Roberto R. B. de Holanda
A Inna,
Tantos siglos, tanto espacio y coincidimos.
A mis hennanos:
AGRADECIMIENTO
ÍNDICE
X APLICACIONES DE
PROGRAMACIÓN LINEAL
10.1 Introducción 362
10.2 Administración de proyectos 362
10.2.1 Detenninación de la ruta más larga/corta
de una red 362
* Aplicación 10.1 362
10.2.2 Compresión de proyectos 363
* Aplicación 10.2 364
10.3 Planeación de capacidad 366
* Aplicación 10.3 366
* Aplicación 10.4 370
* Aplicación 10.5 373
10.4 Programación de la producción 376
* Aplicación 10.6 376
* Aplicación 10.7 379
XI CASO MALHER
11.1 Set-up 394
11.2 Group background 394
11.3 The hiring of professional
management 397
11.4 Consolidation ofthe MALHER
group 398
11.5 Disintegration ofthe group? 401
11.5.1 The situation ofthe group in 1990 401
11.5.2 Javier's proposal 401
11.5.3 The situation ofMario's sub-group 402
11.5.4 Additional relevant facts 403
a) Human resources 403
b) Clients 404
c) Competition and market 405
d) Investment 405
e) Infrastructure 405
11.6 The decision 406
11.7 Discussion questions 406
BIBLIOGRAFÍA 411
TABLAS 415
Dedicatoria, agradecimiento, prefacio e índice. xi
PREFACIO
Hay cientos de libros sobre Administración de Operaciones y todos cubren más o menos
los mismos temas. Entre éstos puedo mencionar: Diseño de Productos y Procesos,
Control de Calidad, Planeación de Capacidad, Localización de Planta, Distribución de
Planta, Estudio del Trabajo, Pronósticos de Demanda, Administración de la Cadena de
Abastecimiento, Control de Inventarios, Programación de la Producción, Reingeniería,
Teoría de Restricciones, Justo-a-Tiempo, etc.. La gran mayoría de estos libros son
escritos con la intención de cubrir los temas principales de la Administración de
Operaciones y de ser utilizados como libros de texto para cursos de licenciatura y/o
maestrías.
¿Por qué un libro más de Administración de Operaciones? No es mi intención
escribir un libro de texto más sobre Administración de Operaciones, sino abordar sólo
algunos temas sobre los cuales creo poder aportar algo diferente: reunir en un capítulo
métodos que están dispersos en la literatura, aportar un modelo matemático diferente,
compartir ejemplos de aplicación interesantes, reportar mi experiencia en la implantación
de sistemas o compartir un caso.
Por esta razón el libro se llama: "Administración de Operaciones: Temas Selectos,
Aplicaciones y un Estudio de Caso". En él el lector encontrará temas selectos (como por
ejemplo los modelos presentados en el capítulo de Control de Inventarios), aplicaciones
de los temas cubiertos en forma de problemas, experiencias o uso de la Programación
Lineal y un caso muy interesante escrito por mí en 1993 sobre un grupo industrial
mexicano dedicado a la producción de cocinas y muebles.
En general, busqué un enfoque "práctico" y no "teórico". Con algunas excepciones
en los capítulos de Estudio del Trabajo y Control de Inventarios, las fórmulas se
presentan sin demostración y se usan para resolver problemas. Para entender el inciso 4.6
del capítulo de Control de Inventarios se requieren conocimientos básicos de derivación e
integración. Por otro lado, para entender el inciso 9.11 del capítulo de Justo-a-Tiempo se
requieren conocimientos de análisis multivariado.
que esto es imposible en el largo plazo; etc.. En este capítulo se consideran las distintas
fuentes de capacidad y se analizan separadamente los problemas de largo plazo y de corto
plazo.
CAPÍTULO CAPÍTULO
I PRONÓSTICOS DE DEMANDA I
SÍNTESIS
1.1 INTRODUCCIÓN
1.1.1 Generalidades
1.1.2. Conceptos
t) Horizonte del pronóstico: indica qué tan lejos hacia el futuro está el período
pronosticado. Por ejemplo, si en Enero de 2002se pronostica la demanda de Enero de
2003, el período será de un mes y el horizonte de un año.
4 Capítulo 1: Pronósticos de Demanda
1.1.3 Principios
En relación a esta clasificación, queremos resaltar algo que será expuesto más adelante:
el ajuste de líneas, considerado como método de análisis de series, debe considerarse
además como un tipo especial de regresión lineal en la que la demanda sólo depende de la
variable independiente "tiempo"; en el caso de la curva exponencial, se trata de una
regresión lineal del logaritmo de la demanda en función de la variable "tiempo"; y
finalmente, en el caso de la curva potencial, se trata de una regresión lineal del logaritmo
de la demanda en función de la variable "logaritmo del tiempo".
Este método consta de la determinación de la línea recta que mejor se ajusta a los datos
de demanda. Para esto utilizaremos el método de mínimos cuadrados, que nos
proporciona la recta para la cual la suma de los cuadrados de las distancias a los puntos es
mínima. Como sabemos, la ecuación de cualquier recta es como la que sigue:
Y=a+b.X
6 Capítulo 1: Pronósticos de Demanda
Las ecuaciones que proporcionan los valores de "a" y "b" de la recta de mínimos
cuadrados, son las siguientes:
2
¿X *¿y-¿X*¿X.Y
a = =---=::::::=-----:--='=-==----
N * ¿X 2 - (¿X)2
b= N*¿X.Y - ¿X*¿Y
N*¿X 2 _(¿X)2
donde "X" Y "Y" son las dos variables del problema y "N" el número de datos de
demanda.
Solución:
En este caso la variable "X" será el año y la variable "Y" será la demanda de la empresa.
Inicialmente, tenemos que escoger un origen para la variable "X". Éste podrá ser el año
cero o cualquier otro año. Si escogemos el origen 1995, la variable "X" tendrá entonces
los siguientes valores: 1,2,3,4 Y 5, es decir, (1996-1995), (1997-1995), (1998-1995),
(1999-1995) Y (2000-1995), respectivamente. Si observamos las ecuaciones
mencionadas anteriormente, deducimos que necesitamos calcular LY, LX, LXY y LX2 •
Es conveniente realizar estos cálculos como se muestra en el Cuadro 1.1 a continuación o
hacer el ajuste mediante calculadora o computadora directamente.
AÑo Y X X2 XY
1996 200 1 1 200
1997 213 2 4 426
1998 218 3 9 654 Origen = 1995
1999 235 4 16 940
2000 244 5 25 1220
TOTAL 1110 15 55 3440
Utilizando esta ecuación podemos ahora determinar la demanda para cualquiera de los
próximos años, es decir, 2001, 2002, etc.. Para el año 2001 la variable "X" tendrá el valor
(2001-1995), es decir, X=6. Por lo tanto, la demanda de este año será:
Y200 1 = 189.0 + (11.0)(6) = 255.0,
o sea, la demanda del año 2001 será de 255 toneladas.
Los resultados serán exactamente los mismos si escogemos cualquier otro origen. Por
ejemplo, escojamos el origen 1998:
AÑo y X x2 xY
1996 200 -2 4 -400
1997 213 -1 1 -213
1998 218 O O O
1999 235 1 1 235
2000 244 2 4 488
TOTAL 1110 O 10 110
y = 222.0 + 11.0x
AÑo X x
1991 1 -204
1992 2 -lA
1993 3 -004
1994 4 0.6
1997 7 3.6
- L= 17 L=O
- - Origen en 1990
~
Este método consta del ajuste de una curva exponencial a los datos de demanda, la cual
tiene la siguiente ecuación:
Y=abx
Como se indica en las Figuras 1.1(a) y 1.1(b), ajustar una curva exponencial a los datos
es equivalente a ajustar una línea recta a estos mismos datos, pero marcándose en el eje
vertical el "log Y" en vez de "Y". Esto se debe a que si tomamos el logaritmo de "Y" en
la ecuación de la curva exponencial, resulta lo siguiente:
log Y = log (abX) = log a + X*log b
FIGURA 1.1 Cambio de variables para transformar una curva exponencial en línea
recta
logY
x x
(a) (b)
Por lo tanto, podemos marcar "X" en el eje horizontal y "log Y" en el eje vertical, y
ajustar una recta a los datos utilizando el métodó de mínimos cuadrados. Si observamos
la ecuación Y=A+B.X, podemos deducir que las ecuaciones para calcular "A" v "B" son
las siguientes:
2
A- ¿X *¿logY"':' ¿X*¿X.logY _.=¿=--lo_g_Y
- N*¿X 2 _(¿X)2 . . - N
B- N*¿X.logY - ¿X * ¿logY _ ¿x.logy ·
- N*¿X 2 _(¿X)2 - ¿x 2
Solución:
Si seguimos con el origen en el año 1998, para calcular "A" y "B" sólo necesitamos
determinar ~logY, ~x.logY y ~x2. Estos cálculos se presentan en el Cuadro 1.3 a
continuación:
Como sabemos que A=log a y B=log b, entonces "a" y "b" ya pueden ser calculados:
a = antilog 2.3453 = 221.5
b = antilog 0.02155 = 1.0509
El valor b=1.0509 indica que existe una tasa anual de crecimiento de la demanda igual a
5.09%. Finalmente, si queremos pronosticar la demanda del año 2001, el valor de la
variable "x" será 2001-1998=3:
Y2001 = (221.5) (1.0509i= 257.1
Esto quiere decir que la demanda de 2001 será de 257.1 toneladas.
y y
b<O
x x x
(a) (b) (c)
b= N*¿logX.logY - ¿logX*¿logY
N *¿ (1ogX)2 - (¿ 10gX)2
Solución:
Obsérvese que, como el ajuste de la curva potencial requiere el cálculo de los "log X", el
origen de la variable "X" tiene que ser tal que ésta no tome ningún valor menor o igual a
cero. Pongamos entonces el origen en el año 1995. Las sumatorias se calculan como en el
Cuadro 1.4 a continuación y sustituyendo sus valores en las ecuaciones tenemos:
a=antilo (1.1693)(11.7264)-(2.0792)(4.9129) =197.4
g (5)(1.1693)-2.0792 2
El valor positivo b=0.1201 indica que esta curva potencial tiene la forma presentada en la
Figura 1.2(b).
12 Capítulo 1: Pronósticos de Demanda
En varias ocasiones es lógico pensar que la demanda de un período dado pueda tomar un
valor más parecido a los más recientes que a los que ha tomado mucho tiempo atrás, aún
cuando no existe una tendencia marcada en los datos. En estos casos es conveniente
utilizar métodos de pronósticos que den una mayor importancia a los datos más recientes
o que únicamente tomen en cuenta los "k" últimos datos, donde k = 1,2, 3, etc.. El más
sencillo de estos métodos es el promedio móvil simple.
El promedio móvil simple para el período "i" es simplemente la media aritmética
de los "k" últimos datos, es decir:
M _ Di + Di-! + ..,+ Di-(le-!)
S,i,k - k
Si ahora queremos un pronóstico para el período (i+l), éste será igual al promedio móvil
simple del período anterior, es decir:
P(i+I),k = MS,i,k
O simplemente:
Pi+1 = MS,i
Solución:
Utilizando un promedio móvil simple con k=2, los pronósticos para los años de 1998,
1999,2000 Y 2001 serán los que se muestran en el Cuadro 1.5 (obviamente no podemos
calcular pronósticos para los años 1996 y 1997).
Se puede observar claramente en el Cuadro 1.5 que el método del promedio móvil simple
generalmente conduce a pronósticos que van atrasados con relación a los datos reales de
demanda. Por ejemplo, para los años de 1999 y 2000 la demanda es 235 y 244,
respectivamente, y los pronósticos son 215.5 y 226.5. Cuanto más pronunciada sea la
tendencia de los datos y mayor sea el número de términos del promedio, más atrasados
serán los pronósticos.
2
T1 =-(Ms
k-1 ' -M D , 1·)
,1
Solución:
El resultado de la aplicación del promedio móvil ajustado con k=2 se muestra Cuadro 1.6
a continuación:
Obsérvese que el promedio móvil doble va más atrasado que el promedio móvil simple y
por lo tanto nunca se utiliza dicho promedio para la elaboración de pronósticos. Sin
embargo, se utiliza el promedio doble para corregir el retraso del promedio móvil simple.
De acuerdo al procedimiento, el promedio móvil ajustado conduce entonces a un
pronóstico para 2001 de 259.0 toneladas.
Pronostiquemos ahora la demanda de 2002, 2003, 2004, etc.. En nuestro ejemplo, el
último valor de "T¡" es :
T 2000 = (2/(2-1))(239.5-233.0) = 13.0.
Otra forma de corregir el retraso del promedio móvil simple, es la utilización de mayores
pesos o ponderaciones para los valores más recientes. Por ejemplo, si el promedio móvil
Capítulo 1: Pronósticos de Demanda 15
es de 2 términos, se pondrán adoptar ponderaciones de 0.7 para el último dato y 0.3 para
el dato anterior.
Como hemos mencionado para el caso del promedio móvil simple y ajustado, el
pronóstico para el período (i+l), cuando se utiliza el método del promedio ponderado
exponencialmente simple, es igual al promedio del período anterior, es decir, "i":
Pi+l = MS,i
palabras, el pronóstico del período (i+l) es igual al pronóstico del período "i" más una
fracción "a" del error que se cometió en el período "i" (error = D i-P i).
Las 2 primeras etapas que deben llevarse a cabo en la aplicación del método del
promedio ponderado exponencialmente simple, son la elección de la constante de
atenuación "a" y del número de períodos pasados a considerar. La constante "a" está
generalmente entre 0.05 y 004. Como podremos observar más adelante, si queremos dar
una mayor importancia a las demandas de los últimos períodos, "a" deberá ser grande, y
si queremos dar una importancia más uniforme a todos los datos de demanda, "a" deberá
ser pequeña. En cuanto al número de datos a considerar, éste deberá siempre ser grande
para que el pronóstico sea más preciso. Más adelante volveremos a tocar este punto.
Para el cálculo del promedio "Ms,¡" necesitamos el valor de "MS,i-I"; para el cálculo
de "MS,i-I" necesitamos conocer "MS,i-2"; etc.. Por lo tanto, no sería posible calcular
"Ms/' puesto que no existe "Ms,o". Consecuentemente, la tercera etapa en la aplicación
de este método es la elección de un promedio inicial "Ms/'; generalmente se considera
éste igual a la demanda "DI" del primer período (hay otros métodos más precisos, véase
la referencia [27]).
Solución:
Tomemos como promedio inicial "Ms/' a la demanda DI =200. De esta forma podemos
calcular "Ms,2" así:
MS,2 = MS,I + a (D2 - MS,I) = 200 + 0.2 (213 - 200) = 202.60
Los demás promedios "MS,3, " "MS,4"y "Ms,s"se calculan de la misma manera y los
resultados son los del (Cuadro 1.8).
Tenemos entonces:
MS,I =DI
MS,2 = a. D2 + (l-a.) MS,I = a. D2 + (l-a.) DI
MS,3 = a. D3 + (l-a.) Ms,2 = a. D3 + (l-a.) [a. D2 + (l-a.) DI ]
= a. D3 + a.(l-a.)D2 + (l-a.)2 DI
MS,4 = a. D4 + (l-a.) MS,3 = a. D4 + (l-a.) [a. D3 + a. (l-a.) D2 + (l-a.iDI]
i
= a. D4 + a.(l-a.)D3 + a.(l-a. D2 + (1-a.)3 DI
Esta última fórmula incluye ahora solamente las demandas de los ''N'' períodos. Dado
que el factor (1-a. )N-I se hace muy pequeño y se acerca a cero cuando ''N'' crece, se
puede ignorar el último término. Al mismo tiempo, la suma de los otros coeficientes, es
decir, La.(1-a.)i se aproxima a 1, y así tenemos las condiciones de un auténtico promedio
ponderado exponencialmente. Es precisamente por esta razón que este método tiene el
nombre de promedio ponderado exponencialmente.
También es fácil observar que la ponderación conferida a cada una de las "Di"
depende del valor de "a." y que a las demandas más recientes se les asigna una
ponderación mayor. El Cuadro 1.9 a continuación proporciona algunos coeficientes para
los valores 0.=0.1 y 0.=0.3 Ymuestra dos cosas importantes: primero, que los coeficientes
o ponderaciones de las demandas más recientes son mayores y por lo tanto se les da una
mayor importancia; y segundo, a la medida que "a." aumenta, se les da a las demandas
más recientes una importancia todavía mayor.
18 Capítulo 1: Pronósticos de Demanda
.VALOR DE "a"
PERÍODO PONDERACIÓN 0.1 0.3
N a 0.10 0.30
N-1 a(l-a) 0.09 0.21
N-2 a(l-a)2 0.081 0.15
N-3 a(l-al 0.073 0.10
N-4 a(l-a)4 0.066 0.07
Solución:
Para una mejor comprensión repitamos la infonnación y recordemos que a=0.2.
Tenemos:
Tomamos entonces este promedio como nuestro pronóstico para el período 6, es decir,
para el año 2001: P 6=P200I=218.04 toneladas. Debe observarse que este valor es
exactamente igual al que fue obtenido anterionnente cuando aplicamos sucesivamente la
fónnula:
MS,i = MS,i-1 + a (Di - MS,i-l)
Solución:
El procedimiento descrito arriba conduce a los resultados del Cuadro 1.10 a continuación:
Es importante observar que tanto el pronóstico para 2001 como la tendencia lineal
estimada son demasiado pequeños en comparación con los datos reales. Aparentemente,
el ajuste no fue suficiente y no logró mejorar mucho el promedio ponderado simple. Esto,
sin embargo, no es verdad y lo que realmente está ocurriendo es que el promedio
ponderado exponencialmente ajustado no conduce a buenos resultados cuando el número
de datos ''N'' es pequeño y se hace MS,l=Dl. Como veremos más adelante, con un número
grande de datos de demanda, el método es excelente y en la mayoría de los casos resultó
20 Capítulo 1: Pronósticos de Demanda
ser el mejor de todos los métodos -de análisis de series de tiempo analizados en este
capítulo (para el corto plazo).
Un valor grande de "a." (por ejemplo, mayor que 0.4) permite trabajar con un
número menor de datos de demanda, sin embargo conduce a una cierta inestabilidad del
pronóstico, por lo que no recomendamos su utilización (véanse los resultados de la
simulación en el inciso 1.3 a continuación).
En todos los ejemplos de los incisos anteriores hemos elaborado únicamente pronósticos
anuales, es decir, hemos calculado la demanda total de uno o más años futuros. En este
inciso veremos como podemos elaborar pronósticos para períodos más cortos (mes,
trimestre, semestre, etc.), cuando nos veremos obligados a considerar la estacionalidad.
AÑo TI T2 T3 T4 ANUAL
1996 29 70 47 54 200
1997 34 81 47 51 213
1998 32 75 55 56 218
. 1999 40 86 50 59 235
2000 36 90 55 63 244
TOTAL 171 402 254 283 1110
% 15.4 36.2 22.9 25.5 100
Solución:
Tomando como ejemplo el método de la línea recta (podríamos, por supuesto, utilizar
otro método), tenemos que el pronóstico para 2001 es de 255 toneladas (este pronóstico
fue obtenido ajustándose una línea recta a los totales anuales 200, 213, 218, 235 Y 244
toneladas, como se vio anteriormente).
¿Cómo podemos determinar los pronósticos para los 4 trimestres de 2001 a partir
de este valor? Veamos inicialmente cómo hacerlo con estacionalidad y después sin
estacionalidad. "
Inicialmente, podemos calcular el porcentaje promedio que cada trimestre
representa de la demanda total de los 5 años, lo que también se muestra en el Cuadro 1.11
(para el I trimestre, por ejemplo, tenemos 15.4%). Si suponemos que la estacionalidad se
repetirá de la misma manera en 2001, podemos entonces multiplicar estos porcentajes por
el total anual de 255 toneladas para obtener los pronósticos trimestrales con
estacionalidad, es decir:
Capítulo 1: Pronósticos de Demanda 21
PI = (0.154)(255) = 39.27
P2 = (0.362)(255) = 92.31
P3 = (0.229)(255) = 58.40
P4= (0.255)(255) = 65.02
Total anual 255.00 (toneladas)
Los porcentajes 15.4%, 36.2%, 22.9% Y 25.5% son llamados índices estacionales y
obviamente solamente tiene sentido calcularlos cuando existe alguna estacionalidad en
los datos. El método presentado puede ser aplicado siempre que tengamos un pronóstico
anual, no importando el método que fue utilizado para obtenerlo, y obviamente puede
utilizarse para pronósticos semanales, mensuales, etc.. Asimismo, es igualmente aplicable
para cualquier tipo de variación cíclica. Por ejemplo, si el ciclo es de 6 años, tendríamos
índices de ciclicidad para cada uno de los años y éstos se multiplicarían por el total
pronosticado para los próximos 6 años (ciclo completo).
Si no existe la estacionalidad, ¿cómo llegaríamos a los pronósticos sin
estacionalidad para los 4 trimestres de 2001? La primera alternativa sería ajustar una
línea recta (otra vez la estamos tomando sólo como ejemplo) a los 20 datos trimestrales y
pronosticar los 4 siguientes (sugerimos que los lectores lo hagan). La segunda alternativa
sería partir del total 255 toneladas ya pronosticado y "repartirlo" entre los 4 trimestres. Es
obvio que no podemos dividir este total entre 4, ya que así estaríamos suponiendo una
tendencia horizontal.
Se puede demostrar (se sugiere también que los lectores lo intenten) que la
pendiente trimestral es 16 veces menor que la pendiente anual, por lo que la podemos
calcular a partir de la pendiente de la línea que se ajustó a los datos anuales. Recordando
que esta pendiente es 11 toneladas (véase el ajuste de la línea recta), tenemos que la
pendiente trimestral es igual a 11/16 = 0.6875 (toneladas).
Como los pronósticos de los 4 trimestres tienen que sumar 255 toneladas, con esta
pendiente de 0.6875, tenemos:
255 = PI + P2 + P3 + P4 = P I+ (PI + 0.6875) + [PI+(2)(0.6875)] + [PI+ (3)(0.6875)]
255 = 4 PI + (6)(0.6875); => PI = 62.72
Entonces: P2 = 63.41
P3 = 64.10
P4 = 64.78
Total = 62.72 + 63.41 + 64.10 + 64.78 == 255 (toneladas)
Utilicemos los datos anteriores del Cuadro 1.11 y apliquemos (como ejemplo) el
método del promedio móvil simple de 3 términos. Los pronósticos trimestrales sin
estacionalidad se muestran en la 4a. columna del Cuadro 1.12 a continuación:
Cuando hay más de un error a considerar de años anteriores, se resta la medio de éstos.
Por ejemplo, para el 20 trimestre de 2000 tenemos los errores -36.0, -31.7 Y-35.7, cuya
media es -34.4. El pronóstico con estacionalidad será entonces:
Capítulo 1: Pronósticos de Demanda 23
La primera simulación que se llevó a cabo fue para evaluar qué método resultaría mejor
para los pronósticos mensuilles sin estacionalidad, es decir, tomando en cuenta los (i-l)
datos anteriores de demanda mensual, se pronosticó sin estacionalidad la demanda del
mes "i", utilizando los distintos métodos de pronósticos, y se compararon los resultados
obtenidos con las demandas reales.
24 Capítulo 1: Pronósticos de Demanda
2500
2000
<C
e
z 1500
<C
:E
w 1000
e
500
O
T""" ~ 1'-- o ('t) ID en N LO ro T"""
('t)
~
('t)
T""" T""" T""" T""" N N N
MESES
2500
<:( 2000
e
z
<:(
1500
:E 1000
w
e
500
O
T""" LO O'> M r--- T""" LO O'> M r--- T"""
..q
LO
..q
T""" T""" N N N M M
MESES
DATOS Ene Feb Mar Abr Mav Jun Ju1 Ago Sep Oct Nov Dec
1976 520 539 649 720 563 561 881 484 484 623 1084 535
1977 394 688 621 662 445 1108 628 970 880 751 1606 413
1978 499 594 690 1006 1412 1028 995 613 1033 1088 1470 898
1979 1055 1308 1324 1092 1791 1383 1508 1399 1601 2177 2302 1800
Capítulo 1: Pronósticos de Demanda 25
3000
2500
«
e 2000
z
« 1500
:E
w 1000
e
500
O
~ M LO r--- O)
MESES
DATOS Ene Feb Mar Abr May Jun Jul Ago Seo Oct Nov Dec
1977 907.5 1178.0 831.1 1014.2 956.9 1127.9 937.5 988.9 908.4 1088.3 1313.5 1681.6
1978 1474.5 1242.1 1205.2 1115.5 1142.1 934.5 1621.2 1718.2 1951.0 2455.0 2000.0 1900.0
Por ejemplo, utilizando los datos de Enero y Febrero del primer año, se pronosticó la
demanda de Marzo; a partir de los datos de Enero, Febrero y Marzo, se pronosticó la
demanda de Abril; y así sucesivamente. Obsérvese que en este tipo de simulación, a
partir de los datos hasta el mes (i-l), se pronosticó la demanda del mes "i" únicamente,
por lo que la simulación se llama mensual.
En el Cuadro 1.13 presentamos los resultados obtenidos en las empresas "A", "B" Y
"C", para cada uno de los métodos estudiados. Obsérvese que se utilizaron promedios
móviles con valores de "k" entre 1 y 6, Y promedios ponderados exponencialmente con
valores de "a" entre 0.1 y DA.
El Cuadro 1.13 nos proporciona, para cada empresa y para cada método de
pronósticos, el error medio absoluto porcentual que se hubiera cometido si en cada mes
se hubiera pronosticado la demanda del mes siguiente. Por ejemplo, para la empresa "A"
el uso de la recta en cada mes para pronosticar el mes siguiente, hubiera conducido a un
error medio absoluto de 21.14%.
Los números entre paréntesis indican la bondad de los métodos para cada empresa,
así el número (1) a la derecha del P.M.S., 6T (Promedio Móvil Simple de 6 términos) de
la empresa "A" indica que dicho método en esta empresa es el que hubiera funcionado
mejor durante el período analizado (18.83% de error medio absoluto porcentual).
los años anteriores para este mismo mes. Los resultados obtenidos para las empresas "A",
"B" Y "c" se presentan en el Cuadro 1.14.
-
EMPRESA EMPRESA EMPRESA IE%I
MÉTODOS "A" "B" "c"
Recta 21.14 27.31 20.19 22.88
Curva exponencial 23.14 26.41 20.86 23.47
Curva de potencia 19.75 (3) 29.04 19.97 22.92 ·
P.M.S.,IT 25.73 33.81 16.12 (5) 25.22
P.M.S.,2T 23.12 32.99 15.08 (1) 23.73
P.M.S.,3T 21.69 29.91 16.61 22.74 (10)
P.M.S.,4T 21.49 26.95 17.45 21.96 (7)
P.M.S.,5T 19.51 (2) 26.08 (5) 19.15 21.58 (5)
P.M.S.,6T 18.83 (1) 27.14 19.38 21.78 (6)
P.M.A.,2T 35.24 48.01 16.69 33.31
P.M.A.,3T 29.81 44.69 20.52 31.67
P.M.A.,4T 31.50 36.25 22.49 30.08
P.M.A.,5T 26.78 30.59 26.56 27.98
P.M.A.,6T 19.97 (5) 30.59 27.94 26.17
P.P.E.S., a = 0.1 22.93 25.80 (4) 18.44 22.39 (9)
P.P.E.S., a = 0.2 19.95 (4) 24.88 (2) 16.23 20.35 (2)
P.P.E.S., a = 0.3 20.21 25.38 (3) 15.69 (3) 20.43 (3)
P.P.E.S., a = 0.4 20.83 26.77 15.49 (2) 21.03 (4)
P.P.E.A., a = 0.1 20.02 24.48 (1) 16.00 (4) 20.17 (1)
P.P.E.A., a = 0.2 21.67 27.61 16.83 22.04 (8)
P.P.E.A., a = 0.3 23.62 31.00 17.53 24.05
P.P.E.A., a = 0.4 25.04 34.22 17.49 25.58
IE%I 23.27 30.45 17.84 -
En este inciso se describe el tercer tipo de simulación, es decir, la simulación anual sin
estacionalidad. Como veremos a continuación, a pesar de que la simulación fue anual,
seguimos trabajando con los datos de demanda mensuales.
En esta simulación se pronosticó la demanda de los 12 meses del año "i" a partir de
toda la información existente hasta el año (i-l), y se compararon los resultados con las
demandas reales del año "i". Por ejemplo, a partir de los 12 meses de 1976 se pronosticó
la demanda de los 12 meses de 1977 y se compararon los pronósticos con las demandas
reales de 1977; a partir de los 24 datos de 1976 y 1977 se pronosticó la demanda de los
28 Capítulo 1: Pronósticos de Demanda
12 meses de 1978 y se compararon los pronósticos con las demandas reales de 1978; y así
sucesivamente. En esta etapa de la simulación no se consideró la estacionalidad.
Los resultados de la simulación anual sin estacionalidad se presentan en el Cuadro
1.15, el cual también presenta los resultados de la simulación anual con estacionalidad,
que se analiza en el inciso a continuación.
Para la empresa "B", puede observarse que para algunos métodos los pronósticos
anuales con estacionalidad son ligeramente superiores a los pronósticos sin
estacionalidad y que para otros ocurre lo contrario (errores medios de 37.03% Y 36.11 %,
respectivamente). Como consecuencia, es difícil sacar una conclusión definitiva y,
considerando que lo mismo ocurrió en la simulación mensual, lo más adecuado sería
seguir con la simulación por algunos años hasta que se definiera la situación.
Promediando horizontalmente todos los errores del Cuadro 1.15, obtenemos un
error medio porcentual absoluto que de alguna manera es una medida de la eficiencia de
cada uno de los métodos en las empresas estudiadas. Por ejemplo, dicho promedio es de
25.85% para la recta, 29.04% para la curva exponencial, etc..
A continuación presentamos las conclusiones finales que pueden sacarse del análisis de
los Cuadros 1.13, 1.14 y 1.15. Obviamente, estas conclusiones no pueden tomarse como
definitivas, ya que corresponden únicamente a las empresas "A", "B" y "c" y a un
número de meses igual a 36, 48 y 24, respectivamente. Sin embargo, consideramos que
los resultados obtenidos nos dan una idea bastante precisa sobre la eficiencia de los
distintos métodos utilizados.
Tomando en cuenta el Cuadro 1.13 y también la columna de "B" del Cuadro 1.14,
podemos sacar las siguientes conclusiones:
a) El método del P.P.E.A., a=O.l fue el que en promedio produjo los mejores resultados
(error medio de 20.17% en el Cuadro 1.13 para las tres empresas). Después, en orden
de importancia, estuvieron los métodos P.P.E.S, a=0.2, P.P.E.S., a=O.3, P.P.E.S,
a=OA, P.M.S., 5Ty P.M.S., 6T.
b) También es interesante observar que para las 3 empresas la tasa de crecimiento y la
dispersión respecto a la línea que mejor se ajusta son las siguientes (el cálculo de estos
datos no se incluye):
TASA DE CRECIMIENTO DISPERSIÓN RESPECTO A LA
EMPRESA MENSUAL MEDIA LÍNEA QUE MEJOR SE AJUSTA
A 2.2% 19.0%
B 3.3% 23.2%
C 3.3% 15.1%
El P.M.S con un número pequeño de términos (1, 2 y 3) funcionó bien cuando la tasa
de crecimiento era grande y la dispersión no era muy grande, como en el caso de la
empresa "C". Por otro lado, el P.M.S. con un número grande de términos (4, 5, 6 ó
más) funcionó bien cuando la tasa de crecimiento era pequeña, independientemente de
la dispersión, como en el caso de la empresa "A" (recuérdese, sin embargo, que puede
ir bastante atrasado con relación a la demanda real). Este razonamiento explica porque
ningún número de términos produjo buenos resultados en la empresa "B", ya que ésta
tiene gran tasa y gran dispersión.
30 Capítulo 1: Pronósticos de Demanda
c) El promedio ponderado exponenCialmente ajustado con un "a " mayor que 0.1 no
produjo buenos resultados, ya que en ninguno de los ejemplos estuvo entre los 5
mejores.
d) En términos globales el método del ajuste de líneas (recta, curva exponencial y curva
potencial) no parece ser muy bueno para los pronósticos mensuales ya que está fuera
de los 10 primeros del Cuadro 1.13. Sin embargo, la curva de potencia quedó en
tercero para la empresa "A" (Cuadro 1.13), y la curva exponencial y la recta en
primero y segundo lugares para la empresa "B" (Cuadro 1.14). Viendo las gráficas,
podemos observar que la de "A" tiene forma de potencia y la de "B" tiene forma
exponencial, lo que indica lo obvio: una determinada línea sólo conduce a resultados
satisfactorios cuando se ajusta bien a los datos.
e) Los promedios móviles ajustados son demasiado sensibles a los cambios bruscos de la
demanda y no produjeron buenos pronósticos mensuales. Sin embargo, el método
mejora mucho a la medida que aumenta el número de términos (esto en general,
porque la empresa "c" es una excepción). Por ejemplo, para el caso de la empresa
"A", el error del P.M.A., 6T fue de sólo 19.97%, mientras que el error del mejor
método fue 18.83% (P.M.S., 6T).
Veamos ahora el Cuadro 1.15, que nos presenta un resumen de los pronósticos anuales.
Podemos sacar las siguientes conclusiones:
a) El mejor método en promedio fue el P.P.E.A., a=0.2, aunque la diferencia entre el
error de éste y los errores medios del P.P.E.A., a=O.l y de la recta, no fue muy
significante.
b) Para la elaboración de pronósticos anuales no es conveniente usar un promedio móvil
ajustado con menos de 5 términos y en promedio 6 términos resultó mejor que 5
términos. Obviamente, también se podrá usar promedios con más de 6 términos y
cualquiera de ellos puede resultar el mejor en un ejemplo específico.
c) Los valores a=O.1 y a=0.2 son mucho mejores que los valores a=O.3 y a=OA,
probablemente porque estos últimos dan demasiada importancia a las últimas
demandas y extrapolan tendencias no representativas de la tendencia general de la
demanda. Lo mismo ocurre con el promedio móvil ajustado con un número de
términos pequeño.
d) Los resultados correspondientes a las líneas son relativamente mejores que en el caso
de los pronósticos mensuales, habiendo un 10 lugar en la empresa "c" (curva
exponencial), un segundo en la empresa "A" (recta) y un tercero en la empresa "B"
(curva exponencial). Es difícil explicar en el caso de "A" porque la curva de potencia
funcionó bien en los pronósticos mensuales y mal en los anuales. Quizás la
explicación sea que al principio (parte izquierda de la gráfica) el crecimiento no es
potencial, lo que sólo ocurre realmente al final (parte derecha de la gráfica), y esto
afectó mucho más los pronósticos anuales.
Podemos ahora hacer un resumen de todas las conclusiones que hemos sacado en lo que
se refiere a la elaboración de pronósticos mensuales y anuales:
Capítulo 1: Pronósticos de Demanda 31
1.4.1 Generalidades
Los métodos de pronósticos que hemos visto hasta ahora tienen algo en común: todos
consideran que la demanda (variable "Y") depende únicamente de la variable tiempo
("X"). Obviamente, esto no siempre es verdad y en muchos casos la demanda puede
depender de otras variables como por ejemplo, el número de viviendas que se construyen
en el país, el número de kilómetros construidos de carreteras, el nivel de ingresos de la
población, la paridad peso-dólar, la inflación, los gastos de publicidad, el número de
puntos de ventas, etc..
32 Capítulo 1: Pronósticos de Demanda
Como dijimos anteriormente, los ajustes de líneas presentados en los incisos 1.2.1, 1.2.2
y 1.2.3 fueron nuestros primeros ejemplos de regresión lineal simple. Sin embargo, como
en estos ejemplos la única variable independiente considerada fue el tiempo, dichos
métodos de pronósticos se consideraron como "series de tiempo". Pasemos ahora a
analizar otro ejemplo en el cual la variable independiente no sea el tiempo.
DEMANDA MENSUAL
(l06kilos) 4.24 3.80 3.29
PRECIO $ 12/ kg. $ 15/ kg $ 20/ kg
Capítulo 1: Pronósticos de Demanda 33
Solución:
Normalmente, la literatura sobre microeconomía recomienda el uso de una ecuación
potencial para relacionar la demanda con el precio, por lo que en este problema
utilizaremos la curva potencial. La solución al problema se encuentra en el Cuadro 1.16 a
continuación:
DEMANDA
PRECIO (106 kilos)
(X) (Y) 10gY 10gX (logxi (logY)(logX)
$12 4.24 0.6274 1.0792 1.1647 0.6771
$15 3.80 0.5798 1.1761 1.3832 0.6819
$20 3.29 0.5172 1.3010 1.6926 0.6729
TOTAL -- 1.7243 3.5563 4.2405 2.0319
Como queremos el precio para que la demanda sea de 6 millones de kilos en cada uno de
los meses de Mayo y Junio, sustituimos en esta ecuación el valor de la demanda y
despejamos el precio:
6 = (14.3389) (PRECIOro.4908
PRECIO = $5.90/kg.
1.4.3 Regresión lineal múltiple
Como dijimos anteriormente, en el caso de la regresión lineal múltiple relacionamos
linealmente la variable dependiente "Y" con más de una variable independiente. Las
fórmulas de mínimos cuadrados para la determinación de los coeficientes de una
ecuación con dos variables "X" y "Z", son las siguientes (de tres variables en adelante
utilizaremos la computadora):
34 Capítulo 1: Pronósticos de Demanda
¿Y
a=--
N
b = =¿==Y=-x----:.~¿~Z::;_2--;:---=¿=-;;Y=z_.=¿::-xz_
¿x 2 . ¿Z2 -C¿XZ)2
¿yz.¿x 2 - ¿Yx.¿xz
c = ==---====,,----,--='=---==---
¿x 2 . ¿Z2 -C¿XZ)2
Solución:
En este caso necesitamos determinar los coeficientes de la siguiente ecuación:
DEMANDA = a + b(POB) + c(IPC)
y X z
AÑO (ton) (POB) (IPC) x x2 xY z r zy xz
1981 770 71.3 1.91 -4.1333 17.0844 -3182.666 -9.26 85.7476 -7130.20 38.2747
1982 780 73.0 3.04 -2.4333 5.9211 -1898.000 -8.13 66.0969 -6341.40 19.7830
1983 786 74.6 6.13 -0.8333 0.6944 -655.000 -5.04 25.4016 -3961.44 4.2000
1984 795 76.3 10.14 0.8667 0.7511 689.0000 -1.03 1.0609 -818.85 -0.8927
1985 805 77.9 16.00 2.4667 6.0844 1985.6667 4.83 23.3289 3888.15 11.9140
1986 800 79.5 29.80 4.0667 16.5378 3253.3333 18.63 347.0769 14904.00 75.7620
TOTALES O 47.0733 192.333 O 548.7128 540.26 149.0410
El lector debe recordar que la ecuación está en función de "x" y "z" minúsculas, que
corresponden a X-75.4333 y Z-I1.1700, respectivamente. Si queremos regresar a las
variables originales, tenemos:
y = 789.3333 + (6.9168)(X-75.3333) - (0.8942)(Z-I1.1700)
y = 278.2559 + (6.9168)(X) - (0.8942)(Z)
DEMANDA = 278.2559 + (6.9168)(POB) - (0.8942)(IPC)
Como el "IPC" para este mismo año es igual a 150, tenemos entonces el siguiente
pronóstico para 1988:
DEMANDA1988 = 278.26 + (6.92)(82.7) - (0.89)(150) = 717 toneladas.
De acuerdo a los cálculos de arriba, podemos concluir que si queremos, de una vez, que
el valor de "a" corresponda a los orígenes originales, debemos calcularlo así:
LY - -
a=---bX-cZ
N
a = 789.333 - (6.9168)(75.3333) - (--0.8942)(11.1700) = 278.2559
En general, es preferible utilizar esta última formula para evitar la confusión que pudiera
provocar el cambio de origen de las variables independientes.
36 Capítulo 1: Pronósticos de Demanda
Hasta ahora, en todo el inciso 1.4, hemos estudiado cómo determinar ecuaciones de
regresión, sin cuestionar la calidad o bondad de las mismas. Esto lo haremos en el
presente inciso. Debe resaltarse la importancia de no usar una ecuación de regresión antes
de evaluar su calidad.
Para evaluar la calidad de una ecuación de regresión debemos analizar por lo
menos los siguientes aspectos: ajuste, signijicancia y supuestos.
a) Ajuste
* Coeficiente de determinación (R2).
* Coeficiente de determinación ajustado (R 2 ).
* Error estándar de la regresión (SE).
b) Significancia estadística
* Prueba "t" de student.
* Otras pruebas estadísticas.
Capítulo 1: Pronósticos de Demanda 37
c) Supuestos
* Causalidad.
* Linealidad.
* Nonnalidad.
* Homocedasticidad.
* No-multicolinealidad.
* No-autocorrelación.
1.4.4.1 Ajuste
a) Coeficiente de determinación
El coeficiente de detenninación mide el porcentaje de la variación total de la variable
dependiente que se explica mediante la ecuación de regresión. En otro lenguaje: mide qué
porcentaje del comportamiento de "Y" las variables "X¡" son capaces de explicar. El
coeficiente de detenninación está dado por:
donde "Y¡" Y "Y¡" son los valores calculados y reales de la variable dependiente,
respectivamente. (En el listado de computadora de la Figura 1.6 los valores calculados
aparecen bajo el título "fitted".) Se puede demostrar fácilmente que O ~ R2~ 1.
SE = = - - - -
N-p
donde (N-p) es, una vez más, el número de grados de libertad de la ecuación.
38 Capítulo 1: Pronósticos de Demanda
Solución:
Coeficiente de determinación:
Solución:
El valor del T-STAT calculado por la computadora para el coeficiente "b" es 7.672593
(véase la Figura 1.6) y éste deberá ser comparado al valor crítico de "t", es decir:
(ta/2,N-p).
Para un nivel de confianza de 95%, tenemos el siguiente valor crítico de "t" (véase
cualquier tabla de la "t" de student):
tO.025, 6-3 = 3.18
que es menor que el T-STAT calculado por la computadora. Por lo tanto se rechaza la
hipótesis nula y debemos concluir que la variable "POB" contribuye significativamente a
la calidad de la ecuación de regresión encontrada. Como el valor crítico de "t" tiene el
mismo valor para todos los demás parámetros, también podemos afirmar que tanto la
constante como la otra variable "IPC" contribuyen significativamente a la calidad de la
ecuación (sus valores de T-STAT calculados son 4.2515874 y -3.3863398,
respectivamente). Obsérvese que, para realizar la prueba "t", es suficiente tomar los
valores absolutos de los T-STAT calculados.
Podemos realizar la prueba "t" directamente con la salida del paquete
computacional, sin la necesidad de consultar tablas. Para esto, es suficiente elegir un
error "u" y compararlo con los valores de la columna "2-TAIL SIG". Si "u" es mayor
que "2-TAIL SIG" se rechaza la hipótesis nula y se "u" es menor que "2-TAIL SIG" se
acepta la hipótesis nula.
Solución:
Los valores de "2-TAIL SIG" son:
Constante: 0.024
Población: 0.005
IPC: 0.043
Como todos los "2-TAIL SIG" son menores que "u", se rechazan todas las hipótesis
nulas.
40 Capítulo 1: Pronósticos de Demanda
Existen otras pruebas estadísticas como la prueba "F" y la prueba Durbin Watson.
El lector podrá estudiarlas en las referencias [28] ó [29]. Indudablemente, la más
importante es la prueba "t" descrita arriba.
1.4.4.3 Supuestos
Para que los criterios de ajuste y significancia descritos en los incisos anteriores sean
válidos, varios supuestos tienen que cumplirse. A continuación discutiremos brevemente
cada uno de ellos y veremos cómo podemos verificar que sí se están cumpliendo.
Afortunadamente, el cumplimiento de algunos supuestos puede verificarse graficando los
errores en el eje vertical y cualquier otra variable de la ecuación en el eje horizontal. Sin
embargo, normalmente se pone en el eje horizontal la estimación "Y" o la variable
tiempo (T), como en las Figuras 1.7(a), 1.7(b), 1.7(c) y 1.7(d).
a) Causalidad
La regresión relaciona una variable dependiente "Y" con una o más variables
independientes "X¡". La regresión no tiene sentido si las "X¡" no causan un cambio en
"Y", es decir, si no hay causalidad. Es perfectamente posible, por ejemplo, que 2
variables estén relacionadas sin que haya causalidad entre ellas. ¡Es suficiente que ambas
dependan de una tercera! En estadística, ésta se llama "variable amenaza".
Podemos seguir 2 caminos (no excluyentes) para verificar la causalidad. El primero
es justificarla con la teoría, por ejemplo: "la implantación de un sistema de incentivos
causa un cambio en la satisfacción laboral porque ... " y se justifica la afirmación con una
teoría. El segundo es incluir en la ecuación de regresión todas las "amenazas" y verificar
si la "X¡" cuestionada sigue siendo significativa. Por ejemplo, si "tamaño" de la empresa
es una amenaza a la causalidad entre "incentivos" y "satisfacción", introducimos
"tamaño" en la ecuación y verificamos si "incentivos" sigue siendo significativa.
b) Linealidad
Éste es el supuesto más obvio. Si determinamos una ecuación lineal, está implícita una
relación lineal entre "Y" y cada una de las "X¡". Si esto no se da, debemos cambiar a una
regresión no-lineal (no estudiada en este libro). El paquete SPSS (Statistical Package for
the Social Sciences), por ejemplo, ajusta modelos no-lineales.
e) Normalidad
La distribución estadística de los errores tiene que ser normal con media cero. En otras
palabras, si elaboramos un histograma de frecuencias con los errores, el resultado debe
ser una campana muy similar a la curva normal con media cero.
d) Homocedasticidad
La distribución estadística de los errores, además de normal, tiene que mantenerse
idéntica para cualesquiera rangos de valores de las variables, es decir, valores grandes o
valores pequeños. Por ejemplo, los errores no deben aumentar ni disminuir si las "X¡"
aumentan o disminuyen. Si esto no se cumple, decimos que hay "heterocedasticidad".
Capítulo 1: Pronósticos de Demanda 41
..
..• •....• •...•..• • •... .. . .. . . .. .
O
.. . . . .. . . .. .... .
o1-------=----::..:....----=.--=---
....
A A
Y Y
(a) Patrón nulo (b) No-linealidad
E E
. . . . . .. ..
.. .. ...
oI-----:--:--~."""":.---
. . .. . 01------·-.-.- - - -
Y T
(c) Heterocedasticidad (d) Autocorrelación
e) No-multicolinealidad
Cuando las variables "X¡" de una ecuación de regresión dada están muy correlacionadas,
decimos que hay multicolinealidad. El mismo sentido común sugiere que evitemos la
multicolinealidad. ¡Es como tener en un equipo de fútbol 2 delanteros que tienden a jugar
en la misma posición! Por lo tanto, el supuesto es de no-multicolinealidad. La correlación
entre variables disminuye el valor de "t", por lo que la prueba "t" elimina las que no
contribuyan a la calidad de la ecuación. En otras palabras, "somos afortunados" porque la
prueba "t" se encarga de evitar los problemas serios de multicolinealidad.
t) No-autocorrelación
Con mucha frecuencia (principalmente en pronósticos de demanda) hay un error para
cada período de tiempo y éstos pueden aumentar o disminuir a la medida que transcurre
el tiempo. Si esto se da decimos que hay "autocorrelación". La autocorrelación afecta la
validez de las pruebas estadísticas, por lo que el supuesto a cumplir es la no-
autocorrelación.
Si los supuestos de linealidad, homocedasticidad y autocorrelación no se violan, la
gráfica de errores debería presentarse como en la Figura 1.7(a). Normalmente dicho
patrón se llama "nulo" (del inglés "null plot"). En la Figura 1.7(b) la existencia de errores
predominantemente negativos al principio, positivos después y negativos otra vez al final,
indica una violación del supuesto de linealidad. Por otro lado, la Figura 1.7(c) muestra
42 Capítulo 1: Pronósticos de Demanda
que los errores tienden a aumentar a la medida que "Y" aumenta. Esto significa una
violación del supuesto de homocedasticidad.
Finalmente, veamos la Figura 1.7(d) que es la única con la variable "T" en el eje
horizontal. El hecho de que los errores aumenten a la medida que "T" aumenta significa
una violación del supuesto de no-autocorrelación.
Los paquetes computacionales grandes (como el SPSS) elaboran gráficas como las
de la Figura 1.7, así como construyen el histograma de los errores para verificar el
supuesto de normalidad. Desafortunadamente, necesitamos tener muchos datos para que
valga la pena el análisis de dichas gráficas. Por otro lado, el supuesto de no-
autocorrelación también puede verificarse a través de la prueba Durbin-Watson (véanse
las referencias [28] y [29]).
Solución:
Como hay 4 variables independientes hay 24 ecuaciones, incluyendo la que tiene cero
variables (sugerimos que el lector lo compruebe). Sin considerar ésta por no tener interés,
nos quedamos con 24-1 = 15 ecuaciones. Las ecuaciones aparecen en la parte inferior del
Cuadro 1.18 y en ésta puede apreciarse que cuanto mayor el número de variables, mayor
Capítulo 1: Pronósticos de Demanda 43
el valor del coeficiente de determinación, por lo que este criterio de ajuste no sirve para
comparar las ecuaciones.
Teniendo en cuenta el coeficiente de determinación ajustado y el error estándar, la
mejor ecuación es la del 7° renglón que incluye las variables "tiempo" y "bolsa", y tiene
R 2 =0.907926 y SE= 5.480312.
El "ok" en la columna "t de student" indica que todos los parámetros de la ecuación
(incluyendo la constante) son significativos al nivel de significancia de 0.95. Por otro
lado, el "ok" en la columna "DW" indica que la prueba Durbin-Watson rechaza
problemas de autocorrelación.
CUADRO 1.18 Captación de dólares en función del "tiempo", "IPC", "bolsa" y "dólar"
AJUSTE PRUEBAS
VARIABLES R 2
R2 SE t DW
(aiustado) Student
C, TIEMPO 0.786527 0.765180 9.326854 OK NO
C, IPC 0.855210 0.840731 7.681273 NO ?
C, DÓLAR 0.828761 0.811637 8.353436 NO OK
C,BOLSA 0.004912 -0.094597 20.13699 NO NO
C, TIEMPO, IPC 0.871585 0.843048 7.625188 NO ?
C, TIEMPO, DÓLAR 0.844552 0.810008 8.389475 NO OK
C, TIEMPO, BOLSA 0.924667 0.907926 5.480312 OK OK
C, IPC, DÓLAR 0.867930 0.838581 7.732937 NO ?
C, IPC, BOLSA 0.917069 0.898640 6.127736 NO OK
C, DÓLAR, BOLSA 0.832391 0.795144 8.711468 NO OK
C, TIEMPO, IPC, DÓLAR 0.880546 0.835751 7.800442 NO ?
C, TIEMPO, IPC, BOLSA 0.925742 0.897895 6.150230 NO OK
C, IPC, DÓLAR, BOLSA 0.917777 0.886944 6.471652 NO ?
C, TIEMPO, DÓLAR, BOLSA 0.931392 0.905665 5.911595 NO OK
C, TIEMPO, IPC, DÓLAR, BOLSA 0.932324 0.893652 6.276717 NO ?
44 Capítulo 1: Pronósticos de Demanda
Debo confesar que cuando realicé este ejercicio no esperaba encontrar ninguna ecuación
significativa, debido al pequeño tamaño de la muestra (sólo 12 datos) y a la inestabilidad
del año 1987. Por lo tanto, resultó sorprendente encontrar 2 ecuaciones significativas (la
primera y la séptima). Quiero terminar este ejemplo repitiendo que éste es sólo un
ejercicio académico y no propone ninguna teoría económica.
"R2", "R 2 ", "SE" Y la prueba "F" (análisis de varianza); (b) variables en la ecuación,
presentando entre otras cosas el valor de "T" y "Sig T"; (c) variables que no están en la
ecuación, presentando entre otras cosas con qué valor de "T" entrarían. Para ahorrar
espacio y simplificar la explicación dedicaremos una sola página a la entrada de cada
variable a la ecuación y omitiremos la prueba "F" y algunas columnas. Es decir, el SPSS
proporcionó más información que la que se presenta en la Figura 1.8.
En la primera página (Step Number 1) vemos que entró la variable "C14", y con
ella en la ecuación tenemos R2=0.16591. Su valor de "T" es 17.694 y su significancia es
0.0000. En la segunda página (Step Number 2) entró la variable "C23", y con "C14" y
"C23" en la ecuación tenemos R2=0.25126. Sus valores de "T" son 15.601 y 13.391,
respectivamente y la significancia de ambas es 0.0000. La tercera página (Step Number
3) está incompleta pero vemos que entró la variable "C13" y con "C14", "C23" y "C13"
en la ecuación tenemos R2=0.30758. y así sucesivamente.
Las siguientes páginas también están incompletas (hubo un total de 8 páginas)
hasta que llegamos a la página 8, cuando entró la variable "C21". Finalmente, entraron
las variables "C14" , "C23", "C13", "C19", "C16"" "C15" "C17" y "C21". Quedaron
afuera "C18", "C20" y "C22" por no ser significativas. La "R2" final fue de 0.36356.
En esta corrida de SPSS podemos observar cosas muy interesantes:
a) La "R2" fmal es de "sólo" 0.36356. Aparentemente es un valor muy pequeño, sin
embargo en problemas del campo de las ciencias sociales, psicología, etc., los valores
del coeficiente de determinación son de esta magnitud. La satisfacción de un empleado
depende de un número tan grande de factores que sería utópico querer explicar más
que 36.356% de su comportamiento ¡con sólo 11 variables!
b) Comparando los coeficientes de las variables en la ecuación final (página 8, columna
"B") podemos identificar aquéllas que más impacto tienen en la satisfacción de los
empleados. Por ejemplo, la que más impacto tiene es la "C13" con coeficiente 0.17026
y la que menos impacto tiene es la "C21" con coeficiente 0.03673. Es muy interesante
observar que para los empleados encuestados hay muchas cosas más importantes que
el salario ...
c) La escala (por ejemplo, M3 o litro) puede afectar los coeficientes de las variables e
impedir el análisis que se hizo en el inciso "b" arriba. Se pueden normalizar las
variables (restando su media y dividiendo entre su desviación estándar) para eliminar
el efecto de la escala. Haciendo esto los coeficientes cambian a los que se presentan en
la columna "Beta". En nuestro ejemplo esto no tiene mucha importancia porque todas
las variables se midieron con la misma escala (de 1 a 5), sin embargo hay pequeñas
diferencias entre la columna "B" y la columna "Beta".
d) En la página 1 el SPSS introdujo la variable "c 14" con un valor de "T" igual a 17.694.
