano y de corte liso.

Actualizacin de inventario

La primera actividad que se realiza es la actualizacin del inventario. Para esto se toma
el ltimo inventario disponible, que generalmente se actualiza antes de empezar a
realizar la programacin, y se pega en una hoja predeterminada para contener el
inventario. A continuacin se muestra un extracto del inventario de la bodega de
productos terminados de la planta evercrisp de cerrillos:







40

Cuadro N 8 Inventario de la bodega de productos terminados de Evercrisp Snack S.A.
Cdigo Descripcin
Inventario
lt.Pedido
Alc/ Segn
Disponible lt. Pedido
10031 Papas Lay's T/Americana 50x38 8.469 3.327 2,5
10035
Papas Lay's T/Americana 50x40
(Supermercados)
868 345 2,5
10042 Papas Lay's T/Americana 40x45 2.547 1.266 2,0
10003 Papas Lay's T/Americana 18x80 2.003 798 2,5
10006 Papas Lay's T/Americana 8x270 6.091 1.323 4,6
10039 Papas Lay's T/Americana 6x350 (EXCL. D&S) 1.324 233 5,7
10007 Papas Lay's T/Americana 3x500 5.183 2.054 2,5
55103 Papas Corte Americano Mom's 60x18 969 348 2,8
55104 Papas Corte Americano Mom's 60x30 243 83 2,9
55105 Papas Corte Americano Mom's 3x350 2.875 1.394 2,1
Total Corte Americano 30.572 11.171 2,7
Fuente: Inventarios BPT planta cerrillos

Del inventario se obtienen las cajas disponibles para despacho y el pedido del da
prximo para cada SKU, lo que nos indica en que productos se producirn quiebres
para el da siguiente; y adems nos da la magnitud de pedidos, y de acuerdo a esto nos
entrega los das de inventario disponible.
Estos datos son tomados por una base en donde se encuentran los parmetros que
sern utilizados por el modelo.

Parametrizacin

Para que el modelo obtenga los parmetros necesarios, se crea una hoja de calculo
BASE, en donde se registran los datos necesarios para realizar la programacin. A
continuacin se muestra un extracto de la hoja BASE:



41
Cuadro N 9 Extracto hoja base del modelo
Cdigo Descripcin
GPM
Real Gr. Unid/cj Kg/cjs Cjs/plts
Ped
cjs
Inv
Cjs
Ped
Kg
Inv
Kg
10003 Papas Lay's T/Americana 18x80 34 0,08 18 1,44 64 798 2003 1153 2884
10032 Papas Lay's T/Americana 40x50 63,75 0,05 40 2 48 0 0 0 0
10031 Papas Lay's T/Americana 50x38 68 0,038 50 1,9 48 3327 8469 4994 16091
55006 Papas Corte Liso Mom's-Barcel 60x18 68 0,018 60 1,08 48 131 3405 141 3677
55005 Papas Corte Liso Mom's-Barcel 3x350 21,25 0,35 3 1,05 64 1021 13081 1072 13735
10214 Papas Caseras Mom's-Barcel 12x200 25,5 0,2 12 2,4 48 132 988 317 2371
10217 Papas Caseras Mom's-Barcel 3x350 21,25 0,35 3 1,05 64 427 9089 448 9543
10104 Papas Lay's Corte Clsico Sal 8x270 21,25 0,27 8 2,16 48 102 939 221 2028
Fuente: Elaboracin propia

En la hoja BASE, se muestra en primer lugar el cdigo del producto y su descripcin,
luego los golpes por minuto reales, esto corresponde al numero de productos que se
empacan en un tubo por minuto, luego especificaciones de cada producto, como son el
gramaje, las unidades que van por caja, los kilogramos de producto por caja, y
finalmente las cajas por palets de producto.
Luego se muestra el inventario y pedidos que se toman de la hoja inventario que se
actualiza peridicamente y son pasados a kilos. Adems de esto en la hoja BASE, se
coloca si el producto lleva promocin, y si tiene promocin se identifican de qu tipo es,
los elementos que debe contener el producto, los ratios de insercin, etc.

Definicin de produccin

Existen parmetros que se determinan peridicamente de acuerdo a las necesidades
de programacin, es por esto que se dise una hoja que rena estas decisiones y
arroje al modelo los parmetros que van variando de acuerdo a los criterios del
programador.
A continuacin se muestra el cuadro que debe completar el programador para asignar
las diferentes configuraciones de programacin:



42
Cuadro N 10 Hoja donde se define el escenario de programacin
Definicin de Produccin

Abastecimiento a Snack mix// Aseos // Preparacin Capacidad en Kilos
Familia Producto T1 T2 T3 T1 T2 T3 Total
Lisas Si Sal si no si 0 0 9.668 9.668
Americanas Queso no no no 0 0 0 0
Capacidad de proceso Mega no no no 0 0 0 0
Kg/Hr 1450 Prep. si no no 10.312 0 0 10.312
Aseo Prof no no no 0 0 0 0
Normal no si no 0 10.875 0 10.875
Total 10.312 10.875 9.668 30.855

Mangas Automaticas
Manga Papas Lisas Mom's- Barcel
6x10x180
Mangas Manuales Manga Papas Lay's Clsicas 6x10x260
Fuente: Elaboracin propia


Observando el cuadro se distingue que la primera definicin que debe realizar el
programador, es qu familia de productos es la que se producir, en el caso de esta
lnea, debe optar entre papas fritas con corte americano, o papas fritas con corte liso, ya
que esa son las nicas familias de productos que hace la lnea .
La segunda definicin es determinar la carga o capacidad de proceso en que se va a
producir, si bien el optimo nominal de lnea es de 1450 Kg./hr. de acuerdo a las
necesidades que se tengan, esta puede variar en un rango de entre 1300 y 1600
Kg./hr.

Finalmente el programador define en el escenario de produccin que se tendr, en
donde existen mltiples opciones. La lnea tiene la posibilidad de abastecer de papas a
la lnea Snack Mix, que es una lnea que produce un SKU que tiene diferentes
componentes, entre los que se encuentra papas fritas, por lo que de acuerdo al
producto que se programe en la lnea Snack Mix, diferentes sern los requerimientos
de papa. Es as como la lnea tiene la opcin de abastecer para los productos Snack
Mix Sal, Snack Mix Queso o Mega Mix, diferenciando en que turno abastece a cada
cual. Adems tiene la opcin de hacer una preparacin de lnea, que es cuando se hace
un aseo operacional en las bandas de transporte, lo que toma alrededor de una hora,
que se descuenta automticamente de las horas de produccin, y finalmente tiene la
43
opcin de que se haga un aseo profundo de la lnea, lo que implicara que en el turno
que se programa el aseo profundo no existira produccin.
Una vez determinado el escenario, se asigna automticamente la capacidad de proceso
que se tendr para producir productos en la lnea PC-32, de acuerdo a las horas de
produccin y abastecimientos a otras lneas que se tendr que hacer en el periodo de
programacin.

