UNIVERSIDAD CATOLICA

SANTO TORIBIO DE
MOGROVEJO
Ingeniera Industrial
Investigacin de Operaciones
Unidad I:
Programacin Lineal
Objetivos
Presentar a la funcin Operaciones como
generadora de ventajas competitivas sostenibles
Describir su sistema de funcionamiento y la
generacin de decisiones que requiere
Relacionar la funciones empresarias con el rea de
Operaciones
Qu es la Investigacin Operaciones en la Empresa?
Descubrir y desarrollar las ideas que permitan Dirigir y
Controlar los Procesos mediante donde los insumos se
transforman en bienes y servicios terminados
Operaciones
Procesos
Insumos
Personal
Lderes
Equipos
Instalaciones
Materiales
Servicios
Tierra
Energa
Productos
Bienes
Servicios
Participacin del Cliente
Informacin Rendimiento
Ambiente Externo
Investigacin de Operaciones como Funcin
Manufactura Mayoristas
Construccin Minoristas
Transporte Banca
Salud Gobierno
Tipos de Organizacin
Funciones
Administracin
Finanzas
Marketing
Operacioness
RRHH
Ingeniera
Areas de Habilidades
Mtodos cuantitativos
Comportamiento Organizacional
Sistemas de Informacin
Economa
Negocios Internacionales
Etica y Derecho en Negocios
Manufacturas y Servicios: diferencias
1. Producto Fsico, Durable
2. La produccin se puede
inventariar
3. Poco contacto con el Cliente
4. Tiempo de respuesta largo
5. Mercados regionales, nacionales
o internacionales
6. Instalaciones grandes
7. Intensivo en Capital
8. Calidad fcil de medir
1. Producto intangible, perecedero
2. La produccin no se puede
inventariar
3. Alto contacto con el cliente
4. Tiempos de respuesta cortos
5. Mercados locales (en la gran
mayora)
6. Instalaciones pequeas (en la
gran mayora)
7. Intensivo en trabajo
8. No es fcil medir la calidad
Organizacin Manufactura Organizacin de Servicios
Ambos tipos de organizaciones proveen una
combinacin de bienes y servicios
Se mantiene stock de insumos
Todos los miembros de una organizacin tienen
clientes: internos o externos
Sus procesos deben ser diseados y administrados
con eficacia
Las organizaciones deben mejorar continuamente
la calidad, la productividad y la respuesta puntual.
Manufacturas y Servicios: semejanzas
Para que la evaluacin sea
justa todos armarn
individualmente el balance
del ao anterior
Productividad
Funcin Operaciones como arma competitiva
Alineamiento de Operaciones a la Estrategia Empresarial
Desarrollo de Habilidades Diferenciales como aporte a la estrategia
Sistema de decisiones como arma competitiva: potenciando habilidades y
capacidades, Administracin de
procesos y su tecnologa
recursos
capacidades y caractersticas de los mbitos de trabajo
niveles de stock en toda la cadena de abastecimiento
proyectos de diferenciacin
calidad / servicio
tiempos de respuesta
sistema de informacin y medicin
Estrategia corporativa y de reas funcionales
Entorno
socio
econmico
y de
negocios
Anlisis
de mercado
-segmentacin
-evaluacin
Direcciones
Futuras
estrategia
mundial
pro/ser
nuevos
Prioridades
Competitivas
costo
calidad
tiempo
flexibilidad
Estrategia
Corporativa
misin
metas
competencias
distintivas
Estrategia
Areas
Funcionales
finanzas
marketing
operaciones
otras
Capacidades: actuales,
necesarias y futuras
Estrategia Corporativa
Anlisis de Mercado
Prioridades competitivas
Costo
Operaciones a bajo costo
Calidad
Diseo de alto rendimiento
Calidad consistente
Tiempo
Entrega rpida
Entrega a tiempo
Velocidad de desarrollo
Flexibilidad
Personalizacin
Flexibilidad de volumen
Conclusiones
Una estrategia de operaciones basada en el cliente requiere
que las necesidades del mercado se traduzcan en capacidades
deseables para la funcin operaciones, conocidas como
prioridades competitivas
La gerencia deber decidir en qu dimensiones deber
sobresalir el sistema de operaciones de la empresa
En la competencia basada en el tiempo, los gerentes tratan de
ahorrar tiempo en los diversos pasos que conducen a la entrega
del producto
Programacin Lineal
Introduccin
La Programacin Lineal es una herramienta muy poderosa para la
aplicacin y disposicin de recursos escasos de una manera
adecuada y ptima.
En la actualidad los recursos necesarios para llevar a cabo una
operacin son escasos y tienden a subir de precio.
La Programacin Lineal permite la asignacin de estos recursos
de una forma efectiva utilizando aqullos que son indispensables
y al mximo.
Tipos de Programacin
Los 5 tipos de problemas de PL en la Administracin de la
Produccin ms usados son:
Mezcla de Productos
Mezcla de Ingredientes
Transporte
Plan de Produccin
Asignacin
Usos de PL
Identificacin de Problemas de Programacin
Lineal
El primer paso ser identificar que problemas son los
apropiados para soluciones de programacin lineal.
Es fundamental tener la capacidad de identificar los
problemas que tienen soluciones de programacin lineal.
Una vez que se pueda definir bien que es y que no es un
problema de programacin lineal, el siguiente paso ser
formular el problema correspondiente en un formato de
programacin lineal.
Existen 4 caractersticas principales de problemas de
programacin lineal en la administracin de la produccin y
de las operaciones:
Debe existir un objetivo nico bien definido.
Deben existir cursos de accin alternos.
El logro total del objetivo debe quedar restringido por
recursos escasos o por otras limitantes.
El objetivo y cada una de sus restricciones debern poder
ser expresados como funciones matemticas lineales.
...Identificacin de Problemas de Programacin Lineal
Mtodos para la Solucin de Problemas PL
En el ao 1947, George Dantzig desarrollo el mtodo
simplex de programacin lineal que fue el inicio del
desarrollo del campo actual de la programacin
matemtica.
El mtodo simplex, el de transporte y el de asignacin son
herramientas practicas para la solucin de los problemas
de programacin lineal.
Mtodo Grfico
El Mtodo Grfico permite
visualizar el impacto de las
restricciones propias de un
problema de PL en la
funcin objetivo y resolucin
del mismo.
Mtodo Grfico
Existen siete pasos a seguir en el mtodo grafico:
Formular las funciones objetivo y las restricciones.
Dibujar una grafica con una variable en el eje horizontal y otra
en el vertical.
Trazar cada una de las restricciones como si fuesen lneas
rectas.
Delinear el espacio de solucin factible.
Circular los puntos de solucin potencial.
Reemplazar cada uno de los valores de los puntos de solucin
potencial de las dos variables de decisin en la funcin objetivo
y determinar Z.
Seleccionar aquel punto de solucin que optimice Z( maximizar
ganancias o minimizar costos).
Mtodo Grfico
Ejemplo de Mtodo Grfico
Feedco, una empresa Lubbock, Texas, mezcla
mecnicamente alimentos para generar pasturas de bajo
costo para el ganado. Los ingredientes principales son avena
y maz. Los costos actuales de avena y de maz son de 10
centavos y 6 centavos de dlar por libra, respectivamente.
Feedco requiere de un mnimo de 5,000 unidades de
mineral, 8,000 caloras y 4,000 unidades de vitaminas diarios
por cada una de las cabezas de ganado. Cada libra de
avena y de maz suministra estas cantidades:
Alimento Unidades de
minerales por
libra
Caloras por
libra
Unidades de
vitaminas por
libra
Avena 200 200 100
Maz 100 300 200
Cuntas libras de avena y de maz debern darse
diariamente a cada res para minimizar los costos de pastura?
Ejemplo de Mtodo Grfico
Solucin:
Objetivo: Minimizacin de los costos incurridos en
pastura.
Variables de decisin: Feedco debe decidir cuntas libras de
avena y maz debern darse a cada res
X1 = libra de avena
X2 = libra de maz
Funciones de restriccin:
200 X1 + 100 X2 >= 5,000
200 X1 + 300 X2 >= 8,000
100 X1 + 200 X2 >= 4,000
Ejemplo de Mtodo Grfico
5 10 15 20 25 30 35 40 45 50
5
10
15
20
25
30
35
40
45
50
A
B
C
X1 (libra de avena)
X2 (libra de maz)
0
200 X1 + 100 X2 >= 5,000
200 X1 + 300 X2 >= 8,000
100 X1 + 200 X2 >= 4,000
Ejemplo de Mtodo Grfico
Grfico de las
restricciones
De acuerdo a la grfica, los puntos A, B y C son las soluciones
potenciales al problema.
Para saber cul de llos es el ptimo, reemplazamos valores en
la funcin objetivo: Min Z = 0.10 X1 + 0.06 X2
Ejemplo de Mtodo Grfico
PUNTO Z X1 X2
US$ Lb Maz Lb Avena
A 3.00 0.0 50.0
B 2.65 17.5 15.0
C 4.00 40.0 0.0
Conclusin:
Feedco con 15 libras de avena y 17.5 libras de maz diarios,
minimizar costos de pastura a US$ 2.65 por da.
Mtodo Simplex
Es el mtodo analtico ampliamente utilizado para solucionar
problemas de programacin lineal.
El Mtodo Simplex fue desarrollado por George Dantzig en
1947.
Este cambia las restricciones o desigualdades en ecuaciones de
problemas PL, y soluciona el problema con la manipulacin de
matrices.
La solucin encontrada del problema alterado es de una
dimensin mayor que el original, pero es relativamente sencillo
mediante el estudio de matrices.
Mtodo Simplex...
Existen diferentes software disponibles en la actualidad para poder
resolver los problemas a travs de este mtodo.
Entre los ms importantes tenemos:
Optimization Solutions and Library de IBM,
Lindo,
POM Computer Library.
TORA
WINQSB
SOLVER de MS Excel
...Mtodo Simplex
Problema de enlatados de tomate,
Una compaa tiene un contrato para recibir 60000 libras de
tomates maduros a 0.7$/lb de las cuales producir jugo de