Cuando entró la variable "C23", el valor de "T" de la "C14" bajó de 17.694 a 15.601.
¿A qué se debe esto? Existe correlación entre "C14" y "C23" y cuando esta última
entró a la ecuación provocó la disminución del valor de "T" de la "C14". En
cuestionarios de este tipo es muy común la correlación entre variables, ya que el nivel
de satisfacción respecto a un aspecto puede afectar el nivel de satisfacción de otro.
46 Capítulo 1: Pronósticos de Demanda
Page 1 SPSS
**** MULTIPLE REGRESION ****
Equation number 1 Dependent variable.. C24 En general. ..
Variable Entered on Step Number
1. Cl4 La casa...
R Square .16591
Adjusted R Square .16538
Standard Error .54904
Vana
. bles m
. the E~quatton
Variable B SEB Beta T SigT
C14 .31053 .01755 .40732 17.694 .0000
(Constant) 1.28344 .03794 33.825 .0000
V aria . th e E~quatlOn
. bles not m
Variable Beta In Partial Mio Toler T SigT
C13 12.130 .0000
C15 12.991 .0000
C16 10.646 0000
Cl7 9.929 .0000
C18 10.781 .0000
C19 13.319 .0000
C20 9.954 0000
C21 9.306 .0000
C22 8.253 .0000
C23 13.391 .0000
Page2 SPSS
**** MULTIPLE REGRESION ****
Equation number 1 Dependent variable.. C24 En general. ..
Variable Entered on Step Number
2. C23 El reconocimiento...
R Square .25126
Adjusted R Square .25031
Standard Error .52035
V ana
. bles m
. the E~Quatton
Variable B SEB Beta T SigT
C14 .26489 .01698 .34745 15.601 .0000
C23 .22221 .01659 .29823 13.391 .0000
(Constant) .86775 .04751 18.266 .0000
. bles not m
V aria 'thE
e ~Quatton
Variable Beta In Partial Mio Toler T SigT
C13 11.307 .0000
C15 8.858 .0000
C16 5.694 0000
C17 5.567 .0000
C18 5.972 .0000
C19 10.784 .0000
C20 4.720 0000
C21 5.710 .0000
C22 4.955 .0000
Capítulo 1: Pronósticos de Demanda 47
Page 3 SPSS
****MULTIPLE REGRESION ****
Equation number 1 Dependent variable.. C24 En general...
Variable Entered on Step Number
3. C13 La relación...
R Square .30758
Adjusted R Square .30626
Standard Error .50056
Page4 SPSS
**** MULTIPLE REGRESION ****
Equation number 1 Dependent variable.. C24 En general. ..
Variable Entered on Step Number
4. C19 Compañeros...
R Square .33771
Adjusted R Square .33603
Standard Error .48970
Vana
. bles m
. the E~quatIOn
Variable B SEB Beta T SigT
C14 .18643 .01695 .24454 10.997 .0000
C23 .17269 .01611 .23177 10.722 .0000
C13 .19309 .02123 .20584 9.095 .0000
C19 .17569 .02078 .19055 8.455 .0000
(Constant) .53803 .05051 10.651 .0000
Page 7 Vana
. blesno m the E~quaf IOn
Variable Beta In Partial Min Toler T SigT
C18 1.268 .2049
C20 1.805 .0713
C2l 2.256 .0242
C22 1.386 .1658
Page 8 SPSS
****MULTIPLE REGRESION ****
Equation number 1 Dependent variable.. C24 En general. ..
Variable Entered on Step Number
8. C21 Sindicato...
R Square .36356
Adjusted R Square .36031
Standard Error .48066
48 Capítulo 1: Pronósticos de Demanda
Vana
. bles ID
. the E~quatIon
Variable B SEB Beta T SigT
C14 .15892 .01710 .20846 9.292 .0000
C23 .09896 .01835 .13282 5.392 .0000
C13 .17026 .02119 .18151 8.034 .0000
C19 .15322 .02106 .16619 7.276 .0000
C16 .05491 .01967 .07137 2.792 .0053
C15 .07709 .02205 .08685 3.496 .0005
C17 .06310 .01923 .07858 3.282 .0011
C21 .03673 .01628 .05047 2.256 .0242
(Constant) .33337 .05781 5.767 .0000
VarIa . th e E~quatIon
. bles not ID
Variable Beta In Partial Min Toler T SigT
C18 1.191 .2339
C20 1.298 .1946
C22 1.200 .2302
e) Cada página indica el valor de "T" de las variables que están haciendo cola para entrar.
El lector debe observar que en el siguiente paso siempre entra la variable con el mayor
valor de "T". Por ejemplo, en la página 2 la variable con el mayor valor de "T" es la
"C13" (11.307). Esta variable entró a la ecuación en el paso 3 (página 3).
f) En la última página aparece "PIN=0.05 Limits reached". "PIN" es una abreviación de
"probability in" y 0.05 es el valor de "n". La frase quiere decir que el valor de
significancia elegido ha sido alcanzado y que las demás variables ya no entrarán a la
ecuación. Si hubiéramos adoptado un valor diferente para "n" la corrida hubiera
terminado antes o después.
g) A pesar de que no lo incluimos, el SPSS también elaboró un histograma de los errores.
La forma acampanada casi perfecta indicó que se estaba cumpliendo estrictamente con
el supuesto de normalidad.
h) Las variables que más impactan en la satisfacción general de los empleados (C24) son
precisamente las preguntas "personales" (C13 y C14). Hay dos interpretaciones
posibles: (a) para la mayoría de los empleados su vida personal es más importante que
su vida laboral; (b) los empleados mal interpretaron la última pregunta y creyeron que
se refería sólo a su vida personal. Posteriormente, cuando utilicé un cuestionario muy
parecido a éste, para no correr el riesgo de la segunda interpretación redacté la última
pregunta así: "Teniendo en cuenta tanto los aspectos personales como laborales, la
vida que llevas es:".
i) Se utilizó la versión de "DOS" del SPSS. Ésta, así como las versiones posteriores del
SPSS, imprime mucha información que no hemos explicado ni estamos incluyendo en
la corrida presentada. El lector interesado en una explicación más detallada y completa
debe consultar los manuales del paquete (ya existe la versión de SPSS para Windows).
Capítulo 1: Pronósticos de Demanda 49
Puede haber sinergia entre las variables de una ecuaClOn de regreslOn, es decir, la
capacidad explanatoria de 2 ó más variables juntas puede ser mayor que la suma de las
capacidades individuales de cada una de ellas. Por ejemplo, puede ocurrir que la "R2" de
una variable sola sea 0.1, que la "R2" de otra variable sola sea 0.4 y que la "R2" cuando
están las dos variables presentes en la ecuación sea 0.9.
AÑo DEMANDA X Z
1994 162 1 21
1995 300 2 16
1996 400 3 20
1997 550 4 30
1998 670 5 29
1999 400 6 100
2000 590 7 80
Solución:
En la Figura 1.9 aparecen 3 corridas del paquete TSP: en la primera "Z" está sola en la
ecuación; en la segunda "X" está sola en la ecuación; y en la tercera ambas variables
están presentes en la ecuación.
Puede observarse que cuando la variable "Z" está sola el valor de la "R2" es
0.070536; cuando la variable "X" está sola el valor de la "R2" es 0.585769; y que cuando
ambas están presentes ¡el valor de la "R2" es 0.971374! Por lo tanto, es una decisión muy
precipitada desechar una variable cuando ella sola explica muy poco del comportamiento
de "Y". Recordemos, sin embargo, que cuando hay correlación entre las variables, la
capacidad explanatoria final puede ser menor que la suma de las capacidades
explanatorias individuales. Sugerimos que el lector verifique en el Cuadro 1.18 que la
smergIa a veces ocurre y a veces no.
50 Capítulo 1: Pronósticos de Demanda
====================================================================
LS II Oependent Variable is OEMAN
SMPL 1994 2000
7 Observations
====================================================================
VARIABLE COEFFICIENT STO. ERROR T-STAT. 2-TAIL SIG.
C 379.52952 119.40394 3.1785344 0.025
INFLAC 1.4030181 2.2776537 0.6159927 0.565
====================================================================
LS II Oependent Variable is OEMAN
SMPL 1994 2000
7 Observations
La regresión lineal múltiple también puede usarse para elaborar pronósticos con
estacionalidad para meses, trimestres, etc.. Esto se logra a través de una variable binaria
que normalmente se llama "dummy". La variable "dummy" cumple con la función de
"avisar" a la regresión en qué período está. Por ejemplo, podemos definir una variable
"T9" que vale uno cuando estamos en Septiembre y vale cero cuando estamos en
cualquier otro mes. Si hay "N" periodos de tiempo el número de variables "dummy" debe
Capítulo 1: Pronósticos de Demanda 51
ser (N-1), ya que cuando todas las (N-1) variables son iguales a cero estamos en el
período n-ésimo (no necesariamente el último). Es decir, para manejar meses necesitamos
11 variables "dummy", para manejar trimestres necesitamos 3 variables "dummy" y para
manejar semestres necesitamos 1 variable "dummy".
A continuación presentamos un ejemplo de una empresa hipotética cuya demanda
presenta estacionalidad perfecta, para que el lector verifique que la regresión lineal
normal conduce a un ajuste mediocre mientras que la regresión lineal con estacionalidad
conduce a un ajuste perfecto (R2=1).
AÑo~
Trimestre 1996 1997 1998 1999 2000
TI 15 55 95 135 175
T2 55 95 135 175 215
T3 10 50 90 130 170
T4 85 125 165 205 245
Solución:
La Figura 1.10 muestra los valores de todas las variables del problema, incluyendo las
"dummy". La regresión lineal únicamente con la variable "tiempo" (que en el TSP se
llamó trimes) es de hecho una recta cuyos valores aparecen bajo el título "recta" y cuya
corrida del TSP aparece en la parte inferior de la Figura 1.10. Puede observarse que,
debido a la fuerte estacionalidad, el ajuste no es muy bueno y arroja una "R2" de
0.842426. La Figura 1.11 es una representación gráfica de los datos de demanda y de la
recta de regresión.
La Figura 1.12 muestra los valores de la demanda real, los valores de la regresión
con estacionalidad (bajo el título "reg. con est.") y la corrida correspondiente del TSP.
¡Puede observarse que el ajuste es perfecto con R2=1.0! La ecuación de regresión es la
siguiente (véase la columna "coefficient" de la parte inferior de la Figura 1.12):
Deman = 5 + (10)(trimes) + (30)(T2) - (25)(T3) + (40)(T4)
300
250
z~ 200
«
:E
150
w
e 100
50
O
TRIMESTRES
Capítulo 1: Pronósticos de Demanda 53
==================================================== ================
LS II Oependent Variable is OEMAN
SMPL 1996.1 - 2000.4
20 Observations
====================================================================
VARIABLE COEFFICIENT STO. ERROR T-STAT. 2-TAIL SIG.
C 5.0000000 6.8410-15 7.3090+14 0.000
TRIMES 10.000000 4.7320-16 2.1130+16 0.000
T2 30.000000 7.5860-15 3.9540+15 0.000
T3 -25.000000 7.6310-15 -3. 2 760+15 0.000
T4 40.000000 7.7040-15 5.1920+15 0.000
==================================================== ================
R-squared 1.000000 Mean of dependent var 121. 2500
Adjusted R-squared 1.000000 S.O. of dependent var 66.03179
S.E. of regression 1. 200-14 Sum of squared resid 2.150-27
Ourbin-Watson stat 0.423172
====================================================================
Si quisiéramos elaborar pronósticos para los cuatro trimestres de 2001, éstos serían:
Pi = 5 + (10)(trimes) + (30)(T2) - (25)(T3) + (40)(T4)
PI = 5 + (10)(21) + (30)(0) - (25)(0) + (40)(0) = 215
P2 = 5 + (10)(22) + (30)(1) - (25)(0) + (40)(0) = 255
P3 = 5 + (10)(23) + (30)(0) - (25)(1) + (40)(0) = 210
P4 = 5 + (10)(24) + (30)(0) - (25)(0) + (40)(1) = 285
54 Capítulo 1: Pronósticos de Demanda
Como conclusión, queremos agregar que la regresión lineal múltiple es, quizás, la
herramienta de pronósticos más poderosa y flexible que hay. Sin embargo, con frecuencia
usamos y abusamos de la regresión. Para usarla con seriedad debemos verificar
cuidadosamente, su ajuste, significancia y cumplimiento de supuestos.
Su uso generalizado se debe a las siguientes razones principales:
a) Existen paquetes computacionales muy eficientes que no sólo determinan la ecuación,
sino que evalúan el ajuste, la significancia y los supuestos.
b) Puede utilizarse para estudiar la relación entre cualquier variable dependiente
(continua) y cualesquiera variables independientes (continuas). Por ejemplo, la
variable dependiente puede ser "dureza de un acero" y las independientes pueden ser
"temperatura del horno" y "tiempo en el horno".
c) Permite manejar fácilmente la estacionalidad a través de las variables dummy.
d) Permite ajustar las líneas exponencial y potencial, además de la línea recta.
e) Permite ajustar polinomios.
Capítulo 1: Pronósticos de Demanda 57
350
300
250
~ 200
z
<C
:2
150
~ 100
50
O
-50 ~.
NES
350
300
250
«
e
z 200
«
:le
w 150
e
100
50
O
1 4 7 10 13 16 19 22 25 28 31 34 37 40
MES
58 Capítulo 1: Pronósticos de Demanda
PROBLEMAS TIPO
1.1 Los datos de demanda de una determinada empresa en los últimos años han sido los
siguientes (debido a problemas internos y externos la empresa decidió no usar el dato
de 1997):
AÑos 1994
DEMANDA 3,000
Elaborar pronósticos para los años 2000 y 2002 utilizando la línea recta.
Resp. : Poniendo el origen en 1994 la ecuación es Y=3,140+(334.29)(X); Y(2000)=5 ,145.71 ; Y(2002)=5,814.32.
1.4 Una empresa siempre ha utilizado el promedio móvil con K=4 Y disponemos de la
siguiente información para 2001 (M3):
MESES MAY JUN JUL AGO SEP OCT NOV I DIC
DEMANDA 1,300 1,500 1,700 2,200 1,900 2,500 2,300 I 2,700
a) ¿Qué pronóstico calculó la empresa para Diciembre de 2001 usando el PMS y
qué error se cometió en M 3 y % de la demanda real?
b) ¿Qué pronóstico calculó la empresa para Diciembre de 2001 usando el PMA y
qué error se cometió en M 3 y %?
c) ¿Cuáles son los pronósticos sin estacionalidad para los 12 meses de 2002,
utilizando el PMA?
d) Considerando el total anual del inciso anterior, ¿cuáles son los pronósticos con
estacionalidad para los 4 trimestres de 2002, suponiendo que los índices
estacionales fueran 10%, 20%, 30% Y 40%, respectivamente?
Resp.: a) Promedio simple Noviembre=2,225; Pronóstico Diciembre=2,225; E(M3)=2,225-2,700=-475;E(%)=-17.59%.
b) Promedio ajustado Noviembre=2,683.33; Pronóstico Diciembre=2,683.33; E(M3)=2,683.33-2,700=-16.67;
E(%)=-0.62%.
Capítulo 1: Pronósticos de Demanda 59
1.7 American Express desea estimar las compras del año 2000 con la tarjeta de crédito
en México y para esto recopiló la información del cuadro a continuación
(información real procesada para mantener su confidencialidad). Utilizando
cualquier paquete de regresión lineal múltiple:
a) Determinar la ecuación de regresión lineal múltiple que relaciona "compras" (Y)
con "tarjetahabientes" (Xl) y "establecimientos" (X2).
b) Evaluar el ajuste de la ecuación calculando "R" cuadrada, "R" cuadrada ajustada
y "SE".
c) Realizar una prueba "t" al nivel de confianza del 95% para determinar la
significancia estadística de la ecuación.
60 Capítulo 1: Pronósticos de Demanda
d) ¿Cuál sería el pronóstico. de las compras del año 2000 para 4,000,000
tarjetahabientes y 660,000 establecimientos afiliados?
COMPRAS CON #DE TARJE- # ESTABLECIMIENTOS
LA TARJETA TAHABIENTES AFILIADOS
AÑo ($ miles) (miles) (miles)
1987 3,500 1,400 150
1988 4,300 1,600 160
1989 6,100 2,000 160
1990 7,300 2,500 170
1991 7,000 2,300 180
1992 7,400 1,900 180
1993 6,800 1,700 190
1994 6,300 1,700 200
1995 6,400 1,800 250
1996 8,800 2,000 330
1997 15,700 2,600 440
1998 20,200 3,200 540
Resp.: a) Y=-5,221.7423+(3.5391650)(TARJET)+(25.438486)(ESTABL).
b) R cuadrada=0.969372; R cuadrada ajustada=0.962566; SE=929.4637.
c) Significancia de "t": constante 0.003<0.05, se rechaza Ho; tarjetababientes 0.003<0.05, se rechaza Ho;
establecimientos 0.000<0.05, se rechaza Ho.
d) Y=25,724.32 miles.
CAPÍTULO CAPÍTULO
I PLANEACIÓN DE CAPACIDAD I
SÍNTESIS
2.1 INTRODUCCIÓN
Ninguna empresa puede darse el lujo de no hacer una adecuada planeación de capacidad,
lo cual a grosso modo, significa combinar las fuentes alternas de capacidad de tal forma
que se pueda satisfacer económicamente la demanda creciente o decreciente de sus
productos o servicios.
El término "capacidad" ha sido definido de distintas maneras: "volumen máximo
por unidad de tiempo que podemos obtener de una unidad productiva"; "volumen ideal o
teórico por unidad de tiempo que podemos obtener de una unidad productiva; etc.. Estas
definiciones pueden ser útiles como una referencia pero no ayudan mucho a planear la
capacidad, precisamente porque estos volúmenes "máximos", "ideales" o "teóricos"
generalmente no se logran. Por ejemplo, el dato de que un VW sedán hace 15 Km. por
litro de gasolina no es muy útil, ya que corresponde a 90 Km./hora de velocidad y a una
carretera sin vientos, pendientes o curvas. Si manejaremos a una velocidad de 110
Km./hora en una carretera "normal", para efectos de planeación del viaje un dato como
10 Km. por litro seguramente será mucho más útil.
Por estas razones, adoptaremos en este libro la siguiente definición de capacidad:
"volumen por unidad de tiempo que podemos obtener de una unidad productiva en las
condiciones actuales de operación". Esta definición no implica una actitud conformista
de no intentar cambiar las condiciones para obtener más volumen. Al contrario, con la
mejora continua las condiciones deben cambiar y la capacidad debe cambiar también.
Encontrar una medida de capacidad idónea no es una tarea fácil. Cuando el
producto es único o presenta muy pocas variantes, normalmente "unidades físicas" es la
mejor medida de capacidad. Por ejemplo, podemos tener computadoras/año, coches/año,
pasajeros/año, etc.. Sin embargo, esta medida no es adecuada para múltiples productos.
En estos casos, necesitamos una "unidad física común" como toneladas, metros cúbicos,
pasajeros-km, etc. o una unidad monetaria ($). Por ejemplo, podemos tener T/año,
M 3/año o $/año. Si se utiliza la última, siempre será conveniente eliminar el efecto de la
inflación. En algunos casos, también se mide la capacidad a través de los recursos
disponibles, como por ejemplo, horas-hombre, aviones o salones de clases. Tenemos que
ser muy cautelosos con esta forma de medir, porque la disponibilidad de recursos no
necesariamente implica producción y los recursos pueden ser utilizados con niveles muy
diferentes de eficiencia.
Cuando nos enfrentamos a un problema de capacidad, siempre habrá la
disponibilidad de una o más de las siguientesfuentes alternas de capacidad:
* Aumento de la capacidad instalada.
* Tumo(s) extraes).
* Tiempo extra.
* Acumulación de inventarios.
* Subcontratación de una parte de la producción (maquila).
"Capacidad instalada" corresponde a los elementos productivos propiamente dichos
(personas y/o máquinas) y para ser aumentada requiere la contratación de personal y/o la
inversión en maquinaria. Por simplicidad, en los ejemplos que presentaremos en este
capítulo consideraremos siempre que la única manera de aumentar la capacidad instalada
es a través de la inversión en maquinaria.
Capítulo II: Planeación de Capacidad 65
Debe observarse que los incisos "c" y "d" contemplan la posibilidad de la obtención de
una solución óptima. Como veremos más adelante, esto es mucho más fácil cuando se
ignora el cambio del valor del dinero en función del tiempo.
Los problemas de capacidad pueden ser clasificados en dos grandes grupos:
* Planeación de capacidad de largo plazo (horizonte>1 año).
* Planeación de capacidad de corto plazo (horizonte ::;;1 año).
Por 10 menos teóricamente, todas las fuentes de capacidad pueden ser utilizadas tanto en
el largo como en el corto plazo, pero generalmente las inversiones en capacidad instalada
se contemplan sólo en el largo plazo. Por otro lado, en la planeación de corto plazo
podemos ignorar el cambio del valor del dinero con el tiempo, mientras que en el largo
plazo, precisamente por el largo plazo, esto sería muy impreciso.
En ocasiones, hay ampliaciones (inversiones) en el mercado de distintos tamaños
para aumentar la capacidad de la planta y éstas pueden tener costos de adquisición y
operación diferentes. Si el costo de una ampliación es menos que proporcional a su
tamaño, decimos que hay economía de escala de inversión; si los costos de operación de
una ampliación más grande son menores que los costos de una más pequeña, decimos que
hay economía de escala de costo. Por ejemplo, si una ampliación de 10,000 unid.laño
cuesta $80 millones y opera a costos de $5/unid., y una ampliación de 5,000 unid.laño
cuesta $50 millones y opera a costos de $6/unid., ambos tipos de economía de escala
estarían presentes.
66 Capítulo 11: Planeación de Capacidad
Supongamos también que los pronósticos de demanda de estos cuatro productos para los
próximos 5 años son:
Solución:
Los requerimientos de capacidad en horas-máquina para cada etapa del proceso durante
los próximos 5 años serían entonces:
Supongamos que esta etapa del proceso trabaja un solo turno con un total de 2 máquinas
cortadoras (guillotinas), y que el número de días laborables del año sea de 250. El total de
horas-máquina disponibles en cada uno de los 5 años sería de:
(2 máquinas)(8 h/día)(250 días/año) = 4,000 HM/año.
Podemos ver, por lo tanto, que a partir de 2005 la capacidad instalada de la planta (2
máquinas) no será suficiente y que la empresa tendrá que trabajar tiempo o turnos extras,
o aumentar su capacidad instalada (a 3 máquinas, por ejemplo).
68 Capítulo TI: Planeación de Capacidad
Obsérvese que normalmente las máquinas no trabajan las 8 horas diarias, por lo que
el total de 4,000 HM/año es demasiado elevado. Suponiendo una utilización de 85% del
tiempo disponible (fondo productivo utilizable), el total de horas-máquina al año sería
(4,000 HM/año)(0.85) = 3,400 HM/año, lo que indica que ya en el año de 2004 la
empresa empezaría a tener problemas de capacidad.
Un cálculo idéntico podría ser hecho para analizar la capacidad del proceso de
doblado y de los demás procesos de la planta, tanto en términos de horas-máquina (para
determinar el número de máquinas requeridas), como en términos de horas-hombre (para
determinar el número de trabajadores requeridos).
Antes de pasar al siguiente inciso (generación de planes alternativos), vale la pena
resaltar algunos puntos respecto al concepto de capacidad:
a) Como mencionamos antes, las máquinas ya instaladas en la planta o la fuerza de
trabajo ya contratada y entrenada, se llama capacidad instalada. Ésta será siempre
constante hasta que se integren (o se retiren) hombres y/o máquinas. En el caso del
proceso de corte del ejemplo 2.1, la capacidad instalada era de 2 máquinas guillotinas
o de 3,400 HM/año. .
b) La capacidad requerida es aquélla que se necesita para satisfacer plenamente la
demanda, pudiendo ser por lo tanto mayor o menor que la capacidad instalada. La
capacidad requerida generalmente es variable, por lo que será nécesario calcular la
capacidad requerida media de un período y la capacidad requerida instantánea de un
determinado momento (día).
c) La capacidad se puede medir con cualquier unidad de tiempo, independientemente del
período o momento que se esté analizando. Por ejemplo, podemos decir que la
capacidad instalada o requerida del mes de Octubre de 2002 es de 2,000 unidades al
año; o decir que la capacidad requerida del }O de Enero de 2003 será de 2,500
unidades al año. Por simplicidad, en los problemas de largo plazo siempre
utilizaremos como unidad de tiempo el año y en los problemas de corto plazo el mes.
d) Cuando se transforman los pronósticos en capacidades requeridas o requerimientos de
capacidad, esto no implica que durante todo el período analizado la capacidad
requerida será la misma. Por ejemplo, en el caso del proceso de corte la capacidad
requerida en 2002 es de 2,190 HM, sin embargo, como la demanda es creciente, la
capacidad requerida al principio del año será menor que este valor y al final del año
será mayor que este valor. Si queremos satisfacer totalmente la demanda con la
capacidad instalada sin acumular inventario, ésta debe ser suficiente para aumentar de
un valor inicial "X" hasta un valor final "Y", de tal manera que la media sea
exactamente 2,190 HM/año. Por este motivo, siempre hablaremos de las capacidades
requeridas al inicio y final de cada período (año, semestre, mes, etc.), y de capacidad
requerida media.
Supongamos el caso en que la capacidad requerida aumenta con una tasa de crecimiento
constante de 20%/año, desde 10,000 unid.laño al inicio de 2001 hasta 62,900 unid.laño al
final de 2010. Los requerimientos de capacidad al inicio y [mal de cada año serán los
siguientes:
Capítulo II: Planeación de Capacidad 69
70 70
60 60
50 50
40 40
30 30
20 20
10 10
o 99-00 01-02 03-04 05-06 07-08 09-10 11-12 ~s o 99-00 01-02 03-04 05-06 07-08 09-10 11-12 ~s
la alternativa de la Figura 2.1(b) puede ser muy superior. Por 10 tanto, para cada caso
específico, tendrá que hacerse una evaluación económica para determinar la mejor
alternativa.
En muchos casos lo que determina la frecuencia y la magnitud de las ampliaciones
son las restricciones de capacidad. Por ejemplo, supongamos que en una planta
productora de bloques de concreto hay actualmente una máquina que produce 10,000
bloques en un turno de 8 horas. Si se requiere un aumento de capacidad instalada, se
podrá llegar a un máximo de 30,000 bloques por día en tres turnos. A partir de este valor,
la empresa estará obligada a comprar otra máquina y el aumento de capacidad estará
condicionado por los tamaños disponibles en el mercado. Si la capacidad mínima de este
tipo de máquina es de 10,000 bloques/8 horas, éste será el aumento mínimo de capacidad
de la planta, independientemente de cualquier estudio económico que se quiera realizar.
Con dos máquinas y requerimientos de 30,000 bloques/día la planta podría empezar
trabajando 1.5 turnos por día o poner a trabajar una máquina dos tumos y la otra un solo
turno. Con las dos máquinas se podría llegar a una capacidad teórica máxima de 60,000
bloques/día, cuando entonces otro aumento de 10,000 se haría necesario.
Si graficamos una capacidad requerida hipotética, la capacidad instalada por turno
de 8 horas y la capacidad instalada total (3 turnos), obtendremos lo que se muestra en la
Figura 2.2. En esta figura la línea continua superior indica la capacidad de la planta con 3
tumos y la línea continua inferior la capacidad de la planta si solamente fuera posible
trabajar un turno. La figura muestra claramente que para satisfacer esta demanda
hipotética se tendrán que comprar nuevas máquinas de 10,000 bloques/día al [mal de los
años 2001 y 2009, respectivamente.
Capacidad
/~ instalada/requerida
(miles)
90 Instalada
3 tumos
80
-
70
~ Requerida
60 .--
50
40 , .. V
~ - ~
"""",..
30 ..-V Instalada
,1'" 1 tumo
20 -- /
10
If
.....
00 01 03 04 05 06 07 08 09 10 11 12 13 ""
Años
Capítulo JI: Planeación de Capacidad 71
Si por alguna razón la planta pudiera trabajar sólo un máximo de 2 turnos/día, los
incrementos de capacidad tendrían que ser como lo indica la línea punteada de la Figura
2.2. Obsérvese que en este caso, para reducir la sub-utilización de la maquinaria, la
empresa está planeando tener en los años 2012 y 2013 una capacidad instalada
ligeramente inferior a la capacidad requerida, ya que en estos años la línea representativa
de la capacidad instalada pasa por debajo de la línea representativa de la capacidad
requerida. Esto implica, obviamente, la necesidad de trabajar tiempo extra si se quiere
satisfacer totalmente la demanda.
La evaluación económica más sencilla se lleva a cabo a través del cálculo del valor
presente neto de cada alternativa. Éste deberá incluir el valor presente de los ingresos y el
valor presente de las inversiones y costos operacionales, incluyendo aquéllos de las
fuentes alternas de capacidad. La alternativa con el mayor valor presente neto será
seleccionada. Veamos un ejemplo numérico.
La planta actual trabaja a los mismos costos que la ampliación de 1,000 unid./año.
Determinar las unidades producidas en tiempo normal y tiempo extra en cada uno de los
años y el valor presente neto para cada alternativa.
Solución:
Como la demanda es la misma para cualquier alternativa, la determinación del valor
presente de los egresos (inversiones y costos) será suficiente. La alternativa con el menor
valor presente neto deberá seleccionarse.
72 Capítulo TI: Planeación de Capacidad
8 8
V
7 I-+-+--+-----,~-+---l 7
r7
6
[7
5 f7
!/ -
./
2002 2003 2004 2005 2006 Afios 2002 2003 2004 2005 2006 Afios
9 9
8
7 8
!7
7
V 7
~/
6
V 6
/1
5 17 5 17
/ .....
-'
/ .
.....
./
2002 2003 2004 2005 2006 Afios 2002 2003 2004 2005 2006 Afios
Alternativa #1:
Es conveniente empezar determinando las capacidades requeridas inicial y final de cada
año (véase la Figura 2.3(a)), así como la capacidad requerida media. Como el crecimiento
de la demanda es lineal, la capacidad requerida media es la semi-suma de las capacidades
inicial y final. Obsérvese que la capacidad requerida media es lo que tenemos que
entregar a la sociedad en cada año, independientemente de la alternativa adoptada.
AÑO CAP. REQ. INICIAL CAP. REQ. FINAL CAP. REQ. MEDIA
2003 5,000 6,000 5,500
2004 6,000 7,000 6,500
2005 7,000 8,000 7,500
2006 8,000 9,000 8,500
$33,805
$2,000,000 $2,000,000 $2,000,000
$1 ,652,893
------------
$35,459
~ Flujos
$1,502,630 ~ Valores presentes
$36,534
$5,110,967
Alternativa #2:
Con la alternativa #2 la ampliación de 3,000 estará disponible a partir del [mal de 2003.
Como ésta es más eficiente que la instalación actual, es lógico utilizarla al máximo
siempre y producir el restante con la instalación actual. Por ejemplo, para el año de 2004
tenemos que ofrecer un total de 6,500 unid., por lo que producimos 3,000 unid. con la
nueva instalación (a $5) y sólo 3,500 con la antigua (a $6). Los egresos y valores
presentes se presentan en la Figura 2.5.
$31,464
Alternativa #3:
La alternativa #3 implica trabajar tiempo extra durante todo el año de 2004. La
determinación de la cantidad a producir con tiempo extra es extremadamente sencilla: la
capacidad instalada es de 6,000 unid./año y la sociedad requiere 6,500 unid., lo que
significa producir 500 unid. con tiempo extra en la instalación antigua (a $8/unid.). El
flujo del año 2003 es idéntico al de la alternativa #1 y los flujos de 2005 y 2006 son
idénticos a los de la alternativa #2 (véase la Figura 2.6).
$31,464
$33,095
'-------------~------------
$34,385
~ Valores presentes Flujos
$4,679,070
Resumiendo, los valores presentes totales de los egresos de cada alternativa son:
Solución:
Inicialmente debe observarse que los datos proporcionados corresponden a las demandas
de cada año, es decir a las capacidades requeridas medias. Por lo tanto, lo primero que
tenemos que hacer es transformar los requerimientos medios en capacidades requeridas
inicial y fmal. Esto se logra fácilmente restando y sumando a cada valor de demanda la
mitad de la pendiente que en este caso es 2,000 unid./año. Por lo tanto:
a) 2003: CRI = 9,000; CRF = 11,000; C R = 10,000.
2004: CRI = 1l,000; C RF = 13,000; C R = 12,000.
2005: CRI = 13,000; CRF = 15,000; C R = 14,000.
donde: CRI = Capacidad requerida inicial.
CRF = Capacidad requerida fmal.
C R = Capacidad requerida media.
b) 2003: TN = 10,000; TE = O.
2004:
13,000 t2 = 500 = 0.25 años
2,000
12,500
Durantet2 :
CRI =12,500/OOo; C RF =13,000/000; C R = 12,750/000;
Instalada: 12,500/000;
11,0 0 0 4 - - - - - - - - ' - - - - - ' Insuficiencia: 250/000; TE =(250)(0.25)
TE = 62 unid.
c)
2003 I 2004 I 2005 I
I I I
-,r ,r ,¡,
(10000)($50) (11938)«$50)+ (12500)($50)+
=$500,000 (62)($60) (1500)($60)
=$600,620 =$715 ,000
$476:~
$520,608
Valor presente total
$563,410
$1,560,749
2.2.5 Optimización
En estas condiciones es fácil demostrar que la solución óptima es ampliar cada "x" años y
que, consecuentemente, cada ampliación debe ser de un tamaño (x.D). El problema
consiste entonces en encontrar el valor óptimo de "x".
Consideremos el siguiente esquema, en el cual se invierte f(y), correspondiente a
una ampliación de tamaño "y" cada "x" años, y C(x) es el valor presente de todos los
flujos desde infinito hasta el punto indicado con el número 2.
2
:>
Años
f(y) C(x)
Capítulo 11: Planeación de Capacidad 77
es decir, el valor óptimo "Xc" no puede ser despejado pero puede encontrarse por
iteraciones sucesivas. Es interesante observar que el valor óptimo de "x" no depende de
"D" ni de "K". Para que haya economía de escala el valor de "a" tiene que ser positivo y
menor que uno. Si "a" fuera mayor que uno habría deseconomía de escala. El modelo
considera un horizonte infinito, lo que equivale a considerar que la empresa existirá
siempre y que las condiciones ("r", "a", "D" y "K") se mantendrán iguales.
Solución:
En este caso D=200, r=0.1O, K=10,000 y a=0.70. El valor óptimo de "x" es el siguiente:
(O.lO)(x o ) = 070
e (O.lO)(x o ) -1 .
de donde se obtiene el valor Xc=6.75 años. Por lo tanto, cada ampliación tendrá un
tamaño y=(6.75)(200)=1,350 unid. y un valor de:
f(y) = (10,000)(1,350)°·70 = $1,553,222.
Solución:
La mejor manera de evaluar programas de producción de corto plazo es a través de
cuadros como los que se muestran a continuación. En éstos es importante observar que el
inventario final de cada mes es el inventario inicial del mes siguiente sólo cuando no hay
maquila. Cuando hay maquila el inventario inicial es la suma de la maquila más el
inventario final del mes anterior. Cuando esto ocurre los cuadros muestran el inventario
final del mes anterior en números pequeños y el inventario inicial en números grandes.
Por ejemplo, °50 significa inventario final del mes anterior igual a cero e inventario
inicial del mes considerado 50 (ya que hay una maquila de 50). Por otro lado, para el
Capítulo 11: Planeación de Capacidad 79
cálculo del inventario medio se usó como aproximación la semi-suma de los inventarios
inicial y final de cada mes. Se usaron las abreviaciones "1.1.", "I.F." e "¡,, para inventario
inicial, inventario final e inventario medio, respectivamente.
Con el Programa I se producen 2,000 unid. en tiempo normal, 100 unidades en
tiempo extra y se maquilan 500 unidades. Incluyendo el costo de mantener los inventarios
medios, esto conduce a un costo total de $318,625. Obsérvese que el costo de la maquila
es relativamente elevado, por lo que el Programa n intenta reducir éste mediante el uso
del tiempo extra. Como resultado tenemos 2,000 unid. en tiempo normal, 400 unid. en
tiempo extra y sólo 200 unid. maquiladas. Como el Programa n acumula inventario con
el tiempo extra para reducir el costo de la maquila, éste se reduce pero aquéllos se
incrementan. Sin embargo, el costo total disminuye a $315,625. Estos resultados no
pueden ser generalizados porque si el costo de mantener fuera elevado y/o la diferencia
entre el tiempo extra y la maquila fuera pequeña, el Programa I podría resultar más
económico que el Programa n.
Programa 1:
DICIEMBRE ENERO FEBRERO MARZO ABRIL
DEMANDA --- 400 600 550 1,000
I.I. --- O 100 050 u450
I.F. O 100 O O 50
NORMAL --- 500 500 500 500
T.E. --- --- --- --- lOO
MAQUILA --- --- --- 50 450
I --- 50 50 25 250
Costo de la producción en tiempo normal: (2,000)($110) = $220,000.
Costo de la producción en tiempo extra: (100)($130) = $13,000.
Costo de la maquila: (500)($160) = $80,000.
Costo de mantener: (50+50+25+250)($15) = $5,625.
Costo total: $318,625.
Programa 11:
DICIEMBRE ENERO FEBRERO MARZO ABRIL
DEMANDA --- 400 600 550 1,000
I.I. --- O 200 200 L:>u450
I.F. O 200 200 250 50
NORMAL --- 500 500 500 500
T.E. --- lOO 100 100 100
MAQUILA --- --- --- --- 200
I --- lOO 200 225 250
Costo de la producción en tiempo normal: (2,000)($110) = $220,000.
Costo de la producción en tiempo extra: (400)($130) = $52,000.
Costo de la maquila: (200)($160) = $32,000.
Costo de mantener: (100+200+225+250)($15) = $11,625.
Costo total: . $315,625.
80 Capítulo 11: Planeación de Capacidad
PROBLEMAS TIPO
2.1 Se han hecho los siguientes pronósticos para los próximos 4 años:
lAÑo I 2003 2004 2005 2006
I DEMANDA I 15,000 20,000 25,000 30,000
Considerando que la capacidad instalada actual es de 16,000 unid.laño y que será
aumentada a 27,500 unid.laño ello de Enero de 2004, determinar (sin acumular
inventarios):
a) Las capacidades requeridas inicial y fmal de cada año.
b) Las cantidades producidas con tiempo normal y extra en cada año.
c) El valor presente total de los egresos, considerando que la ampliación a 27,500
unid.laño costará $800,000, que las unidades producidas con tiempo normal y
extra cuestan $50 y $70, respectivamente, y que la tasa de interés es de 10%/año.
d) Considerando ahora que la ' empresa decide trabajar siempre a su capacidad
instalada máxima, ¿cuál sería el inventario al fmal de cada uno de los 4 años?
¿Cuántas unidades se producirían con tiempo extra en cada año?
Resp.: a) 2003: C¡u=12,500; C¡u=17,SOO; 2004: C¡u=17,SOO; C¡u=22,SOO; 200S: C¡u=22,SOO; C¡u=27,SOO; 2006: C¡u=27,SOO;
C¡u=32,SOO.
b) 2003: TN=14,77S unid.; TE=22S unid.; 2004: TN=20,000 unid.; TE=O; 200S: TN=25,000 unid.; TE=O;
2006: TN=27,SOO unid.; TE=2,SOO unid.
e) VP=$4,408,770.
d Los inventarios inicial y fmal el TE serían:
INVENTARIOS 2003 2004 200S 2006
lNlClAL O 1,000 8,SOO 11,000
FINAL 1,000 8,SOO 11,000 8,SOO
TE O O O O
2.3 Se han hecho los siguientes pronósticos para los próximos 3 años:
I AÑos I 2003 2004 2005 I
I DEMANDA I 10,000 14,000 18,000 I
82 Capítulo 11: PlaneaCÍón de Capacidad
2.4 Se han hecho los siguientes pronósticos de demanda en una determinada empresa
para los próximos 3 años:
AÑos
DEMANDA
Considerando que la capacidad instalada es de 19,000 unid.laño y que no será
aumentada durante este horizonte de planeación, determinar (sin acumular
inventarios):
a) Las capacidades requeridas inicial y [mal de cada año.
b) Las unidades producidas con tiempo normal y extra en cada año.
c) Si la empresa decidiera trabajar a su máxima capacidad instalada durante los 3
años, ¿cuáles serían los inventarios inicial y final de cada año? ¿Cuál sería el
inventario máximo y cuándo ocurriría? ¿Cuántas unidades se producirían con
tiempo extra en cada año? Considera que el inventario inicial de 2003 es cero.
d) Graficar el comportamiento del inventario del inciso "c".
Resp.: a) 2003: C¡u=9,OOO; CJ<lF15,000; 2004: C¡u=15,000; CJ<lF21,000; 2005 : C¡u=21 ,000; CJ<lF27,000.
b) 2003: TN=12,000 unid. ; TE=O; 2004: TN=17,667 unid.; TE=333 unid.; 2005: TN=19,000 unid.; TE=5,000 unid..
e) El inventario máximo ocurriría al inicio del último 1/3 de 2004 y sería de 8,333 unid.. Los inventarios inicial y final,
y el TE serían'
INVENTARIOS 2003 2004 2005
INICIAL O 7,000 8,000
FINAL 7,000 8,000 3,000
TE O O O
Capítulo 11: Planeación de Capacidad 83
d) Sería una curva que arranca de cero a! inicio de 2003 y tiene pendiente decreciente que llega a cero a! inicio del
último 1/3 de 2004, cuando la ordenada es de 8,333; a partir de ahí la pendiente es negativa y la curva termina con una
ordenada de 3,000 a! fma! de 2005. Las ordenadas a! inicio y fina! de cada año serían las del cuadro arriba.
Recomendamos que el lector dibuje la curva.
2.5 Se han hecho los siguientes pronósticos de demanda para los próximos 3 años:
AÑos
DEMANDA
2.6 La empresa BETA, S.A. ha elaborado los siguientes pronósticos para los primeros 4
meses de 2003:
MESES ENERO FEBRERO MARZO ABRIL
DEMANDA 500 750 900 700
La capacidad normal de producción de la planta es de 550 unid.lmes y con tiempo
extra puede llegar a un máximo de 650 unid.lmes. Las unidades producidas con
tiempo extra cuestan $15 más por unidad.
Existe la posibilidad de maquilar parte de la producción en la empresa GAMA,
S.A.. Los productos maquilados cuestan $20 más por unidad, serán entregados los
días 10 de cada mes y serán pagados de contado. El costo de mantener inventario es
de $6/unid.mes.
84 Capítulo 11: Planeación de Capacidad
2.7 La empresa BAJÍO, S.A. ha elaborado los siguientes pronósticos para los 4 primeros
meses de 2003:
MESES I ENERO I FEBRERO MARZO ABRIL I
DEMANDA I 4,000 I 4,900 5,800 4,500 I
La capacidad normal de producción de la planta es de 4,500 unid.lmes y con tiempo
extra puede llegar a un máximo de 5,400 unid.lmes. Las unidades producidas con
tiempo extra cuestan $50 más por unidad. Existe la posibilidad de maquilar parte de
la producción en la empresa ALPHA, S.A.. Los productos maquilados cuestan $70
más por unidad, serán entregados los días 10 de cada mes y serán pagados de
contado. El costo de mantener inventarios es de $60/unid.año. El inventario al final
de Diciembre de 2002 será de 100 unidades.
BAJÍO, S.A. está tratando de optimizar la producción y, entre otros, desea
determinar el .costo adicional de tiempo extra, maquila e inventarios del siguiente
programa de producción:
PROGRAMA: Trabajar tiempo extra al máximo sólo en Marzo y producir con
tiempo extra y/o maquila todo 10 necesario para satisfacer la
demanda y cumplir con los siguientes inventarios mínimos (mantener
la producción normal en 4,500 unid.lmes):
MESES ENERO FEBRERO MARZO ABRIL
INVENTARIO 250 300 400 200
Resp.: Sin considerar el costo de las unidades producidas en tiempo normal:
Costo de mantener: $9,000; costo de tiempo extra: $50,000; costo de maquila: $35,000; costo total: $94,000.
Capítulo III: Estudio del Trabajo 85
CAPÍTULO CAPÍTULO
SÍNTESIS
3.1.1 Introducción
.En varias situaciones un obrero puede operar varias máquinas que sean automáticas o
semi-automáticas. Por ejemplo, en una industria óptica un solo obrero puede operar
varias de las máquinas que realizan el proceso de corte de los cristales antes del ensamble
final en el marco.
En este inciso se estudiará la determinación del número óptimo de máquinas
idénticas que el obrero debe operar en determinadas circunstancias. En algunos casos la
solución es obvia, trivial, o está determinada por ciertos factores como por ejemplo las
políticas internas de la empresa y/o sindicato. En otros casos, existen muchas
posibilidades de asignación de la(s) máquina(s) a lo(s) obrero(s), por lo que debemos
decidir cuál es el número "óptimo" de máquinas que el obrero debe operar. Para realizar
esto, consideraremos que el número óptimo de máquinas será aquél que permita la
fabricación del producto a costos mínimos, los cuales incluirán la mano de obra directa y
los costos directos de la maquinaria.
Consideraremos inicialmente el caso de la Figura 3.1 en la cual llamamos "p" a todos los
elementos que el obrero sólo puede hacer con la máquina parada (por ejemplo, cargar y
descargar); llamamos "f' a todos aquellos elementos que el obrero puede realizar con la
máquina funcionando (por ejemplo, caminar de una máquina a otra, inspeccionar la
pieza ya procesada, etc.); y fmalmente llamamos "m" al tiempo condicionado por la
máquina, o el tiempo durante el cual la máquina trabaja automáticamente sin la
intervención del obrero.
MAQ.1
m2 m2
MAQ.2
< _ >
ciclo
y trabaje automáticamente durante "mI"; realiza "r' en la máquina 1 (fl), lo que incluye,
entre otras actividades, caminar de la máquina 1 a la máquina 2, por lo que el final de
"fl" debe coincidir con el inicio de la realización de "p" en la máquina 2 (P2); después de
"p2" la máquina 2 arranca y funciona durante "m2", mientras el obrero realiza "f2", y
terminando éste, ya estará al lado de la máquina 1 para empezar todo otra vez (obsérvese
que estamos considerando 2 máquinas únicamente como un ejemplo).
En el punto que todo volvería a empezar, interrumpimos la gráfica y el tiempo
transcurrido desde cero hasta el final de la gráfica corresponde a un ciclo (c), como
también se indica en la Figura 3.1.
Puede observarse también en la Figura 3.1 que ni el obrero ni la máquina tienen
tiempo de inactividad. Esto se debe al hecho de que cuando el obrero termina "f2" esto
coincide exactamente con el final de "mI", y cuando termina "fl" esto coincide
exactamente con el final de "m2".
Cuando esto ocurre, la relación hombre-máquina se llama "síncrona" y esto
implica, como se acaba de mencionar, que ni el hombre ni la máquina presentan tiempo
de inactividad.
Es fácil ver en la Figura 3.1 que el ciclo "c" está dado por:
c = (p+m) = 2(p+f) = N(p+f)
donde: N = número de máquinas (en este caso N=2).
Analicemos ahora elcaso de la Figura 3.2. En ella puede observarse que cuando el obrero
concluye "f2" la máquina 1 todavía está funcionando, lo que le obliga a esperar un
tiempo de inactividad "TI".
El ciclo sigue siendo c=(p+m), sin embargo este valor ya no es igual a 2(p+f), ¡sino
que es mayor! En otras palabras, si dividimos (p+m) entre (p+f) encontraremos un valor
entre 2 y 3 (en nuestro ejemplo, claro está). Cuando ocurre un caso como éste, el entero
inmediatamente inferior a la "N" calculada (2 en nuestro ejemplo) se llama "N¡" ("N"
inferior) y el número inmediatamente superior (3 en nuestro ejemplo) se llama "Ns" ("N"
88 Capítulo III: Estudio del Trabajo
superior). Es fácil concluir que, siempre que asignamos "N¡" máquinas al obrero, éste
estará inactivo (como en la Figura 3.2) y siempre que le asignamos "Ns", serán las
máquinas las que estarán inactivas (lo que será analizado en el siguiente inciso y en la
Figura 3.3).
MAQ.1
MAQ.2
_
m1
-
< >
ciclo
Ahora bien, en condiciones como las de la Figura 3.2, ¿cuánto cuesta fabricar el
producto? Supongamos que el obrero gana "Ka" pesos por hora y que la máquina nos
cuesta "Km" pesos por hora, esté inactiva, siendo atendida o funcionando (es obvio que
esto es uria aproximación, ya que el costo de la máquina funcionando tendría que ser
superior debido al desgaste, consumo de energía eléctrica y lubricantes, etc.).
Tenemos entonces:
- Costo de mano de obra por ciclo: (Ka)(p+m)
- Costo de mano de obra por ciclo por máquina: (Ka)(p+m)/2 = (Ka)(p+m)/N.¡
- Costo de máquina por ciclo por máquina (Km)(P+m)
Por lo tanto, el costo total por ciclo por máquina para "N¡" máquinas será:
C¡ = (Ko)(p+m)/N¡ + (Km)(P+m)
TI
MAQ.1 _
m2 TI
MAQ.2 .....
MAQ.3
-cE : ;;>
ciclo
______.....1Máquina inactiva
En el caso de la Figura 3.3, el ciclo "c" es igual a (3)(P+f) = (Ns)(P+f), lo que es superior
a (p+m), indicando otra vez que el cociente (p+m)/(p+f) tiene que estar entre 2 y 3. En
estas condiciones tenemos:
- Costo de mano de obra por ciclo: (Ko)(3)(P+f) = (Ko)(Ns)(P+f)
- Costo de mano de obra por ciclo por máquina: (Ka)(P+f)
- Costo de máquina por ciclo por máquina: (Km)(3)(P+f) = (Km)(Ns)(P+f)
Por lo tanto, el costo total por ciclo por máquina para "N s" máquinas será:
I Cs = (p+f)(Ko +Ns.Km) = (c)(Ko/Ns + Km) I
Una vez calculados "c¡" y "Cs", el siguiente paso será su comparación: si C¡<C s, desde el
punto de vista de costos la solución óptima será "N¡" máquinas; si C¡>C s, la solución
óptima será ''Ns'' máquinas.
El lector deberá notar también que los costos "c¡" y "Cs", así como el costo por
ciclo por máquina para cualquier valor de ''N'', pueden ser resumidos por la siguiente
fórmula:
90 Capítulo III: Estudio del Trabajo
CN = (CICLO)(Ko/N + Km)
I CN=(c)(KJN+Km) I
donde el ciclo será siempre (p+m) para N :s; N¡ Y(N)(P+f) para N ?: N s.
Solución:
El valor de "p" incluye cargar y descargar, siendo por lo tanto igual a 0.80 min.; a su vez,
"r' incluye inspeccionar la pieza terminada y caminar, siendo 0.90 min.. El valor de "N"
será entonces:
0.80+7.00 46 ' .
N= = . maqumas
0.80+0.90
Esto conduce a que:
N¡ = 4 máquinas.
N s = 5 máquinas.
Los costos correspondientes son (la división entre 60 es sólo para convertir minutos a
horas):
C¡ = (p+m)(KoIN¡ + Km) = (7.80)($10/4 + $20)/60 = $2.9250/ciclo.máq.
Cs = (P+f)(Ko + Ns.Km) = (1.70)($10 + ($20)(5))/60 = $3.1167/ciclo.máq.
Por lo tanto, es más económico asignar 4 máquinas al obrero y el costo por pieza mínimo
sería:
Costo/pieza = $2.9250/2 = $1.4625/pieza.
Para cualquier otro valor de "N", por ejemplo N=1 y N=6, tendríamos (recuérdese que
para cualquier N ~ N¡, el ciclo es (p+m) y para cualquier N ~ N s el ciclo es (N)(P+f)):
C l = (c)(l(J1 + Km) = (p+m)(Ko/1 + Km) = (7.80)($10/1 + $20)/60 = $3.90/ciclo.máq.
C6 = (c)(l(J6 + Km) = (6)(P+f)(l(J6 + Km) = (6)(1.70)($10/6 +$20)/60 =
= $3.6833/ciclo.máq.
Cuando el costo horario de la máquina parada (Kml) sea diferente del costo horario de la
máquina funcionando (Km2), las fórmulas anteriores de "c¡" y "Cs" ya no serán válidas.
En estos casos, tendríamos:
a) Para el caso de "N¡" máquinas:
- Costo de mano de obra por ciclo por máquina: (Ko)(p+m)/N¡
- Costo de máquina por ciclo por máquina: (Kml)(P) + (Km2)(m)
C¡ = (Ko)(p+m)/N¡ + (Km¡)(P) + (Km2)(m) =
= (Ko)(P)/N¡ + (Ko)(m)/N¡ + (Kml)(P) + (Km2)(m)
I C¡ = (P)(Ko/N¡ + Km¡) + (m)(KoIN¡ + Km2) I
b) Para el caso de "Ns" máquinas:
- Costo de mano de obra por ciclo por máquina: (Ko)(P+f)
- Costo-de máquina por ciclo por máquina:
(Kml)(P+TI) + (Km2)(m) = (Km¡)(Ns(P+f) - m) + (Km2)(m)
3.2.1 Introducción
En este inciso estudiaremos los efectos del proceso de aprendizaje en los niveles de .
productividad. En otras palabras, estudiaremos cómo la productividad se incrementa o, lo
que es lo mismo, cómo el tiempo o las horas-hombre de realización de las actividades se
reducen, a la medida que los trabajadores adquieren una mayor práctica.
La curva que describe el proceso de aprendizaje (creciente si se ' trata de
productividad o decreciente si se trata de tiempo u horas-hombre de realización) puede
ser cualqUiera, sin embargo siempre presentará una característica principal: hay cambios
muy rápidos al principio y muy lentos después de determinado volumen de trabajo o, lo
que es lo mismo, la curva siempre tiende a estabilizarse. Normalmente, la curva que más
se utiliza para describir los procesos de aprendizaje es la curva potencial, cuya ecuación
es:
Esto no quiere decir, sin embargo, que no pudiera utilizarse otro tipo de curva. Al
contrario, si el investigador encuentra que otro tipo de línea se ajusta mejor al proceso de
aprendizaje que está estudiando, pues ésta deberá ser la línea utilizada.
