Beruflich Dokumente
Kultur Dokumente
GUÍA 1
INTRODUCCIÓN A LA GESTIÓN DE OPERACIONES
PRESENTADO POR
TUTOR
1. Objetivos
2. Solución punto 2.1
3. Solución punto 2.2
4. Solución punto 2.3
5. Solución punto 2.4
6. Solución Ejercicios prácticos punto 2.5
7. Solución Ejercicios prácticos punto 2.6
7.1 Hoja de trabajo Punto 2.6 Promedio 1 Movil
7.2 Hoja de trabajo Punto 2.6 Promedio 3 Movil
7.3 Hoja de trabajo Punto 2.6 Método S.E.
7.4 Hoja de trabajo Punto 2.6 Método R.L.
7.5 Hoja de trabajo Punto 2.6 Parte f - Conclusiones
8. Solución Ejercicios prácticos punto 2.7
8.1. Hoja de trabajo Punto 2.7
9. Referencias
OBJETIVOS
Para poder responder a esta pregunta primero debemos conocer un poco más el
concepto de que es la Gestión de Operaciones en donde acudimos a la definición del
libro (Administración de operaciones, séptima edición, J.Heizer, B. Render, 2009,
pag. 4) "Es un conjunto de actividades que crean valor en forma de bienes y
servicios al transformar los insumos en productos terminados".
Ahora si respondamos a la pregunta planteada por el tutor dentro la guía Nº1: La
razones por la cuales se debe estudiar Gestión de Operaciones son 4:
Metodología para la programación del despacho de buses urbanos basada en manufactura esbelta
El presente artículo pretende utilizar el modelo del Lean Manufacturing para organizar y normalizar los horarios
de salida de buses pertenecientes al Sistema Integrado de Transporte de Fusagasugá. Este modelo que se
presenta a continuación es una analogía del modelo de surtida de materiales [5] diseñado para un proceso
productivo y fue adaptado al diseño de horarios para rutas de un municipio. En la aplicación, a través de una
muestra representativa, un número finito de buses asignados a ciertas rutas, se les distribuye la cantidad de
viajes durante el día estandarizando los horarios que deben cumplir bajo parámetros de demanda y capacidad,
y así prestar un servicio más óptimo, confiable y organizado a la comunidad gracias a la disminución de tiempos
muertos no tomados en cuenta, la eliminación del factor humano (su influencia en la variabilidad de los sistemas),
suprimir la preferencia entre sujetos y el seguimiento y control de los buses por parte de las empresas.
El presente artículo muestra el desarrollo del algoritmo de aproximación de manufactura esbelta aplicado al Sistema
Integrado de Transporte de Fusagasugá. Por cuestiones técnicas y para la aplicación del mismo, surgió la necesidad
de realizar ciertas analogías con el fin de poderlo aplicar al problema que se plantea en este escrito.
Sin embargo, siempre se mantuvo la finalidad del algoritmo, que está ligada directamente con la manufactura esbelta:
eliminar los desperdicios de un proceso productivo. En segundo lugar, se realiza un análisis exhaustivo de los datos que
arroja el algoritmo después de su aplicación, con el fin de dar a conocer la importancia de tener un orden de salidas de
los buses de diferentes rutas del Sistema Integrado de Transporte de Fusagasugá. Para finalizar, se revisan los datos de
salida del algoritmo para concluir sobre los resultados del mismo. (D. Buriticá1, R. Soto1, O. Perilla1. Junio 2014).
que produzca un
elta
horarios
ue se
oceso
e una
ad de
acidad,
tiempos
stemas),
as.
al Sistema
necesidad
o.
ra esbelta:
os datos que
salidas de
los datos de
io 2014).
2.3 Una empresa trabaja diariamente en dos turnos de 8 horas cada turno, a lo largo de cinco días a la semana.
Una sección de dicha empresa consta de cuatro máquinas que se utilizan el 70% del tiempo con una eficiencia
del sistema del 90%. Determine el output de la sección por semana.
