Direcc Operaciones - Veronica

57
Dirección de las Operaciones CAPÍTULO 1 “Estrategia y competencia” 1.1 La manufactura es relevante El declive de la manufactura a nivel nacional ha provocado un desplazamiento laboral del sector de la manufactura al de servicios. Debido a las disparidades significativas en los costos de la mano de obra en las diferentes partes del mundo, las empresas estadounidenses se ven fuertemente motivadas a ubicar sus instalaciones de manufactura a gran escala en el extranjero, para reducir los costos de mano de obra, lo cual ha provocado un incremento significativo de las importaciones de bienes manufacturados. Hay economistas que argumentan que esto representa sólo la evolución natural de una economía industrial hacia una de servicios. Desde esta perspectiva, las tres etapas de evolución económica serían: 1) agraria, 2) industrial y 3) de servicios. Podría deducirse por tanto que la manufactura no es importante para el bienestar económico. Sin embargo, los hechos no permiten afirmar que la economía esté experimentando etapas naturales de evolución. Ni siquiera está claro que hayamos evolucionado de una economía agraria hacia una economía industrial, puesto que aunque el número de empleados en el sector agrícola ha descendido, no lo ha hecho la producción. Todos los sectores de la economía (agrícola, de manufactura y de servicios) son importantes, y el bienestar de la economía doméstica depende de que las actividades de estos sectores se vinculen correctamente. La manufactura conduce de manera natural a la innovación. El rendimiento de las innovaciones se perderá si los nuevos productos se abandonan después del desarrollo. Los frutos de la I+D sólo pueden recogerse una vez que un producto se produce y se vende. Si la manufactura se realiza en el extranjero, no puede recuperarse “el rendimiento sobre la innovación”. Para un país sería difícil mantener su posición como líder en innovación si pierde su posición como líder en la manufactura. El paso de una economía industrial a una de servicios no es nada sencillo. Existen muchos servicios que se dedican a apoyar la manufactura, y si ésta se traslada al extranjero, los servicios que la complementan sufrirán. Los empleos de manufactura se están trasladando al extranjero, por tanto la composición del empleo de la manufactura irá de empleos relacionados con la producción a puestos de tipo profesional y gerencial. 1.2 Un marco de trabajo para la estrategia de operaciones La literatura clásica sobre competitividad establece que una compañía se puede posicionar estratégicamente en el mercado a través de una de dos dimensiones: costo más bajo o diferenciación del producto. Con frecuencia, los nuevos participantes en un mercado se suelen posicionar como proveedores de bajo costo, no obstante, la mayoría de las firmas que han tenido éxito en el mercado a lo largo del tiempo han logrado diferenciarse de sus competidores. Sin embargo, el costo y la diferenciación de producto no son las únicas dimensiones a través de las cuales las compañías pueden diferenciarse. Los siguientes factores se relacionan directamente con la función de operaciones: · Calidad (significa distintas cosas en diferentes contextos) · Velocidad de entrega · Confiabilidad en la entrega (entregar los productos o prestar los servicios en el tiempo prometido) · Flexibilidad (amplia gama de productos y ser capaces de ajustarse a cambios inesperados en la demanda) Una forma de concebir la estrategia de operaciones es el posicionamiento estratégico que la empresa selecciona para las dimensiones de costo, calidad, velocidad de entrega, confiabilidad de entrega y flexibilidad. 1.3 El punto de vista clásico de la estrategia de operaciones La visión tradicional sobre la estrategia de manufactura trata la mayor parte de las cuestiones en el contexto de una sola planta, más que en el de toda una compañía o corporativo. El pensamiento clásico de la estrategia de operaciones se relaciona con los temas siguientes: 1. Horizonte de tiempo . Se refiere a la extensión de tiempo que se requiere para que la estrategia surta efecto (corto, medio y largo plazo). Las decisiones de operaciones a corto plazo (horas, días) incluyen decisiones de compra, producción, planificación de Dirección de las Operaciones - Verónica Yanes Martín

description

Apuntes uned dirección de operaciones

Transcript of Direcc Operaciones - Veronica

  • Direccin de las Operaciones

    CAPTULO 1 Estrategia y competencia

    1.1 La manufactura es relevante

    El declive de la manufactura a nivel nacional ha provocado un desplazamiento laboral del sector de la manufactura al de servicios. Debido a las disparidades significativas en los costos de la mano de obra en las diferentes partes del mundo, las empresas estadounidenses se ven fuertemente motivadas a ubicar sus instalaciones de manufactura a gran escala en el extranjero, para reducir los costos de mano de obra, lo cual ha provocado un incremento significativo de las importaciones de bienes manufacturados.

    Hay economistas que argumentan que esto representa slo la evolucin natural de una economa industrial hacia una de servicios. Desde esta perspectiva, las tres etapas de evolucin econmica seran: 1) agraria, 2) industrial y 3) de servicios. Podra deducirse por tanto que la manufactura no es importante para el bienestar econmico. Sin embargo, los hechos no permiten afirmar que la economa est experimentando etapas naturales de evolucin. Ni siquiera est claro que hayamos evolucionado de una economa agraria hacia una economa industrial, puesto que aunque el nmero de empleados en el sector agrcola ha descendido, no lo ha hecho la produccin. Todos los sectores de la economa (agrcola, de manufactura y de servicios) son importantes, y el bienestar de la economa domstica depende de que las actividades de estos sectores se vinculen correctamente.

    La manufactura conduce de manera natural a la innovacin. El rendimiento de las innovaciones se perder si los nuevos productos se abandonan despus del desarrollo. Los frutos de la I+D slo pueden recogerse una vez que un producto se produce y se vende. Si la manufactura se realiza en el extranjero, no puede recuperarse el rendimiento sobre la innovacin. Para un pas sera difcil mantener su posicin como lder en innovacin si pierde su posicin como lder en la manufactura.

    El paso de una economa industrial a una de servicios no es nada sencillo. Existen muchos servicios que se dedican a apoyar la manufactura, y si sta se traslada al extranjero, los servicios que la complementan sufrirn.

    Los empleos de manufactura se estn trasladando al extranjero, por tanto la composicin del empleo de la manufactura ir de empleos relacionados con la produccin a puestos de tipo profesional y gerencial.

    1.2 Un marco de trabajo para la estrategia de operaciones

    La literatura clsica sobre competitividad establece que una compaa se puede posicionar estratgicamente en el mercado a travs de una de dos dimensiones: costo ms bajo o diferenciacin del producto. Con frecuencia, los nuevos participantes en un mercado se suelen posicionar como proveedores de bajo costo, no obstante, la mayora de las firmas que han tenido xito en el mercado a lo largo del tiempo han logrado diferenciarse de sus competidores.

    Sin embargo, el costo y la diferenciacin de producto no son las nicas dimensiones a travs de las cuales las compaas pueden diferenciarse. Los siguientes factores se relacionan directamente con la funcin de operaciones: Calidad (significa distintas cosas en diferentes contextos) Velocidad de entrega Confiabilidad en la entrega (entregar los productos o prestar los servicios en el tiempo prometido) Flexibilidad (amplia gama de productos y ser capaces de ajustarse a cambios inesperados en la demanda)

    Una forma de concebir la estrategia de operaciones es el posicionamiento estratgico que la empresa selecciona para las dimensiones de costo, calidad, velocidad de entrega, confiabilidad de entrega y flexibilidad.

    1.3 El punto de vista clsico de la estrategia de operaciones

    La visin tradicional sobre la estrategia de manufactura trata la mayor parte de las cuestiones en el contexto de una sola planta, ms que en el de toda una compaa o corporativo. El pensamiento clsico de la estrategia de operaciones se relaciona con los temas siguientes:1. Horizonte de tiempo. Se refiere a la extensin de tiempo que se requiere para que la estrategia surta efecto (corto, medio y largo plazo). Las decisiones de operaciones a corto plazo (horas, das) incluyen decisiones de compra, produccin, planificacin de

    Direccin de las Operaciones - Vernica Yanes Martn

  • personal, control de calidad, inventarios, o mantenimiento. Las decisiones de operaciones a mediano plazo (semanas, meses) incluyen pronsticos de demanda, planeacin de la mano de obra (tamao y mezcla de la fuerza de trabajo), distribucin de bienes a travs de canales de distribucin, o metas en cuanto a niveles de inventario y de servicio. La estrategia se suele asociar con las decisiones de largo plazo. Elegir el momento oportuno en el tiempo, la ubicacin y la escala de construccin de nuevas instalaciones de manufactura son decisiones tpicas de la estrategia de operaciones y de manufactura a largo plazo.

    2. Focalizacin. Las cinco caractersticas clave de una fbrica focalizada o enfocada son:

    Tecnologas de proceso. Limitar a una por fbrica aquellas tecnologas de proceso nuevas y mantener el nmero de las diferentes tecnologas de proceso maduras en un nivel en que el gerente de la fbrica pueda supervisarlas eficientemente.

    Demandas del mercado. El mercado determina con frecuencia la focalizacin del producto o lnea de productos que se generan en una fbrica. Las reas tpicas son: precio, tiempo de demora y confiabilidad.

    Volmenes de producto. Los volmenes de produccin dentro de una misma planta deben resultar similares, de manera que las lneas de produccin, herramientas, etc. no se subutilicen ni se sobreutilicen.

    Nivel de calidad. El nivel de calidad de los productos generados en una misma planta debe ser similar, a fin de que la compaa pueda establecer un estndar consistente de control de calidad.

    Tareas de manufactura. Fabricar una amplia lnea de diferentes productos provocar interrupciones en las lneas de produccin. Limitar el nmero de las distintas tareas de manufactura por realizar en una misma planta facilita que los trabajadores perfeccionen los procesos existentes.

    Las compaas con fbricas focalizadas tienen mayor xito. An cuando la compaa atiende a diversos mercados de forma simultnea, resultan preferibles las fbricas focalizadas.

    3. Evaluacin. Existen varias dimensiones en las que se puede evaluar una estrategia de produccin/operaciones. He aqu las ms significativas: Costo (de los productos que se entregan al cliente: costes directos, de distribucin y administrativos) Calidad Rentabilidad Satisfaccin del cliente

    4. Consistencia. Ms que tener una estrategia nica consistente para la manufactura, la estrategia es meramente el conjunto agregado de todas las polticas de la compaa que impactan la manufactura. Cada una de las metas individuales de stas polticas (salariales y de personal, control de inventarios, diseo del producto, ) podra estar optimizando un objetivo diferente. Varias de las causas por las que se presentan inconsistencias comunes a la mayor parte de las compaas son:

    Profesionalismo en la planta. Los profesionales de las diferentes reas buscan maximizar sus contribuciones personales y sus metas no son las mismas, por lo que si no se compatibilizan, pueden perjudicarse unos a otros y a la compaa.

