Resumen de Metodos Cuantitativos

Mtodo Cuantitativo Aplicado al Mercadeo

Mtodo Cuantitativo Aplicado al Mercadeo Prof. Josefa E. Bernal

2015

1

Universidad Tecnolgica de Panam

Facultad de Ingeniera Industrial

Por:

Angelo Pagonis / cd.8-785-905

Profesora: Josefa Bernal de lvarez

Materia: Mtodo Cuantitativo Aplicado al Mercadeo

Tema: Portafolio Final

06/07/2015



2015

2

Introduccin

El presente portafolio tiene la finalidad de reunir todo el material que

se dio en el semestre en la materia Mtodo cuantitativo aplicado al

mercadeo, desde la teora bases de los diferentes temas, prcticas y

parciales.

El objetivo de este portafolio es reunir todo el material de trabajo de

la materia y esperando que sea de su completo agrado.



2015

3

ndice

Tema Pgs.

1. Plan de Estudio

4-8

2. Modelos Teoras (trabajo 1)

9-12

3. Regla de Johnson

13-14

4. Programacin Lineal 15-17 5. Mtodo Simplex

18-20

6. Mtodo M (complex) 21-23 7. Adm. de Proyectos PERT

(Tres enfoques)Ruta critica 24-27

8. Mtodo del costo mnimo 28 9. Mtodo de Voggel

29

10. Tema de charla (Resumen)

30-33

11. AGRADECIMIENTO 34



2015

4

1. Plan de Estudio

DESCRIPCIN DE LA ASIGNATURA. Este curso contiene elementos que les permiten a los participantes

adquirir los conocimientos sobre administracin de operaciones con los

que puedan tomar decisiones en su vida profesional.

Se estudian los modelos relacionados con la ciencia de la Administracin,

la Programacin Lineal y su solucin, modelos de inventarios y los

Mtodos PERT Y CPM para la Administracin de Proyectos.

OBJETIVOS: Generales: Al concluir el curso, los estudiantes estarn en capacidad de

aplicar las herramientas bsicas con las que se formulen y resuelvan modelos

cuantitativos utilizados en el rea de mercadeo.

DENOMINACIN DE LA ASIGNATURA:

MTODOS CUANTITATIVOS APLICADOS AL MERCADEO

CDIGO DE ASIGNATURA:

8659

CANTIDAD DE CRDITOS:4

N. DE HORAS TERICAS:

HORAS DE LABORATORIO:

TOTAL DE HORAS:4 PRERREQUISITOS: cursar cuarto ao

FUNDAMEN

TAL

LTIMA REVISIN:



2015

5

Especficos

1- Conocern cul es el enfoque del anlisis cuantitativo. 2- Estudiarn aplicaciones del anlisis cuantitativo en situaciones reales. 3- Establecern las hiptesis y propiedades bsicas de la programacin

lineal. 4- Resolvern grficamente cualquier problema de programacin lineal de

dos variables. 5- Conocern el papel del anlisis de sensibilidad. 6- Reconocern la importancia de controlar los inventarios. 7- Calcularn el punto de reo rden 8- Resolvern problemas de inventarios que permitan realizar descuentos

por volumen. 9- Comprender el uso de las existencias de seguridad. 10- Utilizarn PERT para Planear, Supervisar y Controlar proyectos. 11- Establecern los tiempos de inicio y de terminacin ms prxima y

lejana, as como las holguras para cada actividad, y el tiempo total para terminar el proyecto.



2015

6

CONTENIDOS DE LA ASIGNATURA.

Mdulo I: INTRODUCCIN A LOS MODELOS Y

A LA CIENCIA DE LA

ADMINISTRACIN

Duracin:

CONTENIDO ESTRATEGIAS RECURSOS

1. Construccin de

Modelos y la ciencia

de la Administracin

2. Los modelos

matemticos y la

administracin de

operaciones

Mdulo II:

PROGRAMACIN LINEAL (PL) Duracin:


1.Formulacin de modelos

de PL

2.Solucin de los modelos

de PL

2.1. Mtodo grfico

2.2. Mtodo simplex



2015

7

Mdulo III:

MODELOS DE INVENTARIO Duracin:


1.. Introduccin

2. Modelo de la

cantidad econmica de

pedido

3. Modelo de la

cantidad econmica de

pedido con dficit

4. Modelo del tamao

del lote de produccin

Mdulo IV:

ADMINISTRACIN DE PROYECTOS Duracin:


1. Introduccin

2. Mtodos de redes para la

programacin de proyectos

2.1. Mtodo PERT2.2.

Mtodo CPM



2015

8

EVALUACIN SUGERIDA.