Trabajadores Horas Dia Dias Semana Semanas Unidades Total Horas Motos/Hora
Año1 60 8 5 48 230,400 115,200 2
Año 2 50 8 5 48 288,000 96,000 3
Tuvieron un Incremento del 50%
- Capacitaciones para los 50 empleados restantes, con el fin de desarrollar habilidades estratégicas (trabajo en equipo)
- Optimizar el proceso de producción rediseñando este proceso con el fin de reducir pasos innecesarios con el fin de cubrir la producción del personal fa
- Adquirir máquinaria con mejor tecnología
- Una compensación salarial por el aumento en la productividad
oducción del personal faltante
EJERCICIO PRÁCTICO 2.5
La fábrica de Renault en Valladolid es una de las más importantes de España. En SOFASA-Renault se desarrolla
ciclo comienza con la Gestión de Mercadeo, que investiga y determina la demanda del mercado. Después, Plan
volúmenes y referencias necesarios, para que desde aprovisionamiento se gestione la recepción de las piezas, de l
otros lugares del mundo, y de las piezas locales, bajo la modalidad Justo a Tiempo. Una vez en la plan
En su planta trabajan 7.000 personas divididas en turnos de mañana, tarde y noche. Actualmente la producción
producción la producción anual se sitúa en torno a 425.000 unidades que se distribuyen para su venta, por
El proceso de producción de un auto comienza en las prensas, en las que se estampan las piezas que formarán la
las que las piezas son transportadas automáticamente de matriz en matriz (así se logra que el proceso sea contin
carrocería del vehículo. Las prensas se encuentran dentro de un recinto insonorizado con el fin de e
Los talleres de chapistería, protagonistas de la segunda fase del proceso, son los más automatizados de la fábrica
prácticamente el 100% de los puntos de soldadura de la carrocería, para lo que se emplea en determinadas zo
excelente precisión del acabado, controlado mediante ultrasonidos. Durante el proceso de ensamblaje, el vehí
medición on line de la carrocería.
A continuación, se desarrolla el pintado en dos naves diferentes. En la primera, se lleva a cabo la fase de pretratam
la resistencia a la corrosión. En la segunda se aplican, mediante robots, las diferentes capas de color y lacado, tant
Los dos talleres están construidos y acondicionados teniendo en cuenta los métodos antipolución más actuales
completa de los disolventes por agua, lo que impide que la contaminación afecte tanto al entor
Una vez pintado el vehículo, las carrocerías se trasladan al taller de premontaje, donde se ensamblan parte de la
talleres de montaje la carrocería recibe de manera automática el grupo moto
Posteriormente, se montan el resto de piezas interiores del coche. La totalidad de los vehículos salidos de las lí
garantizan su calidad antes de pasar a los muelles de distribución, desde donde son enviados a los conc
Datos
Viales interiores:
kilómetros de vías de ferrocarril 10.5
kilómetros de calles. 25
Desarrollo
Datos
No. Trabajadores 7,000
Produccion anual 425,000
Dato
Producción anual 850,000,000
Al tomar los datos del total de unidades producidas el ultimo año por su costo de venta obtenemos los outputs. Ah
utilizamos como insumos, en este caso: mano de obra, gastos general y capital, la división de esta información da
Renault obtienen una productividad de unidades producidas por recurso invertido de 0.86.
Dato
Producción anual 850,000,000
Dato
Producción anual 850,000,000
0.66
0.15
0.38
segundos
Gas Capital
317,749,633 600,000,000
2.68 1.42
enemos los outputs. Ahora, para hallar los inputs tomamos todo lo que
de esta información da como resultado 0.86, lo que quiere decir, que
Gas Capital
317,749,633 600,000,000
2.68 1.42
Productividad
Electricidad Gas Multifactorial
69,897,573 317,749,633
69,897,573 317,749,633
12 3 0.86
12 3 0.85
0.00% 0.00% -0.42%
Ejercicio Practico 2.6
Una empresa fabrica herramientas especializadas para construir bicicletas de motor. Todos sus productos se elaboran bajo pedido, por lo que la
compañía nunca sabe exactamente qué componentes comprar para una herramienta hasta que el cliente coloca una orden. Sin embargo, la
compañía piensa que la demanda semanal de unos cuantos componentes es bastante estable. El componente JMMS0318 es uno de ellos. A
continuación se muestran las últimas 26 semanas de utilización histórica del componente JMMS0318.