    Proliferacin de productos. Conforme aumenta el nmero de productos diferentes, es ms difcil conservar un conjunto de metas consistente dentro de la planta.

    Cambios en la tarea de manufactura. Producidos por cambios del mercado. Las metas y las formas de evaluar dichas metas deben cambiar a la par que las demandas asignadas a la planta.

    La tarea de manufactura nunca se hizo explcita (metas explcitas). Si no existe una estrategia corporativa clara, difcilmente las metas de manufactura podrn alinearse con la estrategia corporativa global para que surja una poltica consistente.

    1.4 Competir en el mercado global

    En su estudio sobre la competitividad internacional, Porter (1990) se pregunta: por qu un determinado pas se convierte en la base de operaciones de los competidores internacionales exitosos en una cierta industria? Podemos ofrecer diferentes explicaciones: Historia, estructura fiscal, caractersticas nacionales, recursos naturales, polticas gubernamentales, factores macroeconmicos ventajosos, mano de obra barata y abundante, o prcticas gerenciales. Pero

    Direccin de las Operaciones - Vernica Yanes Martn

  • todas tienen algo que las refuta. Cules son las formas adecuadas para medir el xito de un pas en comparacin con otro? Hablar de

    competitividad resulta ms fcil que medirla. Algunas posibilidades son: Balanza comercial Participacin en las exportaciones mundiales Creacin de empleos Bajos costos de mano de obra

    Pero pueden presentarse argumentos contra el uso de cada uno de los indicadores anteriores.

    Porter establece que la medida apropiada para comparar el desempeo nacional es la tasa de crecimiento de la productividad. Productividad es el valor del producto (output) por unidad de insumo (input) de mano de obra o capital.

    Teora de los factores Indica que todos los pases tienen acceso a una misma tecnologa (supuesto que no es estrictamente verdadero) y que las ventajas nacionales surgen de los apoyos a los factores de produccin como la tierra, la mano de obra, los recursos naturales y el capital. No obstante, esta teora de apoyo sobre los factores ha sido refutada, ya que no explica todos los casos de naciones con segmentos industriales dominantes.

    Porter sugiere los siguientes cuatro elementos como determinantes de una ventaja nacional:1. Condiciones de factor (ya comentadas)2. Condiciones de demanda (Si los consumidores nacionales son exigentes presionan a la industria local para que innove con rapidez,

    lo que da a las compaas una ventaja internacional)3. Industrias relacionadas y de soporte (Tener cerca a proveedores de clase mundial es una ventaja poderosa)4. Estrategia, estructura y rivalidad de la compaa (La forma en que las compaas se organizan y administran)

    Otro punto de vista es el de Krugman (1994): Son las compaas las que compiten, no los pases. El nivel de vida en un pas depende de su propio desempeo econmico interno y no de la forma en que se desempea respecto a otros pases. Krugman sostiene que un nfasis excesivo en la competitividad internacional puede llevar a estrategias mal direccionadas. Aunque Krugman hace varios sealamientos interesantes, no hay duda de que la globalizacin es una tendencia que no muestra signos de revertirse, por lo que tampoco podemos pensar que los mercados internacionales carecen de importancia.

    1.5 Iniciativas estratgicas: reingeniera de procesos de negocios

    Cada cierto nmero de aos surge un nuevo mtodo de control de produccin o una tcnica de administracin, que generalmente son buenos y tienen un valor sustancial para las compaas que los implementan de manera inteligente. La reingeniera de procesos de negocios (BPR, por sus siglas en ingls: Business process reengineering) surgi tras la publicacin del libro de Hammer y Champy (1993). La BPR no es una tcnica especfica, como puede ser la planeacin de requerimiento de materiales, ni un concepto de planeacin de la produccin como el just-in-time. En vez de ello, se centra en la idea de que es posible cambiar y mejorar los procesos de negocios establecidos. Se trata de cuestionar por qu se hacen las cosas de una manera, sin aceptar como respuesta porque sa es la forma en la que lo hacemos.

    Hammer y Champy sugieren que los esfuerzos de reingeniera utilicen los siguientes principios generales:1. Varios trabajos se combinan en uno solo. (No llevar demasiado lejos la idea de divisin del trabajo)2. Los trabajadores toman decisiones.3. Los pasos en el proceso se realizan siguiendo un orden natural.4. Los procesos deben tener mltiples versiones. (deben ser flexibles, capaces de reaccionar ante diferentes circunstancias)5. El trabajo se realiza donde tiene ms sentido hacerlo. (No llevar demasiado lejos la idea de centralizacin)

    Los autores enumeran tambin otros principios bsicos, como la minimizacin de verificaciones y conciliaciones, el tener un punto de contacto nico, y el ser capaces de emplear operaciones hbridas en cuanto a la descentralizacin / centralizacin.

    Iniciar un esfuerzo de reingeniera no carece de riesgos. Para que la BPR funcione, los empleados de todos los niveles tienen que hacer suyo el enfoque, lo cual es complicado ya que muchos empleados entienden la BPR como una excusa para recortar personal. La optimizacin de procesos no es nueva. No obstante, la BPR difiere de sta en que aborda los flujos de los procesos de negocio ms que los flujos del proceso de manufactura y, adems, el concepto no se refiere a la optimizacin de un proceso existente, sino a repensar, partiendo de cero, la forma en que deben hacerse las cosas. Es

    Direccin de las Operaciones - Vernica Yanes Martn

  • ms revolucionaria que evolutiva. Tal vez sea muy perturbadora, pero puede traer consigo grandes beneficios.

    1.6 Iniciativas estratgicas: justo a tiempo (just in time)

    El justo a tiempo (JIT, por sus siglas en ingls) es un proceso de manufactura, por un lado, y una estrategia de operaciones amplia, por el otro.

    JIT se deriva del sistema kanban (palabra japonesa que significa tarjeta o boleta) introducido por Toyota. Originariamente el JIT era un medio para mover el trabajo en proceso (WIP, por sus siglas en ingls: work in process) de un centro de trabajo a otro. Hoy en da el JIT es una filosofa que incluye el tratamiento de inventarios en la planta, las relaciones con los proveedores y las estrategias de distribucin. Se puede integrar el JIT en toda la estrategia de negocio.

    Los sistemas de flujo de material e inventarios se clasifican en sistemas de empujar (push) o sistemas de jalar (pull). Un sistema de empuje es aquel en el que las decisiones relativas a la forma en la que fluir el material a travs del sistema se toman de manera centralizada. Un sistema tpico de empuje es la planeacin de requerimientos de material (MRP). En JIT, la produccin se jala a travs del sistema.

    JIT tiene muchas ventajas sobre los sistemas convencionales: La eliminacin de los inventarios WIP reduce los costos de mantener inventarios. JIT tambin permite detectar con rapidez problemas en la calidad, ya que las unidades se fabrican conforme se van necesitando, y esto evita que se generen grandes cantidades de inventario WIP defectuoso antes de que se pueda detectar la existencia de un problema de calidad. JIT implica estrechar relaciones con los proveedores. stos deben estar dispuestos a absorber algo de incertidumbre y ajustar las cantidades y tiempos de entrega para acoplarse con las tasas de flujo de los productos. Algunos aspectos distintivos del sistema JIT con respecto al convencional en las relaciones con los proveedores son:

    Entregas pequeas con mucha frecuencia vs Entregas grandes poco frecuentes. Pocos proveedores, una sola fuente vs Mltiples proveedores para cada parte Contratos a largo plazo vs Contratos de compra a corto plazo Intercambio frecuente de informacin vs Mnimo intercambio de informacin Precios negociados vs Precios determinados por los proveedores Proximidad geogrfica relevante vs Proximidad geogrfica poco relevante

    Obviamente no para todas las industrias es igualmente beneficioso el JIT. Lo es ms para las que tienen inventarios muy grandes. Tambin es destacable que cuanto ms regular sea la demanda final, ms efectivo ser el JIT.

    1.7 Iniciativas estratgicas: competencia basada en el tiempo

    El profesor Terry Hill ha propuesto una interesante forma de ver los factores competitivos. Los clasifica en dos tipos: calificadores y ganadores de pedidos. Un producto que no posea un factor de calificacin no se tiene en cuenta. El ganador de pedidos es el factor que determina quin se queda con las ventas de entre el campo de los calificadores. La introduccin oportuna de caractersticas y diseo novedosos, o la capacidad para ser la primera en llevar nueva tecnologa al mercado, pueden determinar a los ganadores de pedidos.

    Dos factores de los que siempre se hace mencin son la calidad y el tiempo hacia el mercado (conocido en ingls como time to market). Qu significa competencia basada en el tiempo? Segn Blackburn (1991):

    Los competidores basados en el tiempo se enfocan en lograr una amplia perspectiva, en todo el sistema de generacin y entrega de valor. Buscan transformar toda una organizacin en una entidad focalizada en el tiempo total que se requiere para entregar un producto o servicio. Su meta no es encontrar la mejor forma de realizar una tarea, sino eliminar sta completamente o realizarla en paralelo con otras tareas, de manera que se reduzca el tiempo total de respuesta del sistema en su conjunto. Para convertirse en un competidor basado en el tiempo se requiere de cambios revolucionarios en las formas en que se organiza el proceso.

    La administracin basada en el tiempo es un elemento de mucha complejidad para la industria manufacturera. Para los minoristas sin embargo puede suponer la clave del xito, si consiguen reabastecerse con mayor frecuencia que sus competidores, logrando as mejores tasas de rotacin de inventarios y responder con mayor rapidez a las demandas de los clientes. En otras industrias, como por ejemplo la de los DRAM, ser el primero en entrar al mercado es un factor clave para el xito o el fracaso.

    Direccin de las Operaciones - Vernica Yanes Martn

  • 1.8 Iniciativas estratgicas: competencia en calidad

    Segn una encuesta, los siguientes factores, por orden de importancia, se consideran los ms importantes para lograr una ventaja competitiva en los prximos aos: Calidad de la conformancia, Desempeo en la oportunidad de la entrega, Calidad, Flexibilidad del producto, Servicio posventa, Precio, Variedad de una lnea, Distribucin, Flexibilidad del volumen, y Promocin.