* Valores definidos por el Estatuto Universitario

REFERENCIAS BIBLIOGRFICAS.

1. Barry Render, Ralph Stair, Michael Hanna. Mtodos Cuantitativos para los

Negocios. Editorial Pearson-Prentice Hall. Novena edicin, Mxico, 2006.

2. Render/Heizer Principios de Administracin de Operaciones Editorial

Pearson-Prentice Hall. Quinta Edicin, Mxico, 2004.

3. Davis/Mckeown Modelos Cuantitativos para Administracin. Grupo

Editorial Iberoamerica. Mxico, 2005.

4. Everett Adam y Ronald Ebert Administracin de la Produccin y las Operaciones.. Editorial Pearson. Cuarta edicin. Mxico, 2005

CRITERIOS DE EVALUACIN PORCENTAJE

PARCIALES (min 2 max 4)* 45%

SEMESTRAL 35%

TAREAS / INVESTIGACIONES 15%

ASISTENCIA 5%

Total : 100%



2015

9

El objetivo de cualquier ciencia es adquirir conocimientos y la eleccin del mtodo adecuado que nos permita conocer la realidad es por tanto fundamental. El problema surge al aceptar como ciertos los conocimientos errneos o viceversa. Los mtodos inductivos y deductivos tienen objetivos diferentes y podran ser resumidos como desarrollo de la teora y anlisis de la teora respectivamente. Los mtodos inductivos estn generalmente asociados con la investigacin cualitativa mientras que el mtodo deductivo est asociado frecuentemente con la investigacin cuantitativa.

Los cientficos sociales en salud doctores, enfermeras, tcnicos en salud, etc. - que utilizan abordajes cualitativos enfrentan en la actualidad problemas epistemolgicos y metodolgicos que tienen que ver con el poder y la tica en la generacin de datos as como con la validez externa de los mismos.

La investigacin cuantitativa es aquella en la que se recogen y analizan datos cuantitativos sobre variables.

La investigacin cualitativa evita la cuantificacin. Los investigadores cualitativos hacen registros narrativos de los fenmenos que son estudiados mediante tcnicas como la observacin participante y las entrevistas no estructuradas.

La diferencia fundamental entre ambas metodologas es que la cuantitativa estudia la asociacin o relacin entre variables cuantificadas y la cualitativa lo hace en contextos estructurales y situacionales.

La investigacin cualitativa trata de identificar la naturaleza profunda de las realidades, su sistema de relaciones, su estructura dinmica; mientras que la investigacin cuantitativa trata de determinar la fuerza de asociacin o correlacin entre variables, la generalizacin y objetivacin de los resultados a travs de una muestra para hacer inferencia a una poblacin de la cual toda muestra procede. Tras el estudio de la asociacin o correlacin pretende, a su vez, hacer inferencia causal que explique por qu las cosas suceden o no de una forma determinada.



2015

10

El empleo de ambos procedimientos cuantitativos y cualitativos en una investigacin probablemente podra ayudar a corregir los sesgos propios de cada mtodo, pero el hecho de que la metodologa cuantitativa se la ms empleada no es producto del azar sino de la evolucin de mtodo cientfico a lo largo de los aos. Creemos en ese sentido que la cuantificacin incrementa y facilita la compresin del universo que nos rodea y ya mucho antes de los positivistas lgicos o neopositivistas Galileo Galilei afirmaba en este sentido "mide lo que sea medible y haz medible lo que no lo sea".

