CASO 1 (ADMINISTRACIÓN DE OPERACIONES II)

ANDRADE VARGAS MAYRA ALEJANDRA - 2320161002

MORALES RODRIGUEZ JUAN PABLO - 2320172040
PRADO GUZMÁN LAURA LIZETH - 2320161084
RODRÍGUEZ PIRAZAN CESAR AUGUSTO - 2320161056

UNIVERSIDAD DE IBAGUÉ
IBAGUÉ, TOLIMA
2019
Introducción
Hoy en día, es importante que las empresas tengan un control acertado de la demanda requerida para
los periodos futuros, todo esto para garantizar un funcionamiento óptimo y exitoso en el mercado.
Sin embargo, algunas compañías presentan faltantes o excedentes al momento planear y pronosticar
dicha demanda, como es el caso de la empresa ibaguereña CSM dedicada a la producción de camas.

Basándonos en lo anterior, en el presente trabajo vamos a realizar un proceso de planificación y

control de la producción para así, ofrecerle a la empresa una mejor alternativa para pronosticar
acertadamente la demanda requerida. ¿Cómo lo vamos a lograr?, desarrollando las estrategias de
planificación de la producción a mediano plazo como lo es el plana agregado y a corto plazo donde
se encuentran: el plan maestro de producción y plan de requerimiento de materiales, y, además,
apoyándonos en los softwares de Gusek y Excel.

Metodología
En primer lugar, se ingresaron los datos de las ventas históricas del año 2016 al 2018 de la empresa
CSM al software R-studio, lo que permitió identificar que la serie presenta un comportamiento
estacional, una vez identificado el tipo de componente se procedió a calcular los pronósticos
utilizando los métodos winters aditivo, multiplicativo y regresión lineal con ajuste estacional por
medio de la herramienta Excel; ya calculados los pronósticos se hallaron los errores de cada uno, para
finalmente seleccionar el método que arroja el menor error y pronosticar la demanda. Se comparó el
pronóstico que utiliza la empresa actualmente con el pronóstico arrojado del mejor método y de esta
forma se sugiere a la empresa cambiar el método de pronosticación.
Después de esto, se realizó el plan agregado de producción para los 6 meses pronosticados, a partir
de la técnica mano de obra nivelada, en donde se mantuvieron los operarios necesarios para que
cumplan con las unidades requeridas cada mes, teniendo en cuenta la demanda y las unidades
disponibles; como en el mes 1 no se tuvo la capacidad para cumplir con la demanda, recalculamos
los operarios y obtuvimos el número adecuado de operarios necesarios y a partir de allí se dejaron
constantes para los meses restantes. Posteriormente, teniendo en cuenta las restricciones actuales de
la empresa se realizó el modelo para minimizar los costos totales. Por otro lado, para analizar otra
alternativa de minimizar los costos asociados, se cambiaron las restricciones actuales de la empresa
y se hizo la modelación en Gusek manteniendo la única restricción de que los operarios a contratar
no pueden ser de A.
Seguidamente, se elaboró el plan maestro de producción basándonos en el plan agregado y en los
pronósticos obtenidos anteriormente. Para poder hallar los componentes del plan maestro de
producción inicial fue necesario calcular la producción de los operarios de A y B. Como el PMP
inicial no cumplió con la demanda pronosticada, se elaboró el PMP alternativo.
Finalmente, se realizó el MRP de los productos y materiales empleando la técnica de lote a lote, todo
esto sirvió para identificar las cantidades y las fechas en las que se debe colocar la orden de
producción y de compra, después, se calcularon los costos totales de inventario sumando los costos
de mantener inventario y de ordenar. Luego de esto, determinamos cuantas horas fueron necesarias
en cada una de las semanas para ensamblar las camas dobles, tomando los requerimientos brutos de
cada uno de los ensambles y la capacidad de horas de cada uno de los operarios de A y B. Por último,
se evaluó la posibilidad de cambiar la técnica de dimensionamiento de lote a lote de la materia prima
f mediante una programación en Excel el cual arrojó la mejor opción de ordenar, reduciendo los costos
de F y así se determinó si la empresa debe mantener esta técnica o no.
Resultados
Gracias a la gráfica arrojada por el software R-studio, se logró identificar que la serie presenta un
comportamiento estacional ya que hay un patrón de cambio en la demanda que se repite en un periodo
de tiempo definido e identificable. (cada 12 meses)

Grafica 1. Serie estacional.