    La calidad y la administracin del tiempo aparecen como factores lder. Como ya hemos apuntado, calidad significa diferentes cosas en situaciones distintas. En el contexto de los bienes manufacturados, un producto de alta calidad es aquel que funciona de acuerdo con la manera en que fue diseado. sta definicin permite que un producto con un diseo pobre pueda resultar con una alta calidad, mientras que puede ser posible que un producto con un muy buen diseo pueda resultar de baja calidad. An aceptando esta estrecha definicin de calidad, cul es la mejor medida de la misma? Las tasas de defecto son un barmetro tpico. Sin embargo, una medida ms adecuada puede ser la confiabilidad del producto despus de su manufactura (medida utilizada normalmente para monitorear la calidad de productos como automviles o artculos electrnicos).

    Para competir y tener xito mundialmente, la administracin de la calidad total debe arraigarse a la cultura. No slo se debe contar con sistemas que permitan monitorear las medidas tradicionales de calidad (ajustarse a las especificaciones y productos sin defectos), sino que la calidad requiere compenetrarse en la forma en que hacemos negocios, desde la calidad en el diseo, calidad en manufactura y calidad para crear sistemas de trabajo con los proveedores, hasta la calidad en cuanto a satisfaccin y servicio al cliente.

    1.9 Acoplamiento de los ciclos de vida del producto y del proceso

    El ciclo de vida del productoFase 1 Inicio

    El mercado para el producto se est desarrollando, los costos de produccin y distribucin son elevados, y la competencia no es un problema. Estrategia: aplicar las experiencias del mercado y de manufactura para mejorar las funciones de produccin y mercadotecnia.

    Fase 2 Crecimiento rpidoPrincipio de la competencia. Estrategia: posicionar el producto firmemente en el mercado, reforzar la preferencia de la marca entre proveedores y consumidores. Llevar a cabo mejoras y acciones de estandarizacin y flexibilizacin en el proceso de manufactura conforme aumentan los volmenes de produccin.

    Fase 3 MaduracinObjetivo: mantener y mejorar la lealtad a la marca, e incrementar la participacin en el mercado con precios competitivos. Atender las seales que enve el mercado.

    Fase 4 Estabilizacin o declive (dependiendo del tipo de producto) Si las ventas del producto se estabilizan la estrategia ser similar a la de la fase de maduracin. Si es un producto que entra en fase de declive, la estrategia ser sacar el mayor provecho del producto a la vez que minimizar la inversin en nueva tecnologa y publicidad.

    Aunque la curva del ciclo de vida del producto es un concepto til, no es del todo preciso para todas las circunstancias. Los departamentos de mercadotecnia deben atender adems a la historia del producto en cuestin y al comportamiento de los consumidores para no tomar decisiones errneas.

    El ciclo de vida del proceso Abernathy y Townsend (1975) han clasificado en tres las etapas principales del ciclo de vida del proceso de

    manufactura: Etapa 1 TempranaLa funcin de manufactura tiene las caractersticas de un taller. Debe enfrentar una mezcla diversificada de pedidos de relativamente bajo volumen y ser capaz de responder a cambios en el diseo del producto. Los tipos y la calidad de los insumos pueden variar considerablemente, y la compaa tiene poco control sobre los proveedores. Etapa 2 MediaLa automatizacin cobra importancia. En el proceso de produccin puede aparecer el procesamiento por lotes o las lneas de ensamble. Los costos unitarios de produccin disminuyen gracias al aprendizaje. Conforme se incrementa el volumen de produccin la compaa ejerce ms control sobre los proveedores. Etapa 3 Madura Se automatizan la mayora de las operaciones principales, se estandariza el proceso de produccin y se introducen muy pocas innovaciones a la manufactura.

    Direccin de las Operaciones - Vernica Yanes Martn

  • Este escenario evolutivo no es adecuado para todo nuevo proyecto de manufactura, hay compaas que florecen en un contexto de pedidos pequeos y con caractersticas peculiares y deber conservar las caractersticas de una organizacin tipo taller.

    La matriz producto-procesoHayes y Wheelwright (1979) consideran la relacin entre los ciclos de vida del producto y del proceso

    mediante la matriz de producto-proceso. La matriz se basa en cuatro fases en la evolucin del proceso de manufactura: 1) flujo mezclado (taller por tareas)2) flujo de lnea desconectada (lote)3) flujo de lnea conectada (lnea de ensamble) 4) flujo continuo

    Esta matriz puede verse de dos maneras. Una consiste en acoplar la industria apropiada en su fase de madurez con el correspondiente proceso apropiado (este punto de vista reconoce que no todas las industrias siguen la evolucin pasando por todas las etapas del ciclo de vida del proceso). La otra manera sugiere que puede usarse la matriz para identificar el acoplamiento adecuado entre el proceso de produccin y las fases del ciclo de vida del producto (la compaa se mover hacia abajo en la diagonal conforme madura el mercado para el producto).

    Estructura del proceso Bajo volumen Productos Algunos productos Alto volumen Etapa del ciclo de baja estandarizacin, mltiples principales, alta estandarizacin, vida del proceso nico bajo volumen mayor volumen productos masivos

    Flujo mezclado Imprenta comercial(taller por tareas) (mxima flexibilidad)

    Flujo de lnea Maquinaria pesadadesconectada (lote) (flexibilidad, estandarizacin reducida)

    Flujo de lnea conectada Fabricantes automviles(lnea de ensamble) (productos estndar, grandes volmenes)

    Flujo continuo Refinera gasolina, azcar,... (Bajos costos unitarios, inflexibilidad proceso produccin)

    1.10 Curvas de la experiencia y el aprendizaje

    Conforme se adquiere experiencia en la produccin de un producto especfico, el proceso de produccin se va tornando ms eficiente. Al cuantificar la relacin que describe la ganancia en eficiencia que se obtiene con el incremento en el nmero acumulado de unidades producidas, la direccin puede predecir de manera precisa la capacidad de las instalaciones existentes y los costos unitarios de produccin.

    El trmino curva de aprendizaje modela la relacin entre el nmero de horas necesarias para producir una unidad adicional y el nmero acumulado de unidades producidas.

    El trmino curva de experiencia describe el fenmeno de que los costos marginales de produccin disminuyan con el incremento en el nmero acumulado de unidades producidas.

    Curvas de aprendizajeConforme los trabajadores adquieren ms experiencia con los requerimientos de un proceso particular, o

    conforme el proceso se va mejorando con el tiempo, disminuye el nmero de horas necesario para producir una unidad adicional. Las curvas de aprendizaje pueden ser un medio para calibrar la reduccin de las horas de mano de obra marginales conforme los trabajadores se familiarizan con una tarea en particular o con el incremento en la eficiencia en el proceso de produccin.

    Y (u) = au donde Y(u) es el n de horas de mano de obra que se requiere para producir la u-sima unidad a es el n de horas que se requieren para producir la primera unidad b mide la tasa marginal de disminucin de las horas de produccin con el incremento en el n de unidades producidas

    Tradicionalmente las curvas de aprendizaje se describen por medio de la baja porcentual de las horas de mano de obra requeridas para producir el artculo nmero 2n comparado con las horas de mano de obra necesarias para producir el artculo nmero n, y se asume que este porcentaje (L) es independiente de n.

    Y (2 u ) = a (2 u ) = 2 = L de donde: -b ln (2) = ln (L) b = - ln (L) Y (u) au ln (2)

    Direccin de las Operaciones - Vernica Yanes Martn

  • Si se toman los logaritmos de ambas partes de la expresin Y(u), se obtiene como resultado una relacin lineal, ya que: ln (Y(u)) = ln (a) b ln (u)

    Las curvas de aprendizaje pueden ser una valiosa herramienta de planeacin, aunque los resultados siempre deben interpretarse con cautela. Una relacin de la curva de aprendizaje puede no ser vlida indefinidamente. El producto de repente podra alcanzar el final de su ciclo de vida, o seguramente exista un lmite absoluto para el nmero de horas de mano de obra que se necesitan para producir una unidad que, debido a la naturaleza del proceso de manufactura, ya no puede mejorarse.

    Curvas de la experienciaLas curvas de la experiencia miden el efecto que la experiencia acumulada con la produccin de un producto

    tiene sobre los costos globales y sobre el precio. Las curvas de la experiencia se miden generalmente en trminos del costo unitario de produccin. En la

    mayora de las circunstancias el comportamiento del precio de un producto sigue muy de cerca el del costo de produccin. Sin embargo, en algunos casos, se presentan precios rectores. Esto es, los precios permanecen prcticamente estables a lo largo de un periodo en el que los costos de produccin disminuyen. Ms adelante, cuando se intensifican las presiones competitivas del mercado, es necesario disminuir los precios con mayor rapidez que los costos hasta que aqullos se equilibren. Ello puede provocar un cambio brusco en la pendiente en la curva de la experiencia si se est midiendo el precio (en vez del costo) contra el volumen acumulado.

    Las curvas de la experiencia resultan ms tiles en industrias que estn pasando por cambios sustanciales (como la industria de la microelectrnica), ms que para industrias muy maduras en las que ya han ocurrido los cambios ms radicales (como la industria automotriz).

    El significado de que un caso represente una curva de la experiencia de 72%, por ejemplo, es que el precio unitario promedio disminuye en cerca de 72% de su valor anterior por cada duplicacin de la produccin acumulada.

    Las principales crticas referidas a las curvas de aprendizaje / experiencia se han centrado en los siguientes aspectos: a) carecen de una justificacin terica, b) confunden los efectos del aprendizaje, economas de escala y otras mejoras tecnolgicas, y c) se enfocan ms en el costo que en las utilidades.

    Curvas de experiencia y aprendizaje, y estrategia de manufactura.Definimos una estrategia de la curva de aprendizaje como una en que la meta principal es reducir los costos de

    produccin siguiendo los lineamientos indicados por la curva de aprendizaje. Una estrategia de la curva de aprendizaje no siempre es la mejor opcin, ya que obstaculiza la innovacin, al

    centrarse en la reduccin de costos mediante la estandarizacin, la integracin vertical, las economas de escala, y cualquier otra tcnica que permita reducir costes. La estrategia de curva de aprendizaje debe aplicarse con la flexibilidad suficiente como para permitir responder a los cambios en el mercado. La estandarizacin no debe obstaculizar la innovacin y la flexibilidad.

