TABLA DE CONTENIDO

Pág
Objetivos…....…………………………………………………………………..3
Introducción………………………………………………………………....…… 4
1. Ejercicios MyOMLab………………………………………… 5
2.1. ¿Por qué hay que estudiar gestión de operacion 6
2.2. Experiencia de Mejora Gestión de Operacione 7
2.3. Ejercicio Output……………………………………................8
2.4. Ejercicio Productividad……………………………………..... 9
2.5. Ejercicio Práctico 1……………………………………...........10
2.6. Ejercicio Práctico 2……………………………………...........12
2.7. Ejercicio Práctico 3……………………………………...........17
Conclusiones………………………………...…..………….....……………… 18
Referencias bibliográficas……………………………….….…………… 19
 OBJETIVOS

• Entender los conceptos fundamentales sobre operaciones y sistemas de producción.

• Aplicar el método de la ruta crítica y reconocerlo como una técnica para planear,
monitorear y controlar proyectos.

• Entender cómo los principios de la administración de operaciones facilitan y mejoran el

proceso de diseño de bienes y servicios y cómo un buen diseño representa una ventaja
competitiva para las organizaciones.
Establecer los comportamientos de los productos y servicios en el mercado, desarrollando
• la mejor técnica de pronóstico para garantizar el cumplimiento de los objetivos de la
organización.
 INTRODUCCIÓN

A través del desarrollo de esta guía se estudiarán diferentes temas respecto a la administración de
operaciones, desde el concepto y su importancia en el sector empresaríal así como su funcionalidad
en análisis de productividad, en la ejecución de proyectos y la creación de pronósticos.

De igual forma, se abordarán dichos temas de manera práctica, dando solución a casos que podrían
presentarse en la vida real y analizando otros casos de éxito presentados también en la cotididanidad
que han permitido evidenciar la importancia de una adecuada administración operacional.
 Página 5

1. EVIDENCIA DE REALIZACIÓN
EJERCICIOS "MyOMLab"

Fuente: Captura de Pantalla tomada de Pearson Education Inc. Universidad EAN, 2019.
 Página 6

2.1 ¿POR QUÉ HAY QUE ESTUDIAR GESTIÓN DE

OPERACIONES?

Tomando como base uno de los resultados de la revolución industrial en los años 1970 para dar
respuesta a esta pregunta, analizamos el conjunto de diferentes conceptos y pensamientos que tenían
personajes de esta época, los cuales eran basados en sus puntos de vista y perspectivas de cómo debía
ser el funcionamiento y organización de una empresa, como por ejemplo, Frederick Winslow Taylor, al
decir que una buena administración no era el resultado de la aplicación de técnicas individuales de
trabajo, sino de un enfoque sistemático de las operaciones. De esta forma, respondemos a la
importancia del estudio de la gestión de operaciones bajo el supuesto de que la producción es uno de
los componentes principales para el funcionamiento de una empresa, el cual está completamente
vinculado con los demás componentes.

Bajo esta premisa, podemos afirmar que para toda empresa, resulta indispensable tener un adecuado
conocimiento y gestión de las operaciones ya que es esta area la que representa mayores gastos para la
misma por lo que la probabilidad de generar unos resultados exitosos y aumentar la rentabilidad en la
labor de producción dependen en gran medida de la sinergia y buena gestión que haya en el proceso, de
esta forma un administrador de operaciones desempeña un papel determinante en una empresa, lo que
hace en primer lugar su cargo o posición altamente demandada y bien remunerada en el sector
empresarial.

Asimismo, consideramos que todo estudiante de administración de operaciones debe tener en cuenta
la importancia de su labor además de una motivación financiera por la remuneración de su cargo, se
trata del impacto que sus estrategias, buen control y adecuado seguimiento a la operación tendrán en la
rentabilidad de la compañía, además de que es una carrera para la cuál el aprendizaje se encuentra en
un constante cambio, así como el sector cambia, las necesidades del cliente también por ello el proceso
productivo no puede seguir igual, en cambio debe perfeccionarse cada vez más para generar mejores
resultados.

En conclusión, las razones principales para estudiar gestión de operaciones para cualquier empresario
son: en primer lugar para entender en qué consiste y cómo funciona la operación en una empresa y su
relación con las demás áreas, para de esta manera llegar a ser una empresa productiva; en segundo
lugar, para entender el proceso de producción de los diferentes bienes y servicios que consumimos; en
tercer lugar, para encontrar valor a la labor de un administrador de operaciones dentro de una
compañía; y finalmente, en cuarto lugar, para encontrar oportunidades de aumento en la rentabilidad de
una compañía, comprendiendo que esta area es una en las que más se gasta dinero y que es el corazón
de la empresa.
 Página 7

2.2 EXPERIENCIA DE MEJORA GESTIÓN DE OPERACIONES

Busque en internet, un artículo de una revista científica o técnica donde se reporte una experiencia de
mejora en una empresa que produzca un aumento de la productividad. Apunte los datos de referencia
del artículo, autor, año, título y nombre de la revista, en formato APA. Además, en forma breve señale
el objetivo del trabajo, la justificación, los estudios o análisis hechos y las conclusiones más relevantes.
La respuesta a esta pregunta no puede exceder a 1 página.

Gran compañía de servicios financieros realiza un significativo incremento en su

productividad, al igual que un relevante ahorro de costos, mediante la implementación de un
software en la nube FIVE9 el cual brinda soluciones en sus centros de contacto.

