102 Capítulo 4 in tr o d u c c ió n al Análisis de Procesos

• La olla que llega vacía debe ser limpiada con agua para eliminar desperdicios. Esta
actividad toma un promedio de 5 minutos por olla y se estima un promedio de 2
ollas esperando por iniciar su limpieza.
• A continuación la olla debe ser pesada. Esta actividad toma un promedio de 2 mi­
nutos por olla y se estima un promedio de 3 ollas esperando por iniciar su pesado.
• A continuación viene el proceso de carga, considerando que existen dos tipos de
carga: ( l ) convencional para banquetas y casas y (2 ) estructural para edificios y
construcciones de riesgo. El 70% de los casos solicita carga convencional y esta acti­
vidad toma un promedio de 10 minutos, estimándose que existirá un promedio de 3
unidades esperando por este tipo de carga. El resto de los casos solicita carga estruc­
tural, y esta actividad toma un promedio de 15 minutos, estimándose que existirá un
promedio de 1 unidad esperando por este tipo de carga.
• Por último, se verifica el peso de la olla y se recaba el comprobante correspondiente.
Esta actividad toma un promedio de 2 minutos, estimándose que existirá un prome­
dio de 1 unidad esperando por el pesado final.
Con base en la información proporcionada y asumiendo que los datos corresponden
al estado estable:
a ) Construya una red de actividades y buffer para este proceso de negocios.
b) ¿Cuántos minutos (en promedio) pasará una olla revolvedora que ingresa a la planta
para su llenado por carga convencional?
c) ¿Cuál es el número promedio de ollas revolvedoras que están dentro de la planta por
su llenado (considerando las que se atienden y las que están en espera) ?
J ) ¿Cuántos minutos (en promedio) tomará la atención completa del llenado de una
olla bajo este diseño?
13. Suponga que una vez implantado el sistema del ejercicio anterior, se observa un desem­
peño muy parecido al esperado, excepto por que ahora dicha planta está suministrando
mayor cantidad de concreto convencional para renovar todas las banquetas y guarni­
ciones de una colonia. Los porcentajes ahora son 90% y 10% de concreto convencional
y concreto estructural, respectivamente. Asumiendo que el resto de la información si­
gue siendo válida, responda nuevamente todos los incisos del ejercicio anterior.
14. Delmex fabrica un componente electrónico diferente al del Ejemplo 4.7 en otra celda
de manufactura. En este caso existen también dos procesos de negocios importantes:
(1 ) manufactura y almacenamiento, y (2 ) cobranza. El proceso de manufactura consiste
básicamente en el sellado de dos tarjetas (A l y A2) que conforman el componente, y
ambas tarjetas se fabrican en Delmex, la primera a partir de las partes A l y la segunda
a partir de las partes A2. El reporte contable de fin de año para este componente arrojó
los siguientes datos de inventarios (en miles de S) y costo de ventas (en miles de £/
año). Se sabe además que el valor de las ventas netas del año ascienden a 420 miles de
$ y las cuentas por cobrar a 30 miles de $.

Alfaomega Adm inistració n de Ope raciones • M

 E je rcicio s d e l c a p ítu lo 4 103

Tabla 4.12: Reporte contable de Delm ext: ■

a ) Construya un diagrama para ei flujo de efectivo en el proceso de manufactura y

almacenamiento, correspondiente a este componente electrónico de Delmex, deta­
llado por actividades (omita buffer en su diagrama).
b) Asumiendo que los datos son representativos del estado estable, construya una ta­
bla con las tasas de flujo, tiempos de flujo promedio e inventarios promedio para
cada una de las actividades de su diagrama del inciso anterior.
c) Construya la gráfica de las medidas operacionales básicas de flujo correspondiente a
las actividades reportadas en el inciso B. Indique las actividades cuya mejora tendría
un mayor impacto, y las que tienen una mayor oportunidad para la mejora.
d ) Indique en cuántos días, en promedio, se convierte en venta el $ invertido en ma­
nufactura y almacenamiento de este componente, y en cuántos días, en promedio,
se recupera el $ invertido.
e) Calcule las vueltas al año correspondientes a la rotación de inventarios de este com­
ponente.

1 5 . Uno de los procesos de soporte de la empresa de Seguros SNP es el proceso de aten­

ción de solicitudes para realizar cambios en el sistema de información, ya sean a las apli­
caciones existentes o para el desarrollo de nuevas aplicaciones. E l proceso experimenta
un flujo de solicitudes de 90 al mes, y sigue los siguientes pasos;

• La secretaria de la Dirección de Sistemas recibe y en su momento registra la solicitud

en el sistema, que es recibida por la Unidad de Control de Requerimientos (U C R ).
En esta actividad se ha observado un inventario promedio de;2 solicitudes.

inistraclón de Operaciones • Muñoz Alfaomega

104 Capítulo 4 I n tr o d u c c ió n al Análisis de Procesos

• La U C R analiza la solicitud, recaba más información si es necesaria, y decide si la

solicitud corresponde a un cambio en un sistema existente o a un desarrollo nuevo.
El inventario promedio en esta actividad es de 5 solicitudes, y se ha encontrado que
el 90% de las solicitudes corresponden a un cambio y el 10% a un desarrollo.
• El Director de Sistemas recibe las solicitudes con diagnóstico de la U CR, y asigna un
programador a la misma si la solicitud es por cambio y un analista si la solicitud es
por desarrollo. En esta actividad se ha experimentado un inventario promedio de 6
solicitudes por cambio y de 4 solicitudes por desarrollo.
• Por último, la solicitud es atendida por el programador o por el analista, según sea el
caso, generando un reporte final a la Dirección de Sistemas. En esta actividad se ha
experimentado un inventario promedio de 15 solicitudes por cambio y de 10 solici­
tudes por desarrollo.

a ) Construya una red de actividades para este proceso de soporte (omita buffer en
su diagrama debido a la falta de información detallada).
b) Asumiendo que los datos son representativos del estado estable, construya una
tabla con las tasas de flujo, tiempos de flujo promedio e inventarios promedio
para cada una de las actividades de su diagrama del inciso anterior.
c) Construyala gráfica de las medidas operacionales básicas de flujo correspondien­
te a las actividades reportadas en el inciso anterior. Indique las actividades cuya
mejora tendría un mayor impacto, y las que tienen una mayor oportunidad para
la mejora.

Alfaomega Adm inistración de Operaciones • Muñoz

Capítulo 5 ^ n

Competencia en Tiempo
de Respuesta

In tro d u cció n
Este capítulo está dedicado al estudio, la medición y la mejora del
tiempo de atención o de respuesta a los pedidos en un proceso de
negocios. Teniendo en cuenta que el tiempo de respuesta está muy
relacionado con una medida operacional básica, el tiempo de flujo,
introducido en el capítulo 4; en este capítulo estudiaremos las técni­
cas que nos permitirán medir, analizar y mejorar el tiempo de flujo de
un proceso. En la primera sección discutiremos cómo el tiempo de res­
puesta a los pedidos se ha convertido en la piedra angular de la estra­
tegia de competencia de muchas empresas exitosas, posteriormente
en la segunda sección nos ocuparemos del tiempo teórico de flujo, el
cual es el menor tiempo de flujo efectivo de un proceso sin considerar
las esperas antes de recibir atención. Por último, en la tercera sección
nos ocuparemos de la medición y mejora de los tiempos de espera,
incluyendo la programación de actividades con recursos limitados.
' 06 C a p ítu lo 5 C o m p e te n c ia en T ie m p o de Respuesta

@ 5.1 LA IMPORTANCIA DEL TIEMPO

DE RESPUESTA
En el capítulo 1 de este libro discutimos cóm o la economía basada en el conocimiento y la globalización
de los mercados ha permitido que la innovación y la rapidez para atender las necesidades de los consumi­
dores se hayan convertido en prioridades para las empresas que compiten en los mercados globales. En
esta sección discutiremos los principales componentes de estrategia de las empresas que basan su éxito
en el tiempo de respuesta a las necesidades de los clientes, así com o la importancia del tiempo de flujo,
que es la medida de desempeño operacional más relacionada con el tiempo de respuesta.

A ? 5.1.1. FLUJO DEL PROCESO Y ESTRATEGIA DE VENTAS

Las empresas que compiten en mercados globales necesitan ser capaces de introducir rápidamente nuevos
productos y servicios para atraer clientes, y a menudo los diseños del producto y del proceso productivo
deben ser lo suficientemente flexibles para permitir la incorporación de las nuevas características que de­
manda un mercado en crecimiento. Por ejemplo, el concepto de manufactura a pedido está ampliamente
difundido en sectores como el de la venta de ropa de moda, donde marcas como Zara y World pueden
diseñar un nuevo producto y abastecer a las tiendas en plazos de tan sólo tres semanas. Esta flexibilidad en
los procesos productivos se complementa adecuadamente con la implantación de metodologías para pro­
nosticar la demanda con base en la aceptación inicial del producto, lo que permite planear la producción
para responder adecuadamente a la demanda de productos que tienen ciclos de vida relativamente cortos.
Como se ilustra en la Figura 5.1, las empresas cuyo objetivo estratégico es el de ofrecer al cliente el
producto que necesitan en el momento y lugar apropiado, basan su estrategia en cadenas de suministro
con capacidad para responder de manera rápida, económica y oportuna a los requerimientos del cliente
y el éxito de su estrategia descansa fundamentalmente en cuatro factores (Fisher et a l, 2 0 0 0 ): ( l ) datos
disponibles y confiables de los puntos de venta, (2 ) pronóstico de la demanda, (3 ) adecuada planeación
de inventarios y precios, y ( 4 ) cadena de suministro rápida. A continuación explicamos brevemente cada
uno de estos factores:

Administración de
inventario
y precios

Figura 5.1: Elementos de una estrategia agresiva de ventas.

Alfaomega Adm inistración de Operaciones • Muñoz

 5.1 La im p o r ta n c ia deí t i e m p o de respuesta 107

Datos disponibles y confiables: Para conocer la aceptación de nuestros productos en el mercado, es

necesario disponer de los registros apropiados de la demanda (efectiva y potencial), eliminando las fuentes
de error. Es necesario reconocer que los registros de ventas no son suficientes para estimar la demanda, ya
que deben registrarse también los pedidos de los clientes que no compraron por falta de inventario, o bien
sea del producto, modelo, talla o bien color específico que estaba buscando. Por otro lado, deben evitarse
registros equivocados de inventarios, ya sea porque se hizo un cambio de talla o color que no se reportó,
o porque se registró la entrada o salida de un producto como si fuera la entrada o salida de otro producto
que es parecido.
Pronóstico de la demanda: Para las empresas de productos de moda o de temporada es importante
reducir el riesgo de una campaña mejorando sus pronósticos, ya sea planeando pruebas de aceptación en
diferentes tiendas o utilizando datos de ventas tempranas para ajustar sus pronósticos iniciales, siendo
muy importante el primer paso, es decir, poder disponer de datos confiables. Es conveniente mencionar
que aunque en la práctica las empresas utilizan una gran variedad de metodologías para el pronóstico, es
importante que además del pronóstico puntual se disponga de una medida de variabilidad (o precisión del
pronóstico), ya que para el siguiente paso de la administración de inventarios es imprescindible disponer
de esta información.
Administración de inventarios y precios: Aunque de este tema nos ocuparemos con detalle en el
capítulo correspondiente, debemos mencionar que es muy importante tomar las decisiones apropiadas
sobre qué productos, cuánto y cuándo deben ordenarse, teniendo en cuenta no sólo el pronóstico sino
también las economías de escala, las demoras de los pedidos y los contratos de suministro, entre otros
factores importantes.
Cadena de suministro veloz: La principal ventaja de ser capaz de responder rápidamente a los pe­
didos de suministro es que se puede contar con información actual y confiable sobre las preferencias del
consumidor. Luego de hacer un pedido, algunas empresas como Zara y World son capaces de fabricar y
abastecer a sus tiendas en dos semanas, y, si se incluye el diseño, el plazo es de sólo 3 semanas (como men­
cionamos anteriormente), lo que les permite ordenar la producción más adecuada (en cantidad y diseño)
a las preferencias del consumidor.
Com o se mencionó en el tercer capítulo, el logro de una cadena de suministro veloz requiere de la
adopción de técnicas apropiadas (como la personalización en masa). Así por ejemplo, el uso de diseños
modulares con partes comunes (e.g., telas o botones en la industria de la confección) permite mejorar
el pronóstico de los componentes comunes, porque es más fácil pronosticar la demanda agregada de un
producto que la de los diferentes diseños, modelos o tallas del mismo producto. Por último, debemos
mencionar que los cuatro elementos que acabamos de describir son indispensables para que la estrategia
de ventas sea exitosa, ya que el fracaso de alguno de ellos impedirá apreciar las ventajas que ofrecen los otros.
Por ejemplo, si nuestros datos sobre la demanda no son confiables, el pronóstico y la administración de
inventarios estarán equivocados, y de nada nos servirá tener una cadena de suministro veloz si no estamos
ordenando los productos que solicita el mercado.

A * 5.1.2. IMPORTANCIA DEL TIEMPO DE FLUJO

Cuando se han identificado los elementos de un proceso de negocios (Figura 4.2 del capítulo preceden­
te) y en particular su red de actividades y buffer, el tiempo de atención o de respuesta a un pedido está
estrechamente relacionado con el tiempo de flujo del proceso, aprovechando que la visión de proceso
se puede aplicar a diversos sistemas de producción, ya sea la producción en masa de una manufactura,
la prestación de un servicio o el lanzamiento de un nuevo diseño al mercado, por lo que a continuación
mencionamos algunas de las ventajas que se obtienen cuando nuestro proceso tiene un tiempo de flujo
reducido.

Adm inistración de Operaciones • Muñoz Alfaomega

108 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

Tiempos de entrega: Cuando nuestro proceso de negocios es la manufactura de un producto, y

nuestros clientes son las tiendas donde se vende nuestro producto, un menor tiempo de flujo de nuestro
sistema permite que podamos entregar los pedidos de las tiendas en un tiempo reducido, permitiendo que
éstas puedan ofrecer el producto que requiere el comprador final, y asegurar la preferencia de sus clientes.
Retardo de pedidos: Una estrategia muy difundida de las tiendas que enfrentan mercados muy
competidos es la de retardar el mayor tiempo posible la puesta de los pedidos a sus proveedores, con la
finalidad de contar con la mayor información posible, sobre marcas, modelos y/o tamaños específicos
que se ajustan mejor a las preferencias del consumidor. E l adaptarse a esta estrategia puede resultar muy
riesgoso para el proveedor si éste tiene que mantener altos inventarios porque sus procesos de producción
no exhiben tiempos de flujo reducidos.
Costos por inventarios: Una ligera mirada a la ley de Little nos recordará que los niveles de inven­
tario en un proceso de manufactura están íntimamente asociados con el tiempo de flujo del proceso. La
lentitud de un sistema de producción se refleja en tiempos de flujo altos, generando congestión y altos
costos por mantener inventarios.
Introducción de nuevos productos: Si el proceso de negocios corresponde al diseño, desarrollo y
lanzamiento de un nuevo producto, el tiempo de flujo de este proceso es el tiempo que tardará nuestro
producto para estar disponible en el mercado. Un tiempo de introducción corto puede representar en este
caso, la ventaja de ser los primeros en recibir el reconocimiento de los consumidores.
Tiempos de demora: Cuando nuestro proceso de negocios es un sistema de distribución de mer­
cancías, desde el almacén hacia las tiendas, el tiempo de flujo corresponde al tiempo que transcurre entre
la puesta del pedido y la recepción en la tienda (identificado como la dem ora del pedido). Cuando el tiem­
po de demora es grande, no sólo se incurre en altos inventarios en tránsito sino que la tienda necesita hacer
los pedidos con anticipación, lo que implica el mantener inventarios de seguridad altos para satisfacer la
demanda de los clientes durante la demora.
Costo de la espera del cliente: Cuando el proceso corresponde a la prestación de un servicio, el
tiempo de flujo es el que el cliente debe invertir para recibir el servicio solicitado y es indudable que en la
mayoría de los servicios (atención en un banco o en un trámite del gobierno), la calidad del servicio está
estrechamente relacionada con la demora en la atención del cliente.
Además de las ventajas particulares que hemos mencionado, en diferentes sistemas de producción,
debemos mencionar que en cualquier proceso de negocios, un tiempo de flujo reducido es reflejo de un
alto grado de coordinación, organización y calidad del proceso. Es conveniente mencionar también las
impresionantes posibilidades de mejora en la atención de trámites para el establecimiento de negocios
que existen desde hace algún tiempo en muchas economías latinoamericanas (ver por ejemplo, De Soto,
1986), y que representan una desventaja para la competitividad de la región frente a otras (por ejemplo,
la oriental).

@ 5.2 ANÁLISIS DEL TIEMPO TEÓRICO DE FLUJO

En primer lugar, debemos remarcar que cualquier sistema de producción, sea repetitivo (como en ia pro­
ducción en masa o por lotes) o de una sola vez (como en la producción por proyecto de un nuevo diseño
o de un servicio de consultoría) puede ser representado, de acuerdo con la visión de proceso, por medio
de un diagrama de actividades y buffer, de manera que el tiempo de flujo de cada entidad que ingresa al sis­
tema es el tiempo que tarda la entidad partiendo desde el evento de inicio en el diagrama hasta su llegada
al evento de finalización (ver el Ejemplo 4 .1 ). Teniendo en cuenta que cada entidad puede experimentar
tiempos de espera en los buffer del sistema, debemos distinguir entre el tiempo promedio de flujo ( T
introducido en el capítulo precedente) y el tiempo teórico de flujo ( Tte), el cual es el mínimo tiempo pro­

Alfaomega Administración de Operaciones • Muñoz

 5.2 Análisis del t i e m p o t e ó r i c o de f lu jo 109

medio de flujo si las entidades no experimentaran esperas en los buffer. De esta manera, podemos definir
el tiempo promedio de espera (E ) a partir de T y TíePor:

E = T - T te, (5.1)

donde T denota al tiempo promedio de flujo, E al tiempo promedio de espera, y T ([, al tiempo teórico de
flujo. De esta forma, cuando E — 0 (no hay demoras por espera), el tiempo teórico de flujo es igual al tiem­
po promedio de flujo de las entidades del sistema y es conveniente estimar el tiempo teórico de flujo para
conocer las limitaciones de nuestro tiempo de respuesta. Nótese que una entidad puede experimentar
demoras en los buffer de un sistema de producción debido a que los recursos que ejecutan las actividades
no pueden atender a la entidad, porque están ocupados, no están disponibles o porque deben esperar
la ocurrencia de algún evento para iniciar la atención. A continuación en esta sección, veremos cómo el
tiempo teórico de flujo de un sistema de producción puede estimarse a partir de los tiempos promedios
de atención que requieren las entidades en cada una de las actividades del sistema de producción y nos
ocuparemos asimismo de los factores que determinan la magnitud del tiempo teórico de flujo.

A * 5.2.1. EL MÉTODO DE LA RUTA CRÍTICA

Supongamos que hemos identificado una ruta (desde el inicio del proceso hasta el final del mismo) en
la red de actividades de un sistema de producción, y que disponemos de todos los tiempos de atención
que ha experimentado la entidad en cada una de las actividades de la ruta. El tiempo total de atención
de la entidad en dicha ruta será simplemente la suma de todos los tiempos de atención de las actividades
en la ruta, y debido a que en una red de actividades pueden existir varias rutas, el tiempo que demora la
atención de la entidad (en todo el sistema) será el tiempo total de atención en la ruta que tiene la duración
más larga. Es por esta razón que el tiempo teórico de flujo en un sistema de producción puede estimarse
a partir de la red de actividades y de los tiempos de atención promedio (duraciones) en cada una de las
actividades de la red. Con base en esta información, el tiempo teórico de flujo puede aproximarse por la
duración total (suma de duraciones de actividades) en la ruta (desde el inicio hasta el final) de la red que
tiene la duración más larga y ésta recibe el nombre de ruta crítica.
En general, el número de diferentes rutas en una red puede crecer exponencialmente (muy rápido)
con el número de actividades de la red por esta razón es que la enumeración completa de todas las rutas
de la red puede ser un método muy ineficiente para identificar la ruta crítica. Afortunadamente existe un
algoritmo, conocido bajo el nombre de m étodo de la ruta crítica, que permite identificar el tiempo teórico
de flujo y la ruta crítica de manera eficiente.
Para aplicar el método de la ruta critica, se debe partir de la red de actividades del sistema y para cada
actividad deben haberse identificado sus predecesores inmediatos (las actividades de las que sale un arco
de flecha dirigido hacia ella) y sus sucesores inmediatos (las actividades que reciben un arco de flecha que
sale de ella). Para cada actividad definimos los siguientes conceptos:

® El Tiempo de Iniciación Temprana (T IT E ): Es el tiempo en que puede iniciarse una actividad si

todos sus predecesores se inician lo más temprano posible. El T IT E del inicio es 0, y el T IT E de
cualquier otra actividad (:) puede calcularse según la ecuación (5.3).
O El Tiempo de Terminación Temprana (T T T E ): Es el tiempo en que puede terminarse una acti­
vidad si todos sus predecesores (y ella misma) se inician lo más temprano posible, por lo que el
TTTE de una actividad i puede calcularse como:

TTTE (i) = T IT E (i) + D U R A C IÓ N (i), (5.2)

Adm inistración de Operaciones • Muñoz Aifaomega

110 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

y el T IT E de cualquier actividad (i) que no sea el inicio puede calcularse como:

T IT E (í) = máx{TTTE(/): j es predecesor inmediato de i}. (5.3)

© El Tiempo de Terminación Tardía (TTTA ): Teniendo en cuenta que el tiempo teórico de flujo
es el T IT E del “fin” del diagrama del sistema, el TTTA es el tiempo más tardado en que puede
terminarse una actividad sin que incremente el tiempo teórico de flujo.
© El Tiempo de Iniciación Tardía (T IT A ): Teniendo en cuenta que el tiempo teórico de flujo es el
T IT E del "fin” del diagrama del sistema, el T IT A es el tiempo más tardado en que puede iniciarse
una actividad sin que incremente el tiempo teórico de flujo. Considerando que el TTTA del “fin”
es igual al T IT E del “fin”, el T IT A de una actividad i puede calcularse a partir de su TTTA:

T IT A ( í ) = TTTA(¿) - D U R A C IÓ N (í), (5.4)

y el TTTA de cualquier actividad (i) que no sea el “fin” puede calcularse como:

TTTA(í') = m ín{TITA (/): j es sucesor inmediato de i}. (5.5)

© La holgura de una actividad es el tiempo que puede demorarse el inicio temprano de la actividad
sin que se incremente el tiempo teórico de flujo. La holgura de una actividad i puede calcularse
a partir de:

H O LG U RA (i) = T IT A (i) - T IT E (i) = TTTA ( í ) - T T T E ( í ). (5.6)

El método de la ruta crítica consiste en ejecutar dos iteraciones sobre las actividades de la red. En la
primera iteración (llamada hacia adelante) se calculan los T IT E y T T T E de cada actividad aplicando las
ecuaciones (5 .2 ) y (5.3), mientras que en la segunda iteración (llamada hacia atrás) se calculan los TITA
y TTTA de cada actividad. Al final de la primera iteración, se obtiene el tiempo teórico de flujo, ya que éste
es igual al T IT E del “fin” y al final de la segunda iteración se pueden calcular las holguras usando (5 .6 ). Por
último, las actividades críticas (las que están en alguna ruta crítica) son las que tienen holgura igual a cero.
El método de la ruta crítica está implantado en varios programas comerciales cuyo uso es muy amigable
(e.g., Microsoft Project) para facilitar el aprendizaje del método, este algoritmo se puede probar usando el
archivo Excel correspondiente a este capítulo, que se distribuye a los usuarios de este libro de texto. Con
el siguiente ejemplo ilustraremos el cálculo del tiempo teórico de flujo con base en las duraciones de las
actividades en el diagrama, aplicando el método de la ruta crítica.

□ -------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 5.1: Tiempo teórico de flujo para la manufactura de un componente electrónico
Consideremos el proceso de manufactura de un componente electrónico de Delmex. Como se ilustra
en la Figura 5.2, el proceso se inicia con la separación de las partes correspondientes a cada una de dos
tarjetas (A y B), posteriormente cada una de las dos tarjetas (en paralelo) debe ser ensamblada y luego
probada, para luego proceder al sellado del componente, posteriormente a la correspondiente prueba del
componente.

Alfaomega Adm inistració n de Ope raciones »'Muñoz

 5.2 Análisis del t i e m p o t e ó r i c o de f lu jo 111

h i': : :
i Ensamble de Prueba de

Separación
r i tarjetas A
I__
tarjetas A
Sellado

■ i

Figura 5.2: Proceso de manufactura de un componente electrónico.

En la Tabla 5.1 se presentan las duraciones promedio para cada una de las actividades del diagrama
de actividades de la Figura 5.2. Nótese que a pesar de que este proceso es repetitivo, por lo que es de espe­
rar que existan buffer antes de cada actividad, en el diagrama de la Figura 5.2 no se ilustran los buffer, ya
que se han ignorado debido a que nuestro interés radica en calcular el tiempo teórico de flujo; y por esta
misma razón es que en la Tabla 5.1 sólo se proporcionan los tiempos promedio de atención en cada una
de las actividades (sin incluir esperas en buffer).

# de actividad Nom bre Duración (minutos) Predecesores

1 Separación de partes 1 Inicio

2 I Ensamble tarjeta A 1 1
3 | Ensamble tarjeta B 1.5 1
4 Prueba tarjeta A 1.5 2
5 Prueba tarjeta B 2 3
6 Sellado 1 4, 5
7 Prueba componente 1.5 6

Tabla 5.1: Duraciones de las actividades para la manufactura de un componente electrónico.

# TITE TTTE

d TITA TTTA
inicio,
f 2 1 2 4 2 3.5

1 2 3 1.5 3 4.5
1
1 0 1 6 4.5 3.5 7 5.5 7
1 4.5 5.5 1.5 5.5 7
1 0 1

3 1 2.5 5 2.5 4.5

1.5 1 2.5 2 2.5 4.5

Figura 5.3: Método de la ruta crítica para el componente de Delmex.

Administración de Operaciones • Muñoz Alfaoinega

112 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

Considerando los datos proporcionados en la Tabla 5.1, se aplicó el método de la ruta crítica, ob­
teniéndose el tiempo teórico de flujo para el proceso de manufactura del componente de Delmex. Los
resultados de la aplicación del método de la ruta crítica se ilustran en la Figura 5.3. Así por ejemplo, en la
primera iteración (hacía adelante), el T IT E de la actividad 6 se obtuvo aplicando la ecuación (5.3), a par­
tir de los T T T E de las actividades 4 y 5: m áx{3.5,4.5} = 4.5. Por otro lado, en la segunda iteración (hacia
atrás), el TTTA de la actividad 1 se obtuvo aplicando la ecuación (5 .5 ), a partir de los TITA de las activi­
dades 3 y 2: m ín {2,l} = 1, Los resultados encontrados se pueden verificar utilizando los procedimientos
de la hoja de nombre “RutaCritica” del archivo “[Link]”.
Com o podemos observar de la Figura 5.3, el tiempo teórico de flujo para la manufactura de una uni­
dad del componente electrónico de Delmex es de Tfe = 7 minutos, lo que indica que el tiempo promedio
de flujo para la manufactura del componente no puede ser menor de 7 minutos.

5.2.2. TIEMPO TEÓRICO DE FLUJO CON REPROCESO

Debemos remarcar que para aplicar el método de la ruta crítica, es necesario que la red de actividades
no contenga ciclos (rutas que parten de una actividad y regresan a la misma), lo cual debe cumplirse en
cualquier red de actividades, debido a que no puede concebirse que una actividad sea predecesora de sí
misma. Sin embargo, en algunas situaciones una entidad podría volver a solicitar atención en la misma
actividad, debido por ejemplo, a que la primera vez se cometió algún error; en este caso decimos que la
entidad solicitó reproceso.
Para calcular el tiempo teórico de flujo en una red de actividades que tiene reproceso, debemos intro­
ducir el concepto de contenido de trabajo. Teniendo en cuenta que estamos usando el término duración de
la actividad, para referirnos al tiempo promedio que toma una atención de la entidad en la correspon­
diente actividad, cuando existe reproceso podemos considerar el número esperado de visitas que tomará
una entidad, de manera que el contenido de trabajo de una actividad (i) se puede definir como:

CT(i') = N E V (í) *D U R A C IÓ N (í), (5.7)

donde N EV(¿) denota al número esperado de visitas que tomará una entidad en la actividad i. A partir
de la ecuación (5 .7 ) podemos interpretar el contenido de trabajo como el tiempo esperado que tomará la
atención de cada entidad en la actividad correspondiente.
Considerando la red de actividades del sistema de producción y los correspondientes contenidos
de trabajo para cada actividad, el tiempo teórico de flujo puede estimarse aplicando el método de la ruta
crítica descrito anteriormente, sólo que debemos tomar los contenidos de trabajo en reemplazo de las
correspondientes duraciones de actividades.

□ --------------------------------------------- --------------------------------------------------------------------------------------------------------------------------
Ejemplo 5.2: Estimación de! tiempo teórico de flujo con reproceso
Consideremos el proceso de manufactura del Ejemplo 5.1, sólo que ahora existe la posibilidad de que
alguna tarjeta (o el componente mismo) no pasen la prueba correspondiente, en cuyo caso la tarjeta (o el
componente) regresa a solicitar reproceso en el paso anterior. Como se ilustra en la Figura 5.4, el 6% de
las tarjetas A solicita reproceso, mientras que el porcentaje de reproceso es del 4% para las tarjetas B, y del
2% para el componente. Asumimos que si una tarjeta o componente solicita reproceso, la segunda vez que
pase por la prueba, es seguro que ésta será pasada satisfactoriamente. De esta manera, el número esperado
de visitas para el ensamble de tarjetas será de: 1 (0 .9 4 ) + 2 (0 .0 6 ) = 1.06, y similarmente para las otras acti­
vidades. Los resultados obtenidos al calcular de esta manera el número esperado de visitas y su correspon­
diente contenido de trabajo para cada actividad se presentan en la Tabla 5.2, donde estamos asumiendo
que las duraciones de cada visita corresponden a los datos de la Tabla 5.1. Nótese que en la Figura 5.4 no

Alfaomega Adm inistración de Operaciones • Muñoz

 5.2 Análisis del t i e m p o t e ó r i c o de flu jo 113

estamos usando el símbolo de ruteo (rombo) para indicar que una entidad puede pedir reproceso, en su
lugar estamos usando líneas punteadas, con la finalidad de remarcar que el método de la ruta crítica no se
puede aplicar en una red con ciclos; los que son eliminados calculando los contenidos de trabajo.

Duración
Id Actividad # esperado de Visitas - Contenido de trabajo
(minutos)
1 Separación de partes 1 1 1

2 Ensamble tarjeta A , 1 1.06 1.06

3 Ensamble tarjeta B 1.5 1.04 1.56
4 Prueba tarjeta A 1.5 1.06 1.59

5 Prueba tarjeta B 2 1.04 2.08

6 Sellado 1 1.02 1.02
7 Prueba componente 1.5 1.02 1.53

Tabla 5.2: Contenidos de trabajo para la manufactura de un componente.

Figura 5.5: Tiempo teórico de flujo para ia manufactura de un componente.

Administración de Operaciones • Muñoz Alfaomega

114 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

Aplicando el método de la ruta crítica con los contenidos de trabajo de la Tabla 5.2 obtenemos los
resultados que se reportan en la Figura 5.5, donde podemos identificar que el tiempo teórico de flujo es
de T te = 7.19 minutos. De esta forma, el mínimo tiempo promedio de flujo que se puede experimentar en
este sistema de producción sube de 7 a 7.19 minutos debido al reproceso.

s * 5.2.3. TIEMPO DE FLUJO CON ENTIDADES

DE DIFERENTES TAMAÑOS
En una gran variedad de procesos de negocios se pueden atender simultáneamente entidades de flujo
que tienen diferentes tamaños o complejidades, así por ejemplo, los clientes que solicitan atención en
una oficina de registros públicos pueden registrar propiedades con varias unidades habitacionales, en una
laminadora de acero se pueden producir rollos de lámina de diferentes pesos y/o longitudes (de acuerdo
con los requerimientos de los clientes), o en una célula de manufactura se pueden producir alternadamen­
te diferentes modelos del mismo tipo de pieza.
Cuando en un proceso de negocios ingresan entidades con diferentes atributos, éstas pueden reque­
rir de diferentes contenidos de trabajo en cada actividad, dependiendo de su complejidad, pero aun así
podemos analizar las medidas operacionales básicas de flujo. Como se ilustra en la Figura 5.6, para analizar
un sistema de producción donde ingresan diferentes tipos de entidades de flujo, debemos tener en cuenta
que aunque las entidades pueden tener diferentes contenidos de trabajo, éstos pueden expresarse en las
mismas unidades de tiempo (e.g., minutos), de manera que si el inventario del sistema se expresa en
las mismas unidades de flujo para cada tipo de entidad (e.g., toneladas), las unidades de la tasa de flujo
estarán bien definidas (e.g., toneladas/minuto). Bajo estas consideraciones, podemos aplicar la regla de
Little (4.5).

Figura 5.6; Análisis de un proceso de negocios con diferentes tipos de entidades.

Cuando deseamos estimar el tiempo teórico de flujo en un sistema donde ingresan n tipos de entida­
des, debemos conocer la mezcla de producción, la cual estará bien definida por los pesos WyW2, ■.. w , que

deben satisfacer = 1, y O < w , < 1,/ —1,2,...,n, y por otro lado, para cada actividad i debemos
/=!

Alfaomega Administración de Operaciones • Muñoz

 5.2 Análisis del t i e m p o t e ó r i c o de flu jo 115

conocerlos contenidos de trabajo C T ( ¡,;) correspondientes a las diferentes entidades; = 1, 2 Con

base en esta información, podemos calcular el contenido de trabajo para cada actividad i:

CT(¿) = J V , CT (/,/'), (5-8)

/-i

de manera que el tiempo teórico de flujo puede estimarse aplicando el método de la ruta crítica con los
contenidos de trabajo calculados a partir de la ecuación (5 .8 ). A continuación presentamos un ejemplo
ilustrativo.

□ -------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 5.3: Estimación del tiempo teórico de flujo con diferentes tipos de entidades
Consideremos el proceso de manufactura del Ejemplo 5.2, sólo que los datos de contenido de trabajo
(que se presentan en la Tabla 5.2) corresponden al Modelo S del componente electrónico y se desea ma­
nufacturar en la misma célula de manufactura el modelo T. Este último modelo está compuesto también
de una tarjeta A y de una tarjeta B, por lo que su manufactura sigue los mismos pasos ilustrados en la Fi­
gura 5.4. Sin embargo, debido a una mayor complejidad de la manufactura de este modelo, los contenidos
de trabajo son mayores en algunas actividades, como podemos apreciar en la cuarta columna de la Tabla
5.3. Para una mezcla de producción en la célula de manufactura del 40% para el modelo S y del 60% del
modelo T, deseamos estimar el tiempo teórico de flujo.

Tabla 5.3: Contenidos de trabajo (en minutos) para los modelos S y T del componente de Delmex.

En este caso, tenemos n = 2 tipos de entidades, el primer tipo correspondiente al modelo S y el

segundo al modelo T, por lo que, de acuerdo con la mezcla de producción proporcionada, los pesos son
wq = 0.4, y v>2 ~ 0-6. Los contenidos de trabajo para cada actividad (de acuerdo con la ecuación 5.8) se
proporcionan en quinta la columna de la Tabla 5.3, así por ejemplo, el contenido de trabajo de la actividad
“Ensamble tarjetaA” es de 0 .4 (l.0 6 )+ 0 .6 (2 .1 2 ) = 1.696 minutos.

Administración de Operaciones • Muñoz Alfaomega

116 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

# TITE TTTE
d TITA TTTA

2 1 2.696 4 2 4.604
« i ->
1.696 1.114 2.81 1.908 2.81 4.718 1
1 0 1 6 4.718 5.738 7 5.738 7.268
1 0 1 1.02 4.718 5.738 1.53 5.738 7.268

2 1 2.764 4 2.764 4.718

1.696 1 2.764 1.954 2.764 4.718 lili

Figura 5.7: Método de la ruta crítica para mezcla de modelos S y T.

Los resultados de la aplicación del método de la ruta crítica con los contenidos de trabajo de la mez­
cla de producción de la Tabla 5.3 se muestran en la Figura 5.7, donde se puede apreciar que cuando la
mezcla de producción es del 40% para el modelo S y 60% para el modelo T, el tiempo teórico de flujo será
de Tte = 7.268 minutos.

A * 5.2.4. MEJORA DEL TIEMPO TEÓRICO DE FLUJO

El primer paso para tratar de mejorar el tiempo teórico de flujo de un proceso de negocios es, sin duda, la
construcción de la red de actividades, identificando la ruta crítica y las correspondientes actividades críti­
cas. Nótese que la reducción del contenido de trabajo en una actividad que no está en la ruta crítica seguirá
proporcionando el mismo tiempo teórico de flujo al aplicar el método de la ruta crítica, por lo que para
mejorar el tiempo teórico de flujo es conveniente el haber identificado las actividades de la ruta crítica.
A continuación, conviene que para cada actividad identifiquemos si ésta es de valor agregado o no.
Decimos que una actividad es de valor agregado, si su ejecución incrementa el valor que percibe el cliente
sobre la manufactura o servicio que éste recibirá de lo contrario decimos que la actividad no añade valor
al proceso. En una reingeniería del proceso, con. la finalidad de reducir el tiempo teórico de flujo, las acti­
vidades que no añaden valor al proceso serán las primeras candidatas para ser eliminadas o para tratar de
reducir sus duraciones. Nótese además que bajo el concepto de valor agregado que hemos dado, la manera
más fácil de identificar si una actividad es de valor agregado es el preguntarnos si el cliente percibiría al­
guna diferencia en la manufactura o servicio si la actividad correspondiente fuera eliminada o cambiada
por otra. Así por ejemplo, una actividad de transporte de una mercancía desde la fábrica hasta el punto
de venta es de valor agregado, ya que al cliente sí le importará que el producto esté en la tienda y no en la
fábrica, en cambio, poco le interesará al cliente que un componente de su producto sea trasladado desde
un taller distante en la planta hasta el taller de ensamble del producto, mientras que él reciba el producto
bien ensamblado; por esta razón, la mayoría de los transportes innecesarios dentro de una planta serán
actividades que no añaden valor al proceso.
Habiendo identificado las actividades críticas del proceso y clasificado las mismas como de valor
agregado o no, podemos aplicar medidas para reducir el tiempo de flujo del proceso, las que se clasifican
en alguna de las siguientes categorías: ( l ) las que permiten reducir el contenido de trabajo de una activi­
dad crítica o (2 ) las que permiten trasladar el contenido de trabajo de una actividad fuera de la ruta crítica.
Entre las medidas que permiten reducir el contenido de trabajo de una actividad podemos mencionar:

Eliminar la actividad: Cuando una actividad no agrega valor al proceso (por ejemplo, si es un trá­
mite burocrático), la primera acción que debe explorarse es la eliminación de la misma, en el caso de que
ello no tenga consecuencias negativas para el proceso.

Alfaomega Adm inistración de Operaciones • Muñoz

 5.2 Análisis del t i e m p o t e ó r i c o de f lu jo 117

Disminuir la duración de la actividad: Si la ejecución de una actividad es necesaria y no puede

eliminarse, la segunda alternativa es tratar de reducir la duración de su ejecución, por ejemplo, haciendo
uso de mejor tecnología de proceso o de información y comunicaciones o capacitando al personal para
lograr una mayor rapidez en la ejecución de las actividades.
Reducir el número esperado de visitas de la misma entidad: Teniendo en cuenta que, como se
aprecia en la ecuación 5.7, una reducción en el número esperado de visitas de la entidad reduce el conte­
nido de trabajo de la actividad, las mejoras que permiten disminuir el número de errores o inconsistencias
que se cometen en la ejecución de la actividad, es una medida apropiada para disminuir el contenido de
trabajo.
Entre las medidas que permiten trasladar el contenido de trabajo de una actividad crítica fuera de la
ruta crítica podemos mencionar:

Mover la actividad fuera de la ruta crítica: En ciertas situaciones, ya sea porque alguna prece­
dencia en el diagrama de actividades no es en realidad necesaria o porque el proceso se puede rediseñar
para eliminar relaciones de precedencia, es posible mover alguna actividad crítica fuera de la ruta crítica,
disminuyendo de esta manera el tiempo teórico de flujo. Un ejemplo de esta medida es la que tomó una
conocida empresa de confecciones (Benetton) cuando permitió que el teñido de la prenda se hiciera des­
pués de la costura, y no en la tela antes de la confección, permitiendo que la actividad de teñido ya no sea
crítica para decidir el modelo final de la confección.
Mover trabajo fuera del proceso: Cuando una actividad crítica se puede delegar a un proveedor
(por ejemplo, la fabricación de la tela en la industria de la confección), el efecto inmediato es la disminu­
ción del tiempo teórico de flujo. En este caso, debemos tener en cuenta que ahora será necesario realizar
una buena administración de los inventarios que permitan que nuestro proceso pueda fluir rápidamente.

□---------------------------------------------------------------------------------------------------------------------------
Ejemplo 5.4: Reingeniería de un proceso de expedición de conformidad de obra
La expedición de la conformidad de obra (C O ) es un paso necesario para poder registrar públicamente
una obra de construcción y garantizar de esta manera la propiedad de la obra. En la mayoría de los países
de Latinoamérica, las autoridades de las administraciones locales (del municipio o distrito correspondien­
te) son las que expiden la CO. A continuación, en la Tabla 5.4 explicamos las actividades que típicamente
pueden formar parte de un proceso de expedición de CO, donde hemos identificado también las activida­
des de valor agregado (VA) y las que no son de valor agregado (NVA).

Id Descripción o;:'.:.:. Tipo

1 Entrega y revisión del expediente en ventanilla única (VU). El expediente consta VA
de solicitud, título de propiedad (copia cotejada), boletas de pagos prediales y
dos juegos de planos arquitectónicos
2 Transporte de expediente desde la VU hacia la Dirección de Obras y Desarrollo NVA
Urbano (DODU)
3 Registro del expediente en la Oficina de Recepción (OR) de la DODU NVA
4 Transporte del expediente desde la OR de la DODU hacia la Oficina de Asesoría NVA
Jurídica (OAJ)
5 Verificación de escrituras, litigios y pagos de impuestos en la OAJ VA
6 Transporte del expediente desde la OAJ hacia la Unidad de Licencias (UL) NVA
7 Verificación de la conformidad de los planos en la UL VA
8 Transporte de un inspector y visita de inspección a la obra VA

cministración de Operaciones • Muñoz Alfaomega

118 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

9 Transporte del expediente desde la UL hacia la DODU NVA

10 Revisión y firma de la CO en la DODU VA
11 Transporte del expediente hacia la VU NVA

Tabla 5.4: Actividades del trámite de expedición de conformidad de obra.

En la Figura 5.8 mostramos la red de actividades de la Tabla 5.4, donde estamos utilizando el símbolo
correspondiente para identificar las actividades de transporte. En la figura estamos especificando (entre
paréntesis) la duración promedio (en minutos) de cada actividad, así como el hecho de que el 20% de las
solicitudes son rechazadas, y el solicitante debe empezar el trámite nuevamente. Asumiendo que ningu­
na solicitud sea rechazada por segunda vez, el número esperado de visitas para cada una de las actividades
será de 1.2, y existiendo una única ruta entre los eventos de inicio y final, el tiempo teórico de flujo para
este proceso resulta de: 1.2(60 + 10 + ... + 2 + 10) = 362.4 minutos.

1 1 20 %
( 10) :

f t I
0 .ík r «
( 10) 10) /' ¡ (10) (10) / ‘ (10)

Figura 5.8: Diagrama de actividades y duraciones (en minutos) de un trámite de CO.