Debido a lo anterior, seleccionamos el mejor método para pronosticar la demanda, teniendo en cuenta
la serie estacional evidenciada en la gráfica 1, lo que nos infiere que podemos pronosticar mediante
los modelos de pronósticos estacionales, tales como: winters multiplicativo, winters aditivo y
regresión lineal con ajuste estacional (tabla 1). TABLA DE PRONOSTICOS

METODOS PROPUESTOS METODO ACTUAL

WINTER WINTER REGRESION LINEAL PROMEDO MOVIL
MULTIPLICATIVO ADITIVO CON AJUSTE 2 PERIODOS
Enero 10165 8635 7153 2813
Febrero 3009 8619 2037 3906
Marzo 2221 8604 1455 3359
Abril 2653 8588 1842 3633
Mayo 3411 8572 2359 3496
Junio 4370 8556 2759 3564
Tabla 1. Pronósticos estacionales.

Calculamos los respectivos errores de los pronósticos (tabla 2) y a partir de estos resultados se
escogieron los errores de menor valor para posteriormente escoger el método definitivo para
pronosticar la demanda.
TABLAS DE ERROR BIAS MAD MSE PME PEMA PRONOSTICO SELECCIONADO
WINTER MULTIPLICATIVO 60,246 376,563 322339,932 -0,058 0,214
WINTER ADITIVO -16,393 302,407 220724,446 -0,149 0,215 REGRESION LINEAL CON
REGRESION CON AJUSTE E 172,150 276,868 160047,934 0,017 0,158 AJUSTE ESTACIONAL
PROMEDIO 2 MESES -36,765 2027,559 8106105,721 -1,128 1,568
Tabla 2. Errores de pronósticos.

De acuerdo a los resultados obtenidos en la tabla 2, el pronóstico seleccionado es regresión lineal con
ajuste estacional.
Por consiguiente, los pronósticos para los primeros 6 meses del año 2019 son los evidenciados en la
tabla 3:
 Mes Periodo Pronóstico
ENERO 37 7152,54

PRONOSTICO
FEBRERO 38 2036,80

2019
MARZO 39 1454,67
ABRIL 40 1842,04
MAYO 41 2359,17
JUNIO 42 2758,74
Tabla 3. Pronósticos con el método de regresión lineal con ajuste estacional del primer semestre del
año 2019.

Analizando los datos obtenidos con la información que nos suministra la empresa, se puede concluir
que se debe cambiar el modelo de pronóstico que ésta utiliza actualmente ya que, comparando los
errores del pronóstico actual de la empresa (tabla 4) con los errores del pronóstico seleccionado (tabla
2) se puede evidenciar que los errores del método seleccionado son menores con respecto a los errores
de pronósticos hallados por medio de los datos de las ventas históricas que la empresa nos brinda.

-36,765 2028 8106105,721 -1,128 1,568

Tabla de errores
BIAS DAM MSE MPE MAPE
Tabla 4. Errores del pronóstico método promedio móvil.

Así mismo, se realizaron unas graficas en las que se reflejó el comportamiento del pronóstico que usa
la empresa actualmente (grafica 2) y el pronóstico que obtuvimos con el método de regresión lineal
con ajuste estacional (grafica3), donde Dt: Demanda y Ft: pronóstico

Gráfica 2. Dt vs Ft actual de la empresa Gráfica 3. Dt vs Ft del método seleccionado