Resolucin

Una vez determinados el escenario de produccin, se procede a la resolucin del
modelo, para esto se renen los datos relevante en una hoja de calculo y la herramienta
solver se encarga de entregar los valores ptimos. A continuacin se muestra la hoja en
donde se resuelve el modelo:
Cuadro N 11 Hoja que resuelve el modelo
Cdigo Descripcin
Dda
diaria Inventario Dda-inv Cap dia Empaque Vida til F. O Kg a producir
10003 Papas Lay's T/Americana 18x80 1153 2884 -1732 30854,5 1224 17288 100,00% 1224
10042 Papas Lay's T/Americana 40x45 1960 4585 -2625 3029 29396 3029
10031 Papas Lay's T/Americana 50x38 9281 16091 -6810 19768 139219 11919
10006 Papas Lay's T/Americana 8x270 3799 13157 -9357 0 56992 0
10007 Papas Lay's T/Americana 3x500 2508 7775 -5267 4781 37620 4781
10035
Papas Lay's T/Americana 50x40
(Supermercados) 701 1736 -1035 1148 10511 1148
10039
Papas Lay's T/Americana 6x350 (EXCL.
D&S) 447 2780 -2334 0 6702 0
55103 Papas Corte Americano Mom's 60x18 1807 2364 -557 4737 27109 4737
55105 Papas Corte Americano Mom's 3x350 1330 3019 -1689 4016 19943 4016
55104 Papas Corte Americano Mom's 60x30 21 437 -416 0 437 0
Total Corte Americano 23.007 54.828 -31.821 30855
Fuente: Elaboracin propia

Luego, de este cuadro se ingresan los datos a la herramienta solver, que se muestra a
continuacin:
44
Cuadro N 12 Herramienta solver de Excel







Luego las variables de decisin o celdas que solver puede variar son las que
corresponden a la columna Kg. a producir en el cuadro N 11, lo que implica que
solver entregar los valores a programar, variando las celdas que se indican. Esto lo
har, en este caso, maximizando la celda objetivo que corresponde a la columna FO
(funcin objetivo), del cuadro N 11 que es la suma de los Kg. a producir dividido por la
celda de capacidad diaria que est en la hoja de resolucin, que viene de la hoja de
decisin de produccin, por lo que esta capacidad diaria varia de acuerdo al escenario
planteado por el programador.
Para cumplir con las restricciones, se deben cumplir las restricciones de demanda,
proceso, vida til y de empaque. Para el caso de satisfacer la demanda, a solver se le
ingresan las restricciones en donde cada celda de Kg. a producir deben cumplir con
ser mayor que la celda Dda inv, lo que implica que la produccin no debe permitir
quiebres de inventario y satisfacer la demanda del da prximo. Luego para respetar la
capacidad de proceso, la suma de la produccin no debe ser mayor a la capacidad
diaria. Adems para respetar la vida til de los productos (para este caso no puede ser
mayor a 15 das de inventario), la produccin para cada SKU, es decir las celdas de
kg. a producir en cada producto deben ser menor a la celda de Vida til del cuadro
N 11 para cada producto.
Finalmente, para respetar la capacidad de empaque se agrega a solver que para cada
producto la celda Kg. a producir, debe ser menor a la celda Empaque. Sin embargo
45
determinar la capacidad de empaque no se realiza de manera directa, ya que se deben
destinar los diferentes tubos de empaque a determinados productos de acuerdo a cual
es el que se necesita producir en ese momento. Es por esto que se hace una lgica de
asignacin de tubos de produccin a cada producto como se indica a continuacin.

Asignacin de tubos de produccin.
Para hacer la asignacin de tubos de empaque, se ve la situacin inicial de das de
inventario para todos los productos de la familia a producir como se indica a
continuacin:

Cuadro N 13 Procedimientos de asignacin de tubos para capacidad de empaque
Cdigo Descripcin GPM Inventario Das de Inv Formato Tubos Capacidad
10003 Papas Lay's T/Americana 18x80 34 2884,32 2,50 0,08 0 1468,8
10042 Papas Lay's T/Americana 40x45 68 4584,6 2,34 0,045 0 1652,4
10031 Papas Lay's T/Americana 50x38 68 16091,1 1,20 0,038 1 1395,36
10006 Papas Lay's T/Americana 8x270 25,5 13156,56 3,46 0,27 0 3717,9
10007 Papas Lay's T/Americana 3x500 21,25 7774,5 3,10 0,5 0 5737,5
10035 Papas Lay's T/Americana 50x40 63,75 1736 2,48 0,04 0 1377
10039 Papas Lay's T/Americana 6x350 21,25 2780,4 6,22 0,35 0 4016,25
Fuente: elaboracin propia
Luego, el cuadro discrimina cual es el producto que tiene menor das de inventario, y
le asigna un tubo de produccin a ese SKU. Esto se itera hasta que los 10 tubos de la
lnea tengan asignado un producto, cabe mencionar que en cada iteracin, la
produccin asignada al producto que en este caso es la columna capacidad es
sumada al inventario de la iteracin prxima, por lo que los das de inventario del
producto aumenta en cada iteracin, lo que implica que va ir asignado capacidad de
empaque al siguiente producto con menos das de inventario.
Una vez asignada la produccin para los 10 tubos de la lnea en los tres turnos de
produccin, se hace un recuento de cual es la suma total de capacidad de empaque
para cada producto, y es la que se refleja en el cuadro N 11.
Una vez determinado todas las restricciones, se resuelve el problema mediante solver,
y este entrega la produccin que tendr el programa el da siguiente.
46

Resumen de Produccin

Una vez determinados los valores ptimos de las variables de decisin, se realiza un
resumen de produccin en donde se indican las cantidades a producir de cada
producto, en kilos, cajas y palets, por turno y total diario. El resumen de produccin se
muestra a continuacin:
Cuadro N 14 Resumen de programacin por turno uno de la lnea PC-32

Turno 1 Turno 2 Turno 3
Cdigo Descripcin Kg Palets
Cajas
Fin Kg Palets
Cajas
Fin Kg Palets
Cajas
Fin
10003 Papas Lay's T/Americana 18x80 1469 16 1024 1224 13 832 1224 13 832
10042 Papas Lay's T/Americana 40x45 1652 19 912 1377 16 768 1377 16 768
10006 Papas Lay's T/Americana 8x270 3718 36 1728 3098 30 1440 2963 29 1392
10007 Papas Lay's T/Americana 3x500 0 0 0 0 0 0 0 0 0
10031 Papas Lay's T/Americana 50x38 4762 52 2496 3968 44 2112 4104 45 2160
10035 Papas Lay's T/Americana 50x40 0 0 0 0 0 0 0 0 0
10039 Papas Lay's T/Americana 6x350 0 0 0 0 0 0 0 0 0
Total Corte
Americano 11.601 123 6160 9.668 103 5152 9.668 103 5152
Total Kilos (con snack mix) 13.050 10.875 10.875
Flujo de cajas por hora 684 687 687
Carga Kg/hr 1.450 1.450 1.450
Cantidad de gramajes 4 4 4
Kilos totales da 34.800
Fuente: Elaboracin propia



Este resumen es el que se copia en la carpeta de reportes Web, lo que permite que los
operadores lo vean en sus estaciones directamente en la lnea.


Programacin a tubos

Una vez entregada la programacin resumida por turnos, el modelo adems entrega
una innovacin en lo que respecta a la entrega del programa de produccin, ya que
adems de maximizar la eficiencia del programa de produccin, entrega un resumen de
la programacin por tubos, indicando las horas de utilizacin de cada tubo con los
respectivos productos. Esta entrega por tubo es un gran adelanto para poder cumplir
47
con el programa de produccin, ya que no solo entrega que es lo que hay que envasar,
sino tambin es una gua de cmo se debe envasar y el tiempo que se requiere para
cumplir con lo solicitado por el programa. Cabe destacar que los tiempos necesarios
para realizar cambios de productos, o cambios de material de empaque, estn
considerados al aplicar una eficiencia de 85% (datos histricos) a los GPM de los tubos
a empacar. Esto en la practica evita que los operadores deban calcular como cumplir
con el programa, en donde con la situacin antigua, ellos deban decidir como cumplir el
programa al asignar segn experiencia en cuantos tubos envasar cada producto, lo que
en muchos casos no aprovechaban al mximo la capacidad de empaque, lo que hace
infactible cumplir con el programa. Adems se evitan incluso discusiones entre
operadores por el mismo motivo, ya que si no cumplen con el programa, no tendrn
derechos a bonos de produccin.