Con el objetivo de mejorar el tiempo teórico de flujo para este proceso de negocios, iremos implan­
tando las siguientes mejoras en secuencia, a la vez que analizaremos el impacto de cada una de ellas:

1. Eliminar actividades que no añaden valor: La D O D U se ha percatado que en registros públicos,

en la Unidad de Cobranza y en la Unidad de Licencias existen registros electrónicos del título
de propiedad, pagos prediales y planos arquitectónicos, por lo que ha implantado un sistema
que permite que el expediente se capture electrónicamente y se ponga a disposición de las uni­
dades involucradas. Este sistema elimina las actividades 2, 3, 4, 6, 9 y 11, que son actividades
que no añaden valor al proceso.
2. Acelerar ejecución de actividades: Dado que ahora la solicitud es un registro electrónico, la
D O D U ha gestionado que sus unidades puedan hacer consultas a los sistemas de Registros Pú­
blicos, Unidad de Cobranza y Unidad de Licencias, lo que ha permitido agilizar las actividades
1, 5 y 7, reduciéndose la duración de cada una de ellas a la mitad.
3. Reducir número de visitas: Con el objetivo de reducir el número de solicitudes rechazadas, la
D O D U ha implantado un programa de transparencia, publicando información por internet,
relacionada con los últimos reglamentos y disposiciones vigentes que están relacionados con el
trámite de expedición de CO. Este programa ha permitido reducir las solicitudes rechazadas del
20% a sólo el 5%.
4. Mover actividades fuera de la ruta crítica: Debido a que las actividades 5, 7 y 8 no necesitan
ejecutarse en secuencia, la D O D U decide ejecutarlas en paralelo.

Alfaomega Adm inistración de Ope raciones • Muñoz

 5.2 Análisis del t i e m p o t e ó r i c o de f lu j o 119

5. Disminuir duración de actividad: En un último intento por mejorar el servicio se está exigiendo
una reducción del 20% en la duración de la actividad 7.
A continuación analizaremos el impacto marginal de cada una de las propuestas de mejora. La pri­
mera acción de mejora eliminará todas las actividades que no añaden valor al proceso, de manera que el
nuevo diagrama de actividades es el que se presenta en la Figura 5.9, y el nuevo tiempo teórico de flujo
resulta de 1.2(60 + 30 + ... + 2) = 290.4 minutos.

▼ 20%
¡fo rra re m ím sm
1 I 5 7 I 8 10
3
(6 0 ) i (3 0 ) (6 0 ) ¡1 1 f » f M
iH

Figura 5.9: Diagrama de actividades de un trámite de CO sin actividades que no añaden valor.

El diagrama de actividades después de la segunda acción de mejora es muy similar al de la Figura 5.9,
sólo que cambian las duraciones de las actividades 1, 5 y 7, y el nuevo tiempo teórico de flujo resulta de
1.2(30 + 15 + ... + 2 ) = 200.4 minutos. Para la tercera acción de mejora, el diagrama de actividades tam­
bién es muy similar al de la Figura 5.9, y para calcular el nuevo tiempo teórico de flujo, debemos tener en
cuenta que al cambiar el número esperado de visitas (de 1.2 a 1.05), cambiarán los contenidos de trabajo,
por lo que el nuevo tiempo teórico de flujo resulta de 1.05(30 + 15 + ...+ 2) = 175.35 minutos.
Después de implantar la cuarta mejora, el diagrama de actividades de la Figura 5.9 sí cambia, ya que
ahora se ejecutan en paralelo las actividades 5, 7 y 8. Debido a que ya no existe una ruta única desde el
inicio hasta el fin del diagrama, aplicamos el método de la ruta crítica (que se ilustra en la Figura 5.10),
para obtener un tiempo teórico de flujo de 128.1 minutos.

Figura 5.10: Método de la ruta crítica para un trámite de CO mejorado.

Finalmente, notemos que la actividad 7 no es una actividad crítica, por lo que la quinta mejora no
tendrá ningún efecto en el tiempo teórico de flujo, los únicos datos que cambiarían en la Figura 5.10, al
aplicar el método de la ruta crítica, serían la duración de la actividad 7 (pasaría a 25 .2 ), el TTTE de la

Adm inistración de Operaciones • Muñoz Alfaomega

120 C a p ítu lo s C o m p e te n c ia en T ie m p o d e R espuesta

actividad 7 (se reduciría de 76 a 56.7), y el T IT A de la actividad 7 (sería de 100.8). Luego de todas las
mejoras planteadas, se logró mejorar el tiempo teórico de flujo de 362.4 a 128.1 minutos (casi a un tercio
del tiempo original).

© 5.3 ANÁLISIS DEL TIEMPO DE FLUJO

CON ESPERAS
Como se indica en la ecuación (5.1) y como podemos experimentar en la mayoría de los procesos de ne­
gocios, las entidades que ingresan al proceso no necesariamente son atendidas inmediatamente antes de
pasar por cada actividad, ya que por lo general experimentan esperas debido a la competencia por el uso
de los recursos. El tiempo teórico de flujo es en verdad el mínimo tiempo promedio de flujo que se puede
experimentar en el sistema, y el conocimiento del tiempo promedio de flujo (considerando las esperas)
permite, en particular, el poder medir la eficiencia del tiempo de flujo:

E T F =-=r(l00)%, ( 5-9)

donde E T F denota la eficiencia del tiempo de flujo (expresada en porcentaje), y T ¡e, T están definidas en
la ecuación (5 .1 ). La eficiencia del tiempo de flujo mide qué tan pequeñas son nuestras esperas en rela­
ción con el tiempo promedio de flujo, ya que por ejemplo, si no se experimentan esperas en el proceso, la
eficiencia del tiempo de flujo será del 100% y a medida que las esperas crecen, la eficiencia del tiempo de
flujo irá disminuyendo y acercándose a cero.

s * 5.3.1. ESTIMACIÓN DEL TIEMPO DE FLUJO

CON ESPERAS
En general, el tiempo promedio de flujo T, ya sea para un proceso, un buffer o una actividad en particular,
puede estimarse directa o indirectamente. La estimación directa consiste en: (a) observar el sistema por
cierto período de tiempo (como en el Ejemplo 4.2), (b ) para cada unidad de flujo que entró y salió del
sistema registrar el tiempo de flujo y (c ) estimar T por el promedio de los tiempos de flujo observados.
Este método es indudablemente el más seguro para estimar el tiempo de flujo, ya sea del proceso, buffer o
actividad; sin embargo, podría ser laborioso o costoso en el caso de no disponer de la tecnología apropiada
que permita registrar automáticamente los tiempos de flujo (por ejemplo, R FID para una manufactura o
workflow para un servicio). Una alternativa que puede ser menos costosa es la estimación indirecta, que
básicamente consiste en estimar los inventarios promedio en el proceso o actividad, y estimar el corres­
pondiente tiempo promedio de flujo T aplicando la regla de Little (ecuación 4.5), con base en el inventa­
rio promedio I y la tasa de flujo R.
Con el objetivo de identificar las esperas en buffer y las actividades críticas, es conveniente estimar
los tiempos promedio de espera que las unidades de flujo experimentan en cada uno de los buffer, usando
la estimación directa o la estimación indirecta que acabamos de explicar. Considerando cada espera en un
buffer como una actividad pasiva con sus correspondientes esperas promedio y las duraciones promedio
de cada actividad, podemos ahora aplicar el método de la ruta crítica a la red completa de actividades y
buffer para encontrar el tiempo promedio de flujo correspondiente a todo el proceso. Con el siguiente
ejemplo ilustraremos la estimación indirecta de los tiempos de espera promedio y la identificación de las
actividades y esperas críticas del proceso.

Alfaomega Adm inistració n de Operaciones • Muñoz

 5.3 Análisis del t i e m p o de flu jo con esperas 121

□-----------------------------------------------------------------------------------------------------------------------------------------

Ejemplo 5.5: Eficiencia de un proceso de manufactura

Consideremos el proceso de manufactura del componente electrónico del Ejemplo 5.1, donde encontra­
mos un tiempo teórico de flujo de 7 minutos. En la Figura 5.11 ilustramos nuevamente este proceso, pero
ahora estamos incluyendo los buffer del proceso con el objetivo de analizar el tiempo de flujo con esperas.
Como podemos apreciar en la figura, el proceso se inicia con la separación de partes para las tarjetas A y
B, y termina con el componente manufacturado, listo para entrar al almacén de productos terminados. Se
han identificado 6 buffer en el sistema de producción, y en la Tabla 5.5 presentamos (en las columnas 2 y
3) los inventarios promedios encontrados en cada uno de los buffer de la Figura 5.11, y teniendo en cuenta
que se experimenta una tasa de producción de 90 componentes/hora, en las columnas 4 y 5 de la misma
tabla se han registrado los correspondientes tiempos promedio de espera (en minutos) que resultan de
aplicar la regla de Little, así por ejemplo, el tiempo promedio de espera de las partes de la tarjeta A en el
buffer B2 es de 4 .5 (6 0 )/90 = 3 minutos.

Figura 5.11: Red de actividades y buffer para la manufactura de un componente.

Tiempo prom edio de espera

Inventario promedio
Buffer (minutos)
Tarjetas A Tarjetas B Taijetas A Tarjetas B
B2 4.5 0 3 0
B3 0 7.5 0 5
B4 6 0 4 0
B5 0 7.5 0 5
B6 6 6 4 4
B7 4.5 4.5 3 3

Tabla 5.5: Inventarios y tiempos promedio de espera en buffer.

Con base en las duraciones de actividades de la Tabla 5.1, los tiempos promedio de espera de la Tabla
5.5, y considerando los buffer como actividades pasivas en la Figura 5.11, aplicamos ahora el método de la
ruta crítica para encontrar el tiempo promedio de flujo en todo el proceso. En la Figura 5.12, presentamos
los resultados de la aplicación del método de la ruta crítica, donde podemos apreciar que el tiempo pro­
medio de flujo para el proceso se estima en 24 minutos. Nótese que, debido a que en el buffer B 6 existen
dos tipos de inventarios (tarjetas A y B ), en la red de buffer de la Figura 5.12 se consideran dos actividades

Administración de Operaciones • Muñoz Alfaomega

122 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

de espera para éste, la B6A y la B6B, para representar las esperas de las correspondientes tarjetas A y B. De
acuerdo con los datos de la Figura 5.12, la secuencia de actividades y esperas críticas es:

l-> B 3-> 3-> B5-> 5-> B 6B-> 6-> B 7-> 7.

Figura 5.12: Método de la ruta crítica para el tiempo de flujo con esperas.

Por último, sabiendo que el tiempo teórico de flujo para este proceso de manufactura fue de 7 minu­
tos (ver el Ejemplo 5.1), la eficiencia de este sistema de producción es del 7 ( 100)/24 = 29.2%, es decir, el
29.2% del tiempo promedio de flujo corresponde al tiempo teórico (y el resto a esperas).

/V* 5.3.2. MEJORA DEL TIEMPO PROMEDIO DE ESPERA

Es conveniente mencionar que en la práctica existe una gran oportunidad para mejorar los tiempos de
espera en buifer. En particular, en un estudio empírico de Blackbum (1 9 9 2 ) se reportan eficiencias muy
pequeñas en diversos sectores de la industria de los EUA, éntrelas que resalta una eficiencia de 0.16% para
la expedición de pólizas en la industria de seguros, y de 0.14% para el lanzamiento de nuevos diseños
en la industria de empaques de los EUA.
El primer paso para tratar de mejorar el tiempo promedio de esperas en un proceso de negocios es
la identificación de la ruta crítica y las correspondientes esperas en buifer que son críticas. Una mayor
capacidad de proceso en las actividades que generan las esperas críticas tendrá un impacto positivo para
disminuir el tiempo promedio de espera. Debemos tener en cuenta, sin embargo, que la duración de las
esperas en buifer depende no solamente de la capacidad para prestar los servicios, sino también de las
políticas para programar la atención de las entidades, de la flexibilidad de los recursos, y de las políticas
para programar y asignar los recursos a las actividades, entre otros factores. En el capítulo 12 nos ocupa­
remos de las diferentes técnicas para programar la atención de las entidades, mientras que a continuación
nos ocuparemos del problema de la programación de actividades con recursos limitados, conocido en la
literatura inglesa por la siglas RC PSP (por Resource Constrained Project Scheduling Problem ), y que tiene
mucha relevancia para tratar de disminuir las esperas por falta de recursos para atender a las entidades.
En la mayoría de los procesos de negocios existen recursos flexibles que tienen la capacidad para
atender diferentes actividades, por ejemplo, la secretaria de un Departamento puede servir de recepcio-
nista tanto para el Jefe de Departamento, como para los diferentes funcionarios del Departamento, o un

Alfaomega Administración de Operaciones • Muñoz

 5.3 Análisis del t i e m p o de flu jo con esperas 123

programador puede estar asignado a varias actividades del mismo proyecto de desarrollo de software.
Cuando un mismo recurso debe atender diferentes actividades del mismo proceso de negocios, la secuen­
cia en la que se ejecutan las actividades de la red puede afectar el tiempo de flujo del proceso. Por ejemplo,
podemos imaginar que si un recurso es necesario para atender una actividad crítica y otra no crítica, de­
bería ser prioritario que el recurso atienda primero la actividad crítica, para evitar que el tiempo de flujo
se incremente innecesariamente.
A continuación definimos con mayor precisión el RCPSP. Dada una red de n actividades con du­
raciones d j, respectivamente, y un conjunto de m recursos con disponibilidades (enteras) C j,
C2,...,C m, donde la actividad i ( i = 1, 2 ,...,« ) ocupa simultáneamente c- unidades del recurso; (;' =
1, 2, durante la ejecución de la misma, el problema de encontrar la secuencia de actividades que
optimice algún criterio, respetando las precedencias de la red de actividades, y teniendo en cuenta que en
ningún momento el total de unidades ocupadas de cualquier recurso puede exceder la disponibilidad del
mismo, se conoce con el nombre de RCPSP. En nuestro caso, nos interesa el caso particular del RCPSP
en el que el criterio a minimizar es el tiempo de flujo (duración de la ruta crítica) en la red de actividades.
A diferencia del problema de encontrar el tiempo de flujo en una red de actividades sin limitaciones
de recursos, que se resuelve aplicando el método de la ruta crítica, para el RC PSP no existe un algoritmo
eficiente para encontrar su solución, los métodos exactos más eficientes propuestos se basan en formula­
ciones en programación lineal con variables enteras (Mingozzi et ah, 1998), pero su aplicación puede no
ser factible para redes con 20 o más actividades. Por lo tanto se sugiere el uso de métodos heurísticos para
encontrar soluciones que aunque no aseguran el óptimo, pueden encontrar una solución muy cercana (o
inclusive la óptima) en la mayoría de los casos.
Para resolver un RCPSP aplicando un método heurístico, debe simularse la ejecución del proceso,
construyendo la programación de las actividades desde el inicio del proyecto (tiempo f = 0 ), y conside­
rando los siguientes principios:

O Ya sea al inicio de la programación (f = 0) o cada vez que se termina la ejecución de una actividad
deben determinarse las actividades elegibles para ser programadas, teniendo en cuenta que para
que una actividad sea elegible deben existir suficientes recursos disponibles para su ejecución y
deben haberse terminado las ejecuciones de sus actividades predecesoras.
O Se programan las actividades elegibles en secuencia, otorgando una prioridad de acuerdo con
algún criterio heurístico y descontando los correspondientes recursos disponibles cada vez que
se programa el inicio de una actividad.
0 Cuando no existen actividades elegibles, se simula la ejecución del proceso, avanzando el “reloj”
í hasta la terminación de la siguiente actividad que termina su ejecución.
0 El procedimiento termina cuando finaliza la ejecución de todas las actividades.

En la hoja de nombre “Recursos Limitados” del archivo “[Link]” se ha programado este procedimien­
to utilizando los criterios heurísticos más difundidos para el RCPSP:

Menor tiempo de proceso: Se otorga más prioridad a la actividad con la menor duración.
Menor holgura: Se otorga más prioridad a la actividad que tendría la menor holgura, si se continúa
la ejecución de las actividades restantes sin considerar las limitaciones de recursos.
Mayor número de seguidores críticos: Se otorga más prioridad a la actividad que tendría el mayor
número de actividades sucesoras que están en una ruta crítica, si se continúa la ejecución de las activida­
des restantes sin considerar las limitaciones de recursos.
Menor, tiempo de terminación tardío: Se otorga más prioridad a la actividad que tendría el menor
tiempo de terminación tardío (TTTA ), si se continúa la ejecución de las actividades restantes sin conside­
rar las limitaciones de recursos.

- aministración de Ope raciones • Muñoz Alfaomega

124 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

Método de incremento de duración: Se calculan índices ci- para cada pareja de actividades elegi­
bles i,j, y se otorga más prioridad a la actividad que tiene el menor índice dy, donde dij es el incremento en
el tiempo de flujo del proceso, si se programa la actividad; después de la i, y se continúa la ejecución de las
actividades restantes sin considerar las limitaciones de recursos.
De acuerdo con Davis y Patterson (1 97S ), la regla de menor holgura se comporta bastante bien en la
generalidad de los casos, aunque el desempeño de cualquier heurística depende del caso particular, por lo
que se han propuesto diversas heurísticas que podrían desempeñarse bien en casos especiales (por ejem ­
plo, Goldratt, 1997; Castillo y Muñoz, 20 0 4 ). Por último, para ilustrar una programación de actividades,
es conveniente construirlos diagramas de carga de cada recurso (verlas Figuras 5.15 y 5.16). El diagrama
de carga de un recurso es una gráfica en dos dimensiones, donde el eje de las abscisas corresponde al tiem ­
po, y en el eje de las ordenadas se indican las unidades ocupadas del recurso.

□----------------------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 5.ó: Asignación de recursos en un proyecto de desarrollo ele sistemas
TecSoft es una empresa dedicada al desarrollo de sistemas a la medida para empresas grandes y medianas.
Antes de iniciar cada proyecto, TecSoft acostumbra desarrollar la red de actividades del proyecto, esti­
mando a la vez tanto las duraciones de las actividades, como los requerimientos de personal (analistas y
programadores). En la Figura 5.13 se presenta la red de actividades de un proyecto muy importante que
TecSoft debe desarrollar para una empresa de seguros, donde se han indicado también las duraciones (en
semanas) y los requerimientos de analistas y programadores para cada una de las actividades. Com o pue­
de apreciarse en la figura, el proyecto consta de 10 actividades (de la A a la J ) , y por ejemplo, la actividad
B demora 4 semanas, requiriendo la dedicación de 12 programadores y 4 analistas durante las 4 semanas.
Debido a la importancia de este proyecto, TecSoft asignará un número constante de analistas y pro­
gramadores para la ejecución de este proyecto (durante toda la duración del mismo), y por otro lado, se
requiere terminar el proyecto dentro de 15 semanas. Es por estas razones que el costo en que incurrirá
TecSoft responde a los siguientes componentes:

0 Por cada semana de duración después de la semana 15 se incurre en unapenalización de $10 000.
© El costo por semana de cada analista es de $1 000, y de cada programador es de $500, teniendo en
cuenta que cada analista y cada programador contratado recibirá su salario por todas las semanas
que dure el proyecto.

Figura 5.13: Red de actividades, duraciones y requerimientos para el desarrollo de un sistema.

Alfaomega Adm inistración de Operaciones • Muñoz

 5.3 Análisis del t i e m p o de f lu j o con esperas 125

Con base en la información proporcionada, TecSoft desea investigar el costo de las siguientes alter­
nativas:

1. Programar las actividades tan pronto como sea posible, contratando los analistas y programado-
res necesarios para terminar el proyecto lo antes posible.
2. Programar las actividades para terminar el proyecto lo antes posible, pero contratando 8 analis­
tas y 22 programadores.
3. Programar las actividades para terminar el proyecto lo antes posible, pero contratando 10 ana­
listas y 22 programadores.

Figura 5.14: Tiempo teórico de flujo para un proyecto de sistemas.

Para investigar el costo de la primera alternativa, primero aplicamos el método de la ruta crítica y en­
contramos que el tiempo teórico de flujo es de 16 semanas (los resultados se presentan en la Figura 5.14).
A continuación, programamos las actividades tan pronto como sea posible (iniciando las actividades en
su T IT E ), de manera que las actividades A y B se inicien en la semana 0, la C al final de la semana 4, y así
sucesivamente (ver la Figura 5.14), y construimos los diagramas de carga de los recursos que se presentan
en la Figura 5.15.
A partir de los resultados de la programación ilustrados en la Figura 5.15, podemos apreciar que se
necesitarían 33 programadores (en las semanas 5 a la 7, y de la 11 a la 14) y 14 analistas (en las semanas 5
i la 7), por lo que el costo de la primera alternativa sería de 10 000 (1 6 -1 5 ) + 1 0 0 0 (1 4 )(1 6 ) + 5 0 0 (3 3 )
16) = $498 000. Nótese de los diagramas de la Figura 5.15 que la programación tan pronto como es po-
: irle puede ser muy ineficiente, ya que, por ejemplo, se podría retrasar el inicio de las actividades F y G a
a semana 8, sin que se incremente la duración del proyecto, haciendo que se necesiten 3 analistas menos
reduciendo así el costo).

- ■ stración de Operaciones • Muñoz Alfaomega

126 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

Figura 5.15: Diagramas de carga de los recursos iniciando tan pronto como es posible.

Actividad Actividad Actividad Analista Program ador

Tiempo Duración
term inada disponible seleccionada (disponibles} (disponibles}

0 ninguna 8 22
1 6
2 4
2 4 10
1 1 0
4 2 5 12
ó 3
7 3
ó 3 6
7 1 1
6 1 4 11

Alfaomega Adm inistració n de Ope raciones • Muñoz

 5.3 Análisis del t i e m p o de flu jo con esperas 127

7 6, 7 8 22
3 2
3 1 10
9 3 8 22
4 4
5 5
4 5 19
5 1 9
13 4 4 12
8 2
8 1 3
14 5 5 13
15 8 8 22
9 4
10 4
9 3 14
10 2 0

Dura­ 9, 10
ción: 19

Tabla 5.6: Aplicación de la regla de menor holgura con 8 analistas y 22 programadores.

Para investigar el costo de la segunda alternativa, primero aplicaremos la regla de menor holgura para
programar las actividades con 8 analistas y 22 programadores, lo que nos permite estimar la duración del
proyecto con estas disponibilidades de recursos. Utilizando el procedimiento correspondiente de la hoja
“Recursos Limitados” del archivo “[Link]” que se distribuye con este texto, encontramos los resultados
detallados que se muestran en la Tabla 5.6. Nótese de esta tabla, que nunca se llegan a utilizar los 8 analis­
tas disponibles, por lo que con 7 analistas (en lugar de 8 ) se obtendrá la misma duración de 8 semanas. De
esta manera, el costo de esta segunda alternativa será de 1 0000 (19-15) + 1 0 0 0 ( 2 2 ) ( l 9 ) + 5 0 0 ( 7 ) ( l 9 )
= $382 000, que es m enor que el de la alternativa 1. En la Figura 5.16 presentamos los diagramas de carga
correspondientes a la programación detallada en la Tabla 5.6.

Administración de Operaciones • Muñoz Alfaomega

128 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

Por último, aplicando la regla de programación de menor holgura con 10 analistas y 22 programado-
res, obtenemos los diagramas de carga que se ilustran en la Figura 5.17, donde podemos apreciar que el
proyecto se terminaría en 18 semanas, con un costo total de: 10 000 (1 8 -1 5 ) + 1 0 0 0 (1 0 )(1 8 ) + 5 0 0 (2 2 )
(1 8 ) = $408 000, el cual es menor que el de la primera alternativa (programación tan pronto como es
posible) pero mayor que el de la segunda alternativa, por lo que podemos concluir que desde el punto
de vista del costo de desarrollo del sistema, es conveniente contratar 7 analistas y 22 programadores para
este proyecto.

30 —

25
------------------- ¡--------- G/3,5) lililí
1--------- i 1(4,8} |
| 15 I B m b^ m í I oí c.vút Fi3,S;
1 Hf2.S> j
D I4 31 j 1
>10
g 74,14} ■
a.
a i.

Mili

E(5„fO)< . ■
<
■

Figura 5.17: Diagramas de carga de los recursos con 10 analistas y 22 programadores.

Alfaomega Adm inistración de Operaciones • Muñoz

 Eje rcicio s del c a p í tu lo 5 129

EJERCICIOS DEL CAPÍTULO 5

1. Un taller de joyería fabrica relojes de oro de acuerdo con las actividades que se descri­
ben en la Tabla 5,7.

Id Contenido de trabajo Predecesores

ÍH — (minutos)
1 Pedido 5 Ninguno
2 ¡ Manufactura de accesorios 300 1
3 | Manufactura de caja y tapa 200 1
4 | Ensamble del extensible 60 2
5 j Ensamble de juegos para caja 20 3
ó Ensamble final 30 4,5

Tabla 5.7: Actividades y contenidos de trabajo para la fabricación de relojes.

a ) Construya la red de actividades para este proceso de manufactura (no incluya nin­
gún buffer).
b) Estime el tiempo teórico de flujo e identifique las actividades críticas para el tiempo
teórico de flujo.

2. Suponga que los datos del ejercicio anterior corresponden al modelo económico, y que
el modelo de lujo sigue los mismos pasos pero con los contenidos de trabajo que se
presentan en la Tabla 5.8.

Tabla 5.8: Actividades y contenidos de trabajo para el modelo de lujo.

a ) Calcule los contenidos de trabajo para una mezcla de producción del 60% para el
modelo económico y 40% para el modelo de lujo.
b) Calcule el tiempo teórico de flujo e identifique las actividades críticas para el tiem­
po teórico de flujo y la mezcla de producción del inciso anterior.

Administración de Operaciones • Muñoz Alfaomega

130 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

3 . La empresa MexToys fabrica autos de juguete. El modelo estándar está formado por
dos subensambles: la plataforma y la carrocería, y su manufactura se inicia con la sepa­
ración de las partes para la plataforma de los de la carrocería, a continuación la platafor­
ma y la carrocería se trabajan en paralelo, de acuerdo con las actividades, duraciones y
precedencias que se detallan en la Tabla 5.9.

Id Actividad Duración (minutos) Predecesores

1 Separar partes 5 Ninguno

2 Cortar plataforma 12 1

3 Cortar carrocería 10 1

4 Formar plataforma 3 2

5 Formar carrocería 5 3

6 Ensamblar plataforma 5 4

7 Ensamblar 5 5,6

8 InsQeccionar 12 7

Tabla 5.9: Actividades y duraciones caía un proceso de manufactura.

a ) Construya la red de actividades para este proceso de manufactura (no incluya nin­
gún buffer).
b) Asumiendo que el número esperado de visitas es de 1 para cada una de las activi­
dades, calcule el tiempo teórico de flujo e identifique las actividades críticas para el
tiempo teórico de flujo.

4 . Considere la manufactura de autos de juguete del ejercicio anterior, con las mismas
actividades, duraciones y precedencias, pero con los siguientes números esperados de
visitas por actividad de la Tabla 5.10.

Id A ctivid ad NEV
1 Separar partes 1
2 Cortar plataforma 1.2
3 Cortar carrocería 1.1
4 Formar plataforma 1.4
5 Formar carrocería 1.2
ó Ensamblar plataforma 1.1
7 Ensamblar 1.1
8 Inspeccionar 1.1

Tabla 5.10: Actividades y número esperado de visitas para un proceso de manufactura.

a) Calcule los contenidos de trabajo para cada una de las actividades.

b ) Calcule el tiempo teórico de flujo e identifique las actividades críticas para el tiem­
po teórico de flujo.

Alfaomega Administración de Operaciones • Muñoz

 Eje rcicio s del c a p ítu lo 5 131

S. Considere la manufactura de autos de juguete del ejercicio anterior, con los mismos
contenidos de trabajo por actividad, pero con un buffer antes de cada una de las activi­
dades 2 a la 8. La tasa de producción del proceso es de 18 autos/hora y se han encon­
trado los inventarios promedio que se muestran en la Tabla 5.11 cada uno de los buffer.

Actividad inm ediata inventario promedio

posterior - Plataformas Carrocerías
•
2 27 -
3 - 18
4 9 -
5 - 21
ó 18 I -
7 9 12
8 18 18

Tabla 5.11: Inventarios en un proceso de manufactura.

a ) Construya la red de actividades y buffer para este proceso de manufactura.

b) Estime el tiempo promedio de flujo e identifique las actividades y esperas que son
críticas para el tiempo promedio de flujo.
c) Estime la eficiencia del tiempo de flujo para este proceso de manufactura.

6 . Suponga que los datos del ejercicio 4 corresponden al modelo económico y que el mo­
delo deportivo sigue los mismos pasos pero con las duraciones y números esperados de
visitas que se presentan en la Tabla 5.12.

Id Actividad Duración (minutos) E *

1 Separar partes 7 1
: .............. .
2 Cortar plataforma 14 1.2
3 Cortar carrocería 12 1.1
4 | Formar plataforma 4 1.4
5 Formar carrocería ó 1.2
6 i Ensamblar plataforma 6 1.1
7 Ensamblar 7 1.1
8 Inspeccionar 10 1.1

Tabla 5.12: Actividades, duraciones y número esperado de visitas para el modelo deportivo.

a ) Calcule los contenidos de trabajo para el modelo deportivo.

b) Calcule los contenidos de trabajo para una mezcla de producción del 40% para el
modelo económico y 60% para el modelo deportivo.
c) Calcule el tiempo teórico de flujo e identifique las actividades críticas para el tiempo
teórico de flujo y la mezcla de producción del inciso anterior.

Administración de Operaciones • Muñoz Alfaomega

" 3 1 C a p itu lo 5 - o r r . p e te n c ia en T ie m p o de Respuesta

7 . Considere la manufactura de autos de juguete del ejercicio 4, con las mismas activida­
des, contenidos de trabajo y precedencias,pero asuma que las actividades son ejecuta­
das por los recursos que se indican en la Tabla 5.13.

>, ' ' ' .

Id A ctividad Recursas utilizados
---- i
1 Separar pártes Técnico S

2. Corta r p Iatáfó rmá | Cortadora, Técnico 1

3 : Cortar carrocería j Cortadora, Técnico 1

4 Formar plataforma i Prensa, Técnico 2
5 Formar carrocería Prensa, Técnico 2
■: 6 :Subensamblar plataforma- j Técnico £1
7; Ensamblar : i Técnico E2
8 Inspeccionar Inspector

Tabla 5.13: Actividades y recursos en un proceso de manufactura.

a ) Asuma que existe sólo una unidad de cada uno de los recursos (técnico S, corta­
dora, técnico 1, técnico 2, prensa, técnico E l, técnico E2, inspector), y aplique la
heurística de menor holgura para programar las actividades para la manufactura de
un auto de juguete e identifique el tiempo promedio de flujo para la fabricación
de un auto,
b ) Construya los diagramas de carga para cada uno de los recursos.
c) Calcule la eficiencia del tiempo de flujo con base en el tiempo teórico de flujo y su
respuesta del inciso a),

8 . El Hospital Arcángel desea rediseñar el proceso de toma de rayos X, con el objetivo de

minimizar el tiempo requerido desdé que el paciente sale del consultorio del doctor
(para tomarse los rayos X ), hasta que el paciente y la placa llegan al consultorio del
doctor. Con el objetivo de estudiar el proceso actual, se han identificado las actividades
necesarias, que se detallan en la Tabla 5.14.

Id Tipo Predecesores

1 Paciente camina a sala de rayos X NVA Ninguno

2 Mensajero envía solicitud a sala de rayos X NVA Ninguno
3 ?" Técnico de rayos X llena una forma con los datos NVA 2
proporcionados: por el médico
4 Recepciónista recibe información de! paciente sobre su VA 1.3
seguro y la envía a la compañía
5 Paciente se coloca una bata VA 4
6 Técnico de laboratorio de rayos X toma la placa VA 5
,, 7 Técnico de revelado de rayos X revela la placa VA / ó

Alfaomega Adm inistración de Operaciones • Muñ

 Eje rcicio s del c a p ítu lo 5 133

8 Técnico de laboratorio de rayos X inspecciona la placa. VA 7

Si la placa no es satisfactoria se repiten los pasos 6, 7 y
8 (75% de las veces la placa pasa a la primera, 25% a la
segunda y ninguna requiere más)
9 El paciente se quita la bata y se viste VA 8
10 El paciente camina al consultorio NVA 9
11 Un mensajero lleva la placa al consultorio NVA 8

Tabla 5.14: Actividades para la toma de rayos X.

a ) Construya la red de actividades para este proceso (no incluya ningún buffer).
b ) Con base en una muestra de 50 pacientes para cada actividad, se estimaron las dura­
ciones de las actividades, número esperado de visitas y contenidos de trabajo de la
Tabla 5.15, identifique el tiempo teórico de flujo para este proceso y las correspon­
dientes actividades críticas.

Actividad Duración (minutos) Visitas Contenido de trabajo

1 7 1 7
2 20 1 20
3 6 1 ó
4 5 1 5
5 3 1 3
6 6 1.25 7.5
7 12 1.25 15
8 2 1.25 2.5
9 3 1 3
10 7 1 7
11 20 1 20

Tabla 5.15: Actividades y contenidos de trabajo para la toma de rayos X.

Identifique el tiempo teórico de flujo para este proceso y las correspondientes activi­
dades críticas.

c) Suponga que existen buffer antes de las actividades, y en la Tabla 5.16 se presenta el
inventario promedio estimado en cada uno de los buffer:

Actividad inmediata después de buffer inventario promedio

Solicitud o form a J P a c ie n te

1 0 I 0

2 2 0

3 1
L - . . . . ° ...........

Administración de Operaciones • Muñoz Alfaomega

134 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

4 1 1 j
5 0 1
ó 0 1
7 0 1 j
8 0 1
9 0 1
10 0 0
11 2 0 !
labia 5.16: Inventarios de las actividades para 'a toma de rayos X.

Si la tasa de flujo del sistema es de 15 pacientes por hora, estime los tiempos promedio
de espera (en minutos) en cada uno de los bufíer.

d) Con base en los datos de los incisos anteriores, estime el tiempo promedio de flujo
del proceso y las esperas en buffer que son críticas para el tiempo promedio de flujo.
e) Estime la eficiencia del tiempo de flujo para este servicio.

9. Incluya cada una de las siguientes modificaciones al proceso de la pregunta anterior

(cada una sin considerar las anteriores), y luego i) indique el efecto en los contenidos
de trabajo de las actividades, ii) indique el efecto en el tiempo teórico de flujo.

a) Instalar nuevo equipo que reduce el tiempo de revelado de 12 a 10 minutos.

b) Rediseñar la ruta del mensajero para reducir su tiempo de viaje de 20 a 15 minutos
en cada viaje de ida o vuelta.
c ) Incentivar a que el paciente reduzca su tiempo de viaje de 7 a 5 minutos.
d) Incentivar a que el paciente reduzca su tiempo de vestido/desvestido de 3 a 2 minutos.
e) Hacer que los pacientes lleven tanto el pedido como la placa de regreso.
f ) Reducir las tomas falladas de 25% a 5%.

10. Repetir el ejercicio anterior, pero incluyendo cada modificación en secuencia, adicio­
nalmente a las anteriores.
11. Cristina y Dolores tienen un negocio de venta de galletas bajo pedido. El proceso de
producción de una docena de galletas sigue el procedimiento que se explica a continua­
ción. Apenas recibida la orden por teléfono, deben ejecutarse las siguientes actividades
(adaptado de Bohn, 1986).

X A: Lavar utensilios y preparar la masa de acuerdo con el pedido (demora 6 minutos

en promedio).
X B: Vaciarla mezcla en un molde para 12 galletas (demora 2 minutos y debe haberse
ejecutado A).
X C: Preparar el hom o y poner el molde en el hom o (demora 1 minuto, durante el cual
se ocupa el horno, y debe haberse ejecutado B).
X D: Horneado de galletas (demora 9 minutos, durante los que sólo se ocupa el horno,
y debe haberse ejecutado C ).

Alfaomega Adm inistración de Operaciones • Muñoz

 Ejercicios del c a p ítu lo 5 135

X E: Descargar en una mesa, y dejar enfriarlas galletas (en lamesa) por 5 minutos, el tiem­
po de descarga se puede ignorar (sólo se ocupa la mesa, y debe haberse ejecutado D).
X F : Embolsarlas galletas (2 minutos, y debe haberse ejecutado E ).
X G : Entregar y cobrar (1 minuto, y debe haberse ejecutado F ) .

a ) Presente un diagrama de actividades para este proceso (no incluya buffer) si cada
pedido es de una docena de galletas, calcule el tiempo teórico de flujo (desde que
se recibió la orden hasta que se termina de cobrar). Asuma que no existen esperas
antes de cada actividad, y que no existen restricciones de recursos (humanos y/o
de capital).
b) Asuma ahora que cada pedido consiste de 2 docenas de galletas, y que si bien la
recepción, limpieza y mezcla para 2 docenas toma el mismo tiempo anterior (ó m i­
nutos), el hom o tiene capacidad para hornear sólo un molde (con 1 docena) de
galletas a la vez. El vaciado de la mezcla sigue tomando 2 minutos por molde y luego
del horneado, cada molde debe enfriarse antes de embolsar las galletas (el embolsa­
do toma 2 minutos por cada docena). La entrega y cobro sigue tomando 1 minuto
(pero las 2 docenas a la vez). Presente el diagrama de actividades correspondiente
y determíne el tiempo teórico de flujo (no existen restricciones de recursos y en
particular se dispone de varios hornos).

12. Considere el negocio de venta de galletas del ejercicio anterior. Para resolver los si­
guientes incisos se sugiere aplicar un método heurístico para programar actividades y
construir los diagramas de carga de los recursos.

a ) Estime el mínimo tiempo de atención de un pedido de 2 docenas, considerando

que existe sólo 1 horno con capacidad para un molde de 12 galletas (para preparar
el horno para la segunda docena, debe haberse horneado la primera) y que Cristina
ejecuta las actividades A y B, y Dolores ejecuta las actividades C, F y G.
b ) Estime el mínimo tiempo de atención de un pedido de 2 docenas para el caso des­
crito en a ), si se compra un segundo horno que puede hornear 1 molde a la vez.
c) Para el caso descrito en a ), estime el mínimo tiempo de atención si se reemplaza el
horno por uno que puede hornear 2 moldes a la vez. Nótese que algunas activida­
des (preparación de horno, horneado y enfriado) se hacen una sola vez para las dos
docenas, aunque el vaciado de la segunda docena sigue haciéndose después del de
la primera y algo similar ocurre con el empaque.
d ) Para el caso descrito en a ), estime el mínimo tiempo de atención si se reemplaza el
horno por uno que puede hornear 1 molde a la vez, pero en 6 minutos en lugar de 9
(la única diferencia con el caso a) es el tiempo de horneado).

13. Cristina y Dolores (C & D ) están considerando la utilización de su sistema de atención

de pedidos para ingresar al mercado de las pizzas. Cristina contratará un asistente para
operar la división de galletas, comprará un nuevo hom o para la división de pizzas, y se
dedicará a atender personalmente el negocio de pizzas. Las actividades para atender un
pedido se p resentan en la Tabla 5.17.

ministración de Operaciones • Muñoz Alfaomega

136 Capítulo 5 C o m p e te n c ia en T ie m p o de Respuesta

Id ' ' Actividad Duración (minutas) Predecesores

A Tema de ia orden por teléfono 2 Ninguno
B Mezcla de ingredientes para la masa 5 A
C Vaciado de la masa en un molde 1 B
D Preparación de ingredientes adicionales 2 A
E Limpieza y mezcla de ingredientes 2 D
F Agregar ingredientes a la masa C, E
1
G Preparación y carga del horno F
1
H Horneado 8 G
1 Descarga y empaquetado 1 H
J Entrega y cobro 1
__
Tabla 5.17: Actividades y duraciones para la venta de pizzas.

a) Construya un diagrama de actividades para el proceso y estime el tiempo teórico

de flujo.
b) Programe las actividades usando un método heurístico y construya los diagramas
de carga para Cristina, Dolores y el horno, que le permita estimar el menor tiempo
en que puede atenderse un pedido si las actividades A, B, C, D, E se asignan a Cris­
tina, y las actividades F, G, I, J se asignan a Dolores.
c) Programe las actividades usando un método heurístico y construya los diagramas
de carga para Cristina, Dolores y el horno, que le permita estimar el menor tiempo
en que puede atenderse un pedido si las actividades A, B, C, 1,J se asignan a Cristina,
y las actividades D, E, F, G se asignan a Dolores.
NOTA: En la preparación del horno se utiliza el mismo.

14. Considere el negocio de pizzas de C& D del ejercicio anterior pero suponga ahora que
el pedido es de 2 pizzas. Cada actividad mencionada se ejecuta para cada pizza por
separado, a excepción de la toma del pedido, de la entrega y cobro que siguen siendo
sólo una vez cada una para las 2 pizzas en su conjunto.

a) Construya un diagrama de actividades para el proceso y estime el tiempo teórico

de flujo.
b) Programe las actividades usando un método heurístico y construya los diagramas
de carga para Cristina, Dolores y el horno, que le permitan estimar el menor tiempo
en que puede atenderse un pedido (de 2 pizzas), si el horno es un microondas con
capacidad para una sola pizza, las actividades tipo A, B, C, I, J se asignan a Cristina,
y las actividades tipo D, E, F, G, a Dolores.
c) Proponga dos acciones para reducir el tiempo encontrado en el inciso b) e indique
cuáles serían los nuevos tiempos de flujo.
d) Construya los diagramas de carga que justifican los tiempos de flujo de su respuesta
del inciso c).

Alfaomega Adm inistración de Operaciones • Muñoz

Capítulo

Análisis de la capacidad

In tro d u cció n
Como vimos en el capítulo 2, la estrategia de competencia por costo
y volumen comprobó su aptitud para ganar mercados desde los ini­
cios de la Revolución Industrial, manteniendo hasta nuestros días su
evidente capacidad para competir con éxito. Cuando se compite por
costo y volumen es muy importante que el sistema de producción
sea capaz de lograr las mayores tasas de producción con los recursos
disponibles, en cuyo caso la administración de la capacidad de pro­
ducción se vuelve particularmente importante.
En este capítulo nos ocuparemos de los conceptos y técnicas
más importantes para analizar la capacidad de un sistema productivo
con la intención de ser capaces de diseñar el sistema para que utilice
sus recursos de manera adecuada, logrando producir su mayor tasa
de producción e incurriendo en los menores costos. En la primera
sección nos ocuparemos de los principales factores que deben con­
siderarse para análisis de capacidad, para enfocamos, en la segunda
sección, a las principales técnicas que nos permitirán medir la capa­
cidad. Finalmente en la tercera sección discutiremos los mecanismos
que nos permiten mejorar la capacidad de producción.
138 Capítulo 6 Análisis de la c a p a c id a d

© 6.1 PRINCIPIOS BÁSICOS PARA ANALIZAR

CAPACIDAD
La tasa de flujo de un sistema es el número promedio de unidades de flujo que salen del sistema por
unidad de tiempo. Es conveniente mencionar que aunque estamos utilizando el término tasa de flujo, en
congruencia con la nomenclatura introducida en el capítulo sobre Análisis de Procesos, en la mayoría de
libros de texto sobre Adm inistración de la Producción, se hace referencia a la tasa de flujo usando
otros términos más apropiados al ambiente de la producción de manufacturas y servicios, como son tasa
de producción, producción efectiva o en los libros en inglés como throughput.
La administración adecuada de la tasa de flujo influye de manera importante en la rentabilidad de la
empresa, ya que la producción excesiva conduce a costos innecesarios por altos inventarios y por reduc­
ciones de precio a través de promociones; por otro lado, la producción insuficiente no permite aprovechar
la demanda de nuestro producto en beneficio de la rentabilidad de la empresa. La tasa de flujo de un siste­
ma está limitada por la capacidad de producción del mismo y a continuación discutiremos los principales
factores que deben tenerse en cuenta para administrar la capacidad de un sistema productivo.