En el análisis de cualquier proceso de aprendizaje, la variable independiente "X"
siempre reflejará el volumen de trabajo (por ejemplo: piezas, días de trabajo, etc.) y la
variable "Y" medirá la productividad o el tiempo/horas-hombre de la actividad. Si "Y"
mide productividad, la curva será creciente y por lo tanto la constante "b" será positiva; si
"Y" mide el tiempo/horas-hombre de realización de la actividad, entonces la curva será
decreciente, por lo que la constante "b" será negativa (véanse las Figuras 3.4(a) y 3.4(b)).
Se descarta el uso de la curva potencial cuando b>1, ya que su forma no corresponde a
los procesos de aprendizaje (véase la Figura 3.4(c)).
y y
b<O
x x x
(a) (b) (c)
Capítulo III: Estudio del Trabajo 93
Tomemos como ejemplo el tiempo de realización por pieza (tn) en función del número de
piezas (n). En otras palabras, estamos considerando que el tiempo de procesamiento de la
pieza "n" será "tn". Así mismo, consideraremos que después de "n" piezas el trabajador
habrá logrado un tiempo medio acumulado por pieza que llamaremos "Mn".
Gráficamente tenemos la Figura 3.5.
Hay dos razones para que ajustemos la curva potencial a los promedios acumulados
"Mn" en vez de ajustarla a los tiempos individuales "tn":
a) La curva correspondiente a "Mn" es más suave, ya que el simple hecho de calcular
promedios suaviza las posibles irregularidades de la variable "tn".
b) La experiencia indica que los pronósticos obtenidos mediante curvas que se ajustan a
los valores de "Mn" son generalmente superiores a los que se obtendrían mediante
curvas que se ajustaran a los valores de "tn".
Ahora bien, decir que cada vez que "n" se duplica, "Mn" se reduce de un porcentaje fijo,
es equivalente a decir que cada vez que "n" se duplica, "Mn" se multiplica por una
constante menor que uno (por ejemplo, 0.90). Esta constante se llama "porcentaje de
aprendizaje" y nos referimos a ella a través de la letra "p". Matemáticamente podemos
escribir:
M =P' __
__
2
M 4 =p' . ~=p M
MI 'M , ... , M
2 n
94 Capítulo III: Estudio del Trabajo
23456789 n
0, lo que es lo mismo:
M2 = MI.p = tI.P (ya que MI = tI)
~ = M2.P = tI.p2
Mg = M4 .p = tI.p3
Generalizando tenemos:
M 2x =tI·px
y haciendo 2x = n, tenemos:
2x =n', x= log 2 n
Por lo tanto:
Haciendo ahora plog2 n =nk y tomando los logaritmos base 2 de ambos miembros,
tenemos:
Además:
Mo -_ k
tI . n
MO-l = tI . (n-1)k
M = M o .(n-1)k
0-1 k
n
Sustituyendo tenemos:
to
=
n.
M o _( n _l)M o .(n-1l
k
n
n -1
t o =M o ' [ n-(n-1)(~) k]
t o =M n • [n-(n-1)(l-lIn)k ]
Si "n" es grande, podemos despreciar los términos que contienen (l/n) con exponentes
mayores o iguales a 2, por 10 que como aproximación podemos escribir:
1, ~M+-(n-l)(l-k.~)]
t o = M n .[n-(n-l)+ ~ (n-l)] = M o '(l+k- ~)
Como en los problemas de aprendizaje el valor de "k" generalmente es pequeño, cuando
"n" sea grande el término (k/n) puede despreciarse, por lo que tenemos:
96 Capítulo III: Estudio del Trabajo
It n= M n . (l +k) = tI . nk (l +k)
que es la fórmula final aproximada para el cálculo directo de "tn" a partir de "Mn", cuya
precisión estará determinada por el valor de "n": si "n" es grande la precisión es grande,
si "n" es pequeña, la precisión es pequeña.
Hagamos ahora la pregunta: si "tn" puede calcularse exactamente mediante la
fórmula:
t n =Tn -Tn_¡ =n.M n -(n-l).M n_¡ =n.t¡.n k -(n-l).t¡.(n-l)k
¿qué necesidad hay de utilizarse la fórmula aproximada
t n =t¡.nk(l+k)?
La respuesta es que cuando tenemos un valor dado de "tn", resulta imposible despejar "n"
de la fórmula exacta, mientras que no hay ningún problema en el despeje de "n" de la
fórmula aproximada. Por lo tanto, sólo en aquellos casos que necesitemos determinar "n"
para un "tn" determinado, utilizaremos la fórmula aproximada. Debe observarse, sin
embargo, que "n" puede determinarse a partir de la fórmula exacta a través de iteraciones
sucesivas, lo que en la actualidad, con las hojas electrónicas de cálculo, puede ser muy
rápido.
donde "N" es el número de pares de datos disponibles para el ajuste de la curva. Hoy en
día hay muchas calculadoras y paquetes computacionales que ajustan directamente la
curva potencial a partir de los valores de "Mn" y "n". Más adelante daremos un ejemplo
de aplicación del paquete computacional TSP.
Observemos que en la ecuación de mínimos cuadrados no aparece el valor del
primer tiempo "tI" como en el caso del modelo clásico. Esto es, obviamente, otra ventaja
para el método de mínimos cuadrados, ya que la utilización del primer dato como
constante de la ecuación puede distorsionarla y hacer que la curva obtenida no represente
con precisión todo el proceso de aprendizaje. En otras palabras, el método clásico utiliza
Capítulo III: Estudio del Trabajo 97
para "a" el valor de "tI", mientras que el método de mínimos cuadrados utiliza el mejor
valor de "a". También veremos un ejemplo de esto más adelante.
La única ventaja del método clásico es que puede resultar más cómodo y rápido
para una persona que no disponga de una calculadora y/o medios computacionales.
Solución:
Determinamos inicialmente los valores de "Mn":
A partir de aquí podemos empezar a contestar las preguntas. Empecemos con el método
clásico:
a) La mejor estimación de "p" será la media de los valores calculados, o sea:
98 Capítulo III: Estudio del Trabajo
e) Sabemos que:
t n = Tn - Tn-l = (50).nO.8690 - (50)(n_1)o.869o
Esto debe ser igual a 20, es decir:
20 = (50).nO.8690_ (50)(n_1)o.869o
Obsérvese que no se puede despejar "n", siendo solamente posible obtener su valor
por iteraciones sucesivas. Usernas entonces la fórmula aproximada:
t n = Mn (l+k)
tn = tI . nk (1 +k) = 50 n-o.mo (0.8690)
Por lo tanto:
Capítulo lIl: Estudio del Trabajo 99
Solución: .
a) Asumiendo que el volumen de producción diario medio acumulado se incrementa en
un porcentaje fijo cada vez que el número de días se duplica, podemos determinar la
ecuación de la curva potencial de la siguiente manera:
MI = 100.0 PI = 1.250
M 2 = (100+150)/2 = 125.0 P2 = 1.300
M3 = 146.7 P3 = 1.244
~= 162.5 15 =1.265
M s =174.0 k = log 1.265 = 0.3392
log2
M6 = 182.5
M n = 100 n0.3392
donde: M n = producción diaria media acumulada al día "n".
n = número de día.
b) Para contestar esta pregunta conviene hacer un cambio en las letras. Utilicemos" Vn "
(volumen de producción diario medio acumulado al día "n") en vez de "Mn";
análogamente, para el volumen de producción del día "n" utilizaremos "Vn".
Tenemos entonces:
Vn = 100 n°.3392
Vn= Vn (l + k) = 100 n°.3392 (l +0.3392)
Si queremos el valor de "n" para Vn= 300 uDidades diarias, tenemos:
300 = 100 n°.3392 (1.3392)
n = 10.8 días.
No debemos confiar mucho en esta solución porque para una "n" pequeña (n=l1), la
fórmula aproximada tiene poca precisión. Utilicemos la fórmula exa9ta Y obtengamos
"n" por iteraciones sucesivas. Llamemos "VAn" el volumen de producción total
acumulado al día "n". Tenemos entonces:
Vn =VA n -VA n _1 =n.Vn - (n-1).Vn_1
V n = (n)(l00)(n)0.3392 - (n-1)(100)(n-1)0.3392
Vn = 100 nl.3392 - (l 00)(n-1 )1.3392
Capítulo III: Estudio del Trabajo 101
SEMANA 1 2 3 4 5 6
PRODUCCION 1,642 2,080 2,152 2,430 2,431 2,204
(cajas)
SEMANA 7 8 9 10 11 12
PRODUCCION 1,941 2,418 2,453 2,391 2,523 2,504
(caias)
Determinar, graficar y comparar las curvas potenciales de aprendizaje del método clásico
y de mínimos cuadrados para este proceso de aprendizaje.
Solución:
a) Método clásico:
MI = 1,642; ~ = 2,076; M 7 = 2,126; MIO = 2,214
M2 = 1,861; Ms = 2,147; Ms = 2,162; Mll = 2,242
M3 = 1,958; M6 = 2,156; M9 = 2,195; M12 = 2,264
definitivamente tiene la forma·de la curva potencial, y por otro lado que el ajuste de la
curva del método clásico deja mucho que desear, ya que en todo momento se sitúa por
debajo de los puntos correspondientes a las producciones medias semanales
acumuladas.
2600
2400
z
'0
O
O
2200
::J
e
O 2000
a=
D.
1800
1600
1 2 3 4 5 6 7 8 9 10 11 12
S8VlANAS
En este caso, el resultado insatisfactorio del método clásico se debe a la ubicación muy
abajo (respecto a los demás puntos) del primer punto de la gráfica, es decir, el 1,642,
el cual se utiliza como constante "a". Lo opuesto hubiera ocurrido (y esto sería
igualmente insatisfactorio) si este punto estuviera demasiado arriba respecto a los
demás. Por otro lado, por las características específicas de la curva de este proceso de
aprendizaje, se está subestimando el valor de "p", lo que agrava todavía más el
problema del ajuste insatisfactorio. Veamos el ajuste de la curva de mínimos
cuadrados.
b)~ínimoscuadrados
2600
2400
z
'o
oo 2200
::;)
e
o 2000
I:t:
a.
1800
1600
1 2 3 4 5 6 7 8 9 10 11 12
S8IIIANAS
La dirección general de esta empresa desea saber en qué mes el volumen de producción
llegará a 200,000 cajas. Resolver este problema utilizando el método de mínimos
cuadrados.
Solución:
Aplicando las fórmulas de mínimos cuadrados llegamos a los siguientes resultados:
104 Capítulo III: Estudio del Trabajo
a = 94,052; b = 0.2208
M = V =94 052 n 0.2208
n n '
Las producciones originales, las producciones medias mensuales acumuladas y esta curva
potencial se encuentran graficadas en la Figura 3.8. Veamos, además, cuándo el volumen
mensual de producción "Vn" llegará al valor de 200,000. Tenemos (usando la fórmula
aproximada):
Vn = V n (1 + k) = 94,052 n 0.2208 (1 + 0.2208) = 200,000
de donde se saca que:
n = 12.35 meses.
190
z
'o 170
O
O
::J 150
e
O 130
o::
a.
110
90
1 2 3 4 5 6 7
MESES
Utilicemos también este ejemplo para mostrar cómo la ecuación de la curva potencial
puede ser determinada con una calculadora o con un paquete computacional. En este caso
utilizaremos el paquete estadístico TSP. Partiendo de la ecuación Y=a.nb, podemos
escribir:
10gY = log a + b.1og n
Por 10 tanto, cambiando "Y" a "logY" Y "n" a "log n" y ajustando una recta a estas dos
últimas variables, obtendremos que la intersección en el origen será "log a" y la
pendiente será "b". La corrida del TSP se encuentra en la Figura 3.9 y en ella podemos
ver que:
* La variable dependiente es log Y = logaritmo natural de las producciones medias
mensuales acumuladas (en la corrida "LCAJAS").
Capítulo III: Estudio del Trabajo 105
* La variable independiente es log n = logaritmo natural del número de mes (en la corrida
"LMESES").
* log a = 11.451599 (el paquete TSP la llama constante "C").
* b = 0.2208356 (coeficiente de "LMESES").
Por lo tanto, tenemos:
3.3.1 Introducción
elemento un número diferente de veces, el tamaño de muestra para todos ellos siempre
será el mismo, por lo que será inevitable que para cada elemento se cometa un error
diferente. Como regla general, el elemento con mayor coeficiente de variación
(desviación estándar entre media) será el único a considerarse para efectos de
determinación del tamaño de la muestra.
T = X-~
v Sx /JN
presenta una distribución "t" de student, la cual, al igual que la distribución normal, está
tabulada (véase cualquier tabla de la "t" de student). La letra "y" significa grados de
libertad (en este caso N-l), Ytiene que tomarse en consideración porque para cada "y" (o
"N") diferente obtendremos una distribución "t" de student diferente.
Si la distribución de "X" (población) es normal, entonces podemos escribir que:
IX-~I::;t ó IX-~I::;t
S /
x
JN v,012 S /
x
JN (N-l),o12
Resolver esta ecuación no es nada sencillo, ya que la variable "N" aparece en los dos
términos. Se debe entonces tomar una mu~stra de cualquier tamaño "N", de preferencia
pequeño (por ejemplo, 10); se calcula t v ,a/2, Sx y X, Y se determina N' mediante la
fórmula. Si N' resulta menor, esto quiere decir que la solución de la ecuación es una "N"
menor que el tamaño de muestra que hemos sacado y que consecuentemente éste ya es
satisfactorio; sin embargo, si N' resulta mayor que la ''N'' tomada, hay que hacer las
N'- N observaciones faltantes y volver a empezar. Se parará cuando la N' calculada sea
menor que el tamaño de la muestra tomada.
Determinar:
a) Cuántas veces debemos cronometrar la operación para que en ningún elemento se
cometa un error mayor que 3% de la media, con un nivel de confianza del 95%
(u=5%).
b) Si no se cronometran más veces, ¿Qué error se cometerá en cada elemento, para el
mismo nivel de confianza? '
Solución:
Determinamos inicialmente la media y la desviación estándar de cada elemento:
Elemento 1: XI = 40.30; SX,I = 3.40
Elemento 2: X 2 = 15.10; SX,2 = 2.42
Observando la fórmula para el cálculo de N' nos damos cuenta de que el elemento que
tenga el mayor cociente Sx / X conducirá al mayor valor de N', por lo que será
conveniente determinar dicho cociente para cada elemento (el cual se llama coeficiente
de variación "CV"):
CVl = 3.40/40.3 = 0.084
CV2 = 2.42/15.1 = 0.160
Siguiendo el procedimiento descrito en el inciso anterior, tenemos ahora que hacer las
136 observaciones que nos faltan y volver a calcular N'. Si ésta sale igualo menor que
146, paramos; si sale mayor que 146, repetimos el procedimiento. Supongamos, por
ejemplo, que se hicieron las 146 observaciones y para el elemento 2 los resultados
fueron los siguientes:
X 2 = 14.90; SX,2 = 2.45
Tenemos (de acuerdo a la tabla de la "t" de student, t145,0.025 = 1.96):
E = t (N-I),a/2 ' Sx
X.JN
Sustituyendo, tenemos:
3.4.1 Introducción
Como sabemos, el muestreo del trabajo es una de las técnicas de medición del trabajo. Es
una técnica extremadamente sencilla y al mismo tiempo extremadamente poderosa. Su
110 Capítulo III: Estudio del Trabajo
única desventaja es que reqUIere mucho tiempo para que se obtenga una precisión
aceptable.
En la mayoría de los casos, el muestreo del trabajo se utiliza sólo para determinar la
. "composición" de la jornada de trabajo de personas o máquinas, es decir, qué porcentaje
de la jornada corresponde a cada actividad de las personas o máquinas. Sólo en casos
especiales el muestreo del trabajo se utiliza para la determinación de tiempos estándares.
El procedimiento básico del muestreo consta de la realización de un número grande
de observaciones instantáneas (periódicas o aleatorias) del elemento de estudio,
anotándose en cada una de ellas la actividad que estaba siendo realizada. Los elementos
de estudio pueden ser tres:
* La máquina.
* La persona.
* El puesto de trabajo.
En el caso de la máquina, en cada observación se anotará la actividad de la máquina,
independientemente de las actividades del operador. Por ejemplo, si la máquina está
funcionando automáticamente y el obrero está inactivo, en el momento de la observación
se anotará "máquina funcionando".
En el caso del puesto de trabajo, en cada observación se anotará la actividad de la
persona en el puesto, independientemente de lo que esté pasando a la máquina e
independientemente de la persona que en el momento esté desempeñando las funciones
del puesto. Por ejemplo, si la máquina está funcionando automáticamente y el obrero está
haciendo labores en otro puesto de trabajo, en el momento de la observación se anotará
"nadie en el puesto".
Finalmente, en el caso de la persona, en cada observación se anotará la actividad de
la persona (por ejemplo, Pedro), independientemente de lo que esté pasando a la máquina
e independientemente del puesto de trabajo donde la persona (Pedro) se esté
desempeñando en el momento de la observación. Por ejemplo, si la máquina operada por
la persona (Pedro) está parada y la persona (Pedro) está fuera de su puesto normal de
trabajo haciendo trabajos especiales solicitados por su jefe inmediato (por ejemplo,
descargando un camión), en el momento de la observación se anotará lo que la persona
(Pedro) estaba haciendo (en el ejemplo, "descargando un camión"). (Si el muestreo fuera
por máquina se hubiera anotado "máquina parada"; si el muestreo fuera por puesto se
hubiera anotado "nadie en el puesto".)
* Engargolando.
* Haciendo labores de limpieza en el local.
* Transportando material al/del puesto de trabajo.
* Otras.
* Nada.
* Fuera del lugar de trabajo (FLT).
Antes de seguir adelante en la explicación de este ejemplo, queremos hacer las siguientes
aclaraciones:
a) Antes de hacer la lista de actividades ya debe haberse tomado la decisión respecto al
tipo de muestreo que va a realizarse. En este ejemplo, el muestreo será por "puesto", lo
que inclusive ya determinó la lista y la redacción de las actividades.
b) Es vital haber tomado la decisión respecto al tipo de muestreo antes de la realización
del mismo porque la observación anotada será diferente. Por ejemplo, si el muestreo es
por persona (supongamos que estamos muestreando a la operadora María), cada vez
que encontremos a ésta desempeñando actividades que no corresponden al puesto
"operadora del departamento de fotocopiado", anotaremos lo que la persona (María)
esté haciendo (por ejemplo, sustituyendo al responsable de librería); en las mismas
condiciones, si el muestreo fuera por puesto, anotaríamos simplemente "fuera del lugar
de trabajo".
c) No es imposible combinar diferentes tipos de muestreo en uno solo, para sacar el
máximo provecho posible de la información recopilada. Por ejemplo, se puede
combinar el muestreo por puesto con el muestreo por máquina y hacer anotaciones del
tipo: "máquina parada: operador compaginando"; "máquina funcionando: operador
haciendo nada"; "máquina descompuesta: operador haciendo nada; etc.. Sin embargo,
debe hacerse esto con mucho cuidado, porque en la mayoría de los casos la
información recopilada es confusa y/o se tiene que hacer una lista demasiado larga de
actividades.
En los dos incisos anteriores hemos mencionado que para la realización de un muestreo
tenemos que decidir "qué vamos a muestrear" (puesto, persona o máquina) y, una vez
tomada esta decisión, elaborar una lista de actividades y empezar a hacer observaciones
instantáneas del objeto de estudio, anotando la actividad que se esté realizando en el
momento. Sin embargo, no hemos visto todavía cuál es el procedimiento general para
realizar un muestreo y qué hacer con la información recopilada. Veamos paso a paso el
procedimiento para la realización de un muestreo del trabajo:
0020 0620 1220 1820 2420 3020 3620 4220 4820 5420
0040 0640 1240 1840 2440 3040 3640 4240 4840 5440
0060 0660 1260 1860 2460 3060 3660 4260 4860 5460
0080 0680 1280 1880 2480 3080 3680 4280 4880 5480
0100 0700 1300 1900 2500 3100 3700 4300 4900 5500
0120 0720 1320 1920 2520 3120 3720 4320 4920 5520
0140 0740 1340 1940 2540 3140 3740 4340 4940 5540
0160 0760 1360 1960 2560 3160 3760 4360 4960 5560
0180 0780 1380 1980 2580 3180 3780 4380 4980 5580
0200 0800 1400 2000 2600 3200 3800 4400 5000 5600
0220 0820 1420 2020 2620 3220 3820 4420 5020 5620
0240 0840 1440 2040 2640 3240 3840 4440 5040 5640
0260 0860 1460 2060 2660 3260 3860 4460 5060 5660
0280 0880 1480 2080 2680 3280 3880 4480 5080 5680
0300 0900 1500 2100 2700 3300 3900 4500 5100 5700
0320 0920 1520 2120 2720 3320 3920 4520 5120 5720
0340 0940 1540 2140 2740 3340 3940 4540 5140 5740
0360 0960 1560 2160 2760 3360 3960 4560 5160 5760
0380 0980 1580 2180 2780 3380 3980 4580 5180 5780
0400 1000 1600 2200 2800 3400 4000 4600 5200 5800
0420 1020 1620 2220 2820 3420 4020 4620 5220 5820
0440 1040 1640 2240 2840 3440 4040 4640 5240 5840
0460 1060 1660 2260 2860 3460 4060 4660 5260 5860
0480 1080 1680 2280 2880 3480 4080 4680 5280 5880
0500 1100 1700 2300 2900 3500 4100 4700 5300 5900
0520 1120 1720 2320 2920 3520 4120 4720 5320 5920
0540 1140 1740 2340 2940 3540 4140 4740 5340 5940
0560 1160 1760 2360 2960 3560 4160 4760 5360 5960
0580 1180 1780 2380 2980 3580 4180 4780 5380 5980
0600 1200 1800 2400 3000 3600 4200 4800 5400 6000
1) Determinar el recorrido
Cuando se muestrea a un solo lugar de trabajo, esta etapa no tiene mucha importancia, a
pesar de que podemos llegar a un puesto dado por diferentes caminos. En el caso del
muestreo de muchos lugares de trabajo, es conveniente que se establezca uno o más
recorridos fijos y que se estime el tiempo para realizarlos. Los recorridos determinan,
inclusive, en qué secuencia debemos ordenar las hojas de observación para anotarlas y
pasarlas en la misma secuencia con que vamos observando los distintos puestos de
trabajo. El tiempo de recorrido también impone un tiempo mínimo entre observaciones.
Por ejemplo, si el recorrido tarda 10 minutos, ¡no podemos observar los puestos cada 5
minutos!
Capítulo III: Estudio del Trabajo 115
Solución:
Los porcentajes de la última columna del Cuadro 3.3 indican qué fracción de la jornada
laboral el trabajador dedica a cada una de las actividades. Esto es lo que llamamos
anteriormente la composición de la jornada laboral. Como puede verse en el Cuadro 3.3,
dichos porcentajes se obtienen simplemente dividiéndose el total de rayas de cada
actividad entre el número total de observaciones, que en este caso es 200.
Como el valor de "N" depende de "p", es inevitable que tomemos la siguiente decisión:
¿en qué actividades no queremos cometer un error mayor que "E"? Si no aceptamos un
error mayor que "E" en ninguna actividad, la "N" debe corresponder a la actividad con el
menor valor de "p". Si queremos cometer un error igual o menor que "E" en todas las
actividades .cuyo valor de "p" sea igualo mayor que un porcentaje dado, entonces para
éste calculamos la "N". Todas las actividades con valores de "p" menores que el valor
utilizado tendrán errores mayores; y todas las actividades con valores de "p" mayores que
el utilizado tendrán errores menores.
La "N" determinada con la fórmula seguramente va a ser mayor que la "N" del
muestreo piloto. Hacemos entonces las observaciones que nos faltan.
El error cometido en cualquier actividad para una "N" dada puede obtenerse
fácilmente despejando "E" de la fórmula arriba:
E= (ZaI2)2(p)(l_p)
(p2)(N)
Solución:
Antes de empezar a contestar las preguntas debemos obtener el valor de "Z". Para el nivel
de confianza establecido, Z=1.96 (véase cualquier tabla de la distribución normal).
Procedemos ahora a contestar las preguntas:
a) Como para "operando fotocopiadora" p=0.27, tenemos:
2
N (1.96 )(0.27)(1- 0.27) 1 039 b .
= [(0.10)(0.27)]2 =, o servaclOnes.
c) La N=2,017 del inciso "b" arriba fue determinada para p=0.16. Esto quiere decir que
con N=2,017 todas las actividades cuyos porcentajes sean iguales o mayores que
p=0.16 tendrán errores iguales o menores que E=0.10. Contrastando con este
resultado, todas las actividades cuyos porcentajes sean menores que 0.16 tendrán
errores mayores que E=0.10.
d) Si se hacen 2,000 observaciones los errores para cada actividad se calculan con la
fórmula:
,------
E= (ZQ/2)2(p)(1-p)
(P2)(N)
% %
ACTIVIDADES MUESTREO ERROR
Operando fotocopiadora 27% 7.2%
Cargando/descargando fotocopiadora 5% 19.1%
Ajustando/limpiando fotocopiadora 8% 14.9%
Esperando que se caliente fotocopiadora 3% 24.9%
Desatorando el papel en fotocopiadora 16% 10.0%
Engargolando 6% 17.3%
Haciendo labores de limpieza en el local 10% 13.1%
Otras 4% 21.5%
Nada 7% 16.0%
FLT 12% 11.9%
éste será exactamente igual a "Po" y habremos determinado sin error alguno qué fracción
de su tiempo el obrero dedica a la actividad. El problema que tenemos que resolver es
entonces: de qué tamaño debe ser la muestra para que con un nivel de confianza (l-a) no
cometamos un error mayor que "E.po", donde "E" es un porcentaje aceptable de error.
o 1 x
Si la variable "X" sólo puede tomar los valores cero o uno con probabilidades (l-po) y
"Po", respectivamente, entonces presenta una distribución binomial con media "Po" y
varianza (Po)(l-po). Si de la población de valores de "X" tomamos un gran número de
muestras tamaño "N", la variable aleatoria
que es la media de cada muestra, tendrá a su vez distribución normal con media "Po" y
varianza (Po)(l-Po)/N, de manera que:
IT - Poi ~ ZaJ2 . J(Po)(l- Po)/N
con una probabilidad (l-a). Como anteriormente, Za/2 es el número de desviaciones de la
distribución normal que corresponde al nivel de confianza (l-a).
Es interesante observar que esta fórmula en nada difiere de la anterior que dedujimos para
el cronometraje. Si recordamos que "p" es la media de la variable "X", es decir, "X" Y
(P)(I-p) es el cuadrado de la desviación estándar de "X", es decir, "S/", podemos
escribir:
La única diferencia entre las dos fórmulas es que en el caso del cronometraje se considera
la distribución "t" de student y ahora estamos considerando la normal. Esto se debe a que
en el caso del muestreo "n" siempre es mucho mayor que 30, y esto nos permite usar la
distribución normal en vez de la "t" de student.
Por último, queremos hacer notar que en la fórmula para el cálculo de la "N" del
muestreo, no tenemos necesariamente que usar el porcentaje de alguna actividád.
Podemos seleccionar un porcentaje cualquiera, por ejemplo 10%, y calcular "N", aunque
ninguna actividad presente este porcentaje. El resultado será que todas las actividades
cuyos porcentajes "Po" sean iguales o mayores que el porcentaje seleccionado (en nuestro
ejemplo, 10%) no tendrán un error porcentual mayor que "E". El número de
observaciones, inclusive, se podrá determinar antes de la realización del muestreo piloto
y si éste se realiza únicamente para estimar los "Po", pues deja de ser necesario. Por
ejemplo, puede ser política de la empresa considerar que todas las actividades con "Po"
igualo mayor que 15% son importantes y que no deben tener un error mayor que 10%,
con un nivel de confianza del 95%. Como consecuencia, en todos los muestreos de esta
empresa deberá hacerse el siguiente número de observaciones:
Seguirá siendo estimado, sin embargo, el cálculo del error correspondiente a cada
actividad mediante la fórmula:
2
E= (1.96 )(p)(1- p) (para un u=0.05)
(p2 )(2,177)
donde "p" sería el porcentaje final de cada actividad después de las 2,177 observaciones.
Capítulo III: Estudio del Trabajo 121
PROBLEMAS TIPO
3.1 Un obrero puede operar varias máquinas idénticas con los siguientes tiempos:
* Descargar máquina: 0.20 mino
* Limpiar pieza con aire comprimido: 0.10 mino
* Verificar medidas de la pieza procesada: 0.40 mino
* Poner pieza procesada en caja: 0.05.
* Limpiar máquina con aire comprimido para poder cargar: 0.10 mino
* Volver a cargar la máquina y ponerla en marcha: 0.50 mino
* Caminar hacia la siguiente máquina: 0.08 mino
* Trabajo automático de la máquina: 4.20 mino
Considerando que el salario del obrero es de $15/hora y el costo horario de la
máquina es de $50, determinar el número óptimo de máquinas que debe operar el
obrero.
Resp. : N¡=3 ; N,=4; C¡=$4.58/ciclo.máq.; C,=5.l2/ciclo.máq.; N o=3 máquinas.
3.2 En una óptica hay una etapa del proceso que consiste en cortar los pares de lentes en
6 máquinas automáticas, según la forma de los aros. Los tiempos de las distintas
.actividades son:
* Descargar par de lentes de máquina: 0.30 mino
* Limpiar par de lentes cortado: 0.20 mino
* Inspeccionar par de lentes cortado: 0.40 mino
* Volver a cargar máquina con par de lentes: 0.60 mino
* Poner en marcha la máquina: 0.10 mino
* Caminar hacia la siguiente máquina: 0.08 mino
* Trabajo automático de la máquina: 3.20 mino
Sabiendo que el salario del obrero es de $150/hora y que el costo horario de la
máquina es de $400, determinar para una jornada de 10 horas (sin considerar
suplementos por fatiga o necesidades personales):
a) El número óptimo de máquinas que debe operar el obrero.
b) La producción de un obrero operando 1,2,3,4,5 Y6 máquinas, respectivamente.
c) La producción total del Departamento . de Corte con 2 obreros operando 3
máquinas cada uno.
d) La producción total del Departamento de Corte con 3 obreros operando 2
máquinas cada uno.
Resp.: a) N¡=2 ; N ,=3; C¡=$33.25/ciclo.máq.; C,=$37.80/ciclo.máq.; N o=2 máquinas.
b) N=l: prod.=14~ pares/día; N=2: prod.=286 pares/día; N=3, 4,5 Ó 6: prod.=357 pares/día.
e) Prod.=714 pares/día.
d) Prod.=8'58 pares/día.
3.3 Dos obreros están siendo entrenados en el mismo tipo de trabajo y los 6 primeros
tiempos fueron los siguientes (centésimas de minuto):
OBRERO 1: 60 55 45 44 43 40
OBRERO 2: 30 29 29 28 27 26
122 Capítulo III: Estudio del Trabajo
3.4 Dos obreros están siendo entrenados en un ~Iiuevo trabajo y los primeros 6 tiempos
fueron los siguientes (centésimas de minuto):
OBRERO 1: 154 134 123 117 112 108
OBRERO 2: 108 101 96 94 91 90
Utilizando el método clásico, detenninar:
a) La curva de aprendizaje de cada obrero.
b) Después de cuánto tiempo los 2 obreros habrán realizado la operación el mismo
número de veces.
c) Después de cuántas veces el obrero 1 hará la operación en menos tiempo que el
obrero 2.
Resp.: a) Mn¡=154n-<J·1l94; Mn2=108n-<J·o62S.
b) n=511 veces; T511=37,373 centésimas.
c) n=170 veces.
3.5 Dos campesinos están siendo entrenados en las labores de corte de caña y en la
primera semana cortaron lo siguiente (toneladas de caña/día):
DIAS LUN MAR MIE mE VIE SAB
CAMPESINO 1 2.0 2.7 3.3 3.8 4.2 4.5
CAMPESINO 2 3.0 3.3 3.5 3.6 3.6 3.7
Utilizando el método clásico, detenninar:
a) La curva de aprendizaje de cada campesino que relaciona la cantidad diaria
cortada "Q" con el número de días "n".
b) A partir de qué día el campesino 1 cortará al día más que el doble que el
campesino 2.
Resp.: a) Qn.=2(1.3068)nO.3068; Qn2=3(1.07863)n007863.
b) n=53 días.
3.6 Dos obreros están siendo entrenados en trabajos diferentes y en la primera semana
los volúmenes de producción fueron los siguientes:
DÍAS LUN MAR MIE mE VIE SAB
OBRERO 1 30 40 49 57 64 70
OBRERO 2 50 56 61 65 68 70
Capítulo III: Estudio del Trabajo 123
3.7 Se cronometró una operación 5 veces y los tiempos fueron los siguientes:
ELEMENTO 1: 10 8 12 10 7
ELEMENTO 2: 30 35 40 37 32
a) Determinar el número de veCes que debe cronometrarse la operación para que en
ningún elemento se cometa un error mayor que 4%, con un nivel de confianza del
95%.
b) Determinar el error que se cometería en cada uno de los elementos si se
cronometrara la operación sólo 5 veces, con un nivel de confianza del 95%.
Resp.: a) N ' =207 veces; se tendría que cronometrar 202 veces más y volver a calcular N ' .
b) E¡=26%; E2=14%.
3.9 Se hizo un muestreo por máquina en una sección de tomos y los resultados fueron los
siguientes:
ACTIVIDADES TORNO 1 TORNO 2 TORNO 3
Funcionando 30% 70% 50%
Siendo cargado 3% 6% 6%
Siendo descargado 4% 3% 4%
Parado por descompostura 47% 2% 6%
Parado sin trabajo 3% 3% 30%
Parado operario FLT ' 13% 15% 4%
Otras 0% 1% 0%
TOTAL 100% 100% 100%
TOTAL OBSERVACIONES 300 300 300
Considerando siempre un nivel de confianza del 95.44$ (Z=2) y que en cada
recorrido se observan los 3 tomos, determinar:
a) El intervalo de confianza del porcentaje correspondiente a la actividad
"funcionando" del tomo 2.
b) Cuántas veces debe observarse el tomo 1 para que en la actividad "funcionando"
no se cometa un error mayor que 5%.
c) El intervalo de confianza del porcentaje correspondiente a "parado por
descompostura" para toda la sección.
d) Cuántos recorridos deben hacerse para que en la actividad "siendo cargada" el
porcentaje de la sección no contenga un error mayor que 2%.
e) Para el mismo volumen de trabajo, ¿se podría eliminar un tomo?
f) ¿Se podría decir que los obreros de los tomos 2 y 3 tienen más dificultades para
cargar que el obrero del tomo 1?
Resp.: a) E=8%; intervalo=(64.71%, 75.29%).
b) N=3,733 veces.
c) E=14%; intervalo=(15.75%, 20.91%).
d) N=63,333 recorridos.
e) Con un suplemento de 11 % sobra al torno 2 un 7% y al torno 3 un 23%; total=30%; carga de trabajo del
torno 1=37%, por lo que no se puede.
f) Torno 2: 60/0170'%=0.086; torno 3: 60/0150%=0.12; torno 1: 3%/30%=0.10; sólo el obrero del torno 3 tiene más
dificultad.
Capítulo IV: Control de Inventarios 125
CAPÍTULO CAPÍTULO
I CONTROL DE INVENTARIOS I
SÍNTESIS
4.1 INTRODUCCIÓN
La función básica de los inventarios, sean éstos de materias primas, material semi-
procesado o productos terminados, es mantener relativamente independientes las
siguientes actividades:
* Compra de materias primas.
* Producción.
* Ventas.
Los inventarios actúan como resortes según se muestra en la Figura 4.1 a continuación:
Como puede observarse, los inventarios de materias primas son necesarios para separar
"Producción" de "Compras" y los inventarios de productos terminados sirven para
separar "Producción" de "Ventas". Los inventarios sólo serán evitables cuando el flujo de
una sola pieza sea posible, la demanda sea muy estable y el tiempo de entrega sea
extremadamente corto. Esto es precisamente lo que se conoce como "entregas justo-a-
tiempo", las cuales serán discutidas en el Capítulo IX.
Obsérvese que, aún cuando las ventas sean perfectamente constantes y la
producción sea en "lotes", los inventarios de productos terminados estarán presentes.
Análogamente, aún cuando la producción sean perfectamente constante y las compras se
hagan en "lotes", los inventarios de materias primas estarán presentes.
El inventario de material semi-procesado podrá ser de 2 tipos:
a) Inventario inevitable que resulta del hecho de que la fabricación de cualquier producto
tarda un determinado número de unidades de tiempo (horas, días, meses, etc.) y
durante este tiempo el material está "almacenado" en la planta y pasando por las
diversas etapas del proceso productivo. Aún cuando el flujo sea de una sola pieza
habrá inventario en proceso. Por ejemplo, si un producto se fabrica continuamente de
uno en uno y pasa por 1O operaciones productivas consecutivas, en cualquier momento
habrá, por lo menos, 10 piezas en inventario en la planta.
b) Inventario de piezas o material semi-procesado que muchas veces es conveniente
fabricar y almacenar en pequeños almacenes (separados o no del almacén principal) o
entre los puestos de trabajo (por ejemplo en las líneas de producción) para que el flujo
de materiales no sufra problemas de continuidad. Dichos inventarios son
particularmente útiles:
* Cuando no es económico fabricar ciertas piezas cada vez que se fabrica un producto
dado.
Capítulo IV: Control de Inventarios 127
Los costos que generalmente son considerados en el estudio de los inventarios son los
siguientes:
a) Costo de preparación (C p)
Éste es el costo correspondiente a todas las actividades relacionadas con la fabricación de
un lote dado del producto ("C p" del lote de producción) o relacionadas con la realización
de un pedido al proveedor ("Cp" del pedido).
En todos los modelos de inventarios se supone que el costo de preparación del lote
no depende del tamaño del lote y el costo de preparación del pedido no depende del
tamaño del pedido. En otras palabras, el costo total de preparación de los lotes es
proporcional al número de lotes fabricados y el costo total de preparación de los pedidos
es proporcional al número de pedidos realizados. Generalmente, no es nada fácil calcular
estos costos fijos por lote de fabricación o por pedido.
En el caso más pesimista, el costo de preparación del pedido (también llamado
costo de "ordenar") puede incluir los costos de las siguientes actividades:
* Decisión de qué cantidad comprar.
* Análisis de cotizaciones.
* Elaboración del pedido.
* Autorización del pedido.
* Seguimiento del pedido.
* Transporte.
* Trámites aduanales (si el material es de importación).
* Trámites de recepción.
* Inspección de recepción.
* Actualización de registros (en el almacén).
* Etc..
Así mismo, en el caso más pesimista, el costo de preparación de un lote (también
llamado "set-up" o costo de "arranque") puede incluir los costos de las siguientes
actividades:
* Decisión de qué cantidad fabricar.
* Elaboración de la orden de producción.
* Programación de producción
* Mano de obra y materiales de preparación de la(s) máquina(s).
* Producción perdida o depreciación de la(s) máquina(s) durante el tiempo de
preparación.
* Control de producción.
* Inspección de los lotes.
* Recepción en el almacén.
128 Capítulo IV: Control de Inventarios
4.2.1 Generalidades
Los modelos de inventarios para materias primas y para productos terminados son muy
similares pero no son idénticos. Por lo tanto, los tenemos que estudiar por separado. Los
modelos clásicos se incluyen en los cientos de libros sobre Administración de
Operaciones, y no es objetivo de este inciso profundizar en ello. Al contrario,
proporcionaremos los conocimiento básicos indispensables para que el lector pueda
entender los modelos especiales que se presentan más adelante. El lector con
conocimientos sobre los modelos básicos de inventarios puede pasar directamente a los
incisos 4.3, 4.4, 4.5 y 4.6.
embargo, la suma de ambos tipos de costos sí pasa por un mínimo, como veremos a
continuación.
INV.
INV.
TIEMPO TIEMPO
(a) (b)
TIEMPO
COSTOS
CMA
CPA
En las condiciones de las Figuras 4.3 y 4.4 el costo total anual (CTA) se calcula
fácilmente:
CTA = CPA + CMA = (número de pedidos)(C p) + (inventario medio)(C m)
CTA = (N)(C p) + (Q/2)(C m)
CTA = (D/Q)(Cp) + (Q/2)(C m)
donde: D = demanda anual.
Cm = costo de mantener = $/unid.año.
C p = costo de preparación = $/pedido.
El valor de "Q" que minimiza "CTA" se obtiene por derivación y lo llamaremos "Qo"
(cantidad óptima):
Qo = (2)(D)(C p ) unidades
Cm
Capítulo IV: Control de Inventarios 133
El costo total anual mínimo (CTAo), el número óptimo de pedidos al año (No) y el tiempo
óptimo entre pedidos (To) están dados por:
CTA o = ~(2)(D)(Cp)(Cm) $/año
N - ~- (D)(C m) pedidos/año
o - Qo - (2)(C p )
T = Qo = años
o D
Solución:
To = Qo =~=0.1264años=6.S7semanas=46díasentrepedidos.
D 2,SOO
El modelo básico de materias primas puede ser fácilmente adaptado para reflejar el
comportamiento del inventario de un producto terminado. De hecho, la única diferencia
consiste en que, cuando se fabrica el lote "Q", el inventario no se incrementa
instantáneamente, sino que crece gradualmente de cero a un nivel máximo "Imáx" en un
tiempo de producción "Tp" con una tasa de crecimiento (P-D), donde "P" es tasa de
producción y "D" es tasa de demanda (ambas en unid.lunid. de tiempo). Esta situación se
ilustra en la Figura 4.S.
La consecuencia de que el inventario máximo sea "I máx" en vez de "Q", como en el
modelo básico de materias primas, es una pequeña modificación en las fórmulas del
modelo, que quedan así:
(2)(D)(C p)
Qo = (C )(1- D/P) unidades
m
(2)(C p )
T = Qo = años
o D (D)(C m )(1- D/P)
INV.
. .
.......¡ P-D
TIEMPO
~Tp~
i<
T
Solución:
Debe resaltarse que en muchas situaciones "P" es mucho mayor que "D", por lo que
(l-D/P) ~ 1. Esto implica que, como aproximación, los modelos de materias primas
pueden utilizarse también para productos terminados.
Un caso interesante de productos terminados se presenta cuando tenemos que
fabricar productos múltiples que comparten un solo equipo. Éste será estudiado como un
modelo especial en el inciso 4.4.
Capítulo IV: Control de Inventarios 135
Para analizar esta situación, lo primero que tenemos que hacer es agregar a la fórmula de
"CTA" un costo más, que es el "costo de comprar anual" (este costo no se consideró
antes porque no afectaba el valor óptimo de "Q"):
CCA = (demanda anual)(precio unitario) = (D)(K).
Ambas tienen la misma forma que la curva de "CTA" del modelo básico, pero están
ubicadas (D.K) más arriba.
136 Capítulo IV: Control de Inventarios
Es importante, antes de seguir adelante, que el lector verifique por su cuenta que "CTA¡"
siempre está por arriba de "CTA2" y que el mínimo de "CTA¡" está a la izquierda del
mínimo de "CTA2".
(a) (h)
COSTO COSTO
TOTAL TOTAL
CTA¡ CTA¡
Qo= Qo,2 Qo= Qo,2
(e) (d)
COSTO COSTO
TOTAL TOTAL
CTA¡
CTA¡ B
Qo=B Qo=Qo,¡
B CTA2 CTA2
Sólo las partes gruesas de las curvas son válidas, ya que "CTA2" no existe para Q<B y
"CTAl" no existe para QzB. El punto más bajo de la línea gruesa indicará, en cada
situación, la solución óptima.
En el caso de la Figura 4.6(a), podemos observar claramente que la cantidad óptima
corresponde al punto mínimo de la curva "CTA2" y está dada por:
Es decir, cuando "Qo,l" está a la izquierda de "B", la solución óptima puede ser "Qo,¡" o
"B". La única manera de conocer la solución óptima es comparando los costos
correspondientes a estas dos cantidades:
CTA (para Q = Qo,l) ~ CTA (para Q = B).
Dicho procedimiento puede ser fácilmente generalizado para "n" cambios de precio
(B¡, B2, ... , Bn) con sus correspondientes (n+1) precios diferentes (K¡, K2, ... , Kn+l).
Analicemos las Figuras 4.7(a), 4.7(b), 4.7(c) y 4.7(d).
Empecemos con la Figura 4.7(a). Si hay "n" cambios de precio, habrá (n+1) precios
diferentes, de modo que la última curva tendrá que ser la "CTAn+1". Si "Bn" es menor que
"Qo,n+l", esta última será sin duda la cantidad óptima, ya que ningún otro punto de las
(n+1) curvas podrá estar más abajo que el punto mínimo de la curva "CTAn+1".
Es importante observar que, en el caso de la Figura 4.7(a), si compramos una
cantidad "Qo,n+l", el proveedor nos cobrará el precio "Kn+( (¡los índices coinciden!) y
debido a esto diremos que la cantidad "Qo,n+l" es compatible. Si a una cantidad
cualquiera "Qo/' no corresponde el precio "K¡", diremos entonces que esta cantidad no es
compatible.
Observemos, por ejemplo, la cantidad "Qo,n-l" en la Figura 4.7(a). Si compramos
esta cantidad, el proveedor nos cobrará el precio "Kn" y por lo tanto la cantidad "Qo,n-l"
no es compatible. En la Figura 4.7 la primera cantidad compatible encontrada yendo de
derecha a izquierda está señalada con un círculo.
138 Capítulo IV: Control de Inventarios
(a) (b)
COSTO
COSTO
TOTAL
TOTAL
CTA._2 CTA._2
CTA._ l
CTA._ I
CTA.
CTAn+[
CTA.+l
J1
Qo,o-2
Q.,n-l Qo,o ,
Qo,o+[
Q ;tI- Qo,n-l
Qo,o-2
Qo,n , Qo,n+l
Q
(e) (d)
COSTO COSTO
TOTAL CTAn-2 TOTAL B.
CTAn-2
B.
CTA'_1 CTA._l
B._[
B._2 CTA. CTA.
CTAn+1
CTA.+ l
J1
Qo,.-2
Qo,.-l Qo,. ,
Qo,n+[
Q ?
Qo,n-2
QO,O-l Qo,o ,
Qo,n+!
Q
Capítulo IV: Control de Inventarios 139
Analicemos ahora la Figura 4.7(b). Si "B n" es mayor que " Qo,n+l", como se muestra en
esta Figura, entonces dicha cantidad no sería compatible y al mismo tiempo no podríamos
decir cuál sería la cantidad óptima, ya que los costos "CTABn" y "CTAo,n" ~stán
compitiendo; consecuentemente, tenemos que compararlos para determinar si la cantidad
óptima es "B n" o "Qo,n".
Por otro lado, debemos observar que "Qo,n" sí es compatible y por lo tanto cuando
"Qo,n+l" resulta no compatible y "Qo,n" resulta compatible, tenemos que comparar los
costos "CTABn" y "CTAo,n" para poder llegar a una decisión final.
Observemos ahora la Figura 4.7(c). "Qo,n+l" y "Qo,n" no son compatibles y "Qo,n-l"
sí es compatible. La gráfica muestra que los costos "CTAo,n-l", "CTABn-l" y "CTABn"
están compitiendo y que es indispensable compararlos para poder determinar la cantidad
óptima.
Finalmente, observemos la Figura 4.7(d). La única cantidad compatible es "Qo,n-2"
y puede observarse también que para resolver el problema debemos comparar "CTAo,n-2",
"CTABn-2", "CTA Bn-1" y "CTABn".
De lo expuesto anteriormente, podemos entonces afirmar que un procedimiento
general para resolver problemas con "n" cambios de precio, es el siguiente:
a) Calcular "Qo,n+l" y verificar si es compatible. Si es compatible, ésta será la cantidad
óptima. Si "Qo,n+l" no es compatible, pasar al inciso "b".
b) Calcular "Qo,n" y verificar si es compatible. Si es compatible, comparar "CTAo,n" con
"CTABn"; el menor costo indicará cuál es la cantidad óptima. Si "Qo,n" no es
compatible, pasar al inciso "c".
c) Calcular " Qo,n-l" y verificar si es compatible. Si es compatible, comparar "CTAo,n-l",
"CTABn-1" y "CTABn" (debe observarse que se compara "CTAo,n-l" con los costos
correspondientes a todas las "B¡" que están a la derecha y que la primera "B¡" tiene
exactamente el mismo sub-índice que "CTAo,n-l", es decir, el sub-índice (n- l)). Como
en el inciso "b", el menor de estos tres costos indicará cuál es la cantidad óptima. Si
"Qo,n-¡" no es compatible, pasar al inciso "d".
d) Seguir calculando las demás cantidades "Qo,n-2", "Qo,n-3", etc., hasta que se encuentre
una cantidad compatible "Qo/'. Comparar entonces "CTA o,¡" con los costos "CTA B¡",
"CTABi+ 1", ... , "CTABn". El menor costo indicará la cantidad óptima.
Solución:
Según lo explicado anteriormente, el primer paso será calcular la cantidad "Qo,4":
Observamos que si compramos esta cantidad al proveedor, éste nos cobraría el precio
"K3". Como el sub-índice 3 del precio no coincide con el sub-índice 4 de la cantidad
calculada, decimos que "Qo,4" no es compatible y procedemos a calcular "Qo,3".
Si compramos esta cantidad el proveedor nos cobraría "K3", y como los sub-índices
coinciden, decimos que "Qo/' es compatible.
Cuando encontramos una cantidad compatible, no hace falta calcular ninguna otra
cantidad y procedemos al cálculo de los costos. El procedimiento requiere que
calculemos el costo correspondiente a la cantidad compatible encontrada y los costos de
todas las "B¡" que estén a la derecha de ésta, es decir, que sean mayores que la cantidad
compatible encontrada. En nuestro ejemplo tenemos las siguientes "B¡":
B¡ = 500 unid.; B2 = 1,000 unid.; B3 = 2,000 unid.
Y por lo tanto, sólo la B3=2,000 es mayor que Qo,3=1,225. Esto indica que sólo tenemos
que calcular los costos correspondientes a "Qo/' y a "B3", es decir, "CTAo/' y "CTAs 3":
CTAo,3= (5,000/1,225)(300) + (1,225/2)(0.25)($8.00) + (5,000)($8.00) ::=; $42,450/año.
Cuando el costo de mantener "Cm" es constante las curvas correspondientes a los "CTA¡"
serán "concéntricas", es decir, todas pasarán por el mínimo en una misma cantidad "Qo,¡"
dada por (véase también la Figura 4.8):
(2)(D)(C p )
Qo,i =
No habrá ninguna otra diferencia, por lo que podemos seguir aplicando el mismo
procedimiento. Debemos recordar, sin embargo, que para todos los "CTA¡" el costo de
mantener "Cm" será el mismo.
Capítulo IV: Control de Inventarios 141
CTA¡
Qo,i
Q
En la Figura 4.8, como ejercicio, sugerimos que el lector oscurezca la parte válida de la
línea "CTA1" (de cero a Bl), la parte válida de la línea "CTA2" (de Bl a B2) y la parte
válida de la línea "CTA3" (de B2 en adelante), e identifique el punto de costo mínimo.
Solución:
De acuerdo al procedimiento, calculamos primero "Qo4" que de hecho va a ser idéntica a
la las demás "Qo,¡":
Si compramos Qo,3=1,000 el proveedor nos cobra "K3" y como los índices coinciden
concluimos que "Qo,3" es compatible (gráficamente esto significa que la línea gruesa pasa
142 Capítulo IV: Control de Inventarios
por el mínimo de "CTA3"). Recordando que B¡=200, B2=800 y B3=1 ,500, calculamos
entonces:
CTAo,3 = (10,000/1,000)($400) + (1,000/2)($8) + (10,000)($12) = $128,000/año.
CTAB3 = (10,000/1,500)($400) + (1,500/2)($8) + (10,000)($10) = $108,667/año.
COSTO
TOTAL
Si hay 3 "B¡" (cambios de precio), como en la Figura 4.9, hay 4 rangos de precio
diferentes:
Rango #1: 0< Q < B¡.
Rango #2: B¡ ::; Q < B2.
Rango #3: B2::; Q < B 3.
Rango #4: Q ¿ B3.
Si compramos una cantidad en el rango #1, sólo el precio "K¡" estará activo; si
compramos una cantidad en el rango #2, tanto "K¡" como "K2" estarán activos, ya que las
primeras (B¡-I) unidades serán compradas a "K¡" Y las restantes [Q-(B¡-I)] serán
compradas a "K2". Siguiendo con la misma lógica, concluimos que en el rango #3 estarán
activos "K¡", "K2" Y"K3", Yen el rango #4 estarán activos "K¡", "K2", "K3" Y "~".
La ecuación matemática de la línea "CTA¡", válida únicamente para O<Q<B¡, es la
siguiente:
Dicha cantidad solamente será compatible si se ubica en el rango #1, o sea, O<Q<B¡.
y finalmente:
Solución:
Para empezar recordemos que B'¡=499, B'2=999 Y B'3=4,999. Las cantidades "Qo,¡" son
las siguientes:
Capítulo IV: Control de Inventarios 145
Cuando una empresa utiliza el mismo equipo (o grupo de equipos) para la fabricación de
varie;;:; productos terminados, no siempre es posible calcular los lotes óptimos usándose la
fórmula:
(2)(D)(C p )
Qo = (C m )(l- D/P)
Esto se debe al hecho de que obtendríamos lotes óptimos Qo,l, Qo,2, ... Qo,n que no
necesariamente serían factibles de fabricarse sin que se agotaran las existencias de uno o
más de ellos. En otras palabras, podría darse el caso de que los productos fueran
fabricándose en forma secuencial y el inventario del producto "i" se agotara antes de que
se completara un ciclo y se volviera a fabricarlo. En este caso, será necesario fabricar
146 Capítulo IV: Control de Inventarios
lotes diferentes de los lotes "óptimoS" calculados con la fórmula que se encuentra arriba
(la palabra "óptimos" está entre comillas porque si no son factibles dejan de ser óptimos).
Cuando hay problemas de agotamiento de existencias antes de que se complete un
ciclo, el procedimiento alternativo es determinar un número de ciclos al año único para
todos los productos y con base en éste determinar nuevas cantidades. Si el número de
ciclos es óptimo (No) las nuevas cantidades también serán óptimas. A continuación
deducimos la fórmula que nos proporciona "No":
Si cada producto "i" se fabrica "N" veces al año, tenemos:
Q¡ =D¡/N
El nivel de inventario de cada producto "i" variará como se indica en la Figura 4.10.
Durante el tiempo "Tp,¡" hay producción y demanda, y durante el tiempo "Td,¡" hay sólo
demanda. Durante "Td,¡" los lotes de los demás productos serán fabricados.
INV.
.....................•..