A continuacin se muestra un extracto de una programacin por tubos:

Cuadro N 15 Programacin por tubos para turno uno de la lnea PC-32
Turno 1 Abastecer Snack Mix
Cdigo Descripcin
Tubo
SB
Tubo
SB
Tubo
SB
Tubo
SB
Tubo
LB
Tubo
LB
Total
Cajas

Cajas
Palet Cajas Cajas Cajas Cajas Cajas Cajas Palet
10003 Papas Lay's T/Americana 18x80 1.020 0 0 0 0 0 1.020 16 1024
10042 Papas Lay's T/Americana 40x45 0 918 0 0 0 0 918 19 912
10006 Papas Lay's T/Americana 8x270 0 0 0 0 1.721 0 1.721 36 1728
0 0 0 0 0 0 0 0 0
10031 Papas Lay's T/Americana 50x38 0 0 648 562 0 648 2.506 52 2496
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
Horas de utilizacin 9,0 9,0 9,0 7,8 9,0 9,0
Fuente: Elaboracin propia

Finalmente este resumen se copia en un libro de Excel junto con el resumen de
produccin por turno en la carpeta de reportes Web, de manera que los operadores
tengan el programa de produccin directamente en sus estaciones dentro de la lnea.


48
XI.- Validacin del modelo

Una vez diseado el modelo matemtico y resuelto, se procede a realizar su validacin.
En primer lugar, para saber si los datos que entrega son razonables y aplicables a la
realidad, se apela a la experiencia del programador; el cual indica que los valores que
arroja la resolucin del modelo le parecen que son reales, que son posibles de realizar,
y que cumplen con los requerimientos exigidos a un programa de produccin.

El siguiente paso es validar el modelo con la plana gerencial, para esto se cita a reunin
a las personas relevantes de la planta para mostrar el resultado del proyecto. A esta
reunin asisten el Gerente de operaciones, Gerente de Logstica, planificador logstico,
Sub gerente de logstica, programador de produccin, los tres coordinadores de lneas
existentes en la planta y el ingeniero de procesos de la planta.

En esta reunin se muestra los resultados obtenidos de la aplicacin del modelo en la
herramienta solver, esto es, se muestra detalladamente como es la aplicacin del
modelo matemtico en Excel, como se obtienen los datos, como se resuelve el
problema, como se obtiene un programa de produccin y finalmente se muestra la
innovacin de entregar un programa por tubo y horas de utilizacin de cada tubo, tal
como se detalla en el capitulo 10.

Como resultado de esta reunin, se consensa que los valores entregados por el
modelo son aplicables a la realidad, que cumple con las niveles de satisfaccin exigidos
en un comienzo al proyecto, se valora la innovacin de la entrega del programa por
tubos y horas de utilizacin, y finalmente se acuerda implementar el modelo en la lnea
PC-32 a travs de un plan piloto.




49
XII.- Anlisis de Sensibilidad

Para ver como afectan variables crticas al modelo, se realiza un anlisis de sensibilidad
variando los 2 parmetros principales que afectan el cumplimiento de los objetivos del
modelo: La demanda y los golpes por minuto de los tubos envasadores.

Variacin de demanda

Para ver como afecta la variacin de la demanda, de manera que el modelo no sea
capaz de cumplir su objetivo principal (cumplir con la demanda), se aumenta hasta que
el modelo no pueda entregar soluciones validas. De esta manera se pudo determinar
que el modelo entregar soluciones validas si la demanda aumenta hasta en un 56%.
Esto es valido si se mantienen las capacidades de proceso, empaque.
Luego, esto implica que de acuerdo al crecimiento histrico que ha tenido la demanda
para los SKUs que produce la lnea (10% a 14% anual), la saturacin por aumento de
la demanda debera ocurrir de tres a cuatro aos (2009-2010).

Variacin de Golpes por Minuto

En el modelo se consideran los golpes por minuto de las maquinas envasadoras, lo que
se traduce en los productos que puede envasar cada tubo para los diferentes formatos.
En condiciones normales a estos golpes por minuto nominales de cada tubo, se le
aplica una eficiencia de un 85% ya que de acuerdo a datos histricos, esta eficiencia
cumple con los tiempos para cambios de formato, cambios de material de empaque,
setups, etc.
La principal razn para que varen los golpes por minuto, es la introduccin de objetos
extra en los productos, que es lo que ocurre cuando se realizan promociones. Estas
promociones son variadas y de acuerdo al tipo de promocin, es el tipo de variacin en
la eficiencia de los golpes por minuto, luego la insercin de stickers es la que menos
disminuye la eficiencia (5% aprox.), y siendo la insercin de salsas (mayonesa y
ketchup), las que mas afectan (30% aprox.)
50
Luego, se pudo determinar que el modelo pude cumplir con su objetivo con una
eficiencia en los golpes por minuto de 58%. Lo que implica que puede soportar la
mayora de las promociones (Stikers, Colgantes, Llaveros, etc.), sin embargo no soporta
si se desea incluir salsas en todos sus productos.
Dado lo anterior, y para que la produccin no se vea tan afectada por motivos de
promociones, en la actualidad cada vez que se realiza alguna promocin, se determinan
ratios de insercin (en el sentido de que si el ratio es 1:2, uno de cada 2 productos lleva
promocin), y adems se eligen algunos SKUs para que lleven las promociones (por
ejemplo que papas de 38 gr. tengan promocin, y las de 40 gr. no)





51
XIII.- Plan Piloto

El principal objetivo del plan piloto, es familiarizar la nueva forma de programacin, con
los usuarios finales de los programas de produccin, en este caso, los operadores de la
lnea PC-32. Es por esto que la primera actividad de implementacin, es hacer una
capacitacin a los operadores de proceso y de empaque, que tiene como fin que
entiendan como el modelo realiza un programa de produccin, cuales son los factores
que determinan que productos se deben producir en desmedro de otros, y cuales son
los parmetros que ocupa el modelo para realizar el programa.
Especficamente se explica a los operadores que el modelo realiza un programa que
respeta las capacidades de la lnea, tanto de proceso como de empaque, que asegura
cumplir con la demanda, que no se programar volmenes que pongan en riesgo la
vida til de los productos, y que finalmente entregara una combinacin de productos y
horas de utilizacin de tubos, que maximice la eficiencia de la lnea, concepto que es
manejado peridicamente por los operadores, por lo que entienden que un programa
mas eficiente tiene beneficios para todos los actores involucrados en la produccin.
Luego se les demuestra como funciona el modelo y como se obtiene un programa de
produccin, ante lo cual se obtiene inmediatamente una observacin importante a los
datos que toma el modelo: los golpes por minuto que dan los tubos para cada formato.
Dado lo anterior se realiza una tabla concensuada con todos los operadores asistentes
de cuantos son los golpes por minuto que debe tomar el modelo para realizar el
programa:













52
Cuadro N 16 Golpes por minuto que toma el modelo para cada formato.
Cdigo Descripcin GPM
GPM
Real
(85%)
55006 Papas Corte Liso Mom's-Barcel 60x18 80 68
55005 Papas Corte Liso Mom's-Barcel 3x350 25 21,3
10214 Papas Caseras Mom's-Barcel 12x200 25 21,3
10217 Papas Caseras Mom's-Barcel 3x350 25 21,3
10104 Papas Lay's Corte Clsico Sal 8x270 25 21,3
10161 Papas Lay's Corte Clsico Sal 60x26 80 68
10031 Papas Lay's T/Americana 50x38 80 68
10035 Papas Lay's T/Americana 50x40 (Supermercados) 75 63,8
10032 Papas Lay's T/Americana 40x50 75 63,8
10003 Papas Lay's T/Americana 18x80 30 25,5
10006 Papas Lay's T/Americana 8x270 25 21,3
10039 Papas Lay's T/Americana 6x350 (EXCL. D&S) 25 21,3
10007 Papas Lay's T/Americana 3x500 25 21,3
55103 Papas Corte Americano Mom's 60x18 80 68
55104 Papas Corte Americano Mom's 60x30 80 68
55105 Papas Corte Americano Mom's 3x350 25 21,3
Fuente: Elaboracin Propia