A * 6.1.1. FACTORES QUE AFECTAN LA CAPACIDAD

La capacidad de un sistema de producción es la máxima tasa de flujo que puede experimentar el sistema
bajo sus condiciones de operación, por lo que, para lograr una tasa de flujo adecuada, debemos entender
los factores que determinan la capacidad del sistema, lo que nos permitirá analizar y medir la capacidad de
nuestro sistema productivo. Los factores más importantes son:

1. Recursos. La calidad y cantidad de los recursos es el factor más importante para determinar la
capacidad de un sistema de producción. Notemos que una mayor eficiencia de los recursos (en
consistencia y rapidez), incrementa la capacidad de producción; así como una mayor cantidad
de recursos también tiene un efecto positivo. Por otro lado, la flexibilidad de los recursos tam­
bién influye en la capacidad de producción, ya que a medida que un recurso puede ejecutar más
actividades del proceso, se tiene mayor habilidad para evitar la inactividad de los recursos.
2. Red de actividades y buffer. La duración de las actividades, la estructura de la red de activida­
des e inclusive los tamaños de los buffer tiene una gran influencia en la tasa de flujo (y por ello
en la capacidad de producción) del sistema. Por ejemplo, si el buffer de la actividad siguiente
se encuentra lleno, la producción se bloquea debido a que no se pueden enviar unidades por
falta de espacio para espera. Más aún, las decisiones óptimas sobre capacidad e inventarios son
dependientes entre sí (Bradley y Glynn, 2002).
3. Políticas de operación. Diversas políticas, ya sea el orden en que se procesan varios productos
en espera, la asignación de los diferentes recursos a la ejecución de las actividades o la simple
asignación de prioridades a ciertas entidades pueden tener un alto impacto en la tasa de flujo
(ver el capítulo sobre Planeación y Control de las Actividades Productivas). Por ejemplo, la re­
gla de procesar primero las entidades que tendrán un menor tiempo de proceso, intuitivamente
permite que las entidades aceleren su permanencia en la fila de espera y puede tener un efecto
positivo en la tasa de flujo por lo que la conveniencia de esta regla ha sido explorada bajo condi­
ciones muy generales (ver, por ejemplo, Xia et al., 2000).
4. Mezcla de producción. En muchos sistemas de producción se producen diferentes modelos
del mismo producto o también diferentes productos, con diferentes tiempos de proceso y/o
complejidades. Estas diferencias tienen por consecuencia que la mezcla de productos tenga un

Alfaomega Administración de Operaciones • Muñoz

 6.1 P rin cip ios básicos para analizar c a p a c id a d 139

impacto sobre la tasa de flujo. En la práctica, sin embargo, la mezcla de producción está deter­
minada por la demanda de los diferentes modelos o productos por lo que existe poca libertad
para cambiar la mezcla de producción, a menos que se puedan tomar decisiones sobre especia-
lización de la producción en varias plantas productivas.

s * 6.1.2. ORGANIZACIÓN DE LOS RECURSOS

En el capítulo 5 anterior remarcamos que el tiempo teórico de flujo en un proceso productivo está deter­
minado por los contenidos de trabajo de las actividades críticas del proceso. Cuando deseamos analizar la
tasa de flujo del sistema, debemos tomar en cuenta además las capacidades de los recursos que ejecutan
las actividades, ya que si bien es cierto que la duración de las actividades influye en la tasa de flujo también
es cierto que se puede incrementar la capacidad de producción incrementando la cantidad de los recur­
sos disponibles. Es por esta razón que para analizar la capacidad del sistema debemos primero investigar
cómo están organizados los recursos que ejecutan las actividades necesarias.
Los recursos de un sistema de producción se organizan en grupos (o talleres funcionales) a los que
llamaremos pooles. En consecuencia, entenderemos por pool de recursos a un conjunto de recursos
que ejecutan las mismas actividades y que son intercambiables, en el sentido de que ejecutan sus activi­
dades con el mismo nivel de eficiencia. Cada recurso dentro de un pool es una unidad de recurso dentro
del pool. Así por ejemplo, un grupo de 5 telefonistas en una central telefónica conforman un pool de
telefonistas con 5 unidades, siempre y cuando cualquier telefonista esté capacitado para atender cualquier
llamada telefónica.
Debido a que cada unidad de recurso dentro de un pool debe ejecutar todas las actividades que son
propias del pool, la carga de trabajo por cada entidad atendida (a la que llamaremos carga unitaria) es la
suma de los contenidos de trabajo de todas las actividades que realiza cada unidad del pool de recursos,
como ilustraremos con el próximo ejemplo.

□----------------------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 6.1: Cargas unitarias para la atención en una sala de emergencia
Consideremos el servicio en una sala de emergencia, ilustrado en la Figura 4.9 del Ejemplo 4.6, donde
cada paciente, luego de registrarse y recibir una inspección rápida será atendido por un doctor, en el área
de tratamiento especializado o en el área de tratamiento regular. Una alternativa para organizar los recur­
sos humanos para la atención en este sistema es la de considerar 4 pooles, cada uno con cierto número
de unidades (verla Figura 6.1). Bajo esta alternativa, los 4pooles corresponden a ( l ) recepcionista, (2)
enfermera de inspección rápida, (3 ) médico de tratamiento especializado y (4) médico de tratamiento
regular. Utilizando los tiempos de atención promedio por paciente, ilustrados en la Figura 4.9, para cada
una de las actividades se obtienen las cargas unitarias que se presentan en la Figura 6.1. Así por ejemplo,
la carga unitaria del pool de recepcionistas es de 3 minutos, debido a que cada recepcionista se ocupa sólo
de la recepción, siendo que el tiempo promedio de atención para esta actividad es de 3 minutos con un
número esperado de visitas igual a 1. En cambio, para calcular la carga unitaria en el pool de médicos para
tratamiento especializado, debemos tener en cuenta que el número esperado de visitas por paciente es de
0.1 y considerando el tiempo promedio de atención de 30 minutos, resulta una carga unitaria (contenido
de trabajo) de 0.1 (3 0 ) = 3 minutos.

-a m inis tración de Operaciones • Muñoz Alfaomega

140 Capítulo ó Análisis de la c a p a c id a d

Recepcionista
C arga unitaria = 3 minutos

Enferm era de inspección rápida

Carga unitaria = 4 minutos

Médico tratamiento especializado

Carga unitaria = 3 minutos

Médico tratamiento regular

Carga unitaria = 5 .4 minutos

Figura 6.1 Organización de recursos en un servicio para el cuidado de la salud (alternativa 1).

R ecepcionista-tnferm era
Carga unitaria = 7 minutos

Médico tratamiento especializado

Carga unitaria = 3 minutos

Médico tratamiento regular

C arga unitaria = 5.4 minutos

Figura 6.2 Organización de recursos en un servicio para el cuidado de la salud (alternativa 2).

En la Figura 6.2 se ilustra otra alternativa de organización de los recursos para prestar este servicio.
En esta ocasión se proponen 3 pooles de recursos: ( l ) recepcionista y enfermera de inspección, (2) mé­
dico de tratamiento especializado y (3 ) médico de tratamiento regular. La diferencia con la alternativa 1
es que ahora cada empleada del primer pool ejecuta las dos actividades (recepción e inspección rápida)
en cada paciente. Bajo esta alternativa cambia la carga unitaria del primer pool, ya que al ejecutar cada em­
pleada las dos actividades, su carga unitaria es de 3 + 4 = 7 minutos, manteniéndose la carga unitaria del
pool de médicos para tratamiento especializado en 3 minutos y la del pool de médicos para tratamiento
regular en 5.4 minutos.
---------------------------------------------------------------------------------------------------- □
La capacidad de producción de un pool de recursos depende, además de la carga unitaria, del tiempo
que las unidades del pool estarán disponibles para producir y del número de unidades que cada unidad
procesa simultáneamente, por lo que debemos introducir los conceptos de disponibilidad programada
y de carga consolidada.

Alfaomega Adm inistración de Operaciones • Muñoz

 6.1 P rin cip ios básicos para analizar c a p a c id a d 141

La disponibilidad programada de una unidad de recurso es el tiempo que la unidad estará disponible
por cada período de referencia, así por ejemplo, una disponibilidad programada de 4 horas/día significa
que la unidad estará disponible sólo 4 horas durante el período de referencia de 1 día. La disponibilidad
programada de un pool de recursos es la suma de las disponibilidades programadas de cada uno de sus
recursos; por ejemplo, la disponibilidad programada de un pool que tiene 5 unidades, cada una con una
disponibilidad programada de 4 horas/día es de 20 horas/día.
Algunos recursos tienen la capacidad de procesar entidades que constan de más de una unidad de
flujo. Por ejemplo, el horno de una panadería puede hornear varias hogazas de pan en cada horneada o
también el tren de laminación de una laminadora de acero puede laminar rollos de diferente tonelaje. Esta
capacidad de consolidación debe tomarse en cuenta para analizar la capacidad de un sistema, por lo que
entenderemos por carga consolidada de un pool de recursos al número de unidades que procesa simultá­
neamente (por cada carga unitaria), cada unidad del pool de recursos.
□— — — . — ----- ------------------- ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Ejemplo 6.2: Capacidad teórica de un pool de aviones de pasajeros

La aerolínea Acapulco Express opera la ruta Acapulco-Ciudad de México-Acapulco con un pool de 5
aviones, cada uno con una capacidad para 16 pasajeros y aunque cada viaje (ya sea Acapulco-Ciudad de
México o viceversa) toma 1 hora (incluyendo el abordaje y la preparación del avión), la disponibilidad
programada para cada avión es de 40 horas/semana, como se ilustra en la Figura 6.3.

Recurso consolidador: Avión

mm
mm
mm
mm Número de unidades en el pool = 5
Carga unitaria = 1 hora
99 BB Disponibilidad programada = 40 horas / sem ana
mm Carga consolidada = 16 pasajeros
mm
® ss

Figura 6.3: Organización de un pool de aviones de pasajeros.

Considerando los datos de la Figura 6.3, la disponibilidad programada del pool de aviones es de 200
horas/semana, por lo que si suponemos que cada avión estará operando (en vuelo, abordaje o prepara­
ción) durante el total de la disponibilidad programada y con todos sus asientos ocupados, la capacidad
teórica (a la semana) del pool de aviones sería de:

(d is p o n ib ilid a d p r o g r a m a d a ) * ( c a r g a c o n s o lid a d a )
C a p a c id a d t e ó r ic a =
ca rg a u n ita ria

_(2 0 0 )(1 6 ) _
: 3 2 0 0 p a s a je r o s / s e m a n a .

■D

-d m inis tración de Operaciones • Muñoz Alfaomega

142 Capítulo 6 Análisis de la c a p a c id a d

© 6.2 MEDICIÓN DE LA CAPACIDAD

La capacidad de un sistema de producción es la máxima tasa de flujo (producción) que puede expe­
rimentar el sistema bajo sus condiciones de operación. Com o se ilustra en la Figura 6.4, debido a que
sólo podemos conocer aproximadamente la capacidad real del sistema a medida que nos esforzamos para
alcanzar la mayor tasa de flujo es que se han propuesto los conceptos de capacidad teórica y capacidad
efectiva (que explicaremos a continuación) para conocer aproximadamente la capacidad real del sistema,
a partir de los principales elementos que determinan la capacidad del sistema de producción. En esta
sección nos ocuparemos de los principales indicadores relacionados con la tasa de flujo del sistema de
producción y de las técnicas que permiten calcular estos indicadores.

( Capcidad
utilizada)

Figura 6.4: Diferentes conceptos de capacidad.

/v * 6.2.1. CAPACIDAD TEÓRICA Y CAPACIDAD EFECTIVA

La capacidad teórica de un sistema de producción es la máxima tasa de flujo que puede experimentar el
sistema, si sus recursos pueden utilizarse durante el lapso total de tiempo correspondiente a su disponibi­
lidad programada. La capacidad teórica de un sistema puede calcularse a partir de las capacidades teóricas
de los pooles de recursos que ejecutan las actividades del sistema, como explicamos a continuación.
La capacidad teórica de un recurso es la máxima tasa de producción sostenible por una unidad del
recurso, si ésta se utiliza durante el lapso total de tiempo correspondiente a su disponibilidad programada,
por lo que podemos calcularla a partir de la siguiente ecuación:

(disponibilidad neta W carga consolidada)

Capacidad efectiva de un recurso = ----------------------------------------- -------------------. (6-1)
carga unitaria

Por extensión natural, la capacidad teórica de un pool de recursos es la suma de las capacidades teó­
ricas de las unidades que constituyen el pool y si las disponibilidades programadas de todos los recursos
del pool son iguales, para encontrar la capacidad teórica del pool, bastará con multiplicar el número de
unidades en el pool por la capacidad teórica del recurso. En el Ejemplo 6.2, la disponibilidad programada
del avión de pasajeros era de 40 horas/semana, con una carga consolidada de 16 pasajeros/vuelo y una
carga unitaria de 1 hora/vuelo, por lo que la capacidad teórica de cada avión es de 4 0 ( l 6 ) / l = 640 pasa­
jeros/ semana y la capacidad teórica del pool de S aviones es de S (6 4 0 ) = 3200 pasajeros/semana, como
se adelantó en el ejemplo.
El cuello de botella de un sistema de producción es el pool de recursos con menor capacidad y en
consecuencia, determina la capacidad del sistema; es por esta razón que la capacidad teórica del sistema
es la capacidad teórica del cuello de botella teórico (el pool que tiene la menor capacidad teórica). Las
diferencias entre las capacidades de los diferentes pooles de recursos que participan en el mismo proceso
de producción determinan que los recursos experimenten diferentes niveles de utilización, por lo que

Alfaomega Adm inistración de Operaciones • Muñoz

 6.2 M e d ic ió n de la c a p a c id a d 143

cuando se ha estimado la tasa de flujo del sistema es conveniente determinar la capacidad utilizada de
cada pool de recursos:

tasa de flujo
Capacidad utilizada de un pool = ' 100%. ( 6 .2 )
capacidad teórica del pool

En el Ejemplo 6.2, si la tasa de flujo del pool de aviones se estima en 2 4 0 0 pasajeros/semana, la

capacidad utilizada del pool sería de ( 2 4 0 0 ) ( l0 0 )/ ( 3 2 0 0 ) = 75%. Por último, la capacidad utilizada del
sistema de producción se puede calcular dividiendo la tasa de flujo del sistema entre la capacidad teórica
del sistema, como ilustraremos con el siguiente ejemplo.

□----------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 6.3: Capacidad teórica para producir un componente electrónico
Consideremos el proceso de manufactura del componente electrónico de Delmex del Ejemplo 5.1 (ver la
Figura 5.2). Dicho proceso consta de 7 actividades, cuyos contenidos de trabajo, asumiendo un número
esperado de visitas igual a 1 para cada actividad, se presentan nuevamente en la Tabla 6.1, junto con las
identificaciones correspondientes a los pooles de recursos que tienen a su cargo la ejecución de la acti­
vidad correspondiente. El nombre del pool correspondiente a cada Id se presenta en la Tabla 6.2, así por
ejemplo, la actividad de sellado es ejecutada conjuntamente por los pooles O SPC (Operario de Sellado y
Rrueba) y M SEL (Máquina de Sellado).

Contenidos
Id Actividad Id pooles de recursos
de trabajo
1 Separación de partes 1 OSEP
L........................
2 Ensamble tarjeta A 1 OETA

3 Ensamble tarjeta B 1.5 OETB

4 Prueba tarjeta A 1.5 OPTA, EPTA

5 Prueba tarjeta B 2 OPTB, EPTA

6 Sellado 1 OSPC, MSEL

7 Prueba componente 1.5 OSPC, EPTA

Tabla 6.1: Contenidos de trabajo y recursos para la manufactura de un componente electrónico.

Asumiendo que la disponibilidad programada es de 8 horas por turno, que la carga consolidada de
cualquier recurso es de una unidad y que cada pool de recursos consta de una sola unidad, en la Tabla
6.2 presentamos las correspondientes cargas unitarias y capacidades teóricas para cada pool de recursos
¿e este proceso productivo. Por ejemplo, para el pool EPTA (Equipo para Prueba de Tarjetas), la carga
unitaria es de 1.5 + 2 + 1.5 = 5 minutos, debido a que el equipo se utiliza para la prueba de las 2 tarjetas
t del componente (actividades 4 ,5 y 7 ), y al tener una carga consolidada de un componente, la capacidad
teórica del recurso resulta de:

( l com ponente)(8 horas/turno)(60 minutos/hora)/(5 minutos) = 96 componentes/turno,

: : t último, como el número de unidades en el pool es de uno, la capacidad teórica del pool EPTA es tam-
: en de 96 componentes/turno.

- nistración de Operaciones • Muñoz Alfaomega

144 Capítulo 6 Análisis de la c a p a c id a d

Carga #de Capacidad

Id Pool de recurso Actividades
unitaria unidades teórica
OSEP Operario de separación 1 1 1 480

OETA Operario de ensamble tarjeta A 2 1 1 480

OETB Operario de ensamble tarjeta B 3 1.5 1 320

OPTA Operario de prueba tarjeta A 4 1.5 1 320

OPTB i Operario de prueba tarjeta B 5 2 1 240

OSPC 1 Operario de sellado y prueba 6, 7 2.5 1 192

1
MSEL Máquina para sellado 6 1 1 480

EPTA Equipo para prueba de tarjetas 4, 5, 7 5 1 96

Tabla 6.2: Capacidad teórica para la manufactura de un componente electrónico.

A partir de los datos de la Tabla 6.2, podemos apreciar que el cuello de botella teórico de este proceso
de manufactura es el pool EPTA, por lo que la capacidad teórica del proceso es de 96 componentes/turno.
Asumiendo que se experimenta una tasa de flujo de 96 componentes/turno (igual a la capacidad teórica),
la capacidad utilizada del proceso de manufactura de componentes sería del 100%, pero aún así, como
ilustramos en la tabla 6.3, las capacidades utilizadas de algunos de los pooles serían bastante bajas. Por
ejemplo, la capacidad utilizada de los pooles OSEP, OETA y M SEL sería tan sólo del 20%, lo cual obedece
al hecho de que este proceso productivo está muy mal balanceado (ver el capítulo sobre Disposición de
las Instalaciones).

Id Pool de recurso Capacidad teórica Capacidad utilizada

OSEP Operario de separación 480 20.00%

OETA Operario de ensamble tarjeta A 480 20.00%

OETB Operario de ensamble tarjeta B 320 30.00%

OPTA Operario de prueba tarjeta A 320 30.00%

OPTB Operario de prueba tarjeta B 240 40.00%

OSPC Operario de sellado y prueba 192 50.00%

MSEL Máquina para sellado 480 20.00%

EPTA Equipo para prueba de tarjetas 96 100.00%

Tabla 6.3: Capacidades utilizadas en la manufactura de un componente electrónico.

-------------------------------------------------------------------------------------------------------------------------------p

En la práctica, los recursos no están disponibles durante todo el lapso correspondiente a su dispo­
nibilidad programada, ya que experimentan períodos de indisponibilidad por causas no previstas, como
podrían ser tiempos por apertura de procesos, mantenimiento preventivo, mantenimiento correctivo por
fallas imprevistas, o indisponibilidad del personal, por ejemplo. Es por esta razón que en cada período
de referencia, debemos diferenciar entre la disponibilidad programada de la unidad de un recurso y su
disponibilidad neta, que es el lapso de tiempo efectivo durante el cual se puede contar con la unidad de

Alfaomega Adm inistración de Operaciones » Muñoz

 6.2 M e d ic ió n de la c a p a c id a d 145

recurso, para la ejecución de las actividades productivas. Para estimar anticipadamente la disponibilidad
neta de un recurso, podemos asumir que existe un factor de pérdida de disponibilidad, que en la práctica
se estima empíricamente, y que responde a la siguiente ecuación:

disponibilidad neta
Factor de pérdida de disponibilidad = 100%. (6.3)
disponibilidad programada

Considerando la disponibilidad programada y el factor de pérdida de disponibilidad de cada recurso,

podemos calcular la disponibilidad programada, lo que nos permitirá estimar la capacidad efectiva del
proceso, com o explicamos a continuación.
La capacidad efectiva de un recurso es la máxima tasa de producción sostenible por una unidad del
recurso, si ésta se utiliza durante el lapso total de tiempo correspondiente a su disponibilidad neta, por lo
que podemos calcularla a partir de la siguiente ecuación:

(disponibilidad neta W carga consolidada 1

Capacidad teórica efectiva de un recurso = 3--------------------------- — --------------------------(6.4)
carga unitaria

La capacidad efectiva de un pool de recursos es la suma de las capacidades efectivas de las unidades
que constituyen el pool, por lo que si en el Ejemplo 6.2, el factor de pérdida de disponibilidad se estima en
40%, debido a demoras en el aeropuerto, mantenimiento correctivo y otros imprevistos, con una dispo­
nibilidad programada de cada avión de pasajeros de 40 horas/semana, despejando de la ecuación (6.3),
resultará una disponibilidad neta de ( l - 0 .4 )(4 0 ) = 24 horas/semana. Considerando que la carga con­
solidada es de 16 pasajeros/vuelo, yla carga unitaria de 1 hora/vuelo, la capacidad efectiva de cada avión
sería de 24(16)/ 1 = 384 pasajeros/semana, y la capacidad efectiva del pool de S aviones sería de 5 (3 8 4 )
= 1 9 2 0 pasajeros/semana.
El cuello de botella de un sistema de producción es el pool de recursos con menor capacidad y en
consecuencia, determina la capacidad del sistema; es por esta razón que la capacidad teórica del sistema es
la capacidad teórica del cuello de botella teórico (el pool que tiene la menor capacidad teórica). Como
es de esperar, la capacidad efectiva de un sistema de producción es la capacidad efectiva del cuello de botella
efectivo (el pool de recursos que tiene la menor capacidad efectiva), como ilustramos con el siguiente
ejemplo.

□---------------------------------------------------------------------------------------------------------------------------------
Ejemplo 6.4: Capacidad efectiva para producir un componente electrónico
Consideremos el proceso de manufactura del componente electrónico del Ejemplo 6.3. El taller para la
manufactura del componente está programado para operar un tumo de 480 minutos/día y luego de observar
el desempeño del taller por un período de 3 semanas, se ha estimado que la pérdida de disponibilidad es
;e l 20% para los recursos de todos los pooles, excepto para el equipo de prueba de tarjetas (EPTA ), cuya
rerdida de disponibilidad se estima en 5%.

- ■ stración de Operaciones • Muñoz Alfaomega

146 Capítulo 6 Análisis de la c a p a c id a d

Disponibilidad Capacidad
Pool de recurso
Factor de unitaria
Programada N eta Teórica Efectiva
pérdida

Operario de separación 480 0.2 384 1 480 384

Operario de ensamble tarjeta A 480 0.2 384 1 480 384

Operario de ensamble tarjeta B 480 0.2 384 1.5 320 256

Operario de prueba tarjeta A 480 0.2 384 1.5 320 256

Operario de prueba tarjeta B 480 0.2 384 2 240 192

Operario de sellado y prueba 480 0.2 384 2.5 192 153.6

Máquina para sellado 480 0.2 384 1 480 384

Equipo para prueba de tarjetas 480 0.05 456 5 96 91.2

Tabla 6.4: Capacidades efectivas y teóricas para la manufactura de un componente.

En la Tabla 6.4 se presenta un resumen de los cálculos necesarios para encontrar las capacidades
efectivas de cada pool de recursos, asumiendo que el número de unidades de recursos en cada pool es de
uno. Los cálculos detallados se presentan en la hoja de cálculo del archivo Excel correspondiente a este ca­
pítulo. Por ejemplo, despejando de la ecuación (6 .3 ), la disponibilidad neta del recurso del pool Operario
de sellado y pru eba es de (1 - 0.2) (4 8 0 ) = 384 minutos/día, por lo que la capacidad efectiva del recurso,
de acuerdo con (6.4), es de ( 3 8 4 )(l)/ (2 .5 ) = 153.6 componentes/día, y en consecuencia, la capacidad
efectiva del pool es de ( l ) (153.6) = 153.6 componentes/día.
Como puede apreciarse de la Tabla 6.3, el cuello de botella efectivo es nuevamente el equipo para
prueba de tarjetas, por lo que la capacidad efectiva de este proceso de manufactura es la capacidad efectiva
de dicho cuello de botella, que es de 91.2 componente/día.

s S 6.2.2. CAPACIDADES CON DIFERENTES TAMAÑOS

DE ENTIDADES
Para analizar la capacidad de un sistema de producción donde ingresan diferentes tipos de entidades de
flujo (se producen productos diferentes), debemos tener en cuenta que, debido a que las entidades dife­
rentes pueden tener distintos contenidos de trabajo, debemos calcular los contenidos de trabajo de cada
actividad considerando la mezcla de producción. En general, si se producen n productos diferentes, la
n
mezcla de producción está determinada por los pesos w^, w2, ■■■wn¡ que deben satisfacer '^n/¡ = 1, y
; =1
0 ^ Wj á 1, j = 1,2 ,...,« , ydados los contenidos de trabajo C T (i,j) para cada producto correspondien­
tes a la actividad i , debe calcularse el contenido de trabajo C T(¿) para cada actividad i, de acuerdo con la
ecuación (5 .8 ), de manera que las cargas unitarias de los diferentes pooles de recursos se calculan con
estos contenidos de trabajo y las capacidades teóricas y efectivas de cada pool se calculan como en el caso
anterior. Con el siguiente ejemplo ilustraremos la aplicación de esta ecuación.

Alfaomega Adm inistració n de Operaciones * Muñoz

 6.2 M e d ic ió n de la c a p a c id a d 147

□-----------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 6.5: Análisis de capacidad para una mezcla de productos
Supongamos que los contenidos de trabajo de la Tabla 6.1 del Ejemplo 6.3, corresponden al modelo S del
componente y que además de este modelo se produce también el modelo T, cuyos contenidos de trabajo
por actividad se presentan a continuación en la Tabla 6.4, junto con los contenidos de trabajo del modelo
S y los pooles de recursos que están asignados a cada actividad.

Contenidos de trabajo
Id pooles de
Id Actividad
recursos
M odelo S M odelo T Mezcla

l Separación de partes 1 1.5 1.2 OSEP

1 1.5 1.2 OETA

2 Ensamble tarjeta A

1.5 1.5 1.5 OETB

3 Ensamble tarjeta B

2.5 1.9 OPTA, EPTA

4 Prueba tarjeta A 1.5

2 3 2.4 OPTB, EPTA

5 Prueba tarjeta B

Sellado 1 1 1 OSPC, MSEL

6

1.5 1.5 1.5 OSPC, EPTA

7 Prueba componente

Tabla 6.5: Contenidos de trabajo para una mezcla de producción.

En la Tabla 6.5, se presentan también los contenidos de trabajo para una mezcla de producción del
60% del modelo S y 40% del modelo T. Así por ejemplo, siendo los pesos w 1 = 0.6, w2 — 0.4, y los conte­
nidos de trabajo C T (5 ,l) = 2, C T (5,2) = 3, para la actividad Prueba tarjeta B, de acuerdo con la ecuación
(5.8), el contenido de trabajo para esta actividad resulta 0 .6 (2 ) + 0 .4 (3 ) = 2.4 minutos.

Disponibilidad Capacidad
Carga
Pool de recurso
unitaria Programada N eta Teórica Efectiva

Operario de separación 1.2 480 384 400.00 320.00

Operario de ensamble tarjeta A 1.2 480 384 400.00 320.00

Operario de ensamble tarjeta B 1.5 480 384 320.00 256.00

Operario de prueba tarjeta A 1.9 480 384 252.63 202.11

Operario de prueba tarjeta B 2.4 480 384 200.00 160.00

Operario de sellado y prueba 2.5 480 384 192.00 153.60

Máquina para sellado 1 480 384 480.00 384.00

Equipo para prueba de tarjetas 5.8 480 456 82.76 78.62

Tabla 6.6: Contenidos de trabajo para una mezcla de producción.

- : ~ in is tr a c ió n de Operaciones • Muñoz Alfaomega

148 Capítulo 6 Análisis de la c a p a c id a d

En la Tabla 6.6, se presentan las cargas unitarias y las capacidades teórica y efectiva (por tum o) para
cada pool de recursos, cuando la disponibilidad programada es de 480 minutos/turno, se tiene una unidad
de recurso en cada pool y los factores de pérdida de disponibilidad corresponden a los de la Tabla 6.3. Por
ejemplo, la carga unitaria del pool O SPC ( Operario de sellado y pru eba) es de 1 + 1.5 = 2.5 minutos, ya
que el recurso del pool O SPC ejecuta las actividades de sellado ( l minuto) y de prueba del componente
(1.5 minutos), la disponibilidad efectiva del recurso O SPC resulta de ( l - 0 .2)480 = 384 minutos, y la
capacidad efectiva del pool de ( l ) ( 3 8 4 ) ( l ) / 2 .5 = 153.6 componentes/turno.
Como podemos apreciar de la Tabla 6.6, el pool de recurso Equipo p a ra prueba de tarjetas es tanto
el cuello de botella teórico como el cuello de botella efectivo, por lo que la capacidad teórica del proceso
de manufactura es de 82.76 componentes/tumo y la capacidad efectiva del proceso de manufactura es de
78.62 componentes/turno. En consecuencia, usando los recursos a plenitud durante toda su disponibili­
dad neta, la tasa de flujo del sistema no podrá exceder los 7 8.62 componentes/día, dado que la mezcla de
producción es de 60% del modelo S y 40% del modelo T.
--------------------------------------------------------------------------------------------------- o

Cuando se procesan entidades heterogéneas en el mismo sistema productivo, no sólo los contenidos
de trabajo sino también las cargas consolidadas pueden ser diferentes. Por ejemplo, un avión de pasajeros
no siempre volará con todos los asientos ocupados, o un tren de laminación de una laminadora de acero
puede laminar rollos de diferente tonelaje, de acuerdo con la orden de producción. En este caso, además
de los pesos ( Wj) correspondientes a las diferentes entidades (productos), para cada pool de recursos,
requerimos las cargas consolidadas CC(fc, j ) correspondientes a las diferentes entidades que ingresan al
proceso productivo. Para cada pool de recursos k debe calcularse la carga consolidada esperada de acuerdo
con:

C C (k0 = ! X - C C ( ¿ , / ) , (6-5)
i-l

luego de calcular las cargas consolidadas esperadas para cada recurso, se puede calcular la correspondiente
capacidad teórica o efectiva de acuerdo con (6.1) o (6 .4 ), según sea el caso, utilizando la carga consolida­
da esperada en lugar de la carga consolidada, procediendo como antes para encontrar la capacidad teórica
o la efectiva de todo el proceso. La aplicación de la ecuación (6.5) será ilustrada con el Caso 6.1 al final
de este capítulo.

@ 6.3 MEJORA DE LA CAPACIDAD

Como explicamos al inicio de este capítulo, la capacidad de un sistema y su tasa flujo depende fundamental­
mente de la cantidad y calidad de los recursos, así com o de las políticas de operación del sistema. Tenien­
do en cuenta estos factores, además de los diferentes conceptos que nos permiten analizar la capacidad y
que acabamos de discutir, en esta sección nos ocuparemos de los principales mecanismos para adminis­
trar la tasa de flujo y la capacidad del sistema.

/S 6.3.1. MEJORA DE LA CAPACIDAD TEÓRICA

De acuerdo con la ecuación 6.1, la capacidad teórica de un pool de recursos se puede mejorar incremen­
tando la disponibilidad programada o la carga consolidada, o bien disminuyendo la carga unitaria de los
recursos del pool. Teniendo en cuenta además que la capacidad teórica del sistema es igual a la capacidad

Alfaomega Adm inistración de Operaciones • Muñoz

 6.3 M e jo ra de la c a p a c id a d 149

teórica del cuello de botella, podemos identificar los siguientes mecanismos para mejorar la capacidad
teórica del sistema:

1. Disminuir la carga unitaria de los recursos del cuello de botella, ya sea disminuyendo la dura­
ción de las actividades del pool (trabajando más rápido), disminuyendo el número esperado de
visitas (trabajando mejor) o pasando carga de trabajo a otro pool de recursos que no es cuello
de botella.
2. Incrementar la disponibilidad programada de los recursos que constituyen el pool cuello de b o ­
tella, es decir, utilizar un lapso de tiempo mayor dentro del periodo de referencia. Por ejemplo,
incrementar la disponibilidad programada de 8 horas/día a l ó horas/día.
3. Incrementar el número de unidades en el cuello de botella, ya que conservando la misma dispo­
nibilidad programada para las otras unidades, aumentará la disponibilidad programada del pool
debido a la contribución de las nuevas unidades.
4. Incrementar la carga consolidada de los recursos que constituyen el pool cuello de botella, por
ejemplo, pasar de aviones de 16 pasajeros a aviones de SO pasajeros aunque en este caso el cam­
bio tecnológico implica una inversión considerable.

Es necesario remarcar que si implantamos cualquiera de los mecanismos que acabamos de mencionar,
en la mayoría de los casos se incurrirá en costos adicionales. Así por ejemplo, para que nuestros recursos
trabajen más rápido se debe invertir en capacitación (en el caso de recursos humanos) o en algún cambio
tecnológico que permita la reducción de los tiempos de ejecución. Estas consideraciones nos permiten
apreciar la conveniencia de hacer un estudio previo de los costos y beneficios del cambio antes de implantar
alguno de los mecanismos que acabamos de mencionar. Al hacer dicho estudio, es importante que tengamos
en cuenta que luego de implantar alguna mejora en el cuello de botella teórico, es posible que el cuello de
botella sea ahora algún otro pool de recursos, como ilustramos con el siguiente ejemplo.

O----------------------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 6.6: Mejora de la capacidad de un cuello de botella
Consideremos los contenidos de trabajo de la Tabla 6.1, para la manufactura de un componente electróni­
co. Como encontramos en el Ejemplo 6.3, el cuello de botella teórico con una unidad en cada uno de los
pooles de recursos correspondía al pool del Equipo p a ra prueba de tarjetas (EPTA ), con una capacidad teó­
rica de 96 componentes/turno. Un mecanismo evidente para incrementar la capacidad teórica (y también
.a efectiva) del sistema sería adquirir otro equipo para prueba de tarjetas, para disponer de dos unidades
en dicho pool. En la Tabla 6.6 se presenta un resumen de los cálculos necesarios para encontrar las nuevas
capacidades teóricas y efectivas para cada uno de los pooles de recursos de este proceso de manufactura.

nistración de Operaciones Muñoz Alfaomega

150 Capítulo 6 Análisis de la c a p a c id a d

■
.
# de Disp. Factor de Disp. Carga Cap. Cap.
Pool de recurso
unidades program ada pérdida neta unitaria teórica efectiva

Operario 1 480 0.2 384 1 480 384

de separación

Operario de 1 480 0.2 384 1 480 384

ensamble tarjeta A
Operario de 1 480 0.2 384 1.5 320 256
ensamble tarjeta B
Operario de prueba 1 480 0.2 384 1.5 320 256
tarjeta A
Operario de prueba 1 480 0.2 384 2 240 192
tarjeta B
Operario de sellado 1 480 0.2 384 2.5 192 153.6
y prueba
Máquina 1 480 0.2 384 1 480 384
para sellado
Equipo para 2 480 0.05 456 5 192 182.4
prueba de tarjetas

Tabla 6.7: Capacidades teórica y efectiva para la manufactura de un componente.

Como podemos apreciar de la Tabla 6.7, con dos unidades en el pool del equipo para prueba de tar­
jetas, la capacidad teórica del proceso se incrementa a 192 componentes/turno, y aunque el pool EPTA
sigue siendo cuello de botella teórico, el pool O SPC se convierte también en cuello de botella teórico.
Nótese que el pool O SPC es también el único cuello de botella efectivo, ilustrando el hecho de que un
cuello de botella teórico (EPTA ) no necesariamente es un cuello de botella efectivo.

/v * 6.3.2. MEJORA DE LA TASA DE FLUJO

Como ya mencionamos en la sección anterior, la capacidad efectiva es menor que la capacidad teórica de­
bido a que ocurren tiempos muertos imprevistos por restricciones internas del proceso, como son el man­
tenimiento por fallas o el ausentismo, y los tiempos por apertura de procesos. Es conveniente mencionar
que debe evitarse el contabilizar a los tiempos muertos previstos como si fueran parte de la disponibilidad
programada, ya que esto genera diferencias innecesarias entre las disponibilidades programada y neta. Por
ejemplo, los mantenimientos preventivos no deben efectuarse dentro de los periodos de disponibilidad
programada, así como los descansos obligatorios del personal (por refrigerio u otras causas previstas)
tampoco deben contabilizarse dentro de la disponibilidad programada. Teniendo en cuenta estas con­
sideraciones, algunos mecanismos que pueden ser útiles para reducir las diferencias entre la capacidad
teórica y la efectiva son:

1. Implantar políticas adecuadas de mantenimiento preventivo en los recursos de capital para re­
ducir la frecuencia de las fallas del equipo.
2. Establecer planes de contingencia para reducir el lapso de tiempo que se detiene la producción
debido a fallas imprevistas, ya sea estandarizando el mantenimiento correctivo y/o aplicando
medidas de operación alternativas en caso de fallas.

Alfaomega Administración de Operaciones • Muñoz

150 Capítulo 6 Análisis de la c a p a c id a d

# de Disp. Factor de Dísp. Carga Cap. Cap.

Pool de recurso
unidades programada pérdida neta unitaria teórica efectiva
.
Operario 1 480 0.2 384 1 480 384
de separación

Operario de 1 480 0.2 384 1 480 384

ensamble tarjeta A
Operario de 1 480 0.2 384 1.5 320 256
ensamble tarjeta B
Operario de prueba 1 480 0.2 384 1.5 320 256
tarjeta A
Operarlo de prueba 1 480 0.2 384 2 240 192
tarjeta B
Operario de sellado 1 480 0.2 384 2.5 192 153.6
y prueba
Máquina 1 480 0.2 384 1 480 384
para sellado
Equipo para 2 480 0.05 456 5 192 182.4
prueba de tarjetas

Tabla 6.7: Capacidades teórica y efectiva para la manufactura de un componente.

Como podemos apreciar de la Tabla 6.7, con dos unidades en el pool del equipo para prueba de tar­
jetas, la capacidad teórica del proceso se incrementa a 192 componentes/turno, y aunque el pool EPTA
sigue siendo cuello de botella teórico, el pool O SPC se convierte también en cuello de botella teórico.
Nótese que el pool O SPC es también el único cuello de botella efectivo, ilustrando el hecho de que un
cuello de botella teórico (EPTA ) no necesariamente es un cuello de botella efectivo.

/S 6.3.2. MEJORA DE LA TASA DE FLUJO

Como ya mencionamos en la sección anterior, la capacidad efectiva es menor que la capacidad teórica de­
bido a que ocurren tiempos muertos imprevistos por restricciones internas del proceso, como son el man­
tenimiento por fallas o el ausentismo, y los tiempos por apertura de procesos. Es conveniente mencionar
que debe evitarse el contabilizar a los tiempos muertos previstos como si fueran parte de la disponibilidad
programada, ya que esto genera diferencias innecesarias entre las disponibilidades programada y neta. Por
ejemplo, los mantenimientos preventivos no deben efectuarse dentro de los periodos de disponibilidad
programada, así como los descansos obligatorios del personal (por refrigerio u otras causas previstas)
tampoco deben contabilizarse dentro de la disponibilidad programada. Teniendo en cuenta estas con­
sideraciones, algunos mecanismos que pueden ser útiles para reducir las diferencias entre la capacidad
teórica y la efectiva son:

1. Implantar políticas adecuadas de mantenimiento preventivo en los recursos de capital para re­
ducir la frecuencia de las fallas del equipo.
2. Establecer planes de contingencia para reducir el lapso de tiempo que se detiene la producción
debido a fallas imprevistas, ya sea estandarizando el mantenimiento correctivo y/o aplicando
medidas de operación alternativas en caso de fallas.

Alfaomega Adm inistración de Operaciones • Muñoz

 6.3 M e jo ra de la c a p a c id a d 151

3. Implantar programas de incentivos para reducir la indisponibilidad y mejorar el ambiente de

trabajo del recurso humano.
4. Estandarizar el plan de cambios necesarios para la apertura de procesos, con el objetivo de re­
ducir los tiempos por apertura de procesos.
5. Reducir, en lo posible, la frecuencia de cambios por apertura de procesos, programando ade­
cuadamente la producción detallada.

La capacidad real de un sistema productivo es menor que su capacidad efectiva también por restric­
ciones internas del sistema, sólo que éstas ya no obedecen a indisponibilidades de los recursos, sino más
bien a inactividades de los mismos, las que ocurren por bloqueos en el flujo de las entidades, y que pueden
ser de dos tipos:

1. Una estación de trabajo y sus correspondientes recursos experimentan inactividad por falta de
insumos provenientes de la estación anterior.
2. Una estación de trabajo y sus correspondientes recursos están inactivos cuando se llenó el bu-
ffer de la estación siguiente y no se pueden liberar entidades por falta de espacio para que espe­
ren por su proceso en la estación siguiente.

El primer caso puede ocurrir cuando el proceso de una entidad en la estación anterior ocupó un lap­
so de tiempo demasiado largo y el segundo caso ocurre por causa de un tamaño insuficiente de buffer, por
lo que los factores determinantes para la ocurrencia de inactividades en un proceso productivo son la va­
riabilidad en las duraciones de las actividades y los tamaños de los buffer que preceden a las estaciones de
trabajo. Los mecanismos que permiten reducir la diferencia entre la capacidad efectiva y la capacidad real
de un proceso productivo están relacionados con políticas operativas del proceso que permiten sincroni­
zar m ejorías operaciones productivas, como son el balanceo de las estaciones de trabajo (ver el capítulo
sobre Disposición de las Instalaciones), y la adecuada programación de las actividades y los recursos (ver
el capítulo sobre Programación y Control de las Actividades Productivas).

Tasa de flujo < Capacidad r e a l: Capacidad efe c tiv a : ; Capacidad teórica

v____________________ J ______________ j
v ---------------------V --------------------
Resulta de ineficiencias Resulta de ineficienclas y
y restricciones restricciones internas
externas

Figura 6.5: Causas de las diferencias entre conceptos de capacidad.

Com o se ilustra en la Figura 6.5, la tasa de flujo de un sistema de producción suele ser menor que
la capacidad real del sistema, debido a restricciones externas al proceso productivo. En este caso, el siste­
ma no trabaja a su máxima tasa de flujo posible debido a que no es conveniente (por falta de demanda o
existencia de inventarios) o también por falta de insumos, generada por una planeación inadecuada
de la cadena de suministro o por la ocurrencia de eventos imprevistos. En consecuencia, si la tasa de
flujo del sistema es mucho menor que su capacidad, deben mejorarse los procesos de venta y promoción
de productos o el proceso de abastecimiento de insumos, en congruencia con la causa que está originando
la ineficiencia en la utilización de los recursos disponibles.

administración de Operaciones • Muñoz Alfaomega

152 Capítulo ó Análisis de la c a p a c id a d

□------------------------------------------------------- ----------------------------------------------
Ejemplo 6.7: Mejora de la capacidad para la manufactura de un componente
Consideremos el proceso de manufactura de un componente electrónico del Ejemplo 6.3, pero suponga­
mos que existe reproceso, como se ilustra en la Figura 6.6, donde suponemos que ningún componente o
tarjeta requiere de más de un reproceso por falla. Las duraciones, correspondientes contenidos de trabajo
y pooles asignados para cada actividad, se presentan en la Tabla 6.7.

v r

Figura 6.6: Proceso de manufactura de un componente con reproceso.

Duración # esperado Contenido Id pooles

Id IBBÜÜ881 (minutos! de visitas de trabajo de recursos

1 Separación de partes 1 1 1 OSEP

2 Ensamble tarjeta A 1 1.1 1.1 OETA

3 Ensamble tarjeta B 1.5 1.1 1.65 OETB

4 Prueba tarjeta A 1.5 1.1 1.65 OPTA, EPTA

5 Prueba tarjeta B 2 1.1 2.2 OPTB, EPTA

6 Sellado 1 1.1 1.1 OSPC, MSEL

7 Prueba componente 1.5 1.1 1.65 OSPC, EPTA

Tabla 6.8: Contenidos de trabajo para la manufactura de un componente con reproceso.

A partir de los datos de la Tabla 6.8, considerando una disponibilidad programada de 480 minutos/
turno y los factores de pérdida de disponibilidad presentados en la Tabla 6.9, se han calculado las ca­
pacidades teórica y efectiva (por turno) que se presentan en la Tabla 6.9. Como se puede apreciar de la
tabla, la capacidad teórica del proceso es de 87.27 componentes/turno, y la capacidad efectiva de 82.91
componentes/turno.

Alfaomega Administración de Operaciones • Muñoz

 6.3 M e jo ra de la c a p a c id a d 153

Disponibilidad Capacidad

# de Factor de Carga
Id Programada N eta Teórica Efectiva
unidades pérdida unitaria

OSEP 1 480 0.2 384 1 480 384

OETA 1 480 0.2 384 1.1 436.36 349.09

OETB 1 480 0.2 384 1.65 290.91 232.73

OPTA 1 480 0.2 384 1.65 290.91 232.73

OPTB 1 480 0.2 384 2.2 218.18 174.55

OSPC 1 480 0.2 384 2.75 174.55 139.64

MSEL 1 480 0.2 384 1.1 436.36 349.09

EPTA 1 480 0.05 456 5.5 87.27 82.91

Tabla 6.9: Capacidades teórica y efectiva para la manufactura de un componente.