tomate y pur de tomate enlatados. Los productos enlatados se
empacan en cajas de 24 latas cada una. Una lata de jugo
requiere 1 lb de tomates frescos en tanto que una de pur
requiere solo de 1/3 de lb. La participacin de la compaa en
el mercado esta limitada a 2000 cajas de jugo y 6000 cajas de
pur. Los precios al mayoreo por caja de jugo y de pur son
$18 y $9. Genere un programa de produccin para esta
compaa.
Reglas de decisin
Criterio de decisin Maximizar Minimizar
Gran M en la funcin
objetivo
- MX
j
+ MX
j
Variable que entra El coeficiente ms
negativo de la F.O.
El coeficiente ms positivo
de la F.O.
Variable que sale El valor menos positivo de
los b
j
/ a
ij
,
Siendo a
ij
> 0 , de lo
contrario no restringe a la
variable que entra
El valor menos positivo
de los b
j
/ aij ,
Siendo a
ij
> 0 , de lo
contrario no restringe a la
variable que entra
Solucin ptima Cuando todos los
C
j
> 0
Cuando todos los
C
j
< 0
Vamos a resolver el siguiente problema:
Maximizar Z = 1.2x
1
+ 3.4x
2
Sujeto a: 24x
1
+ 8x
2
60000
x
1
2000
x
2
6000
x
1
0 , x
2
0
Se consideran los siguientes pasos:
1. Convertir las desigualdades en igualdades:
Se introduce una variable de holgura por cada una de las
restricciones, este caso X
n+1
, X
n+2
, X
n+3
para convertirlas en
igualdades y formar el sistema de ecuaciones estndar. Usando
en simplex el siguiente criterio:
Signo: Introducir
x
n+1
FORMA ESTANDAR:
24x
1
+ 8x
2
+ x
3
60000
x
1
+ x
4
2000
x
2
+ x
5
6000
Igualar la funcin objetivo a cero y despues agregar la variables de
holgura del sistema anterior:
Z 1.2 x
1
3.4 x
2
= 0
Para este caso en particular la funcin objetivo ocupa la ultima fila
del tablero, pero de preferencia siempre se deber de colocar como
la primera fila.
Cuando minimizamos se toma el valor (+) positivo de F.O. para
convertirlo en negativo y cuando maximizamos tomamos el valor (-)
negativo de F.O. para convertirlo en positivo.
Paso 2:
En las columnas aparecern todas las variables del
problema y en las filas, los coeficientes de las
igualdades obtenidas, una fila para cada restriccin
representada por las variables de holgura y la primera
fila con los coeficientes de la funcin objetivo:
Paso 3: Escribir el tablero inicial simplex:
Tablero Inicial
Base
Variable de
decisin
Variable de holgura Solucin
X
1
X
2
X
3
X
4
X
5
B
j
Z -1.2 -3.4 0 0 0 0
X
3
24 8 1 0 0 60000
X
4
1 0 0 1 0 2000
X
5
0 1 0 0 1 6000
A. Para escoger la variable de decisin que entra en la base, observamos la
primera fila, la cual muestra los coeficientes de la funcin objetivo y
escogemos la variable con el coeficiente ms negativo.
En este caso, la variable X
1
de coeficiente 3.4 (columna pivote)
Si existiesen dos o ms coeficientes iguales que cumplan la condicin
anterior, entonces se elige cualquiera de ellos.
Si en la primera fila no existiese ningn coeficiente negativo, significa que
se ha alcanzado la solucin ptima.
Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo
del simplex, es que en la primera fila no haya elementos negativos.
Paso 4: Encontrar la variable de decisin que entra en la
base y la variable de holgura que sale de la base
B. Para encontrar la variable de holgura que tiene que salir de la base,
se divide cada trmino de la ltima columna (valores solucin) por el
trmino correspondiente de la columna pivote, siempre que estos
ltimos sean mayores que cero.
Si hubiese algn elemento menor o igual que cero no se hace dicho
cociente. En el caso de que todos los elementos fuesen menores o
iguales a cero, entonces tendramos una solucin no acotada y no se
puede seguir.
Paso 4: Encontrar la variable de decisin que entra en la
base y la variable de holgura que sale de la base
Iteracin N
o
. 1
Base
Variables de
decisin
Variables de holgura Solucin Operacin
X
1
X
2
X
3
X
4
X
5
B
j
Z -1.2 -3.4 0 0 0 0
X
3
24 8 1 0 0 60000
60000/8 =
7500
X
4
1 0 0 1 0 2000
No
restringe
X
5
0 1 0 0 1 6000
6000/1=
6000
Si al calcular los cocientes, dos o ms son iguales, indica
que cualquiera de las variables correspondientes pueden
salir de la base.
C. En la interseccin de la fila pivote y columna pivote
tenemos el elemento pivote operacional, 1, este indica que
la variable de decisin X
1
entra y la variable de holgura X
5
sale.
Paso 4: Encontrar la variable de decisin que entra en la
base y la variable de holgura que sale de la base
Resultado de Iteracin No. 1
Base
Variable de
decisin
Variable de holgura Solucin Operacin
X
1
X
2
X
3
X
4
X
5
B
j
Z -1.2 0 0 0 3.4 20400 1. F0 + F3(3.4)
X
3
24 0 1 0 -8 12000 2. F1 8 F3
X
4
1 0 0 1 0 2000
X
2
0 1 0 0 1 6000
Como en los elementos de la ltima fila hay un nmero negativo, -
1.2, significa que no hemos llegado todava a la solucin ptima.
Hay que repetir el proceso:
A. La variable que entra en la base es X
1
, pasa a ser la columna
pivote que corresponde al coeficiente -1.2
B. Para calcular la variable que sale o la fila pivote, dividimos los
trminos de la columna solucin entre los trminos de la nueva
columna pivote; y como el menor cociente positivo es 500,
tenemos que la fila pivote y la variable de holgura que sale es
X
3
.
Paso 4: Encontrar la variable de decisin que entra en la
base y la variable de holgura que sale de la base
Iteracin No. 2
Base
Variable de
decisin
Variable de holgura Solucin Operacin
X
1
X
2
X
3
X
4
X
5
B
j
Z 0 0 0.05 0 3 21000
F0+(1.2)F1
X
1
1 0 1/24 0 -1/3 500
X
4
0 0 -1/24 1 1/3 1500
F2-F1
X
2
0 1 0 0 1 6000
Como todos los coeficientes de la fila de la funcin
objetivo son positivos, hemos llegado a la solucin
ptima.
X
1
= 500
X
2
= 6000
La solucin ptima viene dada por el valor de Z en la
columna de los valores solucin, en nuestro caso:
21000.
Solucin final
Solucin con WinQSB
Definir el n de variables y el n de restricciones del
Programa Lineal.
Ingresamos los coeficientes del PL.
Luego la solucin
Solucin en WinQSB
Algunas Interpretaciones
El nmero de cajas de jugo de tomate a producir es
500.
El nmero de cajas de pur de tomate a producir es
6000
La utilidad mxima ser de 21000
No se satisface la demanda en su totalidad porque
solo produciremos 500 cajas de jugo de tomate.
Se utilizarn toda la materia prima disponible.
Por cada kg. adicional de tomate que se adquiera
para la produccin se ganar 0.05.
Etc.
Unidad II: Mtodo del Transporte
El mtodo de transporte busca
determinar un plan de transporte de
una mercanca de varias fuentes a
varios destinos.
Mtodo de transporte
Condiciones
Sistema integral
de transporte:
Atender con eficiencia toda la demanda
Coordinar adecuadamente los nodos de transporte
Establecer condiciones fsicas y disposiciones reglamentarias
Crear canales de informacin suficiente y oportunos
Favorecer el sistema de trasporte.
Integracin logstica
de Transporte
Condiciones
Confiabilidad
Oportunidad
Seguridad
Tiempo de entrega
Costo
Seguimiento de los embarques
Responsabilidad definida
Trato post servicio
Fue uno de los primeros mtodos utilizados en la programacin lineal. El
problema de transporte en la programacin lineal es una forma especial
donde el objetivo es minimizar costos de embarcar productos desde varias
fuentes a varios destinos.
Sus caractersticas son:
La cantidad de variables es m x n.
La cantidad de restricciones es m + n.
Los costos slo aparecen en la funcin objetivo.
Los coeficientes de las variables de decisin son 0 y 1.
Mtodo de transporte
Una empresa transporta fertilizante de dos plantas a tres clientes:
Planta A B C
1 15$ 30$ 20$
2 20$ 25$ 15$
Mtodo de transporte
Capacidad mensual de la planta #1: 1000 toneladas.
Capacidad mensual de la planta #2: 2000 toneladas.
La demanda mensual de los clientes: A=500 tn, B=1500 tn y C=1000 tn.
Cuanto fertilizante deber embarcarse cada mes para minimizar los
costos mensuales de transporte?
Mtodo de transporte
Definir objetivo: minimizar los costos de transporte mensuales.
Definir las variables de decision: hay mxn variables, es decir:
2x3= 6.
X1= tn de fertilizante embarcadas de 1 a A.
X2= tn de fertilizante embarcadas de 1 a B.
X3= tn de fertilizante embarcadas de 1 a C.
Mtodo de transporte
X4= tn de fertilizante embarcadas de 2 a A.
X5= tn de fertilizante embarcadas de 2 a B.
X6= tn de fertilizante embarcadas de 2 a C.
Escribir la funcin matemtica del objetivo:
Min Z = 15x1+30x2+20x3+20x4+25x5+15x6
Mtodo de transporte
Escribir las restricciones: m+n=5.
X1+x2+x3 <=1000
x4+x5+x6 <=2000
X1 +x4 >=500
x2 +x5 >=1500
x3 +x6 >=1000
Mtodo de transporte
Resultado de la PL:
Min Z = 15x1+30x2+20x3+20x4+25x5+15x6.
X1+x2+x3 <=1000
x4+x5+x6 <=2000
X1 +x4 >=500
x2 +x5 >=1500
x3 +x6 >=1000
Mtodo de transporte
Planta Nmero de mquinas
Liepzig ( 1 ) 400
Nancy ( 2 ) 900
Lieja ( 3 ) 200
Tilburgo ( 4 ) 500
Total 2000
Puerto Nmero de maquinas
msterdam ( A ) 500
Amberes ( B ) 700
El havre ( C ) 800
Total 2000
Amberes (B)
Nancy (2)
El havre (C)
Lieja (3)
Liepzig (1)
msterdam (A)
Tilburgo (4)
Mtodos para Encontrar la solucin
Mas factible
Ejemplo:
La compaa Sunray Transport enva camiones
cargados de grano destres tres silos a cuatro
molinos. La oferta y la demanda de camiones
cargados, junto con los costos de transporte se
muestran en la siguiente tabla y los costos de
transporte por unidad, son en cientos de dlares.
Mtodo de la esquina noroeste