Posteriormente se muestra como se entregar el programa de produccin, tanto en el
formato de turnos y el formato por tubo, dando a conocer los beneficios que se obtendr
de esta nueva forma de programar, diferenciado entre los beneficios para los principales
clientes del programa de produccin, en este caso, para el staff de planta y para el
departamento de logstica:

Planta:
Maximiza Eficiencia de la lnea
Posibilidad de realizar aseos o mantenciones de maquinas sin afectar
la produccin
Asegura el cumplimiento de produccin tanto en volumen como en el
mix de productos (Este punto es muy relevante para los operadores, ya
que de este cumplimiento dependen sus bonos de produccin).
Logstica:
Gana confiabilidad en la produccin deseada
Asegura el cumplimiento de promesas de produccin
Cumplir con el departamento de ventas
Permite realizar un programa de produccin en mnimo tiempo y con la
mxima eficiencia posible
53

Finalmente, se da la oportunidad a que los operadores entreguen sus observaciones
con respecto al nuevo formato de programacin, de donde se destacan las siguientes:

Programa de acuerdo a la realidad, en los volmenes de produccin, en los
tiempos asignados, tanto para los turnos como para la produccin estimada para
cada tubo.
Permite una planificacin de los turnos por parte de los operadores, ya que al
tener una visin de utilizacin de tubos, se puede destinar personal que no
estar en funciones de empaque a otras funciones en la lnea.
Existi compromiso para dar sus observaciones con respecto a posibles mejoras
futuras de la programacin

El ltimo punto se materializa en la medida que, a tres das de la implementacin del
plan piloto, los operadores entregaron nuevas observaciones con respecto a la forma de
programar, principalmente en la asignacin de tubos de produccin de manera de
minimizar el numero de gramajes por turno, y adems de que exista una nueva
restriccin, en donde para ciertos gramajes existe un numero determinado de
formadores, lo que limita el numero de tubos que se puede programar simultneamente.
Para hacerse cargo de estas nuevas observaciones que harn que el modelo se adapte
de mejor manera a la realidad, se realizan los ajustes necesarios principalmente en la
asignacin de tubos para determinar la capacidad de empaque. Luego de las
correcciones necesarias, el modelo obtiene valores que son aceptados por los mismos
operadores.

Una vez hechas las correcciones y luego de diez das de programacin, en donde no
surgieron mayores complicaciones, se da por terminado el rgimen de plan piloto, y se
adopta la nueva forma de programar como rgimen normal.
54
XIV.- Conclusiones y Resultados Obtenidos

A continuacin se revisan los resultados obtenidos para las diferentes actividades que
se realizan durante el proyecto, y se efectan las conclusiones correspondientes:

Estimacin de demanda

De acuerdo a las exigencias planteadas para los mtodos de estimacin de demanda,
en donde se estipula que una buena estimacin debe cumplir con:

|estimacin dda. dda. Real|/dda. Real x 100% < 20 %

Se puede concluir que los resultados obtenidos son los siguientes:

Mtodo de promedios ponderados

Este mtodo se basa en las tres estacionalidades detectadas en los pedidos de los
diferentes productos, es por esto, que para aquellos productos que sus pedidos se
comportan de acuerdo a las estacionalidades, y por ende, tienen un comportamiento
regular (83% de los SKU aproximadamente), la estimacin de demanda tiene un
resultado bastante satisfactorio con un error promedio de de un 12%(ver cuadro N 7),
sin embargo, para todos aquellos productos que sus pedidos no se amoldan a las
estacionalidades detectadas, y que por lo tanto presentan un comportamiento irregular
(alrededor del 17% de los SKU), la estimacin de demanda tiene un resultado que no
cumple con la medida de efectividad exigida, ya que para estos productos los errores
asociados a la estimacin de pedidos, es mayor al 30% (ver grafico N 14).





55

Mtodo de atenuacin exponencial

Este mtodo se basa en el peso que se le asigna a la informacin pasada, de acuerdo a
predicciones anteriores y su deferencia con la realidad, es por esto que no se ve muy
afectado por el comportamiento de los pedidos de los diferentes productos. Es por esto
que los resultados de las predicciones hechas para productos de comportamiento
regular el error no supera el 8% (ver cuadro N 8), y para aquellos productos que tienen
comportamiento irregular, el error asociado a la prediccin es de alrededor de un 15%
(ver grafico N 14), lo que implica que en ambos casos cumple con la medida de
efectividad, por lo que se considera que este mtodo es una buena estimacin de
demanda.

En consecuencia, para determinar que tipo de mtodo se debera usar para realizar
programas de produccin por horizontes mayores a un da, en donde se necesite saber
la demanda por producto en das futuros, se debe distinguir como se har la
programacin. Si se desea hacer una programacin semanal, en donde se realiza un
da determinado la programacin y no se revisa hasta que se cumpla el periodo
programado, se debe ocupar la estimacin de demanda entregada por el mtodo de
atenuacin exponencial, sin embargo, dada la estructura de este mtodo, que necesita
saber los resultados de su estimacin para realizar la prxima, en caso de realizar
programas con horizontes mayor a un da, que se deban ir revisando diariamente, es
mas confiable realizar el programa ocupando la estimacin de demanda que entrega el
mtodo de promedios ponderados, ya que este hace las estimaciones de acuerdo a
valores ya determinados, por lo que se puede hacer una estimacin de demanda en
cualquier instante por el tiempo que se necesite.

Eficiencia de lnea

Para analizar los resultados obtenidos por la optimizacin del programa de produccin,
ver que beneficios ha conseguido y saber en que ha aportado con respecto a la
situacin anterior, se realizan el anlisis bajo dos enfoques:
56
Anlisis cualitativo

El primer punto a destacar al modificar el programa de produccin desde la
programacin manual a la realizada por el modelo, es que el nuevo formato del
programa entrega a los usuarios finales mucha mayor informacin que la que tenan
anteriormente. (Ver anexo N 5) En donde de recibir la informacin de que producto
producir, cantidad de kilos, cajas y palets; se pasa a recibir la informacin no solo de lo
sealado anteriormente, sino que se suma el flujo de cajas por hora, la cantidad de
gramajes, los kilos que deben ser abastecidos a la lnea de snack mix, la carga (Kg./hr)
en que debe funcionar el proceso de la lnea, los kilos totales, que formato empacar, en
cuantos tubos y en cuanto tiempo. (ver cuadros N 14 y 15).

Contar con este tipo de informacin es posible planificar de manera ms eficientes los
turnos de produccin con respecto a los recursos humanos que se disponen, donde los
principales beneficios de esto son:

El operador de empaque destina la gente precisa para cada tubo de produccin,
por lo que en caso de que el modelo entregue que la produccin se puede
empacar en menos de los tubos que presenta la lnea (80% a 90% de los casos
aproximadamente), este puede destinar personas a diferentes actividades donde
se necesita mas gente y de esta manera tener una produccin mas fluida como:
armado de palets, sellado de cajas, aseos de instalaciones, destinar personas a
otras lneas mas criticas, etc.
El coordinador de lnea tiene la posibilidad de programar mantenciones
preventivas de tubos, aseos de maquinas de empaque, elaborado de mangas,
etc. sin detener ni afectar la produccin normal.
Existe la posibilidad de entregar tubos para hacer pruebas a las reas de
desarrollo de productos, calidad y mecnica, sin detener la produccin. Estas
solicitudes son bastante comunes y que en la actualidad implica una detencin
total de la lnea por los periodos que duren dichas pruebas.