    1.11 Planeacin del crecimiento de la capacidad: un problema estratgico a largo plazo

    La capacidad de una planta es el nmero de unidades que la planta puede producir durante un cierto tiempo. La poltica de capacidad juega un papel clave para determinar la posicin competitiva de la compaa en el mercado. Una estrategia de capacidad debe tomar en cuenta una variedad de factores, incluyendo: patrones previstos de demanda, costos de construir y operar nuevas instalaciones, nueva tecnologa de proceso, y estrategias de los competidores.

    Economas de escala y economas de alcance.Las economas de escala por lo general se consideran las principales ventajas de expandir la capacidad

    existente. Las economas de alcance se definen como los ahorros en los costos que se pueden obtener al combinar la

    produccin de dos o ms lneas de producto en un solo lugar, basndose en la idea de que los procesos de manufactura puedan compartir parte del mismo equipo y personal.

    Las economas de alcance tambin pueden lograrse mediante la localizacin de diferentes instalaciones en una misma regin geogrfica, de forma que se evite duplicar ciertas funciones como almacenamiento o personal de soporte que puede desplazarse de una localizacin a otra.

    Otra ventaja de las economas de alcance es que apoyan la inversin en nueva tecnologa de manufactura. Los sistemas flexibles de manufactura y la manufactura integrada por computadora dan como resultado eficiencias derivadas de la variedad, no del volumen.

    No obstante, la direccin debe sopesar los beneficios que la compaa puede obtener mediante la combinacin

    Direccin de las Operaciones - Vernica Yanes Martn

  • de lneas de productos en un solo lugar contra las desventajas de la falta de focalizacin.. Demasiadas lneas de producto producidas en las mismas instalaciones pueden provocar que las diversas operaciones de manufactura interfieran unas con otras.

    Hacer o comprar: un problema de expansin de capacidad.Al representar grficamente los costes de comprar cierto producto a una fuente externa (c1 x) y los costes para

    la compaa de producir x unidades de dicho producto (K + c2 x), podemos encontrar el punto en el que se igualan ambos costes (cantidad de equilibrio). La cantidad de equilibrio se resuelve K + c2 x = c1 x x = K donde K son los costes fijos (c1 - c2) c1 el precio del producto y c2 el coste variable unitario Si se requieren ms de x unidades, ser ms rentable producirlas que comprarlas, y viceversa.La principal limitacin de estas curvas de equilibrio es que son estticas, no consideran los aspectos dinmicos del problema de capacidad, como cambios en el patrn de demanda anticipado y consideraciones del valor del dinero en el tiempo. Adems ignoran los efectos del aprendizaje sobre la produccin, esto es, que el coste marginal de produccin disminuye con el incremento en el nmero de unidades producidas. Poltica dinmica de expansin de la capacidad.

    Las decisiones de capacidad deben realizarse en un ambiente dinmico. En particular, la dinmica de un patrn cambiante de demanda determina cundo debe invertir la compaa en una nueva capacidad. La planificacin de la capacidad tiene como objetivos:

    Maximizar la participacin de mercado Maximizar la utilizacin de la capacidad

    Considere el siguiente modelo:D= Incremento anual en la demandax = Intervalo de tiempo entre la introduccin de plantas sucesivasr = Tasa de descuento anualf(y) = Costo de abrir una planta de capacidad y

    k = constante de proporcionalidad a = razn entre los costos incrementales y los costos promedio de una unidad de capacidad de planta

    asumimos que 0 < a < 1 para que haya economas de escala en el tamao de la plantaxD indicar el valor ptimo de la capacidad de la plantau = rx

    C(x) = f (xD) Valor de x que minimiza C(x): 1 e C(x) = k (xD) de donde aplicando logaritmos a = r x 1 e y operando e 1 f(y) = k y Normalmente se representa grficamente a = f (u) = u donde u=rx e 1

    Este modelo puede ser de ayuda en algunas circunstancias, pero ignora varias caractersticas fundamentales que uno esperara encontrar en el mundo real:1. Vida finita de la planta. El modelo supone que, una vez construida, una planta tiene una vida infinita. Sin embargo, las compaas cierran plantas por diversas razones.2. Patrones de demanda. Hemos asumido que la demanda crece a una tasa constante por ao. En realidad, la incertidumbre de la demanda es un factor clave.3. Desarrollos tecnolgicos. El modelo asume que la capacidad de todas las nuevas plantas construidas permanece constante y que el coste de construir una planta de un tamao dado permanece tambin constante. En la realidad con regularidad se producen cambios drsticos en la tecnologa de procesos que modifican tanto el tamao mximo de las nuevas plantas como los costes asociados para un cierto tamao de una planta.4. Regulaciones gubernamentales. Las restricciones ambientales y de seguridad pueden limitar las opciones de escala y ubicacin de la planta.5. Costes indirectos. La mayora de los modelos de ubicacin y expansin no los tienen en cuenta. Y por ejemplo en la crisis energtica de los 70 estos costos causaron estragos en los presupuestos de costes indirectos de las plantas.6. Incentivos fiscales. Las autoridades locales o estatales suelen ofrecer incentivos fiscales a las grandes compaas que estn considerando alternativas para la construccin de nuevas instalaciones.

    Problemas con la ubicacin de una planta.

    Direccin de las Operaciones - Vernica Yanes Martn

  • Decidir dnde ubicar una planta es un problema complejo.

    Respecto a la planta en s, se debe tener en cuenta la siguiente informacin:Tamao de la planta Requerimientos de servicios pblicosLneas de producto que se van a producir Aspectos ambientalesTecnologa de proceso que se va a utilizar Interaccin con otras plantasRequerimientos de la fuerza laboral Consideraciones internacionalesNecesidades de transporte Tratamiento fiscal

    Basndose en una encuesta, Schmenner concluy que los principales factores que influyeron en la toma de decisiones de localizacin de nuevas instalaciones fueron los siguientes:1. Costos de mano de obra (menos preocupante para las industrias de capital intensivo) 2. Sindicalismo (una nueva instalacin supone una fuerza laboral fresca que puede ser ms difcil de organizar) 3. Proximidad a los mercados (sobre todo si los costes de transporte del producto son elevados)4. Proximidad a proveedores y recursos (por ej. productos de madera o papel cerca de bosques) 5. Proximidad a otras instalaciones (posibilita las economas de alcance)6. Calidad de vida en la regin (el atractivo ayuda a reclutar personal clave, especialmente industrias alta tecnologa)

    Direccin de las Operaciones - Vernica Yanes Martn

  • CAPTULO 2 Pronsticos

    2.1 El horizonte de tiempo en los pronsticos

    Pronsticos a corto plazo. Son medidos en das o semanas y son de utilidad para la administracin de inventarios, para los requerimientos de materiales y recursos para cumplir con el plan de produccin, y para la programacin de los turnos de trabajo.

    Pronsticos a mediano plazo. Se miden en semanas y meses, y los problemas de pronstico a mediano plazo que se presentan en la administracin de operaciones son los patrones de venta para las familias de productos, los requerimientos de mano de obra, y los requerimientos de recursos.

    Pronsticos a largo plazo. Se miden en meses y aos, y son tiles para tomar decisiones respecto a las necesidades de capacidad, para estimar los patrones de venta a largo plazo y las tendencias de crecimiento.

    2.2 Caractersticas de los pronsticos

    1. Normalmente estn equivocados. 2. Un buen pronstico tambin da una medida de error.3. Los pronsticos agregados son ms exactos.4. Cuanto ms lejano sea el horizonte de pronstico, menos exacta ser la prediccin.5. Los pronsticos no deben usarse para excluir informacin conocida.

    2.3 Mtodos subjetivos de pronstico

    Un mtodo de pronstico subjetivo se basa en el juicio humano. Existen varias tcnicas para solicitar opiniones y con base a stas poder pronosticar:

    Agregados de la fuerza de ventas. Para desarrollar un pronstico con la fuerza de ventas, los miembros de sta presentan su estimacin de ventas durante el prximo ao, que puede ser una nica cifra o varias, como la estimacin pesimista, la ms probable, y la optimista. Los gerentes de ventas se encargarn de los clculos para llegar a un pronstico general para cada regin o producto. Hay que tener en cuenta que si la compensacin al personal de ventas se basa en cubrir una cuota, existe un claro incentivo para que stos realicen deliberadamente una estimacin a la baja.

    Encuestas al cliente. Pueden sealar tendencias futuras, pero deben disearse con mucho cuidado para garantizar que los datos resultantes sean estadsticamente imparciales y representativos de la base de clientes y no provoquen conclusiones errneas.

    Juicio de opinin ejecutiva. Cuando no existe registro del pasado, como en el caso de nuevos productos, la opinin de los expertos puede ser la nica fuente de informacin para preparar pronsticos. Generalmente se solicita la opinin de los responsables de mercadotecnia (marketing), finanzas y produccin, bien individualmente para que luego los ejecutivos realicen el pronstico o bien se les puede solicitar que se renan como grupo y lleguen a un concenso.

    El mtodo Delphi. Tambin se basa en las opiniones de los expertos, pero trata de evitar algunas carencias inherentes a la dinmica de grupos, en la que las personalidades de algunos miembros del grupo dominan las de otros miembros. Se recopilan las opiniones individuales y luego se devuelve un resumen de los resultados a los expertos, con especial atencin a aquellas opiniones que son significativamente diferentes de los promedios de grupo. Se les pide que reconsideren sus opiniones originales en virtud de la respuesta obtenida. El proceso se repite hasta que (idealmente) se alcanza un consenso general.

    La principal ventaja del mtodo Delphi es que es un medio para evaluar la opinin individual sin interacciones personales. En cuanto a su lado negativo, debido a que las discusiones se han excluido intencionadamente del proceso, los expertos no cuentan con ningn mecanismo para resolver aspectos ambiguos.

    2.4 Mtodos objetivos de pronstico

    Los mtodos objetivos de pronstico son aquellos en los que el pronstico se deriva de un anlisis de datos. Vamos a analizar los modelos causales y los mtodos de series de tiempo.

    Direccin de las Operaciones Vernica Yanes Martn

  • Mtodos de series de tiempoUn mtodo de series de tiempo es aquel que usa slo valores pasados en cuanto al fenmeno que deseamos

    predecir. Con frecuencia, los mtodos de series de tiempo se califican de ingenuos, puesto que no requieren ms informacin que los valores pasados de la variable que se va a predecir. La idea es que la informacin del patrn de observaciones pasadas puede inferirse y usarse para pronosticar valores futuros de las series.