El costo asociado del programa es:
Z = 5 * 10 + 10 * 2 + 5 * 7 + 15 * 9 + 5 * 20 + 10 * 18 = 520 dlares
1 2 3 4
1
2
3
10
12 20
20
9 7
11
4
2
18 16 14
5 10
5 15 5
10
Demanda 5 15 15 15
Oferta
15
25
10
METODO DEL COSTO MENOR
1 2 3 4
1
2
3
10
12 20
20
9 7
11
4
2
18 16 14
5
5 15 15 15
15
25
10
15
5
10
0
15
El valor objetivo asociado es:
Z = 15 * 2 + 0 * 11 + 15 * 9 + 10 * 20 + 5 * 4 + 5 * 18 = 475 dlares
Mtodo de aproximacin de Vogel
1 2 3 4
1
2
3
10
12 20
20
9 7
11
4
2
18 16 14
5
5 15 15 15
15
25
10
Rengln de
penalidades
10 2 = 8
72 = 5 104 =6
9 7 = 2
14 4 = 10
Columna de
penalidades
16-9=7 18-11=7
Se le asigna 5 al tercer rengln
debido a que tiene la penalizacin
mas grande.
15
Se le asigna la cantidad mxima
posible a 1.2 por tener la
penalidad mas alta.
El valor objetivo asociado para esta solucin es:
Z = 15 * 2 + 0 * 11 + 15 * 9 + 10 * 20 + 5 * 4 + 5 * 18 = 475 dlares
1 2 3 4
1
2
3
10
12 20
20
9 7
11
4
2
18 16 14
5
5 15 15 15
15
25
10
Rengln de
penalidades
9
2
2
0 5 7 7
Columna de
penalidades
15
5
10
0
15
Mtodo de Asignacin
Un problema de asignacin es un caso especial de un problema
de transporte.
Adicionalmente al de transporte tambin puede ser casos de
asignacin de tareas, y se tienen las siguientes caractersticas:
Los lados derechos de las restricciones son todos 1. (El caso
especial se presenta cuando puede asignarse ms de una tarea)
Los signos de las restricciones son = en lugar de ser s o >.
El valor de todas las variables de decisin es 0 o 1.
Mtodo de Asignacin
CASO
Integrated Products Co.
Caso Asignacin de Proyectos
El departamento de nuevos productos de IPC esta planeando el
desarrollo de nuevos Proyectos.
Ha seleccionado 5 proyectos de productos.
Dispone de 5 equipos de profesionales.
Costo estimado de que cada equipo termine cada proyecto, se
presenta en la tabla de costos equipo/proyecto.
Qu Proyectos deber asignarse a cada equipo para
Minimizar el costo total y el presupuesto de desarrollo de
nuevos productos para el prximo ano?
Equipo de desarrollo de nuevos proyectos
(Costo US$ 000)
Proyecto
1 2 3 4 5
A 152 120 165 139 169
B 49 65 55 50 60
C 65 55 60 45 65
D 75 85 69 81 79
E 120 122 125 136 119
Tabla de Costos Equipo/Proyecto
Formulacin del problema de PL
Identificacin del Mtodo de Solucin
El tipo de decisin que se requiere tomar para la solucin del
caso es de Asignacin de Equipos a Proyectos.
Objetivo
Minimizar el costo total y el presupuesto de desarrollo de nuevos
proyectos de ao que viene .
Variables de decisin
Existen 25 variables de decisin (m x n, m = nmero de
proyectos, n = nmero de equipos).
Equipo de desarrollo de nuevos proyectos
Proyecto
1 2 3 4 5
A X
1
X
6
X
11
X
16
X
21
B X
2
X
7
X
12
X
17
X
22
C X
3
X
8
X
13
X
18
X
23
D X
4
X
9
X
14
X
19
X
24
E X
5
X
10
X
15
X
20
X
25
Tabla de Variables de Decisin
Ingresando al WinQSB
Se debe especificar los Orgenes (Objetos) y los Destinos
(Asignaciones)
Edicin en WinQSB
Solucin Final
Equipo de desarrollo de nuevos proyectos
Proyecto
1 2 3 4 5
A X
6
B X
2
C X
18
D X
14
E X
25
Tabla de solucin de asignacin
Ajuste del caso
De qu manera cambiara la solucin si un anlisis posterior resultara
en un incremento en el costo de desarrollo del Proyecto C por el
equipo 2, de 55,000 a 66,000 dlares? Con esta nueva informacin, a
qu equipos se asignaran los proyectos?
Antes: X
8
Costo del proyecto C por el equipo 2 = US$ 55,000
Ahora: X
8
Costo del proyecto C por el equipo 2 = US$ 66,000
Equipo de desarrollo de nuevos proyectos
(Costo US$ 000)
Proyecto
1 2 3 4 5
A 152 120 165 139 169
B 49 65 55 50 60
C 65
66
60 45 65
D 75 85 69 81 79
E 120 122 125 136 119
Tabla de Costos Equipo/Proyecto
Cambiando 55 por 66 en WinQSB
Solucin en WinQSB
Equipo de desarrollo de nuevos proyectos
Proyecto
1 2 3 4 5
A X
6
B X
2
C X
18
D X
14
E X
25
Nueva tabla de asignacin
Precaucin en el Cambio de Matriz de
Costos Proyecto Equipos
La variacin del costo de uno de los proyectos para un equipo, no
deber ser evaluado de manera aislada, por cuanto lo que se busca es
la optimizacin en la asignacin de los proyectos a cada uno de los
equipos de manera integral.
En vista que nos encontramos en un problema de Minimizacin, y an
cuando a priori se podra pensar que el incremento del costo (de
US$55,000 a US$ 66,000), no afectara la asignacin de proyectos,
se deber confirmar lo dicho a travs de una nueva corrida del
modelo.
Formulacin del problema de PL (Cont.)
Funcin Matemtica Objetivo
Mn Z: 152X
1
+49X
2
+65X
3
+75X
4
+120X
5
+120X
6
+65X
7
+55X
8
+85X
9
+122X
10
+165X
11
+55X
12
+60X
13
+69X
14
+125X
15
+139X
16
+50X
17
+45X
18
+81X
19
+136X
20
+169X
21
+60X
22
+65X
23
+79X
24
+119X
25
Restricciones
Caractersticas de las restricciones:
Los lados derechos de las restricciones son todos 1.
Los signos de las restricciones son = (en lugar de >= <=).
El valor de todas las variables de decisin es 0 1.
Existen 10 restricciones, (m + n, m = nmero de proyectos y n = nmero
de equipos).
Tabla de Restricciones
Restriccin
1 X
1
+X
2
+X
3
+X
4
+X
5
= 1
2 X
6
+X
7
+X
8
+X
9
+X
10
= 1
3 X
11
+X
12
+X
13
+X
14
+X
15
= 1
4 X
16
+X
17
+X
18
+X
19
+X
20
= 1
5 X
21
+X
22
+X
23
+X
24
+X
25
= 1
6 X
1
+X
6
+X
11
+X
16
+X
21
= 1
7 X
2
+X
7
+X
12
+X
17
+X
22
= 1
8 X
3
+X
8
+X
13
+X
18
+X
23
= 1
9 X
4
+X
9
+X
14
+X
19
+X
24
= 1
10 X
5
+X
10
+X
15
+X
20
+X
25
= 1
En WinQSB - PL
Solucin en WinQSb
Importante
Cuando se tiene ms de una asignacin por realizar
no se puede usar el mtodo hngaro. Por lo tanto se
debe resolver por el mtodo de Programacin
Lineal.
Unidad III: Administracin de Proyectos
Objetivos
Identificar los factores de xito de la administracin de
proyectos
Determinar circunstancias donde es apropiado aplicar la
administracin de proyectos
Representar graficamente una red de actividades
Identificar la secuencia de actividades crticas de un proyecto
Determinar el programa apropiado para que el proyecto se
lleve a cabo con un costo mnimo
Definiciones Preliminares
PROYECTO:
es un esfuerzo temporal, llevado a cabo
para lograr un producto o servicio objetivo,
con un conjunto de actividades.
temporal: principio y fin definidos
Se ha usado ampliamente para una variedad de proyectos,
por ejemplo:
1. Construccin de una nueva planta.
2. Investigacin y desarrollo de nuevos productos.
3. Proyectos de exploracin espacial de la NASA
4. Produccin de pelculas.
5. Construccin de un barco.
6. Proyectos patrocinados por el gobierno.
7. Reubicacin de una planta principal.
8. Mantenimiento de un reactor nuclear.
9. Instalacin de un sistema de informacin administrativa.
10. Conduccin de una campaa publicitaria.
11. Ejecucin de auditoras
Definiciones Preliminares
ADMINISTRACION DE PROYECTOS - PROJECT MANAGEMENT
es el conjunto de :
conocimientos,
habilidades,
herramientas y
tcnicas;
aplicadas a las actividades a realizar, para satisfacer los
requerimientos del Proyecto
Definiciones Preliminares
STAKEHOLDER
personas u organizaciones activamente
comprometidas en el proyecto o cuyos intereses
puedan ser afectados como resultado de la
ejecucin o finalizacin del Proyecto.
Uso de Recursos / Costos
Tiempo
Concepcin
Desarrollo
Implementacin
Cierre
Ciclo de vida de Proyectos
Establecer objetivos
Investigar
Estudiar alternativas
Establecer criterios
Estimar programa
Desarrollar Presupuesto
Preliminar
Aprobacin
FASE I
Concepcin
Ciclo de vida de Proyectos
Plan de Recursos
Personal
Materiales
Equipos
Fondos
Plan General
Alcance
Tiempos
Costos
Especificaciones
Riesgos
FASE II
Desarrollo
Ciclo de vida de Proyectos
Organizacin
Comunicacin
Liderazgo del Proyecto
Motivacin
Tomar decisiones
Resolver problemas
Monitoreo
Accin Correctiva
FASE III
Implementacin
Ciclo de vida de Proyectos
Negociar desactivacin
Reduccin progresiva-equipos proyecto
Evaluacin Final
Lecciones aprendidas
FASE IV
Cierre
Ciclo de vida de Proyectos
Etapas
Recursos del Proyecto
Personas
Informacin y
Tecnologa
Recursos
Resultados / Tecnologa
Fuente: Harold Kezner
Factores crticos en la Administracin de Proyectos
Sistema
de
Administracin
Equipo
de Proyecto
Gerente
de Proyecto
El Gerente de Proyecto - Responsabilidades
Responsabilidades
integrar los esfuerzos de las personas provenientes de la distintas
reas de la organizacin
para alcanzar los objetivos del proyecto
definir la metodologa de trabajo
proveer recursos
asegurar contrataciones adecuadas
evaluar progresos
establecer medidas correctivas
El Gerente de Proyecto - Responsabilidades
Competencias
Liderazgo
Comunicacin
Coordinacin
Motivacin
Negociacin
Capacitacin
Equipo de Proyecto
Grupo de personas lideradas por el Gerente de Proyecto
representan generalmente reas funcionales u organizaciones
desempean roles especficos
su nmero suele variar durante el avance del proyecto
al final del proyecto son asignadas a un nuevo emprendimiento
o retornan a sus reas u organizaciones
Sistema de Administracin de Proyectos
Sistema de Informacin
Estructura Organizacional
Director
Ejecutivo
Gerente
Funcional
Gerente
Funcional
Gerente
Funcional
Coordinacin
de Proyectos
ORGANIZACION FUNCIONAL
Personal afectado a Proyectos
Sistema de Administracin de Proyectos
Director
Ejecutivo
Project
Manager
Project
Manager
Project
Manager
Coordinacin
de Proyectos