La compañía de servicios financieros, que ofrece servicios de financiamiento y préstamo, tanto

en línea como en la tienda, para consumidores poco bancarizados, necesitaba una solución más
confiable que también aumentaría la eficiencia en el centro de contacto. La decisión inicial de la
compañía de seleccionar e implementar el software Five9 también se basó en la necesidad de
informes personalizados y capacidades de análisis.

La clave para atender a sus clientes es su centro de contacto, que apoya el servicio al cliente,
las ventas y las colecciones. Five9 fue elegido por su capacidad de integrarse sin problemas con
el sistema de gestión del personal y también con la retroalimentación propia del cliente, que era
un componente crítico de ahorro de costos para la organización de préstamos. Un arduo equipo
de trabajo también fue muy importante para la empresa ya pudieron aprovechar las API
(interfaz de programación de aplicaciones) analíticas y de informes de Five9 para la
gamificación, lo que implica una competencia amistosa entre los agentes de centros de contacto
internos y externos.

Al ser FIVE9 uno de los proveedores líder de software en la nube para el mercado de centros de
contacto empresariales, que ofrece el poder de la nube a miles de clientes y facilita la interacción anual
de más de tres mil millones de clientes, es evidente la gran mejoría que causo a la compañía su
implementación y su uso.

Desde la implementación de FIVE9, la institución financiera ha podido reasignar fácilmente los

recursos geográficamente, ampliarlos o reducirlos según la estacionalidad y agregar nuevos canales
para el centro de contacto, incluido el chat web y el correo electrónico, lo que llevó a un aumento del
10% en la productividad. La analítica y la presentación de informes también fue un punto elemental.
La compañía ahora aprovecha las capacidades de informes personalizados de Five9 en todos los
aspectos del centro de contacto, lo que les ha proporcionado datos e información clave sobre las
actividades de sus clientes finales que luego se integran en sus iniciativas de servicio al cliente, lo que
se traduce en una mayor satisfacción del cliente. Como lo menciona en el artículo el gerente del centro
de contacto, "Ahora tiene todo el equipo de administración involucrado, felicitando a los agentes
individuales en función de los KPI personales de los agentes. Esto está rompiendo las barreras,
brindando mayor visibilidad y atención, mejorando en general trabajo en equipo."

Desde 2001, Five9 ha liderado la revolución de la nube en los centros de contacto, ayudando a las
organizaciones a pasar de las soluciones basadas en premisas heredadas a la nube.
 Desde 2001, Five9 ha liderado la revolución de la nube en los centros de contacto, ayudando a las
organizaciones a pasar de las soluciones basadas en premisas heredadas a la nube.

Como conclusión se muestra que mediante la implementación de este nuevo software en esta
compañía de servicios financieros hubo un incremento en la productividad de la compañía lo cual era
necesario para su mejor funcionamiento, y el cual cumplió y supero las expectativas de los encargados
de tomar la decisión de su aplicación.

Five9 Inc. (2017). Five9 a Key Component in Gamification of Contact Center - Creating A
Team Stronger
Environment. Retrieved from: https://bit.ly/2GIYdKW
 Página 8

2.3 EJERCICIO OUTPUT

Una empresa trabaja diariamente en dos turnos de 8 horas cada turno, a lo largo de cinco días
a la semana. Una sección de dicha empresa consta de cuatro máquinas que se utilizan el 70% del
tiempo con una eficiencia del sistema del 90%. Determine el output de la sección por semana.

Tabla 1. Ejercicio Output

4 Máquinas x 70%
2 Turnos x 8 Días C/U x 5 Dìas /semana x 90% Eficiencia
0.70 Tiempo Tiempo
2 8 5 4 0.7 0.9

Salida por semana 201.60

Fuente: Elaboración propia, Universidad EAN, 2019

 Página 9

2.4 EJERCICIO PRODUCTIVIDAD

Una empresa de ensamblaje de motos tenía 60 trabajadores, cada uno de los cuales trabajó 8 horas
diarias, 5 días a la semana, durante 48 semanas cada año, logrando una producción de 230.400 motos.
Este año se jubilaron 10 trabajadores, los restantes trabajaron el mismo número de horas que el año
anterior alcanzado una producción anual de 288.000 unidades.

2.3.1 Calcule el incremento de productividad conseguido por la empresa.

Tabla 2. Incremento en productividad en dos periodos

Productividad Productividad Cambio en la
Periodo 1 Periodo 2
Periodo 1 Periodo 2 Productividad
Unidades P 230,400 288,000
2 3 50.00%
Horas Lab 115,200 96,000
Fuente: Elaboración propia, Universidad EAN, 2019

El incremento de productividad del periodo actual respecto al anterior fue del 50%

2.3.2 Indique cómo es posible incrementar la producción reduciendo el número de trabajadores.

Para aumentar la productividad en una empresa, se deben tener en cuenta tres factores principales:
Mano de Obra, Capital y Administración. Para el caso en el que se desea reducir la mano de obra o
número de trabajadores, los esfuerzos deben enfocarse en el aumento de competitividad de la mano de
obra restante (Motivación, capacitación, trabajo en equipo), la inversión de capital y un gran esfuerzo en
la administración de las operaciones de la empresa, teniendo como aliados la tecnología y conocimiento
además del apoyo de otro tipo de estrategias que permitan contar con insumos altamente productivos.
 Página 10

2.5 EJERCICIO PRÁCTICO 1

La fábrica de Renault en Valladolid es una de las más importantes de España. En SOFASA-Renault se

desarrollan diversos procesos operativos y de soporte. El ciclo comienza con la Gestión de Mercadeo, que
investiga y determina la demanda del mercado. Después, Planificación se encarga de definir cuáles son los
volúmenes y referencias necesarios, para que desde aprovisionamiento se gestione la recepción de las piezas, de
las piezas importadas que llegan desde Francia y otros lugares del mundo, y de las piezas locales, bajo la
modalidad Justo a Tiempo. Una vez en la planta, se inicia el proceso de fabricación.