    En el anlisis de series de tiempo intentamos aislar los patrones que surgen con mayor frecuencia, que son:

    1. Tendencia Se refiere a la proclividad de una serie de tiempo a exhibir un patrn estable de crecimiento o de declive. Distinguimos entre la tendencia lineal (el patrn descrito por una lnea recta) y la tendencia no lineal (el patrn descrito por una funcin no lineal, como una curva exponencial o cuadrtica).

    2. Estacionalidad Un patrn estacional es aquel que se repite en intervalos fijos. Un patrn estacional puede ser anual, mensual, semanal o diario. (ejemplo: el consumo de electricidad muestra un fuerte patrn estacional diario)

    3. Ciclos La variacin cclica es similar a la estacionalidad, excepto porque la duracin y la magnitud del ciclo pueden variar. Los ciclos se asocian con variaciones econmicas a largo plazo que pueden presentarse adems de las fluctuaciones estacionales.

    4. Aleatoriedad Una serie aleatoria pura es aquella en la que no existe un patrn reconocible para los datos. Los datos verdaderamente aleatorios que fluctan en torno a una media fija forman lo que se conoce como patrn horizontal.

    Modelos causalesLos modelos causales son aquellos que usan datos provenientes de fuentes distintas a las series que estn

    pronosticando; esto es, pueden existir otras variables con valores que estn vinculadas de alguna forma a lo que se est pronosticando.

    Sea Y el fenmeno que deseamos pronosticar y X1, X2, , Xn son n variables que creemos que estn relacionadas con Y. Entonces un modelo causal es aquel en el que el pronstico para Y es cierta funcin de estas variables, digamos Y = f (X1, X2, , Xn).

    Los modelos economtricos son modelos causales especiales en los que la relacin entre Y y (X1, X2, , Xn) es lineal. Esto es, Y = 0 + 1 X1 + 2 X2 + + n Xn para algunas constantes (1, , n). El mtodo de mnimos cuadrados es el que se emplea ms a menudo para encontrar estimadores para las constantes.

    Un ejemplo sencillo de modelo de pronstico causal sera un modelo de la forma: Yt = 0 + 1Xt 1 , donde Yt podra ser el nmero de ventas en el ao t y Xt 1 la tasa de inters en el ao t 1. Con base en datos pasados podr determinarse los estimadores de mnimos cuadrados para las constantes 0 y 1.

    Los modelos causales son comunes para predecir variables macroeconmicas como el PNB o el PIB. Los mtodos de series de tiempo se utilizan ms en la planeacin de operaciones.

    2.5 Convenciones de notacin

    El siguiente anlisis se refiere a los mtodos de series de tiempo.

    - Definimos D1, D2, , Dt, como los valores de demanda observados durante los periodos 1, 2, , t, .- Asumiremos que Dt (t 1) es la serie de tiempo que se pretende predecir. Esto supone que si estamos realizando un pronstico en el periodo t, entonces hemos observado Dt, Dt 1, pero no hemos observado Dt + 1.- Definimos Ft como el pronstico hecho para el periodo t en el periodo t 1. Es el pronstico hecho al final del periodo t 1 despus de haber observado Dt 1, Dt 2, , pero antes de observar Dt. Suponemos que todos los pronsticos son pronsticos de un paso adelante, es decir, que estn hechos para la demanda en el prximo perodo.

    Finalmente: Ft = an Dt n para algn conjunto de a, a1, n = 0

    Direccin de las Operaciones Vernica Yanes Martn

  • 2.6 Evaluacin de pronsticos

    - Definimos et como el error de pronstico en cualquier periodo t, que es la diferencia entre el pronstico para el periodo y la demanda real para el mismo periodo.

    Para pronsticos de varios pasos adelante et = Ft T, t Dt

    Para pronstico de un solo paso adelante et = Ft Dt - Ahora digamos que e1, e2, , en son los errores de pronstico observados en n periodos.

    Las dos medidas ms comunes de exactitud de pronstico durante estos periodos n son:

    La desviacin absoluta media (DAM) DAM = (1/n) | ei |

    El error cuadrtico medio (ECM) ECM = (1/n) ei

    - Observe que el ECM es similar a la varianza de una muestra aleatoria. Tambin es interesante saber que cuando los errores de pronstico se distribuyen normalmente (como generalmente se supone), un estimado de la desviacin estndar del error de pronstico, e , est dado por 125 veces la DAM.

    Una medida menos habitual pero que tambin se utiliza, es el error porcencual absoluto medio (EPAM), y su peculiaridad es que no es dependiente de la magnitud de los valores de demanda.

    EPAM = [ (1/n) | ei / Di | ] x 100

    Una propiedad deseable para los pronsticos es que sean insesgados. Matemticamente, eso significa que E(ei )=0. Una forma de dar seguimiento a un mtodo de pronstico es graficar los valores del error de pronstico ei a lo largo del tiempo. Si el mtodo es insesgado, los errores de pronstico deben fluctuar aleatoriamente por encima y por debajo de cero. Una alternativa al mtodo grfico es calcular la suma acumulada de los errores de pronstico, ei. Si el valor de esta suma se desva sustancialmente de cero (ya sea hacia arriba o hacia abajo), es un indicativo de que el mtodo de pronstico est sesgado.

    2.7 Mtodos para pronosticar series estacionarias

    Ahora analizaremos dos tcnicas populares, los promedios mviles y el suavizamiento exponencial para pronosticar series de tiempo exponencial. Una serie de tiempo exponencial es aquella en la que cada observacin puede representarse por medio de una constante ms una fluctuacin aleatoria. Dt = + t donde es una constante desconocida que corresponde a la media de la serie y t es un error aleatorio con media cero y varianza

    Los mtodos que consideramos en esta seccin se conocen ms precisamente como suavizamiento simple o sencillo, y promedio mviles simples o sencillos, pero obviaremos sta apreciacin.

    Promedios mviles Un promedio mvil del orden N es sencillamente el promedio aritmtico de las observaciones N ms recientes.Para el tiempo dado restringimos la atencin a los pronsticos de un paso adelante. Entonces, Ft (el pronstico hecho en el periodo t 1 para el periodo t) est dado por: Ft = (1/N) Di = (1/N) (Dt 1 + Dt 2 + + Dt N)

    En palabras, esto dice que la media de las observaciones N ms recientes se utiliza como el pronstico para el prximo periodo. Usaremos la anotacin PM(N) para los promedios mviles del periodo N. Cuando se utiliza el mtodo del promedio mvil bajo el supuesto de que la demanda es estacionaria, los pronsticos de un paso adelante y de mltiples pasos adelante son idnticos (aunque el pronstico de un paso adelante generalmente es ms exacto). Una desventaja evidente de la tcnica de promedio mvil es que debe recalcularse el promedio de las ltimas N

    Direccin de las Operaciones Vernica Yanes Martn

  • observaciones cada vez que surge una nueva observacin de demanda. Para N grandes puede resultar tedioso. Sin embargo, el nuevo clculo de todo el promedio de N periodos no es necesario en cada periodo: para un pronstico de un paso adelante necesitamos calcular slo la diferencia entre la demanda ms reciente y los N periodos de demanda anteriores con el fin de actualizar el pronstico. Ft + 1 = Ft + (1/N) (Dt Dt N)

    (La explicacin del equipo docente a ste prrafo es que al calcular una media mvil con N periodos, si aadimos un periodo, tenemos que quitar el dato del periodo ms antiguo, porque sino tendramos N + 1 periodos. A eso se refiere con recalcular)No obstante, sigue siendo necesario mantener un registro de todas las N observaciones pasadas. Por qu?

    El promedio mvil se queda detrs de la tendencia. Pensemos en el ejemplo de una demanda en la que exista una tendencia definitiva, por ejemplo un aumento de 2 unidades por periodo. Si calculamos los pronsticos PM(3) y PM(6) de un paso adelante para esta serie, observaremos cmo stos siempre se quedan detrs de la tendencia, y que en el PM(6) el retraso es mayor. Esto implica que los promedios mviles simples no son la mejor manera de pronosticar cuando existe una tendencia en las series.

    Suavizamiento exponencial Otro mtodo de pronstico muy popular para las series de tiempo estacionarias es el suavizamiento exponencial. El pronstico actual es el promedio ponderado del ltimo pronstico y el valor actual de demanda. Esto es, Nuevo pronstico = (observacin actual de la demanda) + (1 ) (ltimo pronstico) Ft = Dt 1 + (1 ) Ft 1 donde (0 < 1) es la constante de suavizamiento, que determina la ponderacin relativa colocada en la observacin de demanda actual. Por tanto (1 ) es el peso asignado a las observaciones pasadas de la demanda. Reordenando trminos podemos reescribir la ecuacin de suavizamiento exponencial:

    Ft = Ft 1 (Ft 1 Dt 1) Ft = Ft 1 et 1

    Lo que se interpreta como que el pronstico en cualquier periodo t es el pronstico en el periodo t 1 menos cierta fraccin de error de pronstico observado en el periodo t 1. - Si pronosticamos alto en el periodo t 1, el error et 1 es positivo y el ajuste consiste en disminuir el pronstico. - Si pronosticamos bajo en el periodo t 1, el et 1 ser negativo y el ajuste ser incrementar el pronstico.

    Como antes, Ft es el pronstico de un paso adelante para el periodo t realizado en el periodo t 1. Se puede deducir entonces que Ft 1 = Dt 2 + (1 )Ft 2 y esto puede sustituirse en la ecuacin anterior, y si continuamos retrocediendo de esta forma podremos obtener la expansin infinita para Ft Ft = (1 ) Dt i 1 Ft = ai Dt i 1 donde los pesos a0 > a1 > > ai = ( 1 ) y ai = 1

    Por lo tanto, el suavizamiento exponencial aplica un conjunto de ponderaciones decrecientes a todos los datos pasados. Podemos ajustar la curva exponencial continua g (i) = exp ( i) a estas ponderaciones, que es la razn por la cual el mtodo se denomina suavizamiento exponencial. La constante de suavizamiento juega aqu el mismo papel que el valor de N en los promedios mviles. Si es grande, significa que se da mayor ponderacin a la observacin actual de la demanda y menos a las observaciones pasadas, lo que da como resultado pronsticos que reaccionarn rpidamente a los cambios en los patrones de demanda pero pueden tener mucha mayor variacin de periodo a periodo. Si es pequea, entonces se asigna mayor peso en los datos pasados y los pronsticos son ms estables, es decir, no varan mucho de un periodo al siguiente.