Se requiere analizar el efecto en las capacidades teóricas y efectivas de las siguientes medidas (una
por una ala vez):

a) Adquirir otro equipo para prueba de tarjetas y crear un pool EPAB ( equipo p ara pruebas A y B)
que se encargue sólo de la prueba de las tarjetas A y B, con un factor de pérdida de disponibilidad
del 5%, el pool EPTA se encargaría sólo de la prueba del componente.
b) Adquirir otro equipo para prueba de tarjetas y adicionarlo al pool EPTA, con el mismo factor de
pérdida de disponibilidad.
c) Implantar un programa que reduzca el reproceso al 2% en los 3 casos (tarjeta A, tarjeta B y com­
ponente).
d) Reducir el factor de pérdida de disponibilidad de los pooles OSEP, OETA O ETB, OPTA, O P TB
y O SPC del 20% al 5%.
e) Capacitar a los recursos de OETA, O ETB, OPTA, O P T B y O SPC para que realicen las activida­
des 2-7 y crear un pool O EPU ( operario de ensamble y prueba universal) con 5 recursos y el mismo
factor de pérdida de disponibilidad.
f ) Elevar a 3 las unidades del pool EPTA y aplicar la medida e), con los mismos factores de pérdida
de disponibilidad.

Al aplicar la medida a), cambiarían las capacidades del pool EPTA y se agregaría el pool EPAB, de
acuerdo con la tabla que se muestra a continuación. Debido a que disminuye la carga unitaria del cuello
de botella (EPTA ), el nuevo cuello de botella es el pool EPAB, mejorando la capacidad teórica del proceso
de 87.27 a 124.68 componentes/turno, y la capacidad efectiva de 82.91 a 118.44 componentes/turno.

Administración de Operaciones • Muñoz Alfaomega

154 Capítulo 6 Análisis de la c a p a c id a d

Disponibilidad Capacidad
# de Carga
Id Programada Factor de pérdida Neta Teórica Efectiva
unidades unitaria
EPAB 1 480 0.05 456 3.85 124.68 118.44
EPTA 1 480 0.05 456 1.65 290.91 276.36

Tabla 6.10: Cambio de las capacidades del pool EPTA.

Al aplicar la medida b), no se adicionan nuevos pooles, pero se afectan las capacidades del cuello de
botella (EPTA ) como se muestra en la Tabla 6.11.

Tabla 6.11: Afectación de las capacidades del cuello de botella.

La nueva capacidad teórica del proceso es de 174.55 componentes/tumo, y la capacidad efectiva es

de 139.64 (debida al pool O SPC ). Aunque se incurre en un costo similar al de la medida a), esta medida
produce mejores capacidades debido a que se aprovechan los posibles tiempos muertos que bajo la me­
dida a) tendría el pool EPTA.
La medida c) afecta los contenidos de trabajo de todas las actividades (excepto la separación de par­
tes), y se afectan las capacidades teórica y efectiva en todos los pooles, excepto el OSEP, como se muestra
en la tabla 6.12. Se mejora la capacidad teórica del proceso de 87.27 a 94.12 componentes/turno, y la
capacidad efectiva de 82.91 a 89.41 componentes/tumo.

111I ? !! # de
Disponibilidad

Factor Carga
Capacidad

Id Programada N eta Teórica Efectiva

unidades de pérdida unitaria

OSEP 1 480 0.2 384 1 480 384

...... :

OETA 1 480 0.2 384 1.02 470.59 376.47

OETB 1 480 0.2 384 1.53 313.73 250.98

OPTA 1 480 0.2 384 1.53 313.73 250.98

OPTB 1 480 0.2 384 2.04 235.29 188.24

OSPC 1 480 0.2 384 2.55 188.24 150.59

MSEL 1 480 0.2 384 1.1 436.36 376.47

EPTA 1 480 0.05 456 5.1 94.12 89.41

Tabla 6.12: Afectaciones de las capacidades teórica y efectiva de los pooles.

Alfaomega Adm inistració n de Operaciones • M u " : :

 6.3 M e jo ra de la c a p a c id a d 155

La medida d) mejora las capacidades efectivas de todos los pooles de operarios, como se muestra en
la siguiente tabla, pero la capacidad efectiva del proceso no se mejora, debido a que no se afectó el cuello
de botella (EPTA ).

Disponibilidad Capacidad
# de Factor Carga
Id Programada N eta Teórica Efectiva
unidades de pérdida unitaria
OSEP 1 480 0.05 456 1 480 456
OETA 1 480 0.05 456 1.1 436.36 414.55
OETB 1 480 0.05 456 1.65 290.91 276.36
OPTA 1 480 0.05 456 1.65 290.91 276.36
OPTB 1 480 0.05 456 2.2 218.18 207.27
OSPC 1 480 0.05 456 2.75 174.55 165.82

Tabla 6.13: Mejora de las capacidades efectivas de todos los pooles operarios.

Al aplicarla medida e) se crea el pool de operarios O EPU con 5 unidades, con las capacidades teórica
y efectiva que se muestran en la tabla 6.14. El nuevo pool genera cargas de trabajo más uniformes, pero
como no se afectó la capacidad del cuello de botella (EPTA ), las capacidades teórica y efectiva del proceso
siguen siendo las mismas.

Disponibilidad
. Factor de
Teórica
a pérdida
OEPU

Tabla 6.14: Capacidades teórica y efectiva del pool de operarios.

Por último, al aplicar la medida f ) quedarían sólo los 4 pooles de recursos que se muestran a con­
tinuación, y se puede apreciar el efecto de la medida e), ya que la capacidad teórica del proceso mejora
de 87.27 a 256.68 componentes/turno, y la capacidad efectiva mejora de 82.91 a 205.35 componentes/
tumo.

Disponibilidad Capacidad
# de Factor Carga
Id Programada N eta Teórica Efectiva
unidades de pérdida unitaria
OSEP 1 480 0.2 384 1 480 384
OEPU 5 480 0.2 384 9.35 256.68 205.35
MSEL 1 480 0.2 384 1.02 470.59 376.47
EPTA 3 480 0.05 456 | 5.5 261.82 248.73

Tabla 6.15: Pooles de recursos restantes.

■O

- cTiinistración de Operaciones • Muñoz Alfaomega

156 Capítulo 6 Análisis de la c a p a c id a d

o A
CASO 6.1: CAPACIDAD TEÓRICA DE UNA LAMINADORA1
Introducción
La empresa Rockland Steel se dedica a la producción de rollos de lámina de acero que se
utilizan com o insumo para la manufactura de una gran variedad de productos. Una de sus
plantas productivas es una laminadora en caliente que convierte las placas de acero en rollos
de lámina. El proceso mantiene un área para el enfriamiento de los rollos, y otra para al­
macenar el inventario de producto terminado, utilizando un sistema de transportación que
consiste de una flotilla de tractores con carga automática.

Figura 6.7: Disposición de la pianta de laminado de RocMand.

Detalles de Operación

Producción
Los rollos de lámina constituyen la materia prima para fabricar carrocerías de autos, o el
cuerpo de artefactos para el hogar, y la longitud de la lámina de cada rollo puede llegar a 600
metros. En la Tabla 6.10 se presentan las características de los tres tipos de rollo que ofrece
actualmente la planta y en la Figura 6.8 se presenta el diagrama de flujo del proceso.

Tabla 6.16: Características de los tres tipos de rollo que ofrece la planta.

1 Adaptado dei 1 i th Jm titute o jIn d u strial E n g im ers/R o ck w ell Softivure Student Sim u lation C on tesi (K e lton e í a l , 2 0 0 7 ).

Alfaomega Adm inistración de Operaciones • Muñ

 6.3 M e jo ra de la c a p a c id a d 157

Laminadora

t
Tractores B

*> Tractores A

Figura 6.8: Diagrama de flujo del proceso de la planta de Rockiand.

Lam inadora en caliente (L C )

Cada placa de acero se pasa a través de una secuencia de 10 rodillos de laminación, para
reducir la placa a una lámina larga y delgada, con el ancho y espesor necesario y al final se
enrolla para formar el rollo. La LC procesa los rollos a una tasa de 400 toneladas/hora.

Traslado al área de parchado (AP)

Los rollos se retiran de la LC utilizando una grúa de riel y se transportan a un área de espera,
tomando 0.5 minutos en promedio, donde se colocan parches de acero a cada rollo para
mantener el enrollado.

Parchado
Un solo operario se encarga del parchado y dependiendo si el rollo es del tipo 1, 2 o 3, se
aplican 1, 2 o 3 parches de seguridad. Cada parche toma 20 segundos en promedio y el
operario usa una grúa de riel para mover el rollo a una banda transportadora, que le ocupa
20 segundos en promedio.

Transporte en banda
La banda tiene 30 metros de longitud y es un transportador acumulativo que lleva automá­
ticamente los rollos hacia la terminal de salida. Los rollos se colocan ai inicio de la banda,
que tiene capacidad para 15 rollos y una velocidad normal de 12 metros/minuto. Al final de
la banda, el rollo debe esperar a que un tractor lo recoja para llevarlo al área de enfriamiento.

Transporte de rollos
Actualmente se rentan 5 tractores que permiten la carga, el transporte y la descarga automá­
tica de los rollos. Cada tractor puede cargar hasta 3 rollos, y los tractores que viajan del Área
de Enfriamiento (AE) al Area de Inventarios (A I) se mueven a una velocidad de 80 metros/
minuto cuando llevan carga, y a 120 metros/minutos de regreso. Sin embargo, cuando viajan
entre el área de la LC y el AE, viajan a la mitad de su velocidad por razones de seguridad. La
carga toma aproximadamente 0.8 min., y la descarga 0.5 minutos por rollo.
La política actual de operación establece que cada tractor esté asignado a una de dos
funciones:
Función A: Dos tractores mueven los rollos desde el área de la LC hacia el AE.
Función B: Tres tractores mueven los rollos desde el AE hacia el A!.

nlstración de Operaciones • Muñoz Alfaomega

158 Capítulo 6 Análisis de la c a p a c id a d

La distancia promedio de viaje (de ida) desde el área de LC hasta el AE es de 150 me­
tros, y desde el AE hasta el Al es de 792 metros.

Objetivo del estudio

Encontrar el cuello de botella y estimar la capacidad teórica en toncladas/semana.

S olución d el caso
En la hoja de cálculo de nombre “Rockland" del archivo Excel correspondiente a este capítu­
lo, se presentan los cálculos detallados que han permitido obtener las capacidades teóricas
(en toneladas/semana) de los pooles de recursos que se presentan en la Figura 6.9. Para
obtener estos resultados, se han calculado contenidos de trabajo para una mezcla de produc­
ción de acuerdo con la ecuación (5 .8 ), y cargas consolidadas esperadas de acuerdo con la
ecuación (6 .5 ). Por ejemplo, para la laminadora, su carga unitaria es el contenido de trabajo
esperado de la laminación y enrollado que es de CU = 0.2 (1 0 / 4 0 0 )(6 0 ) + 0.3 (12/ 400)
(6 0 ) + 0.5 (15/ 400) (6 0 ) = 2 . 13 minutos, y la carga consolidada esperada es de CC = 0.2
( 1 0 ) + 0 .3 ( 1 2 ) + 0 . 5 ( 1 5 ) = 14.2 toneladas, por lo que, teniendo en cuenta que la dispo­
nibilidad programada es de 1 0 0 8 0 minutos/semana, la capacidad teórica de la laminadora
resulta de (I0 0 8 0 )(1 4 .2 )/ 2 .1 3 = 67 200 toneladas/semana.

Laminación y
enroll ado Laminadora
6 7 ,2 0 0

t t
Máxima Transporte el área
Tractores B
< capacidad de inventarios
Parcftador Parchado
\ teórica '
1 3 0 .1 2 4 t
Transporte el área
\
Banda Transí
de enfriamiento
transportadora en te
8 5 8 ,8 1 6 Tractores A
8 4 .6 1 2

Figura 6.9: Capacidades teóricas en la planta de laminado de Rockland.

Los resultados mostrados en la Figura 6.9 muestran que el cuello de botella es el pool
de tractores que trasladan los rollos desde el AE hasta el Al. Es conveniente mencionar que
una pregunta interesante sobre este proceso, es si en verdad el transporte hacia el área de en­
friamiento es necesario, es decir, sería interesante investigar si los rollos pudieran satisfacer
sus requerimiento de enfriamiento durante las esperas y operaciones de transporte desde
el fin de la laminación hasta su descarga en el área de inventarios, sin pasar por el área de
enfriamiento. Sin embargo, para resolver esta pregunta, el análisis teórico mostrado en estos
capítulos es insuficiente, además de que se requieren datos sobre el tamaño de algunos buffer
que no se han proporcionado. Una técnica apropiada para resolver esta pregunta es la simu­
lación del sistema, considerando los datos adicionales que se requieren. Por otro lado, el aná­
lisis teórico efectuado no deja de ser útil, ya que nos permite apreciar que la mayor tasa de
producción que puede alcanzar este sistema es de 67 200 toneladas/semana, a menos que se
reemplace el tren de laminación, y que cualquier medida que se adopte para incrementar la
capacidad del proceso debe mejorar el transporte hacia el Al.

Alfaomega Adm inistración de Operaciones • Muñ

 Eje rcicio s dei c a p ítu lo 6 159

EJERCICIOS DEL CAPÍTULO 6

1. Considere los datos del proceso de manufactura del componente electrónico del Ejem­
plo 6.6, pero adicione un nuevo pool O SEC con una sola unidad, que se ocuparía sólo
de sellado, mientras que el antiguo pool O SPC se ocuparía sólo de la prueba del com­
ponente.
a) Calcule las capacidades teórica y efectiva para cada uno de los pod es de recursos.
Identifique las capacidades teórica y efectiva de todo el proceso.
b) Calcule la capacidad utilizada de cada pool de recursos si la tasa de flujo del proceso
fuera igual a su capacidad efectiva.
2 . En la tabla 6.17 se muestran los recursos que requieren cada una de las actividades del
proceso del taller de joyería del Ejercicio 1 del capítulo 5.

Id Predecesores
;;:Vv" : ¿C y:;:-.. "... . j. . ,/ ■ £¿3
%/• .■ ; :.V; .07:.;.:

1 Secretaria 5 Ninguno
2 Troquelador 300 t
3 Fundidor 200 1
4 Armador D 60 2
C- -- --............... ................................................ ..........

5 Armador E 20 3
.......:...:.............. - -

6 Relojero | 30 4,5

Tabla 6.17: Recursos que requiere cada actividad del proceso del taller.

a ) Calcule las capacidades teórica y efectiva (en relojes/día) para cada uno de los
pod es de recursos, si cada pool de recursos tiene una sola unidad, con una carga
consolidada de una unidad, disponibilidad programada de 8 horas al día y factor de
pérdida de disponibilidad del 12.5%. Identifique las capacidades teórica y efectiva
de todo el proceso.
b) El dueño del taller observa que los armadores tienen mucho tiempo libre con res­
pecto al troquelador y el fundidor, por lo que capacita a los operarios para formar
dos pooles con 2 unidades cada uno, el primer pool hará troquelado y armado D,
y el segundo fundido y armado E. También decide que el relojero puede tomar los
pedidos y por lo tanto puede prescindir de la secretaria. Calcule las capacidades teó­
rica y efectiva (en relojes/día) para cada uno de los pooles de recursos e identifique
las capacidades teórica y efectiva de todo el proceso.

3 . Considere los datos del proceso de manufactura del componente electrónico del Ejem ­
plo 6,7. Implante las modificaciones c) a la f ) propuestas en el ejemplo, en secuencia,
una además de las otras y en cada caso evalúe el efecto en las capacidades teórica y
efectiva de cada uno de los pooles de recursos, y en el proceso en su conjunto.

— nistración de Operaciones • Muñoz Alfaomega

160 Capítulo 6 Análisis de la c a p a c id a d

4 . La empresa MexToys fabrica autos de juguete. El modelo estándar está formado por
dos subensambles: la plataforma y la carrocería, y su manufactura se inicia con la sepa­
ración de las partes para la plataforma de los de la carrocería, a continuación la plataforma
y la carrocería se trabajan en paralelo, de acuerdo con las actividades, duraciones, pre­
cedencias y pooles de recursos que se detallan en la Tabla 6.18.

i:;:;:.;;p
/ / / A Duración
Activida Predece W É m Recursos necesarios
(minutos)
■ i
1 Separar partes 10 Ninguno Técnico T
2 Prensar plataforma 30 . ; 1 Técnico PB, Prensa PB
3 Prensar carrocería 35 1 Técnico PT, Prensa PT
4 Formar plataforma 18 2 Técnico FB, Prensa FB
5 Formar carrocería 15 3 Técnico FT, Prensa FT
6 \ Ensamblar 20 : 4,5 Técnico E
7 Inspeccionar 40 6 Inspector

Tabla 6.18: Actividades, duraciones, precedencias yipooles de recursos de MexToys.

a ) Construya la red de actividades para este proceso de manufactura (no incluya nin­
gún buffer).
b) Actualmente el número esperado de visitas es de 1 para cada actividad y existe una
unidad en cada pool de recursos, excepto, el de inspector, donde existen dos uni­
dades. Asimismo la disponibilidad programada para cada recurso es de 8 horas/
día, y la pérdida de disponibilidad en todos los pooles es del 20%, excepto para las
prensas, donde es del 10%. Calcule las capacidades teórica y efectiva (en unidades/
día) para cada uno de los pooles de recursos. Identifique las capacidades teórica y
efectiva de todo el proceso.
c) Un técnico en control numérico ha modificado las prensas para que se pueda pren­
sar y formar en la misma máquina, luego de accionar el control correspondiente, lo
que permite que las 4 máquinas se organicen en 2 pooles de 2 máquinas cada uno. El
primer pool estaría dedicado a prensar y formar plataformas, y el segundo a prensar
y formar carrocerías. De igual manera, 4 técnicos (PT, FT, PB y FB) recibieron en­
trenamiento para organizarse en 2 pooles de 2 técnicos cada uno, y como en el caso
de las prensas, el primer pool estaría dedicado a prensar y formar plataformas, y el
segundo a prensar y formar carrocerías. Si la pérdida de disponibilidad y la disponi­
bilidad programada se mantienen com o antes, determine las capacidades teórica y
efectiva (en unidades/día) de los nuevos pooles de recursos y determine las capaci­
dades teórica y efectiva del nuevo proceso.

5 . Considere la manufactura de autos de juguete del ejercicio anterior, con los mismos
datos, pero con los siguientes números esperados de visitas por actividad.

Alfaomega Adm inistració n de Operaciones • Muñoz

 Eje rcicio s del c a p ítu lo 6 161

Id Actividad NEV
1 Separar partes 1
2 Prensar plataforma 1.2
3 Prensar carrocería 1.1
4 Formar plataforma 1.4
5 Formar carrocería 1.2
6 Ensamblar 1.1
7 Inspeccionar 1.1

Tabla 6.19: Números esperados de visitas por actividad.

a) Asumiendo los datos del inciso b) del ejercicio anterior, calcule las capacidades teó­
rica y efectiva (en unidades/día) para cada uno de los pooles de recursos. Identifi­
que las capacidades teórica y efectiva de todo el proceso.
b) Asumiendo los datos del inciso c) del ejercicio anterior, calcule las capacidades teó­
rica y efectiva (en unidades/día) para cada uno de los pooles de recursos. Identifi­
que las capacidades teórica y efectiva de todo el proceso.
c) Además de las consideraciones del inciso anterior, se ha decidido incorporar la pro­
ducción del modelo económico, bajo una mezcla del 60% estándar y 40% econó­
mico. Determine las capacidades teóricas y efectivas de los pooles de recursos, la
capacidad teórica y la capacidad efectiva del proceso, considerando los siguientes
datos para el modelo económico.

Actividad Descripción

1 Separar partes 1° |
2 Prensar plataforma
24 I
3 Prensar carrocería
25
4 Formar plataforma 20
5 Formar carrocería 18 j
6 Ensamblar 20
7 Inspeccionar 40 |

Tabla 6.20: Datos para el modelo económico.

6 . La unidad de producción de galletas de una panadería depende de 2 empleados: Juan

y Cristina. Tan pronto como se recibe un pedido, las galletas se producen en lotes de
12 de la siguiente manera: Cristina prepara la mezcla (actividad que toma 6 minutos),
y luego vierte la mezcla en un molde para 12 galletas (2 minutos). A continuación Juan
prepara el horno y coloca el molde (1 minuto). Las galletas se hornean por 9 minutos,
y luego se enfrían (fuera del hom o en una mesa amplia) por 5 minutos. Finalmente,
Juan empaqueta las galletas (2 minutos) y entrega la orden (1 minuto). El factor de
indisponibilidad de cada uno de los 3 recursos (2 empleados más el horno) es del 10%,
y la disponibilidad programada es de 8 horas al día.

nistración de Operaciones * Muñoz Alfaomega

162 Capítulo 6 Análisis de la c a p a c id a d

a ) Construya la red de actividades para este proceso de manufactura (no incluya nin­
gún buffer).
b ) Si existe un solo horno con capacidad para un molde, identifique la carga consolidada,
la carga unitaria y las capacidades teórica y efectiva de los pooles correspondientes a
Cristina, Juan y el homo, y la capacidad teórica del proceso (en galletas/día).
c) Si se adquiere un nuevo hom o (similar al que se tiene), indique las nuevas caracte­
rísticas del pool de recursos afectado y las capacidades teórica y efectiva del proceso.
d ) Si además de la modificación anterior, ¡a actividad de poner la mezcla en el molde se
asigna a Juan, indique las nuevas características de los pooles de recursos afectados
y las capacidades teórica y efectiva del proceso,
7 . Considere el proceso de toma de rayos X del hospital Arcángel del ejercicio 8 del capí­
tulo S, con los datos de la Tabla 6.21:

Contenido de trabajo
Id Predecesores Recursos asignados
(minutos / paciente)•;
1 7 Ninguno Ninguno
2 20 Ninguno Mensajero
3 ó 2 Técnico de rayos X
4 5 1,3 Recepciomsta
5 3 4 Sala de vestido
6 7.5 . 5 Técnico de rayos X, sala de rayos X
7 ¡ 15 6 Técnico de revelado, sala de revelado
8 '] 2.5 ; 7 : Técnico de rayos X
9 3 8 Sala de vestido

10 | 7 9 ninguno
11 I 20 8 Mensajero
¡
Tabla 6.21: Patos a considerar en el proceso de torna de rayos X.

Asimismo, las unidades por pool y la carga unitaria de los recursos se presentan en la
tabla 6.22.

Recurso' Carga unitaria Número d e unidades en pool

Mensajero I 1 6
Recepciomsta 1 1
Técnico de rayos X 1 4
Sala de rayos X 1 2
Técnico de revelado 1 3
Sala de revelado 1 2.
Sala de vestido 1 2

Tabla 6.22: Unidades por pool y carga unitaria de los recursos.

Alfaomega Adm inistración de Operaciones • Muñoz

 Eje rcicio s del c a p ítu lo 6 163

La disponibilidad programada de cada uno de los recursos es de 8 horas/día, aun­

que cada uno experimenta un factor de pérdida de disponibilidad del 15%. Calcule las
capacidades teórica y efectiva (en pacientes/día) para cada uno de los pooles de recur­
sos. Identifique las capacidades teórica y efectiva de todo el proceso.
8 . Considere los datos del proceso de toma de rayos X del ejercicio anterior. Introduz­
ca las modificaciones que a continuación se presentan, una a la vez, sin considerar las
otras, y para cada una de las modificaciones: i) calcule el impacto en carga unitaria, dis­
ponibilidad neta, capacidad teórica del pool y capacidad efectiva del pool para el (los)
correspondiente(s) recurso(s) que se afecta(n), ii) calcule el impacto en la capacidad
teórica y en la capacidad efectiva de todo el proceso.
a ) Instalar nuevo equipo para reducir el tiempo de revelado de 12 a 10 minutos.
b) Apresurar al paciente para que ejecute las actividades 5 y 9 en 2 minutos (cada una)
en lugar de 3.
c) Pedir al paciente que traslade la orden (actividad 2) y la impresión (actividad 1 1)
él mismo.
d) Implantar una tecnología que permita reducir el porcentaje de placas falladas de
25% a 5%.
e) Reducir la no disponibilidad del técnico de revelado de 15% a 10%.
f ) Contratar una segunda recepcionista.
g) Instalar una tercera sala de revelado.
h) Eliminar al mensajero, instalar una tercera sala de revelado y entrenar a 8 empleados
(recepcionista, técnicos de rayos X y técnicos de revelado) para que cada uno pueda
realizar las 3 funciones (actividades 3 ,4 ,6 , 7 y 8).
9. Repetir el ejercicio anterior, pero incluyendo cada modificación en secuencia, adicio­
nalmente a las anteriores.
10. Considere los datos del Caso 6.1, pero suponga que una simulación del proceso ha
permitido apreciar que los rollos ya experimentaron el enfriamiento necesario cuando
llegan al final de la banda transportadora, por lo que se pueden trasladar directamente
desde LC hasta AI utilizando los 5 tractores disponibles.

a ) Calcule la capacidad teórica para el nuevo pool de tractores y determine la nueva

capacidad teórica del proceso, en el caso de haber cambiado.
b) Suponga que la tasa de flujo de la LC es de 6 0 0 toneladas/hora, e identifique el
mínimo número de unidades que necesita el pool de tractores para que el sistema
alcance la capacidad teórica de la LC.
1 1 . Considere un proceso de manufactura que consta de 5 actividades en serie, asociadas a 5
pooles de recursos que operan 8 horas por día con un factor de pérdida de disponibilidad
de 0.2. Se manufacturan tres tipos de productos diferentes A, B y C, con los siguientes
contenidos de trabajo por unidad del correspondiente producto:

dministración de Ope raciones • Muñoz Alfaomega

164 Capítulo 6 Análisis de la c a p a c id a d

Contenidos de trabajo
Id del pool de (minutos)
recursos
A B C

i 5 5 l :5

2 3 4 | 5

4 0 3
3
5 ó 6 s 6

Tabla 6.23: Contenidos de trabajo por unidad de producto.

Además, se sabe que la mezcla de la producción es de 30% de A, 30% de B y 40% de C.

a ) Calcule las capacidades teóricas y efectivas diarias para cada uno de los pooles de
recursos, si cada pool de recursos tiene una sola unidad, con una carga consolidada
de una unidad.
b) Con base a jo s resultados del inciso anterior, identifique el cuello de botella del
proceso, así com o las capacidades teórica y efectiva de todo el proceso,
c) Si se adiciona otra unidad al pool de recursos del cuello de botella encontrado en
b) ¿cuáles serían las nuevas capacidades teórica y efectiva de todo el procesó? ¿y el
nuevo cuello de botella?
1 2 . Un proceso de manufactura de bicicletas consta de tres etapas (soldadura, ensamble y
empaque), como se presenta en la Figura 6.10.

80% 90%

Figura 6.10: Diagrama de flujo de un proceso de ensamble.

El proceso ha experimentado severos problemas de calidad ocasionados por la

falta de personal debidamente entrenado. Específicamente, el 20% de las bicicletas que
salen de la etapa de soldadura han presentado fallas, por lo que son enviadas a una
estación con trabajadores altamente capacitados que corrigen las fallas, terminan de
manufacturarla bicicleta y la empacan en un tiempo promedio de 20 minutos.

Alfaomega Adm inistración de Operaciones • Muñoz

 Eje rcicio s del c a p ítu lo 6 165

Este mismo problema también se presenta en la estación de ensamble, donde 10%

de las bicicletas presentan fallas y son enviadas a la estación de reproceso. En este caso,
sólo toma 10 minutos (en promedio) corregir el problema y empacar el producto.

En la Tabla 6.24 se presentan las duraciones (por cada bicicleta que requiere la activi­
dad) y los recursos requeridos para cada actividad:

Contenidos de trabajo ' Id P o o le s d e

(minutos) recursos

Soldadura 6 os, so
Ensamblé 5 OEN, HE

Empaque 4 OEM

Reproceso (si viene de soldadura) 20 OR, SO, HE

Reproceso (si viene de ensamble) 12 OR, HE

Tabla 6.24: Duraciones y recursos requeridos para cada actividad.

Por otro lado, se sabe que la disponibilidad programada de todos los recursos es de 8
horas por día, con las unidades y factores de pérdida de disponibilidad que se muestran en
la Tabla 6.25.

ID

OS
ool de Recurso

Operador de Soldadura
m i
i
d e unidades

Q
3
4
Factor de pérdida
de disponibilidad

0.15

0.15
SO Máquina para soldar

OEN Operador de Ensamblado 2 0.15

HE Herramientas de Ensamblado I 3 0.05

OEM Operador de Empaquetado 2 0.15

OR Operador de Reproceso I 1 0.1

Tabla 6.25: Unidades y factores de pérdida de disponibilidad.

a ) Determine los contenidos de trabajo (esperados por bicicleta que ingresa al proce­
so) para cada actividad del proceso.
b) Determine la capacidad teórica y efectiva del proceso (en bicicletas por día).
c) Identifique el cuello de botella teórico, ¿es el mismo que el cuello de botella efec­
tivo?
d) Se ha observado que las duraciones de los reprocesos pueden reducirse en 5 minu­
tos si se evita empacar la bicicleta durante esta fase y, en su lugar, se envía al área de
empaque. Determine cuál seria la capacidad efectiva del proceso si se implementa
esta modificación.

ministración de Operaciones • Muñoz Alfaomega

166 Capítulo 6 Análisis de la c a p a c id a d

13. RF Contadores es una pequeña firma de contadores que prestan servicios de asesoría
para la declaración de impuestos. Basados en 24 años de experiencia, RF clasifica los
casos de sus clientes en los siguientes grupos:

Grupo 1 (clientes nuevos, fáciles de procesar): 15 % de los casos

Grupo 2 (clientes nuevos, complejos de procesar); 5 % de los casos
Grupo 3 (clientes recurrentes, fáciles de procesar): SO % de los casos
Grupo 4 (dientes recurrentes, complejos de procesar): 30 % de los casos

Con la finalidad de preparar las declaraciones, RF debe completar las activida­

des, de la Tabla 6.26, cuyas duraciones (expresadas en minutos/declaración) varían
por grupo.

Recopilación Reunión Elaboración

Grupo Preparación Revisión
de Información preliminar de escritos
1 20 30 120 20 50

2 40 90 300 : Ó0 80

3 20 No procede 80 '5' 30

4 40 i No procede 200 30 60

Tabla 6.26: Variación de ia duración de las actividades por grupo.

Las actividades son desempeñadas por los recursos asentados en la Tabla 6.27.

Pool de recurso Actividad a su cargo # personal disponible

Personal administrativo Recopilación de información, 2
elaboración de escritos
Contador ejecutivo Reunión preliminar y revisión 1

Contador Jr. Preparación 3

(Becario)

Tabla 6.27: Actividades desempeñadas por los recursos.

Tomando en cuenta que el personal trabaja ocho horas al día y se estima un factor de
pérdida de disponibilidad de 0.4, responda los siguientes incisos:
a ) Calcule las capacidades teóricas y efectivas diarias para cada uno de los pooles de
recursos.
b) Determine la capacidad teórica y efectiva del proceso.
c) Si se decide implementar un nuevo sistema que reduce el tiempo de elaboración de
los escritos en 50%, ¿cómo se verían alteradas las capacidades teórica y efectiva del
proceso?

Alfaomega Adm inistración de Operaciones • Muño

Capítulo 7

Pronóstico de la Demanda

In tro du cció n
Pronosticar, en general, consiste en investigar el valor futuro de una
variable y, aunque en este capítulo nos enfocaremos en el pronósti­
co de la demanda de bienes (manufacturas y/o servicios), es conve­
niente mencionar que el pronóstico de otras variables puede ser muy
importante, tanto para las diversas áreas de la empresa, como para las
instituciones sin fines de lucro, gubernamentales o agencias interna­
cionales. Por ejemplo, el pronóstico de los ingresos de la empresa es
de mucha utilidad para las áreas de contabilidad o de finanzas, para
programar las retenciones de impuestos o las inversiones de la em­
presa. Por otro lado, el pronóstico de otras variables como el precio
de los combustibles, los niveles de población, la incidencia de com ­
plicaciones sanitarias, los niveles de pobreza o los niveles de conta­
minación puede ser muy importante para planear el presupuesto, la
capacidad de los servicios o los planes de acción del gobierno, en sus
diversos niveles, o de las organizaciones internacionales y sin fines
de lucro.
168 Capítulo 7 P ro n ó stico de la D e m a n d a

En el área de producción y, en consecuencia, en varios de los capítulos de este libro, el pronóstico de

la demanda es el punto de partida para muchas de las tareas de la administración de las operaciones. En
particular, se requiere del pronóstico de la demanda para planeación de la capacidad, planeación de la pro­
ducción, localización de las instalaciones, programación de los recursos de la empresa y administración
de inventarios, entre otras importantes tareas que son necesarias para administrarlas operaciones produc­
tivas. Asimismo, el pronóstico de la demanda también debe ser tomado en cuenta en otras áreas de la em­
presa, como la mercadotecnia o la administración de los recursos humanos y es por estas razones que en
este capítulo nos ocuparemos de los principales métodos que se utilizan en las empresas para pronosticar
la demanda de sus manufacturas y servicios, incluyendo métodos para pronosticar la demanda de nuevos
productos, por su importancia en los mercados que enfrentan un alto nivel de competencia e innovación.

Figura 7.1: Clasificación de los métodos para el pronóstico de la demanda.

Aunque en este capítulo nos enfocaremos en los métodos cuantitativos para pronosticar la demanda,
es conveniente mencionar que, com o se ilustra en la Figura 7.1, para algunas empresas puede ser conve­
niente utilizar métodos cualitativos (o subjetivos), ya sea para construir el pronóstico directamente con
estos métodos o para utilizarlos en combinación con métodos cuantitativos, por lo que iniciaremos este
capítulo con una pequeña descripción de los principales métodos cualitativos para el pronóstico de la
demanda, junto con una introducción a los conceptos básicos que se requieren para entender e implantar
los principales métodos de pronósticos.
En la segunda sección se discuten los métodos más difundidos para el pronóstico de la demanda con
base en series de tiempo, com o son los métodos de suavizamiento exponencial y de promedios móviles.
Posteriormente, en la tercera sección se introducen los modelos de regresión y sus aplicaciones, tanto para
el pronóstico de la demanda de productos nuevos com o de productos para los cuales se dispone de una
larga serie de registros históricos de la demanda. Finalmente, en la última sección se presenta el método de
descomposición de series de tiempo, el cual combina modelos causales con métodos de series de tiempo
para construir pronósticos más precisos de la demanda de productos de venta regular.
Es conveniente mencionar que, como en los otros capítulos de este libro, los algoritmos computaciona-
les que se requieren para implementar los métodos que se aplican en los ejemplos, se distribuyen libremente
con este libro. Asimismo, al final del Apéndice se presenta una breve introducción a los pronósticos basados
en Estadística bayesiana y al uso de la simulación estocástica como herramienta para construir pronósticos
con base en modelos cuantitativos.

Alfaomega Adm inistración de Ope raciones • Muñoz

 7.1 C o n c e p t o s básicos para p r o n ó s tic o s 169

© 7.1 CONCEPTOS BÁSICOS PARA PRONÓSTICOS

A continuación presentamos una pequeña descripción de los principales métodos cualitativos para el pro­
nóstico de la demanda. Posteriormente discutiremos los conceptos básicos que se requieren para entender e
implantar los principales métodos de pronósticos, como son el proceso de planeación, los componentes
de una serie de tiempo y las medidas que se utilizan para cuantificar la precisión de un pronóstico, ilustrando
estos conceptos con un par de modelos muy sencillos.

A * 7.1.1. MÉTODOS CUALITATIVOS

Existe una larga historia de la aplicación de métodos cualitativos o subjetivos para el pronóstico de la
demanda debido probablemente a que la aplicación de estos métodos no requiere de una lista larga y
confiable de registros de la demanda, como podría demandar la aplicación de los métodos cuantitativos.
Asimismo, los métodos cualitativos son fáciles de aplicar en la práctica, ya que no exigen que el usuario
tenga algún entrenamiento en las técnicas de análisis estadístico que utilizan los métodos cuantitativos
para el pronóstico déla demanda y, aunque en este libro pretendemos proporcionar dicho entrenamiento,
a continuación haremos una breve mención de los métodos cualitativos más difundidos, reconociendo
que pueden ser de mucha utilidad en problemas de pronóstico que son difíciles de abordar con modelos
cuantitativos, por ejemplo, cuando el horizonte de planeación está muy lejano (e.g., el consumo de petró­
leo dentro de 40 años).

Agregación de las estimaciones del personal de ventas

Bajo este método se construyen los pronósticos de un producto considerando primero las estimaciones de
las ventas que esperan realizar cada uno de los representantes de ventas de dicho producto y, con base en di­
chas estimaciones, se agregan o suman los resultados para producir el pronóstico de la demanda del producto.
Es conveniente mencionar que, si bien este método toma ventaja del conocimiento del personal que
tiene la mejor experiencia, a través del contacto con el mercado del producto, por otro lado, la informa­
ción puede estar sesgada por la percepciones subjetivas de los representantes; en particular, el pronóstico
puede estar sesgado hacia abajo, cuando el representante recibe algún incentivo o bono por el volumen
de sus ventas.
Para disminuir el efecto de las percepciones subjetivas de los representante de ventas, algunos auto­
res (Peterson, 1993) proponen que cada representante reciba una guía de pasos sencillos que debe seguir
para la construcción de su correspondiente pronóstico. Dicha guía puede considerar, por ejemplo, que el
representante revise previamente la información disponible sobre los datos y pronósticos sobre el poder
adquisitivo y/o las tendencias del mercado donde realizará sus ventas.

Encuestas de opinión a la población y los clientes

Un pronóstico de la demanda puede construirse a partir de entrevistas sobre los planes de compra de
los clientes potenciales, los que pueden investigarse a través de entrevistas. Aunque el análisis de los re­
sultados de una encuesta puede requerir del uso adecuado de técnicas cuantitativas para el análisis de la
información, clasificamos a esta metodología dentro de los métodos cualitativos porque pueden utilizarse
sin el requerimiento de registros históricos sobre la demanda previa porque mucha de la información que
se obtiene a través de entrevistas es cualitativa y contiene cierto grado de subjetividad. Por otro lado, este
método es muy susceptible de ser considerado como complemento para apoyar otras técnicas cuantita­
tivas para el pronóstico de la demanda, como por ejemplo, para estimar algún índice de predisposición al
consumo o el grado de aceptación de un nuevo producto.

-dm inis tración de Operaciones • Muñoz Alfaomega

170 Capítulo 7 P ron óstic o de la D e m a n d a

El grado de certeza de las opiniones de compra de los clientes potenciales puede ser más acertado
para los productos de mayor precio como autos o propiedades inmuebles que para productos de menor
importancia como son las pastas dentales o los detergentes.

juicio de un equipo de expertos

Este método consiste en recopilar, buscando el consenso, las opiniones de un equipo conformado por los
ejecutivos con el mejor conocimiento del mercado en el que compite el producto cuya demanda se desea
pronosticar. El responsable de construir el pronóstico puede obtener las opiniones de cada jurado por
separado o en reuniones del equipo completo, donde se puede intercambiar información valiosa entre
los jurados; aunque en este último caso también se corre el riesgo de que el miembro más influyente del
equipo pueda sesgar las opiniones de los otros miembros.

Método Delphi
El método Delphi también se construye a partir de las opiniones de un equipo de expertos pero, a diferen­
cia del método anterior, se mantiene el anonimato de los miembros del equipo, con el objetivo de evitar
algún sesgo hacia la opinión de algún miembro. Para aplicar el método Delphi se acostumbra seguir los
siguientes pasos.

1. Selección de los miembros del equipo de expertos.

2. Distribución del cuestionario sobre los pronósticos solicitados entre los miembros del equipo.
3. Recopilación, procesamiento e ilustración de los resultados y su correspondiente distribución
entre los miembros del equipo de expertos para su consideración y revisión.
4 . Cada miembro del equipo corrige (si es el caso) sus pronósticos anteriores, tomando en cuenta
las opiniones de los otros miembros del jurado.
5. Si no existieron cambios significativos en los pronósticos de cada miembro del equipo, se cons­
truye el pronóstico final. Y de otra forma se regresa al paso 3.

/ * 7.1.2. EL PROCESO DE PRONÓSTICO

Para obtener la debida recompensa que amerita el esfuerzo invertido en la construcción de un pronóstico,
deben cuidarse los detalles que permitan su correcta y exitosa aplicación. En primer lugar, el proceso de
pronóstico debe empezar por establecer claramente cuál es el objetivo final del pronóstico. Por ejemplo,
algunas aplicaciones pueden requerir sólo de los pronósticos puntuales; sin embargo, en la mayoría de las
aplicaciones se requieren indicadores de la incertidumbre del pronóstico que, dependiendo de la aplica­
ción, puede ser alguna medida de error o un intervalo de predicción, como comentamos más adelante en
este capítulo, o alguna otra medida de incertidumbre que puede depender del caso específico. A continua­
ción sugerimos una secuencia de los pasos que pueden seguirse en el proceso de pronóstico.

Definición del problema

La definición del problema de pronóstico y de sus objetivos está estrechamente relacionada con las tareas
de planeación en las que se utilizará el pronóstico. Estas tareas determinan el nivel de agregación de la
demanda a pronosticar, el mercado objetivo, el número de períodos (horizonte) a pronosticar y el lapso
de tiempo (semana, mes, etc.) que corresponde a cada período. Por ejemplo, para la planeación de los
requerimientos de recursos (humanos y/o de capital), pueden ser suficientes los pronósticos mensuales
de la demanda agregada del producto, sin considerar las demandas de sus posibles variantes (modelos,
colores, etc.), aunque el horizonte a pronosticar podría ser anual. En cambio, para establecer el plan de

Alfaomega Adm inistración de Operaciones • Muñoz

 7.1 C o n c e p t o s básicos para p r o n ó s tic o s 171

producción podrían requerirse pronósticos semanales desagregados por modelos del producto, para un
horizonte de planeación más pequeño (por ejemplo, un mes).

Recolección de la información
Con base en la definición del problema y, en particular, considerando el horizonte, la longitud de los
períodos a pronosticar y, por supuesto, la información disponible, se puede planear la recolección de la
información y, en particular, cóm o se pueden evitar los errores en el registro y en la recuperación de la in­
formación. Por ejemplo, debe tenerse en cuenta que los registros de ventas no necesariamente son iguales
a la demanda, por lo que podría ser necesario recopilar información para investigar la demanda (faltante)
que no se pudo satisfacer. Asimismo, debe tenerse en cuenta que no sólo la información cuantitativa,
sino también la cualitativa puede ser importante (por ejemplo, características de los nuevos productos
o modelos que planea introducir la competencia). Por otro lado, deben explorarse las fuentes de infor­
mación externa que podrían consultarse y, en particular, a los proveedores, compradores, asociaciones o
instituciones públicas.

Análisis exploratorio
Como discutiremos a lo largo de este capítulo, la buena elección del modelo o método a utilizar para
construir el pronóstico depende de las características mismas de la información disponible; por ejemplo,
existen modelos que son apropiados para determinar tendencias y otros que son apropiados para estable­
cer estacionalidades. Por estas razones, es conveniente realizar un análisis exploratorio de los datos, utili­
zando las herramientas que nos proporciona la Estadística Descriptiva; por ejemplo, gráficas para ilustrar
tendencias y medidas de tendencia central o de dispersión.

Selección y verificación del modelo

Para la selección del modelo puede ser conveniente probar el desempeño de los diferentes modelos que
podrían considerarse, teniendo en cuenta la información y el software disponible, así como la experiencia
reportada por los usuarios de los diferentes modelos. Antes de seleccionar el modelo, se debe verificar
que las medidas de error son apropiadas, un error pequeño puede indicar exceso de ajuste (por ejemplo,
debido a un número demasiado grande de parámetros en el modelo) y un error muy grande puede indicar
falta de ajuste.

