MÓDULO INVESTIGACIÓN DE OPERACIONES

PROYECTO DE AULA

Valerie Colpas

Mila Echeverria Nieto

Mónica Monterrosa

María José Duran

INSTITUCION UNIVERSITARIA POLITECNICO GRANCOLOMBIANO

FACULTAD DE INGENIERIA INDUSTRIAL VIRTUAL

BOGOTA D.C

2018
 MÓDULO INVESTIGACIÓN DE OPERACIONES

PROYECTO DE AULA

Valerie Colpas

Cód. 1330650931

Mila Echeverria Nieto

Cód. 1610650183

Mónica Monterrosa

Cód. 1611980087

María José Duran

Cód. 1711981041

Tutor

Juan Alarcón

INSTITUCION UNIVERSITARIA POLITECNICO GRANCOLOMBIANO

FACULTAD DE INGENIERIA INDUSTRIAL VIRTUAL

BOGOTA D.C

2018
A continuación, se realiza un estudio estadístico a los datos relacionados en el

documento Entrega2.xlsx correspondientes a la demanda y producción de 15 años de la

empresa de Gas Natural.

Para tal estudio definimos n=15 que son los años que se tienen como referencia para

hacer un promedio tanto de demanda como de producción.

Para calcular la media de los datos obtenidos usamos

∑ 𝑋𝑖
𝑋̅ =
𝑛

Para calcular la desviación estándar de los datos obtenidos usamos

2 ∑(𝑥 − 𝑋
𝑖
̅ )2
𝜎=√
𝑛

Trabajaremos con un Nivel de Confianza del 95%, determinamos el valor de Alfa para

después hallar el valor de Z en la Tabla de probabilidades.

𝛼 = 1 − 0,95 = 0,05

𝛼⁄ = 0,025
2

𝑃 (𝑍 ≤ 𝑍𝛼⁄2 ) = 0,975

Z=1,96

Para calcular los límites usaremos

𝜎
𝐿𝑖𝑚𝑖𝑡𝑒 𝐼𝑛𝑓𝑒𝑟𝑖𝑜𝑟 = 𝑋̅ − 𝑍( 2 )
√𝑛
 𝜎
𝐿𝑖𝑚𝑖𝑡𝑒 𝑆𝑢𝑝𝑒𝑟𝑖𝑜𝑟 = 𝑋̅ + 𝑍( 2 )
√𝑛

DESVIACION 𝑋̅ LIM INF LIM SUP

ENERO 44,05 268,53 246 291
FEBRERO 42,15 269,93 249 291
MARZO 46,33 419,93 396 443
ABRIL 43,43 259,00 237 281
MAYO 20,67 160,60 150 171
JUNIO 65,85 280,20 247 314
JULIO 64,34 357,73 325 390
AGOSTO 64,42 402,47 370 435
SEPTIEMBRE 85,66 640,93 598 684
OCTUBRE 87,76 790,87 746 835
NOVIEMBRE 86,45 840,67 797 884
DICIEMBRE 86,37 1040,93 997 1085

Tabla 1. Valores Calculados para el pronóstico de Demanda del año 2017.

DESVIACION 𝑋̅ LIM INF LIM SUP

ENERO 86,42 539,33 496 583
FEBRERO 86,26 541,07 497 585
MARZO 86,18 540,87 497 584
ABRIL 86,67 540,53 497 584
MAYO 85,74 437,27 394 481
JUNIO 43,95 218,33 196 241
JULIO 85,95 540,73 497 584
AGOSTO 84,60 540,07 497 583
SEPTIEMBRE 44,90 321,13 298 344
OCTUBRE 86,74 738,67 695 783
NOVIEMBRE 86,96 738,27 694 782
DICIEMBRE 87,28 740,27 696 784

Tabla 2. Valores Calculados para el pronóstico de Producción del año 2017.

 DEMANDA
1200,00

1000,00

800,00

600,00

400,00

200,00

0,00

MEDIA LIM INF LIM SUP

Figura 1. Pronóstico de Demanda del año 2017.

PRODUCCIÓN
900,00

800,00

700,00

600,00

500,00

400,00

300,00

200,00

100,00

0,00

MEDIA LIM INF LIM SUP

Figura 2. Pronóstico de Producción del año 2017.

 REGRESION LINEAL
1200
y = 1,1218x
1000
R² = 0,9952
800
REGRESION LINEAL
A -27,9645051 600

B 33,26772158 400

R² 0,998325149 200

0
0 200 400 600 800 1000 1200

ANALISIS: Como el coeficiente de correlación indica la correspondencia de los valores

con respecto a un tipo de regresión, se entiende que la mayor correlación corresponde

al valor 1. Para este caso, tomando como referencia los datos obtenidos se observa que

existe una correlación lineal perfecta entre los datos de la demanda del año 2017.

Cuando pronosticamos, siempre queremos saber que tan exacto es el método que

estamos utilizando, igual que una medida de error de pronóstico.

Para eso hay diferentes medidas que nos dan el grado de error en él, una medida

apropiada para medir el error e regresión lineal es el error estándar de estimación

(S y,x), que os permite determinar la variabilidad en torno a la recta de regresión.

𝑆𝑦, 𝑥 = √∑𝑦 2 − 𝑎∑𝑦 − 𝑏∑𝑥𝑦

𝑛−2
Con los datos de nuestra tabla reemplazaría en la formula estándar para su valor

estimado en lo que nosotros lo estimamos como una medida de variabilidad o dispersión

de valores observados alrededor de nuestra línea de regresión.

Otro análisis que si o si debemos realizar cuando trabajamos, no importa si es con el fin

de pronostico el coeficiente de correlación nos dio una medida de asociación entre las

variables X y Y .

El costo de almacenamiento de inventario en el nivel de acuerdo con el archivo y datos

que obtenemos los siguientes costos de inventario por un cierto periodo t el cual fueron

los siguientes:

Costo Mantener el Inventario por un Periodo en Cada Nivel

Campos de Producción Gaseoducto Cusiana- Gaseoducto Apiay- Sistema de Distribución

Mes (Cusiana) Apiay Bogotá Bogotá
Enero 1 1,5 1 2
Febrero 1 1,5 1 2
Marzo 1 1,5 1 2
Abril 1 1,5 1 2
Mayo 1,3 1,5 1 2
Junio 1,3 1,5 1 2
Julio 1,3 1,5 1,2 2
Agosto 1,3 1,5 1,2 2
Septiembre 1,3 1,5 1,2 2
Octubre 2 1,5 1,2 2
Noviembre 2 1,5 1,2 2
Diciembre 2 1,5 1,2 2
 Los resultados obtenidos de Giga BTU producidas en cada mes es:

Mes 2001
Enero 349
Febrero 347
Marzo 505
Abril 701
Mayo 596
Junio 299
Julio 493
Agosto 696
Septiembre 404
Octubre 899
Noviembre 899
Diciembre 901

El costo total que se incurre es de $ 59.229,2

Conclusiones

• Se pudo concluir que la cantidad de unidades que se debe distribuir cada

origen y la demanda de unidades debe tener en cuenta los modelos de

transporte. Ya que esto va a satisfacer la demanda y minimiza costos.

• Al implementar y ejecutar herramientas tecnológicas a lo largo de la red de

distribución se brinda múltiples soluciones, los cuales pueden ser

eficientes o de dichas técnicas de programación lineal, simplificar modelos

de transporte.

• En conclusión, tenemos en cuenta el implementar el modelo matemático, nuestra

empresa puede controlar su red de transporte para la distribución de Gas Natural

al tener modelos, soluciona óptimamente una buena logística.