TIEMPO
Tp,i "":<=--- ~
T~i
>:,.1::"
( >¡
~ Ti >¡
Puede demostrarse que el inventario medio para el producto "i" en las condiciones de la
Figura 4.10 es:
Ji = I máx,/2 = (l-D¡/P¡)(Q¡/2)
k
CMA = ¿ (1- D¡/P¡)(D¡/2N)(Cm,¡)
i=l
Como hay "N" ciclos por año (para todos los productos), el costo de preparación anual
será:
k
CPA=N .¿Cp,i
i=l
Como puede observarse, este procedimiento parte del supuesto de que sí es posible
realizar "N" ciclos de fabricación al año, y que para cada uno de los "k" productos
ocurrirá lo que se muestra en la Figura 4.10. Sin embargo, como se verá a continuación,
este método no siempre es aplicable.
Si suponemos que el tiempo de preparación de la(s) máquina(s) para el producto "i"
es "Tm,¡", el ciclo de fabricación, es decir, el período de tiempo total entre dos corridas
consecutivas del producto "i", será:
k
CICLO = ¿(Tp,i + Tm,J
i=l
Si ahora observamos la Figura 4.11 , podemos concluir fácilmente que para cualquier
producto "i" el período de tiempo "T¡" tiene que cumplir con:
k
¿(Tp,i + Tm,Js T¡
i=l
Si utilizamos la fórmula Qo,¡=D¡/No para calcular las corridas de cada producto, los
períodos "T¡" de todos los productos serán idénticos e iguales a:
148 Capítulo IV: Control de Inventarios
- Qo,i 1 anos.
-
T ¡ - - - =-
Di No
Por lo tanto, la realización de "No" ciclos al año solamente será posible cuando:
k 1
¿(Tp,i + Tm,¡)=:; -
i=1 No
INV.
TIEMPO
T;
Si suponemos que los "Tm,¡" son muy pequeños en relación a los "Tp,¡", podemos escribir:
k 1
"T . <N-
L,¡ p,1
1=1 o
No
i
_1_.
i=1
D i < _1_
Pi No
fabricación de los productos será posible para cualquier valor de "N". Sin embargo, sólo
un valor de "N" conduce a un costo total anual mínimo y éste está dado por la fórmula:
k
¿ (C m,i )(D i )(1- Di/Pi)
i=l
No = k
2¿C p,i
i=l
Por otro lado, si LD¡/P¡>1, el problema será imposible (sin faltas de existencia) para
cualquier valor de "N". La condición de factibilidad LD¡/P¡<1 es relativamente obvia, ya
que para cada producto el cociente D¡/P¡ representa el tiempo total en años para que se
pueda fabricar la demanda anual "D¡". Si la suma de todos estos D¡/P¡ es mayor que uno,
esto indica que para la fabricación de las demandas anuales de todos los productos se
necesitaría más de un año. En otras palabras, si LD¡/P¡>1, la capacidad anual de
producción del equipo sería insuficiente para la fabricación de todas las "D¡".
Concluyendo, cuando LD¡/P¡>1, la fabricación de los "k" productos será imposible, no
importando el método que se utilice.
De este análisis podemos deducir que cuando queremos determinar los lotes
óptimos factibles de productos múltiples, el procedimiento más adecuado sería el
siguiente:
a) Calcular LD¡/P¡. Si este valor es mayor que uno, la fabricación de los "k" productos
será imposible. Si LD¡/P¡ es menor que uno, realizar el siguiente paso.
b) Calcular las cantidades "Qo,¡" utilizando el modelo básico.
c) Verificar la factibilidad de las cantidades "Qo,¡" obtenidas en el paso anterior. Si las
cantidades "Qo,¡" no son factibles, realizar el siguiente paso.
d) Calcular el número óptimo de ciclos mediante la fórmula:
k
¿(C rn¡)(D i )(1- D/Pi )
i=l
No = k
2¿C p,i
i=l
e) Calculm las nuevas cantidades "Q'o/' mediante la fórmula Q' o,¡ = D¡/No. Estas
cantidades serán siempre factibles si LD¡/P¡<1.
Solución:
a) Cálculo de LD¡/P¡:
LD¡/P¡ = 4,000/25,000 + 1,500/5,000 + 500/1,000 = 0.96 años < 1.
Por lo tanto, pasamos al inciso "b".
4.5.1 Generalidades
En la vida real, sin embargo, estas suposiciones casi nunca son verdaderas. Por ejemplo,
los proveedores no siempre cumplen los plazos de entrega de las materias primas y esto
obviamente puede causar el agotamiento del inventario de éstas antes de la llegada de los
pedidos. Análogamente, si la tasa de ventas de los productos terminados es mayor que la
tasa prevista, el inventario de éstos puede agotarse antes de que los primeros productos de
los lotes fabricados lleguen al almacén.
Debido a esto, es siempre necesario mantener inventarios de seguridad "I s" para
reducir la posibilidad de una eventual falta de materiales o productos. El nivel del
inventario de seguridad dependerá básicamente del cumplimiento de los plazos de
entrega, de la magnitud de las variaciones de la demanda y del riesgo de agotamiento que
quiere correr la empresa.
Obviamente, cuanto mayor sea el inventario de seguridad, menor será el riesgo de
agotamiento de las existencias y, como consecuencia, menores serán los costos relativos a
la falta de dichas existencias. Sin embargo, cuanto mayor sea el inventario de seguridad,
mayor será el costo de mantener. Por lo tanto, el problema que tenemos que resolver es la
determinación del nivel óptimo del inventario de seguridad, de tal forma que se minimice
la suma de todos los costos del modelo. Como el valor de "Q" afecta la frecuencia con
que pedimos/fabricamos y ésta a su vez afecta el número esperado de faltas, la
determinación del nivel óptimo del inventario de seguridad se tiene que llevar a cabo
simultáneamente con la determinación del pedido/lote óptimo. Esto hace los modelos más
complejos y nos obliga a utilizar derivadas parciales.
A continuación analizaremos 2 modelos probabilísticos de inventarios de materias
primas y cómo deben determinarse los parámetros óptimos de cada uno de ellos. No
creemos que sea necesario analizar también el caso de los inventarios de productos
terminados, ya que lo que será expuesto para los inventarios de materias primas es
igualmente aplicable a los inventarios de productos terminados.
Analicemos inicialmente la Figura 4.12 y supongamos que el tiempo de entrega
"Te" es constante y conocido. Si la tasa de demanda también es constante, realizamos un
nuevo pedido siempre "T" unidades de tiempo después de la realización del pedido
anterior, que es lo mismo que realizar el pedido "Te" unidades de tiempo antes de que el
inventario se agote. En este momento, el nivel del inventario será siempre "Qr", el cual
llamaremos punto de reordeno
Ahora bien, si la tasa de demanda empieza a variar y determinamos "Qr" con base
en la demanda media, al terminarse el período "T" el nivel del inventario podrá ser mayor
o menor que "Qr", es decir, podrá ser "Q¡" Ó "Q2", respectivamente (véase la Figura
152 Capítulo IV: Control de Inventarios
4.12). Análogamente, el nivel de los iriventarios podrá llegar a "Qr" antes o después de
las "T" unidades de tiempo. Debido a esto, se agrega un inventario de seguridad y pueden
adoptarse dos modelos de inventarios:
a) Si se hace un pedido igual a "Q" (constante) siempre que el inventario llega a un nivel
"Qr", independientemente del tiempo necesario para que esto ocurra, el modelo de
inventarios se llama "modelo de punto fijo". Existen valores óptimos para "Q", "Qr" y
para el inventario de seguridad.
b) Si se hace un pedido "Q" (variable) cada "T" unidades de tiempo, independientemente
del nivel de las existencias, el modelo de inventarios se llama "modelo de ciclo fijo".
Existen valores óptimos para "T" y para el inventario de seguridad.
Demanda mayor
que la media
Demanda
media _ _ _ Demanda menor
que la media
I--------=~----+------'''<--''í-.,.....----------- Qr
>
TIEMPO
La Figura 4.13 muestra un modelo de punto fijo el cual incluye inventario de seguridad.
La demanda es variable pero, momentáneamente, mantendremos el tiempo de entrega
constante. Como dijimos anteriormente, la persona encargada de la realización de los
pedidos se fija únicamente en el nivel del inventario y cuando éste llega a "Qr" realiza un
nuevo pedido "Q". Como la idea es imitar el modelo básico, "Q" puede ser igual a la
"Qo" de éste, a pesar de que más adelante veremos que la "Qo" del modelo básico no es
verdaderamente óptima (véase el inciso 4.6).
Como la demanda es variable, se grafica el modelo como si la demanda fuera
media durante todo el año y se calcula "Qr" con base en esta demanda media. Esto
implica que, siempre que la demanda sea mayor que la demanda media durante "Te",
ocurrirá una falta de existencias. Si graficamos en la Figura 4.13 la demanda máxima
(dmáx) que queremos satisfacer durante "Te", obtendremos la falta que corresponde a esta
demanda máxima. Si adoptamos un inventario de seguridad igual a esta falta, sólo
ocurrirá una falta cuando la demanda supere dicha demanda máxima (véase la Figura
4.13).
Ya con el inventario de seguridad puesto, el punto de reorden se calcula fácilmente
así:
Capítulo IV: Control de Inventarios 153
Qr = d .Te + 15
/"Demanda
'f media
t---~---+-------'';:----t----:--~:----t---- Qr
d ld.To d
'.
Demanda máxima ---!-.::;:;........ ¡.E-- Falta
\.. .¡
T TIEMPO
Probabilidad
de falta
i<
154 Capítulo IV: Control de Inventarios
Sd ~S'd ~T,T
x
Por otro lado, a cada valor de "Z" corresponde una probabilidad de falta diferente (véase
la Figura 4.14). "Nivel de servicio" se define como N.S.=[I-p(falta)]. Si no queremos
optimizar (la optimización se presenta en el inciso 4.6), simplemente escogemos una
probabilidad de falta que nos parezca "razonable" y determinamos el inventario de
seguridad correspondiente.
Ahora bien, ¿qué pasa cuando el tiempo de entrega del proveedor también es
variable? El lector puede "ver" la situación imaginando que en la Figura 4.13 la pendiente
de la demanda está aumentando y disminuyendo, mientras que el tiempo de entrega se
está ensanchando y estrechando simultáneamente. La situación es más sencilla desde el
punto de vista estadístico de lo que pueda parecer a primera vista, ya que cuando el
tiempo de entrega empieza a variar es como si la demanda estuviera variando más, es
decir, con una desviación estándar "S" mayor que "Sd". Para obtener "S" lo primero que
tenemos que hacer es calcular la desviación del tiempo de entrega, que estará dada en
unidades de tiempo (S'Te), y transformarla a unidades de demanda (STe) de la siguiente
manera:
Después, las dos varianzas (de la demanda y del tiempo de entrega) se suman y se
obtiene la varianza total (o equivalente) "S2,,:
S2 = Sd 2 +S Te 2
S=~S/ +STe 2
Capítulo IV: Control de Inventarios 155
Una vez que se obtiene "S" el inventario de seguridad se determina de la misma manera,
es decir:
Is = Z.S
Veamos ahora qué pasa con los costos totales anuales del sistema de punto fijo.
Obviamente, la fórmula
CTA = (QJ2) (Cm) + (D/Qo)(C p)
ya no es suficiente porque no incluye el costo de mantener el inventario de seguridad ni el
costo de las faltas. La nueva fórmula sería:
CTA = (Qo/2) (Cm) + (D/Qo)(C p) + CMAIs + CFA
donde: CMAIs = costo de mantener anual del inventario de seguridad.
CFA = costo de faltante anual.
Sustituyendo, tenemos:
f) Determinar I s = Z.S.
Considerando una distribución normal tanto para la demanda como para el tiempo de
entrega, las probabilidades de falta utilizadas con más frecuencia son las siguientes (véase
cualquier tabla de la distribución normal):
FIGURA 4.15 Modelo de punto fijo con "Te" mayor que "T"
t----+---+-----""*"""---+---------=~---_1_------ Qr
Determinar todo lo necesario para que pueda usarse el modelo de punto fijo con ·
probabilidad de falta igual a 0.025 y explicar cómo funcionaría el sistema.
Solución:
a) Determinar la cantidad Qo = J(2)(D)(C p )/(C m ) •
~S', ~T, ~ 12
S,
Tx VI(2 ~ 16.97 unid.
c) Determinar "STe" a partir de la "S'Te" disponible.
STe = d,S\e = (150 unid.lsem.)(0.17 sem.) = 25.50 unid.
d) Determinar la desviación estándar total.
S = ~S/ + STe
2
= .J16.97 2 + 25.50 = 30.63 unid.
2
INV.
Inv. en la mano + sobre pedido
t---:--------..----,~-----...."....-------.."...._-------- lo
Demanda
media
......... ~
T T TIEMPO
Te+T
d) Cuando llega la cantidad pedida, la línea del inventario en la mano y la línea del
inventario en la mano + sobre pedido resultan idénticas (la segunda está ligeramente
desplazada). Cuando "Te" es mayor que "T" las líneas nunca se sobreponen (véase la
Figura 4.17).
e) Cuando "Te" es pequeño en relación a "T" nunca hay más de un pedido pendiente.
Cuando "Te" es grande y/o muy variable puede haber, en un momento dado, más de un
pedido pendiente (véase la Figura 4.17).
f) El tiempo entre la realización de dos pedidos consecutivos (T) es igual al tiempo entre
la llegada de dos pedidos consecutivos únicamente cuando "Te" es constante (lo que
ocurre en la Figura 4.16). Cuando el tiempo de entrega es variable esta igualdad ya no
se cumple (véase la Figura 4.19 del inciso 4.6). Con frecuencia el período "T" se llama
"período de revisión", ya que cada "T" unidades de tiempo se "revisa" el inventario en
la mano y se pide lo que falta para completar "lo".
Con frecuencia, "To" resulta poco práctica (por ejemplo, 2.8 semanas) y decidimos
redondearla (por ejemplo, a 3 semanas), por lo que nos conviene la siguiente versión más
general de "CTA":
CTA = (d .T/2) (Cm) + (D/d .T)(Cp) + (Is)(Cm) + [p(falta)](N)(C f ) ,
donde "N" corresponde a la frecuencia "T" adoptada (por ejemplo, si T= 1 mes, entonces
N=12).
Concluyendo, tanto para Te<T como para Te>T, el procedimiento del modelo de
ciclo fijo (sin optimizar) es el siguiente:
a) Determinar la frecuencia del modelo básico To = Qo/D = J(2)(C p )/(D)(C m ) •
f) Determinar Is = Z.S.
FIGURA 4.16 Modelo de ciclo fijo con "Te" mayor que "T"
INV.
~--I""--
··7J'-" " - - - " , , - ." '-.""
r·····-·····
. . -------,.,r:--
· ·· ··. .-.. - - lo
..................¡
' . •
....
¡ .
Inv en
-"." " .."
la mano
1------"'--;----=-----~---"''-------7"_--=-----
Is
T T TIEMPO
i<
Solución:
a) Determinar la frecuencia del modelo básico:
To = Qo/D = ~(2)(Cp)/(D)(Cm) = ~r-(2-)(-10-0)-/(-7,-80-0-)(8-) = 0.0566 años = 2.94sem.
b) A partir de la "S' d" disponible calcular:
Como todo en la vida, los modelos de punto fijo y ciclo fijo tienen sus ventajas y
desventajas. Con el de punto fijo la empresa y el proveedor saben cuánto se va a pedir
pero no saben cuándo. Con el de ciclo fijo saben cuándo pero no saben cuánto.
En México, hay una publicidad de una bebida alcohólica que termina más o menos
así: "tú sabes cuándo y tú sabes cuánto..." . Esto defmitivamente no ocurre con los
sistemas de punto fijo y ciclo fijo, porque con el primero "tú sabes cuánto pero no sabes
cuándo" y con el segundo "tú sabes cuándo pero no sabes cuánto" ...
El sistema de punto fijo tiene la ventaja de requerir un inventario de seguridad
menor para el mismo nivel de servicio. Por ejemplo, en los ejemplos numéricos arriba,
para la misma probabilidad de falta de 0.025, el modelo de punto fijo requirió un Is=60
unid. y el modelo de ciclo fijo un Is=72 unid.. Esto obviamente incrementa los costos
totales anuales del modelo de ciclo fijo. Otra ventaja del modelo de punto fijo es la
facilidad de combinarlo con el modelo de descuentos por cantidad. Se aplica éste antes,
para determinar "Qo", y después se determinan todos los demás parámetros del modelo.
Por otro lado, el modelo de ciclo fijo es particularmente útil cuando la empresa
compra muchos materiales a un mismo proveedor y desea comprarlos todos al mismo
tiempo. Yo personalmente participé en un proyecto de control de inventarios que
consistió en la determinación de la política óptima de compras de los materiales de una
empresa que se dedicaba a la fabricación de antiojos. Entre otros, la empresa compraba
lentes de cristal brutos y semi-terminados en diversas medidas. Muchos de éstos se
compraban al mismo proveedor. Si usáramos el sistema de punto fijo, el punto de reorden
de cada lente sería alcanzado en un momento diferente y en distintos días tendríamos que
realizar pedidos a dicho proveedor. Decidimos abandonar el sistema de punto fijo y
adoptar el de ciclo fijo. Se estableció una frecuencia única "T" para todos los lentes de
dicho proveedor, se determinaron los inventarios objetivo de cada material y cada "T"
162 Capítulo IV: Control de Inventarios
unidades de tiempo se hacía un solo pedido al proveedor que incluía todas las cantidades
Q¡=lo,¡-le,¡-pp.¡.
Por último queremos mencionar que, seguramente, el modelo de punto fijo es más
cómodo y más fácil de entender. Por lo tanto, no es extraño que la gran mayoría de las
empresas lo prefiere.
4.6.1 Generalidades
El punto de reorden (Qr) del sistema de punto fijo se calcula mediante la fórmula que se
muestra a continuación; las fórmulas para el cálculo de la cantidad a ordenar (Q) y del
inventario de seguridad (Is) se estudiarán más adelante.
Qr =d.Te +l s
donde: Qr = punto de reordeno
d = demanda media (por ejemplo, unid.lsemana).
Te = tiempo de entrega medio del proveedor.
ls = inventario de seguridad.
Capítulo IV: Control de Inventarios 163
En el caso del sistema de ciclo fijo se pide siempre cada "T" unidades de tiempo, una
cantidad variable correspondiente a la resta "inventario objetivo (lo) menos existencias en
el almacén menos pedidos pendientes", como se indica en la Figura 4.19 a continuación.
1 - - - - - - . , . - - - - - - , . . . . - - - - - - , . . . . - - - - - - - , . . - - - - - - - , . , - - - lo
Para el cálculo de "CFA" podemos hacer muchas suposiciones acerca del costo de
faltante. Por ejemplo, puede ser por unidad faltante; puede tener una parte fija más una
parte por unidad faltante; puede estar relacionado con el tiempo durante el cual la falta
permanece; etc.. (véanse algunos modelos en la referencia [22]). En el presente modelo
164 Capítulo IV: Control de Inventarios
consideraremos un costo fijo medio por falta" Cf ". Con esta suposición, los costos
anuales mencionados arriba se expresan así:
Q D -
CTA=-C m +-C p +Is·C m +Nf·C f
2 Q
donde: CTA = costo total anual ($/año).
Q = cantidad a ordenar (unidades).
Cm = costo de mantener el inventario ($/unid.año).
D = demanda anual del artículo (unid.laño).
Cp = costo de preparación de un pedido ($/pedido).
Is = inventario de seguridad (unidades).
Nf= número esperado de faltas al año.
Cf = costo medio por falta ($/falta).
La cantidad "Q" es una de las variables independientes del modelo y llamaremos "Qo" el
valor óptimo de ésta. La otra variable independiente del modelo es el inventario de
seguridad (1s). Sin embargo, como éste puede expresarse de la manera que sigue, vemos
que la verdadera variable independiente es "Z":
Is = Z.Sd
donde: Z = número de desviaciones estándares que corresponde al nivel de confianza
deseado.
Sd = desviación estándar de la demanda para un período igual al tiempo de entrega
medio (Te) del pedido.
En este modelo veremos la determinación del valor óptimo de "Z" (Zo), por lo que
podemos definir el inventario de seguridad óptimo así:
Iso = Zo.Sd
S=~(S/ +STe 2 )
donde: S = desviación estándar total (en unidades físicas).
Sd = desviación estándar de la demanda que corresponde al tiempo de entrega
medio (en unidades físicas).
STe = desviación estándar del tiempo de entrega (en unidades físicas).
Obsérvese que este cálculo es equivalente a una regla de tres, en la cual las varianzas son
directamente proporcionales a los períodos de tiempo.
Por otro lado, la desviación estándar del tiempo de entrega en unidades físicas (en
vez de unidades de tiempo), se calcula así:
STe = S'Te. d
donde: STe = desviación estándar del tiempo de entrega en unidades físicas.
S'Te = desviación estándar del tiempo de entrega en unidades de tiempo.
d = demanda media (unidades físicas/unidad de tiempo, siendo esta última la
misma del tiempo de entrega).
Teniendo en cuenta lo anterior, podemos decir entonces que el costo total anual de un
sistema de punto fijo es el siguiente:
S=~(S/ +STe
2
)
Por otro lado, el número de faltas al año (Nf), puede expresarse como:
Nf = P(falta).N
donde: P(falta) = probabilidad de falta que corresponde al valor de "Z".
N = número esperado de pedidos al año (igual a D/Q).
Si las distribuciones de la demanda y del tiempo de entrega son normales, "S" será la
desviación estándar equivalente de una distribución normal, y podemos escribir:
Sustituyendo, tenemos:
166 Capítulo IV: Control de Inventarios
Q D - D-
CTA =-C m +-C p + Z.S.C m + <j>(z).-. C[
2 Q Q
ó:
x2
Q D 1 rz - - D-
CTA=-C m +-C p +Z.S.C m + (1- ~ J e 2.dx).-C[)
2 Q -v21t Q -00
Solución:
Considerando los datos del problema, vemos que Tx =2 semanas (1 quincena) y no
concuerda con el tiempo de entrega medio de 3 semanas. Tenemos:
Capítulo IV: Control de Inventarios 167
S=~S/ + 2 2
STe =.J12.25 2 +20 =23.45unid.
Qo ~- toO·C, ~
Cm -
(2)(5,200)(40)
1.50
~ 527 unid.
Por lo tanto:
Que significa lo siguiente: cada vez que el inventario en almacén llega a 362 unid. (Qr)
pedimos 534 unidades (Qo). Si trabajamos así, el inventario de seguridad será de 62
unidades (Iso) y la probabilidad de falta será de 0.004. El costo total anual será mínimo.
168 Capítulo IV: Control de Inventarios
S=~Sd2+STe2
Por lo tanto:
Como puede verse en estas fórmulas, la desviación total no es constante, sino que es una
función de la variable independiente "T". Sustituyendo la fórmula de "S" en la fórmula
del costo total anual, tenemos:
Derivando parcialmente respecto a "T" y "Z", igualando a cero y considerando que "T"
se expresa en años, obtenemos las siguientes ecuaciones (véanse los detalles de la
derivación en el inciso 4.6.5):
Z
o
=~-21n 5.s.c
C
m .T.
f
Capítulo IV: Control de Inventarios 169
En ambas fórmulas:
Solución:
Considerando los datos del problema vemos que Tx=2 semanas, equivalente a 0.038462
años. Por otro lado, el valor inicial de "To" es:
Entonces:
Zo = -2ln (~)(28.52)(1.50)(0.101274)=2.576~2.58
300
Entonces:
Lo que significa que cada 5.2 semanas (To) se observa el inventario existente y se pide lo
que falta para completar 894 unidades (lo). Trabajando de esta manera, el inventario de
seguridad será de 74 unidades y la probabilidad de falta será 0.0049. El costo total anual
(CTA) será mínimo.
Capítulo IV: Control de Inventarios 171
Partimos de la ecuación:
x2
Q D 1 rz - - D-
CTA=-C m +-C p +Z.S,C m + (1- ~ J e 2.dx).-C f )
2 Q ,,2n Q -00
Hagamos:
Kl = Cm/2; K2 = D.Cp ; K3 = S.Cm ; K4 = D. C f ; y
<1> (Z) = 1- b- r e- ~2 dx
z
,,2n J-oo
•
Entonces:
CTA = Kl.Q + K2/Q + K3.Z + <I>(Z).K4/Q
Despejando:
_ /K2+K4.<I>(Zo)
Qo -VKl
Despejando, tenemos:
Z = '-2ln (5).K3·Qo
o V K4
Partimos de la ecuación:
d.T D D -
CTA=-C m +=-C p +Z.S,C m +=-C r .~(Z)
2 d.T d.T
donde:
~(Z)=l- ~
1 fZ e - ~2.dx
,,21t -00
Hagamos:
- -
Kl = d .Cm / 2; K2 = D.Cp / d ; K3 = D. C r / d
Entonces:
CTA = K1.T + K2/T + Cm.Z.S + K3.~(Z)/T
Derivando parcialmente respecto a "z" y considerando "Zo" como su valor óptimo y "To"
como el valor óptimo de "T", tenemos:
Z = '-2ln ~.S.Cm .T o
o V K3
Z
o
~~-2In 5 'S'C m • To
Cf
donde "To" está dado en años.
Como:
Tenemos:
Igualando a cero, reacomodando y recordando que los valores óptimos de "T" y "Z" son
"To" Y"Zo", respectivamente, tenemos:
D.C /2-(l/To)2[C p +C f
m
.~(Zo)]+ (l/2),C m .Z~.S'/ /Tx =0
S'/ (To +Te )+STe 2
Tx
que es la fórmula fmal, ya que no se puede despejar "To". Como el denominador del
último término es igual a "S", entonces también podemos escribir:
Capítulo IV: Control de Inventarios 175
PROBLEMAS TIPO
4.2 En una determinada empresa el nivel del inventario disminuye según se muestra en la
figura. Calcular el inventario medio durante el período "T".
Inv.
r
=1
~ l.-- ----L---..-_ _~
Tiempo
re···························································T··············································· ~
Resp.:lnv.medio=[x(n+l)]/2
4.3 La empresa TLALOC, S.A. compra su materia prima a un proveedor que tiene la
siguiente política de descuentos:
* Si el pedido es menor que 1,000 unidades, el precio de la materia prima es de
$1.20/unid..
* Si el pedido es mayor o igual a 1,000 unidades, el precio es de $1.00/unid..
176 Capítulo IV: Control de Inventarios
Considerando que la demanda e·s constante e igual a 5,000 unid. anuales, el costo de
preparación es de $15/pedido y el costo de mantener inventario es de 30%/año,
determinar el tamaño óptimo del pedido y el costo correspondiente.
Resp.: Qo=B=1,000 unid.; CTAB=$5,225/afio.
4.4 Una empresa compra su materia prima a un proveedor que tiene la siguiente política
de descuentos:
Q < 100 K 1=$2.60/unid.
100 ~ Q < 500 K2=$2.55/unid.
500 ~ Q <2,250 K3=$2.50/unid.
2,250 ~ Q < 3,200 ~=$2.45/unid.
3,200 ~ Q < 5,250 K5=$2.40/unid.
Q 2: 5,250 K6=$2.35/unid.
Además se sabe que D=3,000 unidades/año, C p=$100/pedido y F m=35%/año.
a) Identificar los valores de "Bi".
b) Determinar el tamaño óptimo del pedido y el costo anual correspondiente.
Resp.: a) Hay 5"Bs": B1=100;B2=500;B3=2,250; B4=3,200; B5=5,250.
b) Qo=Qo3=828 unid.; CTAo=CTAo3=$8,225/afio.
4.6 ARCOS, S.A. compra una de sus materias primas a un proveedor que le ofrece
descuentos progresivos de la siguiente manera: las primeras 99 unidades a K1=$50;
las siguientes 100 a K2=$47; las siguientes 200 a K3=$45; y las siguientes a ~=$44.
Capítulo IV: Control de Inventarios 177
4.9 Una empresa desea optimizar la política de inventarios de una de sus materias primas
utilizando el sistema de punto fijo. Para esto, ha recopilado la siguiente información:
* Demanda media: 250 unid.lmes.
* Desviación estándar de la demanda mensual: 23 unid.lmes.
* Costo de preparación: $50/pedido.
* Costo de mantener: $4/unid.año.
* Tiempo de entrega medio: 2 semanas.
* Desviación estándar del tiempo de entrega: 0.3 semanas.
* Costo medio por falta: $l,OOO/falta.
Considerando que un mes tiene 4.3 semanas, determinar:
a) Todo lo necesario para que la empresa pueda utilizar un sistema de punto fijo con
probabilidad de falta igual a 0.05.
b) Todo lo necesario para que la empresa pueda utilizar el sistema de punto fijo en
condiciones óptimas.
Resp.: a) Q=274 (valor inicial); S=23.46 unid.; Z=1.65; Is~9 unid.; Q F 155 unid.; CTA=$1 ,796.45/año.
b) Qo=282 (después de dos iteraciones); 2.=2.76; p(falta)=O.0029; I,F65 unid. ; Q F 181 unid.; CTA.=$1,386.65/año.
Capítulo V: Programación de Sistemas Productivos 179
CAPÍTULO CAPÍTULO
PROGRAMACIÓN DE
SISTEMAS PRODUCTIVOS
SÍNTESIS
5.1 INTRODUCCIÓN
Los problemas de secuenciación son muy frecuentes y tenemos que resolverlos, por
ejemplo, cuando necesitamos fabricar varios productos en una máquina dada, procesar
varios archivos computacionales en una impresora, o atender a varios clientes en un
banco.
Es evidente que los problemas de secuenciación siempre son "resueltos", ya que las
empresas fabrican sus productos, los archivos computacionales son procesados, etc.. Sin
embargo, las soluciones generalmente son obtenidas sin un riguroso estudio que garantice
que éstas son realmente las más adecuadas.
Frecuentemente los productos o clientes son procesados en la medida que van
llegando al sistema y esta "regla de secuenciación" se llama FIFü (frrst in, first out). Esta
regla es aplicable, por ejemplo, para resolver el problema de un banco o de un
supermercado, sin embargo, no hay ninguna razón para que creamos que también debe
ser aplicada a otros problemas, como por ejemplo la fabricación de un determinado
número de productos en una planta manufacturera.
Como se verá a continuación, secuencias diferentes generalmente conducen a
resultados muy diferentes y consecuentemente, para la deterrnlnación de la secuencia
ideal de procesamiento, deben definirse con precisión los resultados requeridos.
Debe resaltarse que nunca podemos dejar de resolver el problema, ya que de una
forma o de otra, tendremos que adoptar una secuencia dada. El problema es, por lo tanto,
definir qué resultados queremos lograr y qué secuencia permitirá la realización de éstos.
Capítulo V: Programación de Sistemas Productivos 181
En los problemas de programación sólo nos preocupamos con lo que podemos hacer con
las operaciones y no con lo que son realmente estas operaciones. La definición preCisa
del problema requiere el conocimiento de los valores de las siguientes variables:
* Número de máquinas de la planta ("m").
* Número de productos cuya fabricación tenemos que programar ("n").
* Número de operaciones de cada producto ("K¡")
* El tiempo para la realización de las operaciones de cada producto, es decir, el tiempo de
procesamiento de cada operación ("Pij", o sea, producto "i", operación "j").
* El tiempo en el cual cada uno de los productos está listo para ser procesado, es decir, el
tiempo de llegada del producto al sistema ("T¡").
182 Capítulo V: Programación de Sistemas Productivos
* El tiempo en el cual la fabricación del producto tendrá que ser terminada, es decir, el
tiempo de entrega ("En.
* El tiempo de preparación de las máquinas para la realización de cada operación. En este
capítulo supondremos que el tiempo de preparación no depende de la secuencia y ya
está incluido en "Pij".
Ejemplo: Supongamos que para el producto "i" las variables "T" y "E" descritas
anteriormente presentan los siguientes valores: Ti=O días; Ei=7 días. Estos datos indican
que en el instante t=0 podemos empezar a procesar un producto cuyo plazo de entrega es
7 días. Como veremos más adelante, en este libro "T¡" va a ser siempre cero.
Los valores de todas las variables enlistadas arriba se conocen antes de la
programación o secuenciación. Consecuentemente, las llamaremos variables de entrada.
Las variables de entrada son como los "datos del problema".
Además de las variables de entrada, necesitaremos la siguiente información:
* En qué secuencia las operaciones de cada producto deben realizarse.
* La máquina en la cual cada operación debe realizarse.
* El objetivo que se persigue (por ejemplo, minimizar el retraso medio).
Una vez que se programa la fabricación de los productos, obtenemos resultados que
corresponden a las variables de salida. Éstas son:
* Tiempo de fabricación de los productos (Fi): es el tiempo total de permanencia del
producto en la planta. Si no hay ninguna espera entre una operación y otra podemos
afIrmar que:
K¡
Fi =¿Pij
j=O
donde "K¡" es el número de operaciones del producto "i". Si hay una espera "Wij" (del
inglés "waiting") antes de cada operación ''j'' del producto "i", tenemos entonces:
K¡
F¡ = ¿(p¡j + W ij )
j=O
b) Sistemas de secuencia variable: son aquéllos en los cuales cada producto requiere una
secuencia diferente, en lo que se refiere a la utilización de las máquinas. Por ejemplo,
en una planta de 3 máquinas, un producto requiere la secuencia Maq.l ~Maq.2~
Maq.3 y otro producto la secuencia Maq.2~Maq.l~Maq.3. (La palabra equivalente
en inglés es "job shop".) En este capítulo estudiaremos tanto los sistemas de secuencia
fIja como los de secuencia variable.
184 Capítulo V: Programación de Sistemas Productivos
En las secciones anteriores hemos visto que para definir un problema de programación
necesitamos establecer el objetivo que se persigue. Éste siempre estará relacionado
directa o indirectamente con alguna variable de salida, por lo que los objetivos puede ser
los siguientes:
* Minimizar el tiempo de fabricación medio.
* Minimizar el inventario en proceso medio.
* Minimizar el número medio de productos o clientes pendientes.
* Minimizar el tiempo de fabricación máximo, es decir, el tiempo total para terminar la
fabricación de todos los productos.
* Maximizar la utilización de la maquinaria y/o mano de obra.
* Minimizar el retraso medio.
* Minimizar el retraso máximo.
* Satisfacer a un mayor número posible de clientes.
* Etc., etc..
Es importante observar la interdependencia o contradicción que existe entre estos
objetivos. Por ejemplo:
* Si minimizamos el tiempo de fabricación máximo, estamos al mismo tiempo
maximizando la utilización de las máquinas.
* Si minimizamos el tiempo de fabricación medio, estaremos también minimizando el
número medio de productos pendientes.
Capítulo V: Programación de Sistemas Productivos 185
Los dos últimos ejemplos refuerzan la importancia de la definición clara y precisa del
objetivo que se persigue, ya que los objetivos pueden ser mutuamente excluyentes y
requerir secuencias diferentes para su logro. La contradicción entre objetivos hace que la
programación sea mucho más interesante y compleja.
Hay tres tipos principales de costos que son directamente afectados por las decisiones
tomadas en el campo de la programación de la producción y que están relacionados con:
* El inventario en proceso.
* La utilización de maquinaria y/o mano de obra.
* La entrega retrasada de los productos.
De una forma general, se puede reducir el costo del inventario en proceso mediante la
aplicación de reglas sencillas de programación. Aunque en la mayoría de los casos no sea
posible minimizar el inventario medio en proceso y el tiempo de fabricación medio
simultáneamente, la reducción de éste generalmente conduce a una reducción de dicho
inventario. La reducción del tiempo de fabricación medio también puede dar a la empresa
una mayor fuerza competitiva. Para algunos casos especiales ya existen soluciones
óptimas que minimizan el tiempo de fabricación medio.
Los costos que dependen del nivel de utilización de la maquinaria y mano de obra
están evidentemente relacionados con el programa de producción, ya que de éste
dependerá el tiempo de inactividad de la maquinaria y mano de obra. Si el nivel de
utilización es bajo, esto podrá llevar a la necesidad de trabajar tiempo extra o turnos
adicionales, lo que representará también un aumento de los costos. Para algunos
problemas especiales ya existen soluciones óptimas que permiten una maximización de la
utilización, lo que es equivalente a la minimización del tiempo máximo de fabricación.
En varias situaciones, y especialmente cuando se trata de grandes proyectos, los
costos relacionados con entregas atrasadas pueden ser fácilmente identificados y
calculados. Por ejemplo, la empresa podrá tener que pagar "x" pesos por día de retraso en
la entrega de un proyecto dado. En los demás sistemas productivos, estos costos no son
fácilmente calculables, ya que dependen de la insatisfacción de los clientes y ésta es muy
difícil de cuantificar. Sin embargo, es importante tener en mente que estos costos existen
y que en varias situaciones pueden ser más importantes que los costos relacionados con el
inventario en proceso o la utilización de la maquinaria y mano de obra. Para algunos
casos especiales existen soluciones óptimas que minimizan el retraso máximo. Minimizar
el retraso medio siempre ha sido más complicado.
La programación entera también ha sido utilizada para obtener soluciones óptimas
para los problemas mencionados arriba (véase el Capítulo X). Sin embargo, su utilización
ha sido limitada por el gran número de variables y restricciones.
186 Capítulo V: Programación de Sistemas Productivos
5.3.1 Generalidades
A estas alturas el lector debe estar pensando: Si las plantas nunca tienen una sola
máquina ¿para qué sirve estudiar problemas con una sola máquina? Hay razones prácticas
y teóricas para que estudiemos inicialmente este problema de programación. Entre éstas
podemos citar:
* Éste es el problema más sencillo de programación y consecuentemente puede ser
fácilmente entendido.
* El problema ayuda a entender el significado de las variables y conceptos antes del
estudio de problemas más complejos.
* El problema se utiliza para mostrar los diferentes resultados que se obtienen mediante
la utilización de sistemas (reglas) diferentes de programación.
* Las soluciones obtenidas nos ayudan a entender y encontrar soluciones aproximadas u
óptimas para los problemas más complejos.
* Finalmente, el análisis de este problema nos sirve para evaluar la complejidad de los
problemas generales de programación.
También debe resaltarse que este tipo de problema no es tan teórico como puede parecer.
Es verdad que muy raramente encontramos una planta que tenga sólo una máquina y
productos que requieran una sola operación, sin embargo, al mismo tiempo, algunas
empresas pueden tener una máquina que represente una fase tan importante del proceso
productivo que el sistema de programación debería ser diseñado como si existiera
solamente esta máquina. Por otro lado, en la industria de procesamiento (por ejemplo,
detergentes), no es muy raro encontrar una planta que funciona de forma integrada como
Capítulo V: Programación de Sistemas Productivos 187
si fuera una sola máquina. Análogamente, en los sistemas continuos, podemos tener el
problema de programar la producción de una línea de ensamble que también funciona de
forma integrada como si fuera una sola máquina. Por último, está el caso de la empresa
que ha identificado su "cuello de botella" y desea programar la producción para éste
ignorando el resto de los centros productivos.
TIEMPO DE
PRODUCTOS
PROCESAMIENTO (Pi)
a 10h
b 20h
c 13h
d 16 h
e 8h
188 Capítulo V: Programación de Sistemas Productivos
Solución:
La secuencia de fabricación que minimiza el tiempo de fabricación medio es la TPC,
cuyos resultados se muestran en el Cuadro 5.1. Puede observarse que el tiempo total de
fabricación es igual al tiempo de fabricación del último producto procesado y éste será
siempre igual a 67 h. El tiempo de fabricación medio, sin embargo, depende directamente
de la secuencia de fabricación y en el caso de la secuencia e~a~c~d~b, éste será igual
a (8+18+31+47+67)/ 5 = 34.2 h.
TIEMPO DE TIEMPO DE
PRODUCTO
PROCESAMIENTO (Pi) FABRICACIÓN (Fi)
e 8h 8h
a 10 h 18 h
c 13h 31 h
d 16 h 47h
b 20h 67h
Hay un total de 5! secuencias diferentes, sin embargo no existe ninguna otra secuencia
que permita obtener un tiempo de fabricación medio menor, o que pueda, en las
condiciones citadas, reducir más el inventario medio en proceso y el número medio de
productos pendientes en la planta. Veamos la secuencia inversa (TPL) que maximiza el
tiempo de fabricación medio (Cuadro 5.2). Para esta secuencia el tiempo de fabricación
medio es: (20+36+49+59+67)/5=46.2h.
aquélla que da prioridad a los productos cuyo índice V/Pi sea mayor. Veamos un
ejemplo.
Solución:
La secuencia que minimiza el inventario medio en proceso se muestra en el Cuadro 5.3 y
es la que ordena V/Pi de mayor a menor.
46.4 -+---'10:--,
/ LIno.2(ottaregl.)
34.4
20.0
18.0
7.5
2.5
3h 9h lOh 17h 21h 26h
T
Puede observarse en la Figura 5.1 que si se da prioridad a los productos cuyo índice V¡/P¡
es mayor, la tasa de disminución del inventario en proceso será máxima cuando se
empieza la fabricación y mínima cuando se está terminando el último producto. Esto
garantiza que el inventario medio en proceso (proporcional al área de la figura) será
mínimo. Cualquier otra regla de programación conducirá a una línea que estaría por
encima de la línea 1 de la figura (por ejemplo, la línea 2) y consecuentemente el
inventario medio sería mayor.
De hecho este problema de minimización del inventario medio en proceso es un
caso particular de un familia más amplia de problemas en los cuales debe minimizarse el
tiempo de fabricación medio ponderado. En otras palabras, no queremos minimizar
LF¡/n, sino Lw¡F¡/n, lo que es equivalente a minimizar Lw¡F¡, ya que "n" es una constante.
Utilizando nuestra notación el problema se describiría así: n/l/F/Lw¡F¡. La solución
óptima de este problema se encuentra calculando los índices w¡/P¡ y ordenándolos de
mayor a menor.
Capítulo V: Programación de Sistemas Productivos 191
Solución:
Si realizamos las pruebas en la secuencia abcd tendríamos:
TIEMPO DE
DURACIÓN FABRICACIÓN
TÉCNICO PRUEBA (P¡) (F¡)
a Pa 4.0 h 4.0 h
b Pb 3.0h 7.0 h
c Pc 5.0 h 12.0h
d Pd 2.5 h 14.5 h
Es fácil ver que para cualquier secuencia el costo total es LWiF¡, donde "w¡" son los
salarios de los técnicos. Si queremos minimizar LWiF¡ tenemos inicialmente que calcular
los índices w¡/p¡:
y después ordenarlos de mayor a menor. La secuencia óptima será entonces adcb, la cual
se presenta en el cuadro a continuación con los correspondientes tiempos de fabricación
de cada producto. El costo mínimo será entonces:
COSTO = (4.0h)($70/h)+(l4.5h)($20/h)+(11.5h)($60/h)+(6.5h)($40/h) = $1 ,520
192 Capítulo V: Programación de Sistemas Productivos
TIEMPO DE
DURACIÓN FABRICACIÓN
TÉCNICO PRUEBA (p¡) (p¡)
a Pa 4.0h 4.0 h
d Pd 2.5 h 6.5 h
c Pc 5.0 h 11.5 h
b Pb 3.0h 14.5 h
Uno de los objetivos más importantes de los sistemas productivos es cumplir con los
plazos de entrega previamente establecidos conjuntamente por la empresa y los clientes.
Obviamente, las variables de salida importantes para evaluar dicho cumplimiento son el
diferencial de entrega "L¡", el retraso "R¡" y el adelanto "A¡".
Un resultado realmente sorprendente y que puede ser fácilmente demostrado para el
caso de una máquina, es que la regla TPC también minimiza el diferencial de entrega
medio, aunque no toma en consideración los tiempos de entrega de los productos. Sin
embargo, esta regla no garantiza la minimización de ninguna de las siguientes variables:
* Retraso máximo
* Retraso medio
* Número de productos retrasados.
Si queremos minimizar el retraso máximo para el caso de una máquina, tendremos que
utilizar la regla que da prioridad a los productos con tiempo de entrega más corto. Nos
referiremos a esta regla a través de la abreviación TEC.
Otra regla que en casos más complejos puede conducir a mejores resultados que la
regla TEC, es la que da prioridad a los productos cuyas diferencias E¡-LP¡ sean menores.
Esta diferencia puede ser llamada tiempo de holgura (H¡), por lo que utilizaremos para
esta regla la abreviación THC (tiempo de holgura más corto).
A continuación presentamos un ejemplo donde se aplican las reglas TPC, TEC y
THC, y donde se puede observar que la regla TPC minimiza el tiempo de fabricación
medio y el diferencial de entrega medio, y la regla TEC minimiza el retraso máximo.
Recordemos que estos resultados son válidos para una sola máquina.
Capítulo V: Programación de Sistemas Productivos 193
Deben fabricarse 4 productos en la única máquina que tiene una planta, y los tiempos de
procesamiento y plazos de entrega son los que se muestran a continuación (días):
Secuenciar los productos de acuerdo a las reglas TPC, TEC y THC, determinando para
cada una de ellas el tiempo de fabricación medio, el diferencial de entrega medio, el
adelanto medio, el retraso medio, el número de productos retrasados y el retraso máximo.
Solución:
Los resultados de la aplicación de cada una de las reglas se muestran en los Cuadros 5.5,
5.6, 5.7 Y 5.8 (resumen). Para el cálculo de medias se considera que los productos
adelantados tienen retraso cero y los productos retrasados tienen adelanto cero.
DIF. DE ENTREGA
TIEMPO DE TIEMPO DE TIEMPO DE (+)RETRASO
PRODUCTOS PROCESAMIENTO ENTREGA FABRICACIÓN (-) ADELANTO
a 1.0 6.0 1.0 -5.0
b 2.5 3.0 3.5 +0.5
d 4.0 7.0 7.5 +0.5
c 4.5 5.5 12.0 +6.5
Resultados: Tiempo de fabricación medio: 6.0 días
Diferencial de entrega medio: 0.6 días
Adelanto medio: 1.3 días (sólo un producto)
Retraso medio: 1.9 días
Número de productos retrasados: 3
Retraso máximo: 6.5 días
Los resultados de estos cuadros son bastante interesantes. Inicialmente podemos observar
que la regla TPC minimiza el tiempo de fabricación medio (6.0 días) y el diferencial de
entrega medio (0.6 días). A su vez, la regla TEC minimiza el retraso máximo (5.0 días).
También debe resaltarse que la regla TPC, aunque no toma en cuenta el tiempo de
entrega de los productos, es superior o igual a las demás reglas en lo que se refiere a
todos los factores analizados, excepto el último (retraso máximo). Los tiempos de entrega
no son muy lógicos, ya que algunos de los productos de mayor tiempo de procesamiento
tienen tiempos de entrega relativamente cortos y vice-versa. Obviamente, que esto va en
194 Capítulo V: Programación de Sistemas Productivos
contra de las reglas que no tienen en -consideración los tiempos de entrega, sin embargo,
aún así, la regla TPC condujo a resultados mejores o iguales a los de las otras reglas. Esto
muestra, de cierta forma, la complejidad de los problemas de programación.
DIF. DE ENTREGA
TlEMPODE TIEMPO DE TlEMPODE (+)RETRASO
PRODUCTOS PROCESAMIENTO ENTREGA FABRlCACIÓN (-) ADELANTO
b 2.5 3.0 2.5 -0.5
c 4.5 5.5 7.0 +1.5
a 1.0 6.0 8.0 +2.0
d 4.0 7.0 12.0 +5.0
Resultados: Tiempo de fabricación medio: 7.4 días
Diferencial de entrega medio: 2.0 días
Adelanto medio: 0.1 días (sólo un producto)
Retraso medio: 2.1 días
Número de productos retrasados: 3
Retraso máximo: 5.0 días
DIF. DE ENTREGA
TIEMPO DE TlEMPODE TlEMPODE (+)RETRASO
PRODUCTOS PROCESAMIENTO ENTREGA FABRlCACIÓN (-) ADELANTO
b 2.5 3.0 2.5 -0.5
c 4.5 5.5 7.0 +1.5
d 4.0 7.0 11.0 +4.0
a 1.0 6.0 12.0 +6.0
Resultados: Tiempo de fabricación medio: 8.1 días
Diferencial de entrega medio: 2.8 días
Adelanto medio: 0.1 días (sólo un producto)
Retraso medio: 2.9 días
Número de productos retrasados: 3
Retraso máximo: 6.0 días
REGLA F L A R NR Rmáx
TPC 6.0 0.6 1.3 1.9 3 6.5
TEC 7.4 2.0 0.1 2.1 3 5.0
THC 8.1 2.8 0.1 2.9 3 6.0
los tiempos de entrega. Por lo tanto, solamente son válidos para este ejemplo específico.
Sin embargo, hay una conclusión importante que deriva de estos resultados: siempre que
el problema de programación sea determinar la secuencia de fabricación de un número
dado de productos de modo a:
* Reducir el tiempo de fabricación medio,
* Reducir el diferencial de entrega medio,
* Reducir el retraso medio y
* Reducir el número de productos retrasados
se deben aplicar y evaluar los resultados de reglas que tomen en consideración los plazos
de entrega de los productos; sin embargo, será de fundamental importancia evaluar
también los resultados de la regla TPC, ya que ésta podrá ser la regla que proporcione los
mejores resultados. También debe señalarse que no es conveniente aplicar la regla TPC
cuando el objetivo sea minimizar el retraso máximo.
Cuando tenemos resultados como los del ejemplo numérico 5.5, siempre nos
preguntamos si no será posible reducir todavía más el número de productos retrasados
(las reglas TPC, TEC y THC condujeron a 3 productos retrasados). La respuesta correcta
es que sí es posible, ya que ninguna de estas 3 reglas minimiza "NRO'. En el caso de una
máquina el procedimiento para minimizar "NR" es sencillo y se conoce como método de
Moore. Lo describimos a continuación:
Paso 1. Se aplica la regla TEC; si no hay productos retrasados el procedimiento termina;
si hay productos retrasados realizamos el siguiente paso.
Paso 2. Se identifica el primer producto retrasado y se señala con un asterisco.
Paso 3. Se consideran todos los productos desde el inicio hasta el asterisco, se elimina
aquél con el mayor "P¡" y se vuelven a calcular los diferenciales de entrega.
Paso 4. Se repite el procedimiento del paso 2 en adelante hasta que ya no haya productos
retrasados.
Paso 5. La secuencia óptima se obtiene ubicando los productos eliminados al final de la
secuencia (ordenados arbitrariamente).
Solución:
Aplicando el paso 1 vemos que el producto "c" es el primero retrasado:
Como hay productos retrasados señalamos el primero con un asterisco y de éste para
arriba (inclusive) eliminamos el de mayor "Pi", que es el producto "c" con 4.5 días. El
cuadro queda así:
Eliminamos ahora "d" con P=4.0 y obviamente quedamos sin ningún producto retrasado.
Los productos "c" y "d" se agregan al final de la secuencia (en cualquier orden) y
tenemos el resultado final con 2 productos retrasados (Cuadro 5.9).
DlF. DE ENTREGA
TIEMPO DE TIEMPO DE TIEMPO DE (+)RETRASO
PRODUCTOS PROCESAMIENTO ENTREGA FABRlCACIÓN (-) ADELANTO
b 2.5 3.0 2.5 -0.5
a 1.0 6.0 3.5 -2.5
c 4.5 5.5 8.0 +2.5
d 4.0 7.0 12.0 +5.0
Resultados: Tiempo de fabricación medio: 6.5 días
Diferencial de entrega medio: 1.1 días
Adelanto medio: 0.8 días
Retraso medio: 1.9 días
Número de productos retrasados: 2
Retraso máximo: 5.0 días
Cuando hay multas por día de retraso, tenemos que minimizar Lw¡R¡, donde "w¡" es la
multa por día de retraso del producto "i". Cuando todos los "w¡" son iguales, es suficiente
minimizar LR¡, que a su vez es equivalente a minimizar "R ", ya que R =LR¡/n y "n" es
una constante. Por increíble que parezca, hasta el día de hoy no hemos encontrado una
secuencia que minimice Lw¡R¡ o "R". Sin embargo, es posible hacerlo utilizando la
programación lineal. En el Capítulo X presentamos un ejemplo de minimización de
Lw¡R¡.
En los ejemplos anteriores hemos supuesto que se conocían de antemano los tiempos de
procesamiento de los diversos productos. Sin embargo, en varias situaciones los tiempos
de procesamiento no son conocidos y sólo disponemos de una estimación de éstos. Sus
valores exactos solamente serán conocidos después que se termine la fabricación de los
productos.
Capítulo V: Programación de Sistemas Productivos 197
En este inciso consideramos el caso especial de una planta que en vez de tener una sola
máquina, posee "m" máquinas idénticas, entre las cuales podremos repartir el trabajo
total requerido para la fabricación de cada producto. Por ejemplo, supongamos que
tenemos 2 máquinas y 2 productos cuyos tiempos de procesamiento son P I=6h y P2=8h,
respectivamente, y que el trabajo que requiere cada producto puede ser repartido entre las
dos máquinas. Se podría programar la fabricación de acuerdo a las secuencias de las
Figuras 5.2(a) y 5.2(b).
Máquina 1
Máquina 2 8
Máquina 1
Máquina 2
Otro problema especial de programación es aquél donde los productos requieren siempre
la misma secuencia en lo que se refiere a la utilización de las máquinas. En otras
palabras, el sistema productivo es de secuencia fija. Para que un sistema productivo sea
considerado como de secuencia fija, no es necesario que los productos pasen por todas las
máquinas y que tarden más o menos lo mismo en cada una de éstas (como en las líneas de
producción o ensamble), sino que presenten un flujo de dirección uniforme.
En 1954 Johnson [23] presentó un algoritmo que permite resolver el problema n/2/F/Fmáx,
es decir, "programar la fabricación de 'n' productos en las 2 máquinas de un sistema de
secuencia fija, de modo que se minimice el tiempo de fabricación máximo". Vale la pena
recordar que cuando minimizamos el tiempo de fabricación máximo, estaremos al mismo
tiempo maximizando la utilización de las máquinas.
Para la presentación de este método utilizaremos la siguiente notación de Johnson:
A¡ = operación del producto "i" en la primera máquina.
B¡ = operación del producto "i" en la segunda máquina.
F¡ = tiempo de fabricación del producto "i".
Si hay un empate entre la columna "A" y la columna "B", elegir arbitrariamente uno de
los productos; el otro será asignado inmediatamente después. Si hay un empate entre dos
o más valores de "A" o de "B", elegir arbitrariamente uno de los productos y después los
otros. Este segundo tipo de empate provoca soluciones óptimas múltiples.
Solución:
Consideremos inicialmente los productos "a" y "c":
Producto "a": A¡=6h; B¡=3h
Producto "c": Aj=5h; Bj=4h
min(6h, 4h)=4h<min(5h, 3h)=3h
Puesto que la condición no se cumple, "a" no precede "c".