Interpretando las gráficas 2 y 3, el pronóstico del método regresión lineal con ajuste estacional es más
acertado con respecto a la demanda, ya que la diferencia entre estos es mínima en comparación con
el pronóstico actual de la empresa.
A partir de esto, recomendamos a la empresa que cambie el método de pronóstico actual por el método
de regresión lineal con ajuste estacional para que esta tenga un control sobre el inventario estimado
para cada mes, y un control acertado en la capacidad de producción.
La anterior información sirve como base para el desarrollo de las estrategias de planificación. A
continuación, se presentará la información pertinente sobre el plan agregado de producción.
Realizando el plan agregado actual que posee en la empresa encontramos la gran cantidad de
operarios B que se contratan siendo este el mayor cambio que se evidencia a partir de las condiciones
iniciales, bajo esta información podemos inferir que el costo total el cual es de más de dos mil millones
de pesos tiene como gran influencia el salario de los operarios que se contrataron y la cantidad de
inventario que se mantiene. Lo dicho anteriormente se puede evidenciar en la tabla 1 del anexo 1.
Modelo matemático 1 para la siguiendo las restricciones actuales del
minimización de los costos totales sistema
Conjuntos: • NA = Numero de operarios A de
Meses = 1,2,3,4,5,6 tiempo normal en el mes t
• NB = Numero de operarios B de
Parámetros: tiempo normal en el mes t
• C = Numero de operarios a contratar
• Días =Días trabajados por mes de B en el mes t
• Demanda = Demanda • D = Numero de operarios a despedir
• Io = Inventario inicial de B en el mes t
• NoB = Numero de operarios iniciales • H = Número de horas a subcontratar
de B en el mes t
• M= Valor arbitrario límite para la • S=Número de unidades a subcontratar
toma de decisión de la variable en el mes t
binaria • I = Número de unidades en inventario
final en el mes t
Variables:
• T = Numero de lotes a transportar en  Operarios tipo B
mes t NB [1] = NoB + C[1]-D [1], para t= 1
• Variable binaria= 1 si se contrata, 0 NB[t] = NB[t-1] + C[t] - D[t], t = 1,2,3,4,5,6
si no se contrata en el mes t  Subcontratación
S[t] = (H[t]*2)/7.5, t = 1,2,3,4,5,6
Función objetivo: minimizar el costo total. H[t] >= 500*Variable binaria, t = 1,2,3,4,5,6
H[t] <= Variable binaria*M
Min Z=∑
6
𝑁𝐴*1500000 + NB*830000  Producción
𝑖=1
2*NA[t]*Días[t] + 1*NB[t]*Días[t] + S[t] +
+C*200000 + D*100000 + I*10000 + 6000*H Io = Demanda [t] + I[t], t= 1,2,3,4,5,6
+ 15000*T I[t-1] + 2*NA[t]*Días[t] + 1*NB[t]*Días[t] +
S[t] = Demanda [t] + I[t], t= 1,2,3,4,5,6
Restricciones:
 Transporte
 Operarios tipo A T[t] = S[t] / 10, para t= 1,2,3,4,5,6
NA[T] = 50, para t= 1,2,3,4,5,6

Modelo matemático 2, de la otra Variables:

alternativa para minimizar los costos
asociados NoA= Numero de operarios iniciales de A
Los cambios realizados para el plan agregado CA = Numero de operarios a contratar de A
radican en la eliminación de la política de en el mes t
despidos de A la cual nos dice que no podemos DA = Numero de operarios a despedir de A
despedir operarios de A manteniendo los 50, al en el mes t
haber eliminado esta política en la
Restricciones:
implementación del modelo ingresan y
modifican los para metros, variables y NA[t] <= 50;
restricciones del modelo anterior
NA[T] = NoA + CA[1]-DA[1];
Parámetros:
NA[T] = NA[t-1] + CA[t] - DA[t
Solución de los modelos en Gusek :

Tabla 5. Costos mínimos totales modelo 1.

Tabla 6. Costos mínimos totales modelo 2.