Desarrollo y presentación del pronóstico

Por último, luego de aplicar el modelo de pronóstico más adecuado para nuestros objetivos, deben produ­
cirse las medidas de pronóstico (puntual y de incertidumbre), así como los reportes, gráficas y conclusio­
nes que serán de utilidad para los usuarios finales del pronóstico.

s * 7.1.3. COMPONENTES DE UNA SERIE DE TIEMPO

Los datos que se utilizan con mayor frecuencia para construir pronósticos tienen la forma de una secuen-
c:i de valores numéricos indexados en el tiempo, comúnmente llamada “serie de tiempo”. Por ejemplo,
-na serie de tiempo podría ser el producto interno bruto (anual) de M éxico desde el año 1980 hasta el
año 2014, en cuyo caso la serie de tiempo consistiría de 35 datos; los datos de la tasa de cambio del dólar,
i_ cierre de operaciones de cada día laboral, constituye también una serie de tiempo.
Al analizar la evolución de una serie a través del tiempo, generalmente se aprecia que ésta se debe a
combinación de diferentes efectos, denominados componentes de la serie de tiempo y, para seleccionar
- modelo que mejor explique la evolución de la serie en el tiempo, es conveniente identificar los tipos de

- nistración de Operaciones • Muñoz Atfaomega

172 Capítulo 7 P ro n ó stico de la D e m a n d a

efectos que se presentan en la serie siendo los más comunes los componentes de tendencia, de estaciona-
lidad, de ciclo, de variación irregular y de variación aleatoria, cuyo significado explicamos a continuación.
Componente de tendencia. Está constituido por el patrón de crecimiento (o disminución) de la
serie en el tiempo. Si la serie tiende a crecer en el tiempo, se dice que tiene tendencia positiva y si tiende a
decrecer en el tiempo, se dice que su tendencia es negativa. Si no se observa tendencia positiva o negativa,
se dice que la serie es estacionaria.
Componente de estacionalidad. Este componente está presente en una serie de tiempo cuando
existe un patrón de variación regular del valor de la serie que se repite cada cierto período corto de tiempo
(semana, mes o año). Por ejemplo, la demanda de los hoteles crece en los meses de temporada alta, dismi­
nuyendo en los otros meses, por lo que podemos decir que la serie de reservaciones mensuales de los ho­
teles tiene un componente de estacionalidad de 12 períodos (anual). Dependiendo del caso particular, el
número de períodos de la estación depende del lapso de tiempo que constituye un período, por ejemplo,
los datos del número de estudiantes admitidos por semestre en una universidad tienen un componente de
estacionalidad anual de sólo dos períodos.
Componente de ciclo. Está constituido por las variaciones regulares en el valor de los datos que
tienen un patrón de repetición cada cierto período largo de tiempo (por ejemplo, una década). Las mag­
nitudes de los componentes de ciclo se atribuyen, en general, a diversos factores de la economía (niveles
de precios, producción o empleo, entre otros), por lo que a este componente también se le conoce como
el componente del ciclo de los negocios.
Componente de variación irregular. Este componente está constituido por el aumento o dismi­
nución en el valor de la serie que fue causado por un factor poco frecuente o cuya ocurrencia no tiene un
patrón periódico regular (por ejemplo, una catástrofe).
Componente de variación aleatoria. Las desviaciones de los valores de una serie de tiempo con
respecto de los componentes que han sido identificados (por ejemplo, tendencia, estacionalidad, ciclo y
variación irregular), reciben el nombre de variación aleatoria debido a que la fuente de variación no ha
sido explicada.
Es conveniente mencionar que, a menos que se haya identificado un modelo que permita estimar los
componentes de variación irregular y de variación aleatoria por separado, se acostumbra utilizar, indis­
tintamente, el término variación irregular o el término variación aleatoria para hacer referencia al efecto
conjunto de ambos componentes.

A * 7.1.4. MÉTODOS CUANTITATIVOS

Con la finalidad de discutir el uso de los modelos cuantitativos para construir un pronóstico de la deman­
da, denotaremos a la serie de valores observados p o r y j , d o n d e n es el número de observaciones
disponibles, y sea k el número de observaciones que se requieren para pronosticar el primer valor de la
serie utilizando el modelo. Para t = k + 1,... ,n, denotaremos por f ¿ = f ( y p ... ,yt_ j ) al valor pronosticado
para la serie en el tiempo, t S k + 1. Luego de calcular cada pronóstico F t, el conjunto de parejas (F t, y t),
t — k + 1,... ,n, puede ser utilizado para calcular las siguientes medidas absolutas del error de pronóstico
del modelo F t = /(y p ... ,y(_ j ).
El error promedio (M E) se define por

S ( ^ - a )
t= k +1_________
(7.1)

Alfaomega Adm inistración de Operaciones • Muño:

 7.1 C o n c e p t o s básicos para p r o n ó s tic o s 173

mientras que el error absoluto promedio (M AE) se define por

M A E =-^í±i------ _ (7.2)
(n-k)

El error cuadrático promedio (M SE) está dado por

í {p -y ,)1
M S E = ^ ~ -------- -----, (7.3)
(n -k )

y la correspondiente raíz cuadrada del error cuadrático promedio (RM SE) resulta

RM SE = M SE . (7.4)

Si se dispone de esta última medida de error cuando se realiza el pronóstico Fn + j, asumiendo errores
normalmente distribuidos, una medida de la incertidumbre asociada a + j como pronóstico del valor
futuro y n_|_j es el intervalo de predicción aproximado del ( l — Ct)l00%.

[ f „ +1 - z a RMSE, Fn+1 + z a RM SE], (7 .5 )

donde, si Z denota a una variable aleatoria que sigue una distribución normal estándar, z a es el valor que
cumple P [Z :£ z a ] = 1 — Ct/2 (ver el Apéndice), por lo general se utiliza a = 0.05 y z0 0^ = 1.96. El uso
del intervalo de predicción (7.5) está muy difundido en la literatura sobre pronósticos (ver, por ejemplo,
Makridakis et al. 1998) debido a que su implementación no es muy complicada, aunque es conveniente
mencionar que esta propuesta ignora la incertidumbre en los parámetros del modelo que pudiéramos estar
utilizando para producir el pronóstico F + 1. Al final del Apéndice de este libro discutimos brevemente
sobre las fuentes de incertidumbre (paramétrica y estocástica) presentes en un proceso de pronóstico e
indicamos cómo se pueden considerar estas fuentes de incertidumbre por medio de la Estadística Baye-
siana.
Con la finalidad de producir medidas de error que sean independientes de las unidades en que se ex­
presan los datos, se pueden calcular las siguientes medidas del error relativo. El error porcentual promedio
se define por

-/ ,) / / ,]
M PE = ----------------- 100%,
(n -k )

mientras que el error porcentual absoluto promedio se define como

X [ k ,- / ,| / U I ]
M A P E = '=Í+- ------- ----------100%, (7.7)
(n -k )

Administración de Operaciones • Muñoz Alfaomega

174 Capítulo 7 P ron óstico de la D e m an da

por último, un estadístico muy usado para medir la calidad del pronóstico es el estadístico 17 de Theil,
definido por

¿7 =
Jí [(-*?-*
V 1 _________________
(7.8)

Vt=k +1

Note que MPE, AÍAPE y el estadístico U de Theil no están definidos cuando alguna observación
toma el valor de cero. A continuación presentamos dos ejemplos de modelos muy sencillos que nos ser­
virán para ilustrar el cálculo de las medidas de error que acabamos de introducir. Estos ejemplos servirán
también para ilustrar la utilidad del estadístico U de Theil.
□---------------------------------- ------------------------------------------------------------------- -------
Ejemplo 7,1: El modelo más sencillo para el pronóstico de una serie
En la tercera columna de la Tabla 7.1 se presentan las ventas de vehículos, entre abril de 2014 y julio de
2015, según la Asociación Mexicana de la Industria Automotriz (AM IA), y en la segunda columna esta­
mos indicando el valor correspondiente para el subíndice t de la serie, donde el número de observaciones
que se requieren para iniciar el proceso de pronóstico con esta serie es de k = 1.

Mes (Ft Yt)/ |Ft Yt| /

tL
**

Yt Ft Ft Yt (F t Y t)2
i Yt |Yt|
abr-14 1 76865 - - - - - -
may-14 2 88244 76865 -11 37 9 11379 129481641 -0.1289 0.1289
jun-14 3 84127 88244 4117 4117 16949689 0.0489 0.0489
jul-14 4 96211 84127 -12 08 4 12084 146023056 -0.1256 0.1256
ago-14 5 103881 96211 -7 6 7 0 7670 58828900 -0.0738 0.0738
sep-14 6 89116 103881 14765 14765 218005225 0.1657 0.1657
oct-14 7 100923 89116 -11807 11807 139405249 -0.11 70 0.1170
nov-14 8 111 645 100923 -10 72 2 10722 114961 284 -0.0960 0.0960
dic-14 9 133273 111645 -21 62 8 21628 467770384 -0.1623 0.1623
ene-15 10 103697 133273 29576 29576 874739776 0.2852 0.2852
feb-15 11 97 558 103697 6139 6139 37 687 321 0.0629 0.0629
mar-15 12 104902 97558 -7 3 4 4 7344 53934336 -0.0700 0.0700
abr-15 13 94796 104902 10106 10106 102131236 0.1066 0.1066
may-15 14 101 982 94796 -7 1 8 6 7186 51 638596 -0.0705 0.0705
jun-15 15 106890 101 982 -4 9 0 8 4908 24088464 -0.0459 0.0459
jul-15 16 111 714 106890 -4 8 2 4 4824 23270976 -0.0432 0.0432

Tabla 7.1: Ventas de vehículos en el mercado doméstico mexicano.

Alfaomega Adm inistración de Operaciones • Muñes

 7.1 C o n c e p t o s básicos para p r o n ó s tic o s 175

El modelo de pronóstico que utilizaremos en este ejemplo sencillo consiste en tomar como pronós­
tico el valor previo observado de la serie, es decir, F( — y t_ j . De esta manera, si quisiéramos pronosticar
las ventas para agosto del 2015, con base en los datos de la tabla, el pronóstico de ventas sería de F 17 =
1 1 1 7 1 4 vehículos. Con el objetivo de ilustrar los cálculos que se requieren para determinar las medidas
de error de este pronóstico, de acuerdo con las ecuaciones (7 .1 ) a (7 .8 ), hemos indicado los cálculos ne­
cesarios desde la columna 4 hasta la columna 9 de la Tabla 7.1, obteniendo las medidas de error absoluto
siguientes (verlos detalles en el archivo [Link]).

M E = —2 323.0, M AE = 10 950.33, M SE = 1 6 3 9 2 7 7 4 2 , RM SE « 12803.43,

por lo que el intervalo de predicción del 95% para las ventas, en abril del 2009, estaría dado por

[1 1 1 7 1 4 -1 .9 6 (1 2 8 0 3 .4 3 ), 1 1 1 7 1 4 + 1 .9 6 (1 2 8 0 3 .4 3 )] = [8 6 6 1 9 .2 8 , 136808.72],

pronosticando un nivel de ventas entre 86 620 y 136 808 vehículos. Las medidas de error absoluto que
acabamos de calcular están en una escala que depende de la magnitud de los valores de la serie y para
tener medidas de error que estén en una escala independiente de esta magnitud, calculamos las medidas
relativas de error, a partir de los datos de la Tabla 7.1 (ver los detalles en el archivo [Link]), obteniendo
un error porcentual promedio de M PE = —1.76%, y un error porcentual absoluto promedio de M APE =
10.68%. Por último, de acuerdo con (7.8), el estadístico de Theil resulta U = 1, reflejando el hecho de que
estamos usando el modelo de pronóstico más sencillo. Notar que el estadístico U de Theil es el cociente
entre una medida de error del modelo de pronóstico utilizado y el modelo F f = y t_ j (en este ejemplo,
ambos modelos son el mismo); si el valor fuera menor que 1 indicaría que el modelo usado es más preciso
que el modelo más sencillo, si el valor fuera mayor que 1 indicaría que el modelo no es bueno, ya que el
modelo más sencillo produce una medida de error más pequeña.
----------------------------------------------------------------------------------------------------------------------------------------------------□

□--------------------------------------------------------------------------------------------------------------

Ejemplo 7.2: Otro modelo sencillo p a ra el pronóstico de una serie

Tomemos nuevamente los datos de ventas de vehículos en el mercado doméstico mexicano de la Tabla
". 1, pero utilicemos como pronóstico el promedio de los dos valores previos de la serie, es decir, el modelo
Ft = (y(_ j + yí_ 2)/2 - En la Tabla 7.2 estamos presentando algunos cálculos necesarios para determinar
’.as medidas de error cuando se utiliza este modelo de pronóstico. Notar que ahora k = 2, y que el pronós­
tico puntual para las ventas del mes de agosto de 2015 es de F j 7 = (1 0 6 8 9 0 + 111714)/ 2 = 101413
unidades.

administración de Operaciones • Muñoz Alfaomega

176 Capítulo 7 P ro n ó stico de la D e m a n d a

¡F t - (F t Y t) / ¡F t - Y t¡ /
M es Yt Ft Yt (F t Y t) 2
Y t[ Yt |Yt¡
B n
abr-14 1 76865 - - - -
may-14 2 88244 - - - - -
jun-14 3 84127 82 554.5 -1572.5 1572.5 2472756.25 -0.0187 0.0187
jul-14 4 96211 86185.5 -10025.5 10025.5 100510650.3 -0.10 42 0.1042
ago-14 5 103881 90169.0 -13712.0 13712 188018944 -0.13 20 0.1320
sep-14 6 89116 100046.0 10930.0 10930 119464900 0.1226 0.1226
oct-14 7 100923 96498.5 -4424.5 4424.5 19576200.25 -0.04 38 0.0438
nov-14 8 111 645 95019.5 -16625.5 16625.5 276407250.3 -0.14 89 0.1489
.....................
dic-14 9 133273 106284.0 -26989.0 26989 728406121 -0.20 25 0.2025
ene-15 10 103697 122459.0 18762.0 18762 352012644 0.1809 0.1809
feb-15 11 97 558 118485.0 20927.0 20927 437939329 0.2145 0.2145
mar-15 12 104902 100627.5 -4274.5 4274.5 18271 350.25 j -0.0407 0.0407
abr-15 13 94796 101230.0 6434.0 6434 41396356 ] 0.0679 0.0679
may-15 14 101982 99849.0 -21 33 .0 2133 4549689 ] -0.02 09 0.0209
jun-15 15 106890 98389.0 -85 01 .0 8501 72267001 i -0.07 95 0.0795
jul-15 16 111714 104436.0 -7278.0 7278 52969284 -0.0651 0.0651

Tabla 7.2: Ventas de vehículos en el mercado doméstico mexicano.

Como en la Tabla 7.1, hemos indicado algunos cálculos necesarios para calcular las medidas de error
desde la columna 4 hasta la columna 9 de la Tabla 7.2, obteniendo las medidas de error absoluto siguientes
(ver los detalles en el archivo [Link]).

M E = —2 7 4 9 .0 0 ,MAE = 1 0 8 9 9 .1 8 ,M S £ = 1 7 2 4 4 7 3 2 0 , RM SE = 13131.92,

por lo que el intervalo de predicción del 95% para las ventas, en abril del 2009, estaría dado por

[1 0 1 4 1 3 -1 .9 6 (1 3 1 3 1 .9 2 ), 1 0 1 4 1 3 + 1 .9 6 (1 3 1 3 1 .9 2 )] = [7 5 6 7 3 .9 4 ,1 2 7 1 5 1 .0 6 ],

pronosticando un nivel ventas entre 75 674 y 127 151 vehículos. Las medidas relativas de error, a partir
de los datos de la Tabla 7.2 (ver los detalles en el archivo [Link]), resultan en un error porcentual pro­
medio de M PE = —1.93%, y un error porcentual absoluto promedio de M APE = 10.30%. Por último,
el estadístico de Theil resulta U = 1.05, reflejando el hecho de que este modelo es ligeramente menos
preciso (no por mucho) que el modelo de pronóstico más sencillo.
----------------------------------------------------------------------------------------------------------------------------------------------------□

Alfaomega Adm inistració n de Operaciones • Muñoz

176 Capítulo 7 P ro n ó stico de la D e m a n d a

|F t - ( F t - Y t) / [F t - Y t |/
M es Yt Ft Ft Yt (F t Y t)2
Y t| Yt [Y t|
abr-14 1 76865 - - - - - -
may-14 2 88244 - - - - - -
jun-14 3 84127 82554.5 -1572.5 1572.5 2472756.25 -0.0187 0.0187
jul-14 4 96211 86185.5 -10025.5 10025.5 100510650.3 -0.1042 0.1042
ago-14 5 103881 90169.0 -13712.0 13712 188018944 -0.1320 0.1320
sep-14 6 89116 100046.0 10930.0 10930 119464900 0.1226 0.1226
oct-14 7 100923 96498.5 -4424.5 4424.5 19576200.25 -0.0438 0.0438
nov-14 8 111 645 95019.5 -16625.5 16625.5 276407250.3 -0.14 89 0.1489
dic-14 9 133273 106284.0 -26989.0 26989 728406121 -0.2025 0.2025
ene-15 10 103697 122459.0 18762.0 18762 352012644 0.1809 0.1809
feb-15 11 97 558 118485.0 20927.0 20927 437939329 0.2145 0.2145
mar-15 12 104902 100627.5 -4274.5 4274.5 18271 350.25 -0.0407 0.0407
abr-15 13 94796 101 230.0 6434.0 6434 41 396356 0.0679 0.0679
may-15 14 101 982 99849.0 -21 33 .0 2133 4549689 -0.0209 0.0209
jun-15 15 106890 98389.0 -85 01 .0 8501 72267001 -0.0795 0.0795
jul-15 16 111714 104436.0 -72 78 .0 7278 52969284 -0.0651 0.0651

Tabla 7.2: Ventas de vehículos en el mercado doméstico mexicano.

Como en la Tabla 7.1, hemos indicado algunos cálculos necesarios para calcularlas medidas de error
desde la columna 4 hasta la columna 9 de la Tabla 7.2, obteniendo las medidas de error absoluto siguientes
(verlos detalles en el archivo [Link]).

M E = —2 7 4 9 .0 0 , M AE » 10899.18, AfS£ = 1 7 2 4 4 7 3 2 0 , RMSE * 13 131.92,

por lo que el intervalo de predicción del 95% para las ventas, en abril del 2009, estaría dado por

[1 0 1 4 1 3 -1 .9 6 (1 3 1 3 1 .9 2 ), 1 0 1 4 1 3 + 1 .9 6 (1 3 1 3 1 .9 2 )] = [7 5 6 7 3 .9 4 ,1 2 7 1 5 1 .0 6 ],

pronosticando un nivel ventas entre 75 674 y 127 151 vehículos. Las medidas relativas de error, a partir
de los datos de la Tabla 7.2 (ver los detalles en el archivo [Link]), resultan en un error porcentual pro­
medio de M PE = —1.93%, y un error porcentual absoluto promedio de A1APE = 10.30%. Por último,
el estadístico de Theil resulta U ~ 1.05, reflejando el hecho de que este modelo es ligeramente menos
preciso (no por mucho) que el modelo de pronóstico más sencillo.
----------- ---------- ---------------------------------------------------------------------------------------□

Alfaomega Adm inistració n de Operaciones • Muñoz

176 Capítulo 7 P ron óstic o de la D e m a n d a

|F t (F t - Y t) / |F t Y t)/

'«SL
IL

£
«w
M es : Yt Ft Ft Yt
Y t[ Yt ¡Yt|
abr-14 1 76865 - - - - - -
may-14 2 88244 - - - - - -
jun-14 3 84127 82554.5 -1572.5 1572.5 2472756.25 -0.0187 0.0187
jul-14 4 96211 86185.5 -10025.5 10025.5 100510650.3 -0.1042 0.1042
ago-14 5 103381 90169.0 -13712.0 13712 188018944 -0.13 20 0.1320
sep-14 6 89116 100046.0 10930.0 10930 119464900 0.1226 0.1226
oct-14 7 100923 96498.5 -4424.5 4424.5 19576200.25 -0.04 38 0.0438
nov-14 8 111 645 95019.5 -16625.5 16625.5 276407250.3 -0.14 89 0.1489

dic-14 9 133273 106284.0 -26989.0 26989 728406121 -0.2025 0.2025

ene-15 10 103697 122459.0 18762.0 18762 352012644 0.1809 0.1809
feb-15 11 97558 118485.0 20927.0 20927 437939329 0.2145 0.2145
mar-15 12 104902 100627.5 -4274.5 4274.5 18271350.25 -0.0407 0.0407

abr-15 13 94796 101230.0 6434.0 6434 41 396356 0.0679 0.0679

may-15 14 101982 99849.0 -21 33 .0 2133 4549689 -0.02 09 0.0209

jun-15 15 106890 98389.0 -85 01 .0 8501 72267001 -0.0795 0.0795

jul-15 16 111714 104436.0 -7278.0 7278 52969284 -0.0651 0.0651

Tabla 7.2: Ventas de vehículos en el mercado doméstico mexicano.

Como en la Tabla 7.1, hemos indicado algunos cálculos necesarios para calcular las medidas de error
desde la columna 4 hasta la columna 9 de la Tabla 7.2, obteniendo las medidas de error absoluto siguientes
(verlos detalles en el archivo [Link]).

M E = —2 7 4 9 .0 0 , M AE » 10 899.18, M S £ = 1 7 2 4 4 7 3 2 0 , RAÍSE = 13131.92,

por lo que el intervalo de predicción del 95% para las ventas, en abril del 2009, estaría dado por

[ 1 0 1 4 1 3 - 1 .9 6 ( 1 3 131.92), 1 0 1 4 1 3 + 1 .9 6 (13 131.92)] = [7 5 6 7 3 .9 4 ,1 2 7 151.06],

pronosticando un nivel ventas entre 75 674 y 127 151 vehículos. Las medidas relativas de error, a partir
de los datos de la Tabla 7.2 (ver los detalles en el archivo [Link]), resultan en un error porcentual pro­
medio de M PE = —1.93%, y un error porcentual absoluto promedio de M APE — 10.30%. Por último,
el estadístico de Theil resulta U ~ 1.05, reflejando el hecho de que este modelo es ligeramente menos
preciso (no por mucho) que el modelo de pronóstico más sencillo.
----------------------------------------------------------------------------------------------------------------------------------------------------□

Alfaomega Adm inistración de Operaciones • Muñoz

 7.2 P rom e d io s m óvile s y su a viza m ie n to e x p o n e n c ia l 177

PROMEDIOS MÓVILES Y SUAVIZAMIENTO

EXPONENCIAL
Los primeros métodos que presentaremos para analizar una serie de tiempo, tienen como objetivo el
detectar el componente irregular (o aleatorio) de una serie, identificando un modelo de pronóstico con
cambios “suavizados”, es decir, sin cambios pronunciados, alrededor del cual se sitúan los valores reales
de la serie. Los modelos de suavizamiento son modelos sencillos, que pueden utilizar datos de un período
corto de tiempo y, en general, el pronóstico puntual es un promedio (ponderado) de los valores de la
serie de observaciones pasadas. Al promediar datos de la serie, se reduce la magnitud de los cambios hacia
arriba o hacia abajo, obteniendo un comportamiento regular ( “suave”) y es por ello que estos métodos
son llamados métodos de suavizamiento. Como ilustraremos con los ejemplos que, a continuación pre­
sentaremos, estos métodos pueden pronosticar acertadamente los valores de una serie de tiempo cuando
la serie no tiene tendencia, ni efectos estacionales o de ciclos.

A * 7.2.1. PROMEDIOS MÓVILES SIMPLES

El primer método de suavizamiento que discutiremos es el método de promedios móviles simples, que
consiste en pronosticar el valor de la serie de tiempo (F f) por el promedio simple de los m valores previos
de la serie, es decir,

r _ U l - + / , - 2 +••■ + // -

donde, por supuesto, estamos particularmente interesados en el pronóstico.F +1, y las parejas (F (, y t),
t = m + 1 ,...,n sirven para calcularlas medidas de error asociadas al pronóstico f w+l- Notar que las
primeras m observaciones son necesarias para calcular el primer pronóstico de la serie, por lo que, para el
método de promedios móviles simples de orden m se tiene k — m.
Si es posible adelantar que una serie tiene un patrón estacional (o de ciclo) de m períodos, este valor
es un buen candidato para el orden recomendado del promedio móvil. De otra forma, se recomienda
probar diferentes valores para m y tomar el que proporcione el menor error cuadrático promedio. Es con­
veniente mencionar que, debido a que el método de promedios móviles simples proporciona un valor
dentro del rango de los m valores previos de la serie, el valor pronosticado bajo este método no será muy
preciso cuando se espera un pico (F + j más alto o Ff¡ + 1 más bajo) para el siguiente valor de la serie.

□-------------------------------------------------------------------------------------------------------------------------------------------------------------

E je m p lo 7 .3 : P r o m e d io s m ó v ile s s im p le s d e o r d e n 3 y d e o r d e n 4
En este ejemplo también tomaremos los datos de ventas domésticas de vehículos de los ejemplos anterio­
res. Supongamos que tenemos razones para pensar que existe un patrón estacional trimestral (m = 3) o
cuatrimestral (m = 4 ), por lo que aplicaremos el método de promedios móviles simples con ambos órde­
nes (3 y 4 ) para determinar cuál de ellos proporciona el mejor error cuadrático promedio al pronosticar
las ventas domésticas de vehículos para agosto de 2015.

inistraclón de Operaciones • Muñoz Alfaomega

 178 Capítulo 7 P ro n ó stico de la D e m a n d a

Mes t yt Ft Orden 3 Error Ft - y t

abr-14 1 76865 - -
may-14 2 88244 - -
jun-14 3 84127 - -
jul-14 4 96211 83078.67 -13 13 2.33
ago-14 5 103881 89527.33 -14 35 3.67
sep-14 6 89116 94739.67 5623.67
oct-14 7 100923 96402.67 -4 5 20 .3 3
nov-14 8 111 645 97 973.33 -13 67 1.67
dic-14 9 133273 100561.33 -32711.67
ene-15 10 103697 115280.33 11583.33
feb-15 11 97558 116205.00 18647.00
mar-15 12 104902 111 509.33 6607.33
abr-15 13 94796 102052.33 7256.33
may-15 14 101982 99085.33 -2 8 9 6 .6 7
jun-15 15 106890 100560.00 -6 3 3 0 .0 0
jui-15 16 111714 101 222.67 -10491.33

Tabla 7.3: Ventas de vehículos en el mercado doméstico mexicano.

En la Tabla 7.3 se muestran los pronósticos y los errores que se obtienen con el método de prome­
dios móviles simples de orden 3, luego de aplicar el procedimiento de la hoja de cálculo del Ejemplo 7.3
(archivo [Link]). El pronóstico de ventas para el mes de agosto de 2015 fue de 106 862, con un inter­
valo de predicción del 95% entre 80 097 y 133 627 vehículos (las correspondientes medidas de error se
muestran en la Tabla 7.4).

I ME MAE MSE RMSE MPE | MAPE

¡ -3722.31 | 11371.18 186479667 13655.76 22.80% I 10.57% 1.07

Tabla 7.4: Medidas del error con m = 3.

Utilizando nuevamente el procedimiento de la hoja de cálculo del Ejemplo 7.3 para m = 4, se en­
contró que el pronóstico de ventas para el mes de agosto de 2015 fue de 103 845, con un intervalo de pre­
dicción entre 76 965 y 130 726 vehículos (las correspondientes medidas de error se muestran en la Tabla
7.5). Como puede apreciarse, el pronóstico puntual con m — 4 es más bajo, aunque las medidas de error
empeoraron (son más altas para m = 4 ). Cabe mencionar que las ventas reportadas por la A M IA para
agosto de 2015 fueron de 110 928 unidades, lo que indica que el pronóstico puntual con m = 3 fue más
acertado, aunque el intervalo de pronóstico con ambos métodos cubren al valor reportado por la AMIA.
Es conveniente mencionar que ambos modelos no son mejores que el modelo más sencillo (m = 1), lo
cual puede explicarse porque estos datos exhiben cierta tendencia (ver la Figura 7.2).

Alfaomega Administración de Ope raciones • Muñoz

 7.2 P ro m e d io s m óvile s y s u a v iz a m ie n to e x p o n e n c ia l 179

ME ¡ MAE MSE RMSE MPE MAPE U

—3660.58 11 255.79 188092712 13714.69 -2.59% 10.38% 1.09 [

Tabla 7.5: Medidas del error con m = 4.

Ventas de Autos

Figura 7.2: Ventas de vehículos entre abril de 2014 y julio de 2015.

----------------------------------------------------------------------------------------------------------------------------------------------------□

A * 7.2.2. SUAVIZAMIENTO EXPONENCIAL SIMPLE

El método de suavizamiento exponencial simple consiste en pronosticar el valor de la serie por medio
de un promedio ponderado de la observación anterior y del pronóstico anterior, lo cual se logra con el
modelo

Ft+1 = a y t + ( l - a ) F t, (7.10)

t = 1, 2 ,... ,n, donde 0 < Ot< 1. El pronóstico inicial F 1 y la constante a pueden elegirse apropiadamen­
te, por ejemplo, tratando de minimizar el M SE, aunque la literatura especializada recomienda tomar un
pronóstico inicial F j igual a la primera observación (y j ) o bien igual al promedio de las observaciones
disponibles.
Si utilizamos la ecuación (7 .1 0 ) recursivamente para despejar F t+ j en función de las observaciones
previas yy 1< j < t, podremos observar que el pronóstico es un promedio ponderado de estas observacio­
nes, aunque el peso de cada observación decrece exponencialmente a medida que ésta se aleja del período
de pronóstico t + 1.
□-----------------------------------------------------------------------------------------------------------------------------------------

Ejemplo 7.4: Suavizamiento exponencial simple

Para ilustrar la aplicación de los métodos de suavizamiento, consideremos ahora los datos de la serie que
se presentan en la Figura 7.3 (ver el archivo [Link]). Si tomamos los valores iniciales F j = = 102 y
a = 0.2, al aplicar el procedimiento disponible en la hoja de cálculo del Ejemplo 7.4, se obtiene un pronósti­
co puntual F j j = 121 para el siguiente valor de la serie, con un intervalo de predicción entre 95.73 y 16.27.

Administración de Operaciones • Muñoz Alfaomega

180 Capítulo 7 P ro n ó stico de la D e m a n d a

Las correspondientes medidas de error se muestran en la Tabla 7.6, donde se puede apreciar que el
suavizamiento exponencial con a = 0.2 todavía no es superior al modelo más sencillo de pronóstico (la
U de Theil es mayor que 1).
Utilizando el procedimiento de la hoja de cálculo correspondiente al botón “Suavizamiento con Alfa
óptimo”, se encontrará que el valor de a = 0.7136 es el que minimiza el M SE (con = 102),
proporcionando un pronóstico puntual = 121 para el siguiente valor de la serie, con un intervalo de
predicción del 95% entre 107.69 y 145.37. Las correspondientes medidas de error se muestran en la Tabla
7.7, donde se observa que ahora sí la U de Theil es (ligeramente) menor que 1, indicando que el modelo
de suavizamiento exponencial se ha comportado mejor que el modelo de pronóstico más sencillo. Como
puede apreciarse en la Figura 7.3, los pronósticos que proporciona el modelo de suavizamiento exponen­
cial con a óptimo están más cercanos a los valores reales que los de a = 0.2. Cabe mencionar que, si el
valor óptimo de 0Ces muy grande, por ejemplo, mayor de 0.5 (como en este caso), puede ser evidencia de
que la serie tiene algún efecto estacional o de tendencia, y puede ser conveniente ensayar otro método de
pronóstico para la serie.

Datos reales
SES alfa = 0.2
SES alfa óptimo

Figura 7.3: Suavizamiento exponencial simple con diferentes valores de a.

I ME MAE MSE RMSE MPE MAPE V I

-8 .6 4 10.19 166.24 12.89 -6.69% 8.25% 1.16

Tabla 7.6: Medidas del error con a = 0.2.

I ME MAE MSE RMSE MPE MAPE % I

-3 .1 3 7.01 92.38 9.61 -2.31% 5.90% 0.95

Tabla 7.7: Medidas del error con a óptimo.

Alfaomega Adm inistració n de Operaciones • Muñoz

 7.2 P ro m e d io s m óvile s y su a viza m ie n to e x p o n e n c ia l 181

A * 7.2.3. SUAVIZAMIENTO EXPONENCIAL CON TASA

ADAPTATIVA
Con el objetivo de permitir un mejor ajuste del modelo de pronóstico a los datos observados, el modelo
de suavizamiento exponencial con tasa adaptativa permite que la tasa de suavizamiento a pueda cambiar.
Bajo este modelo se propone que

Ft+ 1 - “ fcVf + ( l ~ a t)Ff (7.11)

donde la tasa a ( se pueden obtener a partir del error suavizado S( y del error absoluto suavizado Af, de
acuerdo con las siguientes ecuaciones.

a, = , S , = p e l + (l-p )S ^ ,A ,= l3 \ e ,\ + {l+ li)A ,_ ¡lel = / l - F l¡

paral = 1,2, donde 0 < /3< 1 es la constante de suavizamiento.

Se recomienda tomar un pronóstico inicial F ¡ igual a la primera observación {y^), SQ = A Q = 0, y la
constante j3 puede elegirse apropiadamente, por ejemplo, tratando de minimizar el M SE. En general, se
aconseja tomar un valor de ¡5 cercano a cero (por ejemplo, menor que 0.2).

□--------------------------------------------------------------------------------------------------------------

Ejemplo 7.5: Suavizamiento exponencial con tasa adaptativa

Para los mismos datos de la serie del ejemplo anterior, se aplicó el modelo de suavizamiento exponencial
con tasa adaptativa disponible en el archivo [Link]. Utilizando el procedimiento de la hoja de cálculo
correspondiente al botón “Suavizamiento con Beta óptimo”, se encontrará que el valor de ¡3 = 0.2718 es
el que minimiza el M SE (con F^ = = 102), proporcionando un pronóstico puntual F = 102 para
el siguiente valor de la serie, con un intervalo de predicción del 95% entre 110.18 y 145.80. Las corres­
pondientes medidas de error se muestran en la Tabla 7.8, donde se observa que la U de Theil es menor
que la que se obtuvo con el modelo de suavizamiento exponencial simple. Como puede apreciarse en la
Figura 7.4, los pronósticos que proporciona el modelo de suavizamiento exponencial con tasa adaptativa
y P óptimo están más cercanos a los valores de la serie que los del modelo de suavizamiento exponencial
simple con a óptimo.

ME 1 MAE MSE RMSE | MPE MAPE ! «

-2 .7 8 6.5 9 . 82 .59 9.0 9 - 2 .0 5 % 5.53% 0 .9 0

Tabla 7.8: Medidas del error con /3 óptimo.

Adm inistració n de Operaciones • Muñoz Alfaomega

 182 Capítulo 7 P ron óstic o de la D e m a n d a

Datos reales
SE adaptativo
SE Simple

Figura 7.4: Pronósticos de los modelos de suavizamiento exponencial simple y con tasa adaptativa.
d

O----------------------------------------------------------------------------------------------------------------------------------------------— -
Ejemplo 7.6: Suavizamiento exponencial para el pronóstico de ventas de vehículos
Con el objetivo de ilustrar que los métodos de suavizamiento exponencial presentados hasta el momento
pueden tener un desempeño pobre cuando los datos de la serie exhiben alguna tendencia, o algún efecto
estacional o de ciclo, hemos aplicado ambos métodos de suavizamiento para los datos de ventas de vehículos
en el mercado doméstico mexicano desde abril de 2 014 hasta julio de 2015.

MAE MSE RMSE MPE || MAPE [

I ME I “ I
j -3 433.57 10419.56 150509227 | 12268.22 -2.81% 9.98% J 0.99 j
Tabla 7.9: Medidas del error para el suavizamiento exponencial simple con a óptimo.
2
LU

MAE MSE RMSE MPE MAPE U

-2 3 2 3 .2 7 10950.33 163927742 12803.43 -1.76% I 10.68% I 1

Tabla 7.10: Medidas del error para el suavizamiento exponencial con tasa adaptativa y /3 óptimo.

Datos reales
SE Adaptativo
SE Simple

Figura 7.5: Pronósticos de ventas de vehículos de los modelos de suavizamiento exponencial simple
y con tasa adaptativa.

Alfaomega Adm inistración de Operaciones • Muñoz

 7.3 M o d e lo s de reg re sió n 183

Las medidas de error encontradas para el suavizamiento exponencial simple (con (X óptimo) se pre­
sentan en la Tabla 7.9, y las medidas de error correspondientes al suavizamiento exponencial con tasa
adaptativa (y |3 óptimo) se presentan en la Tabla 7.10. Com o puede apreciarse de la Tabla 7.9, el suavi­
zamiento exponencial simple tuvo un desempeño muy similar al del modelo más sencillo, ya que pro­
porciona una U de Theil igual a 0.99 y, para el método de suavizamiento exponencial con tasa adaptativa
se obtuvo exactamente el modelo más sencillo, con P = 1 y, en consecuencia, una U de Theil igual a 1.
Este pobre desempeño se puede atribuir a que los datos de la serie presentan una tendencia a crecer en el
tiempo (ver la Figura 7 .5).
--------------------------------------------------------------------------------------------------------------□

© 7.3 MODELOS DE REGRESIÓN

Los modelos llamados “de regresión” son, en general, los que se utilizan para pronosticar el valor que
tomará cierta variable Y, denominada variable de respuesta, cuando es posible conocer el valor que toma
cierto vector de variables de control X, denominado vector de control, asumiendo un modelo de pro­
nóstico de la forma Y = g(X;¡3), donde j3 es un vector de parámetros, cuyo valor se estima a partir de un
conjunto de parejas de observaciones disponibles (y¡, x¡), i = 1, 2, ..., n. Hemos utilizado los términos
“vector de variables” o “vector de parámetros” para indicar que, en general, pueden haber varias variables
de control y varios parámetros en el modelo de regresión, es decir, X = (X l t ...,X^) y P(¡30, ...,/3r), donde
qy r son enteros positivos.
En el caso particular en el que la función g (X ; ¡3) es lineal, es decir, cuando q = r, y
Y = p 0 + p 1X 1 + .. . + P rX r, (7.12)

el modelo de pronóstico es llamado modelo de regresión lineal múltiple y, cuando se tiene una sola va­
riable de respuesta en (7.12), es decir cuando r= 1, el modelo de pronóstico es llamado modelo de
regresión lineal simple.
Cuando se utiliza un modelo de regresión para pronosticar el valor de una serie de tiempo, éste es
llamado un “modelo causal” debido a que el modelo asume (implícitamente) que el valor que toma el
vector de control X es el que determina el valor pronosticado para la variable de respuesta Y (asumiendo
que el valor del vector de parámetros /3 es conocido).
Una de las técnicas más difundidas para la estimación puntual del vector de parámetros /) de un m o­
delo de regresión es la técnica de mínimos cuadrados, que consiste en encontrar el vector /) que minimiza
la suma de cuadrados ^ _ e ], donde e: = y i — con base en un conjunto de parejas de observa­

ciones disponibles (y v x¡), i = 1, 2 ,..., n. Para el caso del modelo de regresión lineal múltiple (7 .1 2 ) se
puede encontrar una solución explícita para el estimador ¡3 de mínimos cuadrados, cuya expresión, así
como las propiedades del método de mínimos cuadrados, pueden encontrarse en los textos de Estadística
(ver, por ejemplo, Hogg et al. 20 1 3 ). Para los propósitos de este libro de texto simplemente asumiremos
que, dado un conjunto de observaciones disponibles (y;, x¡), i = 1, 2, ...,« , podemos calcular el estima­
dor de mínimos cuadrados /3 para el modelo de regresión Y = g(X;¡3), mencionando además que, los
algoritmos para calcularlos estimadores de nuestros ejemplos están implementados en el software que se
distribuye con este libro.
En el caso en que utilicemos el modelo de regresión (7.12) para pronosticar el valor futuro de una
serie de tiempo, debemos cambiar ligeramente la notación introducida en la primera sección de este ca­
pítulo, ya que (asumiendo que se conoce el valor de /?) no se requieren valores previos para pronosticar

Administración de Operaciones • Muñoz Alfaomega

184 Capítulo 7 P ron óstic o de la D e m a n d a

el primer valor de la serie (fc = 0 ). En particular, para el modelo de regresión lineal múltiple, el cuadrado
medio del error responde a la ecuación

1 (^ -4
M SB=-m ¡---------- — , (7 .1 3 )
( n - r - 1)

donde F t = y30 + + ... + firx n , conservando las mismas expresiones definidas en (7.1), (7 .2 ), (7.4),
(7.6) y (7.7) para el ME, MAE, RM SE, M PE y M APE, respectivamente, con F t en lugar de F (.
Por otro lado, estamos usando la notación F t para remarcar que el vector de parámetros /3 ha sido
estimado por un vector de estimadores j ì = ^ji0,j3u . .. ,P r j, con la intención de incluir la incertidumbre
paramétrica en el intervalo de predicción para el próximo valor de la seriey n+ v ya que esta incertidumbre
es particularmente importante cuando el número de observaciones (« ) de la serie es pequeño, como tí­
picamente ocurre cuando deseamos pronosticarla demanda de nuevos productos (como en los ejemplos
del final de esta sección).
Para incluir la incertidumbre paramétrica en el intervalo de predicción de un valoryp = ¡30 +
+ ... + /3jc + e.w notar que F = j30 + ¡3lx ¡ + .. . + ¡3rx es utilizado para pronosticar el valor de y en
lugar de Fp = P0 + ^ x lp + ... + P ^ rp, y que y f - F p = \ Fr ~ F f ) + e , por lo que la varianza del error
de predicción resulta <51p -t-cr donde ó 2p es la varianza de la diferencia \Fp —/ ) ) ( y es llamada la varianza
paramétrica), y Ó ] es la varianza de ep (y es llamada la varianza estocástica). Debido a estas considera­
ciones, en lugar de la ecuación (7 .5 ), el intervalo de predicción para el siguiente valor de la serie cuando
utilicemos un modelo de regresión para predicción tomará la forma

[ A +í - z . + á : Á +¡ + ° ;} (7 -14)

donde Ò] es igual alMSE definido en (7 .1 3 ) y Ó zp es un estimador de la varianza de la diferencia

. La derivación de una fórmula explícita para la varianza paramétrica escapa al alcance de este libro; para
el caso del modelo de regresión lineal múltiple puede consultarse, por ejemplo, en Hogg eí al. (2 0 1 3 );
aunque con el objetivo de facilitar nuestra notación, al lector familiarizado con el modelo de regresión
lineal simple le recordamos la conocida fórmula para dicho modelo:

Notar de esta fórmula que la varianza paramétrica tiende a hacerse pequeña a medida que crece el
número de observaciones n.

s S 7.3.1. PRONÓSTICOS DE LA D EM ANDA BASADOS

EN REGRESIÓN LINEAL
Debido a que la gráfica de la ecuación Y = fi0 + ¡i^t (como función del tiempo t) define a una línea recta,
el modelo de pronóstico

Ft = l30 + f t t , (7.15)

para la serie de tiempo y v ...,yn puede utilizarse como un modelo de pronóstico que explica el valor de la
serie con base en su tendencia, asumiendo que ésta es lineal. Se dice que la tendencia es positiva si la serie

Alfaomega Adm inistració n de Operaciones • Muñoz

 7.3 M o d e lo s de reg re sió n 185

de pronósticos F f crece (/3j > 0) en el tiempo y se dice que la tendencia es negativa cuando la serie de
pronósticos F ( decrece (/3¡ < 0) en el tiempo.
El valor que se aconseja tomar para el parámetro ¡5 = (¡5q, /3j ) en (7 .1 5 ) es el estimador por mínimos
cuadrados del modelo de regresión lineal simple definido por la Ecuación (7 .1 2 ) con r = 1, donde la
variable de respuesta es el valor pronosticado de la serie de tiempo (F t), y la única variable de control es
el tiempo (X j = t).
□--------------------------------------------------------------------------------------------------------------

Ejemplo 7 .7 : Pronóstico de la Tendencia Usando Regresión Lineal Simple

Como podemos apreciar de la Figura 7.5, la serie de tiempo de ventas de vehículos en el mercado domés­
tico mexicano entre abril de 2014 y julio de 2015 presenta una tendencia positiva, por lo que puede ser
una buena idea el investigar cómo serían los pronósticos utilizando el modelo de regresión simple que
acabamos de discutir.
Utilizando el procedimiento disponible en el archivo [Link] encontramos que, luego de estimar
los parámetros del modelo (7 .1 5 ) por mínimos cuadrados, se obtienen /)„ = 87512.63 y ¡5l =1511.93, pro­
porcionando un pronóstico puntual de ventas de 113 215 vehículos para agosto de 2015, con un intervalo
de predicción del 95% entre 88 143 y 138 288 vehículos. Las medidas de error correspondientes a este
modelo se presentan en la Tabla 7.11, donde se puede apreciar una U de Theil menor que 1, indicando que
este modelo lineal simple proporciona un ajuste más preciso que el modelo de pronóstico más sencillo.
Notar que en el archivo [Link] se ha reportado la estimación de la varianza paramétrica O ~ 3529507
y el MSE Ó] = 128345845, por lo que, por ejemplo, el límite inferior del intervalo de predicción del 95%
es, de acuerdo con (7.14), 113215—1.96^3529507 + 128345845 = 88143.

Datos reales

Reg. Simple

Figura 7.6: Pronósticos de ventas de vehículos en México a partir de la tendencia lineal.

! ME MAE MSE RMSE MPE MAPE

»
0 7444.00 1283 4 5 8 4 5 11 328.98 1.03% 7.27% J 0.82 ¡

Tabla 7.11: Medidas del error para el pronóstico de la tendencia lineal de la venta de vehículos.