    En el mbito de la planificacin de la produccin, son preferibles los pronsticos estables de la demanda, ya que las revisiones sustanciales de los pronsticos pueden causar estragos en los programas de trabajo de los empleados, en las listas de componentes de material y en las rdenes de compra externas. Se recomienda un valor de entre 0'1 y 0'2. Aunque el suavizamiento con el valor ms grande de hace un mejor trabajo de seguimiento de la serie, para fines de planificacin se persigue la estabilidad proporcionada por una constante de suavizamiento menor. Los pronsticos de varios pasos adelante se manejan igual para el suavizamiento exponencial que para los promedios mviles; esto es, los promedios de un paso adelante y de varios pasos adelante son iguales.

    Debido a que el suavizamiento exponencial requiere que en cada etapa tengamos un pronstico previo, no resulta obvia la forma de iniciar el mtodo. Podramos suponer que el pronstico inicial es igual al valor inicial de la demanda, pero este enfoque tiene un serio inconveniente: el suavizamiento exponencial pone un peso especial en las

    Direccin de las Operaciones Vernica Yanes Martn

  • observaciones pasadas, as que el valor inicial de demanda tendr un efecto absurdamente grande en los primeros pronsticos. Este problema puede superarse si se permite que el proceso evolucione durante un nmero razonable de periodos (digamos 10 o ms) y utilizando el promedio aritmtico de la demanda durante esos periodos como el pronstico inicial.

    ------------------------------------------------------------------------------------------------------------------------------------------------ Cuando evaluamos pronsticos calculados mediante distintos mtodos, debemos asegurarnos de que la configuracin de parmetros utilizados es consistente. Suponga que sobre los mismos datos, realizamos un pronstico mediante promedios mviles PM(3) y otro pronstico mediante suavizamiento exponencial SE(0'1). Cmo sabemos que =0'1 y N=3 son valores consistentes de estos parmetros? La determinacin de los valores consistentes de y N puede realizarse de dos maneras diferentes: Una es equiparar la edad promedio de los datos utilizados para realizar el pronstico. La edad promedio de datos para los promedios mviles se calcula: Edad promedio = ( N + 1) 2 La edad promedio de datos en un pronstico de suavizamiento exponencial es: Edad promedio = 1 Al igualar N + 1 = 1 obtenemos que = 2 N = 2 2 (N + 1)

    (En el ejemplo de PM(3) y SE(0'1) vemos que hubisemos necesitado un valor de N=19 para =0'1 o un valor de =0'5 para N=3 para que los mtodos fueran consistentes en lo relativo a la edad promedio de los datos)

    Ahora deduciremos la distribucin del error de pronstico tanto para promedios mviles como para suavizamiento exponencial, suponiendo que el proceso de demanda subyacente es estacionario. Recordemos Dt = + t donde t es normal con media cero y varianza . Promedios mviles: Recordar que et = Ft Dt donde Ft = (1/N) Di ; E (et) = 0 Cuando la demanda es estacionaria, los pronsticos con promedios mviles no estan sesgados. Var (et) = [(N+1) / N] Por lo tanto, la desviacin estndar del error de pronstico, e , es: e = (N+1 / N)

    Suavizamiento exponencial: Recordar que Ft = Dt 1 + (1 ) Dt 2 + (1 ) Dt 3 + y que E (Ft) = lo que quiere decir que E (et) = 0 Var (Ft) = ; Var (et) = Var (Ft) + Var (Dt) ; Var (et) = [2 / (2 )] 2

    Por lo tanto, la desviacin estndar del error de pronstico para suavizamiento exponencial simple, en funcin de la desviacin estndar de cada observacin es: e = (2 / 2 )

    De todo esto se deduce que tanto el mtodo de los promedios mviles como el de suavizamiento exponencial tienen la misma distribucin de errores de pronstico (lo que no significa que los pronsticos obtenidos por los dos mtodos sean iguales).

    Pronsticos de varios pasos adelante.Como el modelo subyacente asumido para ambos mtodos es estacionario (es decir, no cambia con el tiempo),

    los pronsticos de un paso adelante y de varios pasos adelante para promedios mviles y suavizamiento exponencial son los mismos.

    Comparacin entre suavizamiento exponencial y promedios mviles.

    Similitudes1. Ambos mtodos se deducen con el supuesto de que el proceso de demanda subyacente es estacionario (esto es,

    puede ser representado por una constante ms una fluctuacin aleatoria con una media igual a cero).2. Ambos mtodos dependen de la especificacin de un slo parmetro (N o ). Los valores pequeos de N o los

    valores grandes de resultan de pronsticos que asignan mayor peso a los datos actuales, y viceversa. En caso de N pequeos y grandes puede presentarse una mayor sensibilidad a los cambios en el proceso de demanda, pero producir errores de pronstico con mayor varianza.

    3. Ambos mtodos se retrasarn con respecto a una tendencia, si es que sta existe.4. Cuando = 2/(N +1), ambos mtodos tienen la misma distribucin de pronstico de error, es decir, que tienen

    Direccin de las Operaciones Vernica Yanes Martn

  • ms o menos el mismo nivel de exactitud, aunque no los pronsticos no sean los mismos.

    Diferencias1. El pronstico de suavizamiento exponencial es un promedio ponderado de todos los datos pasados (siempre que

  • - El problema de inicializacin surge tambin al comenzar con el mtodo de Holt. El mejor enfoque es establecer un cierto conjunto de periodos iniciales como base y utilizar el anlisis de regresin para determinar los estimados de la pendiente y la intercepcin usando los datos de base.- Tanto el mtodo de Holt como la regresin estn diseados para series que muestran tendencia. Sin embargo, con el mtodo de Holt no resulta sencillo en absoluto actualizar pronsticos conforme se obtienen nuevas observaciones.

    2.9 Mtodos para series estacionales

    Una serie estacional es aquella que tiene un patrn que se repite cada N periodos, para algn valor de N (que es cuando menos 3). Llamaremos duracin de la estacin al nmero de periodos antes de que el patrn comience a repetirse (N). Para poder emplear un modelo estacional, debemos ser capaces de especificar cunto dura una estacin.

    Hay varias formas de representar la estacionalidad. La ms comn es suponer que existe un conjunto de multiplicadores ct, para 1 t N, con la propiedad de que ct = N. - El multiplicador ct representa la cantidad promedio que la demanda en el periodo t de la estacin est por encima o por debajo del promedio global. (Por ejemplo si c3 = 1'25 significa que la demanda en el tercer periodo de la estacin est 25% por encima de la demanda promedio y si c3 = 0'60 significa que est un 40% por debajo)

    Factores estacionales para series estacionarias Este es un mtodo sencillo para calcular los factores estacionales para una serie de tiempo con variacin estacional y sin tendencia. Se requiere un mnimo de dos estaciones de datos. El mtodo es el siguiente:

    1. Se calcula la media de la muestra de todos los datos.2. Se divide cada observacin por la media de la muestra. Esto da los factores estacionales para cada periodo

    de datos observado.3. Se promedian los factores para los periodos semejantes dentro de cada estacin. Los promedios resultantes son los N factores estacionales. Siempre sumarn exactamente N.4. Finalmente para realizar el pronstico se multiplica la media de la muestra por el factor estacional correspondiente.

    Descomposicin estacional usando promedios mviles Este mtodo es ligeramente ms complejo. Para estimar los factores estacionales requiere del clculo de los promedios mviles de N periodos, donde N es la duracin de la estacin.

    1. Supongamos que tenemos un historial de demanda, que representa dos estaciones, cada una con cuatro periodos. El primer paso ser calcular los promedios mviles de esos cuatro periodos (PM(4)).2. Despus, los promedios mviles deben centrarse. Esto es, si el promedio mvil se calcula para cuatro

    periodos (1, 2, 3, 4), hacerlo corresponder al centro de esos cuatro periodos (2'5).3. Enseguida debemos hacer que estos valores vuelvan a coincidir con los periodos, en el caso de que no coincidan. Para ello promediamos los valores adyacentes (la media del valor correspondiente al 2'5 y al 3'5, corresponder al 3).4. El siguiente paso consiste en hallar los valores para los periodos que an no tienen ningn promedio. Normalmente, tras el proceso anterior, sern los valores primeros y ltimos los que hay que calcular. Calcularemos el promedio de los dos primeros datos de promedios y lo asignamos a los primeros periodos, y de los dos ltimos que tenemos calculados obtenemos el promedio que asignamos a los ltimos periodos. El resultado es que tenemos un promedio mvil centrado para cada periodo en el que tenemos una observacin de demanda.5. Ahora formamos la razn de la demanda para ese periodo sobre el PM centrado (demanda / PM centrado). Estos valores son estimados de los factores estacionales para cada periodo.6. El siguiente paso es formar el promedio de los factores correspondientes a los mismos periodos de cada estacin (por ejemplo lunes con lunes, o primer trimestre con primer trimestre, etc.). 7. Llegados aqu debemos estar seguros de que la suma de los factores estacionales sea exactamente N. Si no es as, multiplicamos cada factor por [N / (rtdo de la suma)] y ya tenemos los factores estacionales finales.8. Finalmente, procedemos a obtener la demanda desestacionalizada. Para ello dividimos cada observacin por el factor estacional correspondiente.

    La serie desestacionalizada seguir conteniendo todos los componentes de la seal de la serie original, excepto la estacionalidad. Puede hacerse ahora un pronstico con base en la demanda desestacionalizada, que debe reestacionalizarsedespus mediante la multiplicacin del factor estacional correspondiente. El procedimiento es el siguiente: ya tenemos la demanda desestacionalizada. Sobre ella, calculamos un promedio mvil de seis meses, por

    Direccin de las Operaciones Vernica Yanes Martn

  • ejemplo. Para obtener el pronstico para el periodo siguiente, y sucesivos, multiplicamos este promedio que acabamos de calcular por el factor estacional que le corresponde en cada periodo.

    Cuando la serie desestacionalizada muestra una tendencia, sera ms adecuado aplicar un mtodo basado en tendencia, como el mtodo de Holt o el anlisis de regresin. Si as fuera, calculamos primero los pronsticos de las series desestacionalizadas y luego multiplicamos por el factor estacional correspondiente para volver a estacionalizar el pronstico.

    Mtodo de Winters para los problemas estacionales El mtodo de Winters es un tipo de suavizamiento exponencial triple, y tiene la importante ventaja de ser fcil de actualizar conforme se dispone de nuevos datos.

    Suponemos un modelo de la forma: Dt = ( + Gt) ct + t

    Interpretamos:- como la seal base o intercepcin en el tiempo t = 0 excluyendo la estacionalidad- Gt como el componente de tendencia o pendiente- ct como el componente estacional multiplicativo en el periodo t- y t como el trmino de error.