Mediante la comparación de datos podemos observar que los factores principales en el aumento de
los costos es el número de operarios a contratar de B y la cantidad de horas a subcontratar; un gran
número de operarios B que cumplan la demanda implica que se le pague una gran cantidad de dinero
a los empleados, los cuales no son eficientes y su producción no es representativa siendo comparada
con la producción de los operarios de A como se observa en la Tabla 1(anexo 1), por otro lado en
ambos planes agregados en las soluciones optimas propuestas como se evidencian en las tabla 5 y 6
(Tablas obtenidas de Gusek) la subcontratación reduce los costos de una manera significativa
teniendo como base el costo total del plan agregado que posee la empresa actualmente.
Se le recomienda a la empresa que cambie su plan agregado debido a que está incurriendo en costos
muy altos, se sugiere implementar un plan agregado en el cual se desmonte la política de no despedir
operarios de A como se observa en la tabla 6; en este plan se subcontratan la cantidad de horas-
hombre necesarias para cubrir con la demanda en los meses en la cual esta es muy alta y la producción
normal no cumple con el requerimiento, además se despiden 4 operarios de A y todos los de B, ya
que los operarios restantes de A me cumplen con las unidades de los meses de menor demanda; los
parámetros de decisión para despedir a los operarios de A serian el nivel de desempeño, la cual es
una de las tres diferencias más representativas según (Parra, 2009) para la toma de decisión de
despedir un empleado por razones estrictamente económicas.
Continuando con el desarrollo de este informe, se presenta el plan maestro de producción
Enero(20 días) Febrero(20 días) Marzo(20 días)
Plan agregado familia 7153 2037 1455
Plan agregado produccion 4292 1222 873
Semanas 0 1 2 3 4 5 6 7 8 9 10 11 12
prevision periodificada 1.073,0 1.073,0 1.073,0 1.073,0 305,6 305,6 305,6 305,6 218,3 218,3 218,3 218,3
Pedidos en firme 1.600,0 1.750,0 1.800,0 1.500,0 400,0 400,0 200,0 100,0
Pedidos en curso 1.600,0
PMP Inicial 248,0 924,0 924,0 924,0 924,0 924,0 924,0 924,0 924,0 924,0 924,0
PMP Alternartivo 1.750,0 1.800,0 1.500,0 400,0 400,0 200,0 100,0 219,0 219,0 219,0 219,0
Tabla 7. Tabla resumida del plan maestro de producción.
Al momento de realizar el plan maestro de producción, se obtuvo el PMP inicial arraigado de las unidades de
producción normal de la empresa, sin embargo, como se puede evidenciar en la tabla 7, esta producción no
cumple con la demanda requerida en ninguna de las semanas, por tal razón, se elaboró el PMP alternativo para
lograr cumplir con lo demandado en los siguientes tres meses. Como la empresa se basa en pedir solo lo que
se necesita, el PMP alternativo solo cubre las unidades exactamente requeridas, es decir, no cuenta con una
capacidad libre para futuros pedidos.
Con las unidades de PMP alternativo se realizó la explosión de materiales mediante la técnica de
dimensionamiento de lote a lote, en donde se obtuvo la cantidad de unidades a ordenar con sus respectivas
colocaciones en cada semana, estos datos se pueden evidenciar en la Tabla 8.

Tabla 8. Cantidades de unidades y fechas de colocación de órdenes de producción y de compra.

La suma de los costos de ordenar y de mantener inventario de cada producto se presentan en la tabla 9.

Producto Costo total de inventario Producto Costo total de inventario

A $ 13.200,00 F $ 73.300,00
B $ 12.000,00 G $ 73.300,00
C $ 80.750,00 H $ 73.300,00
D $ 10.800,00 I $ 65.850,00
E $ 10.800,00 J $ 65.850,00

Tabla 9. Costos totales de cada producto.

Analizando las colocaciones de orden de cada producto (tabla 8), podemos observar que en los productos D,
E, F, G, H, I, J requieren ordenar en las semanas -1 y -2. Interpretando estos resultados lógicamente podemos
establecer que esas órdenes no se pueden realizar debido a que nos encontramos en la semana 0, es por esto
que no se puede cumplir con los pedidos del producto A de las semanas 2 y 3 ya que no se cuenta con las
unidades requeridas de las materias primas y ensambles para su elaboración.
En base a esta situación, proponemos dos alternativas para lograr cumplir con todas las unidades requeridas
en las semanas 2 y 3.

 Primera alternativa: Se propone la acumulación de las órdenes de las semanas 2 y 3 en la semana 4

(evidenciado en la Tabla 10) ya que pidiendo desde ahora (semana 0) los materiales que se requieren
para su fabricación, estos productos pueden estar listos en la semana 4. Con esta alternativa nos
estamos arriesgando a perder la fidelización de los clientes porque probablemente se molesten por el
 retraso en el cumplimiento de los pedidos, sin embargo, se plantea hacer un descuento de 5% en cada
unidad ordenada por el cliente por cada semana de retraso para compensar la demora. Cabe resaltar
que, al brindar ese descuento a los clientes, la empresa sigue presentando una rentabilidad estable con
respecto al cumplimiento de los pedidos de las camas dobles.

Tabla 10. Cantidades de unidades y fechas de colocación de órdenes de producción y de compra de acuerdo a
la primera alternativa propuesta.

 Segunda alternativa: como segunda alternativa, se presenta la posibilidad de subcontratar las

unidades de A que se requieren en la semana 2 y 3 para así, lograr el cumplimiento de las unidades
requeridas por el cliente en estas respectivas semanas. Lo anterior con el fin de satisfacer a los clientes
y cumplir con las expectativas que ellos tienen sobre la empresa.

Tabla 11. Cantidades de unidades y fechas de colocación de órdenes de producción y de compra de acuerdo a la
segunda alternativa propuesta.

