TRABAJO FINAL HERRAMIENTAS PARA LA TOMA DE DECISIONES by Maritza Quinte

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

GestionandOperaciones 09

HERRAMIENTAS PARA LA TOMA DE DECISIONES La gestión de las operaciones aplicada a la más grande empresa dedicada a la elaboración de productos industriales:

Alicorp S.A

| Cristina Meza | Pilar Orellana | Joel Oruna | Julio Peñaran | Maritza Quinte | Shirley Rodríguez | Programación lineal Maximización Minimización Promedio móvil Suavización exponencial Método Húngaro Factor estacional Regresión Método Nor-este Factor estacional Regresión Método Nor-este Factor estacional Regresión Método Nor-este

Programación lineal Maximización Minimización Promedio móvil Suavización exponencial Método Húngaro Factor estacional Regresión Método Nor-este Factor estacional Regresión Método Nor-este

Programación lineal Maximización Minimización Promedio móvil Suavización exponencial Método Húngaro Factor estacional Regresión

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS ESCUELA DE ADMINISTRACION Página1

Programación lineal Maximización Minimización Promedio móvil Suavización exponencial Método Húngaro

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

Herramientas para la toma de decisiones aplicada a la empresa ALICORP S.A. Documento elaborado por: Meza García, Cristina Orellana Aquije, Pilar Oruna Tanta, Joel Peñaran Flores, Julio Quinte Arias, Maritza Rodríguez Osorio, Shirley Con el apoyo de profesor del curso: Edgar Vicente Armas Lugar y año de elaboración:

Universidad Nacional Mayor de San Marcos Lima-Perú, 2009

Página2

Herramientas para la toma de decisiones aplicadas 5 Justificación a la empresa Alicorp S.A 6 Presentación 7 Introducción Objetivos Importancia Preguntas Términos importantes Hipótesis

9 Diseño metodológico Tipo y diseño de investigación Métodos, técnicas e instrumentos de recolección Muestra/sujetos Procedimiento

10 Información general ¿Qué es Alicorp? Visión del Alicorp al 2015 Estructura Departamento escogido para el análisis Misión del área escogido para el análisis Producto escogido para el análisis Política integrada de los sistemas de Gestión Certificaciones Últimas distinciones

17 Programación lineal Modelo literal Modelo matemático Función objetivo Recursos escasos y recursos en abundancia Sensibilidad de la función objetivo Precio dual o precio sombra

28 Transportes Método del costo mínimo Índice de mejoramiento Método esquina nor-este Índice de mejoramiento Método Vogel

Página3

Índice de mejoramiento

Herramientas para la toma de decisiones aplicadas 41 Pronósticos a la empresa Alicorp S.A

Pronósticos en base a promedio móvil simple Señal de rastreo y DMA en base al promedio móvil simple Pronóstico en base al alisamiento exponencial simple Señal de rastreo y DMA en base al alisamiento exponencial simple Pronóstico en base a la regresión Modelo de regresión lineal Modelo de regresión parabólico Modelo de regresión potencial Modelo de regresión exponencial Modelo de regresión hipérbola equilátera Pronóstico en base a series de tiempos Factor de estacionalidad calculado por MM.CC Factor de estacionalidad calculado por promedios trimestrales

85 Administración de procesos Modelo determinístico -CPM Costo de procesos Descripción de actividades Matriz de secuencias, tiempos, costos de actividades y ruta crítica Red de procesos

91 Simulación Simulación para un lote de 50 unidades de botellas por 200 ml. Simulación para un lote de 50 unidades de botellas por 500 ml. Simulación para un lote de 50 unidades de botellas por 1000 ml. Simulación para un lote de 50 unidades de galoneras por 5 litros Simulación para un lote de 50 unidades de latas por 18 litros

102 Conclusiones Conclusión de programación lineal Conclusión de transporte Conclusión de pronósticos Conclusión de administración de procesos Conclusión de simulación

104 Anexos

Página4

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

El presente trabajo se realiza en el marco del curso Herramientas para la Toma de Decisiones a trav茅s del cual se pretende conocer las diversas herramientas de gesti贸n aplicables a la empresa ALICORP en sus operaciones de producci贸n del aceite de Soya FRIOL.

P谩gina5

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

Las necesidades de información requeridas dentro de la organización varían de acuerdo al nivel dentro de la estructura organizacional. Las decisiones de los ejecutivos o directores son menos estructuradas donde no existen situaciones repetitivas y por ende no pueden aplicarse recetas únicas de solución; por el contrario deben establecerse criterios de evaluación y puntos de vistas para cada situación donde muchos de los datos deben provenir de fuentes externas y subjetivas en entornos con riesgos e incertidumbre. Debido a que es imposible determinar y controlar todas las variables o factores que inciden en una situación es que se busca a través de modelos representar la realidad para su análisis en el se espera que las decisiones tomadas sean decisiones satisfactorias u óptimas dentro del contexto de racionalidad de quiénes deben tomar decisiones. Las decisiones que los ejecutivos efectúen se desplegarán en todos los niveles de la organización traducidas en objetivos y acciones más específicas y concretas en cada nivel hacia abajo. La información requerida en estas decisiones representan el punto de partida para llevar a cabo acciones que finalmente afectarán el desempeño de la organización. El éxito de empresas como Alicorp se debe al resultado de buenas decisiones y el uso eficiente y efectivo de los recursos y capacidades, en un entorno globalizado con clientes más exigentes y mayores competencias, las buenas decisiones no pueden asegurar buenos resultados a futuro, pero son una protección posible contra los malos resultados.

Página6

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 1.

PLANTEAMIENTO DE OBJETIVOS:

Objetivo general: Determinar un modelo de gestión de operaciones para el producto aceite Friol 100% Soya del área de Óleos de la empresa ALICORP S.A a partir de la implementación de diversas herramientas para la toma de decisiones en la organización.

Objetivos específicos: 1. Determinar un modelo de programación lineal que maximice las utilidades y minimice los costos de la producción del aceite Friol. 2. Determinar un modelo de programación lineal que minimice los costos de transporte del aceite Friol. 3. Determinar un modelo óptimo de pronósticos para las ventas del aceite Friol. 4. Determinar un modelo de simulación para llegar a un estándar de calidad del aceite Friol. 5. Determinar el tiempo óptimo de duración del proceso de producción del aceite Friol.

IMPORTANCIA: La importancia de este trabajo radica en la aplicación de las diversas herramientas aprendidas en el curso Herramientas para la Toma de Decisiones en la empresa ALICORP para contrastar los conceptos teóricos con la dimensión real de la empresa.

PLANTEAMIENTO DE HIPÓTESIS Hipótesis general: Las diversas herramientas aprendidas en el curso son aplicables a la realidad de la empresa ALICORP SA en la producción del aceite Friol.

Hipótesis específicas: 1. El modelo de programación lineal para minimizar los costos y maximizar las utilidades por la producción y venta del aceite Friol es aplicable a la empresa.

Página7

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 2. El modelo de programación lineal para minimizar los costos de transporte es aplicable a la empresa. 3. El método de previsión que mejor se ajusta a la demanda real es el de regresión no lineal. 4. El aceite friol presenta un factor de estacionalidad constante. 5. La empresa ALICORP cumple con sus estándares de calidad en la presentación del aceite Friol. 6. El tiempo de producción por TM de aceite es de 48 horas.

Página8

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 1.

TIPO Y DISEÑO DE INVESTIGACIÓN

El tipo de investigación aplicado a este trabajo tiene un diseño descriptivo y exploratorio.

METODOS, TECNICAS E INSTRUCCIONES DE RECOLECCION

La técnica que utilizaremos es la entrevista, cuyo fin es la recopilación de datos de forma directa con la Gerente de Calidad de Óleos: Sr. Reynaldo Díaz Moscol.

La información proporcionada por este contacto de forma textual y directa se citan en cada uno de los temas a aplicar en el presente trabajo.

Información de contacto:

Nombre:

Reynaldo Díaz Moscol

Cargo:

Gerente de calidad Oleos

Números:

PROCEDIMIENTO

La entrega de información del producto escogido ACEITE FRIOL 100% SOYA, tuvo lugar los días 21 y 23 de noviembre, en los cuales fueron proporcionados datos como los procesos y costos del producto. Así también, la entrevista fue realizada el día miércoles 25 de noviembre en las instalaciones de Alicorp – Planta Industrial de Callao, en donde se pudo realizar la entrevista.

Finalmente, una vez culminada la misma, tuvimos acceso a una visita guiada por el Gerente de Calidad Oleos Sr. Reynaldo Díaz Moscol.

Página9

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 1. ¿QUÉ ES ALICORP S.A?

Alicorp es una empresa dedicada a la elaboración de productos industriales, de consumo masivo y nutrición animal.

En todos sus procesos de producción, Alicorp cumple con estándares internacionales de calidad y competitividad.

En los últimos años, la empresa ha elevado sus niveles de producción consolidando su liderazgo en diversas categorías.

2. VISIÓN DE ALICORP AL 2015

Sorprender a los mercados con nuestro crecimiento agresivo e innovación. Transformamos categoría comunes en experiencias extraordinarias. Nuestro objetivo es estar entre las 250 empresas más grandes de Latinoamérica.

Página10

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 3.

ESTRUCTURA

4. DEPARTAMENTO ESCOGIDO PARA ANÁLISIS

El departamento escogido para desarrollar el presente trabajo de investigación ÁREA DE PRODUCCIÓN DE ACEITES, el cual está compuesto por:

Gerente de Producción Jefe de Producción Jefe de Envasado Analista de Calidad

5. MISIÓN DEL ÁREA DE PRODUCCIÓN DE ACEITE

Producir aceites con altos estándares de calidad, seguridad y productividad.

6. PRODUCTO SELECCIONADO PARA ANÁLISIS

Los datos utilizados para la realización del presente trabajo de investigación son tomados a partir de la producción y estándares del ACEITE FRIOL 100% SOYA., el cual está elaborado

Página11

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A a partir de las mejores cosechas de soya, que garantizan un aceite 100% vegetal de excelente calidad.

Aspecto Límpido, transparente, brillante, sin turbidez ni materias extrañas. Material de envase limpio, hermético, con código de producción en forma legible, rotulado de acuerdo a Norma de Rotulados vigente.

Contenido neto: El contenido neto promedio de cualquier lote de producto envasado listo para inspección, deberá cumplir con la Norma Interna vigente.

Proceso: Proceso de refinación Se tiene como objetivo quitar las principales impurezas del aceite ; como acidez e impurezas. Primero se añade acido fosfórico y luego soda caustica para que luego este aceite luego sea enviado al proceso de blanqueo; al cual se añade silica y arcillas activadas; para quitar elementos como el color y compuestos que oxidan el aceite. El tiempo que toma este proceso es de 1 hora.

Proceso de desodorización: ES el tiempo de refinado hasta queéste, esté listo para su envasado. El tiempo que toma este proceso es de 2h. y 20 min.

Proceso de envasado El tiempo que toma este proceso es de 30 min.

Requisitos de calidad:

Controles Especiales según Plan de Inspección y Ensayos Especiales PCO-L-CA-00-001 (3) (&) Valor medido en nuestros almacenes. No más de 10 meq/Kg al término de su vida útil.

Página12

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A CARACTERISTICAS

LIMITES

UNIDADES

MÉTODOS ANALITICOS

Acidez libre (oleico)

máx. 0.10

% PCO-A-CA-00-022 (1)

Color Lovibond 200 ml y 0.5 L, 1 L

0.2 - 2.0 R

celda 5 1/4” PCO-A-CA-00-023 (2)

5L, 18 L

Indice de peróxido (&)

máx. 1.0

Meq O2 / kg

Sabor

mín. 7.0

Indice de yodo *

120 - 135

cg Yodo/g

200 ml y 0. 5L, 1L

300

minutos

5 L y 18 L

120

Resistencia al frío

Humedad y materias volátiles*

máx 0.1

máz trazas

ausencia

visual

LIMITES

UNIDADES

METODOS ANALITICOS

Contenido de Plomo

máx. 0.10

ppm

AOAC 972.25

Contenido de Arsenico

máx. 0.10

ppm

AOAC. 952.13

Filter Test Materias extrañas

Requisitos de inocuidad

CARACTERISTICAS

Página13

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Presentaciones del producto

PRESENTACION

ENVASE PRIMARIO

ENVASE SECUNDARIO

BANDEJA X 24 BOTELLAS X

Botella plástica

Bandeja de cartón impresa,

200 ml

transparente e incolora,

cubierta con material

con código de producción

termoencogible.

(***). Etiqueta Tapa rosca CAJA X 24 BOTELLAS X 0.5

Botella plástica,

Caja de cartón, impresa,

transparente e incolora,

con código de producción

CAJA X 12 BOTELLAS X 1 LT

con código de producción

(**).

(***). Tapa tipo vertedor con precinto de seguridad, ambos de color amarillo.Sobretapa verde. Etiqueta envolvente. CAJA X 4 GALONERAS X 5

Galonera PE sin color , con

Caja de cartón, impresa,

LITROS

código de producción(**).

con código de producción

Tapa plástica amarilla tipo

(**).Cinta adhesiva sin

"easy open". Etiqueta

impresión en cara superior

autoadhesiva

e inferior.

LATA X 18 LITROS

Lata de hojalata impresa, con código de producción (**).Tapa de hojalata.

BALDE X 18 LITROS

Balde plástico blanco impreso, asa de color

Página14

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A blanco con código de producción (**). Tapa plástica verde, con seguro.

(**) "CONSUMIR ANTES DEL / LOTE: DD MM AA hh:mm:L ”. Texto: fecha de vencimiento (un año después de producido) día, mes, año , hora de producción y código de la ciudad de Lima, impresos mediante sistema de inyección de tinta. (***) "FV / LOTE: DD MM AA hh:mm: L" Texto: Fecha de vencimiento ( un año después de producido) día, mes, año; hora de producción y código de la ciudad de Lima, impresos mediante sistema de inyección de tinta.