Use los valores establecidos para los pronósticos:
60
40
120
100
80
Value
16 124
17 121 60
18 127 40
19 118
20 120 20
21 115 0
22 106
1
3
5
7
9
21
25
11
13
15
17
19
23
23 120
24 113 Time
25 121
26 119 Demand Forecast
Interpretación
Forecasting
160
140
120
100
80
Value
60
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25
60
V
40
20
0
1 3 5 7 9 11 13 15 17 19 21 23 25
Time
Demand Forecast
Interpretación
No tiene gran variedad ni alteración entré los tres periodos analizados para
este punto, su demanda del mercado sigue permaneciendo relativamente
estable en el tiempo al igual que en el análisis del promedio móvil de un
solo periodo, si por el contrario hubiéramos visto gran variedad par este se
vería una gran variedad y diferencia en tres periodos.
Conclusiones
Para este caso podemos concluir que al determinar los promedio de UNO y
TRES periodos y que en ellos no se muestra una gran variacion entre los
dos es mas viable el de Periodo Movil de TRES ya que muestra menor
error en sus resultados como lo podemos ver aqui arriba.
Forecasting Moving averages - 1 period moving average
Enter
Enter the
the past
past demands
demands in
in the
the data
data area
area
Num pds 1
00.74%
04.90%
05.15%
03.55%
10.16%
14.09%
09.56%
01.49%
05.63%
Forecasting
13.60% 160
06.72%
140
13.56%
09.92% 120
00.76%
06.45% 100
02.48%
04.72% 80
Value
07.63%
60
01.67%
04.35% 40
08.49%
11.67% 20
06.19%
06.61% 0
01.68%
1
3
5
7
9
13
19
25
11
15
17
21
23
161.76%
06.47% Time
MAPE
Demand Forecast
Num pds 3
01.96%
01.89%
09.38%
09.40%
02.45%
02.74%
01.64%
09.87%
00.25% Forecasting
13.28% 160
04.07% 140
03.28%
02.42% 120
06.61% 100
01.05%
05.08% 80
Value
01.67% 60
05.80%
40
11.01%
05.28% 20
00.59%
0
06.61%
1 3 5 7 9 11 13 15 17 19 21 23 25
00.84%
107.16% Time
04.66%
MAPE
Demand Forecast
-0.814147996
0.6628369596
Forecast Error Absolute Squared
Promedio Movil de Un 8.24 95.20 0.06
periodo MAD MSE MAPE
Para este caso podemos concluir que al determinar los promedio de UNO y TRES
periodos y que en ellos no se muestra una gran variacion entre los dos es mas viable
el de Periodo Movil de TRES ya que muestra menor error en sus resultados como lo
podemos ver aqui arriba.
Abs Pct Err
2.7 Ejercicio Práctico
Una agencia de empleo está en el proceso de diseñar un programa que utilicen sus clientes en el proceso de búsqueda de empleo. Algunas
actividades incluyen ingresar la hoja de vida al sistema, adjuntar cartas de presentación o referencias, concertar citas por ofertas de empleo,
concertar entrevistas con psicólogos de intermediación laboral, realizar seguimiento al resultado final del proceso de selección, enviar
nuevos candidatos de ser requerido, etc. Parte de la información de las actividades se incluye en la siguiente tabla:
Días Predecesor
ACTIVIDAD
a m b inmediato
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
Data
Activity Optimistic Likely Pessimistic
A 8 10 12
B 6 7 9
C 3 3 4
D 10 20 30
E 6 7 8
F 9 10 11
G 6 7 10
H 14 15 16
I 10 11 13
J 6 7 8
K 4 7 8
L 1 2 4
Precedences Immediate Predecessors (1 per column)
Activity Time Pred 1 Pred 2 Pred 3
A 0.00
B 0.00
C 0.00
D 0.00 A
E 0.00 C
F 0.00 B D E
G 0.00 B D E
H 0.00 F
I 0.00 F
J 0.00 G H
K 0.00 I J
L 0.00 G H
Ruta Critica: A - D - F - H - J - K
Tiempo de terminacion del proyecto: 68,7 semanas
e. Calcule la probabilidad de que el proyecto se termine en 70 días o menos.