57

Anlisis cuantitativo

Negados

Para evaluar los resultados obtenidos con respecto a los productos negados, se deben
tomar en cuenta los SKU que produce la lnea PC-32. Luego se evaluara la tasa de
productos negados sobre el total de productos pedidos para todos los SKU que
pertenezcan a las familias:

Papas Fritas Lays Tipo Americanas
Papas Fritas Lays Corte liso
Papas Fritas Corte americano Moms
Papas Fritas Corte liso Moms

Luego para estas familias se toman los pedidos totales de los meses de Enero y Marzo
(se desprecia Febrero, ya que tuvo una parada programada de una semana por
monitoreo de empresa Heat and Control y por 10 das de implementacin de plan piloto)
y se compara con los pedidos negados por falta de stock para cada mes.

Cuadro N 17 Razn Negados/pedidos para enero y marzo
Total pedidos Total negados Razn Porcentaje
Enero 248.993 2.288 0,00918901 0,9%
Marzo 305.137 1.959 0,00642007 0,6%
Fuente: Negados 2007 planta cerrillos

Al observar el cuadro N 17 se observa que a pesar de haber aumentado en forma
significativa los pedidos por los productos de la lnea (principalmente por la entrada a
clases de escolares), los productos negados disminuyen, este efecto se cuantifica al
comparar las tasas de negados/pedidos para ambos meses en donde se disminuye en
0,3 puntos porcentuales.
Para cuantificar aun con ms detalle, se calcula el margen de las cajas negadas y se
estima el ahorro alcanzado por la baja en la negacin de productos:
58

Cuadro N 18 Detalle de ahorros alcanzados por la baja en negacin de productos
Fuente: Negados 2007 planta cerrillos

Al observar el detalle de precios, costos y mrgenes por productos, se determina que
los ahorros por concepto de baja de productos negados alcanzan los $ 1.336.857 para
el mes de marzo. Sin embargo, para la empresa ms que las ventas o mrgenes que se
dejan de percibir, la importancia de no negar productos esta relacionada con no perder
posicin de mercado, por lo que el concepto que ms valor agrega para Evercrisp, es
bajar la tasa de Negados/Pedidos.

IMAN

Para observar el nivel de eficiencia de la programacin, la planta tiene un indicador
IMAN que calcula la eficiencia del programa de produccin semanalmente en base a la
siguiente formula:


Cdigo Descripcin Motivo
Negados
Enero
Negados
Marzo
Precio
Caja
Costo
Caja Margen Diferencias
10003 PAPA LAY'S T/A 18 X 80 SIN STOCK 18 9 6.120 1.838 4.282 38.542
10006 PAPA LAY'S T/A 8 X 270 SIN STOCK 85 48 6.000 2.597 3.403 125.912
10007 PAPA LAY'S T/A 3 X 500 SIN STOCK 105 67 3.600 1.846 1.754 66.655
10031 PAPA LAY'S T/A 50 X 38 SIN STOCK 1 5 6.850 2.462 4.388 -17.552
10035 PAPA LAY'S T/A 50 X 40 SIN STOCK 115 22 9.500 2.608 6.892 640.928
10039 LAY`S T/A 350, SIN STOCK 58 67 5.394 2.465 2.929 -26.359
10042 LAY`S T/A 45 SIN STOCK 21 13 6.165 2.418 3.747 29.980
10104 PAPA LAY'S CLASICA 8 X 270 SIN STOCK 64 61 6.000 2.609 3.391 10.172
10214 PAPA LISA BARCEL CASERAS 12 X 200 SIN STOCK 59 27 5.640 2.812 2.828 90.504
10217 PAPA LISA BARCEL CASERAS 3 X 350 SIN STOCK 41 53 2.370 2.279 91 -1.095
14199 PAPA LAY'S CLASICA 6 X 10 X 260 (MANGA) SIN STOCK 961 889 6.180 2.227 3.953 284.580
55005 LISA MOM`S 350 SIN STOCK 38 10 2.370 1.278 1.092 30.589
55105 PAPA C/A MOM 350 SIN STOCK 69 75 2.370 1.251 1.119 -6.711
61071 PAPA C/A MOM`S 180 SIN STOCK 191 12 4.020 1.757 2.263 405.039
61072 LISA MOM/BAR 180 SIN STOCK 457 584 4.020 1.771 2.249 -285.603
10161 PAPA LAY'S CLASICA 60 X 26 SIN STOCK 5 17 6.180 2.120 4.060 -48.724

2.288 1.959 1.336.857
59
Kg. Programados (Semana) / (Capacidad Nominal * Tiempo Programado
(Semana))

Luego, en base a este indicador, los resultados de la programacin para enero y marzo
son:
Cuadro N 19 Indicador IMAN para el mes de Enero
Indicadores Claves S1 S2 S3 S4 S5 Acumulado mes
Efectividad de Lnea 60,3 61,4 49,1 57,5 54,6 56,6
- Tiempo Inutilizado 1840,3 553,3 3714,3 2714,3 3188,2 12010,4
- Kg. Produccin Perdidos 44474,3 13371,4 89761,7 65594,6 77049,0 290250,9
Eficiencia de Cambios 79,2 67,1 84,5 82,4 52,2 67,7
Disponibilidad 100,0 100,0 100,0 100,0 100,0 100,0
Utilizacin 60,3 61,4 49,1 57,5 54,6 56,6
Eficiencia del Programa de Produccin 91,8 88,1 92,7 90,2 90,1 90,6
Fuente: Indicador IMAN planta Cerrillos

Cuadro N 20 Indicador IMAN para el mes de Marzo
Indicadores Claves S1 S2 S3 S4 S5 Acumulado mes
Efectividad de Lnea 63,5 72,2 51,7 63,2 58,1 59,7
- Tiempo Inutilizado 1937,2 650,9 3909,8 2982,7 3391,7 12872,3
- Kg. Produccin Perdidos 46815,0 15731,0 94486,0 72082,0 81967,0 311081,0
Eficiencia de Cambios 83,3 78,9 88,9 90,6 55,6 69,0
Disponibilidad 100,0 100,0 100,0 100,0 100,0 100,0
Utilizacin 63,5 72,2 51,7 63,2 58,1 59,7
Eficiencia del Programa de Produccin 96,6 103,6 97,6 99,1 95,8 98,8
Fuente: Indicador IMAN planta Cerrillos

Al observar los cuadros N 19 y 20 se concluye que la eficiencia acumulada para el mes
de enero es de un 90,6% y la de Marzo es de un 98,8% lo que implica que se ha subido
8,2 puntos porcentuales en la eficiencia del programa de produccin.
Para cuantificar los beneficios de tener un programa de produccin ms eficiente se
analiza los resultados manejados por el rea de planificacin:


60
Cuadro N 21 Volmenes y costos de produccin PC-32
PC-32 ENE MAR
VOLUMEN (TONS) 938 1.050
CORE INGREDIENTS (MCH$) 530.203 575.631
PACKAGING (MCH$) 259.940 304.565
DIRECT LABOR (MCH$) 102.617 103.184
TOTAL COSTO (MCH$) 892.760 983.381
COSTO DIRECTO (CH$/KG) 951,6 936,7
Fuente: AOP 2007 Fase II

Luego, al observar el cuadro N 21 se puede observar que a pesar de existir un
aumento en los costos de produccin (Ingredientes, material de empaque y mano de
obra), el costo directo en pesos por kilo producido disminuye, esto se explica por la
mayor productividad registrada en la lnea.

