Administracin de la produccin y las operaciones - EVERETT E ADAM CASO Proveedor de Hospitales S.A.

(PHSA) Suzi fue contratada por una compaa que provee a hospitales, la PHSA, hace dos aos, como representante de ventas. Debido a que logr incrementar las ventas en el occidente, Suzi fue transferida a operaciones, en donde es analista de operaciones. Sabe que, si logra buenos resultados en este puesto, probablemente sea gerente regional de operaciones o gerente en el rea de ventas en un lapso de 12 a 36 meses. La primera asignacin de trabajo a Suzi es el de recomendar un procedimiento de pronstico por elemento para una familia de partes que incluye artculos ortopdicos. La demanda para un artculo representativo, rollos para recubrimiento, se muestra en la tabla siguiente. El procedimiento actual de pronstico para este artculo es un estimado intuitivo realizado por un empleado experimentado en abastecimientos. Despus de revisar sus notas de clase de un curso de PCP que tom hace tres aos en la UNI, Suzi decidi construir un modelo de pronstico. Su supervisora piensa que los datos son estacionales y le gustara contar con un modelo representativo de la estacionalidad. Suzi decidi emplear la computadora de la compaa para probar diferentes modelos, y seleccionar el mejor. Despus de pensar sobre diferentes modelos de pronstico y sobre la seleccin de parmetros (tales como EMA% y prueba de hiptesis de coeficientes) Suzi ha decidido usar el siguiente procedimiento como mecanismo de evaluacin para comparar un modelo de Regresin y con uno de Descomposicin y seleccionar el mejor: a. A partir del Modelo Terico D= F(T) b. Plantear dos Modelos Matemticos: Uno para Regresin y uno para la Tendencia del PMC (Promedio Mvil Centrado del Modelo de Descomposicin) c. Calcular coeficientes: A, B, ... d. Validar: Ho: R2 = 0 Ho: A, B, , = 0 EMA% IC95 = De ZSd e. Pronosticar la demanda para el prximo ao Demanda de fundas para tubos clnicos: Tiempo (mes) Ventas Tiempo (mes) Ventas 1 692 25 776 2 696 26 816 3 685 27 805

4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

909 908 888 736 691 715 916 883 903 752 757 736 861 968 905 847 748 833 970 936 964

28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

920 1036 1008 856 747 835 1036 1003 1023 796 876 856 1069 1088 1034 868 868 953 1090 1056 1084

Preguntas del caso 1. Hacer una grfica con los datos e identificar cualquier patrn que se observe a partir de la grfica. 2. Utilizando el procedimiento de anlisis de Suzi, construir dos modelos de pronstico: Regresin y Descomposicin, hacer una simulacin y seleccionar el mejor modelo de pronstico. Justificar su decisin. 3. Hacer el pronstico para el prximo ao, mes a mes. 15. Un gerente de operaciones est interesado en el pronstico para saber de antemano en qu forma el entrenamiento influir en la eficiencia de los obreros de produccin asignados a un nuevo puesto. Se proporcionaron cinco diferentes tipos de capacitacin, que variaron desde medio da hasta cuatro das. Diez de un total de 50 obreros tomaron cada uno de los diferentes niveles de capacitacin. La tabla siguiente muestra la eficiencia en el trabajo de cada obrero para la primera semana de trabajo, siendo 100 la norma o el resultado esperado. X: Tiempo de capacitacin en das Y: Eficiencia X: Tiempo de capacitacin en das 0.50 1 2 3 4 117 106 76 125 85 85 81 88 113 129

Y: Eficiencia

Obrero 1 2

3 4 5 6 7 8 9 10

112 81 105 109 80 73 110 78

74 79 118 110 82 86 111 113

115 113 108 84 83 81 112 120

93 89 117 118 81 86 88 120

90 124 117 121 97 93 122 92

a) Encontrar la ecuacin de la regresin lineal para predecir Y en funcin de X. b) Hacer una grfica de la ecuacin de regresin, junto con los datos, en un diagrama de dispersin. Qu es lo que esto significa para el gerente? e) Calcular la media y la variacin para cada uno de los grupos en capacitacin. Qu conclusin se obtiene al comparar a los grupos? 17. En fecha reciente, la demanda para un nuevo filtro de carburador que est almacenado con un proveedor regional se ha incrementado de una manera drstica (los mecnicos y el pblico en general estn adquiriendo conciencia de la economa de combustible que se obtiene con el filtro). A continuacin se proporciona la demanda semanal. Semana 23 24 25 26 27 28 29 30 Demanda real 100 75 210 250 350 365 400 425 Semana 31 32 33 34 35 36 37 38 Demanda real 450 510 600 550 725 775 750 825 Semana 39 40 41 42 43 44 45 46 Demanda real 927 950 945 1,050 1,150 1,200 1,210 1,295