Diferencias entre investigacin cualitativa y cuantitativa

Investigacin cualitativa Investigacin cuantitativa

Centrada en la fenomenologa y comprensin

Basada en la induccin probabilstica del positivismo lgico

Observacin naturista sin control Medicin penetrante y controlada

Subjetiva Objetiva

Inferencias de sus datos Inferencias ms all de los datos

Exploratoria, inductiva y descriptiva

Confirmatoria, inferencial, deductiva

Orientada al proceso Orientada al resultado

Datos "ricos y profundos" Datos "slidos y repetibles"

No generalizable Generalizable

Holista Particularista

Realidad dinmica Realidad esttica



2015

11



2015

12

La teora de sistemas o teora general de los sistemas es el estudio

interdisciplinario de los sistemas en general. Su propsito es estudiar los

principios aplicables a los sistemas en cualquier nivel en todos los campos de

la investigacin.

En 1950 Ludwig von Bertalanffy plante la teora general de sistemas

propiamente dicha. Posteriormente, en la dcada de los setenta, Humberto

Maturana desarroll el concepto de autopoiesis, el que da cuenta de la

organizacin de los sistemas vivos como redes cerradas de autoproduccin de

los componentes que las constituyen. W. Ross Ashby y Norbert Wiener

desarrollaron la teora matemtica de la comunicacin y control de sistemas a

travs de la regulacin de la retroalimentacin (ciberntica), que se encuentra

estrechamente relacionada con la teora de control. En la msma dcada, Ren

Thom y E.C. Zeeman plantearon la teora de las catstrofes, rama de las

matemticas de acuerdo con bifurcaciones en sistemas dinmicos que clasifica

los fenmenos caracterizados por sbitos desplazamientos en su conducta.

estructura esttica, como la ordenacin de los planetas en el sistema

social,

sistemas dinmicos simples, como la mayora de las mquinas y los

modelos de la fsica newtoniana,

sistemas abiertos, los que presentan estructuras autoperpetuantes,

sistema societal-gentico, con una cierta subdivisin de funciones,

incluye subsistemas diferenciados

sistema animal, incluye la auto sensibilidad y movilidad y subsistemas

especializados para recibir y procesar informacin que procede del

mundo o del medio exterior,

sistema humano, incluye la capacidad de ser autoconsciente,

autosensible y de utilizar la simbolizacin para comunicar ideas,

organizaciones sociales, considera a los seres humanos como

subsistemas dentro de una gran organizacin o sistema,

sistemas transcendentales, que recogen las alternativas y realidades que

pueden ser conocidas pero que an estn por descubrir.



2015

13

Enfoque que minimiza el tiempo de procesamiento en una secuencia. El

diagrama es una til herramienta grfica cuyo objetivo es exponer el tiempo

de dedicacin previsto para diferentes tareas o actividades a lo largo de un

tiempo total determinado. A pesar de esto, el Diagrama de Gantt no indica

las relaciones existentes entre actividades.

A continuacin les presentamos unos ejemplos .

Ejemplo 1:

Trabajo #1 das Diseo #2 das Impresin

A 5 2

B 3 6

C 8 4

D 10 7

E 7 12

MAQUINA #1

35

MAQUINA #2

Con el diseo va tomar un tiempo de 33 das de utilizacin.

Con la impresin se demora 35 das de utilizacin.

B E D C A

OCIO

B E D C A



2015

14

Ejemplo 2:

Trabajo #1 das Dragado #2 das Limpieza Rio

Abajo 4 10

San Miguelito 8 3

Calidonia 6 5

Villa Lucre 2 8

Don Bosco 12 7

MAQUINA #1

MAQUINA #2

Tomar 32 das de dragado.

Tomar 35 das de Limpieza.

Ejemplo 3 Programacin de Trabajos

Tipo de trabajo fresa Pia Total A 5 2 7 B E D C A

B 3 6 9 C 8 4 12 D 10 7 17 E 7 12 19

S

V R D C S

OCIO V R D C



2015

15

Es un mtodo de anlisis para elegir la mayor entre muchas alternativas.

Al seleccionar una alternativa incluye satisfacer varios criterios al mismo

tiempo.

Partes:

1. Restricciones: Es la parte ms difcil de la PL. Hay que formular el

problema matemticamente. Se debe expresar afirmaciones lgica, en

trminos matemticos.

Ej. A usa 3 horas x unidad y

B usa 2 horas x unidad

Ambas deben usar 100 horas disponibles.