Administración de Operaciones • Muñoz Alfaomega

186 Capítulo 7 P ron óstico de la D e m a n d a

En la Figura 7.6 ilustramos los datos de ventas de vehículos que hemos utilizado para ajustar la ten­
dencia lineal, así como los pronósticos que se obtienen a partir del modelo de pronóstico (7 .1 5 ). Como
puede apreciarse, los datos exhiben una clara tendencia lineal positiva, debido a que /31 > 0.

A ? 7.3.2. TRANSFORMACIÓN DE VARIABLES Y DEM ANDA

DE NUEVOS PRODUCTOS
En muchas aplicaciones, como es el caso del pronóstico de la demanda de un nuevo producto, se pue­
de sospechar que la función de respuesta g(X ;/5) que es apropiada para ajustar el modelo de regresión
y = g(X;¡3) pudiera ser una función no lineal, a diferencia de un modelo de la forma (7 .1 2 ). Aunque en
este caso todavía se puede probar el método de mínimos cuadrados para ajustar una función no lineal,
o inclusive utilizar la Estadística Bayesiana para calcular los intervalos de predicción (ver, por ejemplo,
Bermúdez et al. 2010 o Muñoz 2 0 09) sin alterar el modelo no lineal Y = g(X ;P ), un procedimiento que
está muy difundido para ajustar un modelo no lineal, debido a que es relativamente fácil de implementar,
es el método de linearización del modelo.
El método de linearización consiste en buscar una transformación de las variables (de respuesta y/o
de control) del modelo Y = g(X ;¡3) con el objetivo de expresar dicho modelo como un modelo lineal.
Luego de aplicar este método, se puede usar la regresión lineal múltiple para ajustar el modelo linearizado.
Cuando se puede aplicar este procedimiento, podemos implementarlo muy fácilmente, ya que sólo nece­
sitamos utilizar las herramientas computacionales que requiere un análisis de regresión lineal múltiple,
las que están ampliamente difundidas en una gran variedad de aplicaciones comerciales (por ejemplo, en
hojas de cálculo).
El método de linearización puede ser utilizado para pronosticar la demanda de un nuevo producto,
con base en los datos de una serie histórica muy corta, correspondiente a la demanda de unos pocos perío­
dos iniciales. Con este tipo de información, el ajuste de un modelo de regresión lineal puede ser de poca
utilidad, ya que la tendencia lineal, con los datos iniciales de la serie de la demanda de un producto nuevo,
probablemente no es confiable, por lo que es razonable proponer un modelo de predicción no lineal.
La evolución (en el tiempo) de la demanda de un nuevo producto típicamente tiene una forma de S
(ver, por ejemplo, la Figura 7.8) donde, empezando con una demanda previa de cero, la evolución de la
demanda en el transcurso del tiempo pasa por los siguientes períodos.

1. Un período de introducción, donde el crecimiento de la demanda es relativamente lento.

2. Un período de crecimiento donde, una vez que el producto ya se introdujo en el mercado, el
crecimiento de la demanda es muy rápido, a una tasa que se incrementa con el tiempo.
3. Un período de madurez donde la tasa de crecimiento empieza a decrecer, debido a que el pro­
ducto ya es ampliamente conocido en el mercado.
4. Finalmente se llega a un período de declive, donde la demanda crece muy lentamente, o inclu­
sive decrece, debido a que ya se alcanzó un porcentaje estable de participación en el mercado, o
porque este porcentaje decrece debido a la competencia o a la imitación.

Debido a que el patrón de la demanda de nuevos productos tiene un comportamiento no lineal

en el tiempo, se han propuesto diversos modelos no lineales para explicar este comportamiento; dichos
modelos son llamados “modelos de difusión”, debido a que tratan de explicar cómo se difunde el nuevo
producto en el mercado. En esta sección discutiremos la aplicación de tres de los modelos de difusión
más utilizados en la práctica, el modelo de Gompertz, el modelo logístico y el modelo de Bass. Las carac­
terísticas de los ajustes que proporcionan estos modelos tienen dos diferencias fundamentales. La primera
radica en la forma de la curva de pronóstico y, en particular, en el lapso de tiempo que transcurre hasta que
la demanda se estabiliza. La segunda radica en que cada modelo proporciona (o utiliza) una estimación

Aifaomega Adm inistración de Operaciones • Muñoz

 7.3 M o d e lo s de reg re sió n 187

diferente para el máximo valor de la demanda que se puede alcanzar con el modelo correspondiente. A
continuación presentamos el modelo de Gompertz y discutimos cómo se puede aplicar la transformación
de variables para estimar fácilmente sus parámetros a partir de información histórica limitada.

M o d e lo d e G o m p e r t z
El modelo de Gompertz se debe al actuario inglés (nacido en 1779) Benjamín Gompertz, quien propuso
la Ley de M ortalidad de Gom pertz para explicar que la tasa de mortalidad se incrementa (con la edad)
como una progresión geométrica. Bajo esta ley, la relación entre los logaritmos de la tasa de mortalidad
y del tiempo se comporta como una línea recta, por lo que una transformación logarítmica de los datos
correspondientes permite ajustar el modelo por medio de una regresión lineal simple, como explicamos
a continuación.
El modelo de Gompertz tiene la forma

Ft = Pe~ (7.16)

donde:

0 F ( es el pronóstico de la demanda acumulada hasta el tiempo f,

O t es el tiempo,
© P es la demanda máxima (se asume conocida), y
0 a y b son parámetros a estimar.

Para estimar fácilmente los parámetros del modelo de Gompertz se pueden tomar logaritmos a am­
bos lados de (7.16), para obtener la expresión equivalente

Zt = log(log(P /F f)) = log(fl) - bt, (7.17)

que define una relación lineal entre Zf y el tiempo í.

En el siguiente ejemplo utilizamos la expresión (7 .1 7 ) para estimar log(a) y ~ b aplicando el modelo
de pronóstico de regresión lineal simple (7.15) ala serie z ,, ...,z n, donde z, = log(log(P/y¡. )), i = 1
Y y V ■■■’)'n es una selae (cort:a) de datos de demanda de un producto nuevo.
□--------------------------------------------------------------------------------------------------------------

Ejemplo 7.8: Pronóstico de ventas de televisores digitales con el modelo de Gompertz

Para ilustrar la aplicación del modelo de Gompertz utilizaremos los datos que se presentan en la Tabla
7.12, y que corresponden a las ventas acumuladas (en millones) de televisores digitales de alta definición
en los EUA, en los 4 primeros años de venta de este producto.

Fecha dic-99 dic-00 dic-01 dic-02

t 1 2 3 4
Demanda (yt) 0.12 0.77 2.23 4.76

Tabla 7.12: Demanda acumulada (en millones) de televisores digitales en EUA en los 4 primeros años de venta.

Asumiendo una demanda máxima para nuestro horizonte de planeación de P = 248 millones, y
utilizando el procedimiento disponible en el archivo [Link], encontramos que, luego de estimar los

Administración de Operaciones • Muñoz Alfaomega

188 Capítulo 7 P ron óstic o de la D e m a n d a

parámetros del modelo (7 .1 7 ) por mínimos cuadrados, la estimación de log(a) es, aproximadamente 2.22
y de b es —0.22, por lo que nuestros estimados de los parámetros del modelo de Gompertz (7 .1 6 ) son
a —e 2,22 = 9.23 y b ~ 0.22. En la Tabla 7.13 presentamos las medidas de error para el ajuste de los datos de
la Tabla 7.12 utilizando el modelo de Gompertz linearizado (7.17), donde se puede apreciar que la U de
Theil es muy pequeña, indicando que este modelo proporciona un ajuste de la transformación de los datos
de la Tabla 7.12 mucho más preciso que el modelo más sencillo. En la Figura 7.7 presentamos la gráfica
de los datos reales de ventas de televisores junto con los valores que proporciona el ajuste del modelo de
Gompertz linearizado, donde podemos apreciar que los errores del pronóstico son muy pequeños.

! ME MAE MSE RMSE MPE MAPE u I

0.000 0.026 0.001 0.037 -0.002% 1.549% 0.116

Tabla 7.13: Medidas del error para el pronóstico con el m odelo de Gompertz linearizado (7.17).

—♦— Datos reales

Gompertz

Figura 7.7: Comparación de los datos reales y los pronósticos con el modelo de Gompertz.

Para obtener el pronóstico puntual de las ventas acumuladas para el siguiente período (dic-03) con
el modelo de Gompertz (7.1 6 ), debemos considerar que el pronóstico puntual con el modelo (7 .1 7 ) para
el siguiente período es deEz^ = 1.133, con un intervalo de predicción del 95% entre 1.017 y 1.249 (notar
que este intervalo incluye la incertidumbre paramétrica), por lo que el pronóstico puntual para las ventas
acumuladas hasta dic-03 es de F s = 248/ee‘ ~ 11.109 millones de televisores, con un intervalo de pre­
dicción del 95% entre 2 4 8 / *49 = 7.585 y 2 4 8 / 017 ~ 15.604 millones de televisores.

Alfaomega Adm inistración de Operaciones • Muñoz

 Gompertz
100

50

0 -14=

é - '# # # # # # # # # # # # # # é* # é 1 # é" # #

Figura 7.8: Pronósticos de ventas de televisores con base en el modelo de Gompertz.

Para calcular el pronóstico puntual de las ventas acumuladas en cualquier período, también se pueden
utilizar las estimaciones previas a = 9.23, b = 0.22, y el modelo (7 .1 6 ). Por ejemplo, podemos obtener nue­
vamente F j = 248e_923e ~ 11.109, y en la Figura 7.8 estamos presentando la gráfica de los valores
pronosticados por el modelo de Gompertz hasta el año 2014, donde podemos apreciar que la evolución
de las ventas con este modelo pasa por los períodos mencionados anteriormente para una curva en forma de
S (introducción, crecimiento, maduración y declive).

Modelo logístico
El modelo logístico, al igual que el modelo de Gompertz, se utiliza cuando se dispone de información his­
tórica limitada sobre las ventas iniciales de un nuevo producto, y la principal diferencia con el modelo de
Gompertz es que típicamente el pronóstico de ventas se acerca a la demanda máxima P más rápidamente,
es decir, el pronóstico de ventas tiende a ser mayor (aunque siempre menor que la población total P ).
El modelo de logístico tiene la forma

P
(7.18)

donde:

0 F ( es la demanda acumulada hasta el tiempo í,

O t es el tiempo,
® P es la demanda máxima (se asume conocida), y
© a y b son parámetros a estimar.

Administración de Operaciones • Muñoz Alfaomega

190 Capítulo 7 Pron óstic o de la D e m a n d a

Para estimar fácilmente los parámetros del modelo logistico se puede despejar el término ae para
luego tomar logaritmos a ambos lados, obteniendo la expresión equivalente

-F JP '
z <= log =log { a ) - b t , (7.19)
„ F JP

que define una relación lineal entre la transformación Z f y el tiempo t.

En el siguiente ejemplo utilizamos la expresión (7 .1 9 ) para estimar log(a) y - ■b aplicando el modelo

1~ - y . J P '
de pronóstico de regresión lineal simple (7 .1 5 ) ala serie Z y...,zn, donde z¡ = log 1
= ,
y jP
i = 1 , y y y - i y n es una serie (corta) de datos de la demanda acumulada de un producto nuevo. En
este ejemplo vamos a ignorar la necesidad de conocer explícitamente el valor de la población P, conside­
rando directamente la participación de mercado y¡/P. Notar que un artificio similar para ignorar el valor
de P puede utilizarse con el modelo de Gompertz.
□---------------------------------------------------------------- ----------------------------------------------------------
Ejemplo 7.9: Pronóstico de la adopción de teléfonos celulares con el modelo logístico
Para ilustrar la aplicación del modelo logístico utilizaremos los datos que se presentan en la Tabla 7.14, y
que corresponden a la fracción del total de usuarios de teléfonos que han adquirido un teléfono celular en
los EUA, desde su introducción en el año 1987, hasta finales de 2004. Con el objetivo de ilustrar la apli­
cación con una serie histórica corta, ajustaremos el modelo logístico utilizando sólo los primeros 5 datos
de la serie y el resto de la serie nos servirá para comparar los datos reales con los pronósticos basados en
los 5 primeros años.
Considerando sólo los primeros 5 datos de la serie mostrada en la Tabla 7.14, y utilizando el proce­
dimiento disponible en el archivo [Link], encontramos que, luego de estimar los parámetros del mode­
lo (7 .1 9 ) por mínimos cuadrados, la estimación de log(fl) es, aproximadamente 5.10 y de - b es -0 .6 5 , por
lo que nuestros estimados de los parámetros del modelo logístico (7 .1 8 ) son á = e' l° = 163.26 y b - 0.65.
En la Tabla 7.15 presentamos las medidas de error para el ajuste del modelo linearizado (7 .1 9 ) con los
primeros 5 datos de la Tabla 7.14, donde nuevamente se puede apreciar una U de Theil muy pequeña, in­
dicando que este modelo proporciona un ajuste de la transformación de los datos de la Tabla 7.14 mucho
más preciso que el modelo más sencillo.

Fecha t Participación (y,/P) Fecha Participación Íy /P )

S B
dic-87 1 0.009891320 dic-96 10 0.573020360
dic-88 2 0.024706332 dic-97 11 0.674370727
dic-89 3 0.046614201 dic-98 12 0.761361179
dic-90 4 0.078406114 dic-99 13 0.830783960
dic-91 5 0.123302371 dic-00 14 0.883037847
dic-92 6 0.184326194 dic-01 15 0.920662231
dic-93 7 0.263098137 dic-02 16 0.946896118
dic-94 8 0.358272128 dic-03 17 0.964780616
dic-95 9 0.464488152 dic-04 18 0.976786669

Tabla 7.14: Fracción de usuarios que han adquirido un teléfono celular en los EUA.

Alfaomega Adm inistración de Operaciones • Muñoz

 7.3 M o d e lo s de reg re sió n 191

I ME MAE MSE RMSE MPE MARE

0.000 0.111 0.024 0.154 -0.144% 3.629% I 0.169

Tabla 7.15: Medidas del error para el pronóstico con el modelo logistlco llnearlzado (7.19).

Para obtener el pronóstico puntual de la fracción de usuarios que han adoptado el teléfono celular
para el siguiente período (dic-92) con el modelo logístico (7 .18), debemos considerar que el pronóstico
puntual con el modelo (7.19) para el siguiente período es de Fz^ = 1.195, con un intervalo de predicción
del 95% entre 0.758 y 1.631 (que incluye la incertidumbre paramétrica), por lo que el pronóstico puntual
para la fracción de adopción de teléfonos celulares hasta dic-92 es de JF6 = l ( l + ¿1-195) ~ 0.232, con un
intervalo de predicción del 95% entre 1/(1 + ^1-^31) ~ q.164 y 1/(1 + e ° ‘7S8) ~ 0.319.
Para calcular el pronóstico puntual de la fracción de adopción en cualquier periodo, también se pue­
den utilizar las estimaciones ya mencionadas a = 163.26, b = 0.65, y el modelo (7.1 8 ). Por ejemplo, pode­
mos obtener nuevamente F¿ = 1/(1 + 163.26e_ 6 (a 6 5 )) ~ 0.232. En la Figura 7.9 presentamos la gráfica
de los datos reales de adopción de teléfonos celulares desde dic-87 hasta dic-03, junto con los valores que
proporciona el ajuste del modelo logístico utilizando los 5 primeros datos de la serie.

Datos reales

Logística

-a - -a - -a -a - -0 - -a -0 - -0 - ~ 0 ' ~0' o0 ~ 0 ' ~0- ~0'

Figura 7.9: Comparación de los datos reales y los pronósticos con el modelo logístico.

Modelo de Bass
El tercer modelo que presentamos para el pronóstico de la demanda de nuevos productos fue propuesto
por Frank M. Bass (1 9 6 9 ), y desde entonces ha sido ampliamente utilizado como modelo de difusión para
la entrada de nuevos productos, así como también de epidemias y procesos biológicos. Com o se reporta
en Van den Bulte (2 002), el modelo de Bass ha sido utilizado exitosamente para estudiar la difusión de
una gran variedad de productos nuevos, incluyendo la adopción de baterías solares en los EUA por el
Departamento de Energía en 1980, las ventas de discos compactos para música por RCA (a mediados de
los 80), y la adopción de televisión por vía satélite en los EUA por Direct T V en 1992, entre otros procesos
de difusión.

Administración de Operaciones • Muñoz Alfaomega

192 Capítulo 7 P ro n ó stico de ia D e m a n d a

El modelo de Bass asume que existe una tasa natural de adopción p del nuevo producto y un efecto
de contagio (o “de red”) que es directamente proporcional a la proporción de consumidores que ya adop­
taron el producto; por lo que el modelo tiene la forma

FM =-Ft + [ p + q ^ ) { P - F , ) , (7-20)

donde:

© F t es el pronóstico de la demanda acumulada hasta el tiempo t,

© te s el tiempo,
© P es la población potencial de consumidores (puede estimarse o asumirse conocida), y
® p y q son parámetros a estimar.

En su artículo original, Bass propone la estimación de los tres parámetros del modelo (P ,p y q ) con
base en las observaciones iniciales de la demanda acumulada. Estos parámetros se pueden estimar fácilmente
si reordenamos los términos de (7 .2 0 ) para expresar el modelo como

Z t = a + bFt -rcF¡ , (7.21)

donde Z ( = Pf+1 — Fp a = pP, b = q — p , c = —q /P . El modelo ( 7 .2 l) tiene la forma del modelo de re­

gresión lineal múltiple (7 .1 2 ) con r = 2 variables de control, por lo que, con base en los datos y y ...,y n + í
de una serie (corta) de la demanda del nuevo producto y, utilizando regresión lineal múltiple, se pueden
encontrar los estimadores a , b , c para los parámetros a , b y c , que permiten encontrar los estimadores

- b ± ' j { b 1- \ a c )
P = --------- :------- ,p = a ¡ P,q = -Pc
2c

para P ,p y q , respectivamente. Aunque el procedimiento de estimación simultánea de los tres parámetros

con base en (7.21) está implementado en la hoja correspondiente del archivo [Link], la estimación de la
población P con base en pocos datos de la serie puede ser poco confiable, por lo que recomendamos que
se estimen sólo p y q a partir de los datos de la serie considerando, por ejemplo, la serie correspondiente
a la participación de mercado y t/ P como se hizo en el Ejemplo 7.9 y como ilustramos con el ejemplo
siguiente.

□----------------------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 7.10: Pronósticos de adopción de máquinas contestadoras con el modelo de Bass
Para aplicar el modelo de Bass utilizaremos los datos que se presentan en la Tabla 7.16, y que correspon­
den a la fracción del total de usuarios de teléfonos que han adquirido una máquina contestadora en los
EUA, desde su introducción en el año de 198S, hasta finales de 2004. Como en los ejemplos anteriores,
deseamos aplicar el modelo con una serie histórica corta, por lo que ajustaremos el modelo de Bass utili­
zando sólo los primeros cuatro datos de la serie, y el resto de la serie nos servirá para comparar los datos
reales con los pronósticos que se obtienen con base en los datos de los cuatro primeros años.

Alfaomega Adm inistració n de Operaciones • Muñoz

192 Capítulo 7 P ron óstico de ¡a D e m a n d a

El modelo de Bass asume que existe una tasa natural de adopción p del nuevo producto y un efecto
de contagio (o “de red”) que es directamente proporcional a la proporción de consumidores que ya adop­
taron el producto; por lo que el modelo tiene la forma

F ,+í= P t + { p + q ^ ) { P - F t ), (7.20)

donde:

© Ft es el pronóstico de la demanda acumulada hasta el tiempo t,

© t es el tiempo,
® P es la población potencial de consumidores (puede estimarse o asumirse conocida), y
© p y q son parámetros a estimar.

En su artículo original, Bass propone la estimación de los tres parámetros del modelo (P ,p y q ) con
base en las observaciones iniciales de la demanda acumulada. Estos parámetros se pueden estimar fácilmente
si reordenamos los términos de (7.20) para expresar el modelo como

Z , = a + bFt + c F ? , (7.21)

donde Zt Fí+1 Ft’ a = pP, b = q —p, c = —q /P . El modelo (7 .2 1 ) tiene la forma del modelo de re­
gresión lineal múltiple (7 .1 2 ) con r = 2 variables de control, por lo que, con base en los datosjq, ...,y n + í
de una serie (corta) de la demanda del nuevo producto y, utilizando regresión lineal múltiple, se pueden
encontrar los estimadores a , b , c para los parámetros a , b y c , que permiten encontrar los estimadores

-b ± \J( b2-4á¿)
P ----------—------- , > “ «/ P ,q --P c
2c
para P ,p y q, respectivamente. Aunque el procedimiento de estimación simultánea de los tres parámetros
con base en (7 .2 1 ) está implementado en la hoja correspondiente del archivo [Link], la estimación de la
población P con base en pocos datos de la serie puede ser poco confiable, por lo que recomendamos que
se estimen sólo p y q a partir de los datos de la serie considerando, por ejemplo, la serie correspondiente
a la participación de mercado y t/P como se hizo en el Ejemplo 7.9 y como ilustramos con el ejemplo
siguiente.

O----------------------------------------------------------------------------------------------------------------------------------------------------
Ejem plo 7.10: Pronósticos de adopción de máquinas contestadoras con el m odelo de Bass
Para aplicar el modelo de Bass utilizaremos los datos que se presentan en la Tabla 7.16, y que correspon­
den a la fracción del total de usuarios de teléfonos que han adquirido una máquina contestadora en los
EUA, desde su introducción en el año de 1985, hasta finales de 2004. Como en los ejemplos anteriores,
deseamos aplicar el modelo con una serie histórica corta, por lo que ajustaremos el modelo de Bass utili­
zando sólo los primeros cuatro datos de la serie, y el resto de la serie nos servirá para comparar los datos
reales con los pronósticos que se obtienen con base en los datos de los cuatro primeros años.

Alfaomega Adm inistración de Operaciones • Muñoz

 7.3 M o d e lo s de reg re sió n 193

Fecha * Participación (y /P ) Pecha t Participación {y^/P)

d ic -8 5 1 0.03031 d ic-9 5 11 0 .8 6 8 1 8

d¡c-86 2 0.07351 d lc -9 6 12 0 .9 1 0 4 4

d ic -8 7 3 0 .1 3 2 9 6 d ic-9 7 13 0 .9 4 0 0 3

d ic -8 8 4 0 .2 1 0 8 7 d ic -9 8 14 0 .9 6 0 2 4

d¡c-89 5 0 .3 0 6 7 4 d ic -9 9 15 0 .9 7 3 8 2

d¡c-90 6 0 .4 1 5 9 2 d¡c-00 16 0 .9 8 2 8 4

dic-91 7 0 .5 2 9 8 6 dic-01 I 17 0 .9 8 8 7 8

d¡c-92 8 0 .6 3 8 4 0 d ic-0 2 | 18 0 .9 9 2 6 8

d lc -9 3 9 0 .7 3 3 1 9 d ic -0 3 [ 19 0 .9 9 5 2 3

d ic -9 4 10 0 .8 0 9 8 8 d ic -0 4 0 .9 9 6 9 0

Tabla 7.16: Fracción de usuarios que han adquirido una máquina contestadora en los EUA.

Considerando P — 1 y sólo los primeros cuatro datos de la serie mostrada en la Tabla 7.16, hemos uti­
lizado el procedimiento (correspondiente ala opción“... con P dado”) disponible en el archivo [Link],
y encontramos que las estimaciones de los parámetros del modelo (7.21) son a = 0.03, b = 0.41, c = —0.44,
que proporcionan p ~ 0.031, y .y = 0.441 (se asume P = 1). En la Tabla 7.17 presentamos las medidas
de error para el ajuste del modelo linearizado (7 .2 1 ) con los primeros 4 datos de la Tabla 7.16, donde
nuevamente se puede apreciar una U de Theil muy pequeña, indicando que este modelo proporciona un
ajuste de la transformación de los datos de la Tabla 7.16 mucho más preciso que el modelo más sencillo.

i ME MAE MSE RMSE MPE MAPE

í I
0.0000 0 .0 0 0 2 0.0000 0 .0 0 0 4 0 .0 194 % 0 .3 9 0 2 % 0 .0 1 6 5

Tabla 7.17: Medidas del error para el pronóstico con el modelo de Bass linearizado (7.21).

Para obtener el pronóstico puntual de la fracción de adopción de máquinas contestadoras para el

siguiente período (dic-89), debemos considerar que, con n + 1 = 4 datos, el pronóstico puntual con el
modelo (7 .2 1 ) es de Fz^ = 0.0982 (ver el archivo [Link]), con un intervalo de predicción del 95% entre
0.0967 y 0.0997, por lo que el pronóstico puntual para la fracción de adopción de máquinas contestadoras
hasta dic-89 es de = y4 4 Fz4 ~ 0.3090, con un intervalo de predicción del 95% entre y4 4 0.0967
= 0.3075 y + 0.0997 = 0.3176. Nótese que, en este caso, el intervalo de predicción no ha cubierto al
porcentaje de adopción, que sabemos fue de y ^ = 0.3067365 (aunque se encuentra muy cercano al límite
inferior del intervalo de predicción), fundamentalmente debido a que la RM SE ha sido muy pequeña con
los 4 datos considerados para el pronóstico. Aunque no podrá conocerse el error de predicción hasta que
r.o se observe el valor real, cuando existe la sospecha de que el RM SE de modelo es muy pequeño, puede
ser conveniente incrementar el nivel de predicción del intervalo (por ejemplo, al 99% ).

z-ninistración de Operaciones • Muñoz Alfaomega

194 Capítulo 7 P ron óstic o de la D e m a n d a

4 - Modelo de Bass
-B - Datos reales

Figura 7.10: Comparación de ios datos reales y los pronósticos del modelo de Bass con n = 3.

Para este ejemplo hemos implementado, en la hoja de cálculo correspondiente, la opción de simular
los pronósticos puntuales a partir del valor anterior de la serie y suponiendo que los parámetros del modelo
son los estimadores encontrados. Por ejemplo, considerando los 20 datos de la serie que se muestran en la
Tabla 7.16, hemos solicitado los 20 pronósticos (en la celda L 7 ), obteniendo los pronósticos puntuales que
se muestran en la Figura 7.10. Como puede observarse de la figura, los pronósticos puntuales con el modelo
de Bass, considerando los estimadores con sólo los primeros 4 datos de la serie, resultaron ligeramente su­
periores a los valores reales, aunque bastante cercanos a sus correspondientes valores observados.
Es conveniente mencionar que el modelo de Bass también se puede utilizar aun cuando no se dis­
pone de observaciones de los primeros valores de la serie de la demanda; de hecho, la bibliografía espe­
cializada reporta muchos casos en los que p y q s e han estimado con base en encuestas. Asimismo, Van
den Bulte (2 0 0 2 ) analizó los valores d e p y q reportados en 113 artículos publicados entre 1969 y 2009,
encontrando que el promedio de los valores d e p reportados está alrededor de 0.02 , y para q está alrededor
de 0.4, llegando además a las siguientes conclusiones.

1. Se pueden obtener buenas aproximaciones iniciales para los parámetros p y q con base en la
exploración de casos similares reportados en la literatura especializada.
2. El coeficiente promedio de innovación p en Europa y en Asia fue, aproximadamente, la mitad
que en los EUA.
3. El coeficiente promedio de imitación q en Asia fue, aproximadamente, 25% menor que Europa
y en los EUA.
4. Las diferencias en la economía de las naciones explican mejor las diferentes velocidades de
adopción que las diferencias culturales.
5. La penetración de mercado inicialmente es más lenta para productos no durables o que requie­
ren de una alta inversión inicial en infraestructura, mientras que en los años tardíos la penetra­
ción es más rápida para las manufacturas o los productos que requieren de una alta inversión
inicial en infraestructura.

A lfa o m e g a Adm inistració n de Operaciones • Muñoz

 7.4 D e s c o m p o s ic ió n de series de t i e m p o 195

@ 7.4 DESCOMPOSICIÓN DE SERIES DE TIEMPO

Luego de haber discutido los principales modelos para ajustar una serie de tiempo, podemos apreciar
que, para cada componente particular de la serie, algunos modelos pueden ser más aptos para explicar
el componente. En particular, con el Ejemplo 7.7 pudimos apreciar que el modelo de regresión puede
ser apropiado para explicar el componente de tendencia de la serie, y con los ejemplos donde aplicamos
algunos métodos de suavizamiento, pudimos apreciar que dichos métodos pueden ser apropiados para
modelar el componente irregular de la serie.
Teniendo en cuenta que la serie de tiempo correspondiente a un producto de venta regular (por
ejemplo, la serie de la Figura 7 .1 l) típicamente experimenta los efectos discutidos al inicio de este capí­
tulo: estacional, de tendencia, cíclico e irregular (o aleatorio), es conveniente considerar la propuesta de
estimar los diferentes componentes de una serie de tiempo aplicando el método más apropiado para el
componente correspondiente, por lo que en esta sección presentamos el método de descomposición de
series de tiempo que ha tenido mayor aceptación en la literatura especializada.

Figura 7.11: Ventas mensuales de vehículos en el mercado doméstico mexicano de agosto 2010 a julio 2015.

Luego de graficar las observaciones de la serie en el tiempo y de haber apreciado que dicha serie pre­
senta estacionalidad, tendencia y (posible) efecto cíclico (como en la Figura 7 .1 l), podemos considerar
la estimación de los parámetros de un modelo de descomposición, siendo conveniente remarcar que el
número de observaciones de la serie debe ser lo suficientemente grande como para apreciar dos o más
estaciones completas. Notar que en la Figura 7.11 se pueden apreciar hasta 5 estaciones completas.
Aunque se ha propuesto también el modelo aditivo, el modelo de descomposición que ha tenido
mayor éxito para pronosticar una serie de demanda es el modelo multiplicativo, que tiene la forma

yi ~ . y x f/(, (7.22)

para t = 1 donde S( es el índice de ajuste estacional, Tf es el índice de ajuste por tendencia de la

serie, C¡ es el índice de ajuste cíclico, I( es el índice de ajuste por variación irregular. Se sugiere que la

Administración de Operaciones • Muñoz A lfa o m e g a

196 Capítulo 7 P ro n ó stico de la D e m a n d a

estimación de estos índices se realice en la secuencia en que aparecen (de izquierda a derecha) en (7.22),
es decir, estacionales, de tendencia, cíclicos y de variación irregular, respectivamente, como explicamos a
continuación.

A ? 7.4.1. ESTIMACIÓN DE LOS ÍNDICES DE AJUSTE

ESTACIONAL
Cuando una serie presenta estacionalidad, con estaciones que tienen una duración de m períodos, los
promedios móviles de orden m eliminan dicha estacionalidad, porque consideran los valores de toda una
estación completa. En particular, la división del valor de la serie entre su promedio móvil es un buen
indicador del componente estacional que presenta dicho valor. Para la estimación de los índices de ajuste
estacional, es conveniente tomar los llamados promedios móviles centrales, en lugar de los promedios
móviles hacia atrás que definimos al inicio de este capítulo.
Dada una serie de tiempo y y ■■■,yn, y un entero 0 S k £ n/2, el promedio móvil central de orden
2 fc+l (impar) se define por

P M C U *1 = ^ >~k + +" ' +¿-1 + (7-23)

' 2/fc+l
para k + 1 5 [ < n - k, y el promedio móvil de orden 2 k (par) se define por

PM Cu = +•••/*+•• +Q-S;w t 7 24)

' 2k
para k + — fcy, como puede apreciarse de estas últimas ecuaciones, los valores de la serie
considerados en el promedio están alrededor de la observación y t, más que hacia atrás (como habíamos
considerado anteriormente).
Como ya mencionamos, si la serie tiene un efecto estacional de m períodos, los promedios móviles
centrales ya no tienen este efecto estacional, por lo que para cada período t, que tiene un promedio móvil
central P M C "', se puede calcular el efecto estacional en la observación y t como

F E ,= - (7.25)
PM C

Cuando el factor estacional de una observación es mayor que 1, indica que la observación es más alta
que el promedio de la estación y, luego de calcular los efectos estacionales en todos los períodos factibles
de la serie, para cada período i £ t ^ m de una estación se puede calcular el índice estacional S¡ como el
promedio de todos los factores estacionales que corresponden al mismo período dentro de su correspon­
diente estación, como ilustramos con el siguiente ejemplo.

□-------------------------------------------------------------------------------------------------------------
Ejemplo 7.11: índices estacionales de las ventas de autos en el mercado doméstico
mexicano
Para este ejemplo consideramos los datos de ventas mensuales de vehículos en el mercado doméstico
mexicano entre agosto de 2 010 y julio de 2015, cuya gráfica se presenta en la Figura 7.11, y que correspon­
den a una serie de n = 60 observaciones. Los datos de esta serie se encuentran en la columna A de la h e =
de cálculo correspondiente del archivo [Link], donde también se han implementado los algoritmo;
necesarios para calcular los índices estacionales.
Debido a que los datos corresponden a ventas mensuales, las estaciones corresponden a años de 12
meses, por lo que debemos considerar m = 12 , y para calcular los índices estacionales se han calculac:

A lfa o m e g a Adm inistración de Operaciones • M u ñ ::

 7.4 D e s c o m p o s ic ió n de series de t i e m p o 197

primero los promedios móviles centrales, que se han reportado en la columna D de la hoja correspondien­
te a este ejemplo. Notar que, en general, para calcular los índices estacionales, necesitamos una serie que
contenga datos de, por lo menos, dos estaciones.

feb-11 | feb-12 feb-13 feb-14 Indice de febrero

| 0.92028 0.92567 0.92507 0.88896 0.91499

Tabla 7.18: Factores estacionales e índice estacional para el mes de febrero.

Para ilustrar el cálculo de un índice estacional, en la Tabla 7.18 estamos reportando los factores es­
tacionales correspondientes a los datos de la serie para el mes de febrero. Por ejemplo, de acuerdo con
(7.25), el factor estacional para el mes de febrero de 2011 es F E 7 = y n / iW C 712 = 66990/72793 = 0.9202,
indicando que las ventas de febrero son más bajas que el promedio (el factor es menor que 1). Com o los
datos de la serie con n = 60 permiten calcular los factores estacionales de febrero para 4 años (F£y, F £ 19,
F £ 31, £ £ 43), el índice estacional para los meses de febrero es el promedio de los factores estacionales
correspondientes a estos cuatro años, es decir,

S7 = S19 = S31 = S43 = S 55 = (F £ y + F £ 19 + F £ 31 + F £ 43)/4 ~ 0.91499,

como se muestra en la Tabla 7.18, confirmando que las ventas de febrero son más bajas que el promedio.
En la columna F de la hoja de cálculo correspondiente a este ejemplo se han reportado los índices estacio­
nales para todos los períodos de la serie, y en la Figura 7.12 se presenta una gráfica de estos índices, donde
se puede apreciar que el pico de la demanda ocurre en el mes de diciembre.

-#H ndice

Figura 7.12: índices estacionales para las ventas mensuales de vehículos en el mercado doméstico mexicano.

f * 7.4.2. ESTIMACIÓN DE ÍNDICES DE TENDENCIA, CICLO

Y VARIACIÓN IRREGULAR
Como hemos visto, para calcular los índices estacionales se han evaluado primero los promedios móviles
centrales, fundamentalmente porque, al considerar todas las observaciones de una estación, los prome­
dios móviles han agregado los componentes de estacionalidad de toda una estación. Es por esta razón
que, para calcular los índices de tendencia de la serie, se propone realizar un análisis de regresión de los
promedios móviles centrales como función del tiempo.

Administración de Operaciones • Muñoz A lfa o m e g a

198 Capítulo 7 P ron óstic o de la D e m a n d a

El modelo de regresión más usado para determinar los índices de tendencia es el modelo de regre­
sión lineal simple (7 .1 5 ) que tiene la forma F t = PQ + p^t, donde los estimadores ¡30 y
P L se calculan
ajustando el modelo con los correspondientes promedios móviles centrales de orden 2 fc o 2 k + 1 , es decir,
los P M C t , k + 1 < t < n — fc calculados previamente para determinarlos índices de estacionalidad. En
consecuencia, los índices de tendencia quedan determinados por

T ,= P 0 + P / , (7.26)

para 1 S í < n. En la Figura 7.13 se presenta la gráfica de los índices de tendencia calculados para los datos
del Ejemplo 7.11, donde se obtuvieron los estimadores P0 = 6 9023 y pl = 557.48, por lo que se aprecia
que la tendencia es positiva (la demanda tiende a crecer con el tiempo) y, por ejemplo, el índice de ten­
dencia para agosto de 2010 resulta 7\= ¡30 + ^ ~ 69581 .

Mes

Figura 7.13: índices de tendencia para las ventas mensuales de vehículos en el mercado doméstico mexicano.

Figura 7.14: índices de ciclo para las ventas mensuales de vehículos en el mercado doméstico mexicano.

Los índices de ciclo miden la desviación de los promedios móviles centrales respecto de la tendencia
y es por ello que responden a la ecuación

pm c :
c. (7.2-

A lfa o m e g a Administración de Operaciones • Muñe:

 7.4 D e s c o m p o s ic ió n de series de t i e m p o 199

para k + 1 < t < n — ky, por último, los índices de variación irregular miden la desviación de cada obser­
vación respecto de su pronóstico y responden a la ecuación

y,
I , = (7.28)
S ,T ,C , ’

para t + 1 < f < « - L Notar que los índices de estacionalidad y tendencia se definen para 1 S t S n ,
mientras que los índices de ciclo y de variación irregular están definidos sólo para k + 1 2 ( < n - k.
En las Figuras 7.14 y 7.15 se presentan los índices de ciclo y de variación irregular, respectivamente,
obtenidos con los datos del Ejemplo 7.11. Por ejemplo, dado que el índice de tendencia para febrero de
2011 es Tn = ¡30 +7/3, = 72926, y que P M C ]1 ~ 11192), el índice de ciclo para febrero 2011 resulta Cy =
P M C y /T j ~ 0.9982, y como y 7 = 66990, Sy ~ 0.9150, el índice de variación irregular para febrero de
2011 resulta Jy = y 7/SyTyCy ~ 1.0057.
La gráfica de la Figura 7.14 muestra que la demanda de vehículos en el mercado doméstico mexicano
tiende, a partir del año 2014, a subir con mayor velocidad que la tendencia observada. Por otro lado, la Fi­
gura 7.15 muestra índices de variación irregular simétricos alrededor de la unidad, sin evidencia aparente
de algún tipo de sesgo.

■Indice

Figura 7.15: Indices de variación irregular para las ventas mensuales de vehículos en el mercado doméstico mexicano.

/v» 7.4.3. PRONÓSTICOS CON BASE EN DESCOMPOSICIÓN

Por último, habiendo obtenido los índices de estacionalidad, tendencia y de ciclo, podemos pronosticar
un valor futuro para la serie, teniendo en cuenta que el modelo de pronóstico tiene la forma F t = StT(Cf y,
en particular, para el siguiente valor de la serie, el pronóstico se calcula de acuerdo con

Fn + l= S n + lTn + lCn+1, (7.29)

donde S n+1 es el índice estacional correspondiente al período n+ 1 , Tn+i =/30+ ( « + l)/3,, y el índice de
ciclo Cn+j se pronostica a partir de los índices de ciclo Cf, k + 1 ^ t £ n — k, por ejemplo, utilizando
algún método de suavizamiento.
En la hoja correspondiente al Ejemplo 7.11 del archivo [Link] hemos utilizado el método de
suavizamiento exponencial con tasa adaptativa para pronosticar C61, y hemos obtenido S 61 ~ 1.045,
T61 =¡30 + 6 l(3 ¡ « 1 0 3 0 3 0 ,y Cgj ~ 1.053 (reportado en la celda 0 2 ) , por lo que el pronóstico puntual para
las ventas en agosto de 2015 es de 1 1 0 069 vehículos.

ódministración de Operaciones • Muñoz A lfa o m e g a

200 Capítulo 7 P ron óstic o de la D e m a n d a

Para establecer un intervalo de pronóstico, tenemos en cuenta que el error cuadrático medio de una
predicción se puede estimar por
| n—k

M S E = -----— £ ( / , - 5 ) 7 ) 0 , )\ (7,30)

y el intervalo de predicción se puede calcular como indicamos en (7.5) al inicio de este capítulo.
En el Ejemplo 7.11 se obtuvo M SE ~ 9268405, por lo que el intervalo de predicción del 95% para
las ventas en agosto de 2015 está entre 104 101 y 116 035 vehículos, siendo conveniente mencionar que,
al momento de escribir este capítulo, la AM IA ya había reportado un nivel de ventas de 112 038 vehícu­
los para agosto de 2015, que está muy cercano de nuestro pronóstico puntual y dentro del intervalo de
predicción del 95%.

A lfa o m e g a Adm inistración de Operaciones M uñoz

 Eje rcicio s del c a p ítu lo 7 201

EJERCICIOS DEL CAPÍTULO 7

1. Elabore una lista de las ventajas y desventajas que, en su opinión, presentan los méto­
dos subjetivos para pronosticar la demanda. Para cada una de las ventajas comente si
ésta se puede conservar con el uso de un modelo cuantitativo y para cada desventaja, si
ésta se puede solucionar usando algún modelo cuantitativo.
2 . En minería de datos se suele utilizar la técnica de “divide y vencerás”. Esto significa que
se dividen los datos en dos grupos: uno de entrenamiento y otro de prueba. Se estiman
los parámetros del modelo con el grupo de entrenamiento y luego se explora cómo
funciona el modelo con el grupo de prueba ¿Qué ventajas encuentra con esta técnica?
¿desventajas?
3. Comparando el método de promedios móviles simples con el de suavizamiento expo­
nencial simple ¿A qué grupos de datos (datos más recientes, más antiguos o equitativamen­
te) considera que cada método asigna más peso?
4. En los niveles más altos de la administración ¿Qué modelos considera usted se vuelven
más importantes? ¿Los cualitativos o los cuantitativos? Fundamente su respuesta.
5 . ¿En qué método cualitativo puede haber un problema serio por conflicto de intereses?
6 . Explique con sus propias palabras la interpretación del estadístico de Thiel.
7 . Para cada una de las siguientes series de tiempo, comente sobre la (posible) presencia
de componentes estacionales, de tendencia o de ciclo.

a) La serie de consumo mensual de electricidad en su distrito o colonia, en los últimos

5 años.
fe) La serie correspondiente a su nivel de glucosa en la sangre (en mg/decilitro) al final
de cada hora, durante el último año.
c) La serie del consumo mensual de cerveza en la ciudad de su residencia, durante los
últimos 5 años.
d) La serie de ventas de teléfonos celulares en la ciudad de su residencia, durante los
últimos 5 años.
8 . En la Tabla 7.19 se presentan las órdenes de envíos por mensajería rápida (en miles) de
una empresa de servicios de mensajería, por cada trimestre del año, desde el año 2000
hasta el año 2014.

-dm inis tración de Operaciones • Muñoz A lfa o m e a a

202 Capítulo 7 P ron óstic o de la D e m a n d a

Año Tt Ta T3 T4
2000 55,9 71.1: 66.8 51.2
2001 54.3 68.9 64.1 56.3
2002 64.3 82.5 82.7 70.2
2003 68.8 83.7 80.0 67.2
2004 63.3 80.3 77.5 66.5
2005 59.1 67.8 64.4 57.1
2006 52.9 63.8 65.7 54.5
2007 48.0 61.5 60.2 52.6
2008 49.1 56.1 51.3 45.5
2009 44.3 52.7 51.5 43.6
2010 36.4 48.4 48.2 41.9
2011 44.0 I 53.8 58.0 58.6
2012 57.4 . 65.3 68.1 67.4

2013 70.1 i 79.7 79.7 78.5

2014 30.2 87.8 88.6 87.4

Tabla 7.19: Órdenes de envíos por mensajería rápida (miles).

a ) Grafique la serie de tiempo de solicitudes de envíos trimestrales y comente sobre

la posibilidad de que existan efectos estacionales a de tendencia significativos en
esta serie.
b) Calcule e interprete un intervalo de predicción del 95% para las órdenes del primer
trimestre de 201 5 , con base en el modelo de suavizamiento exponencial simple con
0£ óptimo.
c) Calcule e interprete un intervalo de predicción del 95% para las órdenes del primer
trimestre de 2015, con base en el modelo de suavizamiento exponencial con tasa
adaptativa con ¡3 óptimo. Compare su resultado con el obtenido en b).
d ) Calcule e interprete un intervalo de predicción del 95% para las órdenes del primer
trimestre de 2015, con base en el modelo de promedios móviles simples de orden
4. Compare su resultado con los obtenidos en b) y en c j.
e) Calcule e interprete un intervalo de predicción del 95% para las órdenes del primer
trimestre de 2015, con base en el modelo de descomposición d éla serie de tiempo,
utilizando promedios móviles centrales de orden 4. Compare su resultado con los
obtenidos en b), c) y d ), ¿qué opinión le merecen los índices de estacionalidad, de
tendencia y de ciclo?