    Como el factor estacional multiplica tanto al nivel base como al trmino de tendencia, suponemos que la serie subyacente tiene una forma aproximada:

    ____________________

    De nuevo supongamos que la duracin de la estacin es exactamente N periodos y los factores estacionales son los mismos cada estacin y tienen la propiedad de que ct = N.

    Se usan tres ecuaciones de suavizamiento en cada periodo para actualizar los clculos de la serie desestacionalizada, los factores estacionales y la tendencia. Estas ecuaciones pueden tener diferentes constantes de suavizamiento, que llamaremos , y .

    1. La serie. El nivel actual de la serie desestacionalizada est dado por: St = (Dt / ct N ) + (1 ) (St 1 + Gt 1)

    Observe lo que hace esta ecuacin: al dividir entre el factor estacional correspondiente, estamos desestacionalizando la observacin de demanda ms nueva. Esto se promedia entonces con el pronstico actual para la serie desestacionalizada, como en el mtodo de Holt. 2. La tendencia. La tendencia se actualiza: Gt = (St St 1) + (1 ) Gt 1

    3. Los factores estacionales. ct = (Dt / St) + (1 ) ct N

    La relacin de la observacin de demanda ms reciente sobre el estimado actual de la demanda desestacionalizada da como resultado el estimado actual del factor estacional. Despus, esto se promedia con el mejor estimado previo del factor estacional, ct N. Cada vez que se actualiza un factor estacional, es necesario normalizar los N factores ms recientes para que sumen N.

    4. Por ltimo, el pronstico realizado en el periodo t para cualquier periodo futuro t + est dado por: Ft, t + = (St + Gt) ct + N Obsrvese que esta ecuacin de pronstico supone que N, porque si N < 2N, el factor estacional adecuado ser ct + 2N , y si 2N < 3N, el factor estacional adecuado ser ct + 3N , y as sucesivamente.Procedimiento de inicializacin Para iniciar el mtodo, necesitamos los estimados iniciales de la serie, la pendiente y los factores estacionales. Como mnimo deben estar disponibles dos estaciones de datos, esto es, 2N datos.

    Direccin de las Operaciones Vernica Yanes Martn

  • El periodo actual lo definimos como t =0, as que las observaciones pasadas se marcan como D 2N+1, D 2N+2, , D0.

    1. Calcule por separado la media de la muestra de las dos estaciones de datos.

    V1 = 1/N Dj (para j desde 2N+1 hasta N ) y V2 = 1/N Dj (para j desde N+1 hasta 0)

    2. Definimos G0 = (V 2 V 1 ) como el estimado de la pendiente inicial. N

    Si localizamos V1 en el centro de la primera estacin de datos y V2 en el centro de la segunda estacin de datos, entonces G0 es simplemente la pendiente de la lnea que conecta V1 y V2.

    Si hay m > 2 estaciones de datos disponibles para la inicializacin, entonces calcule V1, , Vm como en el paso 1 y defina G0 = (V m V 1 ) (m 1)N

    3. Iguale S0 = V2 + G0 ( N 1) Con esto se estima el valor de la serie en el tiempo t =0 2

    4. a) Los factores estacionales iniciales se calculan para cada periodo al dividir cada una de las observaciones iniciales entre el punto a lo largo de la lnea que conecta V1 y V2, lo cual se puede hacer grficamente o utilizando la siguiente frmula:

    ct = D t para 2N+1 t 0 , donde i es el nmero de Vi [ ( N +1) j] G0 estacin y j el periodo de la estacin. 2

    b) Despus se promedian los factores estacionales iniciales. Asumiendo exactamente dos estaciones de datos iniciales, obtenemos: c N+1 = c 2 N+1 + c N +1 , , c0 = c N + c 0 2 2

    c) Normalicemos ahora los factores estacionales: cj = N [ cj / ci ] para i desde 0 hasta N+1 y N+1 j 0

    Este proceso no es el nico medio para inicializar el sistema. Los factores estacionales tambin pueden determinarse por el mtodo de promedios mviles. O tambin podra ajustarse la regresin lineal a los datos de base y usar los valores de la pendiente resultante y la intercepcin para obtener S0 y G0 (como se hizo con el mtodo de Holt). Los factores estacionales podran obtenerse al dividir cada observacin de demanda en el periodo base por el valor correspondiente de la lnea de regresin, promediando periodos iguales, y normalizando.

    2.10 Consideraciones prcticas

    Identificacin y monitoreo del modeloLa determinacin del modelo adecuado depende tanto de las caractersticas del historial de observaciones

    como del contexto en el que se requieren los pronsticos. Cuando disponemos de datos histricos, debemos examinarlos para determinar si existen patrones obvios, como la tendencia o las fluctuaciones estacionales. Normalmente estos patrones pueden verse ms fcilmente representando grficamente los datos.

    Una vez elegido el modelo, deben monitorearse los pronsticos con regularidad para ver si el modelo sigue siendo adecuado o si han ocurrido cambios imprevistos en la serie. Recordemos que un mtodo de pronstico no debe ser sesgado, esto es, el valor esperado del error de pronstico debe ser cero.

    Adems de los mtodos de evaluacin de pronsticos vistos anteriormente, un medio de monitoreo que tambin podemos utilizar es la seal de seguimiento desarrollada por Trigg:

    La seal de seguimiento es la relacin: Tt = | E t | donde: Et = et + (1 ) Et 1 Mt Mt = | et | + (1 ) Mt 1

    - Un valor grande de la seal de seguimiento indica pronsticos sesgados. - El error suavizado Et debe ser menor en comparacin con el error absoluto suavizado Mt para que el pronstico sea

    Direccin de las Operaciones Vernica Yanes Martn

  • insesgado.

    Mtodos de series de tiempo simples contra complejosLos resultados provenientes de la literatura sobre pronsticos sugieren que los mtodos ms sencillos son con

    frecuencia tan exactos como los ms sofisticados. Existe cierta evidencia de que el promedio aritmtico de los pronsticos obtenidos a partir de mtodos diferentes resulta ms exacto que un mtodo sencillo. Quizs sto se debe a que, con frecuencia, un mtodo simple no puede captar la seal subyacente en los datos y los diferentes modelos captan diferentes aspectos de la seal. Tambin puede pasar que en los periodos de los que tenemos datos exista una tendencia creciente (no significativa), que un modelo de regresin lineal extrapolar al futuro, y por tanto un mtodo complejo como ste dar resultados ms pobres que los que hubiera dado un mtodo sencillo.

    En relacin a la planificacin de la produccin, podemos concluir que en un nivel ms alto, la exactitud del pronstico es extremadamente importante y los pronsticos de varios pasos adelante juegan un papel fundamental para planificar la fuerza de trabajo y los niveles de produccin. Por ello no se aconseja confiar ciegamente en los mtodos de series de tiempo en este nivel.

    En un nivel ms bajo, como puede ser la administracin de inventarios, el uso de mtodos de series de tiempo simples como los promedios mviles o el suavizamiento exponencial tienen un gran sentido. El riesgo de errores severos se minimiza al utilizar mtodos sencillos.

    2.11 Panorama general de temas avanzados en pronsticos

    Mtodos Box-JenkinsLa mayora de los mtodos que hemos visto hasta ahora son con series de tiempo, esto es, basan sus

    pronsticos en un historial de observaciones. Y hemos supuesto que estas observaciones son independientes unas de otras. El mtodo de Box-Jenkins explota posibles dependencias entre valores de la serie de periodo a periodo. La autocorrelacin es la correlacin (es decir, el grado de dependencia) entre valores de datos observados separados por un nmero fijo de periodos. Es un mtodo complejo que requiere cuando menos de 72 datos histricos.

    Supongamos una compaa que proporciona incentivos de ventas. A un mes de malas ventas con frecuencia le sigue uno de buenas ventas, y un mes de buenas ventas normalmente estar seguido por un momento de calma. Esto significa que las ventas en meses consecutivos tienen a correlacionarse negativamente. Podramos decir que la serie tiene una autocorrelacin negativa de primer orden.

    Simulacin como una herramienta de pronsticoLa simulacin en computadora es una tcnica muy popular para abordar problemas complejos. El programa

    est diseado para recrear los aspectos clave de la dinmica de una situacin real. La simulacin es una herramienta comn en los problemas de planeacin de manufactura como los complejos problemas de flujo de materiales en una planta. Se utiliza tambin, aunque mucho menos, como una herramienta de pronstico.

    Pronstico de la demanda en presencia de ventas perdidasEn el caso de los detallistas tiene mucho sentido hablar de ventas perdidas. stas son las ventas que se

    hubieran producido si el detallista hubiera tenido ms inventario del artculo demandado. Por tanto, si a la hora de realizar un pronstico, tenemos en cuenta nicamente las ventas, podramos estar subestimando la demanda real. Cmo pronosticar la demanda en este caso? En estadstica clsica esto se conoce como muestra recortada, ya que slo se conocen los valores de la demanda para una parte de la muestra (cuando las ventas son inferiores a las existencias que tiene el detallista). Para la otra parte slo conocemos la cota inferior de la demanda (que es el total de existencias que tena el detallista). Existen mtodos estadsticos especiales que incorporan el recorte y producen estimados bastante mejores que la media y la varianza poblacionales en estos casos.

    2.12 Vinculacin del pronstico y la administracin de inventarios

    En la prctica la administracin de inventarios y el pronstico de demanda estn fuertemente vinculados. Una de las entradas requeridas para los modelos de control de inventarios es la distribucin de la demanda en un periodo. Existe un vnculo entre la distribucin de los errores de pronstico y la distribucin de la demanda.

    El primer asunto es decidir la forma adecuada de distribuir la demanda. La mayora de los sistemas comerciales suponen que la distribucin de la demanda es normal, por lo que slo necesitaramos estimar la media y la desviacin estndar para especificar toda la distribucin, y para ello debemos contar con un historial de

    Direccin de las Operaciones Vernica Yanes Martn

  • observaciones de la demanda (si no existe historial de la demanda, recurriremos al juicio personal). Al principio del captulo 5 comentamos la forma en que debemos estimar la media y la varianza de la demanda directamente de un historial de observaciones de la demanda. Ya mostramos que para promedios mviles sencillos de orden N, la varianza del error de pronstico est dada por: e = ( (N+1) / N) y para el suavizamiento exponencial: e = ( 2 / (2 ) )Si disponemos de los estimadores de e y de , cul debe usarse como estimador de la desviacin estndar para establecer los inventarios de seguridad? Parece obvio que , porque representa la desviacin estndar de la demanda. Sin embargo la respuesta correcta es que debe usarse la desviacin estndar del error de pronstico, e, ya que si se usa un pronstico para estimar la media de la demanda, hay que mantener existencias de seguridad para protegerse contra el error de ese pronstico. Por tanto la distribucin de los errores de pronstico es ms importante que la de las demandas.