3A + 2B = 100

Se escribe como una desigualdad

3A + 2B 100

En PL se requiere que todas las variables sean positivas o cero, no negativas.

2. Funciones objetivos: Minimizar o Maximizar alguna medida numrica.

Maximizar: Rendimiento, ganancia, contactos, clientes etc,.

Minimizar: Costo, N empleados, desperdicios, etc,.

Maximizar: = 3A + 2B

Minimizar: = 3A + 2B

Pasos:

Buscar fusin objetivo F(x,y)

Leer

Plantar el sistema

Resolver el sistema

Regin poligonial

Vrtices



2015

16

Ejemplo1:

Unos almacenes encargan a un fabricante pantalones y suteres

deportivos. El fabricante dispone para la confeccin 750m de tejido de

algodn y 100m de tejido de licra. Cada pantaln precisa 1m de

algodn y 2m de licra. Para cada suter se necesita 1.5m de algodn y

1m de licra. El precio del pantaln se fija en B/. 50.00 y el del suter en

B/. 40.00

Qu cantidad de pantaln u suteres debe suministrar el fabricante a

los almacenes para conseguir una venta mxima?

MAXIMIZACION: Z= 50X+40Y

Buscar variable:

Pantaln Suter DISPONIBLE RESTRICCION

Algodn 1M 1.5M 750M x+1.5y750

Licra 2M 1M 1000M 2x+y1000

X Y

0 500

750 0

Reemplazo Z= 50x+40y

Z (0,500)= 50(0)+40(500)= 20,000

Z (375,250)= 50(375)+40(250)= 28,250

Z (500,0)= 50(500)+40(0)=25,000

X Y

0 1000

500 0



2015

17

Ejemplo 2:

Un fabricante est tratando de decidir sobre las cantidades de produccin

para dos artculos: mesas y sillas. Se cuenta con 96 unidades de material y

con 72 horas de mano de obra. Cada mesa requiere 12 unidades de material

y 6 horas de mano de obra. Las sillas usas 8 unidades de material cada una y

requiere 12 horas de mano de obra por silla. El marguen de contribucin es el

mismo para las mesas y para las sillas, es decir B/. 5.00 por unidad. El

fabricante prometi construir por lo menos 2 mesas.

Mesas Sillas DISPONIBLE RESTRICCION

Material 12 8 96 12x+8y96

M.O 6 12 72 6x+12y72

x2

X Y

0 12

8 0

X

20

Reemplazo z= 5x+5y

Z (2,5)= 35

Z (6,3)= 45

Z (2,0)= 10

Z (8,0)= 40

X Y

0 6

12 0



2015

18

Las tablas construidas durante el mtodo Simplex van proporcionando el valor de la funcin objetivo en los distintos vrtices de la regin factible, ajustndose, a la vez, los coeficientes de las variables inciales y de holgura.

El Mtodo Simplex es un mtodo analtico de solucin de problemas

de programacin lineal capaz de resolver modelos ms complejos que los

resueltos mediante el mtodo grfico sin restriccin en el nmero de

variables.

F.O/S.A Columna Pivote Soluciones Optimas Extras

MAX +Sn +an

-Sn Mayor Positivo Son (-) Coef. An-M

MIN +an Mayor Negativo Son (+) Coef. An+M

Ejemplo

Max Z= 1.5 X1 + 1.2 X2 + 0s1 + 0s2 + Os3

S.A X1 6000------>X1+S1+0S2+0S3 = 6000

X1 + X2 800-->X1+X2+0S1+S2+0S3= 800

X1 + 2X2 700-> X1+2X2+0S1+0S2+S3=700

X1 0 X2 0

X1 X2 S1 S2 S3 B

CJ 1.5 1.2 0 0 0

0s1 1 0 1 0 0 6000

0S2 1 1 0 1 0 800

0S3 1 2 0 0 1 700

ZJ 0 0 0 0 0

CJ - ZJ 1.5 1.2 0 0 0



2015

19

X1 X2 S1 S2 S3 B

CJ 1.5 1.2 0 0 0

0s1 0 -2 1 0 -1 6000

0S2 0 -1 0 1 -1 800

1.5 X1 1 2 0 0 1 700

ZJ 1.5 3 0 0 1.5 1,050

CJ - ZJ 0 -1.8 0 0 -1.5

MAX Z = 1.5 X1 + 1.2 X2

1,050= 1.5 (700) + 1.2 (0)