7. POLÍTICA INTEGRADA DE LOS SISTEMAS DE GESTIÓN

Como colaboradores de Alicorp, apoyamos y sostenemos el crecimiento de nuestra Empresa asumiendo los compromisos de:

-Exceder las expectativas de nuestros clientes y consumidores ofreciéndoles productos saludables y servicios en constante innovación, con la aplicación de exigentes estándares de calidad.

-Prevenir la contaminación ambiental, asegurar el uso adecuado de recursos, promover el comportamiento seguro para evitar que las personas sufran lesiones o daños a su salud en nuestras instalaciones y a eliminar los daños materiales en general -Cumplir con los requisitos legales aplicables y voluntarios que la Empresa asuma y proteger nuestras actividades contra su posible uso por organizaciones ilícitas.

- Desarrollar a nuestro personal

- Ser socialmente responsable con nuestro entorno.

Página15

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 8.

CERTIFICACIONES

En todas las plantas se llevan a cabo mejoras en el ordenamiento, señalización e identificación de áreas, equipos y herramientas; asimismo se adoptan métodos y sistemas laborales internacionales como son: Buenas Prácticas de Manufactura (BPM) y TPM (Mantenimiento Producto Total). La organización está encaminada a incrementar la eficiencia global de los sistemas de producción mediante los "5 Pilares Básicos": Mejora Enfocada, Mantenimiento Autónomo, Mantenimiento Planificado, Capacitación/ Entrenamiento y Seguridad/ Ambiente, que incluye un mejor control y eliminación de residuos industriales, peligrosos y no peligrosos. Por otro lado, se dan pasos para conseguir un mayor ahorro de energía eléctrica, se mejoran los equipos contra incendios y se hacen trabajos de remodelación y otras obras de menor envergadura. En todas las plantas se ha implementado un sistema de eficiencia global, el cual incluye el control por horas de los parámetros de calidad, mantenimiento y producción

Negocio Productos Industriales

ISO 9001:2000 / HACCP - BPM - Callao: Molino Faucett - Callao: Molino Callao - Callao: Molino Santa Rosa

ÚLTIMAS DISTINCIONES 2009 - Premio a la Excelencia ANDA 2009 – Galardón de plata en la categoría Mejor Empresa Anunciante de los últimos 25 años.

Página16

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A - Reconocimiento de la Bolsa de Valores de Lima por Buenas Prácticas de Gobierno Corporativo.

2008 - Premio “ANDA AWARD”, reconocimiento al apoyo institucional que ANDA otorga a la persona o empresa que destaca al haber brindado, a través de los años, su tiempo y esfuerzo a favor de la industria de la comunicación, contribuyendo al desarrollo y fortalecimiento institucional.

- Premio “Effie de Plata 2008” por Mimaskot – Ecuador.

- SEDAPAL reconoce a Alicorp SAA por sus buenas prácticas en el uso eficiente del agua y tratamiento de aguas residuales.

- Reconocimiento de la Bolsa de Valores de Lima por Buen Gobierno Corporativo.

Página17

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Para hallar la máxima utilidad en este caso utilizamos la Programación Lineal Continua porque se trata de productos en proceso y no de productos terminados, en cuyo caso se emplearía la Programación Entera. 1.

PROGRAMACIÓN CONTINUA

Maximización de Utilidad/TM del Aceite Friol Soya en una semana El equipo elaboró un problema de maximización basándose en informaciones reales y aproximadas que nos proporcionó el Gerente de Calidad Óleos de Alicorp S.A., Reynaldo Díaz Moscol en nuestra visita a la planta. La información que nos dio es la utilidad que percibe la empresa por cada botella o bidón de Aceite Friol 100% Soya, además de la capacidad del tanque en el que se almacena el aceite antes de ser envasado en cualquiera de sus presentaciones que son botellas de aceite de 200ml, botellas de 1 litro, bidones de 5 litros y bidones de 18 litros. Lo primero que debemos hacer es estandarizar la información a una misma unidad de medida, para ello calculamos la utilidad por tonelada métrica partiendo de la utilidad por botella o bidón debido a que la restricción de la capacidad de almacenamiento del tanque que asciende a 100 toneladas métricas, se encuentra expresada esta unidad de medida.

Presentaciones

Utilidad por botella o bidón* Utilidad por TM

200 ml.

18L

0,4

0,6

0,8

1.8

S/. 2000

S/. 600

S/. 160

S/. 100

*Se nos brindó la utilidad aproximada por botella o bidón de Aceite Friol 100% Soya, la cual luego convertimos a utilidad en TM para lograr uniformizar las unidades de medida del problema.

Página18

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Supuestos: No hay stock disponible en el inventario para enfrentar los pedidos. Sólo contamos con 100 Toneladas métricas de Aceite Friol en el tanque de almacenamiento para ser distribuido en cada una de las cuatro presentaciones del producto. Así que desarrollamos un problema que podría enfrentar la empresa en un período de 1 semana y lo presentamos a continuación. Planteamiento del Problema: La empresa Alicorp S.A. desea maximizar la utilidad por la venta de cuatro presentaciones de su producto Aceite Friol 100% Soya® en una semana. Se recibieron los siguientes pedidos y a la vez se tiene en cuenta que se debe producir como mínimo una determinada cantidad para las diversas presentaciones con el objetivo de no dejar desabastecido del producto al mercado por una cuestión de no perder participación en el mismo. Presentaciones A

200 000

20 000

16 000

3889

Pedidos: Demanda (en Botellas) Pedidos: Demanda (en TM) Demanda mínima a cubrir (en TM)

Se quiere conocer cómo se deben distribuir o asignar las 100 Toneladas métricas de Aceite Friol 100% Soya, disponibles en el tanque de almacenamiento, para cada una de las cuatro presentaciones de Aceite Friol. Finalmente obtenemos la siguiente tabla:

Página19

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Presentaciones A

200 ml.

18L

S/. 2000

S/. 600

S/. 160

S/. 100

Botella de: Utilidad por TM Pedidos: Demanda (en TM) Demanda mínima a cubrir (en TM)

La empresa cuenta con un tanque para almacenar el aceite antes de que este pase al área de envasado en donde será llenado en botellas de las presentaciones arriba mencionadas, la capacidad de almacenamiento del tanque es de 100 Toneladas métricas.

CONSTRUCCION DEL MODELO LITERAL: Variables de Decisión:

A: Toneladas Métricas de Aceite Friol 100% Soya para botellas de 200 ml. B: Toneladas Métricas de Aceite Friol 100% Soya para botellas de 1 Litro. C: Toneladas Métricas de Aceite Friol 100% Soya para bidones de 5 Litros. D: Toneladas Métricas de Aceite Friol 100% Soya para bidones de 18 Litros.

Función Objetivo: Maximizar Utilidad = Utilidad/TM de Aceite Friol para botellas de 200ml. * Toneladas Métricas de Aceite Friol para botellas de 200 ml. + Utilidad/TM de Aceite Friol para botellas de 1L. * Toneladas Métricas de Aceite Friol para botellas de 1L. + Utilidad/TM de Aceite Friol para bidones de 5L. * Toneladas Métricas de Aceite Friol para bidones de 5L + Utilidad/TM de Aceite Friol para bidones de 18L * Toneladas Métricas de Aceite Friol para bidones de 18L

Página20

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Maximizar Utilidad = 2000*A + 600*B + 160*C + 100*D

Restricciones:

Demanda:

ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 200 ml. ≤ 40 TM ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 1L. ≤ 20 TM ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 5L. ≤ 80 TM ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 200 ml. ≤ 70 TM ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 200 ml. ≥ 15 TM ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 1L. ≥ 20 TM ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 5L. ≥ 30 TM ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 200 ml. ≥ 15 TM o Operativas:

Capacidad_ Tanque_ de _ Almacenamiento ≤ 100TM ToneladasMétricas de Aceite Friol 100% Soyaparabotellas de 200 ml. + ToneladasMétricas de Aceite Friol 100% Soyaparabotellas de 1L. + ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 5L. + ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 200 ml. Σ ≤ 100 ToneladasMétricas o Lógicas:

Página21

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 200 ml. ≥ 0 TM ToneladasMétricas de Aceite Friol 100% Soyaparabotellasde 1L. ≥ 0 TM ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 5L. ≥ 0 TM ToneladasMétricas de Aceite Friol 100% Soyaparabidonesde 200 ml. ≥ 0 TM CONSTRUCCIÓN DEL MODELO MATEMÁTICO:

Max. Z= 2000*A + 600*B + 160*C + 100*D

Sujeto a: i.

15≤A

viii.

D≤70

ii.

A≤40

ix.

A+B+C+D≤100

iii.

20≤B

A≥0

iv.

B≤20

xi.

B≥0

30≤C

xii.

C≥0

vi.

C≤80

xiii.

D≥0

vii.

15≤D

Cuadro en Excel del Planteamiento del Problema de Maximización de Utilidad del Aceite Friol 100% Soya en sus Cuatro Presentaciones Max Z

Producto

2000

600

160

100

Benef./TM Producción Restricciones

Valor

Límite

Holgura

Demanda A

Demanda B

Demanda C

Demanda D

Página22

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Capac. Tanque

100

Demanda A

-20

Demanda B

Demanda C

Demanda D

INFORME DE RESPUESTAS a) Función Objetivo

Celda objetivo (Máximo) Celda $B$1

Nombre

Valor original

Max Z

Valor final 0

88300

La máxima utilidad total que puede obtener la empresa Alicorp S.A. por la venta del aceite Friol 100% Soya en las presentaciones de 200ml., 1litro, 5 litros y 18 litros asciende a 101 800 nuevos soles.

Celdas cambiantes Celda

Nombre

Valor original

Valor final

$B$4

Producción A

$C$4

Producción B

$D$4

Producción C

$E$4

Producción D

Para maximizar el beneficio, el óptimo de producción serán: 35 TM de aceite Friol 100% Soya para botellas de 200 ml.

Página23

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 20 TM de aceite Friol 100% Soya para botellas de 1 litro 30 TM de aceite Friol 100% Soya para bidones de 5 litros 15 TM de aceite Friol 100% Soya para bidones de 18 litros. b) Recursos Escasos y Recursos en Abundancia

Restricciones Celda

Nombre

Valor de la

Fórmula

Estado

Divergencia

celda $F$6

Demanda máx A Valor

35 $F$6<=$H$6

Opcional

$F$7

Demanda máx B Valor

20 $F$7<=$H$7

Obligatorio

$F$8

Demanda máx C Valor

30 $F$8<=$H$8

Opcional

$F$9

Demanda máx D Valor

15 $F$9<=$H$9

Opcional

$F$10

Capac. Tanque Valor

100 $F$10<=$H$10

$F$11

Demanda mín A Valor

35 $F$11>=$H$11

Opcional

$F$12

Demanda mín B Valor

20 $F$12>=$H$12

Obligatorio

$F$13

Demanda mín C Valor

30 $F$13>=$H$13

Obligatorio

$F$14

Demanda mín D Valor

15 $F$14>=$H$14

Obligatorio

$B$4

Producción A

35 $B$4>=0

Opcional

$C$4

Producción B

20 $C$4>=0

Opcional

$D$4

Producción C

30 $D$4>=0

Opcional

$E$4

Producción D

15 $E$4>=0

Opcional

Obligatorio

Variables Básicas:

S3= 50

X1=35

S4=55

X2= 20

S6 = 20

X3= 30 X4=15 S1= 5

Variables No Básicas:

Página24

0 20

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A S2=0

S9=0

S5=0 S7=0 S8=0 Los recursos escasos son los que se indican en la tabla como “Obligatorio” y están conformados por la demanda máxima de B, la capacidad del tanque, la demanda mínima de B, la demanda mínima de C y la demanda mínima de D.

Los recursos en abundancia son los que se indican en la tabla como “Opcional” y están conformados por la demanda máxima de A, la demanda máxima de C, la demanda máxima de D, la demanda mínima de A, la producción de toneladas métricas de aceite de soya para botellas de 200 ml., la producción de toneladas métricas de aceite de soya para botellas de 1 L., la producción de toneladas métricas de aceite de soya para bidones de 5 L y la producción de toneladas métricas de aceite de soya para bidones de 18 L.

INFORME DE SENSIBILIDAD Sensibilidad de La Función Objetivo

Celdas cambiantes

Celda

Nombre

Valor

Gradiente

Coeficiente

Aumento

Disminución

Igual

reducido

objetivo

permisible

$B$4

Producción A

2000

1E+30

1000

$C$4

Producción B

600

1400

1E+30

$D$4

Producción C

160

1840

1E+30

$E$4

Producción D

1000

1E+30

La Tonelada métrica para botellas de 200ml registra una utilidad de S/. 2000 y se permite un aumento de S/. 1000, es decir, hasta que alcance una utilidad de S/.3000 y una

Página25

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A disminución indefinida sin que se altere el punto óptimo de producción, lo que se alterará será la utilidad total. La Tonelada métrica para botellas de 1 litro registra una utilidad de S/. 600 y se permite un aumento de S/. 1400, es decir, hasta que alcance una utilidad de S/.2000 y una disminución indefinida sin que se altere el punto óptimo de producción, lo que se alterará será la utilidad total. La Tonelada métrica para bidones de 5 litros registra una utilidad de S/. 160 y se permite un aumento de S/. 1840, es decir, hasta que alcance una utilidad de S/.2000 y una disminución indefinida sin que se altere el punto óptimo de producción, lo que se alterará será la utilidad total. La Tonelada métrica para bidones de 18 litros registra una utilidad de S/. 1000 y se permite un aumento de S/. 1000, es decir, hasta que alcance una utilidad de S/. 2000 y una disminución indefinida sin que se altere el punto óptimo de producción, lo que se alterará será la utilidad total.