ORGANIZACION POR PROYECTOS
Personal afectado a Proyectos
Sistema de Administracin de Proyectos
Director
Ejecutivo
Gerente
Funcional
Gerente
Funcional
Gerente
Funcional
Gerente de
Project
Managers
Project Manager
Project Manager
Project Manager
Coordinacin
del Proyecto A
ORGANIZACION MIXTA
Personal afectado a Proyectos
Coordinacin
Proyecto B
Estructura de Matriz
Sistema de Administracin de Proyectos
Sistema de Administracin de Proyectos
Sistema de Informacin
proporciona los medios para la planificacin
integradora y el control del proyecto
provee una base de informacin de
desempeo
el uso de recursos
los costos incurridos
interrelaciones
tiempos y costos proyectados para la terminacin
del proyecto
Sistema de Administracin de Proyectos
Condiciones que destacan su importancia
Esfuerzo de magnitud
Necesidad de coordinacin
Incorporacin de conocimientos y competencias
Necesidad de flexibilidad para responder a cambios
Independencia de las reas funcionales
Importancia crucial del xito del Proyecto
Subsistema
Plan del Proyecto
El Diseo de la Red y sus actividades
Mtodos de Planificacin de Red
Consideran al Proyecto como un conjunto de
actividades relacionadas entre s que pueden
representarse por un diagrama de red formado por
nodos y arcos que representan las relaciones .
PERT (Program Evaluation and Review Technique)
Creada en la dcada del 50
Proyecto del misil Polaris de la Marina de Guerra de EEUU
Participaron alrededor de 3000 proveedores y contratistas
CPM (Critical Path Method)
Creada en la dcada del 50
Desarrollada por Remington Rand y Du Pont
para la programacin de operaciones de
mantenimiento durante la suspensin de
actividades
Identifican y organizan las actividades
Proporcionan una base de discusin
Permite estimar el tiempo de finalizacin de los proyectos y
sus interrelaciones
Se ponen de relieve actividades que pueden retrasarse sin
afectar la finalizacin del proyecto permitiendo liberar
recursos para otras actividades
Permite analizar las consecuencias de cambios en tiempos
y costos
Ventajas de los mtodos
Pasos en la Administracin de Proyectos
1. descripcin del proyecto
2. elaboracin del diagrama de red
3. estimacin del tiempo de terminacin
4. monitoreo de los progresos del proyecto
1.- Descripcin del Proyecto
Punto final: producto / servicio
Descripcin de todos los aspectos que lo componen
Actividades y relaciones de precedencia
Actividad: unidad ms pequea de esfuerzo y trabajo que
consume tiempo y recursos y que puede programarse y
controlarse
Precedencia: secuencia de actividades
2.- Elaboracin del diagrama de red
Red de actividades en arcos (AOA)
Actividades = arcos
Nodos = eventos
1
2
3 4
S
T
U
S y T debern completarse
antes de que se inicie U
2.- Elaboracin del diagrama de red
Red de actividades en nodos (AON)
Enfoque orientado a actividades
S
T
U
S y T debern completarse
antes de que se inicie U
Tiempos del proyecto
Traslado de Hospital
Actividad Descripcin Predecesor
A Seleccionar personal administrativo y mdico
B Seleccionar lugar y realizar un estudio del mismo
C Seleccionar el equipo A
D Preparar los planos y la distribucin fsica para B
la construccin definitiva
E Llevar los servicios pblicos al predio B
F Entrevistar solicitantes e incorporar personal de
enfermera, ayudantes, mantenimiento y seguridad A
G Comprar equipo y supervisar la entrega del mismo C
H Construir el hospital D
I Desarrollar un sistema de informacin A
J Instalar el equipo E,G,H,
K Capacitar al personal de enfermera y ayudantes F,I,J
Actividad en los nodos
12 C 22
14 10 24
Actividad
Duracin de la actividad
dE
Red AON para el proyecto del Hospital
I
15
A F K
12 10 6
C G
INICIO 10 35 FIN
B D H
9 10 40
E J
24 4
3. Estimacin de tiempos de terminacin
Fecha temprana de comienzo Ftc
es el tiempo de terminacin ms prximo de la actividad
que la precede en forma inmediata
cuando la preceden varias actividades FtC es el mayor de
los tiempos
Fecha temprana de finalizacin Ftf
es la fecha temprana de inicio, ms su duracin esperada
dE
Ftf = Ftc + dE
Nodos Fechas tempranas
12 C 22
14 10 24
Actividad
Duracin de la actividad
dE
Fecha temprana
de comienzo
Ftc
Fecha temprana
de finalizacin
Ftf
Rutas A-I , A - F
12 I 27
15
0 A 12 12 F 22 K
12 10 6
C G
INICIO 10 35 FIN
B D H
9 10 40
E J
24 4
Ruta A C G
12 I 27
15
0 A 12 12 F 22 K
12 10 6
12 C 22 22 G 57
INICIO 10 35 FIN
B D H
9 10 40
E J
24 4
Rutas B D H , B E - J
12 I 27
15
0 A 12 12 F 22 K
12 10 6
12 C 22 22 G 57
INICIO 10 35 FIN
0 B 9 9 D 19 19 H 59
9 10 40
9 E 33 J
24 4
Llegada al nodo J
12 I 27
15
0 A 12 12 F 22 K
12 10 6
12 C 22 22 G 57
INICIO 10 35 FIN
0 B 9 9 D 19 19 H 59
9 10 40
9 E 33 59 J
24 4
Llegada al nodo K
12 I 27
15
0 A 12 12 F 22 63 K 69
12 10 6
12 C 22 22 G 57
INICIO 10 35 FIN
0 B 9 9 D 19 19 H 59
9 10 40
9 E 33 59 J 63
24 4
12 I 27
15
0 A 12 12 F 22 63 K 69
12 10 6
12 C 22 22 G 57
INICIO 10 35 FIN
0 B 9 9 D 19 19 H 59
9 10 40
9 E 33 59 J 63
24 4
Camino Crtico: secuencia de actividades, entre comienzo y
final, que requiere ms tiempo
Estimacin de tiempos de terminacin
Fecha Tarda de Finalizacin FTF
es igual al tiempo de inicio ms lejano de la actividad que la sigue
en la secuencia en forma inmediata.
Si existen ms de una actividad que la siguen en forma inmediata
la FTF ser el ms prximo de los tiempos de inicio ms lejanos
de esas actividades
Fecha Tarda de Comienzo FTC
es igual al tiempo de terminacin ms lejano menos la duracin
esperada de la tarea
FTC = FTF dE
Representacin completa del nodo
12 C 22
14 10 24
Actividad
Duracin de la actividad
dE
Fecha temprana
de comienzo
Ftc
Fecha temprana
de finalizacin
Ftf
Fecha Tarda
de Comienzo
FTC
Fecha Tarda
de Finalizacin
FTF
12 I 27
48 15 63
0 A 12 12 F 22 63 K 69
12 53 10 63 63 6 69
12 C 22 22 G 57
INICIO 14 10 24 24 35 59 FIN
0 B 9 9 D 19 19 H 59
9 10 40
9 E 33 59 J 63
24 59 4 63
Llegada al nodo A
12 I 27
48 15 63
0 A 12 12 F 22 63 K 69
2 12 14 53 10 63 63 6 69
12 C 22 22 G 57
INICIO 14 10 24 24 35 59 FIN
0 B 9 9 D 19 19 H 59
9 10 40
9 E 33 59 J 63
24 59 4 63
Llegada al nodo B
12 I 27
48 15 63
0 A 12 12 F 22 63 K 69
2 12 14 53 10 63 63 6 69
12 C 22 22 G 57
INICIO 14 10 24 24 35 59 FIN
0 B 9 9 D 19 19 H 59
0 9 9 9 10 19 19 40 59
9 E 33 59 J 63
35 24 59 59 4 63
Traslado Hospital y el Diagrama de Gantt
I d Nombre de tarea Duracin
1 Seleccionar personal adm. y mdico 12 das
2 Seleccionar lugar y realizar estudio 9 das
3 Seleccionar el equipo 10 das
4 Preparar planos y distribucin 10 das
5 Llevar los servicios pblicos al predio 24 das
6 Entrevistar solicitantes e incorporar 10 das
7 Comprar equipo y supervisar entrega 35 das
8 Construir el hospital 40 das
9 Desarrollar un sistema de inf ormacin 15 das
10 Instalar el equipo 4 das
11 Capacitar al personal de enfermera y ayudantes 6 das
30/09 07/10 14/10 21/10 28/10 04/11 11/11 18/11 25/11 02/12 09/12 16/12 23/12 30/12 06/01 13/01
septiembre octubre noviembre diciembre enero
Holgura
La holgura de una actividad (H) es la mxima
cantidad de tiempo que una actividad puede
retrasarse sin afectar la duracin total del proyecto
Se puede calcular de dos modos
H = FTF Ftf
H = FTC - Ftc
Clculo de Holguras
Nodo Duracin Ftc FTC Holgura
A 12 0 2 2
B 9 0 0 0
C 10 12 14 2
D 10 9 9 0
E 24 9 35 26
F 10 12 53 41
G 35 22 24 2
H 40 19 19 0
I 15 12 48 36
J 4 59 59 0
K 6 63 63 0
4.- Monitoreo de los avances del Proyecto
Supuestos
Duracin real de A 16 en vez de 12 (4 sem +)
Duracin real de B 10 en vez de 9 (1 sem +)
Nodo Duracin Ftc FTC Holgura
C 10 16 14 -2
G 35 26 24 -2
J 4 61 59 -2
K 6 65 63 -2
D 10 10 9 -1
H 40 20 19 -1
E 24 10 35 25
I 15 16 48 32
F 10 16 53 37
Para terminar en la semana 69, el gerente de proyectos tendr que
ahorrar dos semanas en C-G-J-K , una de las dos semanas tendr
que ser en D-H
Si consigue ese ahorro habr dos caminos crticos: C-G-J-K Y D-H-
J-K
4.- Monitoreo de los avances del Proyecto
Estimaciones probabilsticas de Tiempo
Introduccin de factores de incertidumbre
1. El tiempo optimista (a) es el ms corto en el cual puede
llevarse a cabo la actividad si todo resulta excepcionalmente
bien
2. El tiempo ms probable (m) es el tiempo que
probablemente se requerir para realizar la actividad
3. El tiempo pesimista (b) es el tiempo estimado ms largo
que se requerir para la realizacin de la tarea
Distribucin de probabilidades
En las tcnicas PERT/CPM, el tiempo de cada actividad se
considera como una variable aleatoria derivada de una
distribucin de probabildad beta
a m b
media
Supuestos
Es posible estimar con precisin a,m, y b.
Se considera que las magnitudes definen un rango de tiempo
razonable, negociado entre el gerente y quienes estarn a
cargo de las actividades
Se supone que la desviacin estndar es igual a un sexto de la
diferencia entre b-a: por lo tanto la probabilidad de que los
tiempos queden por encima de b o debajo de a, son remotas
Clculo
La media se calcula ponderando
La varianza para cada actividad
6
4 b m a
t
e
+ +
=
)
6
(
2
2
a b
=
o
Anlisis de probabilidades
Actividades variables independientes
Tiempo esperado de terminacin de todo el proyecto
Te= tiempos en la ruta crtica
Varianza en la ruta
Probabilidad de terminacin en una fecha
determinada
)
6
(
2
2
a b
=
o
(Varianzas en la ruta crtica)
o
2
Te T
z