En esta alternativa se van a pedir las materias primas y los ensambles desde ahora (semana 0) para lograr el
cumplimiento de las unidades del producto A, a partir de la semana 4. (como se evidencia en la Tabla 11).
A continuación, se presentan los costos totales de implementar las dos alternativas propuestas (Tabla 12).

Tabla 12. Costos totales de implementar cada una de las alternativas propuestas.
De acuerdo a la información que suministra la Tabla 12, sugerimos a la empresa que implemente la primera
alternativa, ya que los costos que se asumen al momento de cumplir con las unidades requeridas por los
clientes, es el que genera los menores costos.
A continuación, calculamos las horas requeridas en cada semana (tabla 13), para la fabricación de las unidades
demandadas de A (camas dobles), basándonos en los datos arrojados en la primera alternativa, ya que fue la
que sugerimos a la empresa.

Tabla 13. Cantidades de unidades y fechas de colocación de órdenes de producción y de compra de acuerdo a la
segunda alternativa propuesta.

Se presenta una insuficiencia de capacidad para lograr el cumplimiento y la factibilidad del plan de materiales
definido en la semana 2 y 3 (como se evidencia en la tabla 13). Sin embargo en las otras semanas se presenta
un excedente significativo de horas restantes, que puede ser empleado para fabricar los otros tipos de camas.
Frente a esta situación sugerimos a la empresa subcontratar las horas necesarias (como se muestra en la tabla
14) para lograr cumplir con las horas requeridas para la semana 2 y 3 (tabla 13).

Semana 2 3
Horas necesarias 3740 2215
Costo hora
$ 6.000
subcontratar $ 22.440.000 $ 13.290.000
Costo Total de
$ 35.730.000
subcontratar
Tabla 14. Costo total de subcontratar las horas necesarias en la semana 2 y 3.

Según lo planteado en la tabla 14, el costo total de subcontratar las horas necesarias para producir las unidades
de camas dobles es $35.730.000 tomando como base la primera alternativa (Tabla 10). Siendo esto así, nos
mantenemos en la posición de sugerir a la empresa implementar esta primera alternativa, debido a que sigue
siendo mucho más óptima en cuanto a los costos frente a la segunda alternativa.
Por otro lado, para brindarle una información acertada a la empresa CSM con respecto a si existe la posibilidad
de reducir el costo total de manejo de inventarios para la materia prima F cambiando la técnica de
dimensionamiento de lote que utilizan, decidimos programar el siguiente modelo matemático en Excel.

Modelo de optimización
*Variables * Parámetros
Xi = cantidad a ordenar en el periodo i-ésimo O = Costo de ordenar unitario
Yi = 1 si se ordena un pedido en el periodo i- ésimo h = Costo de mantener unitario
Ii = Inventario final en el periodo i- ésimo RNi = Requerimiento neto en periodo i

*Función objetivo 𝑴𝒊𝒏 𝒛 = 𝒐 ∑ 𝒀𝒊 + 𝒉 ∑ 𝑰𝒊

*Restricciones 𝑰𝒊 − 𝟏 + 𝑿𝒊 = 𝑹𝑵𝒊 + 𝑰𝒊 ∀𝒊 (Restricción de balance de unidades)

𝒀𝒊 ∑ 𝑹𝑵 ≥ 𝑿𝒊 ∀𝒊 (Restricción de activación de variable binaria)

𝑰𝒊 ≥ 𝟏𝟎𝟎 ∀𝒊 (Restricción de inventario final)

Este modelo matemático se programó con la finalidad de encontrar cual es la técnica de dimensionamiento
que logra minimizar los costos totales de manejo de inventarios; el modelo arrojó los siguientes resultados:
Semana Requerimiento Neto Costo de orden Costo Mantener Xi Yi Ii
2 10440 1200 62,5 10540 1 100
3 880 1200 62,5 880 1 100
4 880 1200 62,5 880 1 100
5 440 1200 62,5 440 1 100
6 220 1200 62,5 220 1 100
7 482 1200 62,5 482 1 100
8 482 1200 62,5 482 1 100
9 482 1200 62,5 482 1 100
10 482 1200 62,5 482 1 100

Tabla 15. Unidades a pedir (Xi) de la materia prima F en cada una de las semanas con requerimiento neto.

Desglosando la Tabla 15, cuando Yi = 1 significa que se debe hacer un pedido, por lo tanto, se evidencia que
en todas las semanas se tienen que hacer pedidos de diferentes unidades (Xi), lo que nos permite entender que
se debe mantener la técnica de dimensionamiento actual que la empresa maneja: Lote a lote.