Precio Dual o Precio Sombra

Restricciones

Celda

Nombre

Valor

Sombra

Restricción

Aumento

Disminución

Igual

precio

lado derecho

permisible

$F$6

Demanda A Valor

1E+30

$F$7

Demanda B Valor

1E+30

$F$8

Demanda C Valor

1E+30

$F$9

Demanda D Valor

1E+30

$F$10

Capac. Tanque Valor

100

2000

100

$F$11

Demanda mín A Valor

1E+30

$F$12

Demanda mín B Valor

-1400

$F$13

Demanda mín C Valor

-1840

$F$14

Demanda mín D Valor

-1000

Página26

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Interpretación 1: Si aumentamos en una unidad la capacidad del tanque el costo aumentará en 2000 nuevos soles y por lo tanto la utilidad total disminuirá en esa proporción.

La demanda mínima a cubrir en TM de botellas de 1 litro puede oscilar desde 15 TM hasta 20 TM, y el precio sombra se mantendrá constante. Si sobrepasa las 20 TM, el precio sombra disminuirá, si es inferior a 15, el precio sombra aumentará. La demanda mínima a cubrir en TM de bidones de 5 litros puede oscilar desde 25 TM hasta 50 TM, y el precio sombra se mantendrá constante. Si sobrepasa las 50 TM, el precio sombra disminuirá, si es inferior a 25, el precio sombra aumentará. La demanda mínima a cubrir en TM de bidones de 18 litros puede oscilar desde 10 TM hasta 35 TM, y el precio sombra se mantendrá constante. Si sobrepasa las 35 TM, el precio sombra disminuirá, si es inferior a 10, el precio sombra aumentará.

Página27

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A ALICORP S.A que fabrica aceite de soya Friol, cuenta con una única planta productora de aceite en la ciudad de Lima. Esta planta abastece a 12 sucursales en el territorio nacional, sin embargo se han presentado problemas de abastecimiento en las sucursales de Trujillo y Piura ya que la cantidad ofertada no cubre la demanda de las distribuidoras. La oferta de la sucursal de Lima es de 35 TM, la de Trujillo de 25 TM y la de Piura es de 20 TM.

Los requerimientos de la distribuidora en Chimbote es de 17 TM, en Trujillo es de 30 TM y en Piura de 28 TM. Los costos de transporte en dólares, se presentan en el siguiente cuadro:

Chimbote

Trujillo

Piura

Lima

Trujillo

Piura

Se busca obtener el mínimo costo en cubrir la demanda de las sucursales con problemas de abastecimiento.

Página28

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 1. MÉTODO DEL COSTO MÍNIMO

Destino Chimbote

Trujillo

Piura

TOTAL

Origen

Lima

Trujillo

Piura

TOTAL

a) X14 = Min (a1 ; b4)

b) X22 = Min (a2 ; b2)

X14 = Min (35 ; 5)

X22 = Min (25 ; 30)

X14 = 5

X22 = 25

Nuevo a1 = Ant.a1 – b4

Nuevo b2 = Ant.b2 – a2

Nuevo a1 = 35 – 5

Nuevo b2 = 35 – 5

Nuevo a1 = 30

Nuevo b2 = 30

c) X33 = Min (a3 ; b3)

Nuevo b3 = 28 – 20

X33 = Min (20 ; 28)

Nuevo b3 = 8

X33 = 20

d) X11 = Min (a1 ; b1)

Nuevo b3 = Ant.b3 – a3

X11 = Min (30 ; 17)

Página29

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A X11 = 17

Nuevo a1 = Ant.a1 – b2

Nuevo a1 = Ant.a1 – b1

Nuevo a1 = 13 – 5

Nuevo a1 = 30 – 17 Nuevo a1 = 13

Nuevo a1 = 8

e) X12 = Min (a1 ; b4)

X13 = Min (a1 ; b3)

X12 = Min (13 ; 5)

X13 = Min (8 ; 8)

X12 = 5

X13 = 8

 Variables Básicas: X11 = 17; X12 = 5; X13 = 8; X14 = 5; X22 = 25; X33 = 20  Variables no Básicas: X21 = 0; X23 = 0; X24 = 0; X31 = 0; X32 = 0; X34 = 0  Min.Z = 15(17) + 15(5) + 20(8) + 0(5) + 0(25) + 0(20) = 490

Como primera solución factible que obtenemos es $490. Necesitamos saber si está solución es la optima y una forma de saberlo es por medio del índice de mejoramiento.

 Índice de Mejoramiento

C21 = + 10 – 0 + 15 – 15 = 10

C23 = + 15 – 20 + 15 – 0 = 10

C24 = + 0 – 0 + 15 – 0 = 15

C31 = + 17 – 0 + 20 – 15 = 22

C32 = + 15 – 0 + 20 – 0 = 20

Página30

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A o

C34 = + 0 – 0 + 20 – 0 = 20

Al aplicar el índice de mejoramiento, estamos buscando una ruta que optimice la minimización del costo total de transporte y como podemos ver al calcular notamos que todas las celdas de las variables no básicas nos salen positivas; esto nos indica que la solución que hemos obtenido es óptima y que si quisiéramos coger alguna ruta de estas, nuestros costos se elevarían aún más.

2. METODO ESQUINA NOR-ESTE

Destino Chimbote

Trujillo

Piura

TOTAL

Origen

Lima

Trujillo

Piura

TOTAL

Página31

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A a) X11 = Min (a1 ; b1)

= Min (a3 ; b3)

X11 = Min (35 ; 17)

X33 = Min (20 ; 15)

X11 = 17

X33 = 15

Nuevo a1 = Ant.a1 – b4

Nuevo a3 = Ant.a3 – b2

Nuevo a1 = 35 – 17

Nuevo a3 = 20 – 15

Nuevo a1 = 18

Nuevo a3 = 5

b) X12 = Min (a1 ; b2)

X34 = Min (a3 ; b4)

X12 = Min (18 ; 30)

X34 = Min (5 ; 5)

X12 = 18

X34 = 8

Nuevo b2 = Ant.b2 – a1 Nuevo b2 = 30 – 18 Nuevo b2 = 12

c) X22 = Min (a3 ; b3) X22 = Min (25 ; 12) X22 = 12 Nuevo a2 = Ant.a2 – b2 Nuevo a2 = 25 – 12 Nuevo a2 = 13

d) X23 = Min (a1 ; b3) X23 = Min (13 ; 28) X23 = 13 Nuevo b3 = Ant.b3 – a1 Nuevo b3 = 28 – 13 Nuevo b3 = 15

Página32

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Variables Básicas: X11 = 17; X12 = 18; X22 = 12; X23 = 13; X33 = 15; X34 = 15  Variables no Básicas: X13 = 0; X14 = 0; X21 = 0; X24 = 0; X31 = 0; X32 = 0  Min.Z = 15(17) + 15(18) + 0(12) + 15(13) + 0(15) + 0(5) = 720

Como primera solución factible que obtenemos es $720. Necesitamos saber si está solución es la óptima y una forma de saberlo es por medio del índice de mejoramiento.  Índice de Mejoramiento

C13 = + 20 – 15 + 0 – 15 = -10

C14 = + 0 – 0 + 0 - 15 – 0 - 15= -30

C21 = + 10 – 0 + 15 – 15 = 10

C24 = + 0 – 0 + 0 – 15 = -15

C31 = + 17 – 0 + 15 – 0 + 15 - 15 = 32

C32 = + 15 – 0 + 15 – 0 = 30

En este caso al aplicar el índice de mejoramiento, notamos que en la C14 nos sale negativo, por tal motivo elegiremos esta celda para convertirla en variable básica y así minimizar los costos.

Página33

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 20

NUEVA DISTRIBUCIร N

Destino Chimbote

Trujillo

Piura

TOTAL

Origen

Lima

Trujillo

Piura

TOTAL

Pรกgina34

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A  Variables Básicas: X11 = 17; X12 = 13; X14 = 5; X22 = 17; X23 = 8; X33 = 20  Variables no Básicas: X13 = 0; X21 = 0; X24 = 0; X31 = 0; X32 = 0; X34 = 0  Min.Z = 15(17) + 15(18) + 0(12) + 15(13) + 0(15) + 0(5) = 570

Como segunda solución factible que obtenemos es $720. Para saber si está solución es la óptima volveremos a usar el índice de mejoramiento.

 Índice de Mejoramiento

C13 = + 20 – 15 + 0 – 15 = -10

C21 = + 10 – 0 + 15 – 15 = 10

C24 = + 0 – 0 + 15 – 0 = 15

C31 = + 17 – 0 + 15 – 0 + 15 - 15 = 32

C32 = + 15 – 0 + 15 – 0 = 30

C34 = + 0 – 0 + 15 – 0 + 15 – 0 = 30

En este caso al aplicar el índice de mejoramiento, notamos que en la C13 nos sale negativo, por tal motivo elegiremos esta celda para convertirla en variable básica y así minimizar los costos.

Página35

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 20

NUEVA DISTRIBUCIÓN

Destino Chimbote

Trujillo

Piura

TOTAL

Origen

Lima

Trujillo

Piura

TOTAL

 Variables Básicas: X11 = 17; X12 = 5; X13 = 8; X14 = 5; X22 = 12; X33 = 15  Variables no Básicas: X21 = 0; X23 = 0; X24 = 0; X31 = 0; X32 = 0; X34 = 0

Página36

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A  Min.Z = 15(17) + 15(5) + 20(8) + 0(25) + 0(20) + 0(20) = 490

Como tercera solución factible que obtenemos al realizar la nueva distribución es $490. Para saber si está solución es la óptima volveremos a usar el índice de mejoramiento.

 Índice de Mejoramiento

C13 = + 20 – 15 + 0 – 15 = -10

C21 = + 10 – 0 + 15 – 15 = 10

C24 = + 0 – 0 + 15 – 0 = 15

C31 = + 17 – 0 + 15 – 0 + 15 - 15 = 32

C32 = + 15 – 0 + 15 – 0 = 30

C34 = + 0 – 0 + 15 – 0 + 15 – 0 = 30

Debido a que al calcular el índice de mejoramiento, nos salen positivas, podemos concluir en que la tercera solución es la óptima en relación a las anteriores soluciones.

Página37

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 3. METODO VOGEL

Destino

Chimbote

Trujillo

Piura

TOTAL

Origen

Lima

Trujillo

Piura

TOTAL

a) X22 = Min (a2 ; b2)

b) X33 = Min (a3 ; b3)

X22 = Min (25 ; 30)

X33 = Min (20 ; 28)

X22 = 25

X33 = 20

Nuevo b2 = Ant.b2 – a2

Nuevo b3 = Ant.b3 – a3

Nuevo b2 = 35 – 5

Nuevo b3 = 28 – 20

Nuevo b2 = 30

Nuevo b3 = 8

Página38

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A c) X11 = Min (a1 ; b1)

e) X12 = Min (a1 ; b4)

X11 = Min (17 ; 35)

X12 = Min (13 ; 5)

X11 = 17

X12 = 5

Nuevo b1 = Ant.b1 – a1

Nuevo a1 = Ant.a1 – b2

Nuevo b1 = 35 – 17

Nuevo a1 = 13 – 5

Nuevo b1 = 13

Nuevo a1 = 8

d) X14 = Min (a1 ; b4)

X13 = Min (a1 ; b3)

X14 = Min (35 ; 5)

X13 = Min (8 ; 8)

X14 = 5

X13 = 8

Nuevo a1 = Ant.a1 – b4 Nuevo a1 = 35 – 5 Nuevo a1 = 30

Como primera solución factible que obtenemos es $490. Necesitamos saber si está solución es la optima y una forma de saberlo es por medio del índice de mejoramiento.

Índice de Mejoramiento

C21 = + 10 – 0 + 15 – 15 = 10

C23 = + 15 – 20 + 15 – 0 = 10

Página39

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A o

C24 = + 0 – 0 + 15 – 0 = 15

C31 = + 17 – 0 + 20 – 15 = 22

C32 = + 15 – 0 + 20 – 0 = 20

C34 = + 0 – 0 + 20 – 0 = 20

Notamos que todas las celdas de las variables no básicas nos salen positivas; esto nos indica que la solución que hemos obtenido es óptima y que si quisiéramos coger alguna ruta de estas, nuestros costos se elevarían aún más.