En su planta trabajan 7000 personas divididas en turnos de mañana, tarde y noche. Actualmente la producción
diaria de la empresa es de 2.000 unidades y producción la producción anual se sitúa en torno a 425.000 unidades
que se distribuyen para su venta, por carretera, mar y ferrocarril a 72 países.

El proceso de producción de un auto comienza en las prensas, en las que se estampan las piezas que formarán la
carrocería. El recinto dispone de tres líneas, en las que las piezas son transportadas automáticamente de matriz en
matriz (así se logra que el proceso sea continuo) para dar forma a todos los elementos de la carrocería del
vehículo. Las prensas se encuentran dentro de un recinto insonorizado con el fin de evitar la contaminación
acústica.

Los talleres de chapistería, protagonistas de la segunda fase del proceso, son los más automatizados de la fábrica
y en ellos más de mil robots se encargan de unir prácticamente el 100% de los puntos de soldadura de la
carrocería, para lo que se emplea en determinadas zonas la tecnología láser, lo que garantiza una excelente
precisión del acabado, controlado mediante ultrasonidos. Durante el proceso de ensamblaje, el vehículo es
sometido a un exhaustivo control de medición on line de la carrocería.

A continuación, se desarrolla el pintado en dos naves diferentes. En la primera, se lleva a cabo la fase de
pretratamiento de las superficies con el fin de garantizar la resistencia a la corrosión. En la segunda se aplican,
mediante robots, las diferentes capas de color y lacado, tanto en el interior como en el exterior del vehículo. Los
dos talleres están construidos y acondicionados teniendo en cuenta los métodos antipolución más actuales.
Asimismo, se ha realizado una sustitución completa de los disolventes por agua, lo que impide que la
contaminación afecte tanto al entorno como al propio operario.
pretratamiento de las superficies con el fin de garantizar la resistencia a la corrosión. En la segunda se aplican,
mediante robots, las diferentes capas de color y lacado, tanto en el interior como en el exterior del vehículo. Los
dos talleres están construidos y acondicionados teniendo en cuenta los métodos antipolución más actuales. Página 10
Asimismo, se ha realizado una sustitución completa de los disolventes por agua, lo que impide que la
contaminación afecte tanto al entorno como al propio operario.

Una vez pintado el vehículo, las carrocerías se trasladan al taller de premontaje, donde se ensamblan parte de las
piezas interiores. Concluida esta fase, en los talleres de montaje la carrocería recibe de manera automática el grupo
motopropulsor.

Posteriormente, se montan el resto de piezas interiores del coche. La totalidad de los vehículos salidos de las
líneas son sometidos a rigurosos controles que garantizan su calidad antes de pasar a los muelles de distribución,
desde donde son enviados a los concesionarios SEAT de todo el mundo.

DATOS
Tabla 3. Datos del ejercicio 2.5
Consumo diario de Agua (m^3) 7,901 Valor Unitario por m^3 $ 0.66

Consumo diario de Electricidad

1,276,668 Valor Unitario de Kwh $ 0.15
(Kwh)

Consumo diario de Gas (Kwh) 2,290,913 Valor Unitario de Kwh $ 0.38

Producción / día (Unds) 2000

Velocidad de fabricación (coche) 1 cada 40 segundos

Viales interiores
Pago de mano
Km de vias de ferrocarril 10.5 $ 300
de obra

Km de calles 25 Precio
promedio $ 2,000
automóvil
Capital $ 600,000,000
 Página 10

Fuente: Ambiente de Aprendizaje Blackboard, Universidad EAN, 2019.

EJERCICIOS DE APLICACIÓN

a. ¿Calcule la productividad laboral actual?

Tabla 4. Productividad laboral 2.5

Periodo 1 Productividad Dato base trabajadores 7,000
Producción
$ 850,000,000 Dato base producción anual 425,000
Anual 404.76
Trabajadores $ 2,100,000
Fuente: Elaboración Propia, Universidad EAN, 2019

b. ¿Cuál es la productividad multifactorial?

Tabla 5. Productividad multifactorial

Periodo 1 Productividad
Producción Año $ 850,000,000
Mano de Obra $ 2,100,000 404.76
Agua $ 1,903,351 446.58
Electricidad $ 69,897,573 12.16
Gas $ 317,749,633 2.68
Capital $ 600,000,000 1.42
Productividad multifactorial 0.86
Fuente: Elaboración Propia, Universidad EAN, 2019

c. Interprete el valor del punto anterior

 Página 10

Al realizar el análisis de productividad de la compañía en el último año, tomando como datos el total
de unidades producidas del año y su correspondiente costo de ventas, se obtiene una productividad de
0,86 unidades producidas por recurso invertido.

d. ¿Cuál es el valor de la productividad si el pago de la mano de obra se triplica?

Tabla 6. Productividad multifactorial aumento pa

Periodo 1 Productividad
Producción Año $ 850,000,000
Mano de Obra $ 6,300,000 134.92
Agua $ 1,903,351 446.58
Electricidad $ 69,897,573 12.16
Gas $ 317,749,633 2.68
Capital $ 600,000,000 1.42
Productividad multifactorial 0.85
Fuente: Elaboración Propia, Universidad EAN, 2019

e. ¿Cuál es el incremento porcentual en la productividad?