Para determinar los ahorros incurridos por la mayor productividad, se calcula cuanto
habra costado producir el volumen de Marzo con los costos de Enero:

Cuadro N 22 Ahorros por aumento de productividad
Valor de produccin Marzo
Con Costos de Enero 999.015.648
Con Costos de Marzo 983.380.839
Ahorros 15.634.809
Fuente: Elaboracin propia

Del cuadro N 22 se deduce que el ahorro por aumento de productividad es de
$15.634.809, lo que sumado a los $ 1.336.857 por concepto de baja de productos
negados, nos da que al optimizar el programa de produccin, evaluando los resultados
por un mes para la linea PC-32 da un total de $16.971.666





61
Bono

Finalmente, otro de los beneficios de este proyecto, es que entrega una produccin por
tubo, que se podra considerar como una gua para los operadores de cmo empacar
la produccin, de manera de poder cumplir con el programa de produccin entregado.

Los beneficios de esta entrega se ven en el grado de cumplimiento de la lnea en % de
volumen y % de mix que es lo que finalmente necesita el rea logstica para poder
cumplir al rea de ventas. Adems, es la forma de medir el desempeo de los
operadores, por lo que es la base por medio se les otorgan bonos de produccin a los
operadores de la lnea.

Luego dada la estructura para obtener bonos para los operadores de lnea (ver anexo
N 6), los resultados para Marzo son:

62
Cuadro N 23 Obtencin de bono de produccin medio para lnea PC-32

Fuente: BONO FRONT LINE - MAR 2007 Planta Cerrillos

Del cuadro se observa que se obtiene el bono de produccin medio para el mes de
Marzo. Si bien no es el bono de produccin mas alto, es primera vez desde que la lnea
esta en rgimen, que los operadores obtienen algn bono de produccin.



63
Conclusiones finales

Se puede concluir que el proyecto cumpli con los objetivos estipulados en los plazos
establecidos. Esto es, se dise e implement un modelo matemtico que optimiza el
programa de produccin para la lnea PC-32.
Se debe mencionar que adems de los objetivos estipulados en un comienzo, el
proyecto tiene un valor agregado extra, el cual es, adems de entregar un programa de
produccin optimizado con respecto al potencial proceso que tiene la lnea de
produccin, tambin entrega el programa por tubo de empaquetado, es deci r, indica que
se debe empacar, en que tubo empacador y en cuanto tiempo. Esto en la prctica es de
gran ayuda para que los operaros cumplan con los programas de produccin, y de esta
manera la produccin futura ser mas confiable para el rea logstica.

Cabe destacar que en los periodos en donde se hace la comparacin entre programas
antiguos y programas nuevos ocupando el modelo, es decir, entre Enero 2007 y Marzo
2007, el mix de productos que se demandados en Marzo son muchos mas difciles de
producir que los de Enero, ya que estn orientados a gramajes pequeos (gatillado por
la entrada a clases de los colegios), y aun as se lograron beneficios.

Finalmente, se puede concluir que el proyecto ha sido bien evaluado por parte de la
compaa. Es por ese motivo que el modelo se implement en 3 lneas de produccin
ms, y existe intencin de implementarlo a toda la planta en el mediano plazo.

64
XV.- Bibliografa y fuentes de informacin


Ortiz C., Varas S. y Vera J. Optimizacin para modelos de gestin Dolmen ediciones,
economa y gestin.

Olivares Gonzlez, Cesar. Modelo de optimizacin robusta aplicado a la planificacin
de la produccin, para una empresa papelera Universidad de Chile

Puente Triantfilo, Jorge A. Planificacin de produccin en una fabrica de productos
lcteos Soprole S.A. Universidad de Chile.

65
XVI.- Anexos

Anexo N 1: Extracto del archivo que lleva la estadstica de productos
negados por estar sin stock