Página40

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A DATOS A UTILIZAR: VENTAS ANUALES DE ACEITE FRIOL 100% SOYA (2005-2009)

Aﾃ前

MES

VENTAS (Y)

2005

enero

250

febrero

248

marzo

225

abril

240

mayo

260

junio

300

julio

375

agosto

369

septiembre

340

octubre

400

noviembre

405

diciembre

430

enero

240

febrero

240

marzo

215

abril

235

mayo

250

junio

290

julio

350

agosto

420

septiembre

350

octubre

390

noviembre

400

diciembre

410

enero

255

2006

2007

Pﾃ｡gina41

(X)

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

2008

febrero

235

marzo

220

abril

245

mayo

255

junio

280

julio

390

agosto

450

septiembre

400

octubre

435

noviembre

430

diciembre

490

enero

260

febrero

255

marzo

230

abril

240

mayo

245

junio

265

julio

400

agosto

480

septiembre

370

octubre

250

noviembre

260

diciembre

300

Pรกgina42

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 1. PRONOSTICOS EN BASE A PROMEDIO MOVIL SIMPLE (CADA 3 MESES)

AÑO

2005

2006

MES

DEMANDA REAL

Previsión

AÑO

MES

(Promedio) 2008 enero

DEMANDA REAL

Previsión

enero

250

febrero

248

febrero

255 393.333333

marzo

225

marzo

230

abril

240

241

abril

240 248.333333

mayo

260

237.666667

mayo

245 241.666667

junio

300

241.666667

junio

265 238.333333

julio

375

266.666667

julio

400

agosto

369

311.666667

agosto

480 303.333333

septiembre

340

348

septiembre

370 381.666667

octubre

400

361.333333

octubre

250 416.666667

noviembre

405

369.666667

noviembre

260 366.666667

diciembre

430

381.666667

diciembre

300 293.333333

enero

240

411.666667 2009 enero

250

270

febrero

240

358.333333

febrero

230

270

marzo

215

303.333333

marzo

200

260

abril

235

231.666667

abril

220 226.666667

mayo

250

230

mayo

240 216.666667

junio

290

233.333333

junio

255

julio

350

258.333333

julio

320 238.333333

Página43

260 451.666667

335

250

220

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

2007

agosto

420

296.666667

agosto

400 271.666667

septiembre

350

353.333333

septiembre

380

octubre

390

373.333333

octubre

430 366.666667

noviembre

400

386.666667

diciembre

410

380

enero

255

400

febrero

235

355

marzo

220

300

abril

245

236.666667

estacionalidad provoca que no exista una

mayo

255

233.333333

buena previsión de las ventas por lo que

junio

280

240

325

El promedio móvil se caracteriza por realizar previsiones con datos de un tiempo histórico corto, sin embargo, al no tener una tasa de crecimiento o un índice de

tampoco se puede considerar como un método aceptable.

julio

390

260

agosto

450

308.333333

septiembre

400

373.333333

octubre

435

413.333333

noviembre

430

428.333333

diciembre

490

421.666667

Página44

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A SEÑAL DE RASTREO Y DMA PARA PRONOSTICOS EN BASE A PROMEDIO MOVIL SIMPLE

MES

DEMANDA (Y)

enero

250

febrero

248

marzo

225

abril

240

241.0

-1.0

-1.00

1.0

1.00

0.3

-4.00

mayo

260

237.7

22.3

21.33

22.3

23.33

4.7

4.57

junio

300

241.7

58.3

79.67

58.3

81.67

13.6

5.85

julio

375

266.7

108.3

188.00

108.3

190.00

27.1

6.93

agosto

369

311.7

57.3

245.33

57.3

247.33

30.9

7.94

septiembre

340

348.0

-8.0

237.33

8.0

255.33

28.4

8.37

octubre

400

361.3

38.7

276.00

38.7

294.00

29.4

9.39

noviembre

405

369.7

35.3

311.33

35.3

329.33

29.9

10.40

diciembre

430

381.7

48.3

359.67

48.3

377.67

31.5

11.43

enero

240

411.7

-171.7

-10.00

171.7

10.00

10.0

-1.00

febrero

240

358.3

-118.3

-128.33

118.3

128.33

64.2

-2.00

marzo

215

303.3

-88.3

-216.67

88.3

216.67

72.2

-3.00

abril

235

231.7

3.3

-213.33

3.3

220.00

55.0

-3.88

mayo

250

230.0

20.0

-193.33

20.0

240.00

48.0

-4.03

junio

290

233.3

56.7

-136.67

56.7

296.67

49.4

-2.76

julio

350

258.3

91.7

-45.00

91.7

388.33

55.5

-0.81

agosto

420

296.7

123.3

78.33

123.3

511.67

64.0

1.22

septiembre

350

353.3

-3.3

75.00

3.3

515.00

57.2

1.31

octubre

390

373.3

16.7

91.67

16.7

531.67

53.2

1.72

noviembre

400

386.7

13.3

105.00

13.3

545.00

49.5

2.12

2006

diciembre

410

380.0

30.0

135.00

30.0

575.00

47.9

2.82

2007

enero

255

400.0

-145.0

-45.00

145.0

45.00

45.0

-1.00

AÑO

2005

(X)

previsión desviación SAEP

Página45

des abs

Sum des. Abs. DMA

SR.

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

2008

2009

febrero

235

355.0

-120.0

-165.00

120.0

165.00

82.5

-2.00

marzo

220

300.0

-80.0

-245.00

80.0

245.00

81.7

-3.00

abril

245

236.7

8.3

-236.67

8.3

253.33

63.3

-3.74

mayo

255

233.3

21.7

-215.00

21.7

275.00

55.0

-3.91

junio

280

240.0

40.0

-175.00

40.0

315.00

52.5

-3.33

julio

390

260.0

130.0

-45.00

130.0

445.00

63.6

-0.71

agosto

450

308.3

141.7

96.67

141.7

586.67

73.3

1.32

septiembre

400

373.3

26.7

123.33

26.7

613.33

68.1

1.81

octubre

435

413.3

21.7

145.00

21.7

635.00

63.5

2.28

noviembre

430

428.3

1.7

146.67

1.7

636.67

57.9

2.53

diciembre

490

421.7

68.3

215.00

68.3

705.00

58.8

3.66

enero

260

451.7

-191.7

-20.00

191.7

20.00

20.0

-1.00

febrero

255

393.3

-138.3

-158.33

138.3

158.33

79.2

-2.00

marzo

230

335.0

-105.0

-263.33

105.0

263.33

87.8

-3.00

abril

240

248.3

-8.3

-271.67

8.3

271.67

67.9

-4.00

mayo

245

241.7

3.3

-268.33

3.3

275.00

55.0

-4.88

junio

265

238.3

26.7

-241.67

26.7

301.67

50.3

-4.81

julio

400

250.0

150.0

-91.67

150.0

451.67

64.5

-1.42

agosto

480

303.3

176.7

85.00

176.7

628.33

78.5

1.08

septiembre

370

381.7

-11.7

73.33

11.7

640.00

71.1

1.03

octubre

250

416.7

-166.7

-93.33

166.7

806.67

80.7

-1.16

noviembre

260

366.7

-106.7

-200.00

106.7

913.33

83.0

-2.41

diciembre

300

293.3

6.7

-193.33

6.7

920.00

76.7

-2.52

enero

250

270.0

-20.0

-213.33

20.0

940.00

940.0

-0.23

febrero

230

270.0

-40.0

-253.33

40.0

980.00

490.0

-0.52

marzo

200

260.0

-60.0

-313.33

60.0

1040.00

346.7

-0.90

abril

220

226.7

-6.7

-320.00

6.7

1046.67

261.7

-1.22

mayo

240

216.7

23.3

-296.67

23.3

1070.00

214.0

-1.39

junio

255

220.0

35.0

-261.67

35.0

1105.00

184.2

-1.42

Pรกgina46

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A julio

320

238.3

81.7

-180.00

81.7

1186.67

169.5

-1.06

agosto

400

271.7

128.3

-51.67

128.3

1315.00

164.4

-0.31

septiembre

380

325.0

55.0

3.33

55.0

1370.00

152.2

0.02

octubre

430

366.7

63.3

66.67

63.3

1433.33

143.3

0.47

De los resultados obtenidos en las tablas para cada año se puede observar que en los primeros años el método del promedio móvil no se ajusta a los valores reales, por lo que no es buen método para prever las reacciones del mercado.

Sin embargo, en el año 2009 (año actual) se observa que la señal de rastreo sí se encuentra dentro de los parámetros establecidos, es decir, los valores de la señal de rastreo oscilan entre -1 y 1 aproximándose, en ocasiones a cero.

2. PRONOSTICOS EN BASE AL ALISAMIENTO EXPONENCIAL SIMPLE

Para poder emplear el método del alisamiento exponencial simple es necesario tener previamente establecidos los siguientes factores:

La previsión del año 2005 del mes de enero fue de 245 TM de aceite Friol 100% soya El alfa empleado es igual a 0.5, es decir:

para el año 2005

TABLA DE ALISAMIENTO EXPONENCIAL SIMPLE AÑO

MES

DEMANDA (Y)

enero

250

245.0

febrero

248

247.5

marzo

225

247.8

abril

240

236.4

previsión

2005

Página47

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A mayo

260

238.2

junio

300

249.1

julio

375

274.5

agosto

369

324.8

septiembre

340

346.9

octubre

400

343.4

noviembre

405

371.7

diciembre

430

388.4

Se observa que con un alfa esperado del 0.5 la demanda real al inicio del año resulta ser inferior a la cantidad pronosticada, pero finalizando el año sucede lo contrario, es decir, que la demanda real es superior a la cantidad pronosticada.

La previsión del año 2006 del mes de enero fue de 250 TM de aceite Friol 100% soya El alfa empleado es igual a 0.58, es decir:

AÑO

2006

MES

para el año 2006

DEMANDA (Y)

previsión

enero

240

250.0

febrero

240

244.2

marzo

215

241.8

abril

235

226.2

mayo

250

231.3

Página48

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A junio

290

242.2

julio

350

269.9

agosto

420

316.4

septiembre

350

376.5

octubre

390

361.1

noviembre

400

377.9

diciembre

410

390.7

Se decide establecer una nueva cantidad pronosticada para el año 2006 y en relación, también se estima un nievo alfa de 0.58, sin embargo se observa la misma reacción del mercado que en el año 2005.

La previsión del año 2007 del mes de enero fue de 300 TM de aceite Friol 100% soya El alfa empleado es igual a 0.83, es decir: AÑO

2007

MES

para el año 2007

DEMANDA (Y)

previsión

enero

255

300.0

febrero

235

262.7

marzo

220

239.7

abril

245

223.3

mayo

255

241.3

Página49

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A junio

280

252.7

julio

390

275.4

agosto

450

370.5

septiembre

400

436.5

octubre

435

406.2

noviembre

430

430.1

diciembre

490

430.0

Al igual que en los años anteriores se ajusta el alfa y la demandan inicial esperada para poder establecer un pronostico anual, se establecen dichos valores según las expectativas del mercado.

La previsión del año 2008 del mes de enero fue de 280 TM de aceite Friol 100% soya El alfa empleado es igual a 0.7, es decir:

AÑO

2008

MES

para el año 2008

DEMANDA (Y)

previsión

enero

260

280.0

febrero

255

266.0

marzo

230

258.3

abril

240

238.5

mayo

245

239.5

Página50

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A junio

265

243.4

julio

400

258.5

agosto

480

357.6

septiembre

370

443.3

octubre

250

392.0

noviembre

260

292.6

diciembre

300

269.8

La previsión del año 2009 del mes de enero fue de 245 TM de aceite Friol 100% soya El alfa empleado es igual a 0.7, es decir:

AÑO

2009

MES

para el año 2009

DEMANDA (Y)

previsión

enero

250

230.0

febrero

230

244.0

marzo

200

234.2

abril

220

210.3

mayo

240

217.1

junio

255

233.1

julio

320

248.4

Página51

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A agosto

400

298.5

septiembre

380

369.6

octubre

430

376.9

Como conclusión tenemos que estas variaciones al inicio y al final del año se deben a la estacionalidad que posee el producto, pues al comienzo de cada año se demanda menos cantidad de aceites que al final de cada año. Por lo antes expuesto es importante mencionar que este tipo de pronósticos tampoco seria valido para prever el comportamiento del mercado

SEÑAL DE RASTREO Y DMA PARA PRONOSTICOS EN BASE AL ALISAMIENTO EXPONENCIAL SIMPLE

AÑO

2005

MES

DEMANDA REAL

enero

250

245.0

5.0

5.00

5.0

febrero

248

247.5

0.5

5.50

0.5

5.50

2.8

marzo

225

247.8

-22.8

-17.25

22.8

28.25

9.4

-1.83

abril

240

236.4

3.6

-13.63

3.6

31.88

8.0

-1.71

mayo

260

238.2

21.8

8.19

21.8

53.69

10.7

0.76

junio

300

249.1

50.9

59.09

50.9

104.59

17.4

3.39

julio

375

274.5

100.5

159.55

100.5

205.05

29.3

5.45

agosto

369

324.8

44.2

203.77

44.2

249.27

31.2

6.54

septiembre

340

346.9

-6.9

196.89

6.9

256.16

28.5

6.92

(X)

previsión desviación SAEP

Página52

des abs

Sum des. Abs. DMA

SR.