1,050= 1,050 (Comprobacin)



2015

20

Ejemplo 2:

MIN Z= -5X1-4X2+0S1+0S2+0S3

SA 2X1+2X2 14---->2X1+2X2+S1+OS2+OS3 = 14

6X1+3X2 36----->6X1+3X2+0S1+S2+0S3 = 36

5X1+10X2 60---->5X1+10X2+0S1+0S2+S3 = 60

X1 0 X2 0

X1 X2 S1 S2 S3 B

CJ -5 -4 0 0 0

0s1 2 2 1 0 0 14

0S2 6 3 0 1 0 36

0S3 5 10 0 0 1 60

ZJ 0 0 0 0 0

CJ - ZJ -5 -4 0 0 0

X1 X2 S1 S2 S3 B

CJ -5 -4 0 0 0

0S1 -10 -4 2 -2 0 -58

-5 6 3 0 1 0 36

0S3 -25 -5 0 -5 0 -120

ZJ -30 -15 0 -5 0 -180

CJ - ZJ 25 11 0 5 0

Comprobacin

Z= -5X1-4X2

-180= -5(-36)-4(0)

-180 = -180 (Comprobacin)



2015

21

La finalidad de esta seccin es presentar la tcnica matemtica de optimizacin llamada

programacin lineal. Se tendr en consideracin tres mtodos de programacin lineal

(PL): El mtodo de transporte. El mtodo grafico tiene un valor prctico limitado pero es

de gran utilidad para visualizar los conceptos sub-yacentes de la PL.

En general la programacin lineal puede ser aplicada para los problemas de decisin que

tienen las siguientes caractersticas:

1. Variables de decisin. Es necesario determinar los valores numricos de dos o ms

variables (las variables de decisin son factores bajo el control de quien toma las

decisiones, las que si se modifican, dan como resultado soluciones diferentes entre

s).

2. Metas. La meta es encontrar los valores que conforman la mejor decisin, esto es

aquellos que maximizan (o minimizan) la funcin objetivo.

3. La funcin objetivo. Es una ecuacin matemtica que mide los resultados de cualquier

alternativa que se proponga en PL.

4. Restricciones. Los valores que pueden ser seleccionados como variables de decisin

estn restringidos (constreidos); no existe la libertad completa de eleccin.

1. Maximizar: Z = C1X1 + C2X2 + + CnXn

2. Maximizar: CjXj

El propsito del mtodo grafico es proporcionar un contacto con los conceptos bsicos

que se utilizan en la tcnica simplex. Para utilizar el mtodo grafico se requiere:

1. Identificar las variables de decisin

2. Identificar la funcin objetivo (criterio)

3. Identificar las restricciones de recursos (restricciones)

4. Hacer una grfica en las que aparezcan todas las restricciones

5. Identificar el rea de decisiones factibles en la grafica

6. Hacer la grfica de la funcin objetivo, y seleccionar el punto del rea de

factibilidad que optimice la funcin objetivo

7. Hacer una interpretacin de la solucin



2015

22

Ejemplo 1:

MAX = 5X1 + 6X2

SA X1 + X2 80----->X1+X2+S1+0S2+0S3+0A1=80

3X1 + 2X2 220--->3X1+2X2+0S1+S2+0S3+0A1=220

3X1 + X2 180--->3X1+X2+0S1+0S2-S3+A1=180

Penalizar a Z (-MA1) cuando maximizamos

Z= 5X1 + 6X2 + 0S1 + 0S2 + 0S3 + MA1

X1 X2 S1 S2 (-M) B

CJ 5 6 0 0 A1

0S1 1 1 1 0 0 80

0S2 3 2 0 1 0 220

(-MA1) 3 1 0 0 1 180

ZJ (-3M) (-M) 0 0 (-M) (-180M)