Tabla 7. Incremento porcentual en la productividad 2.5

Productividad Productividad Cambio en la
Periodo 1 Periodo 2
Periodo 1 Periodo 2 Productividad
Producción Año $ 850,000,000 $ 850,000,000
Mano de Obra $ 2,100,000 $ 6,300,000 405 135 -66.67%
Agua $ 1,903,351 $ 1,903,351 447 447 0.00%
Electricidad $ 69,897,573 $ 69,897,573 12 12 0.00%
Gas $ 317,749,633 $ 317,749,633 3 3 0.00%
Productividad Multifactorial 0.86 0.85 -0.42%
Fuente: Elaboración Propia, Universidad EAN, 2019
 Página 10

Análisis Punto e

Al aumentar el pago por mano de obra pero manteniendo el mismo nivel de producción, se evidencia
un decrecimiento en la productividad laboral del 67% y en la productividad multifactorial del 0,42% ,
ya que los costos son mayores en un periodo dónde el total de unidades producidas es el mismo.
 Tabla 8. Comprobación productividad Multifactorial Punto B
2.5 Productividad multifactorial B

Productivity
Enter
Enter the
the output
output for
for the
the period
period and
and enter
enter thethe amounts
amounts for for each
each ofof the
the inputs
inputs
Enter
Enter the
the dollar
dollar amount
amount for for each
each unit
unit of
of input.
input. IfIf the
the input
input isis already
already inin dollars
dollars simply
simply enter
enter aa 11 for
for that
that
item.
item.
Data
Period 1 $ per unit (optional)
Output 850000000
Factor 1 2100000 1
Factor 2 1903350.9 1
Factor 3 69897573 1
Factor 4 317749633 1
Factor 5 600000000 1
Multifactor 991650557

Fuente: Elaboración mediante Excel OM, Universidad EAN, 2019

Tabla 9. Comprobación productividad Multifactorial Punto D

2.5 Productividad multifactorial D

Productivity
Enter
Enter the
the output
output for
for the
the period
period and
and enter
enter thethe amounts
amounts for for each
each ofof the
the inputs
inputs
Enter
Enter the
the dollar
dollar amount
amount for for each
each unit
unit of
of input.
input. IfIf the
the input
input isis already
already inin dollars
dollars simply
simply enter
enter aa 11 for
for that
that
item.
item.
Data
Period 1 $ per unit (optional)
Output 850000000
Factor 1 6300000 1
Factor 2 1903350.9 1
Factor 3 69897573 1
Factor 4 317749633 1
Factor 5 600000000 1
Multifactor 995850557

Fuente: Elaboración mediante Excel OM, Universidad EAN, 2019

 Página 11

e inputs
he inputs
y in
in dollars
dollars simply
simply enter
enter aa 11 for
for that
that

Results
Productivity

404.76
446.58
12.16
2.68
1.42
0.86

2019

e inputs
he inputs
y in
in dollars
dollars simply
simply enter
enter aa 11 for
for that
that
Results
Productivity

134.92
446.58
12.16
2.68
1.42
0.85

2019
 Página 12

2.6 EJERCICIO PRÁCTICO 2

Una empresa fabrica herramientas especializadas para construir bicicletas de motor. Todos sus
productos se elaboran bajo pedido, por lo que la compañía nunca sabe exactamente qué componentes
comprar para una herramienta hasta que el cliente coloca una orden. Sin embargo, la compañía piensa
que la demanda
semanal de unos cuantos componentes es bastante estable. El componente JMMS0318 es uno de ellos.
A continuación se muestran las últimas 26 semanas de utilización histórica del componente
JMMS0318.
Use los valores establecidos para los pronósticos:

Tabla 10. Datos 2.6

Semana Demanda
1 137
2 136
3 143
4 136
5 141
6 128
7 149
8 136
9 134
10 142
11 125
12 134
13 118
14 131
15 132
16 124
17 121
18 127
19 118
20 120
21 115
22 106
23 120
24 113
25 121
26 119

Fuente: Disponible en el ambiente de aprendizaje, Gestión de Operaciones, Universidad EAN, 2019.

EJERCICIOS DE APLICACIÓN

a) Calcule el promedio móvil de un periodo.

El Promedio Movil de un periodo es de: 119 componentes

b) Calcule el promedio móvil de tres periodos.

El promedio Movil de tres periodos es: 118 componentes

 Página 12

c) Grafica los datos y los pronósticos de un y tres periodos e interpreta los datos.

1. Gráfica un periodo
Ilustración 1. Promedio a un periodo 2.6

Forecasting
160 La Demanda, con los datos de
140 Forecast, tienen pequeñas variaciones
120 a lo largo del tiempo, y el margen de
100 error es más grande, teniendo en
80 cuenta que como dato histórico solo
Value

60 contamos con el del periodo anterior.

