Professional Documents
Culture Documents
Eficiencia
Capacidad real
Medición del porcentaje de la capacidad efectiva respecto a la Eficiencia
capacidad actual (real). Capacidad efectiva
Decisiones de
instalaciones
Decisiones de
instalaciones
Planeación
Planeación agregada
agregada
Programación
Programación
0 6 12 18 24
LA PREVISIÓN DE LA DEMANDA.
La dirección de la producción toma la demanda prevista (estimación) como un dato que la dirección de marketing pone a su
disposición. En muchos casos resulta más correcto hablar de objetivos de ventas que de demanda o ventas previstas.
Se desea determinar el valor de Q, el nivel de producción, tal que la planta sea utilizada 90% o menos (de
ese valor Q) con una probabilidad del 5% para satisfacer una demanda de mercado dada q.
Matemáticamente esto implica encontrar, para la variable aleatoria q, de distribución gaussiana o normal:
En vista que la variable aleatoria q, tiene media =50,000 y desviación típica =10,000, no podemos utilizar
la tabla Z de valores, sino que primero debemos hallar la forma de probabilidad equivalente para una
variable aleatoria con media 0 y desviación típica 1. Para ello aplicamos la expresión siguiente:
(1.645)(10,000) 50,000
Q 37,277
0.9
De donde se deduce que la capacidad requerida es de 37,277
unidades físicas al año.
Dado que los directivos de ACME, S.A. solo pretenden evitar tener una capacidad ociosa excesiva, han de
establecer una capacidad requerida inferior a la demanda esperada (50,000 u.f. al año). En otras empresas
prima el objetivo de que no quede demanda sin cubrir, o que no supere cierto límite la probabilidad de que
no se pueda atender un porcentaje determinado de demanda.
I. Zamora 12 La Capacidad y Localización de Producción
La decisión de localización de la planta
La localización de las instalaciones
Consiste en la determinación de aquel lugar que, considerando todos los factores, ocasionará el costo
mínimo del producto a fabricar, con objeto de obtener los máximos beneficios empresariales,
proporcionando a su vez la máxima satisfacción posible a los clientes.
Modelo aditivo
En el modelo aditivo de selección de la localización, a cada factor se le atribuye un peso o ponderación Wi,
y por cada posible localización se le asigna una calificación pij, con base en el grado de cumplimiento, y luego
para cada localización se suman los resultados, obteniendo la calificación total para la localización j, que
denominamos Tj ,
m
T j p1 j W1 p2 j W2 pmj Wm pij Wi
i 1
2
El coste de transporte de los 8 6
productos terminados
3 9 4
El coste de las materias primas
Puntuación Puntuación
Ponderación
Factor i en ciudad X en ciudad Y Wi*PiX Wi*PiY
del factor Wi
(piX) (piY)
1
El coste de la 0.5 2 8 1 4
mano de obra
2
El coste de
transporte de los 0.3 8 6 2.4 1.8
productos
terminados
3
El coste de las 0.2 9 4 1.8 0.8
materias primas
EJEMPLO
Para el mismo ejemplo anterior, determine la localización adecuada utilizando el modelo multiplicativo.
En cuanto a la primera alternativa de localización X:
TX p W1
1X p
W2
2X p W3
3X 20.5 80.3 90.2 4.08
Por consiguiente, la solución es la misma que con el modelo aditivo: la mejor ubicaciones es la ciudad Y.
EJEMPLO
La empresa ACME, S.A. que tienen dos almacenes: uno situado en la ciudad A y otro en la ciudad C. La
dirección de la empresa estima que es necesario otro almacén y no sabe si situarlo en la ciudad B o en la
ciudad D. Desde los tres almacenes de los que finalmente disponga ha de servir a los almacenes N, M, S.
Evidentemente, la introducción de un nuevo almacén alteraran las cantidades que actualmente se distribuyen
desde los almacenes ya existentes. En la tabla de abajo se refleja lo que cuesta transportar a una unidad
física de servicio desde cada ciudad hasta cada mercado (en u.m.), así como la cantidad de unidades físicas
(u.f.) requeridas mensualmente por cada uno de los mercados, y las que ha de servir al mes cada almacén:
MERCADOS
Almacenes N (u.m.) M (u.m.) S (u.m.) u.f. a servir al mes
C 3 2 4 150
A 3 4 2 200
B 4 2 4 200
D 4 3 2 200
u.f. precisas 150 300 100
X CN X CM X CS 150
X AN X AM X AS 200
X BN X BM X BS 200
X CN X AN X BN 150
X CM X AM X BM 300
X CS X AS X BS 100
Restricción de no negatividad:
X ij 0 para todo i y j.
Evidentemente, dado que existen mas de dos variables no es posible acudir a la resolución
gráfica, pero utilizando programa en software se puede alcanzar la siguiente solución:
X CN 50 X AM 0 X BS 0
X CM 50 X AS 100
X CS 0 X BN 0
X AN 100 X BM 200
Z 3 X CN 2 X CM 4 X CS 3 X AN 4 X AM 2 X AS 4 X BN 2 X BM 4 X BS
Podría repetirse el análisis suponiendo que se hubiera elegido situar el nuevo almacén en la
ciudad D, y se llegaría a la conclusión de que la solución óptima le corresponde un coste
(mínimo en el que puede incurrir en ese caso) de 1,400 u.m., que es superior que cuando se
sitúa el almacén en la ciudad B. Por tanto, es preferible localizarlo en la ciudad B.
S k / TikA
N ik Pik Ci ·Ci
( S1 / Ti1 ) ( S 2 / Ti 2 ) ... ( S n / Tin )
A A A
Nik = número de clientes de la zona i que se espera que acudan a comprar al lugar k.
Pik = probabilidad de que un cliente de la zona i acuda a comprar a lugar k.
Ci = número de clientes que residen en la zona i.
Sj = tamaño del local situado en j.
Tij = tiempo necesario para que un cliente se desplace de la zona i al lugar j.
A = parámetro que refleja el efecto del tiempo de desplazamiento sobre el comportamiento de los
clientes en la compra.
Todos los datos necesarios para aplicar e modelo son conocidos con excepción de A. En sus estudios
Huff obtuvo para es te parámetro valores comprendidos entre 2.1 y 3.2.