= Tabla distribucin
Normal
Anlisis de los Costos en la Programacin de los
Proyectos
Sea:
Dn: duracin en condiciones normales
Cn: costo en condiciones normales
Dc: duracin mnima, acelerando la actividad.
Cc: costo de la actividad acelerada (por aumento de recursos)
Costo
Duracin
Dn
Cc
Cn
Dc
Duracin
Dn
Cc
Cn
Dc
lineal
No lineal
Costo
Relacin duracin - costo de actividad (a)
Duracin
Dn
Cc
Cn
Dc
Aproximacin lineal
de las sub-actividades
Costo
Relacin duracin - costo de actividad (b)
1
Determine los costos directos e indirectos
para cada programa
Elija el programa acelerado de costo mnimo
Costo Total
Costo Indirecto
Costo Directo
Tiempo
Costo
Metodologa del calculo de costos al acelerar el
proyecto (b)
2
4 3
1
5
[10]
[2]
[5]
[8]
[3]
[4]
Ruta Crtica:
(1,2)-(2,5)
10
0
8
4
18
8
1
5
1
8
1
0
0
HL=0
HL=0
HL=1
HL=5
Metodologa del calculo de costos al acelerar el
proyecto: ejemplo (a)
Relaciones Costo - Tiempo:
Ratio c/t = Cc - Cn
Dn - Dc
Costo
Duracin
Dn
Cc
Cn
Dc
lineal
Metodologa del calculo de costos al acelerar el
proyecto: ejemplo (b)
Actividad Pendiente
Duracin, Dn Costo, Cn Duracin, Dc Costo, Cc Relacin costo/tiempo
(1,2) 8 100 6 200 50
(1,3) 4 150 2 350 100
(2,4) 2 50 1 90 40
(2,5) 10 100 5 400 60
(3,4) 5 100 1 200 25
(4,5) 3 80 1 100 10
18 580
Condicin Normal Condicin acelerada
Costo total Duracin Actual
Actividad crtica
Actividad crtica de menor pendiente (1,2)
Metodologa del calculo de costos al acelerar el
proyecto: ejemplo (c)
ACTIVIDAD REDUCCION VAR COSTO COSTO TOTAL DIAS
580 18
(1,2) 1 50 630 17
(1,2) 1 50 680 16
(2,5) 4 240 920 12
(2,5), (4,5) 1 70 990 11
0
200
400
600
800
1000
1200
8 10 12 14 16 18 20
C
O
S
T
O
S