Como "b" precede todos por su A¡=O, tenemos hasta ahora dos secuencias posibles: bcdae
y bdcae. Por lo tanto, para concluir el procedimiento tenemos que comparar "c" y "d":
Producto "c": A¡=5h; B¡=4h
Producto "d": Aj=8h; Bj=6h
min(5h, 6h)=5h<min(8h, 4h)=4h
Como la condición no se cumple, "c" no precede "d", por lo que la solución óptima es
procesar los productos en la máquina 1 en la secuencia b~d~c~a~e, y procesarlos en
la máquina 2 luego que salgan de la máquina 1 (véase la Figura 5.3).
Para la aplicación de la segunda versión empezamos con la tabla de datos:
200 Capítulo V: Programación de Sistemas Productivos
PRODUCTO A¡ B¡ E¡
a 6h 3h 12h
b Oh 2h 5h
c 5h 4h 9h
d 8h 6h 30h
e 2h lh 4h
En la tabla vemos que el menor número es cero (producto "b") y se ubica del lado
izquierdo. Por lo tanto "b" queda en la siguiente posición:
b
Habiendo eliminado "b", el siguiente menor número es 1 (producto "e") y se ubica del
lado derecho, por lo que la posición de "e" es la siguiente:
b e
El siguiente número más pequeño es 3 (producto "a") y se ubica del lado derecho. La
posición de "a" es:
b a e
El siguiente número más pequeño es 4 (producto "c") y se ubica también del lado
derecho. Su posición es:
b c a e
Máquina 1
Máquina 2
2h 14 h 18 h 22h 23 h
Capítulo V: Programación de Sistemas Productivos 201
I~~oducto a
22h
b
2h
c
18 h
d
14 h
e
23 h
La minimización del tiempo de fabricación medio en una planta con sólo dos máquinas,
es decir, n/2/F/F, ya es un problema bastante complicado, para el cual hasta hoy no se
encontró ninguna regla óptima. El algoritmo de Johnson no es bueno en cuanto a la
realización de este objetivo. En el ejemplo anterior, este método condujo a un tiempo de
fabricación medio igual a 15.8h, mientras que, como se puede observar en la gráfica de la
Figura 5.4, la regla TPC conduce a un tiempo de fabricación medio igual a 11.8h.
Máquina 1
Máquina 2
2b 3 b llh 16 h 27h
Estos resultados muestran una vez más la importancia de una definición previa y clara del
objetivo que se persigue. Si el objetivo fuera maximizar la utilización de las máquinas, el
método de Johnson sería el más adecuado. Si el objetivo fuera minimizar el tiempo de
fabricación medio, debería aplicarse la regla TPC. El lector debe verificar ahora que el
tiempo de inactividad de la máquina 2 es mayor en la Figura 5.4 que en la Figura 5.3, y
aún así el tiempo de fabricación medio de la TPC es menor. Esto ilustra el poder de la
TPC en la reducción de esta variable de salida.
202 Capítulo V: Programación de Sistemas Productivos
En su trabajo de fecha 1954, Johnson también propuso una solución para casos especiales
del problema n/3/FlF máx • La regla de programación propuesta por él es la siguiente:
"El producto 'i' precede el producto 'j' si min(A¡+B¡, Bj+Cj) < min(Aj+Bj, B¡+C¡)".
donde: A¡ = operación del producto "i" en la primera máquina.
B¡ = operación del producto "i" en la segunda máquina.
C¡ = operación del producto "i" en la tercera máquina.
Productos A¡ B¡ C¡
a 7h 5h lh
b 5h 3h 4h
c 6h 4h 3h
d lOh 2h 2h
ya que la condición minA¡=5~máxB¡=5 se cumple.
Productos A¡ B¡ C¡
a lh 2h 9h
b 5h 9h 7h
c 7h 6h 8h
d 8h 9h 9h
En 1960 Ichiro Nabeshima [30] propuso un algoritmo para la solución del problema
n/m/F/Fmáx, el cual es en realidad una generalización del algoritmo de Johnson. El método
de Ichiro sólo es aplicable cuando:
minPj >= maxPj+1, para j+1 <= m-l.
donde: m= número de máquinas de la planta.
Pj = conjunto de tiempos de procesamiento de la máquina "j".
Productos A¡ B¡ C¡ D¡
a 10h 9h 8h 8h
b llh 7h 4h 2h
c 15h lOh 5h 4h
d 17h 8h 9h 6h
A¡ = operaciones en la primera máquina.
B¡ = operaciones en la segunda máquina.
C¡ = operaciones en la tercera máquina.
D¡= operaciones en la cuarta máquina.
FIGURA 5.5 Método de Johnson y secuencia óptima para un problema con 3 máquinas
Máq. 1 I Jiílí1iijEi1",WFA'iiffiMNw0w#W'00lli_,_;1
a b c d
Máq.2
a b c d
Máq.3
a b c d
fI\
(a) Secuencia óptima: a-b-c-d 39h -
a c b d
Máq.2 íJ8i\!?;lj)j.J1ii!1li1iI@V%:(iWg¡f.1t"iiiiY¡j¡¡¡¡¡¡¡;~1
a c b d
Máq.3
a c b d
fI\
Productos A¡ B¡ C¡ D¡
a lOh 9h 7h 4h
b llh 7h 4h 1h
c 15h lOh 5h 2h
Solución:
Podemos observar que la más corta de los "A¡" es mayor que todas las "B¡"; la más corta
de las "B¡" es mayor que todas las "C¡"; etc. Por lo tanto, el método de Ichiro podrá ser
aplicado. También podemos aplicar el método de Ichiro transformando las "m" columnas
en dos y encontrando la secuencia óptima por medio del procedimiento rápido:
PRODUCTO A¡+B¡+C¡ B¡+C¡+D¡
a 26h 20h
b 22h 12h
c 30h 17 h
En ei inciso anterior hemos presentado una solución para un caso especial del problema
n/m/F/Fmáx. Los demás problemas de programación donde hay "n" productos y "m"
máquinas no han sido resueltos hasta hoy. Al mismo tiempo, el número de secuencias
posibles es tan grande que en la mayoría de los casos el problema no es computable.
Debido a estas razones, la técnica de simulación ha sido frecuentemente utilizada
en varios trabajos de investigación para evaluar la eficiencia de diferentes reglas de
programación. Sin embargo, los resultados obtenidos generalmente no revelan la
superioridad de alguna regla en especial, ni si dichas reglas conducen a resultados
diferentes cuando son aplicadas a sistemas de secuencia fija o a sistemas de secuencia
variable. Sólo hay un resultado que parece ser verdadero para todos los tipos de sistemas
productivos: la regla TPC generalmente reduce el tiempo de fabricación medio. En el
último inciso de este capítulo discutiremos con más detalles los resultados generales de
las investigaciones realizadas en este campo.
En este tipo de problema, cada operación requiere tres números "i", "j" Y"k" para
su identificación:
"i": indica el número del producto al cual pertenece la operación.
"j": indica la secuencia en que las operaciones de un producto dado deben realizarse.
"k": indica la máquina donde la operación debe realizarse.
PRODUCTO OPERACIONES/SECUENCIA
1 Y(5), X(l)
2 X(5), Y(2)
3 Y(3)
4 Y(2), X(lO)
5 X(9), Y(lO)
6 Y(7), X(3)
7 X(8)
8 X(4), Y(6)
9 X(4)
10 Y(8)
11 X(6), Y(l)
12 Y(9), X(7)
Solución:
a) Observando el cuadro arriba identificamos los cuatro sub-conjuntos:
A: 3, 10.
B: 7,9.
C: 1,4,6, 12.
D: 2, 5, 8, 11.
Grupo "D":
PROD. X Y
2 5 2
5 9 10
8 4 6
11 6 1
Secuencia de Johnson (¡recordando que "X" es máquina 1 y "Y" es máquina 2!):
8 5 2 I 11 I
208 Capítulo V: Programación de Sistemas Productivos
d) Elaborando una gráfica de Gantt (sugerimos que el lector la haga), llegamos a los
siguientes tiempos de fabricación:
Fl=57; F2=52; F3=26; F4=46; F s=50; F6=56; F7=32; F8=40; F9=36; FlO=34;
F l1 =53; F12=53.
El tiempo de fabricación máximo es Fmáx=F 1=57.
concepto de procedimiento sin ajuste, podemos entonces afirmar que cuando se utiliza
este procedimiento las operaciones nunca podrán regresar a "Co" una vez que hayan sido
asignadas.
Hay dos formas principales de clasificar las operaciones del conjunto "Co":
a) Por producto: en este caso tendríamos "n" subconjuntos "Cpi" que consistirían de las
operaciones programables de cada producto "i".
b) Por máquina: en este caso tendríamos "m" subconjuntos "Cm( que consistirían de las
operaciones programables de cada máquina "j".
d) Dar prioridad a los productos cuya cantidad total de trabajo pendiente sea mayor
(TPMA).
e) Dar prioridad a los productos cuyo número de operaciones pendientes sea mayor
(NOMA).
PROBLEMAS TIPO
5.1 Supongamos que 4 productos tienen que ser procesados en la única máquina que
tiene determinada planta, y que sus tiempos de procesamiento son los siguientes:
PRODUCTO Pi (días)
a 10
b 5
c 8
d 3
Determinar:
a) La secuencia que minimiza el tiempo de fabricación máximo y cuál es éste.
b) La secuencia que minimiza el tiempo de fabricación medio y cuál es éste. ¿Cuál
es el tiempo de fabricación de cada producto que corresponde a la secuencia?
Resp.: a) Cualquier secuencia; F_=26 días.
b) TPC: d-b-c-a; F =6.5 días; Fd=3; Fb=8; Fc= 16; F.=26.
5.2 La empresa SECUENCIA, S.A. tiene que fabricar en su única máquina y entregar a
determinado cliente los siguientes productos:
PEDIDO a b c d
Pi (días) 1.0 2.5 4.5 4.0
Ei (días) 6.0 3.0 5.5 7.0
El cliente está muy molesto por los retrasos que han ocurrido en las últimas semanas
por lo que informó a la empresa que de ninguna manera tolerará un retraso mayor
que 5 días en ninguno de los pedidos. ¿Habrá alguna secuencia que le permita a
SECUENCIA satisfacer esta exigencia del cliente? Si existe, determinar el retraso o
adelanto de cada pedido, el retraso medio, el retraso máximo y el tiempo de
fabricación medio.
Resp.: TEC: b-c-a-d; A¡,=0.5; Rc= 1.5; R.=2.0; ~=5 .0; R =2.125 días; R_ =5.0 días; F =7.4 días.
5.3 En una planta que tiene una sola máquina debemos minimizar el número de
productos retrasados. Encontrar la secuencia óptima y, además, aplicar la secuencia
TPC. Para cada una de estas secuencias determinar los valores de "NR", "F", "R " Y
"Rmáx". Las operaciones a realizarse y los tiempos de entrega correspondientes son
los siguientes:
PRODUCTO Pi (días) Ei (días)
a 1.0 6.0
b 2.5 3.0
c 4.5 5.5
d 4.0 8.0
Resp.: Secuencia óptima: Moore (b-a-d-c); NR=1 ; F =6.375 días; R = 1.625 días; R_ =6.5 días.
- -
TPC (a-b-d-c; ); NR=2; F =6.0 días; R =1.75 días; R_ =6.5 días.
212 Capítulo V: Programación de Sistemas Productivos
5.4 Una fábrica con una máquina: tiene un costo de "c" pesos por cada día que los
pedidos de los clientes permanecen en ella. Hay en el momento 5 pedidos por
fabricarse y los datos correspondientes a éstos son los siguientes:
PEDIDOS a b c d e
Pi (días) 7 ,4 14 3 6
Ei (días) 15 22 29 13 10
a) Si C=$70 por día para cada pedido, ¿qué secuencia minimizaría el costo total y
cuál es este costo mínimo?
b) Supón ahora que para el pedido "i" el costo es "C¡" dado por:
5.5 La empresa ARCOS, S.A. ha recibido los siguientes 4 pedidos (tiempos en días)
para los cuales dos equipos especializados de secuencia fija tienen que ser rentados.
La empresa RENTA, S.A. los proporciona cobrando $2,000/día por cada equipo y
los entrega y recoge al mismo tiempo. ¿Cuál es la secuencia que minimiza el costo
total de renta de los equipos y cuánto sería dicho costo? ¿Cuál es el tiempo de
fabricación máximo? ¿Cuál es el tiempo de fabricación medio?
TIEMPO DE PROCESAMIENTO TIEMPO DE
PEDIDOS EQUIPO #1 EQUIPO #2 ENTREGA
a 1 3 12
b 4 7 33
c 6 2 24
d 8 5 40
Resp.: Johnson: a-b-d-c; costo mínimo=$84,000; F máx=21 días; F =13.75 días.
5.6 Necesitamos fabricar 5 productos que pasan, según una secuencia fija, por 2
máquinas cuyas características son las siguientes:
MAQ.#l MAQ.#2 TIEMPO DE
PRODUCTO (días) (días) ENTREGA
a 1 4 15
b 5 8 18
c 6 3 10
d 2 9 22
e 7 5 25
Utilizando el método de Johnson y las reglas TPC (estática) y TEC, determinar la
secuencia de fabricación, el tiempo de fabricación máximo, el tiempo de fabricación
medio, el retraso medio y el número de productos retrasados.
- -
Resp.: Johnson: a-d-b-e-c; F máx=30 días; F =19.6 días; R =5.2 días; N R=3. TPC: a-c-d-e-b; F máx=32 días; F =18.0 días;
- - -
R =2.8 días; NR=1. TEC: c-a-b-d-e; Fmáx=35 días ; F =21.6 días; R =4.2 días; NR=3.
Capítulo V: Programación de Sistemas Productivos 213
5.7 En una empresa de piezas de madera hay 2 cortadoras idénticas en las cuales hay
que realizar 2 trabajos con las siguientes características (tiempos en días):
NUMERO TIEMPO DE TIEMPO DE
TRABAJOS MEDIDAS DE PIEZAS PROCESAMIENTO ENTREGA
a 40x40x8 12,000 18 25
b 20x20x80 8,000 14 20
Considerando que:
* Los lotes pueden ser divididos en dos partes iguales y procesados en paralelo en las
dos cortadoras.
* Para cada trabajo el tiempo de procesamiento es directamente proporcional al
número de piezas (por ejemplo, si el lote "a" se divide cada parte requerirá 9
horas).
¿De cuántas formas diferentes podemos procesar estos dos trabajos y cuál es el
tiempo de fabricación medio de cada una de ellas? ¿Cuál es la mejor si queremos
minimizar el tiempo de fabricación medio?
Resp.: la. secuencia: "a" en máq. 1 y "b" en máq. 2; F.=18 días; Fb =14 días; F = 16 días.
2a. secuencia: " b" en máq. 1 y "a" en máq. 2; F.=18 días; Fb=14 días; F =16 días.
3a secuencia: mitad de "a" en máq. 1 y mítad de "a" en máq. 2; en seguida mitad de "b" en máq. 1 y mitad de "b" en máq. 2;
F.=9 días; Fb=16 días; F =12.5 días.
4a. secuencia: mitad de "b" en máq. 1 y mítad de "b" en máq. 2; en seguida mítad de "a" en máq. 1 y mitad de "a" en máq. 2;
- -
F.=16 días; Fb =7 días; F =11.5 días. Para mínimizar F la última secuencia es la mejor.
5.8 El Ing. López es gerente del producto "X" y el Ing. Velázquez es gerente del
producto "Y". Como los productos son similares López utiliza dos máquinas que de
hecho son idénticas a 2 de las máquinas de Velázquez. En un determinado día López
tuvo un problema con sus dos máquinas y solicitó las dos máquinas de Velázquez
prestadas. La respuesta de Velázquez fue: "te las presto a las 8:00 A.M. pero te pido
que desocupes las dos máquinas antes de las 13:00 P.M.". Considerando una
secuencia fija y que López tiene que realizar las siguientes operaciones de 4
productos en las dos máquinas prestadas:
a) ¿Puede atender la petición de Velázquez?
b) Si los tiempos de entrega de "a", "b", "c" y "d" (a partir de las 8:00 A.M.) son
2h, 4h, 3h Y 6h, respectivamente, ¿cuál sería el retraso medio para la secuencia
del inciso "a"?
PRODUCTO MÁQUINA #1 MÁQUINA #2
a 0.20 1.40
b 1.20 0.80
c 0.70 1.70
d 2.00 0.50
Resp. : a) Sí se puede con Jobnson: a-c-b-d; F_ =4.6 horas.
b) R =0.10 horas.
214 Capítulo V: Programación de Sistemas Productivos
5.9 Diez productos deben ser procesados en una planta de secuencia variable que posee
2 máquinas. El cuadro a continuación proporciona el orden y los tiempos de las
operaciones de los productos en las máquinas "Y" y "X":
TIEMPOS DE LAS
PRODUCTOS OPERACIONES
a Y(8), XCI)
b Y(5)
c X(4), Y(6)
d X(7)
e Y(7)
f Y(3), X(8)
g X(3), Y(5)
h Y(2), X(9)
1 X(6)
j X(lO), Y(9)
De acuerdo al algoritmo de Jackson, determinar:
a) Los sub-conjuntos "A", "B", "c" y "D".
b) La secuencia óptima de fabricación en cada máquina.
Resp.: a) A: b, e; B: d, i; c: a, f, h; D: e, g, j.
b) Máquina "Y": h-f-a-b-e-g-c-j; máquina "X" : g-c-j-d-i-h-f-a
Capítulo VI: Balanceo de Líneas 215
CAPÍTULO CAPÍTULO
BALANCEO DE LÍNEAS
SÍNTESIS
Decimos que existe una línea de producción o ensamble cuando un determinado producto
pasa sucesivamente por varias estaciones de trabajo, compuestas por uno o más puestos
de trabajo idénticos, en donde se realizan una o más operaciones, siguiendo una
secuencia predeterminada (véase la Figura 6.1). En los puestos de trabajo laboran
operarios con o sin máquinas y herramientas.
Aparentemente, para la definición del problema necesitaríamos manejar tres índices
diferentes, ya que tendríamos que referirnos a la operación "i", que se realiza en el puesto
"u" de la estación "j". Sin embargo, como todos los puestos de una misma estación son
idénticos, podemos suprimir el índice "u". De esta manera, será suficiente referimos a los
puestos de trabajo como "los puestos de trabajo de la estación 'j"'.
Hechas estas consideraciones, podemos definir las siguientes variables:
* El volumen de producción deseado será "V", dado en unidades al año, unidades por
turno, unidades por hora, etc..
* El número de operaciones a realizarse será "M" (la numeración de las operaciones será:
1,2, ..., i, ... , M).
* El tiempo de cada operación será "te¡" (i = 1, 2, ..., M). Se utilizará siempre el minuto
como unidad de tiempo.
* El número de trabajadores que requiere cada operación será "n¡" (i=1,2, ... , M).
* El contenido total de trabajo en minutos-hombre (MH) que se requiere para terminar
una unidad del producto será:
M
e t = ¿t ei .n i
i=!
* El tiempo total de trabajo en minutos que se requiere para terminar una unidad del
producto será:
M
Tt = ¿t ei
i=!
* El número de puestos de cada estación será "pj" G = 1, 2, ..., Z). El número total de
puestos será:
z
p= ¿Pj
j=!
c=J t r--------------------------
f
o..
(l)
t""'
S·
c=J
(l)
CJ CJt
1
t I
1
1
t
c=J
1
1
t 1
~
c=J t tCJt CJ t
I
I
I
I
1
1
,
1
I
I
,
I
t
t
c=J t tCJt CJ t I
1
1
1
1
!
i
1
1
1
1
1
t
CJ t
c=J
-------------------
t
1
1
1
tCJt
... - - - - - - - - - - - - - - - - - - - - - - - - _1
CJ t :
I
I
I
I
1
I
I
1
t
1
Debemos ahora hacer algunas observaciones para que no haya dudas sobre el tipo de
problema que vamos a analizar en este capítulo:
a) Generalmente, las características tecnológicas de las operaciones determinan el
número de trabajadores que se requiere en cada una de ellas, por lo que el problema de
balanceo de líneas se resume únicamente a determinar el número de estaciones "Z", el
número de operaciones por estación "nr y el número de puestos de cada estación "pr.
En la solución del problema, sin embargo, tendremos que considerar 2 aspectos
muy importantes que son: las restricciones en cuanto a secuencia de realización de las
operaciones y las restricciones tecnológicas. Las restricciones tecnológicas se refieren
normalmente a que algunas operaciones o tienen que realizarse en la misma estación o
no Plleden de ninguna manera realizarse en la misma estación.
b) Si a una determinada estación ''j'' se asignan varias operaciones y los "ni" de estas
operaciones son diferentes, obviamente el número de obreros "kj" de cada puesto de
trabajo de esta estación tendrá que ser igual al número "ni" de obreros de la operación
que más obreros requiere. Es decir, si se asignan a la estación "j" las operaciones 1, 7
y 8 con nl=l , n7=1 y ng=2, los puestos de esta estación tendrán que tener un kj=2.
Obviamente, no conviene asignar a una misma estación, operaciones con un "ni"
diferente, ya que esto conduciría a problemas de inactividad. Por esta razón, no le
daremos mucha importancia a esta situación en este capítulo y presentaremos un solo
ejemplo de ella al fmal del inciso 6.7.
c) En algunos casos especiales, se diseñan líneas en las que los trabajadores cambian de
estaciones de trabajo o los contenidos de trabajo de éstas son variables. En este
capítulo no se contemplarán estos casos.
d) Por último, queremos resaltar que los tiempos que se utilizan en los problemas de
balanceo de líneas deben ser determinados mediante las técnicas de medición del
trabajo, es decir, deberán ser tiempos estándares. Para recordar este hecho,
expresaremos los tiempos de las operaciones mediante las letras "1:e¡" y el tiempo total
y el contenido total así:
M
T le = ¿t ei
i=l
M
ele = ¿tei·n i
i=l
lo que significará, respectivamente: "suma de los tiempos estándares de todas las
operaciones" y "suma de los minutos-hombre estándares de todas las operaciones".
Es importante señalar (y esto se ilustrará ampliamente más adelante) que cuando el ciclo
es mayor que los tiempos estándares, la división total del trabajo, es decir, una operación
en cada estación, carece de sentido (o por lo menos seria sumamente antieconómico), por
lo que en estos casos siempre habrá alguna concentración del trabajo. El analista, sin
embargo, podrá seleccionar el nivel de concentración más adecuado para la línea
específica que esté balanceando.
Como en todos los problemas de balanceo de líneas, en este caso debemos disponer de la
siguiente información:
* Volumen de producción deseado (V).
* Número de operaciones que tienen que realizarse (M).
* Tiempo de realización de cada operación (te¡).
* Número de obreros necesarios en cada operación (n¡).
* Secuencia de realización de las operaciones.
* Restricciones tecnológicas.
Toda esta información es cuantitativa y el balanceo de la línea depende directamente de
ella. Los aspectos cualitativos (humanos, motivacionales, etc.) también son importantes.
220 Capítulo VI: Balanceo de Líneas
TIEMPOS OBREROS
OPERACIÓN PRECEDENCIA ESTÁNDARES REQUERIDOS
(i) INMEDIATA (4¡) (ni)
1 --- 0.82 1
2 1 1.10 1
3 1 1.68 1
4 2 2.69 1
5 3 0.67 1
6 4,5 0.86 1
7 6 1.87 1
8 6 0.80 1
Solución:
Generalmente conviene indicar la secuencia de realización de las operaciones mediante
una red, en donde los nodos representan las operaciones y las líneas las relaciones de
dependencia. La red correspondiente a este ejemplo se muestra en la Figura 6.2.
Obsérvese que el ciclo c=0.480 mino es menor que todos los tiempos estándares de las 8
operaciones. Recordando que en este caso queremos balancear la línea con división del
trabajo, lo único que tenemos que hacer es determinar el número de puestos necesarios
para la realización de cada una de las 8 operaciones. El conjunto de puestos de trabajo
donde se realizará una operación determinada, constituirá una estación. En este caso
tendremos, por lo tanto, 8 estaciones y hablar de "operación" es lo mismo que hablar de
"estación". Además, i = j, M = Z.
El número de puestos "p( necesario para cada operación se determina de una
manera muy sencilla. Veamos el caso de la operación 1: como su tiempo estándar es de
0.82 mino y necesitamos un producto cada 0.480 min., el número de puestos necesarios
para esta operación será:
PI = 0.82 min/0.480 mino = 1.71 = 2 puestos.
Para las demás operaciones obtenemos lo que se muestra en la columna (e) del Cuadro
6.2. Obsérvese que todos los números de puestos fueron redondeados para más, ya que
no tiene sentido un número fraccionario de puestos. Así, obtenemos la columna (f) del
Cuadro 6.2.
Obviamente, con los números de puestos "p( redondeados para más, el balance de la
línea no será perfecto, es decir, los obreros de todos los puestos tendrán tiempo ocioso.
Esto ocurrirá siempre, a excepción de aquellos raros casos en que todos los números de
puestos sean exactos.
El diseño fmal de la línea sería como se muestra en la Figura 6.3. Debe recordarse
aquí lo que se dijo anteriormente y que se puede observar en la Figura 6.3 : cuando el
ciclo es menor que todos los tiempos estándares y se utiliza el método de la división del
trabajo, a cada operación corresponde una estación con un determinado número de
222 Capítulo VI: Balanceo de Líneas
¿t aj xk j
j=1
M
donde: ¿ t ei x ni = C te = Contenido total de trabajo estándar.
;=1
z
¿t aj x k j = Cta = Contenido total de trabajo asignado.
j=1
f
g
o..
o
t""
S'
,---------------, ~
i.O
I
I
I
r------------- .
I
¡tO
I
1
¡------------- .
I
r--------------
I I
I
I
t O ¡tO
I
I
tO
tOl ¡tO
____________ ,
I I
I
I
I
!tO r------------, tO r- - ------ - ---,
I
I
tOl
_____________1
I
t
!
I
I
I_
¡ :
I
I
1I
I
I
I
I
I
I
~
tO:
~------ - -- I
tD
ESTo I ESTo11 ESTo III EST. IV ESToV ESTo VI ESTo VII ESTo VIII
(OPER. 1) (OPER. 2) (OPER. 3) (OPER. 4) (OPERo5) (OPER. 6) (OPER. 7) (OPER. 8)
~
w
224 Capítulo VI: Balanceo de Líneas
Solución:
De acuerdo a la fónnula expuesta arriba, la eficiencia de la línea sería la siguiente:
E= (0.82)(1)+(1.10)(1)+(1.68)(1)+ +(0.80)(1) = 10.49MH
(0.96)(1) + (1.44)(1) + (1.92)(1) + + (0.96)(1) 12.00 MH
E = 87.42%
Obsérvese que, cuando en todos los puestos de todas las estaciones de la línea labora un
solo obrero, los contenidos de trabajo estándar y asignado salen directamente del Cuadro
6.2 totalizando las columnas "c" y "g", respectivamente.
Es importante observar también que, como los tiempos asignados fueron calculados
en base a un ciclo de 0.480 min., la eficiencia E=87.42% corresponde a este ciclo, es
decir, la línea solamente tendrá esta eficiencia cuando trabaje al ritmo de un producto
cada 0.480 min.. Como todos los números de puestos fueron redondeados para más, la
línea propuesta podrá producir más que 1 producto cada 0.480 min.. ¿Cuál será la
producción máxima de la línea propuesta en el Cuadro 6.2 y Figura 6.3?
Para determinar la producción máxima de la línea tenemos que calcular el ciclo
individual de cada estación después del redondeo. Para la operación 1 tenemos: si 1.71
puestos producirían 1 producto cada 0.480 min., 2 puestos producirán 1 producto cada
0.82/2 = 0.410 min.. Éste será el ciclo de la estación 1 (operación 1), es decir, éste sería el
ciclo de la línea si sólo existiera esta estación. Los ciclos individuales de las demás
estaciones se calculan de la misma manera y se presentan en la columna "h" del Cuadro
6.2.
Los ciclos individuales muestran que la estación (operación) 7 controlará el ritmo
de la línea ya que a ésta le corresponde el mayor ciclo (0.468 min.). En otras palabras,
con estos números de puestos y estos tiempos estándares, esta línea no podrá producir de
ninguna manera más que 1 producto cada 0.468 min.. Decimos que c'=0.468 min..
Lo anterior demuestra que, si se quiere, la línea propuesta puede trabajar con un
ciclo de 0.468 mino ,por lo que volvemos a calcular los tiempos asignados para este ciclo
(recordemos que los tiempo asignados se calculan multiplicándose el número real de
puestos por el ciclo). Los resultados se muestran en la columna "i" del Cuadro 6.2. La
eficiencia de la línea cuando trabaje con este ciclo será:
E' = 10.49 MH/11.71 MH = 89.58%
Como último punto, queremos observar que las restricciones en cuanto a secuencia de
realización de las operaciones no interfieren de ninguna manera en la solución de los
problemas de balanceo cuando el ciclo es menor que los tiempos de las operaciones. Lo
que sí afecta la solución del problema son las restricciones tecnológicas. Por ejemplo,
¿qué pasaría si las operaciones 1, 2 y 3 tuvieran que realizarse en la misma estación? En
este caso, haríamos como si las tres operaciones se transfonnaran en una sola y
resolveríamos el problema de la misma manera como si sólo hubiera ésta y las demás
Capítulo VI: Balanceo de Líneas 225
CUADRO 6.3 Problema con C<tei con división del trabajo y "ni" variable
OPERo PRECEDENCIA
(i) INMEDIATA Íe¡ n¡
1 - 0.82 1
2 1 1.10 1
3 1 1.68 1
4 2 2.69 2
5 3 0.67 1
6 4,5 0.86 2
7 6 1.87 1
8 6 0.80 1
Solución:
Suponiendo que todos los demás datos no se modifican, el problema se resuelve
exactamente de la misma manera que la presentada en el Cuadro 6.2, es decir,
llegaríamos a la misma línea de la Figura 6.3 con la única diferencia que en los puestos
de las estaciones (operaciones) 4 Y6 habría 2 trabajadores.
La eficiencia de la línea, sin embargo, cambiaría y para el ciclo de 0.468 min., por
ejemplo, sería:
E'= (0.82)(1) + (1.10)(1) + (1.68)(1) + (2.69)(2) + (0.67)(1) + (0.86)(2) + (1.87)(1) + (0.80)(1)
(0.94)(1) + (1.40)(1) + (1.87)(1) + (2.81)(2) + (0.94)(1) + (0.94)(2) + (1.89)(1) + (0.94)(1)
Como comentamos anteriormente, si las restricciones tecnológicas penniten que todas las
operaciones se realicen en una sola estación, podríamos diseñar una línea muy sui géneris
con una sola estación compuesta por un determinado número de puestos, en donde se
realizarían todas las operaciones del proceso.
226 Capítulo VI: Balanceo de Líneas
Regresemos al ejemplo del Cuadro 6.1 con un obrero por operación. Como no hay
restricciones tecnológicas importantes y el ciclo es de 0.480 min., podemos proponer una
"línea" con una sola estación, donde se realizarían todas las 8 operaciones y con un
número de puestos igual a:
Tte 10.49 mino = 2 1. 9 = 22 puestos.
p. =p¡ =-=
J c 0.480 mino
donde "Tte" es el tiempo total de trabajo estándar.
En otras palabras, tendríamos una sola estación con 22 puestos, en cada uno de los cuales
se realizarían todas las operaciones. El tiempo asignado de esta única estación sería
tal=(22)(0.480 min.)=1O.56 min.. La eficiencia de la línea para el ciclo de 0.480 mino sería
entonces:
E = 10.49 MH = 99.34%
10.56MH
Obsérvese que esta eficiencia de 99.34% es para el ciclo de 0.480 min.. Si los obreros de
cada uno de los puestos realizan su trabajo en 10.49 mino (lo que sin duda es posible, ya
que 10.49 es la suma de los "ten, la línea trabajaría con un ciclo de:
Como las restricciones tecnológicas en muchos casos tampoco permiten una división
total del trabajo (es decir, una operación en cada estación), la solución óptima de los
problemas de balanceo de líneas casi siempre resulta ser una solución intermedia, en la
que se concentran algunas operaciones en determinadas estaciones (para aprovechar las
ventajas de concentración del trabajo) y se mantienen separadas en otras estaciones
aquellas operaciones que requieren equipos especiales o necesitan por alguna razón estar
aisladas de las demás, o simplemente para aumentar la productividad de la mano de obra
(si la división del trabajo realmente conduce a esto).
Solución:
En estas condiciones puede resumirse el problema como en el Cuadro 6.4 a continuación.
CUADRO 6.4 Problema con C<tei con concentración del trabajo, "ni" variable y con
restricciones tecnológicas
Obsérvese que para defmir las estaciones se tiene que considerar la secuencia de las
operaciones (véase la Figura 6.2). No podríamos, por ejemplo, asignar las operaciones 4
y 6 a la estación 2 y la operación 5 a la estación 3, ya que la 6 depende de la terminación
de 4 y 5. Por otro lado, el Cuadro 6.4 puede ser transformado en el Cuadro 6.5, por lo que
el método de solución del problema es idéntico a los descritos anteriormente.
En el Cuadro 6.6, el número de puestos "pl' de cada estación fue determinado en base al
ciclo c=0.480 min.. Como todos los "pt fueron redondeados para más, la línea podrá
trabajar con un ciclo ligeramente menor que el original. Como se indica en la penúltima
columna del Cuadro 6.6, el nuevo ciclo sigue siendo c'=0.468 mino (ciclo de la estación
IV).
Los "t' a/' se obtuvieron multiplicándose el número real de puestos por el nuevo
ciclo c'=0.468 min.. La eficiencia de la línea para este ciclo de 0.468 mino será entonces:
E'= (3.60)(1) + (0.67)(1) + (3.55)(2) + (1.87)(1) + (0.80)(1) = 14.04 MH = 93.79%
(3.74)(1) + (0.94)(1) + (3.74)(2) + (1.87)(1) + (0.94)(1) 14.97 MH
Obsérvese que, para el mismo ciclo de 0.468 min., esta eficiencia es mayor que la
anterior de 90.82%. Esto se debe a que, con la concentración del trabajo, el número de
puestos se redujo de 25 a 24 (véanse los Cuadros 6.2 y 6.6). La posibilidad de la
reducción del número de puestos es l.lna de las principales ventajas de la concentración
del trabajo.
Solución:
Como podemos ver, el ciclo c=0.90min. es mayor que todos los tiempos estándares. Si
resolvemos este problema como en los casos anteriores, asignando una sola operación a
cada estación, tendremos como "solución" una línea con 12 estaciones y una eficiencia
bajísima. Para el ciclo de 0.90 mino la eficiencia sería:
Capítulo VI: Balanceo de Líneas 229
¿ Íe¡=O.85
Ésta sería la solución con división (total) del trabajo, sin embargo, como se comentó
anteriormente y se demostró ahora, la eficiencia obtenida es inaceptable. Obsérvese que
si todos los "tet fueran menores que el ciclo, pero muy cercanos a él, la eficiencia sería
aceptable. Ésta sería la única excepción.
230 Capítulo VI: Balanceo de Líneas
Como consecuencia, el analista tiene que adoptar alguna concentración del trabajo,
de tal manera que el ciclo de cada estación sea igual o me.no~ que el des~a~o Sen este caso
0.90 min.). Por lo tanto, el título más adecu.a~o para este l~~~SO fuera qU1z~S..~alanceo de
línea con C>1:ei Y con una concentración ffilmma de trabajO , ya que la dlvlslOn total del
trabajo resulta inaceptable.
La solución del problema consiste entonces en buscar combinaciones de
operaciones cuyos "te¡" sumen 0.90 mino ó menos. La misma Figura 6.4 presenta una
solución con tres combinaciones que se repiten en el Cuadro 6.8:
OBREROS
COMBINACIONES OPERACIONES Íei L: 1:ei (kj )
I 1,2, 3, 5 0.30+0.40+0.10+0.05 0.85 1
11 4,6, 7, 8, 10 0.08+0.12+0.10+0.05+0.55 0.90 1
111 9, 11, 12 0.50+0.12+0.13 0.75 1
Las combinaciones pueden ser cualesquiera. Sin embargo, cualquier operación solamente
puede pertenecer a una combinación dada, si todas sus precedencias están ubicadas en
cualquiera de las combinaciones anteriores. Cada una de las combinaciones será entonces
asignada a una estación y tendremos la solución del Cuadro 6.9.
Obsérvese que en sólo una estación se logró que el ciclo fuera exactamente 0.90 min..
Toda la línea funcionará entonces con este ciclo y la eficiencia será:
E = (0.85)(1) + (0.90)(1) + (0.75)(1) = 2.50MH = 92.59%
(0.90)(1) + (0.90)(1) + (0.90)(1) 2.70MH
El lector debe observar que, para efectos de cálculo de la eficiencia, las combinaciones se
consideran como una sola operación, cuyo "tet es la suma de los "1:e¡" de sus operaciones.
Obviamente, la solución presentada en el Cuadro 6.9 no es única y tampoco es
óptima. La gran diferencia que hay entre el menor ciclo (0.75 mino de la estación 111) y el
mayor ciclo (0.90 mino de la estación 11) no es conveniente porque disminuye la
eficiencia de la línea. Otras combinaciones más convenientes se muestran en el Cuadro
6.10 y Figura 6.5:
A estas alturas queremos resaltar que, cualquiera que sea el ciclo, el número teórico
de combinaciones (estaciones) será:
Zteórico = L1:e¡/c
Capítulo VI: Balanceo de Líneas 231
Resumiendo, podemos decir entonces que la metodología para resolver problemas de este
tipo es determinar combinaciones de operaciones buscando simultáneamente lo siguiente:
a) La suma de los "t e¡" de cada combinación deberá ser igualo menor que el ciclo.
b) Una operación sólo puede ser ubicada en una combinación si todas sus precedencias ya
fueron ubicadas en alguna combinación anterior.
c) Las L Íei de cada combinación no deben ser muy diferentes (lo ideal sería la igualdad).
232 Capítulo VI: Balanceo de Líneas
Una vez encontradas las combinaciones, cada una de ellas será asignada a una estación y
habrá un solo puesto en cada estación.
Solución:
Utilicemos inicialmente el grado máximo de concentración, es decir, asignar todas las
operaciones a una sola estación. Como la suma de todos los "Íe¡" es 2.50 min. y el ciclo es
de 0.90 min., necesitamos el siguiente número de puestos (como en el caso del número
teórico de estaciones):
2.50min. 2 8 3
p j = PI = . = . = puestos
0.90mm.
Es decir, tendríamos una "línea" con una sola estación de 3 puestos de trabajo, en cada
uno de los cuales se realizarían todas las doce operaciones. Para el ciclo de 0.90 min., la
eficiencia sería:
E= 2.50 MH = 2.50 MH = 92.59%
(3)(0.90)MH 2.70MH
Sin embargo, esta "línea" puede trabajar con un ciclo igual a (2.50 rnin.)/3=0.83 min., y
para este ciclo la eficiencia sería obviamente de 100%.
Como dijimos anteriormente, en la práctica la concentración total del trabajo puede
ser imposible o por lo menos inconveniente. Una concentración intermedia, sin embargo,
puede conducir a resultados superiores a los obtenidos con la concentración mínima.
Como ejemplo, podemos proponer las siguientes combinaciones (Cuadro 6.11):
CUADRO 6.11 Solución al problema del Cuadro 6.7 con concentración del trabajo
La eficiencia de esta línea para el ciclo de 0.90 min. sería otra vez de 92.59%, es decir:
E= 2.50 MH = 2.50 MH = 92.59%
(3)(0.90) MH 2.70 MH
Capítulo VI: Balanceo de Líneas 233
I: te¡=0.30:
/rl'-- --, ,
I
\
II
0.30
"\
\
\
\
\
\
\
,, ,
.... -- .....
"",
\
,/'---- .... , ,
'"
",
I
"
I " \
\
\
--
\ \
\ I
\ \ I
\
,, , ---- ,,
.... \ I
,,
,, I
\
I
't-+,- - - - + f
,
(
\" ..... - VI
--' , "
,,
\
" I
I: te¡=0.28
I:
/<, te¡=0.32 ",
,
I
I
I
\ ,
_------------
,,
....
""
" ......... ---- -- \
\
\
, I
: 0.10 III 0.10 ,,'
\_- -------- ~---------'
--
I: te¡=0.38
234 Capítulo VI: Balanceo de Líneas
'"
,---- ....
, ,,
----- --- .................. -
,,
, '" \ ....
I
,
I
......................
,
I
I
I
.....................
"' ...... '"
I
, ,
\ \
,
,",'
\
, 0.17 \ I
\
,
\
_-
' ..... '-----
.... _---~"
",
, ,'
I
I
,,
\ I
\ \
\
\
\
,,
\
, I
,,
\
\ I
III /
7--- L te¡=O.80
("",
L te¡=O.80 "..........
"-'"
...
,,
,,,
,, ,,
I
I
0.10 0.10 , I
",'
------------------- ---
Solución:
En este caso la solución podría ser la de la Figura 6.8 y Cuadro 6.14 a continuación. Si
mantenemos el ciclo de 0.40 min., la eficiencia sería:
E = (0.72)(1) + (0.33)(2) + (0.30)(1) + (0.37)(1) + (0.28)(1) = 2.33 MH = 83.21 %
(0.80)(1) + (0.40)(2) + (0.40)(1) + (0.40)(1) + (0.40)(1) 2.80 MH
FIGURA 6.8 Problema con C>tei con concentración del trabajo y "ni" variable
vJ-/
,
" .... -
,, ----_ ....... '
L tei=0.30
236 Capítulo VI: Balanceo de Lmeas
Con este título denominados aquellos problemas en los cuales algunos "1:e¡" son mayores
que el ciclo y otros son menores que el ciclo.
Solución:
En el ejemplo de la Figura 6.9, todos los "1:e¡" son menores que el ciclo a excepción de la
operación 10 con un 1:e1O=0.80 min.>c=0.45 min.. Es fácil entender que, de hecho, no hay
ninguna diferencia entre éste y los problemas del inciso anterior con concentración del
trabajo. Una solución posible sería la que se muestra en la propia Figura 6.9 y en el
Cuadro 6.15 a continuación.
I I
I I
I
: 3 7 I
I I I
\ / I
I
"------~:::.~:---------'
I
I
I
I
I
,
,,
I
'
,
-------'
Como última alternativa, veamos el caso en que sólo algunas operaciones de una estación
dada requieren más de un obrero, es decir los "n¡" de las operaciones no son iguales.
Solución:
En este caso tendremos forzosamente que asignar 2 obreros al puesto de la estación 1, los
que realizarían las operaciones 1, 2 Y 5, a pesar de que las dos primeras no requieren 2
obreros. La solución correspondiente a este problema se encuentra en el Cuadro 6.16 a
continuación. La eficiencia de la mano de obra sería:
E = [(0.25)(1) + (0.12)(1) + (0.07)(2)] + (0.43)(1) + (0.45)(1) + (0.80)(1)
(0.45)(2) + (0.45)(1) + (0.45)(1) + (0.90)(1)
E = 2.19MH = 81.11%
2.70MH
CUADRO 6.16 Solución al problema mixto con "ni" variable en una misma
estación
r-----------------
: []O t:: :[]D
r-----------------
,.
: '
OP
1, 2: 5
I
t:
: :[]D
:
:
: OP.
3, 6, 7
:
r-----------------
:
:
OP.
4,8,9
.:
,:
I I I I I I
I I I I I I
----------------_. ----------------_. ----------------_.
ESTACIÓN 1 ESTACIÓN 11 ESTACIÓN III ESTACIÓN VI
6.8.1 Introducción
Solución:
La red de la Figura 6.11 está dividida en 14 columnas. En la Columna I se anotan todas
las operaciones que no tienen precedencias; en la columna 11 se incluyen las operaciones
con una o más precedencias en la columna 1; y así sucesivamente. Por lo tanto, en la
Figura 6.11 las operaciones están ubicadas lo más posible hacia la izquierda. Ésta es una
características muy importante del método de Kilbridge y Wester.
El ciclo deseado es de 184 segundos. Como la suma de todos los tiempos
estándares es 552 segundos, al menos teóricamente puede obtenerse un balance perfecto
con 552/184=3 estaciones. Describiremos el procedimiento suponiendo que el objetivo es
balancear la línea peifectamente con 3 estaciones y un ciclo de 184 segundos.
El Cuadro 6.17 presenta en forma tabular la información de la Figura 6.11. La
columna (C) del Cuadro 6.17 indica qué tanta flexibilidad tenemos para cambiar las
operaciones de una columna a otra de la red de precedencias. Por ejemplo, para el caso de
la operación 39, la observación "11, ..., XI" significa que ésta podría moverse a la derecha,
a cualquiera de las columnas de la red de precedencias hasta la columna XI, sin violar las
precedencias. Esta flexibilidad para mover las operaciones verticalmente en el Cuadro
6.17 y horizontalmente en la Figura 6.11 es quizás la parte más importante del algoritmo
de Kilbridge y Wester.
Algunas operaciones aparecen en la columna (B) del Cuadro 6.17 con alguna
notación. Por ejemplo, la operación 3 aparece con la notación (c. 5,9). Esto quiere decir
que la operación en cuestión puede moverse horizontalmente por la red de precedencias,
sólo si las operaciones entre paréntesis se mueven delante de ella. Por lo tanto, la
operación 3 se puede mover a la derecha solamente si las operaciones 5 y 9 se mueven
delante de ella. Otros datos importantes del Cuadro 6.17 son las duraciones de las
operaciones por columnas de la red de precedencias original, lo cual aparece en la
columna (E), y las sumas de tiempos acumulados que aparecen en la columna (F). Dada
toda esta información, procedemos como sigue:
Paso 1. Como c=184 segundos, buscamos entre los valores de la columna (F) del Cuadro
6.17 la suma acumulada más cercana a 184. Encontramos el valor 173 en la columna 111.
Esto significa que si asignamos a la estación I todas las operaciones de las columnas 1, 11
y III, la sumatoria de los tiempos sería 173 segundos. Ésta no cumple con lo que
queremos por 184-173=11 segundos.
Paso 2. Como la estación I hasta el momento incluye las columnas 1, 11 y 111 Y nos faltan
11 segundos para completarla, buscamos en la columna IV una combinación de
operaciones cuya suma de tiempos sea exactamente 11 segundos. Encontramos las
siguientes combinaciones: 19,29 y 32 (L=l1), 29 Y 31(L=11), y 31 y 32(L=11).
FIGURA 6.11 Red de precedencias de Kilbridge y Wester
N
.¡:.
o
/8
)
10 / \ 1 I J'..J ') 7 Y_ --
_ _ -{ ')f1 \ \ / /
B 5
()
.§
[
o
;$
t:O
P>
r ~ ~
r r1"~ §
'" " \ \ \ / /
11 1 ') \ 6 ')1 \_.
n
(ll
o
o..
(ll
t'""'"
S'
. _ " _"l . , >n ,
(ll
P>
ti'
--
~
5 "
39
../
II III IV V VI VII VIII IX X XI XII XIII XIV
Capítulo VI: Balanceo de Líneas 241
~
;$
1:0
f
o
o
g.
t"""
S'
o
~
Estación I
('o
B
Estación III
Estación II
39 N
.¡::.
VI
Este método utiliza el "peso posicional" de las operaciones como guía para la asignación
de éstas a las estaciones. El peso posicional consiste en la suma del tiempo propio de la
operación más los tiempos de todas las operaciones que dependen de ella. De acuerdo a
este método, las operaciones de mayor peso posicional se asignan primero a las
estaciones.
Solución:
Si calculamos los pesos posicionales de cada operación de la Figura 6.6, obtenemos los
resultados de la Figura 6.13, en donde el número de arriba del nodo es la duración de la
operación y el de abajo el peso posicional.
Ordenando las operaciones según sus pesos posicionales, tenemos el Cuadro 6.20.
Siguiendo el orden de los pesos posicionales y considerando el mismo ciclo de 0.40 min.,
las operaciones serían asignadas a las estaciones de la siguiente manera:
ESTACION 1: 1, 3; ¿t ei = 0.32 mino
ESTACION Il: 2, 7; ¿ t ei = 0.40 mino
ESTACION IlI: 4, 6; ¿ t ei = 0.33 mino
ESTACION IV: 5, 8; ¿ t ei = 0.37 mino
Capítulo VI: Balanceo de Líneas 247
0.48 0.38
Es importante señalar que las operaciones fueron asignadas a las estaciones siempre de
acuerdo al orden del Cuadro 6.20, a no ser cuando se rebasaba el total de 0.40 mino o se
violaba alguna precedencia, cuando entonces se saltaba la operación y se probaba con las
siguientes cuyas precedencias ya habían sido asignadas.
248 Capítulo VI: Balanceo de Líneas
c ¿ t e ¡=0.33
¿ te¡=0.37
,\----- ,
:
[m
,
1
.....
"I
I
' ......
...
...,.,
... . --,-. J
IV
...
......
\
I
~
,,
... 0.12
I ,,-- ....
I ' ...
,,
I I ...
"',,
/
... --- .... " I " ,,
,, I ' ...
\
~,7J
I
0.17
\
\
\
\
\ ,--__, / ¿ te¡=O.28
\
\
,,
,
¿ te¡=0.32
0:, ,
' ......
_----_ ...
\
\
\
\
........
/ ;--,-:,L----,T'-'-\ 10 ;j)
{\ 0.10 ,/ 1,...... 0.10 ,.,/ ¿ te¡=0.30
' ......... _--_ ... ~ ........ _--_ ......
... e ¿ te¡=0.33
,
I
,
\ - - - - .........
I
1
III ",
I \
¿ t e¡=\jo.30I ...-----, "', I
1
\
" 0 30 \
, II \
, I
\ I
' ... ,---
,.,"'0.28 ........"
, \
"... ----- ........ I
1
I I
I
I I
I I
I
\
\
\ I
, I
\ I
\
,, I
I
, I
~t;
¿ te¡=0.32
0~" ............,
---"
... ,
1
, I
I
I
I
I
/ ¿te¡=0.38
I
, I
,,
I
\
¿ te¡=0.35
Capítulo VI: Balanceo de Líneas 249
Esto pasó, por ejemplo, en la estación 1: se asignó la operación 1 yen seguida la 2; como
te l+te2=OA7 min.>ciclo=OAO min., entonces se saltó la operación 2 y se asignó la 3; como
te l+te3=0.32 mino (menor que el ciclo), se probaron todas las operaciones cuyas
precedencias ya habían sido asignadas que eran la 6 y la 7; como en ambos casos se
rebasaba el ciclo, se cerró la estación 1. Se regresó entonces a la operación que había
quedado, es decir, la 2, se asignó la misma a la estación II y se repitió el procedimiento.
La solución obtenida con este método también se presenta en la Figura 6.14 y debe
observarse que es diferente de la que se obtuvo en el inciso 6.6 (véase la Figura 6.6). La
eficiencia de esta nueva solución para un ciclo de 0040 mino es igual a la calculada para la
solución de la Figura 6.6.
La idea del método de los pesos posicionales es asignar primero aquellas
operaciones que "liberan" el mayor número posible de operaciones, ya que así se tendrán
siempre mayores posibilidades de encontrar las combinaciones deseadas. En muchos
casos, la solución obtenida no es mejor que la obtenida por ensayo y error, y si tenemos
mala suerte hasta puede ser peor. Como ilustración, presentamos en la Figura 6.15 una
solución mejor que las 2 anteriores (Figuras 6.6 y 6.14) y cuya eficiencia E' es:
fueron asignadas algunas operaciones a la estación 1 y quedan 0.10 mino por asignar;
como "a" dura 0.12 min., "b" dura 0.05 mino y "d" dura 0.07 min., "a" ya no cabe y sólo
"b" y "d" pasarían a la tabla "c" que quedaría así:
Tabla "c"
b 0.05
d 0.7
Solución:
Apliquemos, como ilustración, sólo el inicio del algoritmo. Si desea, el lector puede
concluir el ejercicio. En la primera iteración tenemos:
Tabla "A" Tabla "B" Tabla "c"
1 O 1 0.17 1 0.17
2 1
3 1
4 1
5 1
6 1
7 1
8 2
9 1
10 1
11 3
Capítulo VI: Balanceo de Líneas 251
PROBLEMAS TIPO
6.5 Una determinada empresa tiene que ensamblar 24 unidades por turno de 480 minutos
de un producto que requiere las siguientes operaciones:
254 Capítulo VI: Balanceo de Líneas
DURACION
OPERACIÓN PRECEDENCIA (minutos) OBREROS
1 --- 2 1
2 --- 12 1
3 --- 11 1
4 1 3 1
5 2,3 8 1
6 3 2 1
7 4,5 17 1
8 6 10 1
9 7,8 3 1
10 8 5 1
a) Balancear una línea con división del trabajo para que se logre la producción
deseada, manteniendo separadas las operaciones 7 y 9.
b) Determinar la eficiencia de la línea del inciso "a" al ciclo original.
c) Determinar la eficiencia de la línea del inciso "a" a su producción máxima.
d) Supongamos ahora que las operaciones 7 y 9 requieren 2 obreros cada una de
ellas. Sin cambiar la solución obtenida en el inciso "a", volver a calcular la
eficiencia al ciclo original.
e) Supongamos ahora que se cambia la solución y se asignan las operaciones 7 y 9 a
una misma estación (ambas siguen requiriendo 2 obreros). ¿Cuál sería la nueva
eficiencia al ciclo original?
f) ¿Cual sería la eficiencia de la línea del inciso "e" a su producción máxima?
Resp.: a) Est. 1: 1, 2, 4; est. 11: 3, 5; est. 111: 6, 7; est. IV: 8, 9, 10.
b) E=91.25%.
e) E' =96.05%.
d) E=77.50%.
e) Est. 1: 1, 2, 4; est. 11: 3, 5; est. III: 6, 8, 10; est. IV: 7, 9; E=93 .00%.
1) E'=E=93.00%.
a) Balancear una línea que produzca 800 unidades por turno de 480 minutos.
b) Determinar la eficiencia de la línea al ciclo original.
c) Determinar la eficiencia de la línea a su producción máxima.
Capítulo VI: Balanceo de Líneas 255
Resp.: a)Est. 1: 1, 2, 3, con un puesto; est. II: 5, con 2 puestos; est. III: 4, 7, 8, con un puesto; est. IV: 6, 9, 10, con un puesto.
b) E=93.33%.
c) E'=94.92%.
6.8 Deben ensamblarse 50 unidades por turno de 450 minutos de detenninado producto
que requiere las operaciones que se presentan a continuación.
a) Balancear una línea con división del trabajo y 4 estaciones para lograr la
producción deseada.
b) Determinar la eficiencia de la línea al ciclo original.
c) Determinar la eficiencia de la línea a su producción máxima.