a. Ajustar un modelo de suavizado exponencial de primer orden que con estos datos disminuye la MAD. b. Trate de disminuir la MAD total (para los 24 periodos) usando otro modelo. Sintase en libertad de disear un modelo o seleccionar alguno que no sea de este texto. Explicar el procedimiento. 18. Barfy Burgers, es una gran cadena de tiendas, que vende hamburguesas; acaba de cumplir su quinto ao de operaciones. Cada mes Barfy debe de hacer sus compras de carne para el mes siguiente. Debido a fluctuaciones histricas de la demanda en Buster Barfy, el vicepresidente de operaciones ha tenido dificultad en determinar las ventas futuras. A continuacin se mencionan, en libras, las cantidades de carne pedidas cada mes durante los cinco aos que ha funcionado la empresa. Ao Ene 2007 695 2008 768 2009 828 2010 814 2011 866

Feb Mar Abr May Jun Jul Ago Sept Oct Nov Dic

693 714 733 740 684 723 750 790 734 718 730

772 765 722 719 777 753 762 732 780 750 705

776 823 859 778 776 763 810 759 834 837 786

790 841 817 849 769 904 808 809 828 885 849

850 869 818 802 754 844 811 811 817 801 810

Basndose en la demanda histrica de Barfy determinar la demanda mensual del ao 2012. 22. Considrese la demanda trimestral de botes domsticos de URboat , que es un productor local, y que se presenta a continuacin. Ao 2006 Trimestre 1 2 3 4 1 2 3 4 1 2 3 4 Demanda (unid) 50 45 52 56 53 48 57 62 56 50 60 67 Ao 2009 Trimestre 1 2 3 4 1 2 3 4 1 2 3 4 Demanda (unid) 62 56 65 71 65 60 70 77 73 66 75 85

2007

2010

2008

2011

a. Hacer una grfica de los datos e investigar sobre tendencias y estacionalidad. Capturar los datos para el QSOM. b. Empleando coeficientes de suavizacin de 0.2, 0.4, 0.6 y 0.8, junto con un suavizado exponencial de primer orden, seleccionar el mejor de los coeficientes (menores MAD y sesgo, ambos equipesados). Hacer una grfica y anotar los resultados para el modelo de mejor ajuste. c. Si al examinar los datos no se observa ninguna tendencia y/o patrn de estacionalidad emplear el modelo de doble suavizado exponencial. Si los datos indican cierta tendencia, probar el suavizado exponencial con tendencia lineal utilizando un coeficiente de suavizacin de 0.2. Registrar el valor de la MAD. d. Si hay datos sobre tendencia y estacionalidad, probar el modelo de Winter que se presenta en el QSOM. Para este modelo, es necesario introducir tres coeficientes para cada corrida de cmputo: coeficiente 1 = componente constante,

 coeficiente 2 = componente de tendencia, coeficiente 3 = componente de estacionalidad. Todos los coeficientes pueden ser iguales. Utilizar un coeficiente de suavizacin de 0.2 para todos los componentes y calcular la DMA. e. Seleccionar uno de los tres modelos en las partes c y d y analizar de manera semejante el del anlisis con el suavizado exponencial de primer orden de la parte b para el modelo del mejor ajuste. Anotar los resultados que den el valor ms bajo de MAD del modelo de mejor ajuste. Nota: si el modelo de Winter es el de mejor ajuste utilice todas las combinaciones de 0.3 y 0.7 para cada uno de los tres coeficientes para determinar una MAD ms baja y que se debe anotar. 9QSOM is a software package developed by Prentice Hall as an operations rnanagement text supplement. QSOM utilizes microcomputers. See the Preface, and contact Prentice Hall regarding availability. Instructors should see the Instru ctor's Manual.