CJ - ZJ (5+3M) (6+M) 0 0 0

X1 X2 S1 S2 B

CJ 5 6 0 0

0S1 0 2/3 1 0 20

0S2 0 1 0 1 40

5X1 1 1/3 0 0 60

ZJ 5 5/3 0 0 300

CJ - ZJ 0 13/3 0 0

X1 X2 S1 S2 B

CJ 5 6 0 0

0S1 0 1 3/2 0 30

0S2 0 0 -3/2 1 10

5X1 1 0 -1/2 0 50

ZJ 5 6 13/2 0 430

CJ - ZJ 0 0 -13/2 0 SOLUCION.OPTIMA



2015

23

Z= 5X1+6X2 430= 5(50) + 6(30) 430= 250 + 180 430 = 430 (Comprobacin) Ejemplo 2:

MIN = 1.5 X1 + 2X2

SA 2X1 + 2X2 8---> 2X1+2X2+S1+0S2+0A1=8

2X1 + 6X2 12-> 2X1+6X2+0S1-S2+A1= 12

Penalizar Z (Min = + Ma1)

Z= 1.5X1+2X2+0S1+0S2+MA1

X1 X2 S1 A1 B

CJ 1.5 2 0 M

0S1 2 2 1 0 8

MA1 2 6 0 1 12

ZJ 2M 6M 0 M 12M

CJ-ZJ 1.5-2M 2-6M 0 0

X1 X2 S1 A1 B

CJ 1.5 2 0 M

0S1 4/3 0 1 -1/3 4

2X2 1/3 1 0 1/6 2

ZJ 2/3 2 0 1/3 4

CJ-ZJ 5/6 0 0 M-1/3

Z= 1.5 X1 + 2X2

4= 1.5 (0) + 2(2)

4=4 (Comprobacin)



2015

24

La problemtica de la planeacin de proyectos no ha sido una problemtica reciente, si no que desde tiempos pasados nuestros antepasados han enfrentado emprendimientos de gran envergadura que significaron una problemtica desde el punto de la planificacin.

Actualmente se han logrado perfeccionar herramientas que permiten a los administradores de dichos proyectos, realizar una labor ms eficiente permitiendo una ptima aplicacin de los recursos en las mismas y logrando una maximizacin de los mismos.

Admitiendo que la ejecucin de un proyecto o elaboracin se puede subdividir en planear, programar y controlar, y hablando de manera clsica, podemos considerar las tcnicas PERT (Program Evaluation aand review Technique) y el CPM (Critical Path Method,) que son los ms usuales para un primer cometido. En general estas tcnicas resultan tiles para una gran variedad de proyectos que contemplen:

Investigacin y desarrollo de nuevos productos y procesos. Construccin de plantas, edificios, y carreteras. Diseo de equipo grande y complejo. Diseo e instalacin de sistemas nuevos. Diseo y control de epidemias, y otras mltiples aplicaciones en las cuales se requiera una

planificacin adecuada.

En los proyectos como estos, los administradores deben programas, coordinar las diversas tareas o actividades a desarrollar un proyecto, las cuales no necesariamente son secuenciales, y aun en este caso estas actividades son interdependientes. Si bien es cierto que, algunas actividades en paralelo que originan una tercera.



2015

25

PERT est constituido con:

Nombre de la actividad

Tiempo terminacin

ms cercano

Tiempo de inicio

mas cercano

Tiempo de inicio

mas lejano

Tiempo terminacin

ms lejano

Duracin de la Actividad

A

C NODOS

Representacin de actividades

A

TC

2



2015

26

Ejemplo del PARCIAL RESUELTO

Actividad A M B Predecesor

A 8 10 12 ---

B 6 7 9 ---

C 3 3 4 ---

D 10 20 30 A

E 6 7 8 C

F 9 10 11 B,D,E

G 6 7 10 B,D,E

H 14 15 16 F

I 10 11 13 F

J 6 7 8 G,H

K 4 7 8 I.J

L 1 2 4 G,H

El tiempo esperado es: Te: a+4m+6

6

Varianza del proyecto = VARIANZA DE LAS ACTIVIDADES EN RUTA CRTICA

Varianza del proyecto = 12.31

Actividad Te: a+4m+6 6

Tiempo esperado por

actividad

Varianza por actividad (B-A / 6)2

Varianza por actividad

A 60/6 10 16/36 0.44

B 43/6 7.17 9/36 0.25

C 19/6 3.17 1/36 0.02

D 120/6 20 400/36 11.1

E 42/6 7 4/36 0.11

F 60/6 10 4/36 0.11

G 44/6 7.34 16/36 0.44

H 90/6 15 4/36 0.11

I 67/6 11.1 9/36 0.25

J 42/6 7 4/36 0.11

K 40/6 6.67 16/36 0.44

L 13/6 2.17 9/36 0.25

TOTAL 57.1 (T.E) 12.31 Varianza

Critica



2015

27

Desviacin Estndar:

Sigma =

12.31 = 3.50

Z= 70-68.6 = 1.4 91.9% 3.5

Z= 80-68.6 = 11.4 99% 3.5

Z= 90-68.6 = 21.4 99% 3.5



2015

28

Algoritmo desarrollado con el objetivo de resolver problemas de

transporte o distribucin.

Sujeto a restricciones de oferta y/o demanda

Da mejores resultados que el de esquina noreste.

Ejemplo 1:

Nicaragua Colombia El Salvador Argentina Oferta

Planta 1 25 5 X 2 50 7 5 3 80

Planta 2 X 3 X 6 X 6 30 1 30

Planta 3 X 6 40 1 20 2 X 4 60

Planta 4 45 4 X 3 X 6 X 6 45

Demanda 70 40 70 35 215 TOTAL

# DE RENGLONES + # DE COLUMNAS -1 = CELDAS OCUPADAS

4+4-1 = 7 celdas ocupadas

Z= 25(5)+50(7)+5(3)+30(1)+40(1)+20(2)+45(4) = Bl. / 780.00

Ejemplo 2:

Nicaragua Colombia El Salvador Argentina Oferta

Panam 50 5 200 4 X 3 X 0 250

Costa Rica 100 8 X 4 200 3 X 0 300

El Salvador 150 9 X 7 X 5 150 0 300

Demanda 300 200 200 150 850 TOTAL


3+4-1 = 6 celdas ocupadas

Z= 50(5)+200(4)+100(8)+200(3)+150(9)+150(0)= Bl/.3,800.00



2015

29

El mtodo de aproximacin de Vogel es un mtodo heurstico de resolucin

de problemas de transporte capaz de alcanzar una solucin bsica no

artificial de inicio, este modelo requiere de la realizacin de un nmero

generalmente mayor de iteraciones que los dems mtodos heursticos

existentes con este fin, sin embargo produce mejores resultados iniciales que

los mismos.

Ejemplo 1

Centro 1 Centro 2 Centro 3 Centro 4 Oferta

Planta 1 X 10 5 20 X 6 25 5 30

Planta 2 20 6 10 17 X 29 X 22 30

Planta 3 X 15 5 25 15 5 X 10 20



3-4-1=6

Z= 5(20)+25(5)+20(6)+10(17)+5(25)+15(5)=Bl/. 715.00

Ejemplo 2

Centro 1 Centro 2 Centro 3 Centro 4 Oferta

Planta 1 25 5 40 2 10 7 5 3 80

Planta 2 X 3 X 6 X 6 30 1 30

Planta 3 X 6 X 1 60 2 X 4 60

Planta 4 45 4 X 3 X 6 X 6 45



4+4-1 = 7 CELDAS OCUPADAS

Z= 25(5)+45(4)+40(1)+50(7)+20(2)+5(3)+30(1)= Bl./ 780.00



2015

30

Origen Del Just in Time El J.I.T se origin en Japn, donde fue aplicado por la empresa automovilstica Toyota que empez a utilizarlo a principios de los aos 50. Surge como una solucin a sus mayores problemas: El ahorro de espacio.

El reducido volumen de las operaciones de las empresas japonesas no permita la implantacin eficiente de sistemas de produccin masiva.

Falta de capital y necesidad de reducir costos. Just in time Es una filosofa que considera la reduccin o eliminacin de todo lo que implique desperdicio en las actividades en un negocio.

En un sistema JIT se considera al desecho, reproceso y almacenamiento en inventario como desperdicio porque no contribuye con valor al producto.

La filosofa del JIT impulsa a la empresa a buscar una calidad perfecta.

La calidad perfecta es responsabilidad del trabajador, que buscar siempre producir partes de calidad para respaldar al siguiente proceso.