40
20
0
1 3 5 7 9 11 1 3 1 5 17 19 21 2 3 25

Time

Demand Forecast

Fuente: Elaborado mediante Excel OM, Universidad EAN, 2019

2. Gráfica tres periodos

Ilustración 2. Promedio a tres periodo 2.6

Forecasting La grafica muestra como los datos de

160 Forecast aparecen desde la 4 variable
140 de tiempo, ya que al ser un promedio
120 movil de tres periodos, se requiere los
100 tres primeros datos para poder hacer
80 los calculos, en este calculo las
Value

60
variaiones se evidencian un poco mas
40
amplias. Sin embargo el margen del
20
0
error del ejercicio muestra que al
promediar la informacion el resultado
1 3 5 7 9 1 1 1 3 1 5 17 19 2 1 23 25
es bastante cercano al real.
Time

Demand Forecast

Fuente: Elaborado mediante Excel OM, Universidad EAN, 2019

Interpretación de la variación en la información

Las anteriores gráficas nos muestran la variación de la demanda de uno de los componentes
necesarios para la producción de bicicletas de motor durante las 26 semanas anterioresal análisis, esto
con el fin de pronósticar cuál va a ser la demanda de la semana 27 de dicho componente. Por un lado,
se toma únicamente el dato inmediatamente anterior para desarrollar la apróximación semana a semana
asignando a este calculo un márgen de error. Por otro, se analiza el pronóstico con base a los tres
periodos anteriores, para llegar a un resultado más exacto y un márgen de error mucho menor. Las
gráficas evidencian una variación de un periodo a otro bastante amplia para las semanas 5 a 7; sin
embargo, si bien en el primer caso, las variaciones continúan siendo altas por algunos periodos más, en
el segundo (análisis de los tres periodos) los datos empiezan a cerrarse y mostrar variaciones cada vez
más pequeñas, brindando de esta forma más confiabilidad en el segundo resultado obtenido.

d) Realice el pronóstico por medio del método de suavizamiento exponencial con valor inicial de
137 y α=.28
 Página 12

El pronostico por medio del método suavizamiento exponencial es de 118 componentes

e) Realice el prónostico por proyección de tendencia con regresión.

El pronostico por proyección de tendencia con regresion es de 113 componentes

f) Calcule la MAD, MSE y MAPE para los dos primeros métodos. ¿Qué le permiten concluir
estos resultados?
MAD MSE MAPE
Un periodo: 8.24 95.20 ###
Tres periodos: 5.80 53.48 0.04659
Dif -2.44 -41.72 -0.02

El margen del error de pronostico como resultado del ejercicio nos permite identificar que cuando
mayor sea el tiempo del ejercicio, menor es el margen de error, teniendo en cuenta que existen mas
varibales, o datos para calcular.
Página 13

Tabla 11. Promedio Móvil a un periodo 2.6

a) Calcule el promedio móvil de un periodo.

Forecasting Moving averages - 1 period moving average Rta

Enter
Enter the
the past
past demands
demands in
in the
the data
data area
area

Num pds 1

Data Forecasts and Error Analysis

Period Demand Forecast Error Absolute Squared
Period 1 137
Period 2 136 137 -1 1 1
Period 3 143 136 7 7 49
Period 4 136 143 -7 7 49
Period 5 141 136 5 5 25
Period 6 128 141 -13 13 169
Period 7 149 128 21 21 441
Period 8 136 149 -13 13 169
Period 9 134 136 -2 2 4
Period 10 142 134 8 8 64
Period 11 125 142 -17 17 289
Period 12 134 125 9 9 81
Period 13 118 134 -16 16 256
Period 14 131 118 13 13 169
Period 15 132 131 1 1 1
Period 16 124 132 -8 8 64
Period 17 121 124 -3 3 9
Period 18 127 121 6 6 36
Period 19 118 127 -9 9 81
Period 20 120 118 2 2 4
Period 21 115 120 -5 5 25
Period 22 106 115 -9 9 81

Period 23 120 106 14 14 196

Period 24 113 120 -7 7 49
Period 25 121 113 8 8 64
Period 26 119 121 -2 2 4
Total -18 206 2380
Average -0.72 8.24 95.2
Bias MAD MSE
 SE 10.1724265
Next period 119
 119
c) Grafica los datos y los pronósticos de un periodo e interpreta los datos.

Abs Pct Err

Forecasting
00.74% 160

04.90% 140
05.15%
03.55% 120
10.16%
100
14.09%
09.56% 80
Value

01.49%
60
05.63%
13.60% 40
06.72%
13.56% 20
09.92%
0
00.76%
1
3
5
7
9

13
15

21
11

17
19

23
25
06.45%
02.48% Time
04.72%
07.63% Demand Forecast
01.67%
04.35%
08.49% La Demanda, con los datos de Forecast, tienen pequeñas variaciones
a lo largo del tiempo, y el margen de error es más grande, teniendo en
11.67% cuenta que como dato histórico solo contamos con el del periodo
06.19% anterior.
06.61%
01.68%
161.76%
06.47%
MAPE
erpreta los datos.
23
25
Página 14

Tabla 12. Promedio Móvil a tres periodo 2.6

b) Calcule el promedio móvil de tres periodos.