256 Capítulo VI: Balanceo de Líneas
CAPÍTULO CAPÍTULO
ADMINISTRACIÓN DEL
MANTENIMIENTO
SÍNTESIS
7.1 INTRODUCCIÓN
7.1.1 Generalidades
La Administración del Mantenimiento intenta lograr estos 3 objetivos a través del uso
óptimo de los siguientes elementos:
a) Personal (mecánicos, electricistas, soldadores, etc.).
b) Equipo y herramientas (tomos, fresadoras, llaves, instrumentos de medición, etc.).
c) Refacciones y materiales.
7.2.1 Introducción
c) Hacer una revisión del estado actual y futuro del inventario de refacciones
El objetivo principal del MP es anticiparse a las descomposturas y mantener el equipo
funcionando en buen estado. Esto puede implicar, en un momento dado, la sustitución de
una o varias piezas del equipo en las inspecciones de MP, por lo que la disponibilidad de
refacciones será siempre vital. Los modelos de inventarios probabilísticos pueden ayudar
mucho a controlar la disponibilidad de refacciones.
262 Capítulo VII: Administración del Mantenimiento
k) Período de prueba
El primer programa anual del MP deberá incluir un período de prueba, principalmente
para poner a prueba los formatos y específicamente las hojas de inspección. Al final del
período de prueba, se harán las modificaciones necesarias a los formatos y se empezará
entonces con la implantación definitiva del sistema.
m) Control del MP
En el momento de su implantación defmitiva, seguramente el MP todavía no estará
funcionando a su nivel óptimo y puede ser necesario, entre otras cosas, aumentar o
disminuir la frecuencia de inspección o redistribuir los elementos tecnológicos entre los
distintos tipos de MP. Estas decisiones se tomarán con base en los parámetros que miden
la bondad del MP, que son fundamentalmente los costos y las horas de paro. Esto se
analizará en los próximos incisos.
El cálculo de costos indica no sólo la bondad del sistema global de mantenimiento, sino
también si el MP está funcionando a su nivel óptimo. Para esto, es indispensable separar
los costos del mantenimiento correctivo (CMC) de los costos del mantenimiento
preventivo (CMP).
Ambos costos (CMC y CMP) tienen en común lo siguiente:
* Costo de mano de obra.
* Costo de materiales y servicios (internos y externos).
* Costo de las horas de paro.
* Costo de los desperdicios de materias primas.
El costo de mano de obra de un determinado trabajo (MC o MP) se obtiene simplemente
multiplicándose el número total de horas-hombre (HH) empleadas, por el salario horario
del obrero. Si más de un obrero intervinieron en el trabajo y éstos reciben salarios
diferentes, el cálculo deberá hacerse separadamente para cada uno de ellos.
N
FIGURA 7.1 Programa anual de mantenimiento preventivo 0\
0\
EMPRESA METAL MECÁNICA, S.A. PROGRAMA ANUAL DE MANTENIMIENTO PREVENTIVO AÑO: 2001
DIAS
MÁQUINA - '" M ...
'" 'O
.... 00
'"
- - -'" - - - - -
o M ...
'" 'O
....
- - '" '"-
00
'" o o - '" ... '"
M
'O
'" '" '" '" '" '" '" '" '" '"
M M M M M M M
....
M
00
M
'"
M
o
'O
M
-
'O
M
''O
M
" M
'O
M
...
'O
M
'"
'O
'"
Torno 47-k R p R G R
Torno 48-k R R R
Fresa 50-d R R M
Fresa 53-d R R R
Fresa 8O-x R R
Taladro 8-z R P G
Taladro 9-y R R P
Cepillo 3-a R R n
.§
Sierra 2-e R R M R
[
o
~
>-
S
So
I
SO
GO
ao
Capítulo VII: Administración del Mantenimiento 267
Resulta obvio, por lo tanto, que la orden de trabajo tiene que registrar todas y cada
una de las HH empleadas en cada tipo de trabajo de mantenimiento.
Para el cálculo del costo de materiales y servicios, tenemos que enlistar todos los
materiales y servicios correspondientes al trabajo de mantenimiento (MC o MP) y
calcular su valor en pesos ($). Esta información, como mencionamos anteriormente,
también debe quedar registrada en la orden de trabajo.
Una forma de estimar el costo de las horas de paro es a través de la determinación
de las utilidades perdidas como consecuencia del paro. Éstas pueden calcularse de la
siguiente manera:
UTILIDADES PERDIDAS = VENTAS PERDIDAS - COSTOS VARIABLES
recordando que únicamente debemos restar de las ventas perdidas aquellos costos
variables que desaparecen cuando ocurre el paro, como son, materias primas y materiales,
energía eléctrica, costos de distribución, comisiones y, en ocasiones, la mano de obra
(cuando sea pagada a destajo).
Cuando estemos seguros de que no hay ventas perdidas como consecuencia del
paro, el costo de éste corresponderá a los costos de reprogramación de la producción, y/o
tiempo extra, y/o depreciación horaria del equipo.
El costo del desperdicio de materias primas corresponde a lo que se echa a perder
cuando el equipo se para (por descompostura o por MP).
Finalmente, queremos mencionar que una descompostura, eventualmente, puede
provocar daños al obrero y/o al equipo. Si este ocurre, los costos correspondientes
también deben incluirse en el cálculo del costo del trabajo de MC. Normalmente, el MP
no provoca accidentes, por lo que el costo de los daños no fue incluido en la lista anterior
de costos comunes al MC y MP.
Podría considerarse un costo más para el MC: el costo de la disminución de la vida
útil del equipo. Esto se justifica porque se supone que cada vez que ocurre una
descompostura por falta de atención al equipo, ésta de alguna manera daña el equipo y
acorta su vida útil. Como puede imaginarse, este costo es extremadamente difícil de
calcular, por lo que no propondremos su cálculo, sino solamente que recordemos siempre
que el MP, por reducir descomposturas, está al mismo tiempo alargando la vida útil de los
equipos. En otras palabras, esto quiere decir que, si con la implantación del MP los costos
totales de mantenimiento (CMC+CMP) no presentan una reducción significativa, ¡por lo
menos estaremos alargando la vida útil de los equipos!
En cuanto a costos, el reto de la implantación del MP es sencillo de definir y difícil
de lograr. En resumen, puede expresarse así: antes del MP existe un costo total de
mantenimiento (CTM) igual al costo del mantenimiento correctivo (CMC). Pongamos a
éstos el sub-índice "o" para indicar que corresponden a un nivel cero de MP:
CTMo=CMCo
Cuando se implanta el MP, se agrega alIado derecho un costo que no existía (CMP) y los
costos totales y de MC se transforman en CTMp y CMCp, donde el sub-índice "p" indica
la presencia del preventivo:
CTMp = CMCp + CMP
268 Capítulo VII: Administración del Mantenimiento
CTM
CTM*
f
CMP
CMC
Xl X2 X* X3 X4 X5 CANT.DEMP
Todo este análisis es válido desde el punto de vista del manteni91ieíÍto tradicional.
Actualmente, las empresas están intentando dar más y más mantenirríiento preventivo sin
que el CTM aumente (como lo sugiere la Figura 7.2). Para lograrlo, es indispensable
llevar a cabo el MP de una manera diferente, y esto es precisamente lo que se intenta con
los programas de Mantenimiento Productivo Total (TPM por su nombre en inglés). Por
ejemplo, una parte importante de la filosofía del TPM es aumentar la cantidad del MP
pero pasar una parte importante de ésta al operario del equipo. Así, se aumenta la
cantidad del MP pero se frena el incremento del CTM. En el inciso 7.6 a continuación
comentaremos más sobre el TPM.
• •••••
••• •••
..... .
k) Período de prueba (una parte de Octubre, 1983)
300
250
en 200
~ 150
~ 100
50
O
00- ~O~ <:>,CJ <v~0 «.~ ~~ ~'~rs\ ')v~ ')-S- ~~
MESES
2,000,000
O 1,500,000
t-
~ 1,000,000
O 500,000
Por último veamos la Figura 7.5. Ésta muestra las vanaCIOnes mensuales y
acumuladas del índice CMP/CMC, las cuales indican que al principio el CMP era mayor
que el CMC, pero que después el CMC disminuyó tanto que el índice CMP/CMC llegó a
valores como 6.4 y 6.2 en Marzo y Mayo de 1984, respectivamente. Estos elevados
valores del índice CMP/CMC indican, a su vez, que el sistema de MP no estaba
274 Capítulo VII: Administración del Mantenimiento
8
en 6
w
~ 4
e
.~ 2
o
r~ ~'Ú
QV ~O <:::>~
0
<v~ «,0~ ~
~flj ~' .~~
MESES
Numéricamente, tenemos que el mayor valor del índice CMP/CMC ocurrió en Marzo de
1984 (6.4) y el menor en Noviembre de 1983 (0.66). El promedio de todo el período de
Noviembre de 1983 a Agosto de 1984 (índice acumulado) fue de 1.9 (acumulando los
costos) y de 2.95 (simplemente promediando los índices de cada mes).
Teniendo en cuenta todo lo anterior, podrá concluirse que los beneficios del sistema
de MP en CALSA fueron muy significativos, en lo que se refiere tanto a las horas de paro
como a los costos totales de mantenimiento. Por otro lado, también quedó claro que el
trabajo no había terminado y que el costo del MP tenía que reducirse, ya sea
disminuyendo su frecuencia y/o realizándolo de otra manera de acuerdo a la filosofía
TPM.
Éstas son las buenas noticias. La mala noticia es que la implantación del MP
provocó conflictos entre Héctor Ibarra (que era Gerente de Mantenimiento) y el Gerente
de Producción. El Gerente de Operaciones Gefe de los dos) empezó a apoyar al Gerente
de Producción, por lo que Héctor se decepcionó y renunció. Resultado: a partir de
Septiembre de 1984 el sistema dejó de existir,razón por la cual ya no disponemos de
información.
Creo que en este caso, tanto Héctor como yo sub-estimamos los conflictos que el
sistema de MP podría causar. Consideramos que la pura bondad del sistema sería
argumento suficiente y la realidad demostró que estábamos equivocados. La última vez
que supe de Héctor estaba implantando un sistema de MP en otra empresa ...
Capítulo VII: Administración del Mantenimiento 275
* Mantenimiento periódico
- Realizarlo con determinada frecuencia.
- Evaluar y corregir cualquier deterioro.
- Es el "mantenimiento preventivo" tradicional.
* Mantenimiento predictivo
- Periódico o cuando se necesita.
- Se miden variables: temperatura, ruido, vibración, corriente eléctrica, etc..
* Mantenimiento de descomposturas
- A pesar de todo ... ¡ocurren!.
- Identificar claramente la descompostura.
- Identificar claramente las causas.
- Implantar medidas para evitar la repetición.
- Es el "mantenimiento correctivo" tradicional.
* Mejoramiento al equipo
- Importantísima la opinión del operador.
- Importantísima la cooperación entre Producción y Mantenimiento.
- Mejorar el desempeño del equipo.
- Cambios para reducción del tiempo de preparación (ha adquirido una
importancia vital con el surgimiento del sistema Justo a Tiempo).
- Cambios mayores al equipo.
* Mejoramiento de destrezas/capacidades
- No hay mejoramiento sin capacitación.
- Entrenar bien a los operadores para el mantenimiento que les corresponde.
* Mejoramiento de seguridad, higiene y condiciones ambientales
- Equipos seguros a "prueba de tontos" (fool-proof).
- No hay nada más caro que un accidente.
- No hay nada más caro que una enfermedad.
- La moral y la motivación tienen mucho que ver con las condiciones ambientales.
Capítulo VIII: Seguridad e Higiene 277
CAPÍTULO CAPÍTULO
SEGURIDAD E HIGIENE
SÍNTESIS
8.2 SEGURIDAD
La condición insegura es una característica del medio ambiente que pone en riesgo a la
persona. Podemos mencionar varios ejemplos: una zanja abierta, un piso resbaladizo,
partes en movimiento descubiertas en una máquina, una puerta demasiado baja, material
mal almacenado que se pueda caer en cualquier momento, una carretera sin camellón que
permite que tanto personas como vehículos se crucen, una escalera con escalones de
diferentes alturas, etc.. La única manera de cambiar o eliminar la condición insegura es,
por lo tanto, modifIcando el ambiente. Esto no implica modifIcar ninguna de las
conductas de las personas.
El acto inseguro es una conducta indeseada de la(s) persona(s) que pone en riesgo
a las personas involucradas en la actividad. Ejemplos: jugar con objetos cortantes,
manejar después de haber tomado, no respetar los límites de velocidad, no seguir las
instrucciones de operación de una máquina, etc..
Hay un tercer aspecto importante que debemos considerar pero que no afecta la
probabilidad de ocurrencia del accidente: es la protección personal. Ésta protege a la
persona reduciendo el daño cuando el accidente ocurra pero no evita el accidente.
Estamos hablando de casco, guantes, lentes de seguridad, cinturón de seguridad, etc..
Obviamente, un programa de seguridad basado únicamente en la protección de la persona
tiende al fracaso porque los accidentes seguirán ocurriendo.
Capítulo VIII: Seguridad e Higiene 279
Una pregunta muy polémica sobre la cual normalmente nunca nos ponemos de
acuerdo es la siguiente: ¿En general, qué provoca el accidente, las condiciones inseguras
o los actos inseguros? Mucha gente a nivel mundial ha sacado y estudiado estadísticas
para contestar esta pregunta y los resultados de los diferentes estudios no son
concluyentes o son contradictorios. En parte, los resultados contradictorios se deben al
hecho de que los accidentes pueden interpretarse de diferentes maneras. Por ejemplo,
supongamos que una persona caminando rápido se resbala y se rompe un brazo. Si este
accidente queda registrado como "debido al piso resbaladizo Pedro se resbaló y se rompió
un brazo", seguramente se sumará a los accidentes provocados por las condiciones
inseguras. Sin embargo, si este mismo accidente queda registrado como "por caminar
rápido Pedro se resbaló y se rompió un brazo", seguramente se sumará a los accidentes
causados por los actos inseguros. Por lo tanto, las interpretaciones distorsionan mucho la
clasificación de los accidentes y esto es lo que provoca ambigüedades y contradicciones
en los estudios.
Mi posición es radical y al mismo tiempo muy sencilla. En vez de andar
discutiendo qué es lo que con más frecuencia provoca los accidentes y andar peleando
porque los resultados se contradicen, mejor construyamos ambientes que, dentro de lo
posible, sean a prueba de los accidentes o, si el lector lo prefiere, a prueba de las
personas. Obviamente, para lograr esto tenemos que trabajar sobre las condiciones
inseguras. Por lo tanto, mi recomendación, en pocas palabras, es: identifiquemos todas
las condiciones riesgosas del ambiente y eliminémoslas, sin dejar opción a las personas
de que puedan provocar un accidente. Por ejemplo, si se protegen las partes en
movimiento de una máquina, las personas ya no tienen la opción de tocarlas y dañarse; si
el metro de la Ciudad de México no arranca con las puertas abiertas, las personas ya no
tienen la opción de subirse con el metro en movimiento; si ponemos un tope de suficiente
altura en la entrada de un pueblo, los conductores ya no tienen la opción de entrar al
pueblo a exceso de velocidad (a no ser que quieran destruir la suspensión de su coche).
Obsérvese que estas tres medidas son radicalmente diferentes a sólo poner un aviso
"cuidado, partes en movimiento", o "no subirse con el metro en movimiento" o "pueblo
cercano, velocidad máxima 30 Km./hora".
Ahora bien, como en muchas situaciones eliminar totalmente las condicionas
inseguras no resulta posible, también tenemos que concientizar a la gente para que evite
actos inseguros. Y, ¡mucho más importante! , tenemos que concientizar a la gente para
que no destruya las condiciones seguras. Yo personalmente he visto gentes que
"destruyen topes", "quitan seguros a las máquinas" o "rompen la malla del camellón del
periférico de la Ciudad de México". Sin embargo, en todo momento las acciones deben
realizarse en este orden: primero hacemos nuestro mejor trabajo en la eliminación de
condiciones inseguras y si aún así quedan riesgos, orientamos y capacitamos a las
personas para que eviten actos que, en combinación con las condiciones inseguras que
quedaron, puedan provocar un accidente. Esta última frase sugiere una de las grandes
verdades de la seguridad: aún cuando parece obvio que fue un acto inseguro lo que
provocó el accidente, de hecho la causa del accidente fue una combinación de éste con un
condición insegura existente. Si trabajando sobre las condiciones inseguras y sobre los
actos inseguros todavía queda la posibilidad del accidente, entonces hay que proteger a la
persona, por lo que la protección personal también tiene su importancia (véase el inciso
8.5).
280 Capítulo VIII: Seguridad e Higiene
Como ejercicio sugerimos que los lectores analicen cada una de las medidas que se
mencionan a continuación y pongan una "c" si está dirigida a eliminar condiciones
inseguras, una "A" si está dirigida a eliminar actos inseguros y una "P" si está dirigida a
proteger a la persona (la solución se encuentra al [mal del capítulo):
e ) Reducir el nivel de ruido de una planta.
e) Poner alrededor de una máquina peligrosa un piso especial que cuando detecta la
presencia de personas desconecta automáticamente la máquina.
e ) Cambiar paredes y escalones de las escaleras de una universidad.
e ) Explicar a los niños que las medicinas no se tocan.
e ) Poner letreros de no fumar en las gasolineras.
e ) Poner topes en las áreas de circulación de un condominio.
( ) Cambiar los pisos por otros menos resbaladizos.
e ) Usar el cinturón de seguridad al manejar.
e ) Poner un camellón en la carretera libre de Querétaro a Celaya.
e ) Poner una red a los trapecistas de un circo.
( ) Aislar tuberías calientes.
( ) Hacer una campaña por radio y televisión para evitar el exceso de velocidad durante
la semana santa.
e ) Establecer sanciones disciplinarias para los empleados que sufran o provoquen
accidentes.
e ) Poner los objetos cortantes fuera del alcance de los niños.
e ) Obligar a los obreros a usar casco y guantes.
Por último queremos mencionar que existen teorías sobre seguridad que nos ayudan a
comprender el problema de los accidentes. Éstas son:
a) Teoría del azar
Esta teoría dice que, "si existe un riesgo y muchas personas se están exponiendo a dicho
riesgo, el accidente va a ocurrir; cuándo y a quién le va a tocar es un problema de azar".
El riesgo aquí puede ser una condición insegura o un acto inseguro, por lo tanto lo que
afirma esta teoría es que si queda una condición insegura y muchas personas se están
exponiendo a dicha condición, el accidente va a ocurrir en "algún" momento y la víctima
va a ser "alguien". De ahí viene nuestra insistencia de que eliminemos las condiciones
inseguras. Pero la teoría también afirma que si alguien consistentemente comete un acto
inseguro sufrirá en "algún" momento el accidente. Esto último es un mensaje directo a las
personas que con frecuencia manejan después de haber tomado: en algún momento
sufrirán un accidente; ¿cuándo?, ¡el azar lo determinará!
b) Teoría de la propensión desigual
Esta teoría dice que, "algunas personas, por sus características físicas y/o psíquicas, son
más propensas a los accidentes". Obviamente, esta teoría sugiere que, si dichas personas
son identificadas, no deberán jamás trabajar en lugares riesgosos.
c) Teoría de la susceptibilidad
Esta teoría dice que, "si una persona sufre un accidente su conducta cambiará: se volverá
más propensa a los accidentes debido al nerviosismo o menos propensa debido a la
precaución". La preferencia de algunos bancos por contratar personas que ya hayan
Capítulo VIII: Seguridad e Higiene 281
sufrido un asalto bancario o de algunas empresas de transporte por choferes que ya hayan
sufrido un accidente, se basa directamente en esta teoría.
Como conclusión queremos agregar lo siguiente: el accidente es lo más caro que puede
ocurrir en cualquier ambiente, sea en una fábrica, en el hogar o en la vía pública.
Obviamente, el costo humano es el más elevado pero también existen costos económicos
muy significativos. El salario del trabajador accidentado puede ser cubierto en un 100%
por el Seguro Social, pero hay muchos otros costos indirectos no cubiertos. Algunos
estudios sugieren que los costos indirectos pueden ser de hasta 4 veces los costos
directos. En una planta industrial, por ejemplo, los costos indirectos pueden ser:
* Producción perdida debido al accidente.
* Tiempo perdido por el trabajador accidentado, los compañeros que llegan a ayudarlo, el
supervisor, etc..
* Tiempo dedicado a la investigación sobre el accidente.
* Costo de los primeros auxilios proporcionados por la empresa.
* Daño provocado a la máquina y/o pérdidas de materias primas.
* Capacitación del trabajador sustituto y pérdida de productividad durante el proceso de
aprendizaje.
* Pérdida de productividad debido a la disminución de la moral.
* Aumento de cuotas al Seguro Social por mayor nivel de riesgo.
* Etc..
Nunca crean que el accidente "fue inventado para los demás, a mí no me toca". Respeten
mucho la teoría del azar, ¡ésta nunca falla! No hay error más fatal que exponerse
repetidamente a un determinado riesgo. Y como, a pesar de las excelentes carreteras y de
la esmerada precaución al manejar, los accidentes todavía pueden ocurrir, ¡pongan el
cinturón de seguridad al manejar!
8.3 CALOR
El ser humano puede ganar o perder calor a través de los siguientes fenómenos:
a) Por conducción: es decir, a través del contacto directo con la fuente de calor.
b) Por convección: es decir, a través de la circulación de las moléculas de aire caliente.
c) Por radiación: es decir, a través de la recepción de ondas calóricas electromagnéticas.
d) Por evaporación: es decir, a través de la evaporación del sudor.
e) Por la respiración: es decir, el ser humano gana o pierde calor por la introducción de
aire caliente o frío al cuerpo a través de la respiración.
f) Por el metabolismo: es decir, el ser humano también gana calor a través de su propio
metabolismo, ya que cualquier esfuerzo genera calor a través del metabolismo del
cuerpo. Obviamente, la cantidad de calor generada por el metabolismo depende
directamente de la actividad desempeñada por el trabajador y está dada en tablas.
Cuando el ser humano está totalmente en reposo, el metabolismo corresponde a 240
BTU/hora y éste se llama metabolismo basal.
Obsérvese que en esta ecuación "M" será siempre positivo, mientras que los demás
términos podrán ser positivos o negativos.
Los valores de "c" y "R" se calculan mediante fórmulas empíricas y dependen de
las variables definidas anteriormente. Así tenemos:
C = (0.65)(V)O.6(Ts-95°P)
donde: C = Cantidad de calor ganada o perdida por convección en BTU/hora.
V = Velocidad del aire en pies/minuto.
Ts = Temperatura de bulbo seco en 0p.
95°P = Temperatura media de la piel.
R = (15)(T w-95°P)
donde: R = Cantidad de calor ganada o perdida por radiación en BTU/hora.
Tw = Temperatura media radiante en 0p dada por:
Tw = T g + (O. 13)(V)o.5(Tg-Ts).
donde: Tg = Temperatura de globo en 0p.
V = Velocidad del aire en pies/minuto.
Ts = Temperatura de bulbo seco en 0p.
Este índice se basa en el hecho de que un incremento mayor que 2°F es peligroso para la
salud, y esto ocurre precisamente con la ganancia de 250 BTU. Como "Ereq" Y "Emáx"
están dados en BTU/hora, el cociente 250BTU/(Ereq-Emáx) nos dará el tiempo en horas
para que el obrero absorba 250 BTU, es decir, para que su temperatura se eleve en 2°F.
En lo que se refiere al tiempo máximo de exposición, debemos observar lo
siguiente:
* Si Ereq>Emáx, el TME será positivo y nos dará el tiempo máximo de permanencia del
trabajador en el ambiente.
* Si Ereq=Emáx, el TME=oo, lo que indica que el obrero puede permanecer sin problemas
en el ambiente durante toda la jornada de trabajo (repetimos que esto no quiere decir
que el obrero no sienta calor).
* Si Ereq<Emáx, la fórmula de TME no se aplica.
Por último, queremos resaltar que, por indicaciones médicas, se debe evitar que el
trabajador pierda, a través de la evaporación, más de 2,400 BTU/hora, por lo que cuando
"Emáx" resulta mayor que este valor, debemos usar Emáx=2,400 BTU/hora en el cálculo de
"ISC" y "TME".
Solución:
Para el cálculo de "C", "R" y "M", tenemos:
Capítulo VIII: Seguridad e Higiene 285
C = (0.65)(V)0.6(Ts-95°F)
C = (0.65)(300)°·6(103-95) = 159 BTU/hora
R = (15)(Tw-95°F)
Tw = T g + (O. 13)(V)0.s(T -Ts)
T w= 123 + (0.13)(300)°'3(123-103) = 168°F
R = (15)(168-95) = 1,095 BTU/hora
M = (636)(0.167) + (1,189)(0.332) + (968)(0.166) + (886)(0.335)
M = 957 BTU/hora
Aquí, como en todas las otras áreas de la Seguridad e Higiene, los métodos de control del
calor deberán aplicarse en el siguiente orden:
a) Aplicarse a la fuente.
b) Aplicarse al medio.
c) Aplicarse al trabajador.
Por lo tanto, debemos empezar atacando lafuente del problema y para esto podemos:
* Aislar las fuentes radiantes y/o calóricas con materiales absorbente y/o aislantes.
* Reducir la producción metabólica de calor, cambiando los métodos de trabajo o
automatizando.
286 Capítulo VIII: Seguridad e Higiene
8.4 RillDO
En los incisos anteriores de este capítulo analizamos los temas de Seguridad y de Calor.
En este inciso expondremos algunos conceptos básicos de ruido. El ruido puede ser
defInido como cualquier sonido desagradable o dañino al aparato auditivo del ser
humano. El sonido, a su vez, es el resultado de una onda mecánica de presión que se
propaga en un medio líquido, gaseoso o sólido. Nos interesa en particular la propagación
de esta onda en el aire, la cual se realiza a una velocidad de aproximadamente 345 mis
(en el agua las ondas sonoras se propagan a la velocidad de 1,435 mis).
Las ondas de presión constan de variaciones por arriba y por abajo de la presión
atmosférica normal, y pueden representarse como en la Figura 8.1. Es muy ilustrativo
suponer que las ondas sonoras son como las ondas mecánicas que se forman en el agua,
Capítulo VIII: Seguridad e Higiene 287
ya que esto nos ayuda a comprender mejor sus características y la definición de sus
parámetros:
a) Velocidad de la onda sonora (V): es la velocidad con que se desplaza cualquier punto
de la onda, por ejemplo su punto máximo o mínimo, como se indica en la Figura 8.1.
La velocidad de la onda sonora en el aire, como mencionamos anteriormente, es de
345 mis.
b) Frecuencia de la onda sonora (f): es el número de ondas que pasan por un punto dado
en un segundo. Supongamos, por ejemplo, que nos ubicamos en el origen de la gráfica
de la Figura 8.1 y contamos cuantos puntos máximos (Picos) de la onda pasan por ahí
en un segundo, este valor será la frecuencia. La frecuencia suele medirse en Hertz (Hz)
o ciclos por segundo (cps). Altas frecuencias producen sonidos agudos, bajas
frecuencias producen sonidos graves.
c) Longitud de onda (A): es la distancia entre dos puntos idénticos adyacentes de la onda,
o en otras palabras, entre dos puntos adyacentes que tienen la misma fase. Por
ejemplo, en la Figura 8.1 se muestra que la longitud de onda es la distancia entre dos
puntos máximos adyacentes (o consecutivos).
d) Período (T): es el tiempo necesario para completar un ciclo. Es obvio que T=1/f.
e) Amplitud (A): es la variación máxima de presión que se observa, por arriba o por abajo
de la presión atmosférica. Por ejemplo, la Figura 8.1 muestra que en un momento dado
la variación de presión es "PI" unidades más que la presión atmosférica; en otro
momento es "P2" unidades menos que la presión atmosférica; etc.. En su punto
máximo (o mínimo) la presión es "A" unidades más (o menos) que la presión
atmosférica. La amplitud se mide en unidades de presión, la cual puede ser, por
ejemplo, N/m2 . La amplitud está directamente relacionada con el volumen del sonido.
T
A
1< >\
Debe aclararse que el ser humano no escucha cualquier onda sonora. Ésta debe tener
ciertas características para que sea realmente audible, como son:
288 Capítulo VIII: Seguridad e Higiene
Como dijimos arriba, el ser humano escucha ondas sonoras cuyas variaciones de presión
estén entre 2xlO-5 N/m2 y 28 N/m2 • ¿Podemos diseñar y construir aparatos que fueran
capaces de medir con precisión variaciones de presión tan pe~ueñas como 2x10-5 N/m2 y
al mismo tiempo medir valores tan grandes como 28 N/m ? Es posible que sí, pero
definitivamente ésta no sería la forma más inteligente de trabajar.
Para resolver este problema se defmen valores de referencia y lo que medimos
entonces es cuántas veces la variable en cuestión es mayor que dicho valor de referencia.
Para el caso de la presión sonora, se fija el valor de referencia en po= 2x10-5 N/m2 y
se define el nivel relativo de presión sonora (SPL) así:
-2
SPL = 10 log ~ 2
Po
donde: p2 = presión media cuadrática que queremos medir en N/m2 .
Es decir, las carátulas de los decibelímetros deben tener, por lo menos, rangos de O a 123
dB.
Capítulo VIII: Seguridad e Higiene 289
En este inciso veremos cómo podemos sumar niveles sonoros que están dados en
decibeles. Supongamos que tenemos 2 fuentes sonoras, como se muestra en la Figura 8.2.
La suma de los niveles sonoros será:
SPL = 10 log (10SPL1/IO + lOSPLz/IO)
donde: SPL = Suma de los niveles relativos de presión sonora en dB.
SPLI = Nivel sonoro de la fuente 1 en dE.
SPL 2 = Nivel sonoro de la fuente 2 en dB.
FUENTE #1 I FUENTE #2
•• •
•••••••••••••• • •••••••••••
'1'
•• •
Solución:
La suma de los niveles relativos de presión sonora es:
Quedó expresado en el inciso 8.4.2 que el ser humano escucha ondas sonoras cuyas
presiones relativas varían desde SPL=O hasta SPL=123dB. Sin embargo, a partir de
determinado valor de "SPL", la exposición prolongada del trabajador al ruido puede
dañar su sistema auditivo. ¿Cuál es este valor crítico de "SPL" a partir del cual hay
peligro para el sistema auditivo?
No existe realmente un valor de "SPL", ya que éste depende de la frecuencia de
onda, es decir, el sistema auditivo es más resistente a unos niveles de frecuencia que a
otros. De una forma aproximada, sin embargo, podemos decir que a los siguientes niveles
de "SPL" la permanencia máxima del trabajador en el ambiente sería (Cuadro 8.1):
290 Capítulo VIII: Seguridad e Higiene
NIVEL DE PERMANENCIA
RUIDO MÁXIMA
Hasta 90 dB 8 horas
92dB 6 horas
95 dB 4 horas
97dB 3 horas
100 dB 2 horas
102 dB 1.5 horas
105 dB 1.0 horas
110dB 0.5 horas
~ 115 dB ~ 0.25 horas
El Cuadro 8.1 indica que, si el nivel de ruido es mayor que 90dB y se requiere de una
permanencia continua de 8 horas en dicho ambiente, el trabajador deberá utilizar algún
tipo de protección (tapones, orejeras, etc.).
Cuando una onda sonora choca con un obstáculo (por ejemplo, una pared), ocurren varios
fenómenos que son:
a) Absorción: es decir, una parte de la energía sonora es absorbida por la pared.
b) Reflexión: es decir, las ondas sonoras chocan con la pared, se reflejan y siguen su
camino en otra dirección.
c) Transmisión: es decir, las ondas sonoras se propagan a través del material de la pared
y siguen propagándose del otro lado del obstáculo.
a =-Energía absorbida
----'=-----
Energía incidente
Para que el lector tenga una idea sobre los valores de "a " para distintos materiales,
queremos agregar que el alfa del concreto es 0.03 y el alfa del corcho es 0.80.
Capítulo VIII: Seguridad e Higiene 291
ABSORCIÓN B
A
R
R TRANSMISIÓN
E
R
REFLEXIÓN A
Es común en las situaciones problemáticas de ruido que una o más superficies (paredes,
piso o techo) sean recubiertas con materiales absorbentes, con vistas a reducir la
reverberación y por ende el nivel relativo de presión sonora "SPL". Cuando hacemos
esto, tendremos dos niveles diferentes de absorción del local, "Al" y "A2", antes y
después de la instalación del material absorbente, respectivamente. La reducción en el
valor de "SPL" cuando la absorción total de un local aumenta de "Al" a "A2" está dada
por la siguiente fórmula:
A
~SPL = SPL l - SPL2 = 10 log _ 2 (dB)
Al
El uso de materiales absorbentes en las paredes de los cines y salas de concierto responde
precisamente a la necesidad de reducir la reverberación.
Como en el caso de la seguridad y del calor, el problema del ruido tiene que ser atacado
en el siguiente orden:
a) En la fuente.
U
b) En el medio.
U
c) En el receptor (el trabajador).
Solución:
Inicialmente calculamos la absorción actual total en sabinos (Al), recordando que para
que la respuesta esté en sabinos hay que convertir metros cuadrados a pies cuadrados:
Techo: (l2.2m)(6.lm)(0.03)(3.28 pies/mi = 24 sabinos.
Paredes: ((12.2m)(3.05)(2)+(6.1m)(3.05)(2))(0.01)(3.28 pies/m)2 = 12 sabinos.
Piso: (l2.2m)(6.lm)(0.03)(3.28 pies/m)2 = 24 sabinos.
Tuberías: (l6.75m)(0.50)(3.28 pies/m)2 = 90 sabinos.
Maquinaria: (l6.75m)(0.02)(3.28 pies/m)2 = 4 sabinos.
Entonces la absorción total es de:
Al = 154 sabinos.
Capítulo VIII: Seguridad e Higiene 293
Ahora bien, con el material absorbente, la nueva absorción del techo será:
(l2.2m)(6.1m)(0.80)(3.28 pies/mi = 641 sabinos.
El nuevo nivel relativo de presión sonora será 95dB-7dB=88dB, por lo cual se elimina el
problema de ruido.
El ruido provoca daños físicos y psíquicos. Entre éstos podemos menCIOnar los
siguientes:
a) Sordera instantánea temporal: ésta ocurre cuando el nivel del ruido es elevado y su
duración es corta. Momentáneamente la persona se siente sorda pero recupera
lentamente su capacidad auditiva (por ejemplo, una explosión).
b) Sordera instantánea permanente: ésta ocurre cuando el ruido de poca duración es tan
intenso que daña para siempre el aparato auditivo (una explosión demasiado fuerte
puede provocar una sordera permanente).
c) Sordera progresiva: como su nombre lo indica, este tipo de sordera se va dando
lentamente cuando el trabajador se expone continuamente a niveles de ruido por
encima de los 90 decibeles. Es muy peligrosa, precisamente porque provoca un círculo
vicioso: cuanto más sordo menos le molesta el ruido al trabajador y más se expone;
cuanto más se expone, más sordo se vuelve; y así sucesivamente. La sordera
progresiva es irreversible.
d) Molestia: es la alteración del sistema nervioso del trabajador y desafortunadamente
esto puede ocurrir por debajo de los 90 decibeles. Es decir, aún cuando el ruido no
provoca daño físico, puede alterar el sistema nervioso.
e) Bajo desempeño por:
+ Enmascaramiento del sonido de la máquina.
+ Falta de concentración.
+ Más esfuerzo, lo que termina por provocar fatiga.
f) Accidentes: muchos accidentes ocurren porque el ruido oculta sonidos importantes que
alertarían al trabajador.
294 Capítulo VIII: Seguridad e Higiene
En este inciso estudiaremos los contaminantes químicos, los cuales, a su vez, pueden
clasificarse en:
a) Contaminantes gaseosos
* Gases.
* Vapores.
b) Aerosoles
* Polvos.
* Humos.
* Nieblas.
* Rocíos.
Los contaminantes gaseosos son productos químicos que se encuentran en el estado
gaseoso a la temperatura y presión normales. Como se mencionó arriba, éstos pueden ser
gases, como el monóxido de carbono, el amoniaco, los ácidos sulfhídrico, cianhídrico y
fluorhídrico, etc., o vapores, que son los productos volátiles de ciertas sustancias como el
benzol, la acetona, el alcohol, la gasolina, etc..
Los aerosoles son partículas sólidas o líquidas en suspensión en el aire y su
clasificación en polvos, humos, nieblas y rocíos se basa principalmente en el método de
formación de las partículas.
Tanto el "TLV" como el "IPVS" están en tablas y, como ejemplo, podemos mencionar
que para el plomo TLV=0.05 mg/m3 y para el plomo tetraetilo TLV=0.075 mg/m3 e
IPVS=40 mg/m3 •
Es obvio que ninguna empresa podrá operar con niveles de contaminación cercanos
al "IPVS", por lo que para efectos de medición y control sólo se utiliza el "TLV". La
medición y control constarán entonces de la determinación de la concentración de los
contaminantes y de la comparación de éstos con los "TLV" proporcionados por las tablas.
Normalmente, una sola medición del nivel de contaminación no es suficiente, por
lo que se toman varias muestras del aire. Para la realización del muestreo debemos
contestar las siguientes preguntas:
a) ¿Con qué?
Se utilizan bombas de succión especiales con capacidades de succión entre 50 y 250
rnl/min.. Para las partículas sólidas (polvos y humos) se usan filtros que son pesados
antes y después de las tomas de muestras. Los gases y vapores se analizan en
cromatógrafos y los líquidos en suspensión pueden ser absorbidos en sustancias
especiales y analizados posteriormente en el laboratorio.
296 Capítulo VIII: Seguridad e Higiene
b) ¿Dónde?
Las muestras deben tomarse tan cerca como sea posible de los trabajadores más
expuestos. También deben tomarse muestras cerca de la fuente para fines de controlo
determinación del peligro potencial.
e) ¿Qué duración?
Con esta pregunta nos referimos al volumen de aire que se tomará como muestra. Esto
dependerá de:
* Precisión del aparato o del procedimiento.
* Contenido estimado del contaminante.
* "TLV" del contaminante.
* Peligrosidad de la sustancia.
* Precisión deseada.
d) ¿ Cuántas muestras?
No existe un criterio estándar o único para contestar esta pregunta, sin embargo, como se
mencionó anteriormente, nunca debe tomarse una sola muestra. Los métodos estadísticos
pueden ayudar en la determinación del número de muestras a tomar para que la media de
las muestras no contenga un error mayor que "E" con un nivel de confianza (l-a). Para
esto, debemos tomar inicialmente "N" muestras y utilizar el mismo procedimiento
propuesto para el cronometraje (véase el inciso 3.3):
s.
N' =[t ~c]2
E.c
donde: N' = número de muestras que deben tomarse.
ts= parámetro de la distribución "t" de student para (N-1) grados de libertad y
nivel de confianza (l-a).
e = concentración media del contaminante para las "N" muestras.
Sc = desviación estándar de las concentraciones de las "N" muestras.
Solución:
Tenemos: e =0.039 mg/m3
Sc= 0.0014 mg/m3
Si el número de muestras N' hubiera salido mayor que N=6, tendríamos que tomar las
que faltaran y volver a calcular N'. El proceso termina cuando la N' calculada es menor o
igual al número de muestras tomadas.
e) ¿Cuándo?
Las muestras a tomarse deben distribuirse durante toda la jornada de trabajo. Además,
deben hacerse estudios durante el verano y el invierno, ya que la contaminación tiende a
aumentar en el invierno cuando se cierran algunas ventanas y/o puertas.
Para la medición del nivel de contaminación de mezclas pueden utilizarse los siguientes
métodos:
a) Cálculo individual del nivel de contaminación: es decir, se calcula separadamente el
nivel "c" de contaminación de cada componente de la mezcla (en mg/m3 o ppm) y se
compara con el "TLV" correspondiente.
b) Cálculo del efecto combinado: este método es más exigente que el anterior, ya que,
además de comparar el nivel "c" de contaminación de cada componente con el "TLV"
correspondiente, verifica el efecto combinado de la siguiente manera:
__c 1_+ __c 2_+ ... + __
c 0 -::;;1
TLV1 TLV2 TLVo
es decir, si la suma de las relaciones c¡/TLV¡ rebasa la unidad, se considera la mezcla
como peligrosa para la salud, ya que se considera más bien el efecto combinado de los
contaminantes, antes que su efecto por separado.
Solución:
De acuerdo al primer método la mezcla no es peligrosa, ya que ningún "c¡" supera el
"TLV¡" correspondiente. De acuerdo al segundo método, sin embargo, tenemos:
Ahora bien, cuando una mezcla de sustancias-se evapora y se mantiene en el aire con la
misma composición, el "TLV" de la mezcla se calcula así:
1
TLV = f f f
__
1 _ + __
2 _ + ... +_0_
TLV1 TLV2 TLVo
donde "ti" es el porcentaje correspondiente a la concentración de la sustancia "i".
Solución:
De acuerdo a la fórmula, el "TLV" de la mezcla evaporada en el aire será:
1 3
TLV = 0.50 0.30 0.20 = 1,300 mg/m
- -+ - - + - -
1,600 1,900 670
es decir, cuando tengamos 1,300 mg/m3 de la mezcla en el aire, el ambiente será
considerado peligroso para la salud, a pesar de que a este nivel tendríamos los siguientes
niveles de contaminación de cada sustancia:
Heptano: (1 ,300)(0.50) = 650 mg/m3
Metilcloroformo: (1,300)(0.30) = 390 mg/m3
Percloroetileno: (1,300)(0.20) = 260 mg/m3
Como en los casos de calor y ruido, las medidas de control deben tomarse en el siguiente
orden:
a) En la fuente.
JJ
b) En el medio.
JJ
c) En el receptor (el trabajador).
* Sustituir materiales tóxicos por otros (por ejemplo, la sustitución del radio por el tritio
como material fosforescente en las carátulas de relojes e instrumentos).
En el ambiente podemos:
* Mejorar la ventilación (por la extracción de aire en el lugar de origen y ¡i ¡no por simple
ventl'1 aClOn...
" "') .
* Aislar la parte contaminante del proceso (reduciendo el número de trabajadores
expuestos (ejemplo clásico: cabinas de pintura).
* Utilizar procedimientos húmedos (por ejemplo, para el control de los humos de plomo
en las fábricas de baterías, los pisos deben mantenerse siempre húmedos).
* Limpiando constantemente los locales (principalmente para la eliminación de polvos y
humos).
En el trabajador podemos:
* Utilizar mascarillas,
* Utilizar vestimenta apropiada.
* Organización del trabajo (rotación de trabajadores, etc.).
* Etc..
A pesar de que en el transcurso del capítulo hemos mencionado en varias ocasiones los
equipos de protección que puede utilizar el trabajador, consideramos conveniente
proporcionar aquí una lista más completa de éstos. Para más información, el lector deberá
consultar los catálogos de los fabricantes.
a) Protección de los ojos: hay lentes que protegen los ojos de partículas sólidas,
radiaciones y contaminantes químicos en general (gases, vapores, polvos, humos,
nieblas y rocíos).
b) Protección de lalace: hay pantallas que pueden proteger los ojos, cara, orejas y cuello.
c) Protección de la cabeza: hay cascos que protegen tanto de golpes como de altos
voltajes (hasta 15,000 voltios durante un minuto).
d) Protección de dedos, manos y brazos: existen dediles, guantes y manguitos.
e) Protección de pies y piernas: existen botas, guardas y polainas.
f) Protección del oído: existen tapones de hule, plástico, o esponja, orejeras y cascos con
equipo de protección del oído integrado.
g) Protección del sistema respiratorio:
* Respiradores de cartucho químico (para vapores de solventes).
* Máscaras de gas.
* Respiradores con filtro mecánico (para polvos y humos).
* Respiradores autocontenidos (con oxígeno).
* Máscaras con manguera y soplador.
h) Cinturones de seguridad.
300 Capítulo VIII: Seguridad e Higiene
i) Protección del cuerpo: vestimentas completas para todo el cuerpo, como en el caso de
los bomberos.
********
Solución al ejercicio de Seguridad:
(C) Reducir el nivel de ruido de una planta.
(C) Poner alrededor de una máquina peligrosa un piso especial que cuando detecte la
presencia de personas desconecte automáticamente la máquina.
(C) Cambiar paredes y escalones de las escaleras de una universidad.
(A) Explicar a los niños que las medicinas no se tocan.
(A) Poner letreros de no fumar en las gasolineras.
(C) Poner topes en las áreas de circulación de un condominio.
(C) Cambiar los pisos por otros menos resbaladizos.
(P) Usar el cinturón de seguridad al manejar.
(C) Poner un camellón en la carretera libre a Celaya.
(P) Poner una red a los trapecistas de un circo.
(C) Aislar tuberías calientes.
(A) Hacer una campaña por radio y televisión para evitar el exceso de velocidad durante
la semana santa.
(A) Establecer sanciones disciplinarias para los empleados que sufran o provoquen
accidentes.
(C) Poner los objetos cortantes fuera del alcance de los niños.
(P) Obligar a los obreros a usar casco y guantes.
Capítulo VIII: Seguridad e Higiene 301
PROBLEMAS TIPO
8.1 En una determinada empresa existe un puesto con condiciones calóricas muy
extremas que se desea analizar. Para mejorar las condiciones se ha instalado un
ventilador y con éste prendido se han hecho las siguientes mediciones:
* Temperatura de bulbo seco: 93°F.
* Temperatura de bulbo húmedo: 78°F.
* Temperatura de globo: 118°F.
* Velocidad del aire: 150 pies/min..
* Producción metabólica del trabajo (incluyendo el metabolismo basal): 974
BTU/hora.
Determinar:
a) Si existe un problema de sobrecarga calórica en este puesto, especificando los
valores de "c" , "R" , "Ereq"y "Emax·
."
b) El índice de sobrecarga calórica (si existe sobrecarga calórica).
c) El tiempo máximo de exposición (si existe sobrecarga calórica).
Resp.: a) C:;-26 BTU/h; R:;942 BTU/h; E req:;I,890 BTU/h; E máx:;I,OI9 BTU/h; sí existe un problema de sobrecarga
calórica.
b) ISC=185%.
c) TME=O.287 horas:;17 minutos.
8.2 Un lugar de trabajo está expuesto a dos fuentes de ruido, cuyos niveles medidos
separadamente son 80dB y 85dB. Si las dos fuentes están activas al mismo tiempo,
¿cuál sería la suma de los niveles sonoros?
Resp.: 86.2dB.
Resp.: N'=26 muestras; hay que tomar 21 muestras más y volver a calcular N'.
8.5 Un ambiente está contaminado por una mezcla de 3 sustancias cuyos "TLV" son
1,000 ppm, 300 ppm y 400 ppm, respectivamente. Si las mediciones individuales de
los contaminantes son 300 ppm, 200 ppm y 150 ppm, respectivamente, ¿es esta
mezcla peligrosa?
a) Considerando los contaminantes por separado.
b) Considerando el efecto combinado de los contaminantes.
Resp.: a) No, ya que c¡<rLVi.
b) Sí, ya que Lcl rLV¡=1.34> 1.
Capítulo IX: Justo-a-Tiempo 303
CAPÍTULO CAPÍTULO
mSTO-A-TIEMPO
SÍNTESIS
9.1 INTRODUCCIÓN
Identificar el "order winner" no es una tarea fácil. En ocasiones puede haber más de
uno, sin embargo es sospechoso que identifiquemos más de dos, ya que esto puede
indicar que no estamos siendo capaces de identificar el "order winner". Además, el
"order winner", como mencionamos arriba, puede cambiar con el tiempo. Por ejemplo,
durante cierto tiempo el revelado de rollos fotográficos en una hora fue el "order winner".
Hoy en día prácticamente todas las tiendas lo ofrecen, por lo que éste ya se transformó en
"qualifier".
La empresa que identifica el "order winner" antes de sus competidores tiene una
ventaja competitiva impresionante, siempre y cuando pueda ofrecer más de él. ¿No será
por la perfecta identificación del "order winner" que las empresas japonesas conquistaron
casi el 100% de los mercados de cámaras fotográficas y grabadoras de cassette?
Ahora bien, para lograr los factores de competitividad (qualifiers y order winner),
las empresas disponen básicamente de tres tipos de tecnología:
* Tecnología dura.
* Tecnología semi-dura.
* Tecnología blanda.
La tecnología dura consiste en el proceso mismo, las máquinas, las herramientas, los
elementos que realizan las transformaciones físicas o químicas del producto. Por lo tanto,
un cambio de tecnología dura implica el cambio del proceso mismo, como por ejemplo el
cambio del tren de molinos de un ingenio azucarero por difusores, o el cambio de la
tecnología del disco de acetato por la tecnología del disco compacto.
La tecnología semi-dura incluye todos aquellos ajustes a la tecnología dura para
lograr mayores niveles de aprovechamiento de la misma, como por ejemplo "jugar" con
las variables de velocidad, temperatura, tiempo, cantidad y tipo de aditivos para obtener
una mayor cantidad de azúcar por tonelada de caña molida; o cambiar la rotación, tipo de
aguja y movimiento del brazo del sistema de reproducción del disco de acetato para la
obtención de más música y mejor calidad; o instalar una resbaladilla con el objeto de
eliminar algunos movimientos del obrero.
La tecnología blanda abarca todos las técnicas de la Administración que se usan
principalmente para el incremento de la calidad y/o productividad, como por ejemplo, el
estudio del trabajo, los modelos de inventarios, el control estadístico de calidad, las
técnicas de distribución de planta, la programación y control de la producción, etc..
Los japoneses criticaron mucho a los gerentes de los países occidentales por buscar
siempre el incremento de productividad y/o calidad a través del cambio de tecnología
dura y de olvidar total o parcialmente la gran potencialidad de las tecnologías semi-dura y
blanda. Los sistemas de calidad total, que tanto han revolucionado las empresas a nivel
mundial, ¡son casi en su totalidad tecnología blanda! El sistema llT, que ha conducido a
incrementos de productividad y reducciones de inventarios difíciles de creer, ¡es casi en
su totalidad tecnología semi-dura y blanda! Probablemente, durante los últimos 30 años
los japoneses han sido los líderes mundiales de tecnología semi-dura y blanda.
Los cambios de tecnología dura normalmente están relacionados con cambios de
gran magnitud, mientras que los cambios de tecnología semi-dura y blanda ¡están
relacionados con la mejora continua!
306 Capítulo IX: Justo-a-Tiempo
Una de las estrategias del sistema llT es la reducción implacable de todo tipo de
desperdicio, entendiéndose este último como "toda actividad que no agrega valor al
producto/servicio o que agrega un valor no deseado por el cliente".
Para ilustrar el problema del desperdicio, consideremos una planta manufacturera
cualquiera y sea "c" el ciclo total de fabricación de uno de sus productos, desde que la
materia prima entra al almacén hasta que se entrega el producto terminado al cliente
(véase la Figura 9.1).
<
,
.
ck~
>, .
90%?
inventarios + esperas + transportes + inspecciones
1O%?
tiempo de
I
proceso
¿Será el tiempo real de proceso (transformación propiamente dicha del material) acaso un
10% del ciclo total? El resto del tiempo, dedicado al almacenamiento, distintos tipos de
esperas, transportes e inspecciones, ¿no será un 90%? Es obvio que estos porcentajes
varían muchísimo de una empresa a otra, ¿pero no habrá muchas con un tiempo de
proceso mucho menor que 10% del ciclo total de fabricación? Las condiciones de la
industria del servicio no son muy diferentes. Por ejemplo, el trámite de una credencial de
elector en México tarda aproximadamente 3 meses. De este tiempo, ¿durante qué
porcentaje alguien realmente está haciendo algo a la credencial? En 1999 choqué y la
reparación de mi carro tardó 90 días. ¿Durante cuánto tiempo alguien realmente estuvo
haciendo algo a mi carro? Volveremos a los servicios en el inciso 9.13.
Según la filosofía del sistema llT todo lo que no agrega valor al producto o servicio
es desperdicio y por lo tanto así debemos clasificar los inventarios, cualquier tipo de
espera, los transportes y cualquier tipo de inspección, sea ésta de calidad o de cantidad.
Otros textos proponen una clasificación más detallada de los desperdicios. Para nosotros,
la clasificación en inventarios, esperas, transportes e inspecciones será suficiente.
Siguiendo su filosofía, el sistema llT reduce los inventarios a su mínima expresión
a través de la reducción de los tiempos de preparación (set-up) de los equipos, entre otras
cosas; reduce las esperas y los costos de programación y control de la producción a través
Capítulo IX: Justo-a-Tiempo 307
del sistema "kanban"; reduce los transportes a través de la celda de manufactura; y reduce
las inspecciones (o por lo menos su costo) a través del aseguramiento de la calidad. Cada
uno de estos aspectos será discutido en un inciso aparte.
Para que el proyecto de reducción de desperdicios realmente tenga éxito es
indispensable la participación de todos los niveles jerárquicos. La Figura 9.2 a
continuación muestra que los niveles directivos deben dedicar un porcentaje mayor de su
tiempo al mejoramiento del sistema (reducción de desperdicios), pero que todos deben
dedicar algún tiempo a esta tarea. También es importante recordar que, en la mayoría de
los casos, es el sistema y no las personas el que genera los desperdicios.
DIRECTORES MEJORAR
GERENTES
I ~
~ I
SUPERVISORES ~
OPERADORES ~ MANTENER
100%
RESULTADO % MEDIO
Reducción de inventario 66%
Reducción de espacio 47%
Reducción del ciclo de fabricación 72%
Reducción de producción defectuosa 61%
308 Capítulo IX: Justo-a-Tiempo
\.-----."V~---'~
LOTE
Qo
Capítulo IX: Justo-a-Tiempo 309
Siguiendo la filosofía del llT, atacar sólo una parte de estos elementos no es suficiente.
La minimización de los costos de preparación requiere la reducción (o eliminación) de
todos los elementos. En las aplicaciones más exitosas del llT esto se ha logrado de la
siguiente manera:
* Los incisos "a", "b", "c" y "f' se reducen a su mínima expresión a través del sistema
"kanban" que será estudiado más adelante.
* Los incisos "d" y "e" se reducen a través de la reducción del tiempo de preparación, lo
que se detallará a continuación.
* El inciso "g" se reduce a través de los programas de aseguramiento de calidad.
* Finalmente, los incisos "h" e "i" desaparecen cuando se eliminan los almacenes de
productos terminados, lo que, por increíble que parezca, sí ocurre en los casos más
exitosos de aplicación del lIT.
Pasemos ahora a profundizar en uno de los aspectos más importantes de la reducción del
costo de preparación de productos terminados: la reducción del tiempo de preparación.
En la industria es común observar variaciones desde minutos hasta turnos completos. Es
obvio que con un tiempo de preparación de varias horas no es económica la reducción de
los lotes. La simple reducción del tiempo de preparación conduce a los siguientes
resultados inmediatos:
* Reduce económicamente el tamaño de los lotes (Qo).