2015

31

El JIT tiene dos elementos esenciales: El programa maestro: Su objetivo es permitir que los trabajadores y proveedores planeen sus programas de trabajo que permitan producir una carga uniforme de productos cada da. es un plan cronolgicamente elaborado que determina cundo y cunto se producir de artculos finales.

Kanban:

Es un sistema simple que permite el flujo de partes de un centro de trabajo a otro. Si un proceso se detiene todos los procesos anteriores se detienen. Cmo estabilizar el programa maestro en un sistema JIT? El programa maestro se debe establecer por lo menos con un mes de adelanto.

La produccin de diferentes artculos debe ser secuencial y armnica respecto a la cantidad requerida de cada artculo al mes. Productos: A,B,C Tiempo= 20 das Cantidad: 1000 A, 1000B, 400C La produccin diaria ser: 50 A, 50 B, 20C

Qu es el sistema Kanban? KANBAN significa en japons: tarjeta de instruccin, marcador, smbolo, placa, etc.

Este sistema se basa en la utilizacin de esta tarjeta, para indicar la necesidad de empezar a producir un nuevo lote de alguna pieza, subensamble o producto.

Su principal funcin es ser una orden de trabajo.

El objetivo es limitarse a ordenar solo aquellas cantidades que han sido solicitadas por un cliente y evitar exceso de inventarios.



2015

32

KANBAN es un subsistema de JIT.

Por qu es importante? Disminuir o eliminar los stocks intermedios (entre procesos).

Cumplir los tiempos de entrega demandados por el cliente.

Mejorar la calidad del producto por una mejor deteccin de los defectos del mismo.

Evitar el manejo excesivo de materiales.

Facilitar el control de la produccin.

Obtener un sistema de produccin flexible segn la demanda.

En los sistemas de produccin JIT se han desarrollado sistemas de sugerencias, acompaados por incentivos para los trabajadores, que han supuesto grandes beneficios. Los planes de sugerencias de los sistemas de produccin JIT no son muy distintos de los que se utilizan; las diferencias estn en la importancia que estos planes reciben en un Ambiente donde se estimula la participacin de los trabajadores en todos los aspectos del sistema productivo. Proveedores: El enfoque del J.I.T. resalta la necesidad de buscar una sola fuente de suministro. De hecho, subraya continuamente la necesidad de tener un solo proveedor que suministre varias piezas de una familia, aumentando as el volumen por proveedor y reduciendo el nmero de proveedores. De esta forma, se estimular al proveedor para que haga la inversin necesaria para mejorar sus procesos de fabricacin. La teora de los 5 ceros: Cero defectos. La calidad bajo la filosofa JIT significa un proceso de produccin sin defectos en el que esta se incorpora al producto cuando se fabrica.



2015

33

Cero plazos. Elimina al mximo todos los tiempos no directamente indispensables, en particular los tiempos de espera, de preparaciones y de trnsito.

Cero averas o cero tiempos inoperativo. Evitar cualquier retraso por fallo de los equipos durante las horas de trabajo.

Cero papel o cero burocracia. El JIT en su lucha continua por la sencillez y eliminacin de costos superfluos, entabla una batalla permanente contra la fbrica oculta. En este sentido intenta eliminar cualquier burocracia de la empresa.

Cero stocks. Compara a la empresa con un barco que navega tranquilamente por un ro plagado de rocas (problemas), un nivel adecuado de los inventarios (nivel de agua), podr conseguir que la empresa navegue plcidamente. La filosofa JIT lucha contra cualquier poltica de empresa que implique mantener altos inventarios al considerar a los stocks como el derroche ms daino.



2015

34

Agradecimiento

Agradecerle por su paciencia, tiempo y esfuerzo para ensearnos los temas

de esta asignatura nunca est de ms, hay profesores que simplemente

tienen vocacin para ensear y usted es uno de esos profesores con los que

me he encontrado ya al final de mi carrera, no me queda nada ms que

seguir desendole todo el xito tanto en el mundo futuro como en su vida

personal.

Se despide fraternalmente,

Angelo Pagonis.

Resumen de Metodos Cuantitativos

Documents

Transcript of Resumen de Metodos Cuantitativos