D
I
R
E
C
T
O
S
DURACION DEL PROYECTO
ANALISIS DE ACELERACION
COSTO TOTAL
NIVEL NORMAL
NIVEL ACELERADO
Metodologa del calculo de costos al acelerar el
proyecto: ejemplo (m)
Consideraciones sobre costos
Tiempo Normal TN: el necesario para completar la actividad en
tiempos normales
Costo Normal CN: el relacionado con el tiempo normal
Tiempo Intensivo TI: tiempo ms corto posible
Costo Intensivo CI: relacionado con el tiempo intensivo
Suponiendo una relacin lineal entre tiempos y costos, el costo
de intensificacin para acortar una semana
Costo de intensificacin por semana= CI CN / TN - TI
Relaciones entre costos y tiempo
8000
7000
6000
5000
4000
3000
2000
0
5 6 7 8 9 10
Tiempo Intensivo Tiempo Normal
C
o
s
t
o

d
i
r
e
c
t
o

(
p
e
s
o
s
)
Costo Intensivo
Suposicin de costo lineal
Costo Normal
Costo de reducir
el tiempo dos semanas
Programa de costo mnimo
Se determina el camino crtico
Se identifican las actividades que tengan el costo de
intensificacin ms bajo por semana
Se reducen los tiempos hasta que no sea posible reducirlo
ms, otra ruta se convierta en crtica o el aumento de costos
directos sea mayor que los ahorros resultantes del
acortamientos
Software de proyectos
Capacidades
Diagramas Gantt
Diagramas PERT/CPM
Informes de estado
Informes de rastreo
Mltiples proyectos
Productos
Microsoft Project
WinQSB
POM
Conclusiones
Solamente mediante la administracin de Proyectos
se puede garantizar
la coordinacin de diferentes actividades
la disponibilidad oportuna de los recursos
lograr los resultados del Proyecto
en los tiempos programados
a los costos presupuestados
y la satisfaccin de los clientes del Proyecto
Unidad IV: Pronsticos
El problema con nuestro tiempos es que el futuro no es
lo que era antes.
Me interesa el futuro porque voy ha pasar el resto de
mi vida ah.
Pensamientos
Arte y ciencia de
predecir
acontecimientos
futuros.
Base de todas las
decisiones
empresariales:
Produccin.
Inventario.
Personal.
Instalaciones.
Qu es un pronstico?
Seleccin de la tcnica adecuada
La mejor tcnica es aquella que:
Facilite la toma de decisiones en el momento adecuado
Que sea entendida por el que toma las decisiones
Pase un anlisis costo-beneficio
Cumpla con las restricciones del sistema: tiempo disponible,
datos, disponibilidad de cmputo.
Cumpla con los criterios de: precisin, estabilidad, objetividad
Importante
Para hacer un buen pronstico, se necesita hacer dos
cosas:
Seleccionar la tcnica de pronostico adecuada.
Obtencin de datos.
Se emplean cuando la situacin
es estable y existen datos
histricos:
Productos existentes.
Tecnologa actual.
Requieren tcnicas matemticas:
Por ejemplo, el pronstico
de las ventas de
televisiones a color.
Mtodos cuantitativos
Se emplean cuando la situacin
no es clara y hay pocos datos:
Productos nuevos.
Nueva tecnologa.
Requieren intuicin y experiencia:
Por ejemplo, el pronstico
de las ventas a travs de
Internet.
Mtodos cualitativos
Mtodos de Pronsticos
Jurado de opinin ejecutiva:
Se agrupan las opiniones de un grupo de expertos de alto
nivel o de directivos, a menudo en combinacin con
modelos estadsticos.
Proposicin de personal comercial:
Las estimacin de las ventas esperadas por los
vendedores se revisan para ver si se pueden llevar a
cabo y luego se obtiene una previsin global.
Mtodo Delphi:
Proceso de grupo que permite a los expertos realizar las
previsiones.
Estudio de mercado del consumidor:
Requiere informacin de los clientes.
Mtodos Cualitativos
Requiere un pequeo grupo de directivos:
El grupo establece una estimacin conjunta de la demanda.
Combina la experiencia directiva con modelos estadsticos.
Es bastante rpido.
Desventaja del pensamiento en grupo.
1995 Corel Corp.
Jurado de Opinin Ejecutiva
Cada vendedor estima las
ventas que har.
Se combinan con las
previsiones a niveles de
distritos y con las nacionales.
El representante de ventas
conoce las necesidades de los
consumidores.
Tiende a ser bastante
optimista.
Proposicin de personal comercial
Ventas
1995 Corel Corp.
Proceso de grupo
iterativo.
3 tipos de participantes:
Los que toman decisiones.
El personal de plantilla.
Los que responden.
Reduce el pensamiento
en grupo.
Mtodo Delphi
Los que responden
Personal
de plantilla
(Ventas?)
(Qu ventas
habr?
cuestionarios)
(Habr 45, 50, 55 ventas)
(Habr 50
ventas)
Preguntar a los
consumidores sobre
sus futuros planes de
compra.
Lo que dicen los
consumidores y lo
que luego hacen
suele diferir.
A veces es difcil
contestar a las
preguntas del estudio.
Cuntas horas utilizar
Internet la prxima semana?
1995 Corel
Corp.
Estudio de Mercado
Pronsticos
cuantitativos
Regresin
lineal
Modelos
causales
Suavizacin
exponencial
Promedio
mvil
Modelos de series
de tiempo
Proyeccin
de tendencia
Mtodos Cuantitativos
Pronsticos cuantitativos
Para los pronsticos cuantitativos, existen dos
categoras de modelos:
Serie de tiempos (estadsticos)
Explicativo (determinsticos causales)
Serie de tiempos (estadsticos)
Supone siempre que algn patrn o combinacin de patrones es
recurrente a travs del tiempo.
Existen dos enfoques:
Supone que los datos se pueden descomponer en
componentes como: tendencia, ciclo, estacionalidad y
irregularidad.
Se basan en conceptos estadsticos y no se supone que los
datos estn representados por componentes separados.
Est modelo no es til para el administrador al pronosticar el
impacto de ciertas decisiones que pueda tomar.
PROCESO
GENERADOR
INSUMOS
PRODUCTO
SISTEMA
Estos tipos de pronsticos consideran al sistema como
una caja negra y no intentan descubrir los factores que
afectan su comportamiento.
Serie de tiempos (estadsticos)
Comprenden la identificacin y determinacin de relaciones
entre la variable por pronosticar y otras variables de influencia.
Generalmente se usa para modelos con variables diferentes
del tiempo.
Est modelo es til para el administrador porque puede
desarrollar una gama de predicciones que correspondan a un
espectro de valores para las diferentes variables de los
insumos.
Una desventaja, es que se requiere informacin de varias
variables , adems de la variable que est siendo
pronosticada.
Explicativo (causales)
RELACIN ENTRE
DOS O MS
FACTORES
INSUMOS
PRODUCTO
SISTEMA
Estos tipos de pronsticos consideran que cualquier
variacin de los insumos afectar los productos del
sistema de manera predecible, suponiendo que la
relacin es constante.
Explicativo (causales)
Es una secuencia de datos uniformemente
espaciada:
Se obtiene observando las variables en periodos de
tiempo regulares.
Se trata de una previsin basada en los datos
pasados:
Supone que los factores que han influido en el pasado lo
sigan haciendo en el futuro.
Ejemplo:
Ao: 1993 1994 1995 1996 1997
Ventas: 78,7 63,5 89,7 93,2 92,1
Series de Tiempo
Primer
ao
Segundo
ao
Tercer
ao
Cuarto
ao
Picos estacionales
D
e
m
a
n
d
a