    La mayora de los sistemas de control de inventarios usan el mtodo sugerido por Brown para estimar el valor de e. El mtodo requiere estimar la desviacin absoluta media (DAM) de los errores de pronstico, mediante suavizamiento exponencial. Esto se logra mediante la ecuacin de suavizamiento: DAMt = |Ft Dt| + (1 ) DAMt 1

    La DAM se convierte en un estimado de la desviacin estndar del error de pronstico al multiplicarla por 1'25. Esto es, el estimador para e obtenido para el tiempo t es: ^e = 1'25 DAMt

    2.13 Notas histricas y temas adicionales

    Direccin de las Operaciones Vernica Yanes Martn

  • CAPTULO 3 Planeacin agregada

    La planeacin agregada aborda el problema de decidir cuntos empleados debe ocupar una empresa; y para una compaa manufacturera, la cantidad y mezcla de productos que debe producir.

    1. Unidades agregadas de produccin

    El mtodo de planeacin agregada est basado en la existencia de una unidad agregada de produccin. Cuando la clase de artculos producidos es parecida, una unidad de produccin agregada puede corresponder a un artculo promedio, pero si se producen muchas clases distintas de artculos sera ms adecuado considerar unidades agregadas en trminos de peso, volumen, cantidad necesaria de trabajo o valor monetario.

    La planeacin agregada (y el problema asociado de desagregar los planes agregados o convertirlos en programas maestros detallados) se vincula estrechamente con la planeacin jerrquica de la produccin. Para fines de planeacin agregada, Hax y Meal recomiendan la siguiente jerarqua:

    Artculo. Tambin llamado unidad de almacenamiento (UA). Representan el nivel de detalle ms fino en la estructura del producto y se corresponden con unidades almacenadas independientes. (ejemplo: un modelo concreto de lavadora)

    Familia. Grupo de artculos que comparten un costo comn. (ejemplo: todas las lavadoras de todos los modelos) Tipo. Grupos de familias cuyas cantidades de produccin se determinan con un solo plan agregado de produccin. (ejemplo: todos los electrodomsticos grandes)

    Jerarqua de las decisiones de planeacin de la produccin:

    Pronstico de la demanda agregada para el horizonte de planeacin de t periodos Plan de produccin agregada. Determinacin de los niveles de produccin agregada y

    de fuerza de trabajo para el horizonte de planeacin de t periodos.

    Programa maestro de produccin. Niveles de produccin por artculo y por periodo.

    Sistema de planeacin de requerimientos de materiales. Cronograma detallado para producir y

    ensamblar componentes y subensambles.

    2. Panorama general del problema de planeacin agregada

    Despus de haber definido la unidad adecuada al nivel de la empresa para el que hay que determinar un plan agregado, suponemos que existe un pronstico de la demanda para un horizonte especfico de planeacin, expresado en funcin de unidades de produccin agregada. Una caracterstica importante de la planeacin agregada es que las demandas se consideran como constantes conocidas (se supone que el error de pronstico es cero).

    El objetivo de la planeacin agregada es determinar las cantidades de produccin agregada y los niveles requeridos de recursos (trabajadores) para alcanzar esas metas de produccin.

    Los principales aspectos relacionados con el problema de planeacin agregada son:1. Suavizamiento. Se refiere a los costos que resultan de cambiar los niveles de fuerza de trabajo de un periodo al siguiente. Dos de los componentes clave de los costos de suavizamiento son resultado de contratar y despedir trabajadores. Despedir trabajadores puede tener consecuencias y costes de gran alcance, que sern difciles de evaluar.

    2. Problemas de cuello de botella. El trmino cuello de botella se usa para indicar la incapacidad del sistema para responder a cambios repentinos en la demanda, que son resultado de restricciones en la capacidad.

    3. Horizonte de planeacin. El horizonte de pronstico, T, debe especificarse por adelantado. Si es demasiado corto, podra no haber tiempo suficiente para reunir existencias para atender el aumento de la demanda futura. Si es demasiado largo, la fiabilidad de las previsiones de la demanda ser probablemente baja . En la prctica frecuentemente se utilizan programas progresivos, es decir, que van incorporando nuevos pronsticos de demanda y modificando el plan agregado. No obstante, debido al tiempo de demora en la produccin, hay decisiones que deben congelarse durante algunos periodos.

    4. Tratamiento de la demanda. En la planeacin agregada es necesario suponer que la demanda se conoce con certidumbre. Esto es a la vez un punto fuerte y un punto dbil de este mtodo. Es una debilidad porque no proporciona

    Direccin de las Operaciones Vernica Yanes Martn

  • colchn alguno contra errores de pronstico, pero como ventaja, permite que el gerente se centre en los cambios sistemticos que por lo general no se asumen en modelos que suponen demanda aleatoria.

    3. Costos en planeacin agregada

    Los costos especficos que se ven afectados por la decisin de planeacin son:- Costos de suavizamiento. - Costos por mantener inventarios. - Costos de faltantes. (Se presentan cuando la demanda pronosticada es mayor que la capacidad productiva o cuando la demanda es mayor que la prevista)- Costos de tiempo regular. (Son los costos por producir una unidad de producto durante las horas normales de trabajo)- Costos de tiempo extra y de subcontratacin. - Costos de tiempo libre. (Es el costo por subutilizacin de la fuerza de trabajo o tiempo libre)

    4. Un problema prototipo

    Vamos a suponer que debemos determinar el nmero de trabajadores necesarios y el nivel de produccin cada mes para un periodo de enero a junio. Para ello disponemos de los siguientes datos:Demanda pronsticada: Enero Febrero Marzo Abril Mayo Junio 1.280 640 900 1.200 2.000 1.400El nivel de inventario a final de diciembre es de 500 unidades Por tanto la demanda neta de Enero ser de 780 unidadesEl nivel de inventario deseado a final de junio es de 600 unidades As que la demanda neta de Junio ser de 2.000 unidadesTotal Demanda Neta acumulada al final de Junio = 7.520 unidadesLa plantilla a final de diciembre es de 300 trabajadores.Costes:

    Costes de contratar a un trabajador = 500 $ Costes de despedir a un trabajador = 1.000 $ Costes de mantener una unidad de inventario un mes = 80 $

    K = nmero de unidades agregadas producidas por un trabajador en un daDato: En 22 das hbiles, con 76 trabajadores, se producen 245 unidades.Tasa de produccin = 245 / 22 = 11'1364 unidades al daK = 11'1364 / 76 = 0'14653 unidades por trabajador por da

    Analizaremos dos planes alternativos para administrar la fuerza de trabajo que representan dos estrategias administrativas esencialmente opuestas.

    Plan 1 Estrategia de persecucin (plan de cero inventarios)Consiste en cambiar la fuerza de trabajo cada mes con el fin de producir las unidades suficientes para coincidir

    lo ms posible con el patrn de la demanda.

    A B C D EMes Nmero de das de trabajo Nud producidas por trabajador

    (B x 0'14653)Pronstico de demanda neta N mn. de trabajadores requeridos

    ( D / C redondeo hacia arriba)

    Enero 20 2'931 780 267Febrero 24 3'517 640 182Marzo 18 2'638 900 342Abril 26 3'810 1200 315Mayo 22 3'224 2000 621Junio 15 2'198 2000 910

    Direccin de las Operaciones Vernica Yanes Martn

  • El valor de la columna E se redondea hacia arriba para garantizar que no se presente ningn faltante.El nmero de das hbiles de cada mes depende de mltiples factores, vendr dado. Recurdese que a final de diciembre haba 300 trabajadores. Ahora se trata de contratar y despedir trabajadores cada mes para coincidir con la demanda tanto como sea posible.

    A B C D E F G H IMes N

    trabajadoresN Contratos N Despidos N ud por

    trabajadorProduccin

    (B E)Produccin acumulada

    Demanda acumulada

    Inventario final

    (G H)

    Enero 267 33 2'931 783 783 780 3

    Febrero 182 85 3'517 640 1 423 1 420 3

    Marzo 342 160 2'638 902 2 325 2 320 5

    Abril 315 27 3'810 1 200 3 525 3 520 5

    Mayo 621 306 3'224 2 002 5 527 5 520 7

    Junio 910 289 2'198 2 000 7 527 7 520 7

    Totales 755 145 30

    Al multiplicar los totales de la ltima fila de la tabla por los costos correspondientes se obtiene el costo total de este plan de produccin. No debemos olvidarnos de sumar a ste resultado el coste de mantener el inventario final de 600 unidades. El inventario inicial de 500 unidades no entra en los clculos porque desaparecer durante el mes de enero.Coste total = 572.900 $Tngase en cuenta que casi siempre habr inventario remanente al final de cada periodo, debido a que no se puede emplear una cantidad fraccionaria de trabajadores. Segn se va acumulando, puede llegar un punto en el que se pueda reducir la fuerza de trabajo en uno o ms trabajadores.

    En este ejemplo se puede reducir en un trabajador en marzo y otro en mayo, lo que provocar que se contraten dos personas menos, que se evite un despido, y que el total de inventario sea de 13 unidades. Coste total = 569.540 $

    Plan 2 Plan de fuerza de trabajo constante El objetivo es mantener la fuerza de trabajo mnima para satisfacer la demanda neta, eliminando por completo

    la necesidad de contratar y despedir durante el horizonte de planeacin.

    Para realizar el clculo de la fuerza de trabajo constante que ser necesaria para garantizar que no se presenten faltantes, ser necesario realizar la siguiente tabla:

    A B C D

    Periodo (mes, ao,...) Demanda Neta acumulada N acumulado de ud por trabajador Relacin B/C (redondeada hacia arriba)

    Y el nmero mnimo de trabajadores requeridos para el periodo completo de planeacin es el elemento mximo de la columna D. En nuestro ejemplo, la relacin 7.520 / 18'318 = 411 trabajadores es el elemento mximo en la columna D.

    Niveles de inventario para el programa de fuerza de trabajo constante:

    A B C D E F

    Mes N unidades producidas por trabajador

    Produccin mensual(B 411)