A lfa o m e g a Adm inistració n de Operaciones • Muño

 Eje rcicio s dei capí t u lo 7 203

9 . En la tabla 7.20 se presentan las ventas de casas (en miles) en un país, por cada trimes­
tre del año, desde 1990 hasta 2001.

M es Ventas M es Ventas M es Ventas

mar-90 61 mar-94 54 mar-98 111

jun-90 79 jun-94 83 jun-98 112
sep-90 72 sep-94 69 sep-98 108
dic-90 38 d¡c-94 60 dic-98 74
ma r-91 53 mar-95 78 mar-99 120
jun-91 52 jun-95 95 jun-99 147
sep-91 30 sep-95 65 sep-99 118
dic-91 0 dic-95 52 d¡c-99 100
mar-92 21 mar-96 54 mar-00 127
jun-92 44 jun-96 85 jun-00 148
sep-92 26 sep-96 81 sep-00 121
dic-92 16 díc-96 45 d¡c-00 85
mar-93 59 mar-97 92 mar-01 133
jun-93 58 jun-97 104 jun-01 126
sep-93 59 sep-97 101 sep-01 119
dic-93 32 dic-97 61 d¡c-01 99

Tabla 7.20: Ventas de casas (en miles) por cada trimestre desde 1990 hasta 2001.

a ) Grafique la serie de tiempo de ventas trimestrales de casas y comente sobre la po­

sibilidad de que existan efectos estacionales o de tendencia significativos en esta
serie.
b) Calcule e interprete un intervalo de predicción del 95% para las ventas de casas en
el primer trimestre de 2002 , con base en el modelo de suavizamiento exponencial
simple con a óptimo.
c) Calcule e interprete un intervalo de predicción del 95% para las ventas de casas en el
primer trimestre de 2002 , con base en el modelo de suavizamiento exponencial con
tasa adaptativa y j3 óptimo. Compare su resultado con el obtenido en b ).
d) Calcule e interprete un intervalo de predicción del 95% para las ventas de casas en
el primer trimestre de 2002 , con base en el modelo de promedios móviles simples
de orden 4. Compare su resultado con los obtenidos en b) y en c).
e) Calcule e interprete un intervalo de predicción del 95% para las ventas de casas en el
primer trimestre de 2002 , con base en el modelo de descomposición de la serie de
tiempo, utilizando promedios móviles centrales de orden 4. Compare su resultado
con los obtenidos en b), c) y d), ¿qué opinión le merecen los índices de estacionali-
dad, de tendencia y de ciclo?

dministración de Operaciones • Muñoz A lfa o m e a a

204 Capítulo 7 P ro n ó stico de la D e m a n d a

10. En la Tabla 7.21 se presentan las tasas dé interés (en %) de los depósitos a plazo fijo en
cierto banco, ofrecidas en cada uno de los meses del año 2 014.

’ ' Mesj'- Tasa (%) M es Tasa {%) M es Tasa (%)

ene-14 3.025 may-14 5.714 sep-14 4.985

feb-14 5.047 jun-14 4.963 oct-14 5.298
mar-14 4.280 jul-14 3.575 nov-14 3.454
abr-14 4.650 ago-14 4.612 dic-14 4.461

Tabla 7.21: Tasas de interés de depósitos á plazo fijo.

a) Grafique la serie de tiempo de tasas de interés y Comente sobre la posibilidad de que

existan efectos estacionales o de tendencia significativos en esta serie.
b) Calcule e interprete un intervalo de predicción del 95% para la tasa de interés en enero
de 2015, con base en el modelo de suavizamíento exponencial simple con a óptimo.
c) Calcule e interprete un intervalo de predicción del 95% para la tasa de interés en
enero de 2015, con base en el modelo de suavizamíento exponencial con tasa adap-
tativa y [3 óptimo. Compare su resultado con el obtenido en b ) .
d ) Calcule e interprete un intervalo de predicción del 95% parala tasa de interés en
enero de 2015, con base en el modelo de promedios móviles simples de orden 3.
Compare su resultado con los obtenido en b) y en c).
e) Calcule e interprete un intervalo de predicción del 95% para la tasa de interés en
enero de 2 01 5 , con base en el modelo de promedios móviles simples de orden 4.
Compare su resultado con los obtenidos en b ), c ) y d ) .

1 1 . Considere los datos de consumo de electricidad (en M W h) en M éxico que se propor­

cionan en la Tabla 7,22.

M es Consumo M es Consumo Mes Consumo M es Consumo

ene-09 13176885 ene-1 Ó 13205574 ene-11 14519837 ene-12 15146453

feb-09 14365636 feb-10 14364603 feb-11 15881 549 feb-12 16329054 :
mar-09 14353843 mar-10 14591629 mar-11 16023986 mar-12 16555885
abr-09 15467211 abr-10 15687723 ab' 11 17156142 abr-12 18032000
may-09 15946102 may-ÍÓ 16592014 may-11 18036878 may-12 18583673
jun-09 16600781 jun-10 17771349 jun-11 18319442 jun-12 18757367
jul-09 17160087 iui-10 17092181 jul-11 18648384 jui-12 18990301
ago-09 16591 526 ago-10 17430953 ago-11 18430635 ago-12 18661 406
sep-09 16304474 sep-1Ó 16608250 sep-11 17803458 sep-12 18118334
oct-09 14694913 oct-10 15420718 oct-11 16226832 oct-12 16738560 :
nov-09 13 520571 nov-10 14261 587 nov-11 15214321 nov-12 15230927
dic-09 13612295 die-10 14684426' die-11 15336318 djc-12 15597812

Tabla 7.22: Consumo de electricidad {MVtfh} en México.

A lfa o m e g a Adm inistració n de Operaciones • Muñoz

 Eje rcicio s del c a p ítu lo 7 205

a ) Grafique los datos de la serie de tiempo.

b) Obtenga el estadístico U de Theil para el modelo de promedios móviles simples de
orden 6 e interprete el resultado obtenido.
c) Obtenga el estadístico U de Theil para el modelo de promedios móviles simples de
orden 12 y comente sobre el resultado obtenido, en comparación con el de b).
d) Construya una gráfica con los datos reales de la serie de tiempo y sus pronósticos
con el modelo de promedios móviles simples de orden 12. Comente los resultados
obtenidos.
e) Calcule e interprete el intervalo de predicción del 95% para el consumo de electrici­
dad en iMéxico en enero de 2013, con base en los datos de la Tabla 7.22 y el modelo
de promedios móviles simples de orden 12. ¿Cuál sería su comentario, sabiendo
que el verdadero consumo reportado fue de 15 210 2 6 6 MWh?

12. Considere los datos de consumo de electricidad (en M W h) en Canarias que se propor­
cionan en la Tabla 7.23.

Mes Consumo Consumo Mes Consumo Mes Consumo

ene-09 714878 ene-10 693874 ene-11 692258 ene-12 702701 |

feb-09 641 329 feb-10 619097 feb-11 619532 feb-12 650598 |
J
mar-09 698149 mar-10 688471 mar-11 684171 mar-12
abr-09 669496 abr-10 660616 abr-11 653049 abr-12 649233 ¡
may-09 685265 may-10 670109 may-11 669313 may-12 676113 [
jun-09 696276 jun-10 671 505 jun-11 678460 jun-12 675708 |
jul-09 723753 jul-T 0 708239 jul-11 712708 jul-12 715932
ago-09 737621 ago-10 733379 ago-11 715941 ago-12 737331 j
sep-09 715926 sep-10 704955 sep-11 701229 sep-12 712405 ¡
oct-09 720911 oct-10 710331 oct-11 727114 oct-12 712078
................
nov-09 697370 nov-10 681 307 nov-11 680995 nov-12 665 598 |
d¡c-09 722450 dic-10 690195 dic-11 697 229 dic-12 671 657 ;

Tabla 7.23: Consumo de electricidad (MWh) en Canarias.

a ) Grafique los datos de la serie de tiempo.

b) Obtenga el estadístico U de Theil para el modelo de promedios móviles simples de
orden 6 e interprete el resultado obtenido.
c) Obtenga el estadístico U de Theil para el modelo de promedios móviles simples de
orden 12 y comente sobre el resultado obtenido, en comparación con el de b) y con
el de c) del ejercicio anterior.
d ) Construya una gráfica con los datos reales de la serie de tiempo y sus pronósticos
con el modelo de promedios móviles simples de orden 12. Comente los resultados
obtenidos.

onin istració n de Operaciones • Muñoz A lfa o m e g a

206 Capítulo 7 P ron óstico de la D e m a n d a

e ) Calcule e interprete el intervalo de predicción del 95% para el consumo de electrici­

dad en Canarias en enero de 2013, con base en los datos de la Tabla 7.23 y el modelo
de promedios móviles simples de orden 12. ¿Cuál sería su comentario, sabiendo
que el verdadero consumo reportado fue de 680 773 M W h?

13 . Considere los datos de consumo de electricidad (en M W h) en M éxico que se propor­

cionan en la Tabla 7.22.

a ) Obtenga el a óptimo y el correspondiente estadístico U de Theil para el modelo de

suavizamiento exponencial simple e interprete el resultado obtenido.
fe) Obtenga el (3 óptimo y el correspondiente estadístico U deTheil para el modelo de
suavizamiento exponencial con tasa adaptativa e interprete el resultado obtenido.
c) Construya una gráfica con los datos reales de la serie de tiempo y sus pronósticos
con el modelo de suavizamiento exponencial simple ( a óptimo) y el modelo de
suavizamiento exponencial con tasa adaptativa (p óptim o). Com ente los resultados
obtenidos.
d ) Calcule e interprete el intervalo de predicción del 95% para el consumo de electrici­
dad en M éxico en enero de 2013, con base en ios datos de la Tabla 7.22 y el modelo
de suavizamiento exponencial simple con a óptimo.
e) Calcule e interprete el intervalo de predicción del 95% para el consumo de electri­
cidad en México en enero de 2013, con base en los datos de la Tabla 7.22 y el m o­
delo de suavizamiento exponencial con tasa adaptativa y p óptimo. ¿Cuál sería su
comentario, considerando el resultado en d) y sabiendo que el verdadero consumo
reportado fue de 15 210 266 MWh?

14. Considere los datos de consumo de electricidad (en M W h) en Canarias que se propor­
cionan en la Tabla 7.23.

a) Obtenga el (X óptimo y el correspondiente estadístico U deTheil para el modelo de

suavizamiento exponencial simple e interprete el resultado obtenido.
fe) Obtenga el p óptimo y el correspondiente estadístico U de Theil para el modelo de
suavizamiento exponencial adaptativo e interprete el resultado obtenido.
c) Construya una gráfica con los datos reales de la serie de tiempo y sus pronósticos
con el modelo de suavizamiento exponencial simple ( a óptimo) y el modelo de suaví-
zamiento exponencial adaptativo ((5 óptimo). Comente los resultados obtenidos.
d) Calcule e interprete el intervalo de predicción del 95% para el consumo de elec­
tricidad en Canarias en enero de 2013, con base en los datos de la Tabla 7.23 y el
modelo de suavizamiento exponencial simple con a óptimo.
e) Calcule e interprete el intervalo de predicción del 95% para el consumo de electri­
cidad en Canarias en enero de 2013, con base en los datos dé la Tabla 7.23 y el m o­
delo de suavizamiento exponencial con tasa adaptativa y |3 óptimo. ¿Cuál sería su
comentario,; considerando el resultado en d ) y sabiendo que el verdadero consumo
reportado fue de 680 773 M W h?

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 Eje rcicio s del c a p ítu lo 7 207

15. Considere los datos de consumo de electricidad (en M W h) en México que se propor­
cionan en la Tabla 7.22.

a) Calcule y grafique los índices estacionales de la serie de tiempo, con base en los
promedios móviles centrales de orden 12. Comente los resultados obtenidos.
b) Calcule y grafique los índices de tendencia de la serie de tiempo, con base en el
ajuste por estacionalidad del inciso anterior, y el modelo de regresión lineal simple.
Com ente los resultados obtenidos.
c) Calcule y grafique los índices de ciclo, con base en los ajustes por estacionalidad y
por tendencia de los incisos anteriores. Com ente los resultados obtenidos
d) Calcule y grafique los índices de variación irregular, con base en los ajustes proes-
tacionalidad, tendencia y ciclo de los incisos anteriores. Comente los resultados
obtenidos.
e) Obtenga el estadístico U de Theil luego de aplicar el método de descomposición de
los incisos anteriores. Comente el resultado obtenido.
f ) Calcule e interprete el intervalo de predicción del 95% para el consumo de electrici­
dad en M éxico en enero de 2013, con base en los datos de la Tabla 7.22 y el método
de descomposición del inciso anterior. ¡Cuál sería su comentario, sabiendo que el
verdadero consumo reportado fue de 15 2 1 0 2 6 6 M W h?

16. Considere los datos de consumo de electricidad (en M W h) en Canarias que se propor­
cionan en la Tabla 7.23.

a ) Calcule y grafique los índices estacionales de la serie de tiempo, con base en los
promedios móviles centrales de orden 12. Comente los resultados obtenidos.
b) Calcule y grafique los índices de tendencia de la serie de tiempo, con base en el
ajuste por estacionalidad del inciso anterior, y el modelo de regresión lineal simple.
Com ente los resultados obtenidos.
c) Calcule y grafique los índices de ciclo, con base en los ajustes por estacionalidad y
por tendencia de los incisos anteriores. Comente los resultados obtenidos.
d ) Calcule y grafique los índices de variación irregular, con base en los ajustes proes-
tacionalidad, tendencia y ciclo de los incisos anteriores. Comente los resultados
obtenidos.
e) Obtenga el estadístico U de Theil luego de aplicar el método de descomposición de
los incisos anteriores. Comente el resultado obtenido.
f ) Calcule e interprete el intervalo de predicción del 95% para el consumo de electrici­
dad en Canarias en enero de 2013, con base en los datos de la Tabla 7.23 y el método
de descomposición del inciso anterior. ¿Cuál sería su comentario, sabiendo que el
verdadero consumo reportado fue de 680 773 M Wh?

ministración de Operaciones • Muñoz A lfa o m e g a

208 Capítulo 7 P ro n ó stico de la D e m a n d a

1 7 . Considere los datos de la Tabla 7.24 de suscripciones anuales (en millones de usuarios)
de teléfonos celulares en los EUA desde su introducción en 1985 hasta 2009.

Año Usuarios Año Usuarios Año Usuarios Año Usuarios Año Usuarios
1985 0.34021 1990 5.28306 1995 33.75866 2000 109.47803 2005 207.89620
1986 0,68183 1991 7.55715 1996 44.04299 2001 128.37451 2006 233.00000
1987 1.23086 1992 11.03275 1997 55.31229 2002 140.76684 2007 262.70000
1988 2.06944 1993 16.00946 1998 69.20932 2003 158.72198 2008 276.61058
1989 3..50894 1994 24.13442 1999 86.04700 2004 182.14036 2009 300.52010

Tabla 7.24: Suscripciones (en millones) de teléfonos celulares en los EUA.

a ) Obtenga los estimadores para los parámetros a y b del modelo de Gompértz consi­
derando una población potencial de P = 3 5 0 millones y solamente los datos de los
primeros cuatro años de la Tabla 7.24.
b) Con base en los resultados del inciso anterior construya una gráfica comparando
los datos reales y los pronósticos puntuales del modelo de Gompértz entre los años
1985 y 2009. Comente los resultados obtenidos.
c) Calcule e interprete el intervalo de predicción del 95% para los usuarios del año
1989, con base en el modelo de Gompértz y los datos de los cuatro primeros años.
Comente sobre el intervalo obtenido y el verdadero valor reportado en la Tabla 7.24.

1 8 . Considere los datos de suscripciones anuales (en millones de usuarios) de teléfonos

celulares en los EU A del ejercicio anterior.

a ) Obtenga los estimadores para los parámetros a y b del modelo de Gompértz consb
derando una población potencial de P = 3 5 0 m illonesy solamente los datos de los
primeros cuatro años de la Tabla 7.24.
b) Obtenga los estimadores para los parámetros a y b del modelo logístico consideran­
do una población potencial de P = 3 5 0 millones y los datos de los primeros cuatro
años de la Tabla 7.24.
c) Con base en los resultados del inciso anterior construya una gráfica comparando los
datos reales y los pronósticos puntuales del modelo logístico entre los años 1985 y
2009. Comente los resultados obtenidos.
d) Calcule e interprete el intervalo de predicción del 95% para los usuarios del año
1989> con báse en el modelo logístico y los datos de los 4 primeros años. Comenté
sobre el intervalo obtenido y el verdadero valor reportado en la Tabla 7.24.

19. Considere los datos de suscripciones anuales (en millones de usuarios) de teléfonos
celulares en los EÜA del ejercicio anterior.

a ) Obtenga los estimadores para los parámetros p y q del modelo de Bass consideran­
do una población potencial de P — 350 millones y los datos de los primeros cuatro
años de la Tabla 7.24.

A lfa o m e g a Administración de Operaciones • Muñoz

 Ejercicios del c a p í tu lo 7 209

b) Con base en los resultados del inciso anterior construya una gráfica comparando los
datos reales y los pronósticos puntuales del modelo de Bass entre los años 1985 y
2009. Comente los resultados obtenidos.
c) Calcule e interprete el intervalo de predicción del 95% para los usuarios del año
1989, con base en el modelo de Bass y los datos de los cuatro primeros años. Comente
sobre el intervalo obtenido y el verdadero valor reportado en la Tabla 7.24.
d) Obtenga los estimadores para los parámetros P, p y q del modelo de Bass (ahora P
no se asume conocido) considerando los datos de los cinco primeros años.
e) Con base en los resultados del inciso anterior construya una gráfica comparando los
datos reales y los pronósticos puntuales del modelo de Bass entre los años 1985 y
2009. Com ente los resultados obtenidos.

20. En la Tabla 7.25 se reportan las ventas trimestrales del producto estrella de una empre­
sa de productos deportivos desde el 2 0 1 1 hasta el 2015.

Ventas
Trimestre
{unidades}

Q 1 -2 0 1 1 2563
Q 2 -2 0 1 1 2706
Q 3 -2 0 1 1 2735
Q 4 -2 0 1 1 2971
Q 1 -2 0 1 2 3189
Q 2 -2 0 1 2 3297
Q 3 -2 0 1 2 3503
Q 4 -2 0 1 2 3629
Q 1 -2 0 1 3 3782
Q 2 -2 0 1 3 4024
Q 3 -2 0 1 3 4111
Q 4 -2 0 1 3 4215
Q 1 -2 0 1 4 4101
Q 2 -2 0 1 4 4141
Q 3 -2 0 1 4 4402
Q 4 -2 0 1 4 4472
Q 1 -2 0 1 5 4559
Q 2 -2 0 1 5 4797
Q 3 -2 0 1 5 4959
Q 4 -2 0 1 5 5142
Tabla 7.25: Ventas trimestrales de un producto.

nlstración de Operaciones • Muñoz A lfa o m e g a

 Eje rcicio s del capí tu Io 7 211

a ) Calcule y grafique los índices estacionales de la serie de tiempo, con base en los
promedios móviles centrales de orden 4. Comente los resultados obtenidos.
b) Calcule y grafique los índices de tendencia de la serie de tiempo, con base en el
ajuste por estacionalidad del inciso anterior y el modelo de regresión lineal simple.
Comente los resultados obtenidos.
c) Calcule y grafique los índices de ciclo, con base en los ajustes por estacionalidad y
por tendencia de los incisos anteriores. Comente los resultados obtenidos.
d) Calcule y grafique los índices de variación irregular, con base en los ajustes por
estacionalidad, tendencia y ciclo de los incisos anteriores. Comente los resultados
obtenidos.
e) Obtenga el estadístico U de Theil luego de aplicar el método de descomposición de
los incisos anteriores. Comente el resultado obtenido.
f ) Encuentre el pronóstico para el siguiente trimestre y el intervalo de predicción del
95%.
2 3 . En el 2013 se terminó un estudio de diez años cuyo propósito era reportar las obser­
vaciones satelitales de ios niveles de dióxido de carbono (ppm) en la atmósfera del
planeta. Los valores aproximados de los primeros 6 años se presentan en la Tabla 7.28.

Trimestre Medición de 0 0 2 (ppm) Trimestre Medición de C 0 2 (ppm)

Q1-03 376 Q 1-06 375
Q2-03 381 Q2-06 386
Q3-03 380 Q 3-06 385
Q4-03 374 Q 4-06 378
Q1-Q4 373 Q1-07 377
Q 2-04 382 Q2-07 387
Q 3-04 381 Q3-07 386
Q 4-04 : 374 Q4-07 380
Q1-05 374 Q1-08 379
Q2-05 384 Q2-08 390
Q 3-05 383 Q 3-08 388
Q4-05 376 Q 4-08 382

Tabla 7.28: Niveles reportados de dióxido de carbono en la atmósfera.

a ) Calcule y grafique los índices estacionales de la serie de tiempo, con base en los
promedios móviles centrales de orden 4. Comente los resultados obtenidos.
b) Calcule y grafique ios índices de tendencia de la serie de tiempo, con base en el
ajuste por estacionalidad del inciso anterior y el modelo de regresión lineal simple.
Com ente los resultados obtenidos.

dmínistración de Ope raciones • Muñoz A lfa o m e g a

212 Capítulo 7 P ron óstic o de la D e m a n d a

c) Calcule y grafique los índices de ciclo, con base en los ajustes por estacionalidad y
por tendencia de los incisos anteriores. Com ente los resultados obtenidos.
d) Calcule y grafique los índices de variación irregular, con base en los ajustes por
estacionalidad, tendencia y ciclo de los incisos anteriores. Comente los resultados
obtenidos.
t ) Obtenga el estadístico U de Theil luego de aplicar el método de descomposición de
los incisos anteriores. Comente el resultado obtenido.
f) Encuentre el pronóstico para el siguiente trimestre y el intervalo de predicción del
95%.
24. En un estudió reportado por Arias et al. (2 0 1 3 ) se aplicaron los modelos logístico y
de Gompertz al peso de cabritos criollos cubanos. Los datos se encuentran en la Tabla
7.29. El peso máximo (en gramos) se estima en 38 000 para los cabritos machos.

Edad (días) Peso (gramos) '

1 31 3500 I
I 61 5000
I 92 Ó500
J 122 10000 j
Tabla 7.29: Edades y pesos de cabritos cubanos.

a ) Obtenga los estimadores para los parámetros a y b del modelo de Gompertz consi­
derando un peso máximo de 38 000 gramos y solamente los datos de la tabla.
b) Con base en los resultados del inciso anterior construya una gráfica comparando
los datos reales y los pronósticos puntuales del modelo de Gompertz. Comente los
resultados obtenidos.
c) Calcule e interprete el intervalo de predicción del 95% para los cabritos de 152 días,
con base en el modelo de Gompertz y los datos de la tabla.
d ) Considerando los mismos datos, obtenga los estimadores para los parámetros a y b
del modelo logístico considerando un peso máximo de 38 0 0 0 gramos.
e) Con base en los resultados del inciso anterior construya una gráfica comparando
los datos reales y los pronósticos puntuales del modelo logístico. Comente los re­
sultados obtenidos,
f ) Calcule e interprete el intervalo de predicción del 95% para los cabritos de 152 días,
con base en el modelo logístico y los datos de la tabla.

A lfa o m e g a Adm inistración de Operaciones • Mu

Capítulo 8

Administración
de inventarios

In tro d u cció n
La administración de inventarios es uno de los temas de la Admi­
nistración de Operaciones del que más se ha discutido en años re­
cientes. Una de las razones por las que este tema ha recibido espe­
cial atención obedece al hecho de que el costo de los inventarios en
muchas empresas representa un porcentaje alto del capital invertido
(generalmente entre un 20 y 40% ), por lo que una reducción de los
inventarios puede verse como una estrategia inmediata para reducir
los costos en la empresa. Por otro lado, el desarrollo de proveedores
y de cadenas globales de suministro ha incentivado la necesidad de
mantener inventarios.
214 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

Clientes,
Puntos de venta
Plantas
Puertos, Almacenes
Almacenes Locales
etc. Regionales

Suministro

Inventario
t
Costos de Compra Costos de
Costos de Transporte Inventario Costos de Transporte

Figura 8.1: Inventarlos y costos generados en la cadena de suministro.

Sin embargo, la experiencia que parece haber desatado la mayor discusión sobre el tema de la admi­
nistración de inventarios es el hecho de que las empresas que implantan filosofías de producción tipo pulí
(e.g., justo a tiempo [ JIT del inglés Just in T im e]), evidencian una importante reducción de sus inventa­
rios, fundamentalmente porque tratan de mantener un sistema de producción flexible, capaz de respon­
der a la demanda de un mercado cambiante. En ambientes donde la flexibilidad e innovación son armas
necesarias para mantenerse en el mercado, la reducción de inventarios es necesaria, quizá ya no tanto por
el costo de mantener los inventarios, sino más bien por el alto costo que implica el tener que rematar las
existencias porque las preferencias del consumidor ya cambiaron.
Como discutiremos en este capítulo, debemos reconocer que si bien es conveniente mantener un
nivel de inventarios bajo, éstos desempeñan un papel importante para asegurar las ventas o, en su caso,
la continuidad del proceso productivo, por lo que es importante el determinar y mantener los niveles de
inventario que permitan la operación satisfactoria del negocio, tratando a la vez de mantener en un míni­
mo los volúmenes de inventario para no incurrir en costos excesivos. Las técnicas clásicas para el control
de inventarios han enfatizado que la decisión racional sobre el nivel de los inventarios a mantener es la de
escoger un nivel que balancee apropiadamente el costo por preparar y expedir órdenes de abastecimiento
(el cual disminuye a costa de mayores inventarios), con el costo por mantener las existencias en inventario
(que aumenta cuando crece el inventario). Si nos referimos a la disminución de los inventarios en el JIT.
concluiremos que ésta es consistente con este enfoque clásico, ya que en los ambientes de innovación
donde tiene sentido el JIT , el costo por mantener inventarios es muy alto, debido al riesgo de tener que
rematar productos que se hacen obsoletos en corto tiempo; por otro lado, la disminución de los costos
por apertura de procesos (ordenar pedidos en el caso de un proveedor), que es una característica del JIT.
es consistente con el hecho de que el menor inventario exige una mayor frecuencia de pedidos (de tama­
ño pequeño), lo que conduce a tratar de disminuir los costos de los pedidos, para no incurrir en costos
excesivos por este concepto.

A lfa o m e g a Adm inistración de Operaciones • Muñe:

 8.1 C o n c e p t o s básicos 215

En el presente capítulo discutiremos los tipos y características de los sistemas para administrar inven­
tarios, posteriormente presentamos las principales técnicas que podemos utilizar para hacer eficiente la
administración de materiales e inventarios en la empresa. Abordaremos tanto la administración de inven­
tarios de materia prima e insumos, como la administración de inventarios de producto final, distinguiendo
entre productos de venta regular y productos de temporada.

© 8.1 CONCEPTOS BÁSICOS

En un sentido amplio, un inventario es cualquier recurso mantenido en existencia, que es o será utilizado
por la empresa para satisfacer una necesidad de producción o de venta. Desde este punto de vista, pode­
mos apreciar que existe tanto una variedad de puntos del sistema de producción que exigen inventarios,
como una variedad de productos que se almacenan en inventario. La administración de inventarios puede
entenderse como la planeación, coordinación y control de la adquisición, almacenamiento y movimiento
de insumos, bienes terminados, repuestos y herramientas. En la Figura 8.1 ilustrárnoslos principales pun­
tos del sistema donde la administración de los inventarios es relevante y a continuación nos ocuparemos
en detalle de cada tipo de inventario.

A * 8.1.1. TIPOS DE INVENTARIOS

Como ilustramos en la Figura 8.1, existen fundamentalmente tres tipos de inventarios en un sistema de
producción:

0 Inventarios de insumos.
© Inventarios de material en proceso.
0 Inventarios de productos terminados.

En general, cualquier inventario tiene por finalidad la de satisfacer una demanda. De esta manera,
los inventarios de insumos y los inventarios de material en proceso tienen por finalidad el atender a las
demandas del sistema de producción, estos inventarios permiten que el proceso de producción no se
detenga por falta de la materia prima, materiales y componentes necesarios para producir los bienes que
ofrece la empresa. Por otro lado, los inventarios de productos terminados tienen por finalidad el atender
la demanda de los clientes y permiten atender los pedidos de los clientes (externos). Esta primera distin­
ción ha determinado que a los inventarios de insumos se les denomine también inventarios de demanda
dependiente y a los inventarios de producto terminado se les denomine inventarios de demanda in­
dependiente, ya que la demanda por insumos dependerá de la planeación del proceso productivo en la
empresa, mientras que la demanda de productos terminados no se genera en la empresa, por lo que es
independiente de la misma, y en particular, enfrenta un mayor riesgo.
La distinción entre demanda dependiente y demanda independiente es importante porque determi­
na que las consideraciones para administrar el inventario sean diferentes. Para ser más precisos, debido a
que la producción puede planearse, la demanda por insumos se puede conocer con anterioridad en el cor­
to plazo, lo que permite que pueda planearse la llegada de los inventarios de demanda dependiente para el
momento en que serán requeridos. Por otro lado, como existe incertidumbre sobre el momento preciso
en que los clientes demandarán los productos terminados, los inventarios de demanda independiente
deben estar siempre presentes para poder atender eficientemente los pedidos de los clientes externos.

Administración de Operaciones • Muñoz A lfa o m e g a

216 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

1
| Recepción j : | Recuperación ¡
Insumos __ ►¡ Compra j:; | Almacenamiento j
||
T
j

Figura 8.2: Tipos de inventarios y su manejo.

Las técnicas más difundidas para administrar inventarios tienen en cuenta si el inventario es de de­
manda dependiente o no. Así, por ejemplo, la Planeación de los Requerimientos de Materiales (M RP del
inglés, M aterials Requirement Planning), que es una técnica muy difundida para administrar insumos, tiene
por objeto el tratar de mantener los inventarios en cero (cuando no se produce) y permitir la disponibili­
dad de ellos sólo en el momento en que serán requeridos, mientras que el establecimiento de inventarios
de seguridad, que es una técnica muy usada para inventarios de productos terminados, tiene por objeto el
tratar de establecer el nivel de inventarios que debe estar siempre disponible para proporcionar un deter­
minado nivel de servicio al cliente.
Con respecto de los inventarios de material en proceso, debemos mencionar que en general debe tra­
tarse de mantener sus niveles en el mínimo posible, ya que la existencia de excesivos inventarios de mate­
rial en proceso no sólo representa un costo, sino que entorpece las labores de producción y administración
de la calidad, y genera un mayor esfuerzo por manejo de materiales. El nivel de los inventarios de material
en proceso depende estrechamente de la buena (o mala) coordinación del proceso (ver el capítulo 14), y
como vimos en el capítulo 7, obedece a la regla de Little, por lo que el inventario en proceso crece a medida
que se incrementan la tasa o el tiempo de flujo.

A * 8.1.2. FUNCIONES DE LOS INVENTARIOS

Como mencionamos anteriormente, la finalidad primordial de los inventarios es la de atender a una de­
manda (que puede ser interna o externa), asegurando la continuidad de las operaciones de la empresa. En
el caso de los inventarios de demanda dependiente, deben permitir la continuidad del proceso productivo
y en el caso de inventarios de demanda independiente, deben permitir la atención de los pedidos de los
clientes. Remarcando que ésta es la razón principal por la que es necesario mantener inventarios, pode­
mos mencionar las siguientes funciones que cumplen los inventarios.

1. Dado que el abastecimiento de productos (ya sean insumos o productos terminados) tiene tí­
picamente un retardo, si no se almacenaran inventarios, tanto los clientes internos como los
externos tendrían que esperar para que su demanda fuera atendida, por lo que el inventario es
necesario para atender con eficiencia las demandas de los clientes externos e internos.
2. En muchas situaciones, y sobre todo en el caso de las tiendas de productos al menudeo, existe
(cierto grado de) incertidumbre respecto del nivel de ventas que alcanzará un determinado
producto dentro del intervalo de tiempo entre pedidos de abastecimiento consecutivos. Con el
objetivo de no perder ventas o de no tener que diferir la entrega de pedidos, se pueden mante­
ner inventarios de seguridad que permitan atender a las demandas imprevistas.

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 8.1 C o n c e p t o s básicos 217

3. Una estrategia para enfrentar las fluctuaciones de la demanda de los productos sin tener que
invertir en capacidad de producción para los períodos de demanda pico, consiste en producir
en exceso durante los períodos de baja demanda y almacenar en inventario los excedentes de
producción para satisfacer posteriormente la demanda del período pico, de manera que no será
necesario mantener una capacidad de producción muy alta para satisfacer la demanda pico.
4. Las compras por grandes lotes a menudo tienen descuento, de manera que en muchas situa­
ciones conviene ordenar pedidos de compra en lotes grandes. Cuando se sigue una política de
compra por lotes grandes, se tendrá que mantener inventarios de los productos mientras se van
demandando.
5 . Se puede m antener inventarios por especulación. P or ejem plo, en econ om ías que han
experim entado períodos con alto riesgo de devaluaciones o inflaciones repentinas, las empre­
sas de la industria han encontrado que un camino seguro para proteger el valor de su capital de
trabajo es el de mantener existencias en inventario, las que tenderán a subir de precio si ocurre
una devaluación repentina de la moneda.
6 . Los inventarios de herramientas, repuestos o ciertos componentes en proceso cumplen una
función de prevención, ya que al almacenar ciertos repuestos críticos, o al tener unidades listas
para ensamblar se puede dar una respuesta rápida a los pedidos de producción, en estos casos el
inventario de materiales permite disminuir el tiempo de atención de una falla, o los tiempos por
apertura de proceso.

A ? 8.1.3. ENFOQUES PARA ADMINISTRAR INVENTARIOS

Aunque ya se mencionó al tratar sobre el JIT , debemos remarcar que existen dos puntos de vista muy di­
ferentes para dirigir la administración de inventarios: el enfoque push, y el enfoque puü. Antes de adoptar
una técnica particular para la administración del inventario de un producto es conveniente establecer el
enfoque que se desea aplicar ya que éste es fundamental para seleccionar una técnica apropiada.
Cuando la planeación empuja la producción (enfoque push), los tamaños de las órdenes de produc­
ción se basan en pronósticos de mediano o largo plazo, por lo que son generalmente grandes y variables,
generando altos inventarios, cuyo costo se compensa por las economías de escala del producto. Este en­
foque es adecuado cuando la manufactura del producto enfrenta importantes economías de escala y en
particular cuando la demanda es estacional, se puede aplicar la estrategia de mantener inventarios para
la temporada pico, evitando invertir en capacidades de producción muy altas. El riesgo que enfrenta el
enfoque push radica en la ocurrencia de cambios radicales en los patrones de demanda, que hagan que el
producto en inventario sea obsoleto por lo que este enfoque sólo puede funcionar en el caso de bienes
poco diferenciados (comerciables) o cuando existen contratos de suministro que aseguren la venta del
producto.
Bajo el enfoque de dejar que la demanda del producto determine cuánto producir (enfoque pulí),
los tamaños de las órdenes de producción son pequeños, generando bajos costos por inventarios y un
bajo riesgo por obsolescencia del producto. Este enfoque es apropiado cuando se compite por innovación
y flexibilidad, y su implantación requiere de información rápida desde los puntos de venta, así como un
sistema de producción rápido y flexible. Las desventajas, son la necesidad de tener capacidad para los
períodos de demanda pico y menores economías de escala y transporte, que el tradicional enfoque pulí.

Administración de Operaciones • Muñoz A lfa o m e g a

218 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

Incertidumbre en la dem anda

P u ll ' i
I: II:

Computadoras Muebles

IV: III: Comestibles,

Push ' f Metales
Libros, CD

Economías de escala

•«----------------------------------------------------------------- ►
P u lí Push

Figura 8.3: Dimensiones de importancia para adoptar un enfoque p u s h o pulí.

La conveniencia de adoptar un enfoque push o uno pulí depende fundamentalmente de la importan­

cia de las economías de escala y de la incertidumbre en la demanda. La existencia de economías de escala
hace más atractivo el enfoque push, que permite la producción de lotes grandes, mientras que una mayor
incertidumbre en la demanda favorece el enfoque pul!, que minimiza el riesgo de pérdidas por obsolescen­
cia de las existencias en inventario.

Frontera

Enfoque P u s h \ Enfoque P u ll

Comprador
Final

Figura 8.4: Especialización de enfoques en la cadena de suministro.

Com o se ilustra en la Figura 8.4, en la práctica, los eslabones de la cadena de suministro que han
adoptado un enfoque pulí se encuentran más cercanos al comprador final, debido a que enfrentan una
mayor incertidumbre en su demanda y menores economías de escala que los eslabones de la cadena que
están más cercanos a la producción de materia prima. Esta tendencia puede observarse inclusive en di­
ferentes productos de una misma empresa, por ejemplo, Dell utiliza un enfoque pulí para las ventas bajo
pedido de sus computadoras personales pero debido a que sus modelos tienen partes y componentes
comunes, cuya manufactura enfrenta importantes economías de escala, la adopción de un enfoque push
es apropiada para la administración de los inventarios de las partes y componentes.

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 8.1 C o n c e p t o s básicos 219

A * 8.1.4. CLASIFICACIÓN ABC

Como hemos mencionado, los inventarios que debe mantener una empresa satisfacen diversas necesida­
des, son de naturaleza muy diferente y se pueden adoptar distintos enfoques para su administración. Es
razonable pensar que algunos de los inventarios tienen una importancia crítica mayor que otros, por ejem­
plo, los inventarios de artículos más costosos podrían administrarse con mayor cuidado, ya que represen­
tan un mayor esfuerzo de inversión. La clasificación ABC es una aplicación del análisis de Pareto para
clasificar artículos según su importancia. De acuerdo con el enfoque de Pareto es razonable suponer que
son pocos los artículos que tienen una mayor importancia en el sistema de administración de inventarios
y la clasificación A BC consiste en efectuar un análisis de Pareto para clasificar los artículos en inventario
en categorías: A, B y C de acuerdo a su importancia.
Para efectuar una clasificación A BC se pueden usar diversas medidas de valor, dependiendo de los
objetivos de la clasificación, aunque la clasificación más difundida se basa en el valor monetario del artícu­
lo (demanda anual por costo unitario), en cuyo caso el objetivo es el de identificar los pocos artículos que
causan el mayor movimiento de dinero. Algunos otros criterios que se pueden usar como medida de valor
son la utilidad, el costo unitario, o alguna medida de riesgo. El procedimiento para efectuar la clasificación
ABC, basada en algún criterio de valor, se resume en los siguientes pasos:

1. Seleccionar el criterio de valor (e.g, demanda anual por costo unitario).

2. Ordenar los artículos en orden de la importancia de su valor.
3. Calcular el porcentaje acumulado de valor y su porcentaje acumulado del número de artículos
para cada artículo.
4 . Construir una gráfica del porcentaje acumulado del número de artículos contra el porcentaje
acumulado del valor.
5. Clasificar los artículos en las categorías A, B o C.

Se sugiere que la categoría A puede abarcar entre el 5 y 20% de los artículos, generando entre 60 y el
80% del valor, la B alrededor del 30%, representando alrededor del 15% del valor, y la C entre 50 y 60%,
representando sólo del 5 al 10% del valor.
El objetivo de la clasificación A BC es el de identificar los artículos de mayor importancia (A), los de im­
portancia relativa media (B) y los de menor importancia (C ). Teniendo en cuenta esta clasificación se pue­
den adoptar diferentes políticas para administrar los artículos en las diferentes categorías (ver la Figura 8.5).
Si los pedidos de los artículos tipo A son costosos, ya sea porque el valor de cada artículo es alto o
porque los pedidos son de alto volumen; las aprobaciones para la compra de artículos A pudieran requerir
la aprobación del Director de Finanzas, con conteos periódicos frecuentes (diario o semanal), teniendo
especial cuidado en el pronóstico de ventas y evitando los inventarios de seguridad. Además, se pueden
optar por prácticas administrativas como las siguientes:

0 Licitación. Las compras pueden basarse en licitaciones, indicando las especificaciones técnicas
que debe tener el producto (propiedades físicas o contenidos químicos), especificaciones de des­
empeño (confiabilidad, tasas de salida, etc.). Las especificaciones son necesarias para descartar a
los proveedores de baja calidad.
O Certificación. Se pueden exigir certificaciones a los proveedores, tales como calidad en el diseño,
entrenamiento, tiempos de entrega, etc.
® Negociación. En el caso de disponer de proveedores confiables, en lugar de invitarlos a un proce­
so de licitación, se pueden negociar periódicamente los precios, cambios en el diseño y tiempos
de entrega.

Administración de Operaciones • Muñoz A lfa o m e g a

220 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

O Especulación. En el caso de observarse un patrón de variación cíclica de los precios, se puede

optar por aprovechar los ciclos en los que baja el precio y hacer las compras en los períodos de
baja para ahorrar costos.

Los pedidos de los artículos tipo B tienen valor moderado ya sea porque se trate de productos de
especificaciones estándar para mantenimiento, reparación y operación o bien por servicios de uso regular,
ya sea que sean productos que requieren especificaciones pero que su valor no justifica el esfuerzo de
imponer licitaciones para la compra. Las aprobaciones para compra de artículos B pudieran requerir la
aprobación del Gerente de Compras, los conteos periódicos pueden ser mensuales, los pronósticos de
ventas pueden basarse en tendencias y se pueden tener inventarios de seguridad pequeños (e.g., para una
semana). Además, se pueden optar por prácticas administrativas como las siguientes:

® Lista de proveedores. Se puede mantener una lista de proveedores que esté basada en el desem­
peño del proveedor o en un estudio de certificación.
O Compra por catálogo. Se pueden tener grandes proveedores de artículos estándar que por lo
general mantienen un catálogo indicando las características de los productos.
O Contratos. Si el artículo tiene una demanda regular durante el año, se pueden establecer con­
tratos con los proveedores para garantizar un abastecimiento periódico bajo las condiciones que
establecen precios y entregas periódicas. Estos contratos por lo general tiene un período estable­
cido, luego del cual se puede negociar otro contrato.

Los pedidos de los artículos tipo C tienen poco valor, siendo por lo general artículos de especifica­
ciones estándar, por lo que las compras pueden hacerse ya sea de un sólo proveedor confiable o de una
lista de proveedores aceptados. Las aprobaciones para compra de artículos C pudieran estandarizarse,
requiriendo sólo de la aprobación de un empleado de compras, los conteos periódicos pueden ser anuales,
los pronósticos de ventas pueden basarse en la experiencia, y se pueden tener inventarios de seguridad
para períodos amplios (por ejemplo, un mes).

• Aprobación, negociación, especulación

------------------- ► • Conteos muy frecuentes
A ‘

• Proveedores confiables
B
• Enfoque p u lí
* -------------- * • Adecuada coordinación y comunicación

Valor Número

Figura 8.5: Posibles políticas para artículos A y B.

□---------------------------- ------------------------------------------------------------------------------------------------------------------------

Ejemplo 8.1: Clasificación ABC

La empresa TransMex se dedica al ensamble de equipo especializado para el transporte de materiales.
Dicha empresa tiene un sistema de venta bajo pedido, de manera que debe almacenar ciertas partes y
componentes críticos para atender los pedidos con prontitud. En el presente año, la demanda por sus
productos se ha incrementado y la empresa ha venido enfrentando ciertos problemas logísticos, con la

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 8.1 C o n c e p t o s básicos 221

consiguiente demora en la atención de los pedidos, por lo que desea reorganizar la administración de las
compras e inventarios de las partes y componentes necesarias para responder adecuadamente a los pedi­
dos de producción. Debido a que existe mayor movimiento de algunas partes, la empresa debe identificar
las partes cuyo inventario implica más inversión, para así poner mayor énfasis en sus políticas de compras
e inventarios por lo que decide efectuar una clasificación A BC basada en los datos de partes de la Tabla
8. 1 , sus demandas (anuales) y costos unitarios (en cientos de $).