Forecasting Moving averages - 3 period moving average Rta 118

Enter
Enter the
the past
past demands
demands in
in the
the data
data area
area

Num pds 3

Data Forecasts and Error Analysis

Period Demand Forecast Error Absolute Squared Abs Pct Err
Period 1 137
Period 2 136
Period 3 143
Period 4 136 138.666667 -2.6666667 2.66666667 7.11111111 01.96%
Period 5 141 138.333333 2.66666667 2.66666667 7.11111111 01.89%
Period 6 128 140 -12 12 144 09.38%
Period 7 149 135 14 14 196 09.40%
Period 8 136 139.333333 -3.3333333 3.33333333 11.1111111 02.45%
Period 9 134 137.666667 -3.6666667 3.66666667 13.4444444 02.74%
Period 10 142 139.666667 2.33333333 2.33333333 5.44444444 01.64%
Period 11 125 137.333333 -12.333333 12.3333333 152.111111 09.87%
Period 12 134 133.666667 0.33333333 0.33333333 0.11111111 00.25%
Period 13 118 133.666667 -15.666667 15.6666667 245.444444 13.28%
Period 14 131 125.666667 5.33333333 5.33333333 28.4444444 04.07%
Period 15 132 127.666667 4.33333333 4.33333333 18.7777778 03.28%
Period 16 124 127 -3 3 9 02.42%
Period 17 121 129 -8 8 64 06.61%
Period 18 127 125.666667 1.33333333 1.33333333 1.77777778 01.05%
Period 19 118 124 -6 6 36 05.08%
Period 20 120 122 -2 2 4 01.67%
Period 21 115 121.666667 -6.6666667 6.66666667 44.4444444 05.80%
Period 22 106 117.666667 -11.666667 11.6666667 136.111111 11.01%
Period 23 120 113.666667 6.33333333 6.33333333 40.1111111 05.28%
Period 24 113 113.666667 -0.6666667 0.66666667 0.44444444 00.59%
Period 25 121 113 8 8 64 06.61%
Period 26 119 118 1 1 1 00.84%
Total -42 133.333333 1230 107.16%
Average -1.826087 5.79710145 53.4782609 04.66%
Bias MAD MSE MAPE
SE 7.65319728
Next period 117.66667

Fuente: Elaborado mediante EXCEL OM, Universidad EAN, 2019

 c) Grafica los datos y los pronósticos de tres periodos e interpreta los datos.

Abs Pct Err

Forecasting
160

140

120

100

80
Value

60

40

20

0
1
3
5
7
9

15

21
23
11
13

17
19

25

Time

Demand Forecast

La grafica muestra como los datos de Forecast aparecen desde

la 4 variable de tiempo, ya que al ser un promedio movil de tres
periodos, se requiere los tres primeros datos para poder hacer
los calculos, en este calculo las variaiones se evidencian un
poco mas amplias. Sin embargo el margen del error del ejercicio
muestra que al promediar la informacion el resultado es bastante
cercano al real.

Fuente: Elaborado mediante EXCEL OM, Universidad EAN, 2019

Fuente: Elaborado mediante EXCEL OM, Universidad EAN, 2019
Página 15

Tabla 13. Suavizamiento Exponencial 2.6

d) Realice el pronóstico por medio del método de suavizamiento expo

Forecasting Simple Linear Regression

Enter
Enter alpha
alpha (between
(between 00 and and 1),
1), enter
enter the
the past
past demands
demands in in the
the shaded
shaded column
column then
then enter
enter aa
starting
starting forecast.
forecast. IfIf the
the starting
starting forecast
forecast isis not
not in
in the
the first
first period
period then
then delete
delete the
the error
error analysis
analysis
for
for all
all rows
rows above
above the the starting
starting forecast.
forecast.

Alpha 0.28
Data Forecasts and Error Analysis
Period Demand Forecast Error Absolute Squared
Period 1 137 137 0 0 0
Period 2 136 137 -1 1 1
Period 3 143 136.72 6.28 6.28 39.4384
Period 4 136 138.4784 -2.4784 2.4784 6.14246656
Period 5 141 137.784448 3.215552 3.215552 10.3397747
Period 6 128 138.684803 -10.684803 10.6848026 114.165006
Period 7 149 135.693058 13.3069422 13.3069422 177.07471
Period 8 136 139.419002 -3.4190016 3.41900165 11.6895723
Period 9 134 138.461681 -4.4616812 4.46168119 19.906599
Period 10 142 137.21241 4.78758955 4.78758955 22.9210137
Period 11 125 138.552936 -13.552936 13.5529355 183.682061
Period 12 134 134.758114 -0.7581136 0.75811358 0.5747362
Period 13 118 134.545842 -16.545842 16.5458418 273.76488
Period 14 131 129.913006 1.08699392 1.08699392 1.18155578
Period 15 132 130.217364 1.78263562 1.78263562 3.17778976
Period 16 124 130.716502 -6.7165024 6.71650235 45.1114038
Period 17 121 128.835882 -7.8358817 7.83588169 61.4010419
Period 18 127 126.641835 0.35816518 0.35816518 0.1282823
Period 19 118 126.742121 -8.7421211 8.74212107 76.4246808
Period 20 120 124.294327 -4.2943272 4.29432717 18.4412458
Period 21 115 123.091916 -8.0919156 8.09191556 65.4790975
Period 22 106 120.826179 -14.826179 14.8261792 219.81559
Period 23 120 116.674849 3.32515097 3.32515097 11.056629
Period 24 113 117.605891 -4.6058913 4.6058913 21.2142347
Period 25 121 116.316242 4.68375826 4.68375826 21.9375915
Period 26 119 117.627694 1.37230595 1.37230595 1.88322362
Total -67.814501 148.212688 1407.95159
Average -2.60825 5.70048801 54.1519841
Bias MAD MSE
SE 7.65928518
Next period 118.01194
Fuente: Elaborado mediante EXCEL OM, Univer
do de suavizamiento exponencial con valor inicial de 137 y α=.28

Rta. 118

Abs Pct Err

00.00% Forecasting
160
00.74%
04.39% 140
01.82%
02.28% 120
08.35%
100
08.93%
02.51% 80
Value

03.33%
60
03.37%
10.84% 40
00.57%
14.02% 20

00.83% 0
01.35%
1

17

19

21
11

13

15

23

25

05.42%
06.48% Time
00.28%
07.41% 137 137
03.58%
07.04%
13.99%
02.77%
04.08%
03.87%
0.011532
119.39%
04.59%
MAPE
diante EXCEL OM, Universidad EAN, 2019
Página 16

Tabla 14. Proyección de tendencia con regresión 2.6

e) Realice el prónostico por proyección de ten

Forecasting Simple linear regression

IfIf this
this isis trend
trend analysis
analysis then then simply
simply enter
enter the
the past
past demands
demands in in the
the
demand
demand column. column. IfIf this
this isis causal
causal regression
regression then
then enter
enter the
the y,x
y,x pairs
pairs with
with
yy first
first and
and enter
enter aa new
new value
value ofof xx at
at the
the bottom
bottom inin order
order toto forecast
forecast y.y.