Total
CDIGO
mod. DESCRIPCIN Total KILOS
COSTO POR
CAJA COSTO TOTAL
10003 PAPA LAY'S T/A 18 X 80 297 428 1.838 545.740
10006 PAPA LAY'S T/A 8 X 270 1.467 3.169 2.597 3.809.756
10007 PAPA LAYS T/A 3 X 500 1.645 2.468 1.846 3.036.522
10031 PAPA LAYS T/A 50 X 38 998 1.896 2.462 2.456.966
10032 PAPA LAYS T/A 40 X 50 1.385 2.770 2.509 3.475.466
10035 PAPA LAY'S T/A 50 X 40 499 998 2.608 1.301.542
10039 PAPA LAY'S T/A EXTRA BOLSA 6X350 416 874 2.465 1.025.521
10040 PAPA LAY'S T/A 45 X 44 BONUS 1.465 2.901 2.418 3.541.706
10041 PAPA LAY'S T/A 8 X 300 BONUS 700 1.680 2.839 1.987.319
10104 PAPA LAYS CLASICA 8 X 270 504 1.089 2.609 1.315.123
10126 PAPA LAYS CLASC MEDIT QUESO 12 X 170 223 455 3.391 756.184
10127 PAPA LAYS CLASC MEDIT TOMATE&OLIVA 12 X 170 61 124 4.107 250.537
10128 PAPA LAYS CLASC MEDIT OREGANO 12 X 170 162 330 3.048 493.805
10129 PAPA LAYS CLASC MEDIT QUESO 18 X 70 245 309 2.136 523.430
10130 PAPA LAYS CLASC MEDIT TOMATE&OLIVA 18 X 70 62 78 2.092 129.720
10131 PAPA LAYS CLASC OREGANO 18 X 70 282 355 2.010 566.943
10137 PAPA LAYS CLASC MEDIT OREGANO 50 X 38 539 1.024 2.642 1.423.866
10138 PAPA LAYS CLASC MEDIT QUESO 50 X 38 869 1.651 2.821 2.451.459
10139 PAPA LAYS CLASC MEDIT TOMATE&OLIVA 50 X 38 650 1.235 3.123 2.029.658
10145 PAPA LAYS CLASC MED JAMON SERRANO 18 X 70 609 767 1.885 1.148.087
10146 PAPA LAYS MEDIT JAMON SERRANO 50 X 38 1.180 2.242 2.749 3.243.799
10147 PAPA LAYS MEDIT JAMON SERRANO 12 X 170 158 322 2.909 459.587
10151 PAPA LAYS MEDIT CREMA & CIBOULETTE 50 X 38 317 602 2.790 884.560
10152 PAPA LAYS MEDIT CREMA & CIBOULETTE 18 X 70 217 273 2.082 451.790
10153 PAPA LAYS MEDIT CREMA & COBOULETTE 12 X 170 459 936 3.022 1.387.203
10155 PAPA LAY'S ARTESANAS 50 X 38 873 1.659 2.569 2.242.692
10156 PAPA LAY'S ARTESANAS 18 X 70 293 369 2.175 637.392
10158 PAPA LAY'S MEDIT QUES0 8 X 300 63 151 3.253 204.963
10159 PAPA LAY'S MEDIT OREGANO 8 X 300 145 348 3.462 501.941
10160 PAPA LAY'S CLASICA MEDIT JAMON SERRANO 8 X 300 49 118 3.445 168.782
10161 PAPA LAY'S CLASICA 60 X 26 2.958 4.614 2.120 6.270.025
10162 PAPA LAY'S ARTESANAS 8 X 270 603 1.302 2.864 1.726.974
10166 PAPA LAY'S MEDT SABORES PEBRE 50X38 721 1.370 3.023 2.179.720
66
10167 PAPA LAY'S MEDIT SABOR PEBRE 18X70 134 169 3.103 415.823
10168 PAPA LAY'S MEDIT SABOR PEBRE 12X170 271 553 3.152 854.147
10169 PAPA LAY'S CLASICA 8 X 300 BONUS 328 787 3.431 1.125.237
10170 CLASICA MEDITERRANEAS PROVOLETA OREGANATO 50 x 38 4 8 2.632 10.527
10171 CLASICA MEDITERRANEAS PROVOLETA OREGANATO 18 x 70 55 69 1.704 93.715
10172 CLASICA MEDITERRANEAS PROVOLETA OREGANATO 12 x 170 42 86 2.838 119.196
10214 PAPA LISA BARCEL CASERAS 12 X 200 208 499 2.812 584.842
10217 PAPA LISA BARCEL 3 X 350 1.522 1.598 2.279 3.468.212
10218 PAPA LISA BARCEL 60 X 18 321 347 1.214 389.761
10219 PAPA LISA BARCEL 3 X 350 129 135 1.128 145.531
10400 LAY'S AIREADAS 50 x 21 506 531 2.440 1.234.678
10401 LAY'S AIREADAS 18 x 50 105 95 2.190 230.002
10402 LAY'S AIREADAS 12 x 110 31 41 2.835 87.900
10502 CHEETOS PALITOS 24 X 65 146 228 1.226 178.928
10520 CHEETOS PALITOS 90 X 22 200 396 1.570 314.042
10522 CHEETOS PALITOS 60 X 34 1.386 2.827 1.548 2.144.860
10524 CHEETOS PALITOS ORIGINAL 3 X 400 216 259 898 194.016
10525 CHEETOS PALITOS 12 X 150 106 191 1.325 140.403
10566 CHEETOS MANI 60 X 28 103 173 1.411 145.361
10567 CHEETOS TUBO 90 X 17 728 1.114 1.671 1.216.447
10574 CHEETOS PALITOS ORIGINAL 3 X 450 2 3 984 1.968
10591 CHEETOS MANI 12 X 140 1.103 1.853 1.167 1.287.151
10592 CHEETOS MANI 3 X 350 848 890 732 620.897
10594 CHEETOS CRACKIDS ALMOHADILLA 60 X 40 983 2.359 2.133 2.096.737
10595 CHEETOS CRACKIDS ALMOHADILLA 8 X 250 345 690 2.004 691.549
10596 CHEETOS FUNKY PUNKY 60 X 25 248 372 1.354 335.790
10597 CHEETOS PANIK CLUB 60 x 25 652 978 1.201 783.137
10610 SUFLE PAPA 60 X 26 5.215 8.135 1.255 6.542.635
10617 POPOKAS QUESO 12 x 140 223 375 1.010 225.136
10718 SUFLE QUESO 60 X 26 3.492 5.448 1.097 3.830.511
10719 CHIS-POP SUFLE QUESO 12 X 140 54 91 1.096 59.199
10720 CHIS-POP SUFLE QUESO 3 X 350 1.955 2.053 667 1.304.200
10807 CHIS POP BOLITAS TUTTI FRUTTI 12 X 140 421 707 1.090 458.916
10808 CHIS POP BOLITAS TUTTI FRUTTI 3 X 350 3.300 3.465 724 2.388.025
10905 TRAGA TRAGA FRAMBUESA 90 X 17 1.498 2.292 1.447 2.167.871
10955 TRAGA TRAGA CHIRIMOYA NARANJA 60 X 28 1.189 1.998 1.486 1.767.341
11002 GATOLATE 12 X 140 383 643 1.424 545.400
11004 GATOLATE 60 X 28 1.619 2.720 1.450 2.347.642
11052 CHOCO CHOCOLATE 20 X 200 840 3.360 2.516 2.113.700
11054 CHOCO CHOCOLATE 72 X 32 276 636 1.826 503.961
11200 TWISTOS JAMON 20 X 110 1.101 2.422 1.929 2.123.751
11202 TWISTOS JAMON 30X40 2.770 3.324 1.049 2.905.547
11203 TWISTOS QUESO 96X12 (MUESTRA) 64 74 1.604 102.665
11204 TWISTOS QUESO 30X40 2.593 3.112 1.057 2.741.999
11205 TWISTOS QUESOS 20 X 110 1.131 2.488 1.612 1.823.602
11207 TWISTOS MANTEQUILLA 30X40 3.377 4.052 1.192 4.026.816
11208 TWISTOS MANTEQUILLA 20X110 1.737 3.821 1.910 3.317.778
67

Anexo N 2 : Extracto de pedidos diarios por SKU

84 Lunes Martes Mircoles Jueves Viernes Lunes
Cdigo Descripcin 03-Jul 04-Jul 05-Jul 06-Jul 07-Jul 10-Jul
10032 Papa Lays T/A 40X50 1.104 192 192 560 1.008 880
10035 LAY'S T/A 50X40 171 67 308 301 545 264
10003 Papas Corte Americano 18x80 501 599 465 853 1.213 906
10039 Papa Lays T/A EXTRA BOLSA 8X350 234 187 670 919 297 223
10007 Papas Corte Americano 3x500 989 814 1.459 1.584 3.072 2.509
10161 Papas Clsicas 60X26 913 925 637 744 1.255 497
10138 Papas Mediterraneas Queso 50X38 172 275 186 295 263 377
10139 Papas Mediterraneas Tomate 50X38 160 114 312 221 281 222
10137 Papas Mediterraneas Oregano 50X38 302 352 375 327 515 332
10126 Papas Lay's Mediterrneas S/Fetta Chesse 12x170 29 11 21 24 28 44
10127 Papas Lay's Mediterrneas S/Tomate & Oliva 12x170 0 4 5 14 25 18
10128 Papas Lay's Mediterrneas S/Organo 12x170 67 63 106 67 128 67
10129 Papas Lay's Mediterrneas S/Fetta Chesse 18x70 7 34 8 31 20 8
10130 Papas Lay's Mediterrneas S/Tomate & Oliva 18x70 43 9 1 14 15 4
10131 Papas Lay's Mediterrneas S/Organo 18x70 71 87 182 80 125 135
10145 Lays Mediterraneas Jamn Serrano 18X70 86 43 155 85 113 128
10146 Lays Mediterraneas Jamn Serrano 50X38 609 473 460 409 700 703
10147 Lays Mediterraneas Jamn Serrano 12X170 157 49 121 93 203 92
10151 Papas Mediterrneas Sabor Crema y Ciboulette 50x38 44 118 168 142 397 153
10152 Papas Mediterrneas Sabor Crema y Ciboulette 18x70 41 35 83 41 88 36
10153 Papas Mediterrneas Sabor Crema y Ciboulette 12x170 101 59 82 61 165 81
10155 LAY'S ARTESA 50X38 633 480 414 542 1.201 593
10156 LAY'S ARTESA 18X70 66 48 63 68 158 117
10162 Papas Artesanas 8X270 463 411 613 655 770 695
10158 PAPA LAY'S MEDITERRANEA QUESO 8 X 300 37 14 35 19 35 28
10159 PAPA LAY'S MEDITERRANEA OREGANO 8 X 300 27 77 97 48 81 43
10160 PAPA LAY'S MEDITERRANEA JAMN SERRANO 8 X 300 60 19 58 76 121 72
10166 LAY'S MEDIT SABOR PEBRE 50 X 38 139 108 118 222 137 314
10167 LAY'S MEDIT SABOR PEBRE 18 X 70 57 17 3 8 5 7
10168 LAY'S MEDIT SABOR PEBRE 12 X 170 75 35 50 27 72 39
10169 PAPA LAY'S CLASICA 8 X 300 BONUS
10040 PAPA LAY'S T/A 45 X 44 BONUS
10041 PAPA LAY'S T/A 8 X 300 BONUS
10217 PAPA LISA BARCEL CASERAS 3 X 350 529 307 609 935 970 659
10214 Papas Lisas Barcel Caseras 12x200 146 131 132 114 345 143
10400 Papas Lay's Aireadas 50X21 0 0 0 0 0 0
10401 Papas Lay's Aireadas 18X50 0 0 0 0 0 0
10402 Papas Lay's Aireadas 12X110 0 0 0 0 0 0
10502 Chester Palitos 24X65 67 117 160 142 154 87
10520 Cheetos Palitos 90x22 305 144 162 317 352 245
10522 Chester Palitos 60x34 (Original) 902 1.071 882 1.369 1.230 1.159
10524 Cheetos Palitos Original 3X400 185 96 297 290 339 217
10525 Cheetos Palitos 12X150 76 105 220 152 173 69
68