Punto c.
INICIO TERMINACION INICIO LEJANO TERMINACION
Results HOLGURA
CERCANO (IC) CERCANA (TC) (IL) LEJANA (TL)
Activity Early Start Early Finish Late Start Late Finish Slack
A 0.00 10.00 0.00 10.00 0.00
B 0.00 7.17 22.83 30.00 22.83
C 0.00 3.17 19.83 23.00 19.83
D 10.00 30.00 10.00 30.00 0.00
E 3.17 10.17 23.00 30.00 19.83
F 30.00 40.00 30.00 40.00 0.00
G 30.00 37.33 47.67 55.00 17.67
H 40.00 55.00 40.00 55.00 0.00
I 40.00 51.17 50.83 62.00 10.83
J 55.00 62.00 55.00 62.00 0.00
K 62.00 68.67 62.00 68.67 0.00
L 55.00 57.17 66.50 68.67 11.50
Project 68.67
Punto e
Ruta Critica: A - D - F - H - J - K
Tiempo de terminacion del proyecto: 68,7 semanas
Punto a.
σ= 3.5
μ= 68.7
: 68,7 semanas
F G H I J K L
68.67 68.67 68.67 68.67 68.67 68.67 68.67
68.67 68.67 68.67 68.67 68.67 68.67 68.67
68.67 68.67 68.67 68.67 68.67 68.67 68.67
68.67 68.67 68.67 68.67 68.67 68.67 68.67
68.67 68.67 68.67 68.67 68.67 68.67 68.67
68.67 68.67 68.67 68.67 68.67 68.67 68.67
68.67 68.67 68.67 68.67 68.67 68.67 68.67
40.00 68.67 68.67 68.67 68.67 68.67 68.67
50.83 68.67 68.67 68.67 68.67 68.67 68.67
68.67 55.00 55.00 68.67 68.67 68.67 68.67
68.67 68.67 68.67 62.00 62.00 68.67 68.67
68.67 66.50 66.50 68.67 68.67 68.67 68.67
40.00 55.00 55.00 62.00 62.00 68.67 68.67
Punto e
Punto f
Punto g
terminacion (μ)
REFERENCIAS
● Heizer, J., Render, B. (2014). Principios de administración de operaciones. Novena edición. Editorial Pearson.
● Sánchez, L. C. (2009). Modelos cuantitativos lineales con escenarios en excel – solver. Bogotá: Universidad EAN
● Collier, D., Evans, J. (2007). Administración de operaciones, bienes, servicios y cadenas de valor. Editorial Cengage
● Chase, B., et al. (2009). Administración de operaciones, producción y cadena de suministros. Duodécima edición. Editorial Mc Graw Hill
● Krajewsky, L., et al. (2013). Administración de Operaciones. Procesos y cadenas de valor. Décima edición. Editorial Pearson.
● Muñoz, D. (2009). Administración de operaciones. Enfoque de administración de procesos de negocios. Editorial Cengage.
● Nahmias, S. (2007). Análisis de la producción y las operaciones. Quinta edición. Editorial Mc Graw Hill.
● Pérez, C. (2006). Manual de producción. Aplicado a las Pyme. Segunda edición. Bogotá. Ediciones Ecoe.
● Render, B., Stair, R y Hanna, M. (2012). Métodos cuantitativos para los negocios. Editorial Pearson
● Schroeder, R. (2011). Administración de operaciones: conceptos y casos contemporáneos. Editorial Mc Graw Hill.
● Vollman, T. y Berry, W. (2005). Planeación y control de la producción. Administración de la cadena de suministros. Quinta edición. Editorial Mc Gra
● DocPlayer (2014). Programación de Rutas para Buses Urbanos en el Municipio de Fusagasugá a través de un Algoritmo de Aproximación. Recuperad
https://docplayer.es/26289340-Programacion-de-rutas-para-buses-urbanos-en-el-municipio-de-fusagasuga-a-traves-de-un-algoritmo-de-aproximacion
● https://docplayer.es/26289340-Programacion-de-rutas-para-buses-urbanos-en-el-municipio-de-fusagasuga-a-traves-de-un-algoritmo-de-aproximacion
ditorial Mc Graw Hill