Data Forecasts and Error Analysis

Period Demand (y)Period(x) Forecast Error Absolute
Period 1 137 1 142.034188 -5.0341880342 5.03418803
Period 2 136 2 140.905299 -4.9052991453 4.90529915
Period 3 143 3 139.77641 3.2235897436 3.22358974
Period 4 136 4 138.647521 -2.6475213675 2.64752137
Period 5 141 5 137.518632 3.4813675214 3.48136752
Period 6 128 6 136.389744 -8.3897435897 8.38974359
Period 7 149 7 135.260855 13.739145299 13.7391453
Period 8 136 8 134.131966 1.868034188 1.86803419
Period 9 134 9 133.003077 0.9969230769 0.99692308
Period 10 142 10 131.874188 10.125811966 10.125812
Period 11 125 11 130.745299 -5.7452991453 5.74529915
Period 12 134 12 129.61641 4.3835897436 4.38358974
Period 13 118 13 128.487521 -10.487521368 10.4875214
Period 14 131 14 127.358632 3.6413675214 3.64136752
Period 15 132 15 126.229744 5.7702564103 5.77025641
Period 16 124 16 125.100855 -1.1008547009 1.1008547
Period 17 121 17 123.971966 -2.971965812 2.97196581
Period 18 127 18 122.843077 4.1569230769 4.15692308
Period 19 118 19 121.714188 -3.7141880342 3.71418803
Period 20 120 20 120.585299 -0.5852991453 0.58529915
Period 21 115 21 119.45641 -4.4564102564 4.45641026
Period 22 106 22 118.327521 -12.327521368 12.3275214
Period 23 120 23 117.198632 2.8013675214 2.80136752
Period 24 113 24 116.069744 -3.0697435897 3.06974359
Period 25 121 25 114.940855 6.0591452991 6.0591453
Period 26 119 26 113.811966 5.188034188 5.18803419
Total 2.4158453E-13 130.871111
Intercept 143.16308 Average 9.291713E-15 5.03350427
Slope -1.1288889 Bias MAD
SE
Forecast 112.68308 27
Correlation
Coefficient of determination

Fuente: Elaborado mediante EXCEL OM, Un

co por proyección de tendencia con regresión.

Rta 113

Squared Abs Pct Err

25.3430492 03.67%
24.0619597 03.61% Regression
10.3915308 02.25% 160
7.00936939 01.95% 140
120
12.1199198 02.47% 100
70.3877975 06.55% 80
188.764114 09.22% 60
40
3.48955173 01.37%
20
0.99385562 00.74% 0
102.532068 07.13% 0 5 10 15 20 25 30
33.0084623 04.60% Column D Linear (Column D)
19.215859 03.27%
109.988104 08.89%
13.2595574 02.78%
33.295859 04.37%
1.21188107 00.89%
8.83258079 02.46%
17.2800095 03.27%
13.7951928 03.15%
0.34257509 00.49%
19.8595924 03.88%
151.967783 11.63%
7.84765999 02.33%
9.42332571 02.72%
36.7132418 05.01%
26.9156987 04.36%
948.050598 103.06%
36.4634845 03.96%
 MSE MAPE
6.28507027

-0.814148
0.66283696

mediante EXCEL OM, Universidad EAN, 2019

 Página 17

2.7 EJERCICIO PRÁCTICO 3

Una agencia de empleo está en el proceso de diseñar un programa que utilicen sus clientes en el proceso
de búsqueda de empleo. Algunas actividades incluyen ingresar la hoja de vida al sistema, adjuntar cartas de
presentación o referencias, concertar citas por ofertas de empleo, concertar entrevistas con psicólogos de
intermediación laboral, realizar seguimiento al resultado final del proceso de selección, enviar nuevos
candidatos de ser requerido, etc. Parte de la información de las actividades se incluye en la siguiente tabla:

Tabla 15. Datos Ejercicio Práctico 3

Días
ACTIVIDAD Predecesor inmediato
a m b
A 8 10 12
B 6 7 9
C 3 3 4
D 10 20 30 A
E 6 7 8 C
F 9 10 11 B, D, E
G 6 7 10 B, D, E
H 14 15 16 F
I 10 11 13 F
J 6 7 8 G, H
K 4 7 8 I, J
L 1 2 4 G, H
Fuente: Ambiente de aprendizaje, Universidad EAN, 2019.

a. Construya una red para este problema.

Ilustración 3. Red de actividades 2.7

Fuente: Elaboración propia, Universidad EAN, 2019

Enter the times in the appropriate column(s). Enter the precedences, one per column. (Do not try to use commas).

b. Determine el tiempo esperado y la varianza para cada actividad.