Anexo N 3: Extracto de estacionalidades

Descripcion Dia Fecha
Se
man
a Mes Ao
Pedido
Real
Prom
dia
Prom
Sem
Prom
Mes
Pedidos Totales lunes 03-Jul 1 7 2006 43.527 57250 48474 49868
Pedidos Totales martes 04-Jul 1 7 2006 35.769 47848 48474 49868
Pedidos Totales mircoles 05-Jul 1 7 2006 39.018 49345 48474 49868
Pedidos Totales jueves 06-Jul 1 7 2006 48.738 49628 48474 49868
Pedidos Totales viernes 07-Jul 2 7 2006 63.142 71540 57402 49868
Pedidos Totales lunes 10-Jul 2 7 2006 46.262 57250 57402 49868
Pedidos Totales martes 11-Jul 2 7 2006 36290 47848 57402 49868
Pedidos Totales mircoles 12-Jul 2 7 2006 26442 49345 57402 49868
Pedidos Totales jueves 13-Jul 2 7 2006 37807 49628 57402 49868
Pedidos Totales viernes 14-Jul 3 7 2006 52432 71540 56307 49868
Pedidos Totales lunes 17-Jul 3 7 2006 51.770 57250 56307 49868
Pedidos Totales martes 18-Jul 3 7 2006 42.217 47848 56307 49868
Pedidos Totales mircoles 19-Jul 3 7 2006 44.520 49345 56307 49868
Pedidos Totales jueves 20-Jul 3 7 2006 48.438 49628 56307 49868
Pedidos Totales viernes 21-Jul 4 7 2006 85.982 71540 57259 49868
Pedidos Totales lunes 24-Jul 4 7 2006 59.156 57250 57259 49868
Pedidos Totales martes 25-Jul 4 7 2006 55.279 47848 57259 49868
Pedidos Totales mircoles 26-Jul 4 7 2006 46.648 49345 57259 49868
Pedidos Totales jueves 27-Jul 4 7 2006 58.900 49628 57259 49868
Pedidos Totales viernes 28-Jul 4 7 2006 66.649 71540 57259 49868
Pedidos Totales lunes 31-Jul 4 7 2006 58.237 57250 57259 49868
Pedidos Totales martes 01-Ago 1 8 2006 36.358 47848 48474 56509
Pedidos Totales mircoles 02-Ago 1 8 2006 46.586 49345 48474 56509
Pedidos Totales jueves 03-Ago 1 8 2006 49.092 49628 48474 56509
Pedidos Totales viernes 04-Ago 1 8 2006 56.130 71540 48474 56509
Pedidos Totales lunes 07-Ago 2 8 2006 72.697 57250 57402 56509
Pedidos Totales martes 08-Ago 2 8 2006 45.343 47848 57402 56509
Pedidos Totales mircoles 09-Ago 2 8 2006 57.113 49345 57402 56509
Pedidos Totales jueves 10-Ago 2 8 2006 53.115 49628 57402 56509
Pedidos Totales viernes 11-Ago 2 8 2006 70.813 71540 57402 56509


Anexo N 4: Extracto de Estimacin de demanda de I2:

CODIGO SKU COSTEADA
2-ene-
2007
3-ene-
2007
4-ene-
2007
5-ene-
2007
10003 T/AMERICANO SAL18X80 Grs 1653 1673 1677 2037
10006 T/AMERICANO SAL8X270 Grs 3981 4030 4039 4905
10007 T/AMERICANO SAL3X500 Grs 3579 3623 3631 4410
10104 CLASICAS8X270 Grs 282 285 286 347
10566 Cheetos Man 60x28 241 156 143 297 215 59
10567 Cheetos Tubo 90x17 256 100 48 42 120 10
10591 Cheetos Man 12X140 81 54 131 130 142 142
69
10129 CLASICA MEDITERRANEAS QUESO18X70 Grs 33 33 33 41
10126 CLASICA MEDITERRANEAS QUESO12X170 Grs 16 17 17 20
10130 CLASICA MEDITERRANEAS TOMATE & OLIVA18X70 Grs 24 24 25 30
10127 CLASICA MEDITERRANEAS TOMATE & OLIVA12X170 Grs -1 -1 -1 -1
10131 CLASICA MEDITERRANEAS OREGANO18X70 Grs 123 125 125 152
10128 CLASICA MEDITERRANEAS OREGANO12X170 Grs 144 146 147 178
10151
CLASICA MEDITERRANEA CREMA CIBOULETTE50X38
Grs 388 393 393 478
10152
CLASICA MEDITERRANEA CREMA CIBOULETTE18X70
Grs 58 59 59 72
10146 CLASICA MEDITERRANEAS JAMON SERRANO50X38 Grs 858 869 871 1058
10145 CLASICA MEDITERRANEAS JAMON SERRANO18X70 Grs 132 134 134 163
10147 CLASICA MEDITERRANEAS JAMON SERRANO12X170 Grs 204 206 206 251
10148 CLASICA MEDITERRANEAS CILANTRO LIMON50X38 Grs 384 388 389 473
10031 T/AMERICANO SAL50X38 Grs 8693 8800 8820 10712
10035 T/AMERICANO SAL50X40 Grs 748 757 759 922
10032 T/AMERICANO SAL40X50 Grs 1728 1749 1753 2129
10155 LAYS ARTESANAS50X38 Grs 1043 1056 1058 1285
10156 LAYS ARTESANAS18X70 Grs 58 58 59 71
10138 CLASICA MEDITERRANEAS QUESO50X38 Grs 548 555 556 675
10139 CLASICA MEDITERRANEAS TOMATE & OLIVA50X38 Grs 465 470 472 573
10137 CLASICA MEDITERRANEAS OREGANO50X38 Grs 834 845 847 1028
10153
CLASICA MEDITERRANEA CREMA CIBOULETTE12X170
Grs 119 121 121 147
10149 CLASICA MEDITERRANEAS CILANTRO LIMON18X70 Grs 15 15 15 18
10150 CLASICA MEDITERRANEAS CILANTRO LIMON12X170 Grs 33 33 33 40
10159 CLASICA MEDITERRANEAS OREGANO8X300 Grs 191 194 194 236


Anexo N 5: Programa de produccin antes de ocupar modelo

Lnea Cdigo Descripcin Promocin
Cant.Programa
Cajas
Kls.
Programa Pallets
PC-32 10003
Papas Lay's
T/Americana 18x80 Sin promocin 2.048 2.949 32
10042
Papas Lay's
T/Americana 40x45
Promocin Sticker TecnoFun
(1:10)+Huincha Full Impresa 2.736 4.925 57
10006
Papas Lay's
T/Americana 8x270
Promocin Sticker TecnoFun
(1:10)+Huincha Full Impresa 1.728 3.732 36


70
Anexo N 6: Estructura de Bonos para operador de lnea