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

2006

2007

2008

octubre

400

343.4

56.6

253.44

56.6

312.72

31.3

8.10

noviembre

405

371.7

33.3

286.72

33.3

346.00

31.5

9.12

diciembre

430

388.4

41.6

328.36

41.6

387.63

32.3

10.17

enero

240

250.0

-10.0

-10.00

10.0

10.00

10.0

-1.00

febrero

240

244.2

-4.2

-14.20

4.2

14.20

7.1

-2.00

marzo

215

241.8

-26.8

-40.96

26.8

40.96

13.7

-3.00

abril

235

226.2

8.8

-32.20

8.8

49.72

12.4

-2.59

mayo

250

231.3

18.7

-13.53

18.7

68.40

13.7

-0.99

junio

290

242.2

47.8

34.32

47.8

116.25

19.4

1.77

julio

350

269.9

80.1

114.41

80.1

196.34

28.0

4.08

agosto

420

316.4

103.6

218.05

103.6

299.98

37.5

5.82

septiembre

350

376.5

-26.5

191.58

26.5

326.45

36.3

5.28

octubre

390

361.1

28.9

220.46

28.9

355.34

35.5

6.20

noviembre

400

377.9

22.1

242.60

22.1

377.47

34.3

7.07

diciembre

410

390.7

19.3

261.89

19.3

396.76

33.1

7.92

enero

255

300.0

-45.0

-45.00

45.0

45.00

45.0

-1.00

febrero

235

262.7

-27.7

-72.65

27.7

72.65

36.3

-2.00

marzo

220

239.7

-19.7

-92.35

19.7

92.35

30.8

-3.00

abril

245

223.3

21.7

-70.70

21.7

114.00

28.5

-2.48

mayo

255

241.3

13.7

-57.02

13.7

127.68

25.5

-2.23

junio

280

252.7

27.3

-29.69

27.3

155.01

25.8

-1.15

julio

390

275.4

114.6

84.95

114.6

269.65

38.5

2.21

agosto

450

370.5

79.5

164.44

79.5

349.14

43.6

3.77

septiembre

400

436.5

-36.5

127.96

36.5

385.63

42.8

2.99

octubre

435

406.2

28.8

156.75

28.8

414.43

41.4

3.78

noviembre

430

430.1

-0.1

156.65

0.1

414.53

37.7

4.16

diciembre

490

430.0

60.0

216.63

60.0

474.51

39.5

5.48

enero

260

280.0

-20.0

-20.00

20.0

20.00

20.0

-1.00

febrero

255

266.0

-11.0

-31.00

11.0

31.00

15.5

-2.00

Pรกgina53

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

2009

marzo

230

258.3

-28.3

-59.30

28.3

59.30

19.8

-3.00

abril

240

238.5

1.5

-57.79

1.5

60.81

15.2

-3.80

mayo

245

239.5

5.5

-52.34

5.5

66.26

13.3

-3.95

junio

265

243.4

21.6

-30.70

21.6

87.90

14.6

-2.10

julio

400

258.5

141.5

110.79

141.5

229.39

32.8

3.38

agosto

480

357.6

122.4

233.24

122.4

351.84

44.0

5.30

septiembre

370

443.3

-73.3

159.97

73.3

425.10

47.2

3.39

octubre

250

392.0

-142.0

17.99

142.0

567.08

56.7

0.32

noviembre

260

292.6

-32.6

-14.60

32.6

599.68

54.5

-0.27

diciembre

300

269.8

30.2

15.62

30.2

629.90

52.5

0.30

enero

250

230.0

20.0

35.62

20.0

649.90

649.9

0.05

febrero

230

244.0

-14.0

21.62

14.0

663.90

331.9

0.07

marzo

200

234.2

-34.2

-12.58

34.2

698.10

232.7

-0.05

abril

220

210.3

9.7

-2.84

9.7

707.84

177.0

-0.02

mayo

240

217.1

22.9

20.08

22.9

730.76

146.2

0.14

junio

255

233.1

21.9

41.96

21.9

752.64

125.4

0.33

julio

320

248.4

71.6

113.52

71.6

824.20

117.7

0.96

agosto

400

298.5

101.5

214.99

101.5

925.67

115.7

1.86

septiembre

380

369.6

10.4

225.43

10.4

936.11

104.0

2.17

octubre

430

376.9

53.1

278.56

53.1

989.24

98.9

2.82

Este tipo de pronóstico se basa en establecer un margen de crecimiento anual, es decir, cada año posee un valor alfa diferente. Sin embargo, la demanda real del aceite Friol no es necesariamente guiado por una constante de crecimiento, sino que esta vinculado con la estacionalidad del producto. Es por ello que en ciertos meses del año se observa una señal de rastreo muy aproximada a cero y otros meses muy distantes de cero. Por lo antes expuesto se concluye que el método del alisamiento exponencial simple no es buen modelo de previsión para la venta de aceite Friol 100% soya.

Página54

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 3. PRONOSTICOS EN BASE A LA REGRESION

MODELO LINEAL Resumen del modelo

R cuadrado ,128

R cuadrado

Error típico de la

corregida

estimación

,016

-,005

82,548

La variable independiente es X. Coeficientes Coeficientes Coeficientes no estandarizados B X (Constante)

Error típico ,751

,860

299,765

24,207

Página55

estandarizados Beta

t ,128

Sig. ,873

,387

12,383

,000

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Ecuación: De acuerdo a l gráfico presentado en el que usamos el modelo de la regresion lineal simple, los datos expresan que una línea de tendencia en función a la ecuación: Y= a+ bX

Y=299.765+ 24.207X

Deducimos que para obtener el mejor modelo, debemos buscar aquel modelo que presente el mayor coeficiente de correlación R2 y la menor desviacion estandar Sxy. Desviación estándar:

La desviación estándar del modelo es 82.548; lo que expresa que el valor del las muestras se distribuyen alrededor de la ecuación de la recta con -82.548 o 82.548 de desvío.

Coeficiente de discriminación:

En el presente modelo, obtenemos un coeficiente de 0.016, lo que expresa que las ventas varían en 1.6% cuando la variable independiente varíe en un 100%, es decir con el transcurrir de un año.

Pruebas de hipótesis:

Prueba de la existencia del modelo: 1º PASO: Formulación de la Hipótesis

H0:

β=0

H1:

β≠ 0

Página56

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 2º PASO: Tipo de Distribución

Tamaño de muestra: n=48 Nivel de significación:

α = 5%

Utilizamos la distribución normal Z:

2.5%

-1.96

1.96

28.1457

3º PASO: Regla de Decisión

Rechazar Ho si y sólo si: t0 >1.96 ó t0 <-1.96

4º PASO: Cálculo del Estadígrafo t0

t0 =

bˆ β 24.207 - 0 = = σb syx ∑x 2

nx 2

24.207 - 0 82.548

= 28.1457

38024 (48)(24.5) 2

5º PASO: Conclusiones y Recomendaciones:

Aceptamos H1 y rechazamos H0, por lo tanto sí existe el modelo de regresión lineal entre las ventas de la empresa ALICORP S.A y los años de operación.

Página57

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A -

Prueba de la linealidad del modelo: 1º PASO: Formulación de la Hipótesis

H0: H1:

ρ=0 ρ≠0

2º PASO: Tipo de Distribución

Tamaño de muestra: n=48 Nivel de significación:

α = 5%

Utilizamos la distribución normal Z:

2.5%

0.8749

-1.96 3º PASO: Regla de Decisión

Rechazar Ho si y sólo si: t0 >1.96 ó t0 <-1.96 4º PASO: Cálculo del Estadígrafo t0

1 R2 1 0 ,016 σr = = = 0.1463 48 2 n k t0 =

r ρ 0.128 0 = = 0.8749 σr 0.1463

Página58

1.96

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 5º PASO: Conclusiones y Recomendaciones:

Aceptamos H0 y rechazamos H1, por lo tanto no existe linealidad en el modelo de regresión lineal simple entre las ventas de la empresa ALICORP S.A y los años de operación.

Prueba de hipótesis de la confiabilidad del modelo: 1º PASO: Formulación de la Hipótesis

H0: El modelo no es confiable H1: El modelo es confiable 2º PASO: Tipo de Distribución

Tamaño de muestra: n=48 Nivel de significación:

α = 5%

Utilizamos la distribución F (k-1, n-k) = F (2-1, 48-2) = F (1,46)

0.762640

4.056

3º PASO: Regla de Decisión

Rechazar Ho si y sólo si: F0 >4.056

Página59

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 4º PASO: Cálculo del Estadígrafo F0

F0 =

SCMR 5196,761 = = 0.762640 SCME 6814,172 b

ANOVA Suma de Modelo

cuadrados Regresión

Media cuadrática

5196,761

Residual

313451,906

6814,172

Total

318648,667

5º PASO: Conclusiones y Recomendaciones:

Aceptamos H0 y rechazamos H1, por lo tanto el modelo no es confiable.

Página60

Sig. ,763

,387

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A DMA y señal de rastreo para el modelo de regresion lineal

AÑO

MES

DEMANDA (Y)

enero

250

1 300.5211

-50.5211

50.5211

-1

febrero

248

2 301.2722

-53.2722

103.7933

53.2722

103.7933

51.89665

-2

marzo

225

3 302.0233

-77.0233

180.8166

77.0233

180.8166

60.2722

-3

abril

240

4 302.7744

-62.7744

-243.591

62.7744

243.591

60.89775

-4

mayo

260

5 303.5255

-43.5255

287.1165

43.5255

287.1165

57.4233

-5

junio

300

6 304.2766

-4.2766

291.3931

4.2766

291.3931 48.5655167

-6

julio

375

7 305.0277

69.9723

221.4208

69.9723

361.3654 51.6236286

-4.2891367

agosto

369

8 305.7788

63.2212

158.1996

63.2212

424.5866

53.073325

2.98077424

septiembre

340

9 306.5299

33.4701

124.7295

33.4701

458.0567 50.8951889

2.45071298

octubre

400

307.281

92.719

-32.0105

92.719

550.7757

-0.5811894

noviembre

405

11 308.0321

96.9679

64.9574

96.9679

647.7436 58.8857818 1.10310839

diciembre

430

12 308.7832

121.2168 186.1742 121.2168

768.9604 64.0800333 2.90533869

enero

240

13 309.5343

-69.5343 116.6399

69.5343

838.4947 64.4995923 1.80838197

febrero

240

14 310.2854

-70.2854

46.3545

70.2854

908.7801 64.9128643 0.71410344

marzo

215

15 311.0365

-96.0365

-49.682

96.0365 1004.8166 66.9877733

0.74165773

abril

235

16 311.7876

-76.7876

126.4696

76.7876 1081.6042 67.6002625

1.87084481

mayo

250

17 312.5387

-62.5387

189.0083

62.5387 1144.1429 67.3025235

2.80833898

junio

290

18 313.2898

-23.2898

212.2981

23.2898 1167.4327 64.8573722

3.27330715

julio

350

19 314.0409

35.9591

-176.339

35.9591 1203.3918 63.3364105

2.78416473

agosto

420

105.208

-71.131

105.208 1308.5998

1.08713145

(X)

previsión desviación SAEP

2005

2006

314.792

Página61

des abs

Suma des. Abs.

DMA

55.07757

65.42999

SR.

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

2007

350

21 315.5431

34.4569

-36.6741

34.4569 1343.0567

octubre

390

22 316.2942

73.7058

37.0317

73.7058 1416.7625 64.3982955 0.57504162

noviembre

400

23 317.0453

82.9547 119.9864

82.9547 1499.7172 65.2050957 1.84013839

diciembre

410

24 317.7964

92.2036

92.2036 1591.9208 66.3300333 3.19900337

enero

255

25 318.5475

-63.5475 148.6425

63.5475 1655.4683

febrero

235

26 319.2986

-84.2986

84.2986 1739.7669 66.9141115 0.96158939

marzo

220

27 320.0497

-100.0497

abril

245

28 320.8008

mayo

255

29 321.5519

junio

280

julio

212.19

64.3439

63.955081

0.57343528

septiembre

66.218732 2.24471982

-35.7058 100.0497 1839.8166 68.1413556

0.52399603

-75.8008

111.5066

75.8008 1915.6174 68.4149071

1.62985824

-66.5519

178.0585

66.5519 1982.1693 68.3506655

2.60507339

322.303

-42.303

220.3615

390

31 323.0541

66.9459

153.4156

agosto

450

32 323.8052

126.1948

septiembre

400

33 324.5563

75.4437

octubre

435

34 325.3074

109.6926 157.9155 109.6926 2402.7493 70.6690971 2.23457645

noviembre

430

35 326.0585

103.9415

diciembre

490

36 326.8096

163.1904 425.0474 163.1904 2669.8812 74.1633667 5.73123119

enero

260

37 327.5607

-67.5607 357.4867

67.5607 2737.4419 73.9849162 4.83188626

febrero

255

38 328.3118

-73.3118 284.1749

73.3118 2810.7537 73.9672026 3.84190411

marzo

230

39 329.0629

-99.0629

185.112

99.0629 2909.8166 74.6106821 2.48103884

abril

240

329.814

-89.814

95.298

mayo

245

41 330.5651

-85.5651

9.7329

junio

265

42 331.3162

-66.3162

-56.5833

66.3162 3151.5119 75.0359976

julio

400

43 332.0673

67.9327

11.3494

67.9327 3219.4446 74.8708047 0.15158646

agosto

480

44 332.8184

147.1816

septiembre

370

45 333.5695

36.4305 194.9615

36.4305 3403.0567 75.6234822 2.57805505

octubre

250

46 334.3206

-84.3206 110.6409

84.3206 3487.3773

67.48241

3.26546577

66.9459 2091.4182 67.4651032

2.27399934

42.303 2024.4723

-27.2208 126.1948 48.2229

2217.613 69.3004063

75.4437 2293.0567 69.4865667 0.69398881

261.857 103.9415 2506.6908 71.6197371

89.814 2999.6306

3.6562128

74.990765 1.27079648

85.5651 3085.1957 75.2486756 0.12934314

2008

158.531 147.1816 3366.6262 76.5142318

Pรกgina62

0.39279423

0.75408206

2.0719152

75.81255 1.45940085

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A noviembre

260

47 335.0717

-75.0717

35.5692

75.0717

diciembre

300

48 335.8228

-35.8228

-0.2536

35.8228 3598.2718 74.9639958

0.00338296

enero

250

37 327.5607

-77.5607

-77.8143

77.5607 3675.8325 99.3468243

0.78325906

febrero

230

38 328.3118

-98.3118

176.1261

98.3118 3774.1443 99.3195868

1.77332695

marzo

200

39 329.0629

-129.0629

-305.189 129.0629 3903.2072 100.082236

3.04938231

abril

220

329.814

-109.814

-415.003

109.814 4013.0212

100.32553

4.13656424

mayo

240

41 330.5651

-90.5651

505.5681

90.5651 4103.5863 100.087471

5.05126262

junio

255

42 331.3162

-76.3162

581.8843

76.3162 4179.9025 99.5214881

5.84682073

julio

320

43 332.0673

-12.0673

593.9516

12.0673 4191.9698 97.4876698

6.09258177

agosto

400

44 332.8184

67.1816

-526.77

67.1816 4259.1514 96.7988955

5.44190094

septiembre

380

45 333.5695

46.4305

480.3395

46.4305 4305.5819 95.6795978

-5.0202918

octubre

430

46 334.3206

95.6794

384.6601

95.6794 4401.2613 95.6795935

4.02029405

2009

3562.449 75.7967872 0.46927055

Del cuadro se puede observar que el método de previsión empleado no es el correcto, pues existe una gran variación en la señal de rastreo. Como sabemos para que un modelo pueda ser ajustado la señal de rastreo debe oscilar entre -1 y 1 aproximándose en lo posible a cero. El DMA es el promedio de las desviaciones que nos muestra la variabilidad existente y dichos valores son demasiado elevados demostrando que el método empleado no se ajusta a lo real. Se concluye que no se puede optar por un modelo lineal en grandes etapas del tiempo.