Tabla 16. Tiempos y varianzas actividades punto b, 2.7

Días Tiempo
Actividad Varianza
a m b esperado
A 8 10 12 10 100
B 6 7 9 7.16666667 51.3611111111
C 3 3 4 3.16666667 10.0277777778
D 10 20 30 20 400
E 6 7 8 7 49
F 9 10 11 10 100
G 6 7 10 7.33333333 53.7777777778
H 14 15 16 15 225
I 10 11 13 11.1666667 124.694444444
J 6 7 8 7 49
K 4 7 8 6.66666667 44.4444444444
L 1 2 4 2.16666667 4.6944444444
Fuente: Elaboración propia, Universidad EAN, 2019

c. Calcule IC, TC, IL, TL y la holgura para cada actividad.

Tabla 17. Calculos punto c, 2.7

Results IC TC IL TL Holgura
Early Late Critical
Activity Early Start Late Start Slack Variance
Finish Finish Variance
A 0 10 0 10 0 0.44444444 0.44444444
B 0 7.16666667 22.83333333 30 22.8333333333 0.25
C 0 3.16666667 19.83333333 23 19.8333333333 0.02777778
D 10 30 10 30 0 11.1111111 11.1111111
E 3.166666667 10.1666667 23 30 19.8333333333 0.11111111
F 30 40 30 40 0 0.11111111 0.11111111
G 30 37.3333333 47.66666667 55 17.6666666667 0.44444444
H 40 55 40 55 0 0.11111111 0.11111111
I 40 51.1666667 50.83333333 62 10.8333333333 0.25
J 55 62 55 62 0 0.11111111 0.11111111
K 62 68.6666667 62 68.6666667 0 0.44444444 0.44444444
L 55 57.1666667 66.5 68.6666667 11.5 0.25
Project 68.6666667 Project 12.3333333
Std.dev 3.51188458

Fuente: Elaborado mediante EXCEL OM, Universidad EAN, 2019

d. Determine la ruta crítica y el tiempo de terminación del proyecto.

Ruta critica A-D-F-H-J-K

Tiempo proyecto 68.67

Tabla 18. Ruta Crítica punto D, 2.7

Ilustración 4. Ruta critica modelo Gantt

Critical Noncritical Critical Noncritical
Graph Slack Graph Slack Gantt Chart
Activity Activity 13 Activity Activity
A 0 10 0 0 12 L 55 0 2.166666667 11.5
B 0 0 7.166666667 22.8333333 11 K 62 6.66666667 0 0
C 0 0 3.166666667 19.8333333 10 J 55 7 0 0
D 10 20 0 0 9 I 40 0 11.16666667 10.8333333
E 3.166666667 0 7 19.8333333 8 H 40 15 0 0
F 30 10 0 0 7 G 30 0 7.333333333 17.6666667
G 30 0 7.333333333 17.6666667 6 F 30 10 0 0
H 40 15 0 0 5 E 3.16666667 0 7 19.8333333 0 10 20 30 40 50 60 70 80
I 40 0 11.16666667 10.8333333 4 D 10 20 0 0 Time
J 55 7 0 0 3 C 0 0 3.166666667 19.8333333
K 62 6.66666667 0 0 2 B 0 0 7.166666667 22.8333333 Column J Critical Activity
L 55 0 2.166666667 11.5 1 A 0 10 0 0 Noncritical Activity Slack

Fuente: Elaborado mediante EXCEL OM, Universidad EAN, 2019

e. Calcule la probabilidad de que el proyecto se termine en 70 días o menos.

�= 3.511884584 �^2= 12.33333333

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑜𝑓 𝑓𝑖𝑛𝑖𝑠ℎ𝑖𝑛�≤70 𝑑𝑎𝑦𝑠=𝑃(Ζ>(70−68,67)/3,5118846)=

0.3787140403 Z 64.75% Rta

f. Determine la probabilidad de que el proyecto se termine en 80 días o menos.

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑜𝑓 𝑓𝑖𝑛𝑖𝑠ℎ𝑖𝑛� ≤80 𝑑𝑎𝑦𝑠=𝑃(Ζ≥(80−68,67)/3,5118846)=

3.2261880276 Z 99.94% Rta

g. Determine la probabilidad de que el proyecto se termine en 90 días o menos.

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑜𝑓 𝑓𝑖𝑛𝑖𝑠ℎ𝑖𝑛�≤90 𝑑𝑎𝑦𝑠=𝑃(Ζ≤(90−68,67)/3,5118846)=

6.0736620148 Z 100.00% Rta
 Página 18

CONCLUSIONES

A través del desarrollo de la presente guía se logra concluir que la adecuada gestión del
area operacional de una compañía es indispensable dentro de la consecución de los
objetivos planteados, puesto que aunque se tenga un buen control en otras áreas como
finanzas y recursos humanos, si no hay una sinergia con la operación de la compañia,
estos esfuerzos se habrán desarrollado en vano ya que este es el corazón de toda empresa
independientemente de su objetivo misional.

Por ello, resulta importante conocer las herramientas con las que cuenta un
administrador de operaciones y entender qué aspectos exactamente son en los que debe
fijar su atención. Adicional de tener muy arraigada una cultura de cambio para que todos
los ajustes que se deban hacer no impacten buscamente en los procesos existentes, en
cambio, estos se acoplen a las nuevas definiciones sin problema.
Página 18
 Página 19

REFERENCIAS BIBLIOGRÁFICAS

Five9 Inc. (2017). Five9 a Key Component in Gamification of Contact Center -

Creating A Stronger Team Environment. Retrieved from: https://bit.ly/2GIYdKW

Heizer J., Render, B. (2014). Principios de administración de operaciones. Novena

edición. Editorial Pearson.

Sanchez, L. C. (2009). Modelos cuantitativos lineales con escenarios en excel –solver.

Bogotá: Universidad EAN.