d
e
l

p
r
o
d
u
c
t
o

o

s
e
r
v
i
c
i
o
Lnea de tendencia
Lnea de
demanda
actual
Variacin
aleatoria
Componentes de Series de Tiempo
Pronsticos
cuantitativos
Regresin
lineal
Modelos
causales
Suavizacin
exponencial
Promedio
mvil
Modelos de series
de tiempo
Proyeccin
de tendencia
Mtodos Cuantitativos
Los promedios mviles son una serie de operaciones aritmticas.
Se utilizan si no hay tendencia o si sta es escasa.
Se suelen utilizar para la suavizacin:
Proporciona una impresin general de los datos a lo largo del
tiempo.
=
Promedio
Mvil
n
n

demanda de periodos previos

Promedios Mviles
Semana Demanda
1 650
2 678
3 720
4 785
5 859
6 920
7 850
8 758
9 892
10 920
11 789
12 844
n
Y + ... + Y + Y + Y
= F
n - t 2 - t 1 - t t
1 t +
Desarrollemos un pronstico de
promedio mvil de 3 semanas y 6
semanas.
Asumir que slo se dispone de 3
semanas o 6 semanas de datos.
Promedio Mvil Simple
Ejemplo 1
Semana Demanda 3 Semanas 6 Semanas
1 650
2 678
3 720
4 785 682.67
5 859 727.67
6 920 788.00
7 850 854.67 768.67
8 758 876.33 802.00
9 892 842.67 815.33
10 920 833.33 844.00
11 789 856.67 866.50
12 844 867.00 854.83
600
650
700
750
800
850
900
950
1 2 3 4 5 6 7 8 9 10 11 12
D
E
M
A
N
D
A
SEMANAS
GRFICO DE PROMEDIOS MVILES
Demanda 3 Semanas 6 Semanas
Semana Demanda
1 820
2 775
3 680
4 655
5 620
6 600
7 575
Desarrolle un
pronstico de
promedio mvil de
3 semanas y de 5
semanas.
Asumir que slo
se dispone de 3
semanas o 5
semanas de datos
Promedio Mvil Simple
Ejemplo 2
Semana Demanda 3 sem. 5 sem.
1 820
2 775
3 680
4 655 758.33
5 620 703.33
6 600 651.67 710.00
7 575 625.00 666.00
Solucin
Se utiliza cuando los datos no tienen el mismo
peso:
Los datos recientes suelen tener mayor peso.
Las ponderaciones se basan en la intuicin:
Suelen estar entre 0 y 1, y a la suma debe ser 1.
Ecuacin:
Promedio
mvil =
ponderado
(ponderacin para el periodo n) (demanda en el periodo n)
ponderaciones
Promedio Mvil Ponderado
n - t n 2 - t 3 1 - t 2 t 1 1 t
Y w + ... + Y w + Y w + Y w = F
+
w =1
i
i=1
n

Determinar el pronstico de promedio

mvil ponderado para el perodo 4.
Pesos:
t-1 0.5 (ms reciente)
t-2 0.3
t-3 0.2
Semana Demanda
1 650
2 678
3 720
4
Promedio Mvil Ponderado
Ejemplo 3
Semana Demanda Pronstico
1 650
2 678
3 720
4 693.4
Solucin
) 720 5 . 0 ( ) 678 3 . 0 ( ) 650 2 . 0 (
4
+ + = F
Determine el pronstico de promedio
mvil ponderado de 3 perodos para
los perodos
4, 5, 6, 7 y 8.
Pesos:
t-1 0.7 (ms reciente)
t-2 0.2
t-3 0.1
Promedio Mvil Ponderado
Ejemplo 4
Semana Demanda
1 820
2 775
3 680
4 655
5 620
6 600
7 575
Solucin
SEMANA DEMANDA PESOS PRONOSTICO
1 820 0.1
2 775 0.2
3 680 0.7
4 655 713.00
5 620 672.00
6 600 633.00
7 575 609.50
8 584.50
Demanda Actual y Pronsticos
0
5
10
15
20
25
30
35
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic
Mes
D
e
m
a
n
d
a

d
e

v
e
n
t
a
s
Ventas reales
Promedio mvil
Promedio mvil ponderado
Pronsticos
cuantitativos
Regresin
lineal
Modelos
causales
Suavizacin
exponencial
Promedio
mvil
Modelos de series
de tiempo
Proyeccin
de tendencia
Mtodos Cuantitativos
Es una variacin de los promedios mviles
ponderados:
Las ponderaciones disminuyen exponencialmente.
Se ponderan ms los datos ms recientes.
Se necesita una constante de suavizacin (o):
Toma valores entre 0 y 1.
Se escoge de forma subjetiva.
Necesita una cantidad reducida de datos
histricos.
Suavizacin Exponencial
F
t+1
= Pronstico del perodo que se desea encontrar
F
t
= Pronstico del ltimo perodo
Y
t
= Valor real del ltimo perodo
o = Constante de suavizacin
t t t
F Y F ) 1 (
1
o o + =
+
F
t+1
= oY
t
+ o(1-o)Y
t - 1
+ o(1- o)
2
Y
t - 2
+ o(1- o)
3
Y
t - 3
+ ... + o(1- o)
t
Y
1
Suavizacin Exponencial
) (
1 t t t t
F Y F F + =
+
o
t t t
F Y F ) 1 (
1
o o + =
+
t t t t
F F Y F o o + =
+1
Suavizacin Exponencial
Error del Pronstico
En un puerto se descargan grandes cantidades de granos de los buques que
ingresaron durante los ltimos 8 meses. El gerente de operaciones desea usar
el mtodo de suavizacin exponencial para evaluar cmo esta tcnica
pronostica los tonelajes descargados. Cul es el pronstico para el mes 9?.
Dos valores de son examinados: =0.10 y =0.80. Las cantidades reales
descargadas se indican a continuacin. El pronstico para el mes 1 fue de 175
toneladas.
Ejemplo 5
Mes Tonelaje Real Pronstico
1 180 175
2 168
3 159
4 175
5 190
6 205
7 180
8 182
9 ?
Ejemplo 5
Coeficiente alfa Coeficiente alfa
0.1 0.8
Pronstico Pronstico
1 180 175.00 175
2 168 175.50 179.00
3 159 174.75 170.20
4 175 173.18 161.24
5 190 173.36 172.25
6 205 175.02 186.45
7 180 178.02 201.29
8 182 178.22 184.26
9 178.60 182.45
Mes Tonelaje Real
Ejemplo 5
100
120
140
160
180
200
220
240
1 2 3 4 5 6 7 8 9
T
o
n
e
l
a
j
e
Mes
Suavizacin Exponencial
Ton. Real alfa 0.1 alfa 0.8
Semana Demanda
1 820
2 775
3 680
4 655
5 750
6 802
7 798
8 689
9 775
10
Determine los pronsticos de
suavizacin exponencial para
los periodos 2-10 usando
o=.10 y o=.60.
Al no tener informacin sobre
el pronstico de la semana 1,
asuma que el pronstico es
igual a la demanda F
1
=D
1
Ejemplo 6
Semana Demanda 0.1 0.6
1 820 820.00 820.00
2 775 820.00 820.00
3 680 815.50 793.00
4 655 801.95 725.20
5 750 787.26 683.08
6 802 783.53 723.23
7 798 785.38 770.49
8 689 786.64 787.00
9 775 776.88 728.20
10 776.69 756.28
Tipos de errores de pronsticos
Error medio (ME)
Desviacin absoluta media (MAD)
Error cuadrado medio (MSE)
Desviacin tpica de los errores (SDE)
Error porcentual (PE
t
)
Error porcentual medio (MPE)
Error porcentual absoluto medio (MAPE)
Error cuadrado medio (ECM): MSE
Desviacin absoluta media (DAM): MAD
n
1 i
2
i i
n
2
errores de pronstico
n
) F (y
ECM