Página63

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A MODELO PARABOLICO O CUADRATICO Resumen del modelo

R cuadrado ,222

R cuadrado

Error típico de la

corregida

estimación

,049

,007

82,054

La variable independiente esX. Coeficientes Coeficientes Coeficientes no estandarizados B

Error típico

estandarizados Beta

Sig.

4,970

3,489

,845

1,424

,161

X ** 2

-,086

,069

-,740

-1,247

,219

264,607

37,064

7,139

,000

(Constante)

Página64

Y= a+ bX + cX

Y=264.607+ 4,970X-0,086 X2

Deducimos que para obtener el mejor modelo, debemos buscar aquel modelo que presente el mayor coeficiente de correlación R2 y la menor desviacion estandar Sxy. Desviación estándar:

La desviación estándar del modelo es 82.054; lo que expresa que el valor del las muestras se distribuyen alrededor de la ecuación de la recta con -82.054 o 82.054 de desvío.

Coeficiente de discriminación:

En el presente modelo, obtenemos un coeficiente de 0.049, lo que expresa que las ventas varían en 4.9% cuando la variable independiente varíe en un 100%, es decir con el transcurrir de un año.

Página65

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A MODELO POTENCIAL Resumen del modelo

R cuadrado ,197

R cuadrado

Error típico de la

corregida

estimación

,039

,018

,251

La variable independiente esX. Coeficientes Coeficientes Coeficientes no estandarizados B ln(X) (Constante)

Error típico ,056

,041

261,333

33,032

La variable dependiente es ln(VENTAS.Y).

Página66

estandarizados Beta

t ,197

Sig. 1,362

,180

7,912

,000

Y= a+ X

Y= 261,333 + X0.056

Deducimos que para obtener el mejor modelo, debemos buscar aquel modelo que presente el mayor coeficiente de correlación R2 y la menor desviacion estandar Sxy. Desviación estándar:

La desviación estándar del modelo es 0,251; lo que expresa que el valor del las muestras se distribuyen alrededor de la ecuación de la recta con -0,251o 0,251 de desvío.

Coeficiente de discriminación:

En el presente modelo, obtenemos un coeficiente de 0.039, lo que expresa que las ventas varían en 3.9% cuando la variable independiente varíe en un 100%, es decir con el transcurrir de un año.

Página67

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A MODELO EXPONENCIAL

Resumen del modelo

R cuadrado ,118

R cuadrado

Error típico de la

corregida

estimación

,014

-,008

,254

La variable independiente esX. Coeficientes Coeficientes Coeficientes no estandarizados B X (Constante)

Error típico ,002

,003

292,476

21,811

La variable dependiente es ln(VENTAS.Y).

Página68

estandarizados Beta

t ,118

Sig. ,806

,425

13,410

,000

Y=292,476 + 0,002x

Deducimos que para obtener el mejor modelo, debemos buscar aquel modelo que presente el mayor coeficiente de correlación R2 y la menor desviacion estandar Sxy. Desviación estándar:

La desviación estándar del modelo es 0,254; lo que expresa que el valor del las muestras se distribuyen alrededor de la ecuación de la recta con -0,254 o 0,254 de desvío.

Coeficiente de discriminación:

En el presente modelo, obtenemos un coeficiente de 0.014, lo que expresa que las ventas varían en 1.4% cuando la variable independiente varíe en un 100%, es decir con el transcurrir de un año.

Página69

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A MODELO HIPERBOLE EQUILATERA Resumen del modelo

R cuadrado ,223

R cuadrado

Error típico de la

corregida

estimación

,050

,029

81,133

La variable independiente esX. Coeficientes Coeficientes Coeficientes no estandarizados B 1/X (Constante)

Error típico

-114,446

73,753

328,798

13,567

Página70

estandarizados Beta

t -,223

Sig.

-1,552

,128

24,234

,000

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Ecuación: De acuerdo al gráfico presentado en el que usamos el modelo de la regresion lineal simple, los datos expresan que una línea de tendencia en función a la ecuación:

1 Y = a + b( ) X 1 Y = 328,798 - 114,446( ) X Deducimos que para obtener el mejor modelo, debemos buscar aquel modelo que presente el mayor coeficiente de correlación R2 y la menor desviacion estandar Sxy. Desviación estándar:

La desviación estándar del modelo es 81,133; lo que expresa que el valor del las muestras se distribuyen alrededor de la ecuación de la recta con -81,133 o 81,133 de desvío.

Coeficiente de discriminación:

En el presente modelo, obtenemos un coeficiente de 0.050, lo que expresa que las ventas varían en 5 % cuando la variable independiente varíe en un 100%, es decir con el transcurrir de un año.

Página71

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A COMPARACION DE LOS MODELOS DE REGRESION LINEAL Y NO LINEALES

Modelo de regresión

Syx

Lineal

82,548

0,016

Parabólico o cuadrático

82,054

0,049

Potencial

0,251

0,039

Exponencial

0,254

0,014

Hipérbola equilátera

81,133

0,050

Página72

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Como se puede observar en el cuadro de comparación, entre los modelos lineales y no lineales de regresión, aquel que presenta el mejor coeficiente de discriminación es el de la hipérbola equilátera; sin embargo éste solo explica la variabilidad de la dependiente con la variabilidad de la variable independiente. Es por tal que, en función de los modelos de regresión presentados, escogemos como el que mejor explica el pronóstico en el futuro al modelo potencial por presentar la menor desviación estándar. Asimismo podemos apreciar que el modelo de regresión lineal se encuentra en desuso en la práctica para el pronóstico de ventas en especial en grandes empresas como en el caso de ALICORP S.A no por el incumplimiento de su función, sino porque éste es usado para periodos de corto plazo. Esta misma conclusión, fue confirmada mediante la entrevista con el Gerente de Calidad Oleos Sr. Reynaldo Díaz, quien manifestó que la regresión lineal no se aplica en la práctica de operaciones de ALICORP S.A, así como tampoco ninguno de los modelos presentados anteriormente ya que la empresa estima su producción en función de la demanda de manera reactiva, ya que al contar con el sistema SAP todas las operaciones se realizan y se registran en el momento.

Página73

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 4. PRONOSTICO EN BASE A SERIES DE TIEMPOS

FACTOR ESTACIONAL CALCULADO POR MMCC

La estacionalidad no sólo depende del tipo de producto, sino del tipo de cliente. Se debe identificar la estacionalidad del negocio. Esto es muy sencillo. Anotando las ventas de los últimos años, de tal manera que queden en el mismo punto los eneros, febreros, marzos, etcétera. De esta forma se podrá ver cómo se comportan las ventas y obtener un patrón de comportamiento.

OBTENEMOS LA SIGUIENTE ECUACIÓN:

Por el método de los mínimos cuadrados obtenemos el valor de a y b

Después de encontrar los datos lo reemplazamos en la ecuación:

Así se concluye que es:

Por otra parte el siguiente cuadro corresponde a las ventas que se ha clasificado de forma trimestral a partir del año 2005 al año 2008.

Página74

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A aĂąo

mes

demanda

trimestre

Promedio trimestral

2005

enero

250

241

0.8082529

febrero

248

298.17 4

marzo

225

abril

240

266.666667

0.88712056

mayo

260

300.59 8

junio

300

julio

375

III

361.333333

1.19243267

agosto

369

303.02 2

septiembre

340

octubre

400

411.666667

305.44 6

1.34775596

noviembre

405

diciembre

430

enero

240

231.666667

307.87

0.75248211

febrero

240

marzo

215

abril

235

258.333333

0.83254376

mayo

250

310.29 4

junio

290

julio

350

III

373.333333

1.19383385

agosto

420

312.71 8

septiembre

350

octubre

390

400

315.14 2

1.26926909

noviembre

400

diciembre

410

2006

PĂĄgina75

MMCC /D

demanda T / D

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 2007

2008

enero

255

febrero

235

marzo

220

abril

245

mayo

255

junio

280

julio

390

agosto

450

septiembre

400

octubre

435

noviembre

430

diciembre

490

enero

260

febrero

255

marzo

230

abril

240

mayo

245

junio

265

julio

400

agosto

480

septiembre

370

octubre

250

noviembre

260

diciembre

300

236.666667

317.56 6

0.74525191

260

319.99

0.81252539

III

413.333333

322.41 4

1.28199561

451.666667

324.83 8

1.39043667

248.333333

327.26 2

0.75882117

250

329.68 6

0.75829729

III

416.666667

332.11

1.2546044

270

334.53 4

0.80709285

Pรกgina76

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A El MMCC se halla reemplazando la ecuación con cada t, para cada periodo lo que nos da su valor y esto nos permite visualizar su crecimiento para cada año. Por otra parte se halla la demanda T/D que me dan cifras menores de dos unidades. Después de hacer todos los cálculos se empieza por determinar el factor estacional, y esto es la suma de cada trimestre de acuerdo a su demanda D/T, por ejemplo el trimestre I de cada año y dividirlo, resultando:

Cálculo de factor estacional El factor estacional se encuentra a partir del promedio de cada factor, respectivamente de cada trimestre trimestre

factor estacional Demanda/D I 0.8082529 0.76620202 0.75248211 0.74525191 0.75882117 II 0.88712056 0.82262175 0.83254376 0.81252539 0.75829729 III 1.19243267 1.23071663 1.19383385 1.28199561 1.2546044 IV 1.34775596 1.20363864 1.26926909 1.39043667 0.80709285 El factor de la estacionalidad nos ayudara a pronosticar la demanda aproximada que se tendrá por cada trimestre. Este índice es muy importante en productos que presentan un comportamiento estacional como es el caso del aceite Friol 100% soya que produce la empresa Alicorp.

Página77

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A VENTAS REALES 2009 HASTA EL MES DE OCTUBRE Este es el esquema de las ventas reales que representa ALICORP en su aceite. Mes

Cantidad demandada por mes

Enero

250

Febrero

230

Marzo

200

Abril

240

Mayo

240

Junio

255

Julio

320

Agosto

400

Setiembre

380

Octubre

430

POR TRIMESTRE

226.67

245.00

366.6666667

Los pronósticos trimestrales para el año 2009 TRIMESTRE I

: (295.75+2.424*17)*(0.76620202)= 258.1779

TRIMESTRE II

: (295.75+2.424*18)*(0.82262175)= 279.183015

TRIMESTRE III : (295.75+2.424*19)*(1.23071663)= 420.666328 TRIMESTRE IV : (295.75+2.424*20)*(1.20363864)= 414.328529

Página78

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Los pronósticos trimestrales para el año 2010 TRIMESTRE I

: (295.75+2.424*21)*(0.76620202)= 265.606995

TRIMESTRE II

: (295.75+2.424*22)*(0.82262175)= 287.159155

TRIMESTRE III : (295.75+2.424*23)*(1.23071663)= 432.599357 TRIMESTRE IV : (295.75+2.424*24)*(1.20363864)= 425.999009 Se puede apreciar que para los pronósticos del año 2009 se ve favorable ya que en los últimos trimestres se nota una mejora en la compra del aceite. Lo que generará mayores ingresos para ALICORP, asimismo para el año 2010 hay un incremento relativamente mayor en todos sus trimestres que para el año 2009. Por lo que el factor estacional influye mucho en su comportamiento de la serie. AÑO

TRIMESTRE

(X)

PREVISION

2009

258.18

279.18

III

420.67

414.33

265.61

2010

Página79

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A II

287.16

III

432.60

424.99

Otro detalle que se nota es que la pronosticación para el año 2009, difiere en algunas cantidades a la venta real de aceites. Por ejemplo en el 2009, I trimestre es 226.67 real y lo pronosticado es 258.18. Esto nota que no se ajusta mucho a la realidad el modelo, pero ello se debió a un problema macroeconómico mundial como es la crisis actual.

Página80

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Tabla de la señal de rastreo y el DMA del factor estacional calculado por mmcc año

mes

demand a

trimestr e

2005

enero

250

febrero

248

marzo

225

abril

240

mayo

260

junio

300

julio

375

agosto

369

septiembre

340

octubre

400

noviembre

405

diciembre

430

enero

240

febrero

240

marzo

215

abril

235

mayo

250

junio

290

julio

350

agosto

420

septiembre

350

octubre

390

noviembre

400

diciembre

410

enero

255

febrero

235

marzo

220

abril

245

mayo

255

junio

280

julio

390

agosto

450

2006

2007

(X)

previsión

desviació n

SAEP

des abs

Sum des. Abs.

DMA

SR.