Parte Demanda Costo unitario Parte Demanda Costo unitario

1 40 350 16 60 600

2 500 35 17 120 25

3 50 25 18 300 12

4 300 50 19 45 50

5 15 2 000 20 20 3 000

6 400 10 21 1 000 2

7 700 4 22 10 5 000

8 70 30 23 25 3 100

9 300 30 24 25 2 000

10 70 400 25 800 150

11 500 2 26 250 20

12 650 30 27 750 15

13 90 50 28 40 100

14 20 3 29 40 150

15 800 1 30 150 25

Tabla 8.1: Demandas y costos unitarios de partes.

El primer paso para construir la clasificación A BC será el de calcular los valores (demanda por costo
unitario) para cada parte y ordenar las partes de acuerdo a su valor. En la siguiente tabla mostramos estos
valores ordenados, así como los porcentajes acumulados del número total de partes y los porcentajes acu­
mulados del valor total.

Administración de Operaciones • Muñoz A lfa o m e g a

222 Capítulo 8 A d m in is t r a c ió n de in ven ta rios

% del número % del valor % del número % del valor

Parte Valor Parte Valor
de partes total de partes total

25 120 000 3.33 20.55 26 5 000 53.33 93.99

23 77 500 6.67 33.83 13 4 500 56.67 94.76

20 60 000 10.00 44.10 6 4 000 60.00 95.44

22 50 000 13.33 52.67 28 4 000 63.33 96.13

24 50 000 16.67 61.23 30 3 750 66.67 96.77

16 36 000 20.00 68.40 18 3 600 70.00 98.39

5 30 000 23.33 72.53 17 3 000 73.33 98.90

10 28 000 26.67 78.33 7 2 800 76.67 98.38

12 19 500 30.00 80.67 19 2 250 80.00 98.77

2 17 500 33.33 83.67 8 2 100 83.33 99.12

4 15 000 36.67 86.24 21 2 000 86.67 99.47

1 14 000 40.00 88.63 3 1 250 90.00 99.68

27 11 250 43.33 90.56 11 1 000 93.33 99.85

9 9 000 46.67 92.10 15 800 96.67 99.99

29 6 000 50.00 93.13 14 60 100.00 100.00

Tabla 8.2: Valores y porcentajes acumulados de partes.

En la Figura 8.6 mostramos la carta de Pareto correspondiente a la clasificación ABC; es decir, la

gráfica que muestra el artículo contra su correspondiente valor acumulado. Analizando los datos, se ha
decidido que los artículos tipo A sean los que tienen un valor individual mayor o igual que SSO 000 y
los artículos tipo C tienen un valor individual menor a $5 000. D e esta manera, los artículos tipo A son los
artículos 25, 23, 20, 22 y 24, constituyen el 16.67% de los artículos y tienen el 61.23 % del valor total
de los artículos. Los artículos tipo B son los artículos 16, 5, 10, 12, 2, 4, 1, 27, 9, 29 y 26, constituyen el
36.67% de los artículos y tienen el 32.76% del valor total de los artículos. El resto de los artículos serán
considerados tipo C, constituyen el 46.67% de los artículos y tienen el 6.01% del valor total de los
artículos.

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 8.2 A d m i n is t r a c ió n de in v en ta rio s de d e m a n d a d e p e n d ie n t e 223

120.00

100.00

8 0 .0 0

6 0 ,0 0

4 0 .0 0

20.00

0.00

Figura 8.6: Gráfica de la clasificación ABC.

------------------------------------------------------------------------------------------------------------- □

© 8.2 ADMINISTRACIÓN DE INVENTARIOS

DE DEM ANDA DEPENDIENTE
En esta sección presentaremos una concisa discusión sobre las técnicas disponibles y los elementos en que
se debe poner énfasis para la administración de inventarios de demanda dependiente. Como indicamos
al inicio de este capítulo, los inventarios de demanda dependiente son los inventarios de insumos, partes
y componentes que son necesarios para producir las manufacturas y/o servicios que ofrece nuestra em­
presa; por ejemplo, si producimos libros, nuestros inventarios de papel, tinta, empastes, goma, etc., serán
nuestros inventarios de demanda dependiente. A estos inventarios se les aplica el término de dem anda
dependiente, debido a que son necesarios para satisfacer la demanda interna de la empresa, por lo que la
demanda de estos inventarios depende de los planes de producción. Por ejemplo, nuestros inventarios de
papel para producir libros, dependerán del plan de producción de libros, en particular, debemos procurar
que el inventario necesario esté disponible para las jornadas en las que se estarán produciendo los libros.
A diferencia de la administración de inventarios de demanda independiente, donde se debe con­
siderar la incertidumbre en la demanda, en la administración de inventarios de demanda dependiente
los planes de producción se pueden conocer con cierta anticipación y no es necesario que se mantengan
inventarios en forma constante, más aún, los métodos de producción actuales tienden a enfatizar la necesi­
dad de coordinación entre el proveedor y el comprador, de manera que las entregas de materiales, insumos
y componentes se establezcan de acuerdo con los requerimientos (a veces cambiantes) de producción. Es
con base en los adecuados mecanismos de coordinación entre proveedor y comprador, que las empresas
pueden lograr importantes reducciones en el capital de trabajo requerido, a la vez que disminuir el riesgo
que representa el tener inventarios de productos que están sujetos a cambios en el diseño, debidos a un
cambio en las preferencias del consumidor.

Administración de Operaciones • Muñoz A lfa o m e g a

224 Capítulo 8 A d m in is t r a c ió n de in ven ta rio s

Por las razones expuestas, las técnicas para administrar inventarios de demanda dependiente tienen
por filosofía el tratar de reducir los inventarios al mínimo buscando más bien la coordinación entre el sis­
tema de producción y el sistema de pedidos, para que el inventario exista sólo cuando los requerimientos
de producción así lo demandan. Por otro lado, en plantas donde se sigue un sistema de producción por
lotes, los requerimientos de producción de un producto particular pueden variar considerablemente entre
semanas y meses, por lo que no es apropiado usar modelos con tamaño de pedido constante, y más bien es
conveniente utilizar técnicas para demanda dinámica (que revisaremos al final de esta sección).
A continuación comentaremos brevemente sobre las dos técnicas más utilizadas para administrar
inventarios de demanda dependiente: la M RP y el K anban, mecanismo para coordinar la producción,
desarrollado bajo la filosofía de producción JIT.

8.2.1. PLANEACIÓN DE REQUERIMIENTOS

DE MATERIALES
La M RP es una técnica que consiste en determinar las cantidades de los insumos y la fecha (lím ite) en
las que deben estar disponibles estos insumos para garantizar el cumplimiento del programa maestro
de producción. En la Figura 8.7 indicamos gráficamente cóm o se puede relacionar la M RP con otras
actividades de la administración de operaciones; siendo el programa maestro de producción (ver el
capítulo 13), el ingrediente indispensable para iniciar la MRP, cuyo producto final servirá de soporte
para el cumplimiento del plan maestro de producción. El programa resultante de una M RP se utiliza
para que los insumos, partes y componentes estén disponibles cuando el proceso de producción los
demande, pero sin almacenar inventarios innecesarios de insumos, es decir, que estén disponibles justo
para cuando son requeridos.

Figura 8.7: Actividades relacionadas con la MRP.

Por lo general, una M RP se implanta a través de un programa de computadora, el que debe tener ac­
ceso a los archivos donde se encuentra la información necesaria (ver la Figura 8 .8 ), entre la que podemos
mencionar:

© Plan maestro de producción.

© Carta de materiales de los artículos a producir.
© Demora del pedido si el insumo, parte o componente es comprado y tiempo de producción si el
insumo, parte o componente se produce en la misma planta (para cada elemento de la carta de
materiales).
© Inventarios disponibles de los insumos, partes y componentes.
© Estado de las órdenes en tránsito.

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 8.2 A d m in is t r a c ió n de in ve n ta rio s de d e m a n d a d e p e n d ie n t e 225

Figura 8.8: Información necesaria para implantar una MRP.

La salida típica de una M RP son las cantidades necesarias de los insumos, partes y componentes
(indicados en la carta de materiales) que son necesarios para cumplir con el programa maestro y la fecha
(límite) en las que se requieren estas cantidades. Con base en esta información, y la de los inventarios
disponibles (y en tránsito), se determinan las fechas y cantidades de los pedidos que deben ordenarse
o la existencia de algún conflicto con el plan maestro (si es el caso). La elaboración de un programa por
computadora que realice las funciones requeridas para generar una MRP, requiere fundamentalmente de
los dos pasos siguientes:

1. Con base en la carta de materiales y las demoras de los pedidos se construye un programa de
operaciones que indique la fecha (límite) en las que deben ordenarse los pedidos de cada elemen­
to de la carta de materiales para que pueda entregarse el pedido de producción a tiempo. Este
programa puede resumirse en una carta de Gantt con tiempos de iniciación tardía (ver la Figura
8 . 10 ), que se pueden encontrar como en el método de la ruta crítica, partiendo de la fecha de
entrega del pedido y yendo hacia atrás en el tiempo, considerando las demoras de los pedidos
de producción de los elementos de la carta de materiales, y las ecuaciones (5.4) y (5.5).
2. Con base en los inventarios disponibles y en el estado de las órdenes en tránsito se determinan
los requerimientos netos de cada elemento de la carta de materiales, teniendo en cuenta que:

Requerimiento neto = Requerimiento bruto - inventario disponible - cantidad de las órdenes en

tránsito disponibles.
Si el requerimiento neto es negativo, no se requiere ordenar el insumo, en cambio si es positivo, de­
berá ordenarse al menos esa cantidad para la fecha en que se requiere el insumo.
Con el siguiente ejemplo ilustraremos con más detalle estos dos pasos necesarios para producir la
salida de una MRP.

□----------------------------------------------------------------------------------------------------------------------------------------------------
Ejemplo 8.2: Elaboración de una MRP
Una empresa que produce herramientas y equipo para trabajo doméstico, debe producir 1 500 cortadoras
de césped de su modelo C C -0210, las que deben entregarse al final de la semana 14 (hoy día se inicíala se­
mana 1). En la Figura 8.9 se presenta la carta de materiales para esta cortadora, cuyo ensamble final (como
se aprecia de la figura), requiere de cuatro componentes: cuerpo, chasis, motor y sistema de manejo. El
ensamble del chasis requiere además de un ensamble de cuchillas y de dos ruedas mientras que el ensam­
ble del motor requiere de un limpiador de aire, que a su vez requiere de una caja del filtro.

Administración de Operaciones • Muñoz A lfa o m e g a

226 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

Nivel o

Nivel 1

Nivel 2

Nivel 3

Figura 8.9: Carta de materiales de una cortadora.

En la Tabla 8.3 se presentan las demoras de los pedidos para cada componente y sus inventarios; se
sabe además que no existen órdenes en tránsito para ninguno de los componentes. A partir de los datos
proporcionados, deseamos encontrar las cantidades de cada componente que se deben ordenar (requerimien­
tos netos) y las fechas (límite) en las que deben ordenarse los pedidos, si se desea satisfacer el pedido de
1500 cortadoras para el final de la semana 14.

Componente Demora Inventario

Ensamble final 1 semana 250
Ensamble del cuerpo 3 semanas 400
Ensamble de chasis 1 semana 200
Ensamble de cuchillas 2 semanas 800
Ruedas 1 semana 2300
Ensamble del m otor 4 semanas 450
Limpiador de aire 1 semana 250
Caja del filtro 2 semanas 500
Ensamble sistema de manejo 1 semana 400

Tabla 8.3: Inventarios y demoras de los componentes de una cortadora.

Como sugerimos en el paso 1 para elaborar la salida de una MRP, es conveniente construir el progra­
ma de operaciones con base en la carta de materiales y en las demoras de los pedidos. En la Figura 8.11
presentamos el programa de operaciones resultante de los datos proporcionados, donde obtuvimos las fe­
chas límites (T IT A ) utilizando las ecuaciones (5.4) y (5.5) empezando del final hacia el inicio. Por ejem­
plo, debido a que la entrega será al final de la semana 14 y la demora del ensamble final es de 1 semana. .=
fecha límite para iniciar el ensamble final será el final de la semana 14 - 1 = 13; de acuerdo con la cana
de materiales, el final de la semana 13 será la fecha límite para terminar el ensamble del cuerpo (TTTA
y considerando que la demora es de 3 semanas, la fecha límite para iniciar (TITA ) el ensamble del cuerpo serr

A lfa o m e g a Adm inistración de Operaciones • M u ' : ;

 8.2 A d m i n is t r a c ió n de in v e n ta rio s de d e m a n d a d e p e n d ie n t e 227

el final de la semana 1 3 - 3 = 10. Procediendo de esta manera, encontramos (ver la Figura 8.10) que si
hubiera que ordenar cajas de filtro para esta orden de producción, el pedido tendrá que ordenarse a lo más
al inicio de la semana 8.

Ensamble del cuerpo

4--------------------------------------------►

Ensamble de cuchillas
4-----------------------------►Ensamble
de chasis
Ruedas 4 ----------- ►
Ensamble
4 -----------►
Limpiador final
Caja de filtro de aire Ensamble del motor
Ensamble
sistema
de manejo

7 8 9 10 12 13 14 15
inicio de semana

Figura 8.10: Programa de operaciones para fabricar cortadoras.

Nótese que las fechas de la Figura 8.10 son fechas límites, ya que si se desea, el pedido (de produc­
ción o de abasto) puede ordenarse antes de dicha fecha, sin embargo no puede ordenarse después, ya que
en ese caso no se podría terminar el pedido final a tiempo. Por otro lado, si por alguna razón se tiene que
terminar antes de la fecha límite la orden de alguno de los componentes, deberán retrasarse las fechas
límites de los componentes necesarios de la carta de materiales.
El segundo paso para generar la salida de la MRP, consiste en determinar los requerimientos netos,
que se resumen en la Tabla 8.4. Nótese por ejemplo, que el requerimiento neto de ensambles finales es de
1 250 porque se requieren 1 500 unidades y se disponen de 250; por otro lado, este requerimiento neto se
convierte en el requerimiento bruto de los componentes que le siguen en nivel en la carta de materiales,
que son: ensamble del cuerpo, ensamble de chasis, ensamble del motor y ensamble del sistema de ma­
nejo. El requerimiento bruto de ruedas es de 2 ( l 05 0 ) = 2 100 debido a que se requieren 2 ruedas por
cada ensamble de chasis (ver la Figura 8.9). Nótese también que cuando el requerimiento bruto menos
el inventario (menos las cantidades en tránsito si fuera el caso) es negativo, el requerimiento neto es cero,
ya que ello indica que para la fecha necesaria se dispondrá de más unidades que las que se requieren. N ó­
tese también que si hubiera cantidades en tránsito para obtener el requerimiento neto deberán restarse
sólo las cantidades en tránsito que llegarán en o antes de la fecha necesaria (obtenida en el programa de
operaciones).

CTiinlstraclón de Operaciones • Muñoz A lfa o m e g a

228 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

Componente Requerim iento bruto Inventario Requerim iento neto

Ensamble final 1 500 250 1 250
Ensamble del cuerpo 1 250 400 850
Ensamble de chasis 1 250 200 1 050
Ensamble de cuchillas 1 050 800 250
Ruedas 2 100 2300 0
Ensamble del motor 1 250 450 800
Limpiador de aire 800 250 550
Caja del filtro 550 500 50
Ensamble sistema de manejo 1 250 400 850

Tabla 8.4: Requerimientos brutos y netos para los componentes de una cortadora.

Por último, el resultado de la M RP se resume en la Tabla 8.5. Nótese que la información que se
proporciona es sólo la información relevante de la M RP: como es la fecha (límite) de los pedidos y el
requerimiento neto para cada componente.

Fecha lím ite

Componente Requerim iento neto
(inicio de semana)
Ensamble final 14 1 250
Ensamble dei cuerpo 11 850
Ensamble de chasis 13 1 050
Ensamble de cuchillas 11 250
Ruedas - 0
Ensamble del motor 10 800
Limpiador de aire 9 550
Caja del filtro 7 50
Ensamble sistema de manejo 13 850

Tabla 8.5: Fechas y cantidades de pedido para los componentes de una cortadora.

La información que se obtiene de una M RP puede utilizarse de diferentes maneras, dependiendo de

las políticas de operación de la empresa. Así por ejemplo, se pueden producir (ordenar) los pedidos (auto­
máticamente) en la fecha límite que reporta la MRP, si la empresa considera que no existe incertidumbre
en cuanto a las demoras de los pedidos, de manera que se puede coordinar perfectamente el programa
de producción con el programa de entregas. Por otro lado, si existe algún grado de incertidumbre en las
demoras y/o los tiempos de ejecución de los pedidos, la empresa puede utilizar la información de la MRP
como apoyo para la toma de decisiones; en este caso la información servirá para prevenir al personal de
compras y/o producción de que no debe exceder ciertas fechas para ordenar los pedidos de producción
y/o abastecimiento, si desea cumplir con el programa maestro de producción.
---------------------------------------------------------------------------------------------------------------------------------------------------- 1

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 8.2 A d m in is t r a c ió n de in v e n ta rio s de d e m a n d a d e p e n d ie n t e 229

Es conveniente remarcar que en el ejemplo que acabamos de mencionar, hemos asumido que las
demoras de los pedidos están dadas (en la Tabla 8.3) y en la práctica pudieran tener que calcularse con­
siderando no sólo el tiempo necesario para producir o recibir la orden solicitada sino también posibles
tiempos muertos debido a que algún recurso está ocupado. En este caso, para elaborar la M RP será nece­
sario interactuar con la Programación de las Operaciones Productivas.

A * 8.2.2. SISTEMAS KANBAN

Aunque se han reportado casos en que una M RP puede ser utilizada com o herramienta dentro de un
sistema de producción tipo pulí, éste no es el caso más común; es más bien la técnica para administrar
inventarios de insumos conocida bajo el nombre de Kanbart, la que se ha venido implantando en los
sistemas de producción tipo pulí com o el JIT , y sigue siendo la técnica más utilizada dentro estos sis­
temas de producción. Aunque ya nos referimos al K an ban en el capítulo 3, es conveniente remarcar
en este capítulo sus características principales com o técnica para administrar inventarios de demanda
dependiente.
El Kanban es un mecanismo para administrar inventarios de demanda dependiente que elimina la
necesidad de planear el abastecimiento de insumos con base en un programa de producción (como lo
hace la M R P ). Conceptualmente, es un mecanismo dinámico de comunicación que tiene la finalidad de
coordinar la producción de insumos, partes y componentes, con las necesidades del cliente que demanda
estos productos.
Un sistema tipo Kanban que ha sido utilizado por mucho tiempo en las farmacias, consiste en asignar
a cada producto un tarjetero y cada vez que se retira (debido a la compra de un cliente) una unidad del
producto, se deposita una tarjeta en el tarjetero; de esta manera, cuando existe un número apropiado de
tarjetas en el tarjetero, el sistema estará comunicando que debe ordenarse un pedido de abastecimiento
del producto (ya que se está agotando el inventario disponible). Con este ejemplo sencillo, deseamos in­
dicar cómo el tarjetero sirve de mecanismo de comunicación entre el cliente y el productor, ya que cuando
existen tarjetas en el tarjetero, se estará indicando que el producto ha sido demandado, y que es necesario
“producir” más unidades para satisfacer la demanda del cliente. Por otro lado, debemos notar que éste es
un sistema tipo pulí, ya que es la demanda del cliente la que genera las órdenes de producción.
En general, diremos que un mecanismo tipo K anban es un sistema de comunicación entre los clien­
tes y el productor de un artículo, que tiene por finalidad el indicar al productor cuándo es necesario pro­
ducir el artículo debido a que la demanda de los clientes está agotando el inventario disponible. Un meca­
nismo Kanban apoya a una filosofía de producción tipo pulí, ya que permite que la demanda de los clientes
indique al sistema cuándo se debe producir.
Un mecanismo K anban elimina el riesgo de producir por adelantado, como puede ocurrir en siste­
mas de producción tipo push, en los que se planea la producción primero y luego se busca que los clientes
demanden el producto. Al permitir que se comunique al productor que el inventario del artículo se está
agotando debido a la demanda del mismo, el sistema Kanban permite que se produzca sólo cuando es
necesario, y elimina la necesidad de planear la producción que se presenta en un sistema de producción
tipo push.
Para que un mecanismo Kanban cumpla con sus objetivos será suficiente que permita comunicar al
productor de un artículo la señal de que es necesario ordenar la producción de un lote del artículo. Es por
esta razón que estos mecanismos que funcionan actualmente en las empresas, no necesariamente siguen
el sistema inicial basado en el uso de tarjetas y tarjeteros. En particular, se pueden utilizar diferentes tipos
de señales como:

O Mensaje escrito. Se puede utilizar un mensaje escrito para ordenar un pedido de abastecimiento
a un proveedor o para indicar a algún taller de la planta que se requiere la producción de un artículo

Administración de Operaciones • Muñoz A lfa o m e g a

230 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

o componente determinado. Aunque los mensajes escritos pueden parecer algo burocráticos, ac­
tualmente la tecnología de internet o de fax facilita la expedición de éstos y la comunicación por
escrito entre empresas se facilita gracias al intercambio electrónico de datos.
0 Mensaje hablado. Se puede utilizar el lenguaje hablado para comunicar la necesidad de abas­
tecimiento y/o producción de un artículo determinado, el cual puede ser transmitido ya sea en
forma directa o por vía telefónica. Por ejemplo, las solicitudes de talonarios de cheques se pueden
efectuar por vía telefónica en la mayoría de los bancos.
0 Otras señales. Los mecanismos Kanban más difundidos hacen uso de otras señales para colocar
una orden de producción, por ejemplo, pueden haber mecanismos K anban basados en luces (di­
ferentes colores pueden indicar diferentes artículos y/o tamaños de lote), pelotas de golf, tarjetas,
y contenedores (verla Figura 8.11). Para utilizar señales que no sean mensajes hablados o escri­
tos, por lo general es necesario que se haya logrado una alta estandarización del proceso produc­
tivo; así por ejemplo, el tamaño de los lotes debe conocerse de antemano.

Figura 8.11 K an b a n con el mismo contenedor como señal.

En la Figura 8.11 ilustramos el funcionamiento de un mecanismo Kanban basado en contenedores.

En el mecanismo que se ilustra, existen 3 contenedores, cada uno con una capacidad estándar de 4 artículos.
Los artículos son producidos en el proceso A (el productor), y son consumidos en el proceso B (el clien­
te), cuando en el proceso B se han usado todos los artículos de un contenedor, éste se remite al proceso
A para que aquí se llene el contenedor con la producción de A. En un K anban como el que se ilustra, la
señal utilizada para iniciar la producción es el mismo contenedor vacío, y como podemos apreciar, para
que este mecanismo funcione es necesario el haber estandarizado el proceso (contenedores siempre con
capacidad de 4 ). El tamaño de los contenedores tiene importancia porque debe justificar una corrida de
producción para el artículo (en la figura utilizamos un tamaño de 4 sólo por comodidad). Por otro lado, e.
número de contenedores circulando será también importante, debido a que este número determina el in­
ventario de artículos en proceso. En general, un adecuado número de contenedores en el sistema depende
de la velocidad con que se consumen los artículos; el número de contenedores deberá disminuirse cuando
observamos un inventario innecesariamente alto y deberá aumentarse si observamos que el proceso se
detiene porque el cliente no tiene artículos para consumir.

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 8.3 A lg u n o s m o d e lo s para a d m in is tra r In v e ntario s 231

© 8.3 ALGUNOS MODELOS PARA ADMINISTRAR

INVENTARIOS
Los inventarios constituyen a menudo un alto porcentaje del capital que invierte una empresa para asegu­
rar la continuidad de sus operaciones y es un indicador de la eficiencia con que la empresa administra sus
recursos. Es tal la importancia que se le ha dado al valor de los inventarios, que una medida importante del
retorno de la inversión es el valor de las ventas dividido entre el capital invertido en inventarios. Por estas
razones, se han desarrollado una gran variedad de modelos para apoyar la toma de decisiones en cuanto a
la administración de los inventarios, los que en general difieren en cuanto al número de productos a consi­
derar (para un solo producto o multiproductos), y en cuanto al tratamiento de la demanda (determinista
o aleatoria), por lo que a continuación discutiremos el uso de algunos de estos modelos. Aunque en esta
sección nos enfocaremos en las aplicaciones de estos modelos para administrar inventarios de demanda
dependiente, en el siguiente capítulo discutiremos las aplicaciones de los modelos para administrar pro­
ductos terminados.

s * 8.3.1. COSTO DE LOS INVENTARIOS

La principal razón para mantener inventarios de producto terminado es la de disponer de los productos
para poder satisfacer la demanda del cliente sin que se experimente un retraso en la atención de los pe­
didos. Por esta razón, el mantener un nivel alto de inventario puede ser conveniente desde el punto de
vista de la atención de los pedidos del cliente, sin embargo, una política de este tipo es costosa, ya que se
incurren en costos altos por mantener los inventarios, nótese que sólo el espacio necesario para mantener
artículos en inventario tiene un costo significativo; este costo por mantener inventarios es la principal
fuente de costo que consideran los modelos para administrar inventarios. Por otro lado, si se reducen los
niveles de inventario, existen otras fuentes de costo que deben ser consideradas cuando se desea determi­
nar políticas óptimas para la administración de inventarios. A continuación indicamos con mayor detalle
los componentes de costo que se incluyen en los principales modelos de inventarios.

® Costo variable de la mercancía. Es el costo de los productos que varía con el tamaño del pedido.
Por lo general se obtiene multiplicando el costo unitario por el número de unidades que se orde­
nan, teniendo en cuenta que en el costo unitario debe incluirse el costo unitario por transporte y
manejo del producto. Este costo adquiere particular importancia cuando existen economías de
escala o el tamaño del pedido influye en el costo unitario del producto.
© Costo por mantener inventarios. Este costo tiene dos componentes, el costo de oportunidad
y el costo físico. El primero corresponde al beneficio que pudiera estar generando el capital in­
vertido en el inventario debido a que la producción de los artículos en inventario tiene un costo
que fue cubierto por la empresa y representa un capital de trabajo. El costo físico corresponde al
gasto adicional en que se incurre para conservar la integridad del inventario, ya que se requiere del
uso de espacio (que puede ser rentado o propio), el adecuado cuidado en el empaque, embalaje
y manejo de los materiales para evitar el deterioro del inventario, el proceso administrativo para
registrar las entradas y salidas. El costo físico incluye también el costo del riesgo por seguros, ob­
solescencia, deterioro y mermas. Por lo general, el costo por mantener inventarios es directamente
proporcional al costo, volumen y tiempo que se almacena el inventario.
© Costo por ordenar. Es el costo fijo (que no depende del tamaño del pedido) en que se incurre
cada vez que se ordena un pedido. Este costo está asociado con el procedimiento administrativo
y logístico que implica el ordenar un pedido de abastecimiento, incluye el costo fijo por gestionar

- c-ninistración de Operaciones • Muñoz A lfa o m e g a

232 Capítulo 8 A d m in is t r a c ió n de in ven ta rios

la producción o la compra y los costos fijos por transporte, embalaje, recepción, inspección y
manejo del material.
O Costo por desabastecimiento. Este costo se atribuye al caso en que un cliente no encuentra
inventario disponible para satisfacer su demanda, se pierde la venta o se tiene que poner una
orden para atender al cliente con retardo. El costo directo por desabastecimiento es la pérdida de
beneficio por no hacer una venta; sin embargo, debemos tener en cuenta que cuando el cliente
no puede satisfacer su demanda, se incurre en falta de servicio al cliente, que puede redundar en
la pérdida de ventas futuras por la insatisfacción del cliente. Es por esta razón que el costo por
desabastecimiento a menudo es más difícil de estimar que los costos por mantener inventarios o
los costos por ordenar y en algunos casos se establecen subjetivamente. Se acepta que este costo
crece con el volumen desabastecido, por lo que generalmente se establece a partir de un costo por
unidad faltante.

a * 8.3.2. EL MODELO EOQ

El llamado modelo E O Q . (del inglés Econom ic Order Quantity) o de tamaño económico de pedido, re­
cibe este nombre porque bajo este modelo se formula el costo (anual) de la política de administración
de inventarios como función de la cantidad que se ordena en cada pedido, lo que permite encontrar el
tamaño de pedido que minimiza el costo de la política. Para encontrar una expresión analítica del tamaño
económico de pedido bajo el modelo EOQ_ , deben hacerse ciertas suposiciones, que a continuación
mencionamos (ver la Figura 8.12).

1. La demanda por el artículo ocurre a una tasa constante durante todo el año.
2. Todos los pedidos de abastecimiento tienen el mismo tamaño Q d e artículos.
3. Cada vez que se agota el inventario, en ese momento llega un nuevo pedido de abastecimiento y
el inventario se eleva inmediatamente al tamaño de pedido Q (com o en la Figura 8.12). Nótese
que bajo esta suposición no existe desabastecimiento.

Las suposiciones 2 y 3 del modelo EOQ_parecen no ser muy restrictivas, ya que si la demanda es
estable, es razonable ensayar pedidos del mismo tamaño durante el año, por otro lado, bajo un mecanismo
de revisión continua de los inventarios, no es muy difícil coordinar los pedidos para que lleguen a tiempo
y no ocurra un desabastecimiento. La primera suposición parece más bien ser la más restrictiva y es por
esta razón que no se aconseja utilizar el modelo [Link] la demanda tiene una marcada estaciona-
lidad, más adelante mencionaremos algunos modelos que nos permiten enfrentar patrones de demanda
dinámicos.
Nótese que bajo las suposiciones del modelo EOQ_que acabamos de mencionar, la gráfica del nivel
de inventarios se comporta como en la Figura 8.12, donde la variable relevante es el tamaño de pedido Q}
nótese también que el inventario promedio es de Q J 2, por lo que si denotamos por Cr al costo por man­
tener una unidad en inventario durante un año, el costo (anual) por mantener inventarios será de QQ/2.
Por otro lado, si denotamos por CQal costo por poner una orden de abastecimiento y por D a la demanda
anual del artículo, en promedio serán puestas D / Q órdenes (o pedidos) de abastecimiento, por lo que el
costo (anual) por ordenar será de CQD / Q. En consecuencia, dado que bajo este modelo no existe desabas­
tecimiento, el costo (anual) de una política de tamaño de pedido Q bajo el modelo [Link]á dado por:

C (< 2 )= ^ + 5 £ . (8.1)
v ' 2 <2

A lfa o m e g a Adm inistración de Operaciones • Muñoz

 8.3 A lg u n o s m o d e lo s para a d m in is tra r in ve n ta rio s 233

La función definida en (8 .1 ) (como función de Q) tiene derivada para Q > 0, y alcanza un mínimo
en el valor que se obtiene igualando a cero la primera derivada con respecto de Q. Este valor óptimo está
dado por:

Q = ( 8 .2 )

Figura 8.12: Nivel del inventario en el modelo EOQ.

Es conveniente mencionar que si el costo unitario del producto es C, una suposición razonable es
que el costo C;, por mantener una unidad en inventario durante un año, tiene la forma:

CJ = (r + h) C, (8.3)

donde rC es el costo de oportunidad, y hC es el costo físico, por mantener una unidad en inventario duran­
te un año. En este caso, se acostumbra identificar a C; con un porcentaje, por ejemplo, un costo de inven­
tario del 20% significa que C¡ = 0.2C. A continuación presentamos un ejemplo que ilustra la aplicación
del modelo EOQ¿

3--------------------------------------------------------------------------------------------------------------
Ejemplo 8.3: Aplicación dei modelo EOQ
L'na cadena de farmacias ha decidido estudiar el caso de la pasta dentífrica para determinar si una mejora
en el sistema de administración de inventarios en este producto puede usarse como modelo para los otros
productos. La demanda de pasta dentífrica en los últimos 6 meses se presenta en la Tabla 8.6 .

Mes
1 1 I! 2 I 3 ¡ 4 I ! 5 6
D e m a n d a (cajas)

Tabla 8.6: Demanda de pasta dentífrica.

Como puede apreciarse de la Tabla 8.6, la demanda es más o menos estable, con un promedio de
: .'OO cajas al mes. El costo de la pasta dentífrica es de $50.00 por caja, y se estima que el costo de capital es
cei 12 %, por lo que adicionando el costo de almacenamiento, manejo, seguros e impuestos, se estima que el
: :<~o del inventario es del 18% del costo de la caja (por mantener una caja en inventario durante un año).

istración de Operaciones • Muñoz A lfa o m e g a

234 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

Luego de analizar los costos de transporte, documentación y otros relacionados con los pedidos, se
ha estimado que el costo por hacer un pedido es de Cfl = $100.00, y se desea responder a las siguientes
preguntas (utilizando el modelo E O Q ):

a ) ¿Cuál es el costo por mantener una caja de pasta dentífrica en inventario durante un año (en $)?
b) ¿Cuál es el tamaño óptimo de pedido (E O Q ) ?
c) ¿Cuál es el costo de la política de administración de inventarios con el tamaño EOQ?
d) ¿Cómo se desempeñaría la política E O Q contra la política de emitir una orden cada mes, desde el
punto de vista de i) el costo de la política, y ii) el espacio para almacenamiento necesario?

De acuerdo con la ecuación (8.3) y los datos proporcionados, podemos identificar que r = 0.12,
h = 0.06, y C = 50, por lo que el costo por mantener una unidad en inventario durante un año se estima
en C = 5 0 (0 .1 8 ) = 9. Como además sabemos que la demanda promedio (mensual) es de 3 000 cajas,
la demanda anual se estima en D = 12(3 000) = 36 000 cajas. Por último, el costo por poner una orden
se estima en C 0 = 100 , con lo que disponemos de todos los datos necesarios para encontrar el tamaño
óptimo de pedido EO Q _, de acuerdo con (8 .2 ):

g . ) 2 ( » 000X100), ^

cantidad que redondeamos a Q* = 894 para disponer de una política implantable. Para responder al tercer
inciso, utilizamos la ecuación (8.1), encontrando que el costo (anual) de la política EOQ_es:

C f o - w L í ú S g . ’ h ’ í h 1 0 0 <M -0 0 0 > . 8 0 5 0
v ' 2 Q 2 894

Nótese que en este costo no se incluye el costo de la mercancía, están incluidos sólo los costos por ad­
ministrar el inventario (costo por ordenar más costo por mantener inventarios). Por último, respondiendo
al cuarto inciso, apreciaremos las ventajas del tamaño E O Q . frente a otro tamaño de pedido. Si emitimos
una orden cada mes, el tamaño de la orden deberá ser de 3 000 cajas para satisfacer la demanda del mes.
Bajo este tamaño de pedido el costo de la política será de:

c(c) C fiL , C0D _ 9(3 000) | 100(36 000) ^ ^

2 Q' 2 3,000

Si comparamos este valor con el costo de $8 050 de la política EOQ_, vemos que el costo de la políti­
ca de ordenar mensualmente es superior en más del 80% al costo de la política EO Q . Por otro lado, desde
el punto de vista del espacio para almacenamiento, la política E O Q . es también superior en este caso, ya
que la política EOQ_ requiere de un espacio promedio de 447 cajas, mientras que la política de ordenar
mensualmente requiere de un espacio promedio de 1 500 cajas. Nótese que en este caso particular, la polí­
tica EOQ_ requiere de más ordenes al año que la política de ordenar mensualmente, lo que ocurre debido
a que el costo de poner órdenes es relativamente barato en comparación con el costo por mantener inven­
tarios. En general, la utilidad del modelo EOQ_ radica en que éste balancea adecuadamente los costos por
ordenar con los costos por mantener inventarios, minimizando los costos totales.
----------------------------------------------------------------------------------------------------------------------------------------------------□

A líá o m e g a Adm inistración de Operaciones • Muñoz

 8.3 A lg u n o s m o d e lo s pa ra a d m in is t ra r in v e n ta rio s 235

Como podemos apreciar del ejemplo anterior, la aplicación del modelo EOQ_ es bastante sencilla, y
tal como hemos visto hasta el momento, se puede aplicar de manera natural al caso de un establecimiento
de venta al público (como en el ejemplo anterior). Con el objetivo de aplicar los mismos principios del
modelo EOQ_ a situaciones más generales, se han propuesto algunas variantes del modelo. A continuación
presentamos dos de las variantes más conocidas:

1. El modelo de tamaño económico de lote.

2. El modelo EOQ_ con pedidos pendientes.

A ? 8.3.3. MODELO DEL TAM AÑO ECONÓM ICO DE LOTE

Bajo el modelo EOQ_ , el pedido completo llega en un momento determinado como ocurre a menudo
cuando el almacén de una planta recibe un pedido de abastecimiento de un proveedor externo, razón por
la cual el nivel de inventarios se comporta como en la Figura 8.12. Cuando los pedidos se satisfacen inter­
namente, es decir, cuando la propia empresa manufactura el producto en inventario, no existe la necesidad
de entregar el pedido completo en un momento determinado, sino que el pedido puede irse satisfaciendo
de acuerdo con la tasa de producción disponible por lo que el nivel de los inventarios se comporta como
en la Figura 8.13.

2L Tiempo

Figura 8.13: Nivel de los inventarios para el modelo del tamaño económico de lote.

Bajo el modelo del tamaño económico de lote, suponemos que se puede producir el artículo a una
tasa de producción de p unidades por día, siendo que la demanda del producto ocurre a razón de d unida­
des por día. Se asume que estas tasas son constantes (como en el modelo E O Q ), y que la tasa de produc­
ción p es mayor que la tasa de demanda d (de otra forma no se podría satisfacer la demanda). Este modelo
es apropiado cuando se producen diferentes artículos (por lotes) en el mismo sistema (célula o taller),
de manera que es pertinente el tratar de determinar el tamaño de lote que es más conveniente para cada
artículo a producir en el sistema. Como se ilustra en la Figura 8.13, durante el período en el que el sistema
produce el artículo, el nivel de inventario crece a razón de (p-d) unidades por día, mientras que cuando
el sistema produce otros artículos (descansa en la producción del artículo), el nivel de inventario decrece
a una tasa de d unidades por día. Nótese que para producir (¿unidades, se requieren Q /p días, por lo que
el nivel de inventario máximo será de (p -d )(Q /p ) — (l-d/p)Q _ unidades, cuando el tamaño del lote es Q,
Com o en el modelo E O Q _, denotamos por Cf al costo por mantener una unidad en inventario du­
rante un año, y por Cg al costo por ordenar, que en este contexto es el costo por apertura de proceso. Bajo
esta notación, el costo anual por mantener inventarios es de CJ(J-d/p)Q/2 = C; (l-D /P )Q /2 (donde D e s la

Administración de Operaciones • Muñoz A lfa o m e g a

236 Capítulo 8 A d m in is t r a c ió n de in v en ta rio s

demanda anual y P es la tasa de producción anual), y el costo anual por ordenar es de C 0D /Q ., por lo que
el costo anual de la política de ordenar lotes de tamaño [Link] este modelo es:

C ,( q ) . £ ¿ íz £ ¿ D 2 - . c¿ . (8.4)
£V ' 2 Q

Nótese que esta función de costo tiene la misma forma que la función (8.1) del modelo E O Q j sólo
hay que reemplazar la constante Cr por C;(l-D / P ), por lo que el tamaño económico de lote es similar a
( 8 .2 ):

2C0P
Q¡ = (8.5)
C ,( 1 D / P ) '

□---------------------------------------------------------------------------------------- -----------------------------------------------------------
Ejem plo 8.4: Tamaño económ ico de lote
Una fábrica de calzado tiene una sola célula para la producción de calzado de vestir para hombres, y desea
establecer su política de producción para el modelo América, que tiene una demanda constante durante
todo el año. Dicho modelo se vende a razón de 10 000 pares al año y la célula tiene una capacidad de
producción de 50 000 pares de este modelo al año. El costo de producción de cada par es de $200, esti­
mándose que el costo por mantener un par de calzado en inventario (durante un año) es del 20 % del costo
de producción. Cada vez que se ordena producir un lote del modelo América en la célula, se incurre en un
costo por apertura de proceso (limpieza, preparación y ajuste), que se estima en $2 000. La empresa desea
implantar una política de producción determinando el número de días útiles que debe durar cada corrida
de producción, por lo que desea responder a las siguientes preguntas:

a) ¿Cuál es el tamaño económico de lote para el modelo América?

b) ¿Cuántos días útiles debe durar una corrida de producción? (se requiere de un número entero
de días).
c) ¿Cuál sería el tamaño de lote ajustado implantando la política obtenida en b) ?
d) ¿Aproximadamente cuántos días útiles duraría el período de descanso en la producción de este
modelo?
e) ¿Cuáles serían los costos de administración de los inventarios bajo el tamaño obtenido en a), y
el tamaño ajustado obtenido en c)?

Para responder al primer inciso notamos que el costo por mantener inventario se estima en 20% del
costo del calzado, por lo que C' = 2 0 0 (0 .2 0 ) = $40. Por otro lado, de acuerdo con los datos proporcio­
nados se tendrá que P = 50 000; D = 10 000 y C0 = 2 000, con lo que disponemos de todos los datos
necesarios para encontrar el tamaño económico de lote, de acuerdo con (8 .5 ):

2(10 00 ) ( 2 .000 )
Q l= = 1 118 pares de calzado.
]¡ 40(1 - 1 0 000/ 50 000)

Para responder a los siguientes incisos, consideremos por comodidad que existen 250 días útiles al
año. De esta manera, la tasa de producción diaria será de p — 50 000/250 = 200 pares al día, y una corrida
de 1 118 pares requeriría de 1 118/200 = 5.59 días útiles. Dado que requerimos de un número entero
de días, redondearemos la corrida de producción a 6 días, con lo que el tamaño de lote ajustado será de
6 ( 200 ) = 1 200 pares de calzado.

A lfa o m e g a Adm inistració n de Operaciones • Muñoz

 8.3 A lg u n o s m o d e lo s para a d m in is tra r in ve n ta rlo s 237

Por otro lado, dado que la demanda diaria es de d — 10 000/250 = 40 pares de calzado, una corrida
de 1 200 pares se agotará en 1 200/40 = 30 días. En consecuencia, cada ciclo producción + descanso
durará 30 días útiles, de los cuales 6 serán utilizados para una corrida del modelo América y 24 serán de
descanso en la producción de este modelo.
Responderemos al último inciso para investigar qué tanto hemos incrementado el costo de la admi­
nistración del inventario al ajustar el tamaño de lote. Con el tamaño económico de lote (de 1 1 1 8 pares)
el costo anual será, de acuerdo con (8.4):

C jjl-D /P )^ C0D 4 0 ( l - 1 0 000/ 50 0 0 0 )(l 118) 2 0 0 0 (l0 000)

cl {q ')= ;3S 777,
<2 * 1 118

mientras que con el tamaño ajustado (de 1 200 pares) el costo anual será de:

« ( 1 - I 0 0 0 0 / S0 0 . 0 ) ( l 2 0 0 ) t 2 0 0 0 (10 00 0 ) = 3s
2 1200

siendo que el costo se incrementó en menos del 0.3%, vemos que el ajuste no influye mucho en el costo. Es
conveniente indicar que en general el modelo EOQ_y sus variantes son bastante robustos, y los ajustes por
redondeo u otras razones tienen poco efecto en el costo de la política de administración de inventarios.
----------------------------------------------------------------------------------------------------------------------------------------------------□

A * 8.3.4. MODELO EOQ CON PEDIDOS PENDIENTES

Cuando el valor unitario o el volumen de los artículos en inventario es muy grande, puede ser conveniente
que no siempre se tenga inventario disponible para atender inmediatamente algún pedido; en este caso,
cuando un cliente no encuentra el inventario disponible para atender su pedido, éste permite que su pedi­
do se le entregue posteriormente, esta práctica es usual en la venta de automóviles, muebles o electrodo­
mésticos, por ejemplo. Cuando esto ocurre, la empresa registrará el pedido del cliente y hará entrega del
artículo luego del próximo abastecimiento de inventario; los pedidos así puestos en espera son llamados
pedidos pendientes. Esta situación puede ocurrir cuando la estructura del mercado así lo permite; es
decir, la competencia de la empresa también sigue una política de pedidos pendientes, ya que de otra
forma se perdería al cliente si éste tiene la alternativa de atender su pedido inmediatamente con algún otro
concesionario, esta situación ocurre, por ejemplo, con los concesionarios de venta de autos.
Cuando la empresa sigue una política de pedidos pendientes como la que hemos descrito, se puede
utilizar una variante del modelo EOQ_ para decidir tanto sobre el tamaño económico del pedido como
sobre el nivel adecuado de pedidos pendientes que se va a permitir, asumiendo que el pedido pendiente
genera alguna pérdida, debido al retardo en la entrega del producto. Bajo el modelo EOQ_con pedidos
pendientes (ver la Figura 8.14), consideramos que el inventario puede ser negativo, en particular, un nivel
de inventarios de -S corresponde a un nivel S de unidades pendientes de entrega.

Administración de Operaciones • Muñoz A lfa o m e g a