* Reduce el costo total de la política de inventarios (CTA).
* Reduce el nivel del inventario.
* Reduce el espacio físico requerido para producción.
* Aumenta la capacidad productiva.
* Reduce los tiempos de entrega.
* Permite responder más rápidamente a las fluctuaciones de la demanda.
* Aumenta la flexibilidad de la planta.
* Mejora el servicio al cliente.
A pesar de que la creatividad y el análisis meticuloso son lo más importante para la
reducción del tiempo de preparación, la Toyota hace recomendaciones y propone una
310 Capítulo IX: Justo-a-Tiempo
metodología. El lector observará que tanto las recomendaciones como la metodología son
muy generales.
Recomendaciones:
a) Separar el tiempo de preparación interno del externo:
* Tiempo interno: "Contiene las actividades que exigen que la máquina esté parada".
* Tiempo externo: "Contiene actividades que pueden ser realizadas con la máquina
funcionando".
b) Realizar las actividades externas realmente con la máquina funcionando.
c) Reducir, en lo posible, el tiempo interno cambiándolo a externo.
d) Reducir el tiempo interno por medio de:
* Topes, guías, equipos de manejo, etc..
* Sujetadores rápidos tipo palancas, levas, cunas, etc..
* Herramientas rápidas (neumáticas, eléctricas, etc.).
Metodología:
a) Explicar a los niveles superiores, al sindicato y a los trabajadores la importancia y
finalidad del proyecto.
b) Filmar el método actual (¡con el operario más diestro!).
c) Analizar en grupo la operación filmada.
d) Proponer un método mejor.
e) Practicar e implantar el nuevo método.
f) Filmar el nuevo método.
g) Analizar la filmación para evaluar resultados e identificar nuevas oportunidades.
h) Estandarizar el nuevo método.
Por otro lado, para que el proveedor pueda entregar cantidades pequeñas con mucha
frecuencia, debemos reducir los costos de preparación de los pedidos. Como quedó
definido en el Capítulo IV de Control de inventarios, éstos incluyen:
a) Decisión de qué cantidad comprar.
b) Análisis de cotizaciones.
c) Elaboración del pedido.
d) Autorización del pedido.
e) Seguimiento del pedido.
±) Transporte.
g) Trámites aduanales.
h) Inspección de recepción.
i) Actualización de registros (en el almacén de la empresa).
k) Etc..
Por la etapa "f' éste ha sido nombrado sistema productivo de empujar, contrastando con
el del liT que ha sido nombrado sistema productivo de jalar. El procedimiento del
sistema de ''jalar'' es el siguiente:
a) De una cadena empresa - proveedor - proveedor del proveedor - etc. sólo se programa
el último proceso de la empresa. Es muy importante que se adopte la política de
producción mezclada, es decir, que la empresa se comprometa a fabricar pequeñas
cantidades de cada producto cambiando de un producto a otro con frecuencia. La
producción mezclada conduce a un consumo más o menos uniforme de todas las
partes utilizadas por los distintos productos.
b) Se establecen los inventarios entre dos procesos consecutivos (número de piezas,
contenedores, etc.).
c) Los procesos proveedores sólo producen si el proceso siguiente lo requiere; si el
proceso siguiente no requiere material o partes, ¡el proceso anterior tiene que parar!
d) Se compra, fabrica y entrega en lotes pequeños.
e) Se utiliza el "kanban" como orden de producción y orden de transportación (de una
etapa del proceso a la siguiente). El sistema kanban se describe en la Figura 9.4
(adaptada de [26]).
En la Figura 9.4 se representan dos etapas consecutivas del proceso productivo de una
empresa dada. Los círculos representan contenedores de unidades fisicas del producto o
pieza, siendo procesadas en las etapas productivas o esperando procesamiento entre
dichas etapas (hay 10 contenedores en total). Los contenedores esperando procesamiento
se dividen en dos partes: el inventario en proceso al fmal de la primera etapa (2) y el
inventario antes de la etapa posterior (1). Como veremos más adelante, estos dos
inventarios pueden fundirse en uno solo, sin embargo, en este ejemplo, sigamos
analizando la situación tal y como está descrita en la Figura 9.4.
Buzón de kanbans de
/ producción Kanban de
l ~-----¿ prod=km
Kanbans de transportación
> c=J y contenedores
~
I (4) 001 00
l o O O I (2) IO O O I (1)
O O O 000
~ ","b~
Proceso anterior Proceso posterior
El obrero de la etapa posterior toma un contenedor de productos del inventario (1) que
está a su lado y los empieza a procesar. Para eso, retiró del contenedor el kanban de
transportación y lo puso en el buzón (3). El kanban no es nada más que una simple
tarjeta plastificada que indica las características principales del producto o pieza y la
cantidad de cada contenedor. Además, el kanban de transportación indica la etapa
anterior (origen) y la etapa posterior (destino).
El simple hecho de que exista un kanban de transportación en el buzón (3), autoriza
a que las personas encargadas del manejo de materiales (surtidores) vayan a la etapa
anterior, retiren un contenedor del inventario (2), pongan el kanban de transportación
adentro y lo transporten al inventario (1) de la etapa posterior. Esta simple operación
garantiza que cualquier contenedor procesado en la etapa posterior será
automáticamente repuesto por otro idéntico traído de la etapa anterior, sin que nadie
tenga que tomar ninguna decisión al respecto. Las decisiones importantes ya se tomaron
antes y una sola vez: cuántos contenedores tendremos en cada uno de los inventarios (1)
y (2) Yde qué tamaño será cada contenedor.
Cuando los surtidores retiran un contenedor de la etapa anterior (inventario (2)),
separan de éste el kanban de producción de la etapa anterior y lo ponen en el buzón (4)
(el kanban de producción contiene las características del producto o pieza y la
información necesaria para identificar a qué proceso corresponde). El simple hecho de
que exista un kanban de producción en el buzón (4) autoriza al obrero de la etapa anterior
a reponer el contenedor retirado del inventario (2), ¡una vez más sin que nadie tenga que
"programar" esta fabricación!
Puede verse claramente que con estos procedimientos sencillos el mismo sistema
de producción se reabastece solo y, para que se desencadene la producción en todas las
etapas del proceso, es suficiente que el cliente de la empresa retire un contenedor de
productos o piezas al final de la última etapa del proceso. Si no hay demanda en la última
etapa del proceso, entonces se para toda la cadena y no hay producción (por lo menos de
ese producto). Por esta razón se dice que el sistema jala, mientras que el tradicional
empuja.
El arreglo de la Figura 9.4 es ideal cuando las etapas anterior y posterior están
alejadas físicamente. Cuándo éstas están cerca los dos inventarios pueden unirse en uno
solo y desaparece el kanban de producción. El mismo kanban de transportación cumple
con las dos funciones.
Obsérvese que nada impide que la etapa anterior sea la última del proveedor y la
etapa posterior la primera del cliente. De esta manera la empresa se enlaza al proveedor a
través del sistema kanban.
Resumiendo, los principales beneficios del sistema kanban son los siguientes:
* No permite jamás la acumulación de inventario en proceso más allá del calculado.
* Elimina la necesidad de las actividades de programación y control, éstas se realizan
automáticamente.
* Elimina casi en su totalidad el papeleo (los kanbans se hacen una sola vez y duran
mucho si son debidamente plastificados).
* Se fabrica únicamente lo que el cliente (etapa posterior) demanda Gala).
* Permite enlazar el cliente al proceso de producción del proveedor. Esto normalmente
elimina la necesidad del almacén de productos terminados del proveedor y del almacén
de partes del cliente.
314 Capítulo IX: Justo-a-Tiempo
Por último, veamos cómo podemos determinar la cantidad de contenedores (kanbans) que
tenemos que mantener entre dos etapas productivas consecutivas. De hecho la fórmula es
bastante sencilla y responde al sentido común:
N= D.T+W
X
donde: X = cantidad de unidades de cada contenedor (la Toyota sugiere que sea menor
que 10% de la demanda diaria).
N = número de kanbans = número de contenedores.
D = demanda media esperada (piezas/tiempo).
T = tiempo de respuesta del proceso anterior para fabricar un contenedor.
W = factor de seguridad (la Toyota sugiere que sea menor que 10% de D.T.)
Solución:
La demanda diaria es (150 unid./hora)(S horas)=1,200 unid.. El tamaño del contenedor
debe ser (0.10)(1,200)=120 unid.. El número de kanbans (contenedores) será:
[(150)(4)](1.10)
N= = 5.5 == 6 kanbans (contenedores)
120
Capítulo IX: Justo-a-Tiempo 315
Pieza
MáQuina 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tü x x x x x x x x x x x x x x x
FH x x x x x x x x x x x x
FV x x x x x x x x x x
TA x x x x x x x x x x x x x x x
ES x x x x x x x x x x
TO-Tomo; FH-Fresadora honzontal; FV=Fresadora vertical; TA-Taladro; ES-Esmenl.
Pieza
Máquina 1 2 5 7 9 11 14 20 4 8 12 15 17 18 19 3 6 10 13 16
Tü x x x x x x x x
FH x x x x x x x x
TA x x x x x x
ES x x x x x
Tü x x x x x x x
FV x x x x x x x
TA x x x x x
ES x x x x
FH x x x x
FV x x x
TA x x x x x
ES x x x
Supongamos que una determinada celda requiere los siguientes elementos: un depósito de
materia prima (MP), una cortadora (C), un tomo (T), una fresadora horizontal (FR), una
fresadora vertical (FV), un esmeril (E), una mesa de control de calidad (Q) y un depósito
de producto terminado (PT). Estos elementos pueden ser distribuidos de las siguientes
formas (véase la Figura 9.6):
a) En línea.
b) En líneas paralelas.
c) En forma de jaula.
d) En forma de "U".
La distribución en línea (Figura 9.6(a)) es adecuada cuando cada máquina es operada por
un obrero diferente, pero no ofrece mucha flexibilidad y provoca recorridos innecesarios
cuando un obrero opera 2 ó más máquinas. La distribución en líneas paralelas (Figura
9.6(c)) es superior en cuanto a flexibilidad y recorridos, pero conduce a una pequeña
pérdida de espacio por las 2 aperturas. La distribución en líneas paralelas es ideal cuando
existe la intención de unir celdas. Queremos pedir al lector que imagine una celda
idéntica alIado de la celda de la Figura 9.6(c) y que un obrero haga todo el recorrido
operando todas las máquinas de ambas celdas. Esta estrategia no es nada común en la
industria pero sí la observamos en algunos proveedores de la Toyota.
La distribución en forma"de jaula (Figura 9.6(b)) aprovecha al máximo el espacio
pero no permite una rápida evacuación en casos de siniestros. La distribución en nu"
(Figura 9.6(d)) probablemente ofrece la mayor cantidad de ventajas, a pesar de que sólo
puede unirse a otra celda por uno de los lados y ofrece una sola salida en casos de
emergencia. Defmitivamente es la distribución más ampliamente adoptada a nivel
internacional.
318 Capítulo IX: Justo-a-Tiempo
(a) Línea
EJ~I T ~~~~~6
(b) Jaula
~ Gb FV
EJ~I T ~~
6~ 8=J~
(d) En forma de "U"
Capítulo IX: Justo-a-Tiempo 319
Si concentramos nuestra atención en la celda en "U" (Figura 9.7) y suponemos que los
obreros están en capacidad de operar cualesquiera de las máquinas y el control de
calidad, ésta puede ser operada por cualquier número de obreros de 1 a 6. La Figura
9.7(a) muestra la celda siendo operada por un obrero. La Figura 9.7(b) muestra la celda
siendo operada por dos obreros al estilo del paradigma que sobrevivió durante muchas
décadas, es decir, el obrero 1 opera los elementos 1 y 2 Yel obrero 2 opera los elementos
3, 4, 5 Y 6. La Toyota rompió con este paradigma y empezó a asignar las máquinas en
cualquier orden siempre y cuando se evitaran los cruces. La Figura 9.7(c) muestra una
asignación con el obrero 1 operando los elementos 1 y 6 Y el obrero 2 operando los
elementos 2, 3, 4 Y 5. ¡Obsérvese la flexibilidad de asignación que la forma en "U" nos
permite!
Lo más frecuente es que la celda de manufactura funcione como una unidad, por lo
que hay un kanban único para ella. Es decir, si hay kanban de producción éste será único
para toda la celda, y los kanbans de transportación enlazan la celda completa con las
etapas anteriores y posteriores.
Para sacar el mayor provecho posible de las celdas de manufactura es indispensable
considerar lo siguiente:
a) La mano de obra debe ser flexible y capaz de operar todas las máquinas de la celda. En
aplicaciones más avanzadas la mano de obra debe ser capaz de operar máquinas de
otras celdas.
b) Las máquinas deben tener cierto nivel de automatización para que sigan operando
mientras el obrero atiende otras máquinas (véase también el inciso a continuación).
c) Además de la producción, los obreros de la celda deben ser responsables por la
calidad, el orden y la limpieza, la preparación de las máquinas (set-up) y las tareas
sencillas de mantenimiento.
d) Los obreros deben ser invitados a participar en el mejoramiento continuo de su celda,
concentrando la atención en los aspectos de calidad, productividad (reducción de
desperdicios), tiempo de preparación, seguridad e higiene.
e) De preferencia, los incentivos monetarios deben ser grupales y no individuales.
f) De ser posible, el producto debería terminarse totalmente en la celda, para que los
obreros vean claramente el fruto de su trabajo
LS - 515
~ LS-41
~
LJ ~'----- DR-1731 1---
1--
PT
~ B LS - 743 MI - 348
I BO-l 24
I
LS - 109
LS - 41 LS-515 eLL'---------'
l MI -348
~ B LS -743
PT
Bü - 124 I
I
' - - - -
LS - 109
322 Capítulo IX: Justo-a-Tiempo
9.6 AUTOMATIZACIÓN
Como se mencionó en el inciso anterior, las máquinas de una celda de manufactura deben
tener algún nivel de automatización. Los niveles de automatización posibles son:
NIVEL O: La máquina es cargada, operada y descargada por el obrero o requiere atención
continua de éste.
NIVEL 1: La máquina es cargada y descargada manualmente por el obrero pero funciona
automáticamente mientras él realiza otras actividades.
NIVEL 2: El trabajador sólo realiza las actividades de colocar y retirar la pieza y oprimir
el botón de arranque; el funcionamiento y el regreso a la posición original de la
máquina son automáticos.
NIVEL 3: El trabajador sólo realiza las actividades de colocar la pieza y oprimir el botón
de arranque. El funcionamiento de la máquina y la expulsión de la pieza son
automáticos.
Capítulo IX: Justo-a-Tiempo 323
9.8 CALIDAD
Seremos muy sintéticos en este inciso debido a que los programas de Calidad Total son
muy conocidos y muy amplios. Las filosofías de JIT y de Calidad Total nacieron más o
menos al mismo tiempo y algunos autores consideran JIT como una parte de Calidad
Total y otros consideran Calidad Total como una parte importante del JIT. No vamos a
dedicar tiempo y espacio a esta discusión y simplemente afirmaremos que hay muchos
aspectos de Calidad Total que son indispensables para el éxito del JIT.
A continuación contrastamos el enfoque tradicional con el enfoque moderno de
Calidad Total y JIT:
Enfoque tradicional:
* Responsabilidad por la calidad: Depto. de Control de Calidad (CC).
* Especialización en CC: sólo el personal del Depto. de Ce.
* Enfoque: cumplir normas (internas, nacionales o internacionales).
* Funciones principales del Depto. de CC:
+ No dejar entrar lotes malos a la planta.
+ No dejar llegar productos defectuosos al cliente.
* Enfoque: aumentar inspecciones para reducir costos por entradas y/o salidas de mala
calidad.
* Utilización de quejas de los clientes.
* Determinación de nivel "aceptables" de productos defectuosos.
* Determinación de niveles "reales" de productos defectuosos para fines de comparación
con los niveles "aceptables" y evaluación.
Enfoque moderno:
* Todos son responsables de la calidad, principalmente:
+ Personal de compras.
+ Personal de producción.
+ Personal de CC.
+ Personal de comercialización.
Capítulo IX: Justo-a-Tiempo 325
+ Personal de ingeniería.
+ Personal de mantenimiento.
* Capacitación a todos los niveles en técnicas y procedimientos de CC.
* Enfoque: cumplir estrictamente y continuamente con los requerimientos del cliente.
* Descentralización de las funciones llevadas a cabo por el Depto. de CC.
* Enfoque: ¡producir calidad, no inspeccionarla! (La inspección ideal es aquélla que no
existe.)
* Calidad en la fuente: la calidad de una pieza o producto se evalúa en el lugar mismo de
su producción.
* Niveles de excelencia = cero defectos.
* Cálculo de costos del incumplimiento para fines de evaluación:
+ Costos de inspección.
+ Costos de fallas internas (cuando el defecto se detecta todavía en la planta).
+ Costos de fallas externas (cuando el cliente ya tiene el producto)
* Enfoque preventivo: aumentar costos de prevención para reducir inspecciones y fallas.
* Todos son proveedores y clientes de alguien (el proceso proveedor debe satisfacer los
requerimientos del proceso cliente).
* Desarrollo del proveedor si el cliente tiene un nivel superior de desarrollo en calidad;
desarrollo del cliente si el proveedor tiene un nivel superior. "Desarrollo" implica
capacitación e intercambio de información, experiencia y tecnología.
* Círculos de calidad: grupos de trabajo que se dedican a la mejora continua.
* El ser humano es bueno por naturaleza y no necesariamente debe ser controlado [20].
El ejemplo a continuación ilustra el enfoque de prevención para anticiparse a los
productos defectuosos [26]:
"Cero defectos" parece un sueño imposible para muchas empresas. Realmente es una
tarea dificil pero no un sueño imposible. Recientemente, tanto una empresa de autopartes
del Grupo Condumex, como la empresa TRW, ambas con gerentes y empleados
mexicanos, han recibido reconocimientos y premios internacionales por cero defectos por
millón y cero accidentes de trabajo por año, respectivamente.
9.9 MANTENIMIENTO
Cuando un sistema productivo opera con niveles muy bajos de inventarios se vuelve muy
sensible a paros inesperados de la maquinaria. Por lo tanto, los programas de
mantenimiento preventivo, mantenimiento predictivo y mantenimiento productivo total
326 Capítulo IX: Justo-a-Tiempo
(TPM) han sido, son y serán muy importantes para la exitosa implantación del JIT. Ya
dedicamos un capítulo entero a este tema, por lo que no volveremos a abordarlo.
Los méritos técnicos del sistema JIT son conocidos e incuestionables. Sin embargo,
¿cómo se siente la gente en un ambiente JIT? ¿Cuál es su nivel de satisfacción? ¿Es
importante que la gente esté satisfecha? En el presente inciso intentaremos contestar estas
preguntas.
Empecemos con la última: ¿es importante que la gente esté satisfecha?
Contestaremos esta pregunta con una lista de acciones que las personas insatisfechas
pueden llevar a cabo en contra de su empresa. La lista es tan impactante que esperamos
convencer al lector de la importancia de la satisfacción laboral sin la necesidad de
cualquier otro argumento:
* Evito la responsabilidad en el trabajo.
* Hago otras cosas más interesantes en el trabajo.
* Pido transferencias.
* Me reporto enfermo aún cuando no lo estoy.
* Bebo o tomo drogas en el trabajo.
* No cumplo con fechas de entrega a propóBito.
* Me niego a hacer cualquier trabajo extra.
* Me enfurezco con otras personas en el trabajo.
* Demando a la empresa en la justicia.
* Hablo mal de la empresa delante de los clientes.
* Hago o promuevo huelgas.
* Me llevo cosas de la empresa.
* Hago mal mi trabajo a propósito.
* Evito el contacto con mis compañeros.
* No comparto información.
* Me accidento a propósito.
Una vez demostrada la importancia de la satisfacción laboral, veamos ahora como el
sistema JIT puede afectarla. Los principales aspectos que analizaremos a continuación
son:
* Cambio de mentalidad.
* Motivación.
* Participación, sentido de propiedad y compromiso.
* Trabajo en grupo y círculos de calidad.
* Retroalimentación, ingresos y oportunidades de promoción.
* Capacitación, enriquecimiento del trabajo, ampliación del trabajo y rotación en el
trabajo.
* Seguridad, higiene, orden, limpieza y señales visuales.
* Satisfacción en el trabajo.
Capítulo IX: Justo-a-Tiempo 327
Para una implantación exitosa del sistema TIT se requiere un cambio radical de
mentalidad. Este cambio implica, entre otras cosas, lo siguiente: a) alcanzar la excelencia;
b) retener únicamente las actividades que agregan valor al producto; c) mejoramiento
continuo; y d) considerar al ser humano como el recurso más valioso de la organización.
En lo que se refiere al primer aspecto, es decir, alcanzar la excelencia, debe
señalarse que el TIT requiere programas extremadamente estrictos de calidad total que
conduzcan a la eliminación total de productos defectuosos y, al mismo tiempo, a la
satisfacción total del consumidor. Es muy fácil entender que un sistema de manufactura
que funciona prácticamente sin inventarios no pueda tolerar la producción de lotes
defectuosos.
Muchas actividades agregan costos a los productos pero no agregan valor, de las
cuales queremos repetir aquí las siguientes: inspeccionar calidad o cantidad, transportar,
inventariar, esperar, buscar, etc.. El TIT, como segundo cambio importante de mentalidad,
exige la eliminación o reducción significativa de todas estas actividades que no agregan
valor.
Tanto la excelencia en cuanto a calidad como la eliminación/reducción de las
actividades que no agregan valor, no se logran de la noche a la mañana, sino que
requieren una lucha lenta y constante. El mejoramiento continuo es, pues, una parte
fundamental del TIT. Consideramos que todos estos cambios de mentalidad impactan
positivamente en la satisfacción de las personas, ya que éstas se sienten más eficientes,
útiles, orgullosas y valoradas.
9.10.2 Motivación
Es decir, las personas debidamente motivadas participan más intensamente en todas las
actividades de la empresa, incluyendo, claro está, las de mejoramiento continuo; esta
misma participación conduce a un sentido de propiedad del empleado hacia los métodos
y objetos de trabajo, y fmalmente, esto último conduce a un mayor compromiso. Ahora
bien, ¿cómo podemos motivar a las personas para que se inicie todo este proceso?
Es muy útil estudiar el tema de motivación a través del análisis de todos aquellos
obstáculos que tienden a impedir la motivación. Entre éstos podemos mencionar los
siguientes:
a) No se les da a los empleados y obreros la verdadera oportunidad de participación y, en
muchos casos, sus sugerencias no son realmente tomadas en consideración e
implantadas, aún siendo muy buenas. Nos atreveríamos a decir que no hay nada más
motivador para una persona que ver una sugerencia suya implantada y rindiendo frutos.
Aquí, de hecho, estamos hablando de un círculo "virtuoso", ya que la motivación
conduce a participación; dicha participación conduce a propuestas de mejoramiento
328 Capítulo IX: Justo-a-Tiempo
Si los ejecutivos y supervisores logran superar todos estos obstáculos habrán recorrido la
mayor parte del camino hacia la motivación de los empleados y obreros de la
organización. Curiosamente, las organizaciones que adoptan el TIT han estado luchando
contra estos obstáculos y, por lo tanto, no es nada extraño que hayan logrado niveles
motivacionales muy elevados.
La participación es uno de los principales elementos del TIT. Esto se justifica por el hecho
de que los empleados y obreros, por estar continuamente en contacto directo con las
actividades operacionales de la organización, se consideran las personas más idóneas para
sugerir mejoras al sistema. Sin embargo, los programas de sugerencias no son fáciles de
manejar, porque si los obreros y empleados están realmente motivados, la cantidad de
sugerencias podrá ser sumamente elevada; y no hay nada "mejor" para destruir toda la
motivación lograda que la incapacidad directiva para analizar, seleccionar e implantar las
mejores sugerencias. Se ha reportado en la literatura sobre TIT que el grupo Toyota recibe
más de 2 millones de sugerencias al año y que un 95% se implanta.
Como dijimos anteriormente, la participación desarrolla en las personas un sentido
de propiedad y éstas empiezan a hablar de "mi celda de manufactura", "el método de
trabajo que yo desarrollé", "la reducción de inventarios que yo logré", etc.. Este sentido
Capítulo IX: Justo-a-Tiempo 329
de propiedad, claro está, vuelve a generar más participación y, al mismo tiempo, conduce
a mayores niveles de compromiso.
El compromiso también es un elemento básico en cualquier organización, pero es
muy difícil lograrlo verdaderamente sin participación y sentido de propiedad. Una
persona comprometida actúa a nombre de la organización y toma decisiones que están
dirigidas a lograr los objetivos generales y específicos de la organización.
En general, debido a la motivación, hay mucha participación de las personas en las
organizaciones que adoptan el llT. Como consecuencia, se da el sentido de propiedad y el
compromiso. Debido a los niveles extremadamente bajos de inventarios y a la
descentralización de la responsabilidad por la calidad, la ausencia de un compromiso real
de todas las personas involucradas haría del llT un sistema de producción altamente
vulnerable.
La integración de grupos de trabajo siempre fue una parte importante del llT, y éstos
adoptaron, por lo menos inicialmente, el nombre de "círculos de calidad". El nombre no
es el más adecuado, ya que los círculos de calidad son grupos de obreros/empleados que
se reúnen periódicamente para discutir cualquier aspecto relacionado con su trabajo y/o
con el desempeño general y específico de la empresa. Son temas típicos de los círculos de
calidad los siguientes: a) reducción de cualquier tipo de desperdicio (inventarios, esperas,
330 Capítulo IX: Justo-a-Tiempo
Por otro lado, las principales funciones del facilitador o líder deben ser las siguientes: a)
ser también un miembro; b) alentar la participación de los demás miembros; c) saber
escuchar; d) dirigir los esfuerzos de los miembros hacia los objetivos del grupo y de la
empresa; e) formular preguntas que hagan reflexionar a los demás miembros; y f) ayudar
a conseguir toda la información que sea necesaria para que el grupo pueda desempeñarse
efectivamente.
Tomando como ejemplo el sistema llT, el punto "c" arriba debería de abarcar los
siguientes aspectos:
* Calidad en vez de cantidad. * Entregas a tiempo.
* Niveles de los inventarios. * Tiempo de paro de las máquinas.
* Ciclo de fabricación. * Accidentes.
* Tiempo de preparación (set-up). * Reducción de espacio.
* Número de sugerencias. * Rotación, ausentismo y retrasos.
Las empresas que usan el llT, en general, cuidan mucho los aspectos de
retroalimentación. Inclusive, la retroalimentación del llT hasta podría incluir algún tipo
de información fmanciera. Debe destacarse que, en cuanto a producción y calidad, la
retroalimentación del llT es extremadamente rápida debido a los pequeños lotes de
producción y al rápido flujo de materiales de una etapa del proceso productivo a la
siguiente.
Obviamente, los ingresos son una importante parte del sistema global de
retroalimentación y, también éstos, deben ser perfectamente compatibles con los
objetivos generales de la empresa. Regresando al ejemplo del llT, los ingresos deberán
estar relacionados con los aspectos arriba mencionados y además con:
* Capacitación en distintas operaciones productivas (flexibilidad de la mano de obra).
* Participación en el trabajo en grupo.
* Antigüedad.
Es importante resaltar que en gran medida el comportamiento de los obreros y empleados
de una empresa está controlado por los sistemas de retroalimentación (incluyendo
cualquier tipo de ingreso), es decir, la gente hace lo que se premia y evita lo que se
castiga. Intentar implantar un sistema llT sin cambiar el sistema de retroalimentación es,
defmitivamente, una utopía.
En lo que se refiere a promociones, se ha propuesto que la participación en los
grupos de trabajo es una poderosa herramienta de desarrollo personal y que, por lo tanto,
los miembros de dichos grupos tienen una mayor probabilidad de ser promovidos. Los
círculos de calidad del JIT cumplen una triple función: generan buenas sugerencias,
capacitan a sus miembros y abren nuevas posibilidades de promoción.
Ahora bien, supongamos que los ejecutivos y supervisores de una empresa dada han
logrado el cambio de mentalidad indispensable para la implantación exitosa del nT; que
los trabajadores se sienten debidamente motivados para participar en el mejoramiento del
sistema; que se ha desarrollado en los trabajadores el sentido de propiedad; que los
trabajadores se sienten comprometidos; que los trabajadores frecuentemente trabajan en
círculos de calidad y que lo disfrutan; que la retroalimentación adecuada es dada a cada
trabajador "justo a tiempo"; que los incentivos monetarios y no monetarios están
directamente relacionados con los logros del nT; que los trabajadores han tenido la
oportunidad de capacitarse en distintas operaciones del proceso productivo; que ellos
sienten que su trabajo es importante y que ha sido enriquecido; que las condiciones de
trabajo son seguras, sanas, limpias y ordenadas; y que, finalmente, la rentabilidad y el
prestigio de la organización han mejorado significativamente. ¿Cómo se sentirían estos
trabaj adores?
La respuesta lógica es: ¡ALTAMENTE SATISFECHOS! Sin embargo, por
increíble que parezca, hay mucha controversia respecto a esta "alta satisfacción". Hay,
inclusive, algunos investigadores que reportan "aumento de estrés", "pérdida de libertad
y autonomía" e "insatisfacción" en empresas que han adoptado el nT. A pesar de estas
controversias, yo personalmente sigo creyendo que el sistema nT tiene el potencial para
mejorar la satisfacción de los empleados, por lo que en 1993, como tesis doctoral, realicé
un estudio en 25 empresas de México para evaluar el impacto del nT en la calidad de
Capítulo IX: Justo-a-Tiempo 333
9.11.1 Introducción
Como comentamos arriba, la mayoría de las empresas que decidieron implantar el llT
han reportado mejoras increíbles en lo que se refiere a tiempo de entrega, tiempo de
preparación (set-up), rotación de inventarios, espacio requerido para producción, etc.. Sin
embargo, existen medidas de desempeño "duras" y "blandas". Las mencionadas arriba
son todas medidas de desempeño duras, mientras aspectos como satisfacción en el
trabajo, satisfacción con el salario, bajos niveles de estrés, etc. serían medidas blandas de
desempeño. Estoy de acuerdo que la mayoría de las empresas está preocupada
principalmente con las medidas duras de desempeño, sin embargo las medidas blandas
son también muy importantes, ya que mejoran todavía más las medidas duras de
desempeño y contribuyen al bienestar de los trabajadores.
Los trabajadores insatisfechos pueden decidir adoptar, entre otros, los siguientes
comportamientos "separatistas" (withdrawal behaviors) como medidas para adaptarse a
una situación de trabajo insatisfactoria: retraso, ausentismo, rotación, largos descansos y
salida temprana. Por otro lado, pueden presentar comportamientos negativos muy
peligrosos para la empresa, como los que mencioné anteriJrmente y que repito aquí
debido a su importancia:
* Evito la responsabilidad en el trabajo.
* Hago cosas más interesantes en el trabajo.
* Pido transferencias.
* Me reporto enfermo aún cuando no lo estoy.
* Consumo alcoholo drogas en el trabajo.
* No cumplo con fechas de entrega a propósito.
* Me niego a hacer cualquier trabajo extra.
* Me enfurezco con otras personas en el trabajo.
* Demando a la empresa en la justicia.
* Hablo mal de la empresa delante de los clientes.
* Hago o promuevo huelgas.
* Me llevo qosas de la empresa.
* Hago mal mi trabajo a propósito.
* Evito el contacto con mis compañeros.
* No comparto información importante.
El impacto negativo de estos comportamientos en las medidas duras de desempeño no
deben ser ignoradas, aún cuando tengamos que aceptar que la insatisfacción no siempre
conduce a estos comportamientos.
También deseo mencionar que las enfermedades crónicas han reemplazado las
enfermedades contagiosas como la principal causa de mortalidad. Enfermedades de
coronarias, ataques al corazón, hipertensión, problemas gastrointestinales, alcoholismo,
334 Capítulo IX: Justo-a-Tiempo
Se espera que el lIT haga el trabajo más interesante debido a su rotación en el trabajo (es
común que los trabajadores cambien de un puesto de trabajo a otro), ampliación del
trabajo (se les asignan a los trabajadores nuevas actividades tales como mantenimiento y
control de calidad) y enriquecimiento del trabajo (los trabajadores participan en el
mejoramiento del sistema, toman decisiones sencillas y tienen más responsabilidad,
principalmente con relación a calidad y programación de la producción).
En el largo plazo, la implantación del nT tiende a elevar la rentabilidad y
competitividad de la empresa y puede, por lo tanto, mejorar las compensaciones de los
trabajadores. Al mismo tiempo, en un sistema nT los trabajadores reciben una mejor
capacitación y ésta se incrementa todavía más a través de la participación en grupos de
mejora continua. Como consecuencia, las percepciones de los trabajadores sobre sus
compensaciones y sobre las oportunidades de promoción deben mejorar.
Las condiciones de trabajo, es decir, seguridad, higiene, orden y limpieza, son
aspectos vitales del nT. Puesto que las percepciones de los trabajadores sobre estos
aspectos tienden a ser menos subjetivas, la magnitud del efecto positivo del nT en ellas
debe ser mayor que todas las demás.
Las percepciones de los trabajadores sobre su supervisión también tienden a
mejorar, ya que se supone que los supervisores deben cambiar su papel tradicional de
dirigir y dar órdenes por un nuevo papel de facilitar, orientar y propiciar la participación.
La participación, a su vez, conduce a una relación más intensiva entre los trabajadores, lo
que podrá mejorar las percepciones de éstos sobre sus compañeros.
Finalmente, la implantación del nT tiende a aumentar el estrés provocado por la
carga de trabajo y la presión de tiempo, y a disminuir todos los demás tipos de estrés
(debido principalmente a la incertidumbre e incompatibilidad de intereses). Al mismo
tiempo, mejores percepciones acerca de los demás aspectos de QWL (por ejemplo,
supervisión, compensación, promoción, etc.) tienden a reducir todos los tipos de estrés.
Por lo tanto, la reducción del estrés provocado por la incertidumbre y la incompatibilidad
de intereses deberá ser mucho mayor que la reducción del estrés provocado por la carga
de trabajo y presión de tiempo. El estrés provocado por la carga de trabajo y la presión de
tiempo hasta podría aumentar como mencionamos al inicio de este párrafo.
Las principales hipótesis de este estudio son:
Hl: La implantación del nT mejora las percepciones de los trabajadores sobre la mayoría
de los distintos aspectos de la calidad de vida laboral.
H2: La implantación del nT aumenta ciertos tipos de estrés y reduce otros.
Capítulo IX: Justo-a-Tiempo 337
9.11.5 Metodología
Se diseñó un cuestionario con 37 reactivos para medir las distintas dimensiones de QWL.
Inicialmente, consideré todos los aspectos descritos en el inciso 9.11.2 (excluyendo el
estrés) y los clasifiqué de acuerdo a los siguientes aspectos: trabajo propiamente dicho,
compensación, promoción, supervisión y compañeros de trabajo.
Luego, los siguientes reactivos de estrés fueron incluidos: horario de trabajo,
incompatibilidad de intereses, ambigüedad, papeleo, carga de trabajo, presión de tiempo,
capacitación requerida por el puesto e inseguridad en el trabajo. Para controlar los efectos
de la vida personal, que supuestamente afectan las percepciones sobre la calidad de vida
laboral, 3 reactivos fueron incluidos al principio del cuestionario, refiriéndose a la
relación con la pareja, relación con los hijos y la casa o departamento, respectivamente.
Finalmente, para controlar el efecto de las características demográficas de los obreros
(sexo, estado civil, edad, nivel educacional, etc.) algunas preguntas se agregaron al final
del cuestionario, ya que muchos estudios han demostrado que éstas también pueden
afectar las percepciones de los trabajadores sobre su QWL.
Aprovechando el hecho de que en México es relativamente común la expresión
"mucho muy" satisfactorio, la escala para todas las preguntas iba de 1=mucho muy
satisfactorio hasta 7=mucho muy insatisfactorio. Luego después de terminado, el
cuestionario sobre QWL fue probado en una industria manufacturera de 50 trabajadores,
y todos los problemas encontrados fueron corregidos.
El cuestionario de implantación del JIT tenía 26 preguntas que incluían todos los
aspectos enlistados en la sección 9.11.3. En cada pregunta de este cuestionario el
ejecutivo de la empresa tenía que indicar el nivel de implantación (avance) de aquel
aspecto específico del JIT en una escala de Oa 1.0 (ó de Oa 100%).
Además de los cuestionarios sobre QWL y sobre JIT, un tercer cuestionario, muy
sencillo y corto, fue utilizado para recopilar información acerca de condiciones
específicas de las empresas que pudieran afectar las percepciones de los obreros, como
por ejemplo, años de implantación del JIT, estabilidad (si la empresa estaba o no en
expansión), conflictos laborales (si existían o no conflictos laborales serios), tamaño,
nivel de automatización, transnacionalidad (si la empresa era nacional o tenía plantas por
todo el mundo), etc..
Todas las empresas con las cuales el ITESM tenía algún contacto a través de alumnos y/o
profesores fueron invitadas a participar en el estudio. Inicialmente, todas las empresas
contactadas por mí y dispuestas a participar fueron aceptadas. Posteriormente, con el
objeto de obtener una muestra más balanceada, sólo aquéllas con cierto nivel de avance
del JIT fueron aceptadas. Finalmente, como se ha mencionado antes, 25 empresas de 5
ciudades diferentes y 9 sectores industriales fueron incluidas en el estudio (véase el
Cuadro 9.3).
A pesar de que en cada una de las 25 empresas yo solicité una muestra aleatoria de
20 trabajadores que contestaran el cuestionario sobre QWL, realmente dicha cantidad
varió de lOa 27 obreros debido a restricciones de producción. Un total de 502 obreros
respondieron a este cuestionario. Esta información también se presenta en el Cuadro 9.3.
Capítulo IX: Justo-a-Tiempo 339
Para contestar el cuestionario sobre QWL los trabajadores se ubicaron en una sala
de capacitación y yo personalmente les proporcioné una breve explicación sobre el
objetivo del estudio y la confidencialidad de sus respuestas. En promedio, los
trabajadores tardaron 30 minutos para responder al cuestionario.
CODIGODE OBREROS
LA EMPRESA CIUDAD SECTOR INDUSTRIAL ENCUESTADOS
01 Ciudad de México Veladoras 20
02 Querétaro Electrodomésticos 20
03 Querétaro Electrodomésticos 21
04 Ciudad de México Alimentos 20
05 Ciudad de México Partes automotrices 20
06 Toluca Quimica 18
07 Ciudad de México Equipos de oficina 20
08 Ciudad de México Farmacéutico 21
09 Ciudad de México Alimentos 21
10 Querétaro Partes automotrices 27
11 Ciudad de México Meta1mecánico 22
12 Tlaxcala Partes automotrices 18
13 Tlaxcala Partes automotrices 20
14 Querétaro Partes automotrices 10
15 Querétaro Partes automotrices 22
16 Ciudad de México Partes automotrices 20
17 Ciudad de México Cosméticos 24
18 Toluca Partes automotrices 19
19 Ciudad de México Partes automotrices 20
20 Querétaro Electrodomésticos 19
21 Ciudad de México Discos y cassettes 21
22 Querétaro Cables 21
23 Ciudad de México Equipos de oficina 20
24 Celaya Partes automotrices 21
25 Querétaro Partes automotrices 17
TOTAL 502
Por otro lado, un total de 72 ejecutivos (casi 3 por empresa en promedio) contestaron el
cuestionario sobre implantación del nT y sólo en 5 ocasiones yo no estuve presente.
Consideré mi presencia necesaria porque muchos ejecutivos no estaban familiarizados
con ciertos términos del nT, como por ejemplo, sistema de jalar, kanban, celda de
manufactura, calidad-en-la-fuente, apoyos visuales, etc.. El Cuadro 9.4 presenta el
número de ejecutivos entrevistados en cada empresa y sus respectivos puestos. En
resumen, el estudio incluyó la opinión de los siguientes ejecutivos: gerentes de
producción/manufactura/operaciones: 24 (33%); gerentes generales: 9 (12%); gerentes
técnicos corporativos: 6 (8%); ingenieros industriales corporativos: 5 (7%); gerentes de
planta: 5 (7%); gerentes de control de calidad: 4 (6%); gerentes de materiales: 2 (3%);
gerentes de mantenimiento: 2 (3%); otros ejecutivos: 15 (21%). Debo informar que el
porcentaje de gerentes técnicos corporativos realmente corresponde a una sola persona
que evaluó 6 empresas. La misma observación es válida para el porcentaje
correspondiente a ingenieros industriales corporativos.
340 Capítulo IX: Justo-a-Tiempo
CODIGODE NUMERO DE
LA EMPRESA EJECUTIVOS POSICIÓN ORGANIZACIONAL
01 2 Gerente Administrativo
Gerente General
02 3 Gerente de Producción y de Relaciones Industriales
Gerente de Servicios Técnicos
Gerente de Planta
03 2 Gerente de Producción
Gerente de Operaciones
04 3 Gerente de Producción
Gerente de Control de Calidad
Gerente General
05 5 Gerente de Aseguramiento de Calidad
Gerente de Producción
Gerente de Planeación e Inventarios
Gerente de Ingeniería del Producto
Gerente de Compras
06 4 Gerente de Tecnología
Gerente Comercial
Contralor
Gerente General
07 2 Gerente de Relaciones Industriales
Gerente de Recursos humanos
08 2 Gerente de Operaciones Técnicas
Gerente de Manufactura
09 2 Gerente de Planta
Gerente General
10 4 Gerente Técnico Corporativo
Ingeniero Industrial Corporativo
Gerente de Manufactura
Gerente General
11 3 Gerente de Producción Linea 1
Gerente de Producción Línea 2
Gerente de Control de Producción
12 5 Gerente técnico corporativo
Ingeniero Industrial Corporativo
Gerente de Planta
Gerente de Manufactura
Gerente de Materiales
13 5 Gerente Técnico Corporativo
Ingeniero Industrial Corporativo
Gerente de Planta
Gerente de Mantenimiento
Gerente de Producción
14 5 Gerente Técnico Corporativo
Ingeniero Industrial Corporativo
Gerente de Manufactura
Gerente General
Gerente de Producción
Capítulo IX: Justo-a-Tiempo 341
CODIGODE NUMERO DE
LA EMPRESA EJECUTIVOS POSICIÓN ORGANIZACIONAL
15 4 Gerente Técnico Corporativo
Ingeniero Industrial Corporativo
\ Gerente de Manufactura
Gerente General
16 2 Gerente de Aseguramiento de Calidad
Gerente de Producción Exportación
17 3 Gerente de Operaciones
Gerente de Producción Línea 1
Gerente de Producción Línea 2
18 2 Gerente de Materiales
Gerente de Ingeniería de Manufactura
19 1 Gerente de Producción y Mantenimiento
20 2 Gerente de Producción
Gerente de Ingeniería Industrial
21 2 Gerente de Aseguramiento de Calidad
Gerente General
22 2 Gerente Técnico Corporativo
Gerente de Planta
23 2 Gerente de Producción
Vice-Director Técnico
24 3 Gerente de Producción
Gerente de Ensamble
Gerente General
25 2 Gerente de Producción
Gerente de Mantenimiento
TOTAL 72
Un índice global de llT también fue determinado como la suma de las respuestas a todas
las preguntas del cuestionario (excluyendo las que ya habían sido eliminadas).
Finalmente, el nivel de consenso fue determinado para cada dimensión del llT y para
todo el cuestionario (sin incluir las preguntas eliminadas).
Para evaluar la relación entre QWL e implantación del llT, 3 tipos de análisis se
llevaron a cabo: análisis de regresión, análisis de ruta (path analysis) y análisis canónico.
En el análisis de regresión la variable dependiente fue el índice global de QWL y las
variables independientes fueron el índice global de implantación del llT y las variables
de control (características demográficas de los obreros y características específicas de las
empresas, como se mencionaron con anterioridad). En el análisis de ruta, yo mantuve el
índice global de implantación del llT pero dividí QWL en dimensiones y sub-
dimensiones. Efectos directos e indirectos de implantación del lIT pudieron entonces ser
evaluados. En el análisis canónico se evaluó la relación entre las dimensiones de QWL y
las dimensiones del llT. Este análisis mostró qué dimensiones de implantación del llT
afectaban más a qué dimensiones de QWL.
9.11.6 Resultados
El índice global de implantación del JIT (JITlOO), que se calculó como la suma de las
medias de las respuestas de los ejecutivos de cada empresa, varió de 5.35 a 16.70
(después de la eliminación de las preguntas).
La relación entre QWL e implantación del JIT se evaluó, inicialmente, a través de una
regresión "stepwise" al nivel de individuo, es decir, para los 502 casos, utilizando los
índices globales QWL100 (variable dependiente) y JIT100 Y las variables de control
(variables independientes). Los resultados se muestran en el Cuadro 9.7 y serán
analizados en la sección 9.11.7.
Con el objeto de proporcionar más detalles acerca de la relación entre implantación del
JIT y las distintas dimensiones de QWL, se construyó el diagrama de ruta de la Figura
9.9. En esta figura se indican las variables (preguntas) de cada dimensión o sub-
dimensión de QWL. Por ejemplo, la dimensión "trabajo propiamente dicho" (que aparece
en forma abreviada como "trabajo") incluye las preguntas 4, 5, 6, 7, 9 y 11 del
cuestionario de QWL. Por otro lado, las líneas punteadas corresponden a relaciones que
no fueron evaluadas en este estudio. Para todas las demás rutas se determinaron los betas
estandarizados (path coefficients), que no se incluyen en este resumen. Las líneas más
gruesas muestran el efecto directo del JIT en las sub-dimensiones de estrés.
De hecho, entre cada una de las dimensiones y sub-dimensiones de QWL y estrés
hay dos líneas: una que llega a STR1 y otra que llega a STR2. Por simplicidad, el
diagrama presenta una línea única, pero se determinaron betas estandarizados (path
coefficients) para cada una de ellas.
En este modelo esperamos lo siguiente: el efecto directo de la implantación del JIT
es el de mejorar todas las dimensiones de QWL, reducir el estrés correspondiente a
incertidumbre & incongruencia (STR1) y aumentar el estrés correspondiente a carga de
trabajo & presión de tiempo (STR2). Al mismo tiempo, satisfacción personal (PERS)
también mejora directamente todas las dimensiones de QWL. Cualquier mejora de las
dimensiones de QWL tiende a reducir directamente todos los tipos de estrés, lo que sería
el efecto indirecto del JIT.
Cualquier aumento del estrés tiende a deteriorar la salud, lo que, a su vez, conduce
a una mayor rotación de personal, a un mayor ausentismo y a un menor desempeño. El
modelo también considera que el trabajo propiamente dicho, posibilidad de un
desempeño bueno y seguro y compensación & intereses comunes reducen la rotación de
personal y el ausentismo.
En las regresiones entre las dimensiones de QWL y JIT para determinar los betas
estandarizados (path coefficients), yo incluí las variables de control más importantes que
ya habían resultado significativas en la regresión anterior entre los índices globales de
QWL y JIT, es decir: satisfacción personal, conflictos laborales, estabilidad, estado civil
y transnacionalidad.
Considerando que las variables de control afectan las sub-dimensiones de estrés por
medio del efecto en las demás dimensiones de QWL, decidí no incluir las variables de
control en las regresiones entre las sub-dimensiones de estrés y JIT (efecto directo) y
entre las sub-dimensiones de estrés y las dimensiones de QWL (efectos directos).
Finalmente, los coeficientes entre estrés y salud son iguales a los betas
estandarizados de la regresión entre salud y STR1 y STR2. En general, los coeficientes de
la Figura 9.9 confirman todas mis hipótesis, lo que será discutido en la sección 9.11.7 a
continuación (como mencioné, los coeficientes no se incluyen en este resumen).
9.11.6.4 Relación entre las dimensiones de QWL y las dimensiones de JIT: análisis
canónico
Ya que tanto QWL como implantación del JIT consisten de muchas dimensiones, el
análisis canónico es la técnica apropiada para evaluar las relaciones entre estos dos
conjuntos de dimensiones.
FIGURA 9.9 Análisis de ruta
TRABAJO .............................................................................................................................................................
QWL4,QWL5,QWL6,
QWL7,QWL9,QWL11
DESEMPEÑO
MOTIVACIÓN ~ ~..... (RESULTADO ESPERADO)
"\ \
SATISFACCIÓN COMPENSACIÓN E
PERSONAL INTERESES COMUNES
(PERS) QWL16,QWL 17,QWL 18,
QWL34,QWL40
PROMOCIÓN
QWL19,QWL20,QWL21
QWL37
APOYO DE ROTACIÓN Y
QWL36
SUPERVISIÓN AUSENTlSMO
QWL22,QWL25,QWL26 (RESULTADO ESPERADO)
QWL38
QWL39
.- S--A-L'U<D-----,~/~///"//
CAPACIDAD DE
SUPERVISIÓN
QWL23,QWL24
APOYO DE
COMPAÑEROS QWL41
QWL28,QWL29,QWL30 QWL42
CAPACIDAD DE
COMPAÑEROS
QWL27,QWL31 ,QWL32
346 Capítulo IX: Justo-a-Tiempo
El Cuadro 9.8 muestra una solución canórnca que incluye todas las dimensiones y sub-
dimensiones de QWL, y todas las dimensiones del llT. El paquete SPSS extrajo 4
funciones canónicas significativas, que explican aproximadamente el 42% de la varianza
de estos conjuntos de variables, con correlaciones cuadradas que varían de 0.221 a 0.032.
Los valores de Eigen varían de 0.283 para la primera raíz (root) a 0.034 para la cuarta.
FUNCIONES~ 1 2 3 4
9.11.7 Discusión
muestra una pendiente negativa que significa que a la medida que aumentan los valores
de la variable nTlOO, disminuyen los valores de la variable QWLlOO, es decir, mejora la
calidad de vida laboral.
~ 375J+-+ -- +--i-+l l
L L..... ¡
i
G
=1
L
o
B
A
L
s
e
o
R
E
L2J
I ¡ ¡ ¡ j + !
J
j ...1
5.25 7.00 8.75 10.50 12.25 14.00 17.5
nT GLOBAL SCORE
Por otro lado, las variables de control significativas del Cuadro 9.7 indican que:
a) Satisfacción personal, como se esperaba, presenta una relación directa con calidad de
vida laboral. Es decir, cuanto más satisfechos están los obreros con su vida personal,
más satisfacción reportan en relación a su trabajo.
b) Para la variable conflictos laborales, 1 (uno) significaba "ausencia de conflictos" y 4
(cuatro) significaba "conflictos muy serios". Por lo tanto, el signo positivo de esta
variable indica que la existencia de conflictos deteriora la calidad de vida laboral
reportada. Éste también es un resultado esperado.
c) En relación a la variable estabilidad, lo indicado por a regresión también es lógico: los
obreros de empresas en expansión reportan mejor calidad de vida laboral.
d) Para la variable estado civil, °
(cero) significaba "soltero" y 1 (uno) significaba
"casado". Por lo tanto, el signo positivo de la regresión indica que los trabajadores
solteros reportan una calidad de vida laboral superior. Una posible explicación para
este resultado es la siguiente:
* Los solteros son más jóvenes y las personas jóvenes tienden a tener más ilusiones
respecto a la implantación de un nuevo sistema.
* Los casados normalmente tienen que mantener otras personas, por lo que ellos o
ellas no cambian fácilmente de trabajo aún cuando están insatisfechos.
348 Capítulo IX: Justo-a-Tiempo
* Estado civil está muy relacionado ·con antigüedad y las personas con mayor
antigüedad pueden volverse más críticas respecto a la empresa. Esta última
afirmación fue confirmada por el hecho de que, cuando estado civil se eliminó de la
regresión, antigüedad se volvió significativa.
e) La variable transnacionalidad también resultó significativa en la ecuación de regresión.
El signo de esta variable indica que los obreros de empresas nacionales (mexicanas)
reportan, en general, mejor calidad de vida que sus homólogos de las transnacionales.
De hecho, la QWL media de las nacionales fue de 3.15, mientras que la QWL media
de las transnacionales fue de 3.26 (recuérdese que 1 es excelente y 7 es pésimo).
liT
Principiantes 3.32 3.36
Avanzados 3.13 3.21
Muy avanzados 2.79 3.13
El efecto directo de JIT sobre STRl fue de -0.08 y puede considerarse significante
(p=0.0521). Este coeficiente indica que la implantación del JIT directamente reduce el
estrés causado por incertidumbre & incongruencia. Existió, además, un efecto indirecto
de -0.12 a través de todas las dimensiones de QWL. El efecto total (o neto), por lo tanto,
fue igual a (-0.08)+(-0.12)= -0.20. Como puede verse, ambos efectos (directo e
indirecto) actúan en la misma dirección y el efecto total fue una reducción del estrés
causado por incertidumbre & incongruencia.
Por otro lado, el efecto directo del JIT sobre carga de trabajo & presión de tiempo
(STR2) fue de 0.03 e insignificante. Es importante resaltar, sin embargo, que éste es
positivo, lo que realmente significa un aumento de este tipo de estrés. Ya que este
resultado no es estadísticamente significativo, sólo puede afirmarse que la implantación
del JIT no es capaz de directamente reducir el estrés causado por carga de trabajo &
presión de tiempo (STR2). El efecto indirecto, sin embargo, fue de -0.11, por lo que el
efecto total (neto) fue igual a (0.03)+(-0.11)= -0.08. En este caso, los efectos directo e
indirecto actúan en direcciones opuestas, pero el efecto total es negativo, lo que significa
que la implantación del JIT también reduce el estrés causado por carga de trabajo &
presión de tiempo. Sin embargo, esto es una consecuencia de los efectos indirectos y no
del efecto directo.
Resumiendo, estos resultados indican que la implantación del JIT reduce todos los
tipos de estrés. En algunos casos la reducción se debe a los efectos directos e indirectos y
en otros se debe únicamente a los efectos indirectos. Por lo tanto, la hipótesis H2 no
puede ser aceptada, a pesar de que el signo positivo del coeficiente entre JIT y carga de
trabajo & presión de tiempo (STR2) debe considerarse como un indicio de que el JIT
puede eventualmente aumentar este tipo de estrés.