Promedi o trimestra l 241.0

228.46

12.54

12.5 4

12.54

1.0

266.7

247.28

19.39

31.9 3

19.39

31.93

15.96

2.0

III

361.3

372.93

-11.60

20.3 3

11.60

43.53

14.51

1.4

411.7

367.65

44.02

64.3 5

44.02

87.55

21.89

2.9

231.7

235.89

-4.22

60.1 2

4.22

91.77

18.35

3.3

258.3

255.25

3.08

63.2 0

3.08

94.85

15.81

4.0

III

373.3

384.87

-11.53

51.6 7

11.53

106.38

15.20

3.4

400.0

379.32

20.68

72.3 5

20.68

127.07

15.88

4.6

236.7

243.32

-6.65

65.7 0

6.65

133.72

14.86

4.4

260.0

263.23

-3.23

62.4 7

3.23

136.95

13.70

4.6

III

413.3

396.80

16.53

79.0 0

16.53

153.48

13.95

5.7

Página81

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

2008

septiembre

400

octubre

435

noviembre

430

diciembre

490

enero

260

febrero

255

marzo

230

abril

240

mayo

245

junio

265

julio

400

agosto

480

septiembre

370

octubre

250

noviembre

260

diciembre

300

451.7

390.99

60.68

139. 68

60.68

214.16

17.85

7.8

248.3

250.75

-2.42

137. 26

2.42

216.58

16.66

8.2

250.0

271.21

-21.21

116. 06

21.21

237.79

16.98

6.8

III

416.7

408.73

7.93

123. 99

7.93

245.72

16.38

7.6

270.0

402.66

-132.66

-8.67

132.66

378.38

23.65

-0.4

De la señal de rastreo se observa que los valores al iniciar cada mes son menores que los valores de los meses finales. Ese comportamiento se debe a la estacionalidad del aceite Friol, pues en la entrevista con el gerente se menciono que el aceite es mas consumido por finales del año, debido a dos factores principales, el clima del invierno provoca mayor consumo de frituras y las fiestas, ya sean navideñas o fiestas patrias, llevan a un consumo mayor del aceite.

Esta explicación se corrobora con los valores de la señal de rastre, además en la gráfica se puede observar que si existe una relación entre lo pronosticado y la demanda real.

Página82

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

500.0

Gráfico de la demanda real y la demanda estimada según el método de la estacionalidad

450.0

demanda de aceite friol TM

400.0 350.0 300.0 250.0 200.0 Promedio trimestral

150.0

previsión

100.0 50.0 0.0 0

8 10 trimestre (x)

Pero si se observa el trimestre 16 (cuarto trimestre del 2008) se ve que hay una caída de la demanda cuando en realidad las ventas debieron mantenerse, pero esa caída se debe a que por esos meses se produjo la crisis económica mundial, lo cual afecto a las empresas en general. Cabe recalcar que la crisis no afecto de forma constante a la demanda del aceite Friol, pues en la demanda del 2009 vuelve a incrementar su nivel de ventas.

Página83

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A FACTOR ESTACIONAL CALCULADO POR PROMEDIOS TRIMESTRALES

DEMANDA PROMEDIO TRIMESTRAL

TRIMESTRE

PROMED. DISCRIM.

PROM. DE PROM.

FACTOR ESTACIONAL (f.e)

2005

2006

2007

2008

241

231.666667

236.666667

248.333333

239.416667

0.75248821

266.666667

258.333333

260

250

258.75

0.81325301 318.166667

III

361.333333

373.333333

413.333333

416.666667

391.166667

1.2294395

411.666667

400

451.666667

270

383.333334

1.20481928

SUMA

1280.66667

1263.33333

1361.66667

1185

1272.66667

PROMEDIO

1272.66667

Pรกgina84

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A MODELO DETERMINÍSTICO – CPM (CONTROL PATH METHOD) Realizamos el CPM del Proyecto y no el PERT debido a la información que tenemos, la cual nos permite identificar el tiempo de duración de cada actividad mas no el tiempo optimista, el tiempo más probable ni el tiempo pesimista. Es importante mencionar que la materia prima que utiliza Alicorp S.A. para la elaboración del Aceite Friol 100% Soya es Aceite de Soya en bruto proveniente de Argentina y de Estados Unidos. Para elaborar la red del proyecto contamos con la siguiente información: 1. TIEMPO DE REFINACIÓN Y BLANQUEO (500 litros por hora)  1 TM en 2 horas Este proceso tiene como objetivo quitar las principales impurezas del aceite; como acidez e impurezas; primero se añade acido fosfórico y luego soda caustica; este aceite luego es enviado al proceso de blanqueo; al cual se añade silica y arcillas activadas; para quitar elementos como el color y compuestos que oxidan el aceite. Este proceso se subdivide en las siguientes actividades que tiene como resultado el Aceite de Soya Refinado y blanqueado: Aceite Crudo ---> Adición de fosfórico y soda caustica ---> Separación con centrifugas ---> Adición de Silica y arcillas activadas 2. TIEMPO DE DESODORIZACIÓN (500 litros por hora)  1 TM en 2 horas La desodorización se realiza para eliminar los compuestos volátiles, principalmente aldehídos y cetonas, con bajos umbrales de detección por el gusto y el olfato. La desodorización es fundamentalmente un proceso de destilación con vapor que se lleva a cabo a bajas presiones y elevadas temperaturas. Este proceso se subdivide en las siguientes actividades que dan como resultado el Aceite de Soya Desodorizado: Aceite refinado se ingresa a un proceso de destilación con arrastre de vapor ---> Se le añade nitrógeno como sustituto de los persevantes

Página85

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 3. TIEMPO DE ENVASADO Alicorp S.A. cuenta con cuatro tipos de máquinas para el envasado del Aceite Friol 100% Soya, debido a que tiene cuatro presentaciones del mismo, en ellas encontramos la botella de 200ml., la de 1 litro, el bidón de 5 litros y el bidón de 18 litros. Según la información proporcionada por el Ingeniero Reynaldo Díaz Moscol (Gerente de Calidad Oleos de Alicorp S.A.) tenemos lo siguiente: Las botellas de 200 ml Son envasadas a una velocidad de 11 TM por turno.  Es decir 6875 botellas por hora ó 250 litros de Aceite Friol en 11 minutos Las botellas 1 Litro Son envasadas a una velocidad de 10000 botellas por hora.  Entonces 250 litros de Aceite Friol se envasan en un minuto y 30 segundos. Los Bidones de 5 Litros Se envasan a una velocidad de 4 bidones por minuto  Es decir que se envasan 240 bidones por hora ó 250 litros de Aceite Friol son envasados en 12 minutos y 30 segundos. Los Bidones de 18 Litros Se envasan a una velocidad de 50 TM por turno  Es decir que se envasan 347 bidones por hora ó 250 litros de Aceite Friol son envasados en 2 minutos y 24 segundos.

COSTOS DE PROCESO APROXIMADOS: 1. El costo de refinación aproximado es de 8US$ / TM. 2. El costo de desodorización aproximado es de 12 US$/TM. 3. El costo promedio de envasado es de 23 US$ / TM.

Página86

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Supuestos que tomamos: El proyecto no es repetitivo, es decir emplea una estrategia de flujo de línea en el que se produce sólo un tipo de producto. Se requiere producir una tonelada métrica de Aceite 100% Soya y Envasar 250 litros de aceite para cada envase ya sea de 200 ml, de 1 litro, de 5 litros o de 18 litros. Se estimaron los tiempos de duración y costo de cada actividad según el tiempo de duración del proceso total sin desagregar ya sea este de refinación o desodorización.

CUADRO DE DESCRIPCIÓN DE ACTIVIDADES Actividad

Descripción

Adición de fosfórico

Adición de Soda Caústica

Separación con Centrífugas

Adición de Sílica

Adición de Arcillas Activadas

Destilación con Arrastre de Vapor

Adición de Nitrógeno

Almacén del Aceite Refinado y Desodorizado

Envasado en Botellas de 200 ml

Envasado en Botellas de 1 litro

Envasado en Bidones de 5 litros

Envasado en Bidones de 18 litros

Traslado al Almacén de Productos Terminados

Página87

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A MATRIZ DE SECUENCIAS, TIEMPOS Y COSTOS DE LAS ACTIVIDADES Y LA RUTA CRÍTICA Tiempo de Actividad

Precedente Duración (Minutos)

Costo

US$

Actividades de la Ruta Crítica

Tiempo de Duración Actividades Críticas

1,6



1,6



1,6



1,6



D, E



D, E

G, F



5,75

1,5

5,75

12,5

5,75



12,5

2,4

5,75



363,4

TOTAL

Página88

216,5

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A RED DEL PROYECTO (NODOS)

Pรกgina89

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A El aceite de soya Friol tiene 5 tipos de presentaciones, cada una con un contenido neto promedio y con un margen de tolerancia (desviación estándar) para cada presentación. Los datos se presentan a continuación: Contenido Neto por Presentación Tolerancia individual interna Botella por 200 ml

+-9.0 ml ó +-8.2 g

Botella por 0.5 litros

+-10.0 ml ó +-9.2 g

Botella por 1 litro

+-10.0 ml ó +-9.2 g

Galonera por 5 litros

+-25.0 ml ó +-22.9 g

Lata, Bidón por 18 litros

+-120.0 ml ó +-110.0 g

Se desea simular el contenido de un lote de 50 unidades de cada una de las presentaciones para establecer si la empresa ALICORP cumple con los estándares de calidad establecidos. Para la resolución de los problemas utilizaremos el método de simulación por distribución normal ya que contamos con la media y la desviación estándar, y la tabla de número aleatorios con distribución normal (empezando por la primera columna). La fórrmula a utilizar es la siguiente:

Valorsimulado

(NAnd)

1. SIMULACIÓN PARA UN LOTE DE 50 UNIDADES DE BOTELLAS POR 200ML Se desea establecer cuántas unidades, de un lote de 50, no cumplen con el estándar de calidad para la presentación de botella por 200 ml. Es decir, cuántas botellas no cumplen con el rango de contenido de 191 ml hasta 209 ml.

Página90

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

V1= 200+9(-0.424)=196.184

V13= 200+9(-0.574)=194.834

V2= 200+9(-1.661)=185.051

V14= 200+9(1.762)=215.858

V3= 200+9(0.974)=208.766

V15= 200+9(-0.557)=194.987

V4= 200+9(1.403)=212.627

V16= 200+9(0.483)=204.347

V5= 200+9(1.365)=212.285

V17= 200+9(-0.090)=199.19

V6= 200+9(-1.740)=184.34

V18= 200+9(0.325)=202.925

V7= 200+9(0.006)=200.054

V19= 200+9(0.125)=201.125

V8= 200+9(-0.271)=197.561

V20= 200+9(-0.055)=199.505

V9= 200+9(0.128)=201.152

V21= 200+9(-0.417)=196.247

V10= 200+9(-0.468)=195.788

V22= 200+9(-1.418)=187.238

V11= 200+9(-0.523)=195.293

V23= 200+9(-0.408)=196.328

V12= 200+9(-0.487)=195.617

V24= 200+9(0.300)=202.7

Pรกgina91

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A V25= 200+9(-0.490)=195.59

V38= 200+9(-0.986)=191.126

V26= 200+9(1.565)=214.085

V39= 200+9(-0.868)=192.188

V27= 200+9(1.147)=210.323

V40= 200+9(0.192)=201.728

V28= 200+9(1.073)=209.657

V41= 200+9(-0.741)=193.331

V29= 200+9(-0.501)=195.491

V42= 200+9(-0.645)=194.195

V30= 200+9(0.616)=205.544

V43= 200+9(0.886)=207.974

V31= 200+9(0.707)=206.363

V44= 200+9(1.708)=215.372

V32= 200+9(-0.110)=199.01

V45= 200+9(0.036)=200.324

V33= 200+9(-0.006)=199.946

V46= 200+9(-0.403)=196.373

V34= 200+9(-0.976)=191.216

V47= 200+9(-1.046)=190.586

V35= 200+9(-1.151)=189.641

V48= 200+9(0.909)=208.181

V36= 200+9(-1.290)=188.39

V49= 200+9(1.024)=209.216

V37= 200+9(-0.252)=197.732

V50= 200+9(-1.733)=184.403

Como podemos observar, según el método de simulación, en un total de 50 unidades de botellas de aceite Friol de 200ml se encontraron 15 unidades que sobrepasan el nivel de tolerancia, es decir, no cumplen con el estándar de calidad. Sin embargo, por la visita a la Planta de Aceite hemos deducido que este método no refleja la realidad de la empresa ya que Alicorp cuenta con tecnología sofisticada y con un sistema de calidad que le permite tener un nivel de error mínimo.

Página92

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 2. SIMULACIÓN PARA UN LOTE DE 50 UNIDADES DE BOTELLAS POR 500ML Se desea establecer cuántas unidades, de un lote de 50, no cumplen con el estándar de calidad para la presentación de botella por 500 ml. Es decir, cuántas botellas no cumplen con el rango de contenido de 490 ml hasta 510 ml.

V1=500+10(-0.424)=492.76

V13= 500+10 (-0.574)=494.26

V2= 500+10(-1.661)=483.39

V14= 500+10 (1.762)=517.62

V3= 500+10(0.974)=509.74

V15= 500+10 (-0.557)=494.43

V4= 500+10(1.403)=514.03

V16= 500+10 (0.483)=504.83

V5= 500+10(1.365)=513.65

V17= 500+10 (-0.090)=499.1

V6= 500+10(-1.740)=482.6

V18= 500+10 (0.325)=503.25

V7= 500+10(0.006)=500.06

V19= 500+10 (0.125)=501.25

V8= 500+10(-0.271)=497.29

V20= 500+10 (-0.055)=499.45

V9= 500+10(0.128)=501.28

V21= 500+10 (-0.417)=495.83

V10= 500+10(-0.468)=495.32

V22= 500+10 (-1.418)=485.82

V11= 500+10(-0.523)=494.77

V23= 500+10 (-0.408)=495.92

V12= 500+10(-0.487)=495.13

V24= 500+10 (0.300)=503

Página93

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A V25= 500+10 (-0.490)=495.1

V38= 500+10 (-0.986)=490.14

V26= 500+10 (1.565)=515.65

V39= 500+10 (-0.868)=491.32

V27= 500+10 (1.147)=511.47

V40= 500+10 (0.192)=501.92

V28= 500+10 (1.073)=510.73

V41= 500+10 (-0.741)=492.59

V29= 500+10 (-0.501)=494.99

V42= 500+10 (-0.645)=493.55

V30= 500+10 (0.616)=506.16

V43= 500+10 (0.886)=508.86

V31= 500+10 (0.707)=507.07

V44= 500+10 (1.708)=517.08

V32= 500+10 (-0.110)=498.9

V45= 500+10 (0.036)=500.36

V33= 500+10 (-0.006)=499.94

V46= 500+10 (-0.403)=495.97

V34= 500+10 (-0.976)=490.24

V47= 500+10 (-1.046)=489.54

V35= 500+10 (-1.151)=488.49

V48= 500+10 (0.909)=509.09

V36= 500+10 (-1.290)=487.1

V49= 500+10 (1.024)=510.24

V37= 500+10 (-0.252)=497.48

V50= 500+10 (-1.733)=482.67

Como podemos observar, según el método de simulación, en un total de 50 unidades de botellas de aceite Friol de 500ml se encontraron 15 unidades que sobrepasan el nivel de tolerancia, es decir, no cumplen con el estándar de calidad. Sin embargo, por la visita a la Planta de Aceite hemos deducido que este método no refleja la realidad de la empresa ya que Alicorp cuenta con tecnología sofisticada y con un sistema de calidad que le permite tener un nivel de error mínimo.