=

=
=
n
|
errores de pronstico |
n
| F y |
DAM
n
i
i i

=
1 =
Errores en los Pronsticos
Usted es el analista de marketing. Ha pronosticado las ventas usando el
mtodo de promedios mviles y el de suavizacin exponencial. Qu
mtodo le conviene usar?
Ventas Pronstico Pronstico
Suavizacin
Ao reales Prom. Mvil Exponencial (=0.9)
1995 1 0,6 1,0
1996 1 1,3 1,0
1997 2 2,0 1,9
1998 2 2,7 2,0
1999 4 3,4 3,8
Seleccin del modelo de pronstico
Ao Y
i
F
i
1995 1 1,0 0,0 0,00 0,0
1996 1 1,0 0,0 0,00 0,0
1997 2 1,9 0,1 0,01 0,1
1998 2 2,0 0,0 0,00 0,0
1999 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
ECM = Error
2
/ n = 0,05 / 5 = 0,01
DAM = |Error| / n = 0,3 / 5 = 0,06
Error Error
2
|Error|
Mtodo de Suavizacin Exponencial
Ao Y
i
F
i
1995 1 0,6 0,4 0,16 0,4
1996 1 1,3 -0,3 0,09 0,3
1997 2 2,0 0,0 0,00 0,0
1998 2 2,7 -0,7 0,49 0,7
1999 4 3,4 0,6 0,36 0,6
Total 0,0 1,10 2,0
ECM = Error
2
/ n = 1,10 / 5 = 0,220
DAM = |Error| / n = 2,0 / 5 = 0,400
Error Error
2
|Error|
Mtodo de Promedios Mviles
Mtodo de promedios mviles:
ECM = Error
2
/ n = 1,10 / 5 = 0,220
DAM = |Error| / n = 2,0 / 5 = 0,400
Mtodo de la suavizacin exponencial:
ECM = Error
2
/ n = 0,05 / 5 = 0,01
DAM = |Error| / n = 0,3 / 5 = 0,06
Evaluacin de mtodos
500
550
600
650
700
750
800
850
1 2 3 4 5 6 7 8 9 10
D
e
m
a
n
d
a
Semana
Demand
0.1
0.6 a
Efecto de la constante
Ponderaciones
Periodo anterior
o
Hace 2 periodos
o(1 - o)
Hace 3 periodos
o(1 - o)
2
o=
o= 0,10
o= 0,90
10%
Efecto de la constante
F
t+1
= oY
t
+ o(1-o)Y
t - 1
+ o(1- o)
2
Y
t - 2
+ o(1- o)
3
Y
t - 3
+ ... + o(1- o)
t
Y
1
Periodo anterior
o
Hace 2 periodos
o(1 - o)
Hace 3 periodos
o(1 - o)
2
o=
o= 0,10
o= 0,90
10% 9%
Ponderaciones
Efecto de la constante
F
t+1
= oY
t
+ o(1-o)Y
t - 1
+ o(1- o)
2
Y
t - 2
+ o(1- o)
3
Y
t - 3
+ ... + o(1- o)
t
Y
1
Ponderaciones
Periodo anterior
o
Hace 2 periodos
o(1 - o)
Hace 3 periodos
o(1 - o)
2
o=
o= 0,10
o= 0,90
10% 9% 8,1%
Efecto de la constante
F
t+1
= oY
t
+ o(1-o)Y
t - 1
+ o(1- o)
2
Y
t - 2
+ o(1- o)
3
Y
t - 3
+ ... + o(1- o)
t
Y
1
Ponderaciones
Periodo anterior
o
Hace 2 periodos
o(1 - o)
Hace 3 periodos
o(1 - o)
2
o=
o= 0,10
o= 0,90
10% 9% 8,1%
90%
Efecto de la constante
F
t+1
= oY
t
+ o(1-o)Y
t - 1
+ o(1- o)
2
Y
t - 2
+ o(1- o)
3
Y
t - 3
+ ... + o(1- o)
t
Y
1
Ponderaciones
Periodo anterior
o
Hace 2 periodos
o(1 - o)
Hace 3 periodos
o(1 - o)
2
o=
o= 0,10
o= 0,90
10% 9% 8,1%
90% 9%
Efecto de la constante
F
t+1
= oY
t
+ o(1-o)Y
t - 1
+ o(1- o)
2
Y
t - 2
+ o(1- o)
3
Y
t - 3
+ ... + o(1- o)
t
Y
1
Ponderaciones
Periodo anterior
o
Hace 2 periodos
o(1 - o)
Hace 3 periodos
o(1 - o)
2
o=
o= 0,10
o= 0,90
10% 9% 8,1%
90% 9% 0,9%
Efecto de la constante
F
t+1
= oY
t
+ o(1-o)Y
t - 1
+ o(1- o)
2
Y
t - 2
+ o(1- o)
3
Y
t - 3
+ ... + o(1- o)
t
Y
1
Pronsticos
cuantitativos
Regresin
lineal
Modelos
causales
Suavizacin
exponencial
Promedio
mvil
Modelos de series
de tiempo
Proyeccin
de tendencia
Mtodos Cuantitativos
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10
D
e
m
a
n
d
a
Periodo de tiempo
Demanda real
Lnea de Tendencia
Demanda real y lnea de tendencia
Se usa para prever la lnea de tendencia lineal.
Supone una relacin entre la variable de respuesta, Y, y el
periodo de tiempo, X, que es una funcin lineal:
t b b T
t 1 0
+ =
Anlisis de Regresin Lineal
b
0
es la interseccin con el eje Y.
b
1
es la pendiente de la lnea de tendencia
0 1 2 3 4 5 x
(meses)
Y
t b b T
t 1 0
+ =
Modelo de Anlisis de Regresin Lineal Simple
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Periodo de tiempo
V
a
l
o
r
e
s

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e

Observacin
real
Punto en la
lnea de
tendencia t b b T
t 1 0
+ =
Mtodo de Mnimos Cuadrados
Ecuacin:
Pendiente:
( )
( )

=
n
t
t
n
Y t
tY
b
t
t
2
2
1
Corte con el eje Y:
t b b T
t 1 0
+ =
t b Y b
1 0
=
Ecuaciones de Mnimos Cuadrado
Pronostique la venta de generadores elctricos para los aos
2003, 2004 y 2005 segn los datos registrados en los 7 aos
anteriores, utilizando la proyeccin de la tendencia.
1996 74
1997 79
1998 80
1999 90
2000 105
2001 142
2002 122
2003 ?
2004 ?
2005 ?
Proyeccin de la tendencia
Ejemplo 7
( )
( )

=
n
t
t
n
Y t
tY
b
t
t
2
2
1
t b Y b
1 0
=
t b b T
t 1 0
+ =
t T
t
54 . 10 71 . 56 + =
AO Generadores t Yt tYt t cuadrado
1996 74 1 74 74 1
1997 79 2 79 158 4
1998 80 3 80 240 9
1999 90 4 90 360 16
2000 105 5 105 525 25
2001 142 6 142 852 36
2002 122 7 122 854 49
2003 28 692 3063 140
2004 4
2005
Sum t Yt 3063 b1 10.54
Sum t 28 Y promedio 98.86
Sum Yt 692
(Sum t*SumYt)/n 2768 b1*t promedio 42.14
Sum t cuadrado 140 b0 56.71
(Sum t)cuadr/n 112 Pron. 2003 141.00
Pron. 2004 151.54
Pron. 2005 162.07
y = 10.536x + 56.714
R = 0.8009
0
20
40
60
80
100
120
140
160
0 1 2 3 4 5 6 7 8
G
E
N
E
R
A
D
O
R
E
S
AOS
Establecer perodos estacionales.
Obtener promedios Mviles.
Centrar los promedios.
Dividir Valor real entre promedio mvil centrado (se obtiene el valor estacional e irregular)
Promediar los valores estacionales e irregulares para cada estacin (se obtiene el ndice
estacional).
Ajustar el ndice estacional (multiplicar cada ndice estacional por el nmero de
estaciones y dividirlo entre la suma de los ndices estacionales del perodo).
Desestacionalizar los datos dividiendo el valor real entre el ndice estacional ajustado.
Identificar la tendencia. Hacer el pronstico.
Ajustar estacionalmente (multiplicar el pronstico por el ndice estacional
correspondiente.
Desestacionalizacin
Pronsticos
cuantitativos
Regresin
lineal
Modelos
causales
Suavizacin
exponencial
Promedio
mvil
Modelos de series
de tiempo
Proyeccin
de tendencia
Mtodos Cuantitativos
Se usa para determinar la relacin entre
dos variables.
Supone una relacin entre la variable de
respuesta, Y, la variable X, que es una
funcin lineal:
x b b y
1 0

+ =
Anlisis de Regresin Lineal
b
0
es la interseccin con el eje Y.
b
1
es la pendiente de la lnea
Y
x b b y
1 0

+ =
X
Modelo de Regresin Lineal Simple
Ecuacin:
Pendiente:
( )
( )

=
n
x
x
n
y x
y x
b
i
i
i i
i i
2
2
1
Corte con el eje Y:
x b y b
1 0
=
x b b y
1 0

+ =
Ecuaciones de Mnimos Cuadrados
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Valores de la variable independiente
V
a
l
o
r
e
s

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e

bx a Y + =

Observacin
real
Punto en la
lnea de
tendencia
Anlisis de Regresin
Respuestas: qu intensidad tiene la relacin lineal
entre las variables?
El coeficiente de correlacin se identifica
normalmente como r .
Los valores varan entre -1 y +1 .
Mide el grado de asociacin.
Correlacin
r = 1 r = -1
r = 0,89 r = 0
Y
X
Y
i
= a + b X
i
^
Y
X
Y
X
Y
X
Y
i
= a + b X
i
^
Y
i
= a + b X
i
^
Y
i
= a + b X
i
^
Coeficiente de correlacin y modelo de regresin