En relación al análisis canónico, deseo hacer los siguientes comentarios (véase el
Cuadro 9.8):
a) Considerando todas las correlaciones mayores que 0.3, la función canónica #1 muestra
que las dimensiones de JIT (excluyendo proveedores) tienden a mejorar las
dimensiones de QWL (excluyendo compensación & intereses comunes, compañeros de
trabajo y carga de trabajo & presión de tiempo). Recordando que la implantación del
JIT afecta la compensación sólo en el largo plazo y que los efectos directo e indirecto
sobre carga de trabajo & presión de tiempo tienden a cancelarse, este resultado no es
inesperado. Por otro lado, la relación entre JIT y compañeros de trabajo fue captada por
las funciones canónicas #2 y #3.
b) Considerando ahora sólo las mayores correlaciones (~0.5), la función canónica #1
muestra también que las dimensiones de JIT propiamente dicho, aspectos humanos y
planta en buenas condiciones (que deben considerarse como los aspectos más
importantes del JIT en lo que se refiere a obreros) presentan un efecto más fuerte en
las dimensiones de desempeño bueno y seguro, apoyo de supervisión y capacidad de
supervisión. Esto demuestra que la preocupación del JIT en relación a seguridad,
higiene, orden y limpieza y al cambio del role del supervisor es sumamente
importante.
c) La segunda función canónica es mucho más difícil de interpretar. Considerando sólo
las correlaciones mayores que 0.5, dicha función sugiere que planta en buenas
condiciones tiene un efecto más fuerte sobre la variable apoyo de compañeros. Una
350 Capítulo IX: Justo-a-Tiempo
posible explicación podría ser que un"ambiente seguro, sano, "a prueba de tontos",
ordenado y limpio permite que los trabajadores estén menos tensos y dispongan de
más tiempo, lo que, a su vez, puede conducir a una mejorar relación entre ellos y un
mayor apoyo.
d) Considerando una vez más sólo las correlaciones mayores que 0.5, la función canónica
#3 sugiere algo muy interesante: buenas relaciones con los proveedores conducen a
una mayor satisfacción en relación a compensación y a una de las sub-dimensiones de
compañeros de trabajo. Si consideramos que los obreros son proveedores de mano de
obra, la cual se paga mediante la compensación, y que cada obrero es un proveedor de
material del obrero en la siguiente etapa del proceso productivo, ¡éste es, sin duda, un
resultado interesante!
e) Finalmente, las mayores correlaciones de la función canónica #4 (~0.5) captan la
relación entre llT propiamente dicho y trabajo propiamente dicho, sugiere que llT
propiamente dicho también mejora las percepciones sobre compensación & intereses
comunes y refuerza la importancia de la influencia de llT propiamente dicho sobre
apoyo de supervisión.
9.12.1 Introducción
El contacto inicial se hizo a través del Gerente de Operaciones quien fue el "autor
intelectual" del proyecto. Éste nombró al Gerente de Control de Producción como "líder
del proyecto".
Para manejar el proyecto se formaron básicamente 2 grupos de trabajo. Uno
pequeño que se reunía todos los viernes de 10:00 A.M. a 11 :00 A.M. en el cual
participaba el líder del proyecto de parte de la empresa, yo y uno que otro invitado que se
requería para alguna aclaración (de aquí en adelante llamaré a este grupo pequeño
"comité"). Y otro grupo grande que se reunía los martes, cada 2 semanas, en el cual había
aproximadamente 20 personas. Dichas personas representaban las áreas directa o
indirectamente relacionadas con el proyecto kanban, por lo que había personas de Control
de Producción, Ingeniería, Calidad, Almacén, etc., así como supervisores de líneas,
analistas, programadores, etc. (de aquí en adelante llamaré a este grupo "panel").
Ya que la planta tenía 60 líneas de producción, una de las decisiones más
importantes que tomó el panel fue empezar con sólo 3 líneas: una pequeña (pocas
versiones del producto fmal y pocos componentes), una grande (muchas versiones del
producto final y muchos componentes) y una mediana. Al mismo tiempo, se decidió que
el sistema kanban enlazaría las 3 líneas sólo al almacén de componentes (materias
primas). Es decir, los componentes que se fabricaban internamente en la planta serían
enviados al almacén y de ahí a las líneas. En esta primera etapa tampoco se enlazaría el
almacén de componentes con los proveedores o las líneas con el cliente. Esto se haría
posteriormente como una segunda etapa del proyecto.
El comité, con unos 3 invitados de diferentes áreas, estableció en la semana 1 el
plan para la realización del proyecto y lo plasmó en una gráfica de Gantt. Dicha gráfica
empezaba con la inducción a los estudiantes y a mí en la semana 1, hasta la liberación de
las 3 líneas en la semana 14 y el reporte final de parte de los estudiantes en la semana 15.
Sintéticamente, el plan era el siguiente:
SEMANA #1: Inducción a los estudiantes ya mí.
SEMANAS #2 y #3: Recopilación de información por parte de los estudiantes.
SEMANA #4: Organización y análisis de la información.
SEMANA #5: Determinación del tamaño y número de los contenedores.
SEMANA #6: Diseño del kanban y layout del inventario de componentes de las líneas.
SEMANA #7: Evaluación de las propuestas de las semanas #5 y #6.
SEMANAS #8, #9, #10 y #11: Implantación.
SEMANA #12: Evaluación de la implantación.
SEMANA #13: Ajustes fmales.
SEMANA #14: Liberación de las 3 líneas.
SEMANA #15: Reporte final de parte de los alumnos.
Una vez que toda la información fue recopilada, ésta fue organizada en diferentes
archivos (por ejemplo, de Excel) y analizada para verificar si era exacta y completa. En
esta semana se recopiló la información que faltaba y se verificó la información dudosa.
¡Todo estaba listo para el inicio del diseño del sistema kanban!
En esta semana se reunió el panel y tomó una decisión muy importante: ¿en cuánto
tiempo podía el Almacén reabastecer un contenedor vacío de un componente? Por
increíble que parezca, el dato inicial fue de 3 minutos y el dato final fue de 5 horas.
Empezamos por concluir que el tiempo de 3 minutos era ideal, correspondía a un
contenedor único e incluía sólo el tiempo para bajar el material de los anaqueles. La
realidad sería bien diferente: habría una "fila de contenedores" esperando abastecimiento,
probablemente el material sería cambiado de un contenedor a otro y faltaba el tiempo de
transporte al almacén y de éste a la línea. Además, ¡había otras 59 líneas que abastecer!
Con estas consideraciones y con la idea de protegemos contra posibles paros por falta de
material, se decidió aumentar el tiempo de 3 minutos a 2 horas. Después, nos dimos
cuenta que las surtidoras de material pasarían por las líneas recogiendo contenedores
vacíos con una frecuencia no mayor a una vez cada 2 horas, por lo que el tiempo aumentó
a 4 horas. Finalmente, decidimos agregar una hora como "inventario de seguridad".
En esta misma semana el panel decidió "compartir" con los obreros todo lo que
había aprendido en el curso de kanban. Se diseñó un curso más sencillo y empezó a
impartirse a todos los obreros (la mayoría son mujeres). Fueron muchas horas de
capacitación para poder abarcar a toda la planta, de modo que dicha capacitación sólo
terminó en la semana #9, cuando el sistema ya estaba implantado en una de las líneas.
donde: X = tamaño del contenedor (la Toyota sugiere 10% de la demanda de un turno).
D = tasa de consumo del componente.
T = tiempo de reabastecimiento (en este caso 4+1 = 5 horas).
W = inventario de seguridad (en nuestro caso "W" fue de lh y ya estaba incluido
en "T", es decir, fue de lf4 = 0.25 = 25% para todos los componentes).
N = número de contenedores recomendado.
Había muchas alternativas para el kanban: podía ser una tarjeta, podía ser el mismo
contenedor, podía ser electrónico, etc.. El panel decidió que el kanban sería una tarjeta
por ser sencilla y visual.
Los estudiantes diseñaron la tarjeta kanban después de entrevistar a las personas de
producción y del almacén de componentes, y averiguar qué información ellos
consideraban importante. Posteriormente el panel la analizó y propuso algunos cambios.
El diseño fmal fue el siguiente (los datos del ejemplo son ficticios):
EMPRESA
KANBAN
No. de Parte 12345678900000
Descripción AAAA AAAAAAA AAAAA
Cantidad 150
Tipo de contenedor W127
Línea AAAAAAA BB CCCCCCC
Persona responsable de la parte Pedro Velázquez
No. de tarjeta 1/5
CODIGO DE BARRAS
El panel decidió implantar el sistema kanban en una línea a la vez. La línea más sencilla
(pequeña y menos compleja) fue seleccionada. En el sábado anterior a la semana #8 se
retiró todo el material de la línea y se colocaron los contenedores que ya habían sido
calculados por los estudiantes. El lunes a las 7 de la mañana la línea arrancó con el
sistema kanban: todos los contenedores tenían su tarjeta y las cantidades de los mismos
eran suficientes para mantener la línea funcionando durante 5 horas. La actividad de
solicitar al almacén los componentes para el programa de producción de la línea fue
totalmente eliminada. Pero ... empezaron a surgir los problemas:
a) Las tarjetas empezaron a perderse. La tarjeta kanban de un contenedor vacío se
volteaba mostrando su color azul. Esto era la señal para que alguna surtidora llevara la
tarjeta (y el contenedor respectivo) al almacén de componentes. El contenedor
quedaba en el almacén con su tarjeta durante un tiempo hasta que el capturista la
procesaba. Como no era práctico mover la taIjeta con todo y contenedor al área de
captura, la tarjeta viajaba sola y se separaba de "su" contenedor. Al terminar el
procesamiento de la tarjeta ésta muchas veces no regresaba a "su" contenedor y
quedaba "botada" en el área de captura y, al mismo tiempo, "su" contenedor se
utilizaba para otro componente. Se hizo clara la necesidad de un buzón en el área de
captura y se concluyó que la correspondencia "biunívoca" entre contenedor y taIjeta
no era muy adecuado (véase también el inciso "b" a continuación).
b) La mica pegada al contenedor donde se insertaba la tarjeta kanban resultó poco
práctica. Por un lado, sólo los contenedores del sistema kanban tenían la mica pegada,
lo que impedía que 1,1ll contenedor cualquiera del mismo tamaño fuera utilizado. Por
otro lado, se decidió que la tarjeta kanban no tenía que "viajar" al almacén insertada en
la mica del contenedor, sino que era más conveniente que "viajara" sola y que los
contenedores se movieran aparte. Tres decisiones se tomaron entonces: primera, las
taIjetas eran recogidas solas por las surtidoras de material y no estaban "casadas" con
ningún contenedor; segunda, se instaló un buzón al lado de la línea donde se pondrían
las taIjetas correspondientes a los contenedores vacíos; tercera, se eliminó el color azul
del reverso, ya que la "señal" de que se requería reabastecimiento era el simple hecho
de que existieran kanbans en el buzón.
Después de todas las consideraciones y decisiones mencionadas en los incisos
"a" y "b", se elaboró un diagrama de flujo que establecía claramente todo el recorrido
de las tarjetas y las personas que las tocaban (véase el diagrama de la Figura 9.12). Con
todo esto, las taIjetas ya no se perdieron...
c) No había existencias de algunos componentes. Se puso en evidencia un problema del
cual los ejecutivos de la empresa ya tenían conocimiento. Simplemente, ¡el sistema
kanban lo hizo más obvio! La empresa fabricaba algunos componentes y no estaba
Capítulo IX: Justo-a-Tiempo 355
....
CONTENEDOR VAcío
(en línea)
..
SURTIDORA DE MATERlALES
(lleva kanban al almacén)
..
DEPTO. DE SURTIMIENTO
(almacén)
..
BUZÓN DE SOLICITUDES KANBAN
(para capturista en almacén)
..
DEPTO DE SURTIMIENTO
(almacén)
..
CONTENEOORLLENO
(con el kanban)
SURTIDORA DE MATERlALES
(lleva contenedor + kanban a línea)
consideró que éste era más bien un problema de resistencia al cambio, sí se consideró
que, cuando el sistema kanban se generalizara a toda la planta, habría problemas de
capacidad en el almacén de componentes (probablemente se necesitarían más
capturistas y equipos de manejo de materiales). También, dentro de lo razonable, se
aumentaron los tamaños de los contenedores de los componentes "c" (de la
clasificación ABC) para reducir la frecuencia con que éstos llegaban al almacén para
ser reabastecidos.
f) El Depto. de Ingeniería cambiaba con frecuencia el código de algunos componentes
debido a modificaciones de diseño. Esto obligaba a que se volvieran a imprimir las
tarjetas cada vez que ocurría un cambio de código. Como Ingeniería cambiaba sólo los
dígitos en las posiciones 12 y 13 (de los 14 dígitos del código) y dichos números
variaban de 00 a 20, se decidió poner en las posiciones 12 y 13 las letras "XX" y poner
en el renglón del código de barras del kanban los números 00, 01, 02, ... 20. En el
momento de emitir una tarjeta, se perforan ahora todos los números anteriores al que es
válido lo que hace que éstos no se vean. El primer número que se ve es el número
válido. Por ejemplo, si se perforan los números 00, 01, 02, 03 Y04, el número válido es
OS. Por lo tanto, el capturista captura OS en las posiciones de "XX" del código que
aparece en la parte superior del kanban (véase la tarjeta a continuación). Si hay un
cambio en las posiciones 12 y 13 simplemente se perfora el siguiente número (por
ejemplo el OS y el válido pasa a ser el 06). En el futuro, si se decide utilizar el código
de barras, se agregaría nuevamente dicho renglón. Esta solución eliminó la necesidad
de reimpresión de tarjetas.
EMPRESA
KANBAN
No. de Parte 1234S678900XXO
Descripción AAAA AAAAAAA AAAAA
Cantidad 150
Tipo de contenedor W 127
Línea AAAAAAA BB CCCCCCC
Persona responsable del componente Pedro Velázquez
No. de tarjeta l/S
00 01 02 03 04 OS 06 07 08 09 10 11 12 13 14 lS 16 17 18 19 20
a) Para la línea pequeña de "poca" complejidad que ya estaba trabajando bajo el sistema
kanban, extender éste hasta el almacén de productos terminados. Es decir, enlazar la
línea de producción con el almacén de productos terminados.
b) Mejorar el "sistema de información" entre el almacén de componentes y el
departamento de la propia planta que fabricaba los componentes "in house".
El primer proyecto resultó relativamente sencillo. Como primer paso se decidió tener un
inventario de productos terminados equivalente a 3 días de demanda para cada versión.
Éste se dividió entre el tamaño del contenedor, que estaba fijado por el cliente en 40
unidades, y se obtuvo el número de contenedores. A cada contenedor se asignó un kanban
muy similar al de componentes que contenía el nombre y código del producto, el nombre
del cliente, el tipo de contenedor, el número de tarjeta, etc. (véase muestra a
continuación).
EMPRESA
KANBAN
No. deParte 12345678
Descripción AAAA AAAAAAA (TOYOTA)
Cantidad 40
Tipo de contenedor y 200
Línea AAAAAAA BB CCCCCCC
Persona responsable del producto Karla López
No. de tarjeta 1/5
CODIGO DE BARRAS
Una vez que los contenedores correspondientes a los 3 días de inventario de cada versión
estaban listos con su kanban adentro, empezó el funcionamiento del sistema. Diariamente
(normalmente en la noche) el cliente llegaba al almacén de productos terminados y
encontraba un "buffet" de versiones. Llevaba una cierta cantidad de contenedores de cada
versión y ponía los kanbans correspondientes en un buzón. Al día siguiente en la mañana
alguien de Control de Producción recogía los kanbans y los entregaba al supervisor de la
línea. Éste se disponía a producir lo correspondiente a los kanbans, colocaba éstos en los
contenedores y devolvía los contenedores llenos al almacén de productos terminados.
Esta sencilla operación eliminó totalmente la necesidad de programar la producción de la
línea.
El segundo proyecto resultó un poco más laborioso y se describe a continuación. En
primer lugar se registraron los tiempos de preparación de las máquinas que variaron de 2
a 6 horas, aproximadamente. Después se hizo la consideración que el proceso productivo
consistía básicamente de 2 partes: (a) fabricación propiamente dicha y (b) rebabeo. Y se
decidió que, independientemente del tamaño del lote, la cantidad producida en un día (=9
horas) sería pasada a rebabeo y que la cantidad rebabeada en un día pasaría al almacén de
componentes. Esto implicaba que después de 2 días (=18 horas) las primeras piezas
llegarían al almacén (¡no necesariamente e1lote completo!). Por otro lado, se consideró
que almacén emitiría un reporte cada 12 horas, por lo que en el caso más pesimista habría
358 Capítulo IX: Justo-a-Tiempo
que añadir estas 12 horas al tiempo de respuesta. Para el caso de la máquina que se
preparaba en 6 horas, el tiempo de respuesta quedó así: 1 día de producción (9 horas) + 1
día de rebabeo (9 horas) + 12 horas + 6 horas = 36 horas. Por último, se acordó que para
todos los componente se adoptaría un tiempo de respuesta de 36 horas, que era el más
pesimista. El tiempo de respuesta se utilizó para la determinación del punto de reorden de
cada componente en el almacén.
A continuación se tomó la decisión de tener 1 semana de inventario de seguridad y
de utilizar la fórmula del modelo clásico de inventarios para determinar el lote
económico, la cual requería el conocimiento de la tasa de demanda del componente, la
tasa de producción, el costo de preparación de máquina y el costo de mantener. Todo esto
fue calculado y los lotes económicos obtenidos. Concluyendo: para cada componente se
determinó su inventario de seguridad, su punto de reorden (cantidad consumida durante el
tiempo de respuesta + inventario de seguridad) y su lote económico. La propuesta fue
entonces que cada 12 horas el almacén pasara a producción una lista de todos los
componentes cuyos inventarios estaban en o por debajo del punto de reorden y que
producción los empezara a entregar 24 horas después (36 horas - 12 horas). Obsérvese
que, a pesar de que se utilizaron técnicas convencionales de control de inventario, éstas
evitaban que Producción "empujara" la producción hacia el almacén, sino que conducían
a que el almacén "jalara" lo que necesitaba. La propuesta seguía la filosofía del sistema
kanban.
9.12.9 Kanban de producto terminado y reportes del almacén (semanas #13 y #14)
Según el plan original, en estas semanas se harían los ajustes finales y se liberarían las 3
líneas ya con el sistema kanban implantado. Como los planes cambiaron, en estas 2
semanas se dio seguimiento al sistema kanban entre la línea pequeña y el almacén de
producto terminado y al "sistema de información" del almacén que jalaba componentes
del Depto. de Producción.
En primer lugar se observó un interesante caso de resistencia al cambio: a pesar de
que era totalmente innecesario, Control de Producción seguía programando la línea con
base en los kanbans que se liberaban en el almacén de producto terminado. El Gerente de
Control de Producción tuvo que dar órdenes explícitas prohibiendo la programación de la
producción y que el supervisor de la línea se guiara exclusivamente por los kanbans de
producto terminado que le fueran entregados.
En cuanto al sistema de información, el paquete computacional existente no
permitía la elaboración automática del reporte cada 12 horas. Quedaron las personas del
Depto. de Sistemas de resolver este problema.
En la semana #15 se elaboró y se entregó a la empresa un reporte final con todos los
cálculos que habían sido realizados por los estudiantes y nuestras conclusiones y
recomendaciones. Quedaría a cargo de la empresa la generalización del sistema kanban a
todas las demás 59 líneas, utilizando el procedimiento documentado en el reporte final y
con la opción de volver a utilizar el apoyo de estudiantes del ITESM.
Capítulo IX: Justo-a-Tiempo 359
En este inciso haremos comentarios sobre algunas empresas de servicios y cómo éstas
están o no están aplicando la filosofía del justo-a-tiempo. Inicialmente nos referiremos a
American Express. Cuando estuve en Londres, precisamente escribiendo este libro,
usamos la tarjeta de mi esposa y la pagamos en una agencia autorizada de American
Express. Para nuestra sorpresa nos dimos cuenta después que las compras estaban
registradas en México y los pagos no. Nos explicaron que los pagos tardaban un poco en
ser aplicados y que deberíamos comunicarnos en México con el Depto. de Pagos No
Aplicados. ¿No estarán oficializando una deficiencia agregando, además, el costo de todo
un departamento? No sería mejor utilizar el presupuesto de este departamento para que
no existieran pagos no aplicados? Es decir, ¿no sería mejor que el propio departamento
programara su desaparición? La generación de pagos no aplicados y la instalación de un
departamento para manejarlos, ¡es un excelente ejemplo de la generación de
desperdicios!
El segundo ejemplo se refiere a estas nuevas empresas aéreas tipo Go, Easyjet o
Iberia.com. Yo personalmente utilicé los servicios de Go para viajar de Londres a Praga.
La reservación y el pago los hice por Internet, y recogí el pase de abordar directamente en
el aeropuerto un poco antes de viajar. La empresa no tiene oficinas para vender boletos.
No está permitido el cambio de fecha, lo que elimina incertidumbre y evita el serio
problema de vuelos sobre vendidos o la sub-utilización de los espacios. No hay televisión
en el avión y la comida no está incluida en el precio, aunque sí existe la opción de
comprarla. Sólo algunas personas compraron comida, lo que demuestra que muchos de
nosotros comemos porque la comida está disponible y es gratis, y no porque realmente
tenemos hambre. Mucha de la comida ofrecida gratuitamente en los aviones realmente se
"desperdicia". Como poca gente come, hay menos sobrecargos y una reducción de los
costos correspondientes. En resumen, estas empresas ofrecen un servicio más delgado,
con menos desperdicios, pero con lo principal e indispensable para un determinado sector
del mercado. (Hasta el refresco es delgado: 150 mI en vez del tamaño normal de 330 mI.)
El resultado final es impactante: boletos que llegan a ser hasta un 75% más baratos que
los boletos normales.
El tercero ejemplo se refiere a la cadena de Hoteles Ibis, la cual, a su vez, pertenece
a una cadena más grande. Una vez más observamos un servicio delgado: en el hotel no
hay tiendas, ni farmacias, ni albercas, ni desayunos a la carta (lo que reduce
drásticamente la necesidad de meseros). Sólo lo principal e indispensable, es decir, lo que
realmente esperamos de un hotel: reservaciones por Internet, cuarto pequeño pero
agradable y con televisión, cambio de moneda y una excelente atención. Como
consecuencia, el precio es bastante razonable.
360 Capítulo IX: Justo-a-Tiempo
PROBLEMAS TIPO
9.1 Para una materia prima dada D=15,000 unid.laño y Cm=$10/unid.año. Determinar el
tamaño óptimo de pedido para los siguientes valores de "Cp": $100, $50, $25, $12,
$5, $2 y $1.
Resp.: Qo=548, 387, 274, 190, 122, 77 Y55 unid., respectivamente.
9.2 Una etapa del proceso productivo consume 300 unidades/hora de un determinado
artículo y el tiempo de respuesta del proceso anterior es de 3 horas. Considerando
que un día es igual a 8 horas, determinar:
a) El tamaño recomendado de contenedor.
b) El número recomendado de kanbans.
Resp.: a) X=240 unid.
b) N=5 si se procesa el kanban cuando se empieza a utilizar el contenedor; N=6 si se procesa el kanban cuando el
contenedor se vacía totalmente.
Capítulo X: Aplicaciones de Programación Lineal 361
CAPÍTULO
APLICACIONES DE
PROGRAMACIÓN LINEAL
SÍNTESIS
10.1 INTRODUCCIÓN
La programación lineal (PL) es, sin duda, el modelo de investigación de operaciones que
más ha sido aplicado a la administración de operaciones. En este capítulo nos
ocuparemos de dar ejemplos sencillos de aplicación de la PL a la administración de
operaciones, con vistas a convencer al lector de que en muchos casos una solución
"buena" no es suficiente, ¡hay que optimizar!
Las aplicaciones están clasificadas de acuerdo a las siguientes tres áreas:
a) Administración de proyectos.
b) Planeación de capacidad.
c) Programación de la producción.
La ruta más larga de una red de actividades indica la ruta crítica de un proyecto, es decir,
el tiempo mínimo para la terminación del mismo. A pesar de que existen muchos
paquetes específicos para la determinación de la ruta crítica, ésta también puede ser
determinada por medio de la PL.
Aplicación 10.1:
Un proyecto requiere las actividades del cuadro a continuación. Determinar la ruta crítica
del proyecto.
Solución:
Lo primero que tenemos que hacer es construir la red de actividades, la cual se presenta
en la Figura 10.1. A cada arco (flecha) se asocia . la duración de la actividad
correspondiente. Se define entonces una variable "Xi/, que toma el valor 1 (uno) si se
selecciona el arco (flecha) que va de "i" a "j" y O (cero) si no se selecciona éste. La PL
debe entonces seleccionar los arcos de tal manera que se forme una ruta y que ésta sea
máxima.
La/unción objetivo será entonces:
MAX 3X12+4X13+3X24+2X35+2X45+1X56
X12+X13=1
X 12 -X24= O
X13-X34= O
X24-~S= O
X3S+ X4S-XS6= O
X S6= 1
X··IJ ->O
I-F~>0
La corrida de LINDO de este problema se encuentra en la Figura 10.2. En ella vemos que
X12=X24=~S=XS6=1, 10 que indica que la ruta crítica es A-C-E-F con una duración total
de 9 unidades de tiempo. (Información sobre cómo correr LINDO en [36].)
En algunos problemas (por ejemplo, reemplazo de equipo) los arcos representan
decisiones y tienen costos asociados a ellos. Lo que se requiere entonces es la cadena
óptima de decisiones que minimiza el costo total, es decir, la ruta más corta. Para la
obtención de la ruta más corta el único cambio necesario sería la sustitución en la función
objetivo del MAX por el MIN. La PL encontraría la ruta más corta.
Aplicación 10.2:
La duración mínima de 9 unidades de tiempo para el proyecto de la aplicación 10.1 no es
aceptable y disponemos de la siguiente información:
El cuadro muestra el costo normal de cada actividad, su tiempo mínimo y el nuevo costo
después de haber sido comprimida. Por ejemplo, el costo de realización de "A" en 3
unidades de tiempo es $20; si se comprime a 2 unidades de tiempo su costo sube a $50.
Comprimir el proyecto para que pueda terminarse en 6 unidades de tiempo
minimizando el costo total de la compresión.
Solución:
Para plantear y resolver un problema de este tipo también necesitamos la red de
actividades de la Figura 10.1. Además, necesitamos determinar el costo por día de
reducción para cada actividad, el cual vamos a suponer que es constante para cualquier
cantidad de días. Por ejemplo, reducir "B" en un día nos cuesta $20 (véase cuadro a
continuación); volver a reducir "B" en un día también nos cuesta $20; y así
sucesivamente.
Capítulo X: Aplicaciones de Programación Lineal 365
La función objetivo debe minimizar el costo total de todas las reducciones, por lo que
queda así (obsérvese que "F" no puede reducirse):
MIN 30YA+20YB+15Yc+25Yo+IOYE
Por otro lado, cada nodo conduce a una o más restricciones, por lo que es muy
importante escribirlas nodo por nodo. Si consideramos que el proyecto empieza en el
tiempo T=O, tenemos:
Nodo 1:
Xl=O
donde "Xl" es la fecha de ocurrencia del nodo 1.
Nodo 2:
Xl + TNA- YA:::; X2
donde: TNA= tiempo normal de la actividad "A".
TNA-YA= tiempo de la actividad "A" después de la reducción.
X2 = fecha de ocurrencia del nodo 2.
Sustituyendo, tenemos:
0+3 - YA:::;X2~-X2- YA:::;-3 ~ X2+YA~3
Nodo 4:
-X2+~+Yc~3
El nodo 6 también requiere dos restricciones, la segunda de las cuales garantiza que el
proyecto termina en 6 unidades de tiempo:
Nodo 6:
X s + TNF- YF~X6 ~ X s + 1- YF~ X6 ~ X S-X6- YF~-1 ~-Xs+ ~+ YF~ 1
~~6
Además, tenemos que agregar las restricciones que impiden que las reducciones rebasen
sus valores máximos, es decir: YA~ 1; YB~ 2; Yc~ 2; YD~ 1; YE~ 1; YF~ O
Por lo tanto, el planteamiento completo queda así:
MIN 30YA+20YB+15Yc+25YD+lOYE
S.T.
X¡=O
X2+ YA~ 3
X3+YB~4
-X2+~+Yc~3
-~+Xs+YE~2
-X3+ X s + YD~ 2
-XS+X6+YF~ 1
~~6
YA~ 1
YB~2
Yc~2
YD~ 1
YE~ 1
YF~O
Xi, Yj ~ O
Aplicación 10.3:
En el ejemplo numérico 2.5 del Capítulo 11 evaluamos los programas de producción 1 y 11
cuyos costos resultaron ser $32,625 y $29,625, respectivamente (sin incluir el costo de la
Capítulo X: Aplicaciones de Programación Lineal 367
Solución:
Utilicemos el siguiente cuadro para la definición de variables, las cuales se explican por
si solas:
Estamos considerando "IFo" e "IF4" como variables sólo por comodidad, ya que tienen
valores conocidos de O y 50, respectivamente. Una vez defInidas las variables podemos
escribir la función objetivo y las restricciones. Empecemos con las restricciones,
clasifIcándolas en los siguientes grupos:
Producción normal:
NO¡ ~ 500; N02 ~ 500; N03 ~ 500; N04 ~ 500.
Tiempo extra:
TE¡ ~ 100; TE2 ~ 100; TE 3~ 100; TE4 ~ 100.
Satisfacción de la demanda:
II¡ + NO¡ + TE¡- 400 = IF¡; Ih+ N02+ TE2- 600 = IF2; Ih + N03 + TE3- 550 = IF3;
114 + N04 + TE4- 1,000 = IF4.
Como el inventario inicial ya incluye la maquila, ésta no aparece en las restricciones.
Maquila total:
MA=MA¡ +MA2+MA3+~.
Con estos últimos cuatro tipos de restricciones, lafunción objetivo queda con una forma
muy cómoda y sencilla:
MIN 20TE + SOMA + 151M.
Capítulo X: Aplicaciones de Programación Lineal 369
Después de reacomodar las restricciones para que el lado derecho sea numérico, el
planteamiento completo queda así:
MIN 20TE + 50MA + 151M
S.T.
NO I ~ 500
N02~ 500
N03~ 500
N04~ 500
TEI ~ 100
TE2~ 100
TE3~ 100
TE4~ 100
III- IFo- MAI=O
Ih - IF1- MA2 = O
113 -IF2 -MA3 = O
114-IF3 -~ = O
IFo=O
IF4= 50
111 + NOl + TE I - IF1 = 400
Ih+ N02+ TE2- IF2 = 600
lb + N03 + TE3- IF3 = 550
114 + N04 + TE4- IF4= 1,000
IMl - 0.511 1 - 0.51F1 = O
1M2 - 0.51h - 0.51F2 = O
IM3- 0.51b - 0.51F3 = O
I~- 0.5114 - 0.51F4 = O
TE - TE 1 - TE2 - TE3 - TE4 = O
MA - MAl - MA2 - MA3 - ~ = O
1M - IM I - 1M2 - 1M3 - IM4 = O
NO¡, TE¡, MA¡, II¡, IF¡, IM¡, TE, MA, 1M ~ O
Una parte de la solución de LINDO para este problema se muestra en la Figura 10.4, la
cual indica que la estrategia óptima es trabajar tiempo extra al máximo a partir del
segundo mes, es decir, a partir de Febrero, y sólo maquilar en Abril (300 unidades). En
forma de cuadro la solución óptima es la siguiente:
Aplicación 10.4:
La Compañía Eléctrica del Bajío, S.A. de C.V. (COELBA) produce transformadores
eléctricos grandes que son usados por importantes empresas de electricidad. Estos
transformadores los ordenan con varios meses de anticipación, así que COELBA puede
Capítulo X: Aplicaciones de Programación Lineal 371
predecir su demanda para 4 ó 5 meses a futuro con un alto grado de certidumbre. Esta
demanda se tiene que satisfacer cada mes, es decir, no puede haber demanda insatisfecha.
Por otro lado, aún cuando el inventario al inicio de un determinado mes sea suficiente
para cubrir la demanda correspondiente, COELBA puede decidir fabricar para aumentar,
mantener o disminuir dicho inventario. No está permitido el tiempo extra ni la maquila.
Las demandas proyectadas para los primeros 4 meses del próximo año son las
siguientes:
MES DEMANDA
Enero 3
Febrero 4
Marzo 2
Abril 3
Los costos de producción dependen del tamaño del lote que se fabrica en cada mes y se
muestran en el cuadro a continuación:
LOTE COSTO
O $0
1 $7
2 $9
3 $10
4 $11
Existe un costo de mantener de $1.00 por cada transformador que queda en inventario al
final de un determinado mes. La capacidad máxima de producción de los
transformadores durante cualquier mes es de 4 transformadores, debido a la demanda de
otros productos de la compañía, y la capacidad máxima del área de almacenamiento es de
3 transformadores. El inventario al final de Diciembre de este año será de 2
transformadores y COELBA ha decidido que el inventario al final de Abril debe ser igual
a cero.
Determinar el programa mensual de producción que minimiza el costo total (de
producción + de inventarios).
Solución:
Inicialmente, obsérvense las diferencias respecto a la aplicación anterior, lo que
obviamente afectará el planteamiento del problema:
* No está permitido el tiempo extra ni la maquila.
* El costo de mantener inventario se aplica al inventario final y éste está limitado.
* No está permitida la producción de cantidades fraccionares de transformadores, sino de
lotes completos de 1, 2, 3 ó 4 transformadores. Esta característica nos obliga a utilizar
la programación entera.
Satisfacción de la demanda:
lo + OYEo+ 1YEl + 2YE2+ 3YEJ + 4YE4- I¡ ;:::: 3
que signifIca: (inv. .inicial) + (producción de O, 1, 2, 3 ó 4) - (inv. fmal) ;:::: (demanda).
Obviamente, el término "OYEO" puede eliminarse. Las restricciones de este tipo para los
demás meses son idénticas:
I¡ +OYFO+ 1YFl +2YF2+ 3YF3+ 4YF4-h;::::4
h + OYMo + 1YMl + 2YM2 + 3YM3 + 4YM4-13;:::: 2
h + OYAo + 1YAl + 2YA2 + 3YA3 + 4YA4-14;:::: 3
Inventarios finales:
MIN 7YEl + 9YE2 + lOYE3+ lIYE4+7YFl +9YF2+ lOYF3 + lIYF4+ 7YMl +9YM2
+lOYM3 + lIYM4 +7YAl + 9YAl + 10YA3 + lIYA4 + 111 + 1h + 1h + 114
S.T.
lo + OYEo + 1YEl + 2YE2 + 3YE3 + 4YE4 -!¡ ~ 3
11 + OYFO + 1YFl +2YF2+3YF3+4YF4-h~4
h+OYMO + 1YMl +2YM2+3YM3+4YM4-h~2
h + OYAO + 1YAl + 2YAl + 3YA3 + 4YA4 - 14 ~ 3
YEO+YEl +YE2+YE3 +YE4 = 1
YFo + YFl + Y F2 + YF3 + YF4 = 1
YMO + YMI + y M2 + YM3 + y M4 = 1
YAO + YAl + YAl + Y A3 + YA4 = 1
10= 2
11 ::;; 3
h::;;3
13::;; 3
14 = O
Ii, Yij ~ O
Obsérvese que la producción en un determinado mes puede ser cero, por lo que la
presencia de las variables "YiO" en el planteamiento es indispensable. Como el problema
es de minimización, podríamos omitir la última restricción, es decir, 14 = O.
El planteamiento introducido en LINDO y parte de la solución óptima obtenida, se
encuentran en la Figura 10.5, la cual indica que el programa de producción óptimo es:
con un costo total mínimo de $35. Obsérvese el comando "INTE 16" de LINDO al fmal
del planteamiento, el cual garantiza que las 16 variables "Yij" sean binarias, es decir, que
sólo tomen los valores O(cero) ó 1 (uno).
Aplicación 10.5:
Supongamos ahora que el problema de planeación de capacidad posee las siguientes
características. ¿Cómo determinaríamos el programa óptimo?
* El volumen de producción "PT" del período "T" se mide en unidades.
* Existe un costo "Cp" de producción por unidad que no incluye mano de obra.
* Hay "HT" horas-hombre disponibles en el período "T".
* El costo de mano de obra en tiempo normal es "CH" por hora-hombre.
* Se pueden programar "ET" horas extras en el período "T", pero no hay maquila.
* La hora-hombre extra cuesta "CE".
* El costo de mantener inventario es "CM" y se aplica al inventario final "Ir" del período.
* Se puede contratar más mano de obra (OT) a un costo de contratación "Ca" por hora.
* Se puede hacer una reducción "RT" de mano de obra a un costo "CR" por hora.
374 Capítulo X: Aplicaciones de Programación Lineal
* Se tienen que satisfacer todas las demandas "DT ", pero una parte "FT " (faltante) del
período "T" puede ser satisfecha en algún período futuro a un costo "CF" por unidad
por período.
* Cada unidad producida consume "K" horas-hombre.
FIGURA 10.5 Corrida de LINDO del problema #2 de planeación de capacidad
Solución:
Suponiendo que el horizonte tiene "N" períodos, la/unción objetivo sería:
N
MIN ¿ Cp.PT + CH.HT + CE.ET + CM.h + CF.FT + CO.OT + CR.RT
T=l
Satisfacción de la demanda:
Sin faltantes la restricción sería como las anteriores, es decir:
h-l + PT - h = DT
Sin embargo, en este caso la demanda no es "DT", sino (DT+FT-1-FT) ya que hay que
satisfacer la demanda que quedó pendiente de (T-I) y dejar sin satisfacer una parte de la
demanda de "T". Escribimos entonces la restricción correcta así:
(T= 1, ... , N)
Horas-hombre disponibles:
HT = HT-l + OT - RT (T = 1, ... , N)
Por otro lado, para el horizonte de planeación anterior tendrían que definirse "lo"
(inventario al final del último período), "Fo" (demanda insatisfecha del último período) y
"Ho" (horas disponibles del último período).
Después de reacomodar las restricciones, el planteamiento completo quedaría así:
N
MIN ¿ Cp.PT + CH.HT + CE.ET + CM.h + CF.FT + Co.OT + CR.RT
T=l
S.T.
h-l + PT - h - DT- FT-1+ FT = O (T = 1, , N)
HT-HT-1- OT + RT= O (T = 1, , N)
ET - K.PT + HT- ST = O (T = 1, , N)
lo = dato del horizonte anterior
Fo = dato del horizonte anterior
Ho = dato del horizonte anterior.
PT, HT, ET, h, FT, OT, RT ~ O.
Sugerimos que el lector asigne valores a las demandas (por ejemplo, para 5 períodos de
tiempo), a los costos, a "K" y a los datos del período anterior, y complete el
planteamiento. Obsérvese que pueden agregarse, además, restricciones de inventario final
máximo y/o tiempo extra máximo, etc..
376 Capítulo X: Aplicaciones de Programación Lineal
Aplicación 10.6:
Arcos, S.A. utiliza una única máquina y tiene que procesar 3 pedidos. Los tiempos de
procesamiento, tiempos de entrega y multas por retraso se muestran a continuación:
Solución:
Inicialmente, definimos las siguientes variables:
Xi = inicio del procesamiento del producto '"i" (en relación a T = O).
Para que los productos '"i" y "j" no estén al mismo tiempo en la máquina, tiene que
ocumr:
· >- X'J + p.J o' X'J-
X1 > X'1 + p.1
X I· - XJ' >
- p.J o' X'J - X'1>
-
p.1
Una de las dos restricciones es válida, pero no las dos simultáneamente. Para que las dos
restricciones puedan estar presentes en el planteamiento, definimos:
Y ij = 1, si '"i" se procesa antes de '"j".
Yij = O, si "j" se procesa antes de "i".
Obsérvese que si queremos minimizar el total de días de retraso, la función objetivo sería
simplemente:
MIN R 1 + R2 + R3
y si queremos minimizar el tiempo de fabricación medio (que es lo mismo que minimizar
'2:F¡), la función objetivo sería (el resultado tendría que coincidir con el de la secuencia
TPC, véase el Capítulo V):
MIN Xl + X2 + X3
Capítulo X: Aplicaciones de Programación Lineal 379
El planteamiento presentado aquí puede generalizarse para "i" productos que requieren
"j" operaciones en "k" máquinas. Obviamente, la definición de variables se complica. Por
ejemplo: .
Pik = tiempo de procesamiento del producto "i" en la máquina "k".
Rijk = 1 si la operación "j" del producto "i" se realiza en la máquina "k",
= O en caso contrario.
Xik = inicio del procesamiento del producto "i" en la máquina "k".
Aplicación 10.7:
Una aplicación muy especial de PL a la programación de la producción es aquélla en la
que "n" actividades deben ser asignadas a "n" personas o máquinas cuyos niveles de
eficiencia varían de una actividad a otra. Veamos el caso en que 4 actividades deben ser
asignadas a 4 personas quienes las realizan en los siguientes tiempos (días):
ACTIVIDADES
PERSONAS 1 2 3 4
Gómez 12 18 10 20
Vázquez 11 21 6 27
Pérez 7 17 4 19
Ve1ázquez 6 16 3 18
Solución:
El planteamiento gráfico de este problema es el siguiente:
En otras palabras, de cada "persona" sale un flujo tamaño 1 (uno) que puede seguir
cualquiera de los cuatro caminos posibles, pero sólo uno de ellos.
Con estas variables, la siguiente función objetivo minimiza la suma de los tiempos
de las actividades después de que cada una de ellas fue asignada a una persona:
MIN 12X ll + 18X12 + 10X13 + 20X 14 + llX21 + 21X22+ 6X23 + 27X24 + 7X31 + 17X32
+ 4X33 + 19X34 + 6~1 + 16~2+ 3~3+ 18~4
Como cada persona tiene que ser asignada a una sola actividad, la suma de los valores de
todos los flujos (variables) que salen del nodo de cada persona debe ser igual a uno, es
decir:
Xll + X12 + X 13 + X 14= 1
X21 + X22 + X23 + X24 = 1
X31 + X32 + X33 + X34 = 1
~l +~2+~3+~4= 1
Por otro lado, como cada "actividad" puede asignarse una sola vez, la suma de los flujos
que llegan al nodo de cada actividad también debe ser igual a uno:
Xll + X21 + X31 + ~l = 1
X12+X22+X32+~2= 1
X13 + X23 + X33 + ~3 = 1
X 14 + X24 + X34 + ~4 = 1
La solución óptima obtenida en LINDO se muestra en la Figura 10.7, la cual indica que
X12=l, X23=1, X31=1 y 344=1. Esto quiere decir que Gómez debe realizar la actividad 2,
Vázquez la 3, Pérez la 1 y Velázquez la 4. El tiempo total mínimo que corresponde a esta
asignación es de 49 días. Este problema se llama equilibrado, ya que se asigna una sola
persona a cada una de las actividades. A continuación analizaremos casos especiales.
Pérez 0
ve~uez8~
Como puede verse, las últimas tres restricciones garantizan que todas las actividades se
van a realizar y las cuatro primeras garantizan que cada persona sólo hace una actividad.
La solución de LINDO de este caso especial se muestra en la Figura 10.8.
Gómez
Pérez
Si queremos que una de las actividades quede sin realizarse, el planteamiento matemático
sería el siguiente:
MIN 12X ll + 18X12 + 10X13 + 20X I4 + llX2I + 21X22 + 6X23 + 27X24+ 7X3I + 17X32
+ 4X33 + 19X 34
S.T.
X ll + X12 + X 13 + X I4 = 1
X2I + X22 + X23 + X24 = 1
X3I + X32 + X33 + X34 = 1 Planteamiento para la
Xll + X2I + X3I ~ 1 alternativa (a)
X12 + X22 + X32 ~ 1
X 13 + X23 + X33 ~ 1
XI4 + X24 + X34 ~ 1
Xij~O
La solución de LINDO se muestra en la Figura 10.9, la cual indica que X12=I, X23=1 y
X31=1. Esto significa que Gómez hace la actividad 2, Vázquez la 3 y Pérez la 1. La
actividad 4 queda sin realizarse y el tiempo total mínimo es de 31 días.
Es importante recordar que no podemos poner el signo de igual en las cuatro
últimas restricciones porque el planteamiento se volvería inconsistente, es decir, sería
imposible asignar cuatro actividades a tres personas. La misma observación es válida para
el caso especial #1, es decir, sería imposible asignar cuatro personas a tres actividades.
Si aceptamos que una de las personas realice 2 actividades (supongamos que sea
Pérez porque es más rápido que los demás) el planteamiento matemático cambiaría al
siguiente:
MIN 12Xll + 18X12 + 10X13 + 20X14 + 11X21 + 21X22 + 6X23 + 27X24 + 7X31 + 17X32
384 Capítulo X: Aplicaciones de Programación Lineal
S.T.
XII + X12 + X13 + X I4 ~ 1
X21 +X22+X23+X24~ 1
X31 + X32 + X33 + X34 ~ 2 Planteamiento para la
Xll + X21 + X31 = 1 alternativa (b)
X 12 + X22 + X32 = 1
X 13 + X23 + X33 = 1
X I4 + X24 + X34 = 1
Xij~O
FIGURA 10.9 Solución de LINDO del caso especial #2 de asignación con una
actividad sin realizarse
a nadie! Tampoco podemos poner igual en todas las restricciones porque el problema
sería inconsistente (imposible de resolver, LINDO enviaría el mensaje "infeasible
solution").
Por otro lado, cuando todas las actividades tienen que realizarse porque alguien va
a realizar más de una de ellas, los signos de las restricciones de actividades vuelven a ser
de igual; al mismo tiempo, el signo de menor o igual se usa en las restricciones de
personas (véase el planteamiento de la alternativa (b) arriba). Es interesante observar que
cuando hay más actividades que personas y aceptamos que éstas realicen más de una
actividad para que todas las actividades sean realizadas, estamos "equilibrando" el
problema.
En los problemas equilibrados (o equilibrados por nosotros ...) podemos utilizar el
signo de igual en todas las restricciones. Sin embargo, no es recomendable hacerlo,
principalmente en los problemas grandes, porque esto incrementaría el tiempo requerido
por la computadora para encontrar la solución óptima.
Por las características de los problemas de asignación, la solución será siempre
entera, por lo que el uso de la programación entera no es necesario.
FIGURA 10.10 Corrida de LINDO para el caso especial #2 de asignación con una
persona realizando más de una actividad
PROBLEMAS TIPO
10.3 La empresa GAMA ha elaborado los siguientes pronósticos para los primeros 4
meses del próximo año (miles de unidades):
I MESES ENERO FEBRERO I MARZO ABRIL I
I DEMANDA 300 400 I 450 500
La capacidad normal de producción es de 300 mil unidades/mes y con tiempo extra
se puede llegar a un máximo de 400 mil/mes. Las unidades producidas con tiempo
extra cuestan $50 más por unidad. Existe la posibilidad de maquilar parte de la
producción en la empresa DELTA, otra de las empresas de la corporación. Las
unidades maquiladas costarán $70 más por unidad, serán entregadas los días 10 de
cada mes y serán pagadas de contado. Es política de GAMA mantener un
inventario de seguridad de al menos 50 mil unidades, sin embargo la empresa
quiere terminar el mes de Abril con un inventario de 100 mil unidades. El
inventario al final de Diciembre del presente año será también de 50 mil unidades.
El costo de mantener inventario (aplicable al inventario medio) es de $10/unid.mes.
Encontrar el programa óptimo de producción utilizando la programación lineal.
Resp.: Trabajando en miles y nombrado las variables de la siguiente manera: NO¡=producción normal del mes "i";
TE¡=tiempo extra del mes "i"; MA¡=maquila del mes "i"; la solución óptima de LINDO es:
OBJECTIVE FUNCTION VALUE
1) 32000.00
VARIABLE VALUE REDUCED COST
TE 350.000000 .000000
MA 150.000000 .000000
1M 400.000000 .000000
N01 300.000000 .000000
N02 3 00.000000 .000000
N03 300.000000 .000000
N04 300.000000 .000000
388 Capítulo X: Aplicaciones de Programación Lineal
Resp.: a) Definiendo las variables binarias YE2=autorización para la producción de 2 calentadores en Enero, etc. y las
variables I;=inventario al final del mes "i", la formulación queda así (ímpresión de LINDO):
MIN 10YE2 + 15YE4 + 25YE6 + 30YES + 10YF2 + 15YF4 + 25YF6 + 30YFS + 10YM2
+ 15YM4 + 25YM6 + 30YMS + 10YA2 + 15YA4 + 25YA6 + 30YAS + 211 + 212 +
213 + 214
SUBJECT TO
2) 2YE2 + 4YE4 + 6YE6 + SYES - 11 + 10 >= S
3) 2YF2 + 4YF4 + 6YF6 + SYFS + 11 - 12 >= 10
4) 2YM2 + 4YM4 + 6YM6 + SYMS + 12 - 13 >= 4
5) 2YA2 + 4YA4 + 6YA6 + SYAS + 13 - 14 >= 7
6) YE2 + YE4 + YE6 + YES + YEO = 1
7) YF2 + YF4 + YF6 + YFS + YFO = 1
S) YM2 + YM4 + YM6 + YMS + YMO = 1
9) YA2 + YA4 + YA6 + YAS + YAO = 1
10) 10 = 3
11) 11 <= 4
12) 12 <= 4
13) 13 <= 4
14) 14 >= 4
15) 14 <= 5
END
INTE 16
b) La solución de LINDO es la siguiente:
1) 137.0000
10.5 Como parte de una competencia de natación, se llevará a cabo un relevo mixto
combinado en el cual dos hombres y dos mujeres deben nadar los cuatro estilos. Sus
tiempos históricos son los siguientes (segundos):
CRAWL PECHO DORSO MARIPOSA
ALEJANDRO 33 40 38 39
NOÉ 31 41 37 39
ANGIE 37 43 42 40
NORA 35 42 44 45
Formular y correr modelos de programaclOn lineal que permitan obtener la
asignación óptima de nadadores a estilos en las siguientes condiciones, presentando
tanto el planteamiento matemático como la solución óptima.
390 Capítulo X: Aplicaciones de Programación Lineal
10.6 Los siguientes productos deben ser procesados en la única máquina de una
determinada planta (tiempos en días). Formular y correr un modelo de
programación lineal entera que encuentre la secuencia que minimiza el total de días
de retraso, es decir, ~Ri, presentando:
a) Formulación matemática con M=100 después de reacomodar las restricciones.
b) Solución óptima (valores óptimos de las variables).
c) Secuencia óptima y ~Ri correspondiente.
TIEMPO DE TIEMPO DE
PRODUCTO PROCESAMIENTO ENTREGA
a 15 30
b 11 14
c 7 29
d 5 22
e 13 34
Resp.: a) Formulación después de reacomodar las restricciones (impresión de LINDO):
MIN R1 + R2 + R3 + R4 + R5
SUBJECT TO
2) 100Y1 2 + Xl - X2 >= 11
3) 100Y12 + Xl - X2 <= 85
4) 100Y13 + Xl - X3 >= 7
5) 100Y13 + Xl - x3 <= 85
6) 100Y14 + Xl - X4 >= 5
7) 100Y14 + Xl - X4 <= 85
8) 100Y15 + Xl - X5 >= 13
9) 100Y15 + Xl - X5 <= 85
10) 100Y23 + X2 - X3 >= 7
11) 100Y23 + X2 - X3 <= 89
12) 100Y24 + X2 - X4 >= 5
13) 100Y24 + X2 - X4 <= 89
14) 100Y25 + X2 - X5 >= 13
15) 100Y2 5 + X2 - X5 <= 89
16) 100Y34 + X3 - X4 >= 5
17) 100Y34 + X3 - X4 <= 93
18) 100Y35 + X3 - X5 >= 13
19) 100Y35 + X3 - X5 <= 93
20) 100Y45 + X4 - X5 >= 13
21) 100Y45 + X4 - X5 <= 95
22) Xl + Al - R1 15
23) X2 + A2 - R2 = 3
24) X3 + A3 - R3 = 22
2 5) X4 + A4 - R4 = 17
26) X5 + A5 - R5 = 21
END
INTE Y12
INTE Y13
INTE Y14
INTE Y15
INTE Y23
INTE Y24
INTE Y25
INTE Y34
INTE Y35
INTE Y45
b) Solución óptima: Y23=Y24=Y2S=Y3S=Y4S=1; las demás Yij=O.
c) Secuencia óptima: b-d-c-e-a; ~R;=23 días.
392 Capítulo X: Aplicaciones de Programación Lineal
Bibliografia y Tablas 411
BIBLIOGRAFÍA
[2] Arcus, A.
COMSOAL: Computer Method of Sequencing Operations for Assembly Lines
Intemational Journal ofProduction Research, Vol. 4, N° 4, 1966.
[3] Blake, R.
Seguridad Industrial
Editorial Diana, México, 1994.
[12] Hay, E.
Justo-a-Tiempo
Editorial Norma, Colombia, 1989.
[15] Hill, T.
Manufacturing Strategy
Editorial Irwin, EEUU, 1994.
[17] Holanda, R
Quality ofWork Life in Just-in-Time Systems: An Exp1oratory Study
Tesis Doctoral no publicada, ITESM-CCM, México, 1993.
[18] Holanda, R
Quality ofWork Life in Just-in-Time Systems: An Exploratory Study
Proceedings ofthe Second IFSAM, EEUU, 1994.
[19] Ibarra, H.
Diseño de un Sistema de Mantenimiento Preventivo
Tesis Profesional no publicada, Universidad Centroamericana, Nicaragua, 1985.
[20] Ishikawa, K.
¿Qué es el Control Total de Calidad? La Modalidad Japonesa
Editorial Norma, Colombia, 1986.
[21] Jackson, J.
An Extension of Johnson' s Results on Job-lot Scheduling
Nav. Res. Log. Quart. 3, N° 3, September, 1956.
[23] Johnson, S.
Optimal Two- and Three-Stage Production Schedules With Set-up Time Included
Nav. Res. Log. Quart. 1, N° 1, March, 1954.
[25] Love, S.
Inventory Control
Editorial McGraw-Hill, EEUU, 1979.
[30] Nabeshima, I.
The Order of 'n' Items Processed on 'm' Machines
The Metropolitan Hiroo School, 8th Meeting, November, 1960.
[31] Newbrough, E.
Administración de Mantenimiento Industrial
Editorial Diana, México, 1986.
[32] Niebel, B.
Ingeniería Industrial
Editorial Alfaomega, México, 1996.
[34] Orlicky, J.
Material Requirements Planning
Editorial McGraw-Hill, EEUU, 1975.
[36] Schrage, L.
LINDO: An Optimization Modeling System
Editorial Scientific Press, EEUU, 1991.
[37] Senju, S.
TQCand TPM
Asian Productivity Organization, Japón, 1992.
[39] Taha, H.
Operations Research
Editorial McMillan Publishing, EEUU, 1997.
TABLAS
416 Bibliografia y Tablas
z O 1 2 3 4 5 6 7 8 9
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0754
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2258 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2518 0.2549
0.7 0.2580 0.2612 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2996 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.482 1 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 4.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000
Bibliografia y Tablas 417
.~
Valores críticos unilaterales
0.25 0.125 0.05 0.025 0.0125 0.005 0.0025