Página94

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 3. SIMULACIÓN PARA UN LOTE DE 50 UNIDADES DE BOTELLAS POR 1000ML Se desea establecer cuántas unidades, de un lote de 50, no cumplen con el estándar de calidad para la presentación de botella por 1000 ml. Es decir, cuántas botellas no cumplen con el rango de contenido de 990 ml hasta 1010 ml.

V1=1000+10(-0.424)=995.76

V13= 1000+10 (-0.574)=994.26

V2= 1000+10(-1.661)=983.39

V14= 1000+10 (1.762)=1017.62

V3= 1000+10(0.974)=1009.74

V15= 1000+10 (-0.557)=994.43

V4= 1000+10(1.403)=1014.03

V16= 1000+10 (0.483)=1004.83

V5=1000+10(1.365)=

V17= 1000+10 (-0.090)=999.1

1013.62

V6= 1000+10(-1.740)=982.6

V18= 1000+10 (0.325)=1003.25

V7= 1000+10(0.006)=1000.06

V19= 1000+10 (0.125)=1001.25

V8= 1000+10(-0.271)=997.29

V20= 1000+10 (-0.055)=999.45

V9=1000+10(0.128)=

V21= 1000+10 (-0.417)=995.83

1001.28

V10= 1000+10(-0.468)=995.32

V22=1000+10 (-1.418)=985.82

V11= 1000+10(-0.523)=994.77

V23= 1000+10 (-0.408)=995.92

V12= 1000+10(-0.487)=995.13

V24= 1000+10 (0.300)=1003

Página95

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A V25= 1000+10 (-0.490)=995.1

V38= 1000+10 (-0.986)=990.14

V26= 1000+10 (1.565)=1015.65

V39= 1000+10 (-0.868)=991.32

V27= 1000+10 (1.147)=1011.47

V40= 1000+10 (0.192)=998.08

V28=1000+10 (1.073)=1010.73

V41= 1000+10 (-0.741)=992.59

V29= 1000+10 (-0.501)=994.99

V42= 1000+10 (-0.645)=993.55

V30= 1000+10 (0.616)=1006.16

V43= 1000+10 (0.886)=1008.86

V31= 1000+10 (0.707)=1007.07

V44= 1000+10 (1.708)=1017.08

V32=1000+10 (-0.110)=998.9

V45= 1000+10 (0.036)=1000.36

V33= 1000+10 (-0.006)=999.94

V46= 1000+10 (-0.403)=995.97

V34= 1000+10 (-0.976)=990.24

V47= 1000+10 (-1.046)=989.54

V35= 1000+10 (-1.151)=988.49

V48= 1000+10 (0.909)=1009.09

V36= 1000+10 (-1.290)=987.1

V49= 1000+10 (1.024)=1010.24

V37= 1000+10 (-0.252)=997.48

V50= 1000+10 (-1.733)=982.67

Como podemos observar, según el método de simulación, en un total de 50 unidades de botellas de aceite Friol de 1 litro se encontraron 15 unidades que sobrepasan el nivel de tolerancia, es decir, no cumplen con el estándar de calidad. Sin embargo, por la visita a la Planta de Aceite hemos deducido que este método no refleja la realidad de la empresa ya que Alicorp cuenta con tecnología sofisticada y con un sistema de calidad que le permite tener un nivel de error mínimo.

Página96

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 4. SIMULACIÓN PARA UN LOTE DE 50 UNIDADES DE GALONERAS POR 5 LITROS Se desea establecer cuántas unidades, de un lote de 50, no cumplen con el estándar de calidad para la presentación de galonera por 5000 ml Es decir, cuántas galoneras no cumplen con el rango de contenido de 4975 ml hasta 5025 ml.

V1=5000-25(-0.424)=5010.6

V13= 5000-25 (-0.574)=5014.35

V2= 5000-25 (-1.661)=5041.525

V14= 5000-25 (1.762)=4955.95

V3= 5000-25 (0.974)=4975.65

V15= 5000-25 (-0.557)=5013.925

V4= 5000-25 (1.403)=4964.925

V16= 5000-25 (0.483)=4987.925

V5=5000-25 (1.365)=4965.875

V17= 5000-25 (-0.090)=5002.25

V6= 5000-25 (-1.740)=5043.5

V18= 5000-25 (0.325)=4991.875

V7= 5000-25 (0.006)=4999.85

V19= 5000-25 (0.125)=4996.875

V8= 5000-25 (-0.271)=5006.775

V20= 5000-25 (-0.055)=5001.375

V9=5000-25 (0.128)=

V21= 5000-25 (-0.417)=5010.425

4996.8

V10= 5000-25 (-0.468)=5011.7

V22=5000-25 (-1.418)=5035.45

V11= 5000-25 (-0.523)=5013.075

V23= 5000-25 (-0.408)=5010.2

V12= 5000-25 (-0.487)=5012.175

V24= 5000-25 (0.300)=4992.5

Página97

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A V25= 5000-25 (-0.490)=5012.25

V38= 5000-25 (-0.986)=5024.65

V26= 5000-25 (1.565)=4960.875

V39= 5000-25 (-0.868)=5021.7

V27= 5000-25 (1.147)=4971.325

V40= 5000-25 (0.192)=4995.2

V28=5000-25 (1.073)=4973.175

V41= 5000-25 (-0.741)=5018.525

V29= 5000-25 (-0.501)=5012.525

V42= 5000-25 (-0.645)=5016.125

V30= 5000-25 (0.616)=4984.6

V43= 5000-25 (0.886)=4977.85

V31= 5000-25 (0.707)=4982.325

V44= 5000-25 (1.708)=4957.3

V32=5000-25 (-0.110)=5002.75

V45= 5000-25 (0.036)=4999.1

V33= 5000-25 (-0.006)=5000.15

V46= 5000-25 (-0.403)=5010.075

V34= 5000-25 (-0.976)=5024.4

V47= 5000-25 (-1.046)=5026.15

V35= 5000-25 (-1.151)=5028.775

V48= 5000-25 (0.909)=4977.275

V36= 5000-25 (-1.290)=5032.25

V49= 5000-25 (1.024)=4974.4

V37= 5000-25 (-0.252)=5006.3

V50= 5000-25 (-1.733)=5043.325

Como podemos observar, según el método de simulación, en un total de 50 unidades de galoneras de aceite Friol de 5 litros se encontraron 15 unidades que sobrepasan el nivel de tolerancia, es decir, no cumplen con el estándar de calidad. Sin embargo, por la visita a la Planta de Aceite hemos deducido que este método no refleja la realidad de la empresa ya que Alicorp cuenta con tecnología sofisticada y con un sistema de calidad que le permite tener un nivel de error mínimo.

Página98

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A 5. SIMULACIÓN PARA UN LOTE DE 50 UNIDADES DE LATAS POR 18 LITROS Se desea establecer cuántas unidades, de un lote de 50, no cumplen con el estándar de calidad para la presentación de latas por 18,000 ml. Es decir, cuántas galoneras no cumplen con el rango de contenido de 17,880 ml hasta 18,120 ml.

V1=18000-120(-0.424)=18050.88

V13=18000-120(-0.574)=18068.88

V2=18000-120(-1.661)=18199.32

V14=18000-120(1.762)=17788.56

V3=18000-120(0.974)=17883.12

V15=18000-120(-0.557)=18066.84

V4=18000-120(1.403)=17831.64

V16=18000-120(0.483)=17942.04

V5=18000-120(1.365)=17836.2

V17=18000-120(-0.090)=18010.8

V6=18000-120(-1.740)=18208.8

V18=18000-120(0.325)=17961

V7=18000-120(0.006)=17999.28

V19=18000-120(0.125)=17985

V8= 18000-120(-0.271)=18032.52

V20=18000-120(-0.055)=18006.6

V9=18000-120(0.128)=17984.64

V21=18000-120(-0.417)=18050.04

V10=18000-120(-0.468)=18056.16

V22=18000-120(-1.418)=18170.16

V11=18000-120(-0.523)=18062.76

V23=18000-120(-0.408)=18048.96

V12=18000-120(-0.487)=18058.44

V24=18000-120(0.300)=17964

Página99

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A V25=18000-120(-0.490)=18058.8

V38=18000-120(-0.986)=18118.32

V26=18000-120(1.565)=17812.2

V39=18000-120(-0.868)=18104.16

V27=18000-120(1.147)=17862.36

V40=18000-120(0.192)=17976.96

V28=18000-120(1.073)=17871.24

V41=18000-120(-0.741)=18088.92

V29=18000-120(-0.501)=18060.12

V42=18000-120(-0.645)=18077.4

V30=18000-120(0.616)=17926.08

V43=18000-120(0.886)=17893.68

V31=18000-120(0.707)=17915.16

V44=18000-120(1.708)=17795.04

V32=18000-120(-0.110)=18013.2

V45=18000-120(0.036)=17995.68

V33=18000-120(-0.006)=18000.72

V46=18000-120(-0.403)=18048.36

V34=18000-120(-0.976)=18117.12

V47=18000-120(-1.046)=18125.52

V35=18000-120(-1.151)=18138.12

V48=18000-120(0.909)=17890.92

V36=18000-120(-1.290)=18154.8

V49=18000-120(1.024)=17877.12

V37=18000-120(-0.252)=18030.24

V50=18000-120(-1.733)=18207.96

Como podemos observar, según el método de simulación, en un total de 50 unidades de bidones de aceite Friol de 18 litros se encontraron 15 unidades que sobrepasan el nivel de tolerancia, es decir, no cumplen con el estándar de calidad. Sin embargo, por la visita a la Planta de Aceite hemos deducido que este método no refleja la realidad de la empresa ya que Alicorp cuenta con tecnología sofisticada y con un sistema de calidad que le permite tener un nivel de error mínimo.

Página100

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A CONCLUSIÓN DE PROGRAMACION LINEAL

La máxima utilidad que se puede obtener por la venta de Aceite Friol 100% Soya asciende a 88300 nuevos soles y para lograr este máximo, se deberán distribuir las 100 TM disponibles en el tanque de almacenamiento de la siguiente manera: A.

35 TM de aceite Friol 100% Soya para botellas de 200 ml.  Equivale a 175 000 botellas de 200 ml.

20 TM de aceite Friol 100% Soya para botellas de 1 litro  Equivale a 20 000 botellas de 1 litro.

30 TM de aceite Friol 100% Soya para bidones de 5 litros  Equivale a 6000 bidones de 5 litros.

15 TM de aceite Friol 100% Soya para bidones de 18 litros.  Equivale a 833 bidones de 18 litros.

CONCLUSIÓN DE TRANSPORTE

El mínimo costo de transporte es de $490. Este monto se obtiene cuando: Lima cubre la demanda de la distribuidora de Chimbote y abastece con 5 TM a Trujillo y con 8 TM a Piura, permaneciendo 5 TM en la sucursal de la ciudad de Lima.

Además, Trujillo abastece a la distribuidora de su ciudad con 25 TM y Piura abastece a la distribuidora de su ciudad con 20 TM.

CONCLUSION DE PRONÓSTICOS

En el caso de los métodos en base a regresiones, el método más adecuado es el del modelo potencial por presentar la menor desviación estándar.

Página101

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A Se observa que los valores en el rastreo por el FACTOR ESTACIONAL CALCULADO POR MMCC al iniciar cada mes son menores que los valores de los meses finales. Ese comportamiento se debe a la estacionalidad del aceite Friol, debido a dos factores principales, el clima del invierno lo que provoca mayor consumo de frituras y las fiestas, ya sean navideñas o fiestas patrias.

De acuerdo al análisis mostrado de todos los métodos estudiados, el más conviente para su utilización en la previsión de producción para la empresa ALICORP S,A, es el de alisamiento exponencial por presentar un mejor ajuste a los datos así como previsiones más certeras.

Finalmente, hay que recalcar nuevamente que ALICORP S,A no utiliza pronósticos ya que ellos estiman su producción en función a la demanda de mercado en tiempo real utilizando el SISTEMA SAP; de esta manera manejan sus costos de producción tomando como criterios las demandas de sucursales, calidad del producto, logística, etc.

CONCLUSIÓN DE ADMINISTRACION DE PROCESOS

El proyecto de producir 1 Tonelada métrica de Aceite Friol 100% y envasarlo equitativamente en sus cuatro presentaciones tendrá un tiempo de duración de 216.5 minutos, lo que equivale a 60 horas y 37 minutos. El proyecto de producir 1 Tonelada métrica de Aceite Friol 100% y envasarlo equitativamente en sus cuatro presentaciones tendrá un costo total de 43 dólares americanos. CONCLUSION DE SIMULACIÓN

El método de simulación por distribución normal no es aplicable a la empresa ALICORP ya que cuenta con tecnología sofisticada y con un sistema de calidad integrado que le permite tener un nivel de errores de seis sigma.

Página102

Herramientas para la toma de decisiones aplicadas a la empresa Alicorp S.A

Pรกgina103