Costo sin Costo del

Costo total = Costo Ordenar + Costo Mantener inventario inventario Costo total
Costo ordenar 1200 de la de la de F
Costo Mantener 62,5 semana 1 semana 1
67050 34375 101425
Tabla 16. Costo total de la materia prima F obtenido por la técnica lote a lote.

El modelo matemático programado nos arroja el costo total, pero sin tener en cuenta el inventario almacenado
de la semana 1 (Tabla 16), por ende, para calcular el costo total de la materia prima F, tenemos que hallar
individualmente el costo del inventario de la semana 1 (Tabla 16), ya con estos dos valores procedemos a
calcular el costo total de las unidades requeridas de F, basándonos en la primera alternativa propuesta para la
empresa.
Finalmente, sugerimos a la empresa mantener la técnica de dimensionamiento Lote a Lote para la materia
prima F, ya que con esta técnica se obtiene el menor costo total de manejo de inventarios.
Conclusiones:

 Partiendo de la caracterización del componente de serie se establece que los métodos indicados para
realizar el pronósticos son los de serie estacional, se sugiere cambiar el método de pronóstico debido
a que el método actual (promedio móvil simple) se encuentra fuera de la capacidad del cumplimiento
de la demanda (como se observa en la gráfica 2), teniendo en cuenta que este es un método de la
componente de nivel; comparando los errores de los pronósticos realizados en la tabla 2, encontramos
que de todos los pronósticos propuestos, el mejor método de pronóstico es el de regresión lineal con
ajuste estacional, donde gráficamente se observa que se acomodan a los valores de pronóstico con los
de demanda histórica de la empresa (como se evidencia en la gráfica 3), lo cual crea una confiabilidad
para determinar que este es el mejor método a utilizar.
 La mejor forma para realizar el plan agregado de producción que minimiza los costos es mantener 46
operarios de A y subcontratar las unidades cuando la capacidad de producción de estos operarios no
es suficiente.
 Al realizar el PMP con respecto a las unidades de producción normal, logramos la obtención de
unidades requeridas en todas las semanas. Realizando las unidades de demanda, se evidencia que no
hay la capacidad de cumplir esta misma ni con los pedidos en firme ya estipulados para las semanas,
sin embargo, se realiza un PMP alternativo, el cual nos da las verdaderas unidades de producción en
cada uno de los periodos.
 El primer MRP realizado para la empresa no está adecuado para entregar las unidades requeridas en
las semanas 2 y 3, lo que genera que se replantee todo el MRP, para que la demanda sea cumplida en
cada uno de los periodos. Así mismo realizando una nueva alternativa para pedir y ensamblar los
materiales requeridos en cada una de las semanas.
 Las horas disponibles en las semanas 2 y 3 no son suficientes para cubrir con las unidades requeridas,
lo que sugiere una decisión para cumplir con las horas, para así, entregar las unidades completas a los
clientes.
 Los Requerimientos de la materia prima F se siguen pidiendo con la técnica de dimensionamiento de
lote a lote (LFL) debido a que el costo de mantener una unidad en inventario tiene un costo muy
elevado, lo que hace que no sea factible ordenar de otra manera las unidades necesarias, en resumen,
es conveniente para la empresa pedir exactamente lo requerido en cada semana.
Anexos
Anexo 1
Plan agregado, mano de obra nivelada

Mano de obra nivelada de operarios A y B

RECURSOS ENERO FEBRERO MARZO ABRIL MAYO JUNIO TOTAL
Dias 20 20 20 20 20 20
Mano de obra A 50 50 50 50 50 50 50
Mano de obra B 30 208 208 208 208 208 208
M.O Tiempo extra
Lotes subcontratacion
Eventuales
Produccion normal 6160 6160 6160 6160 6160 6160
Produccion subcontratada
Produccion extra
Produccion eventual
Produccion total
Pronostico 7153 2037 1455 1842 2359 2759 17605
Inventario 1000 7 4130 8835 13153 16954 20355
COSTOS
Mano de obra $ 247.640.000 $ 247.640.000 $ 247.640.000 $ 247.640.000 $ 247.640.000 $ 247.640.000 $ 1.485.840.000
M.O Tiempo extra $ -
Eventuales $ -
Subcontratacion $ -
Transporte $ -
Inventario $ 70.000 $ 41.300.000 $ 88.350.000 $ 131.530.000 $ 169.540.000 $ 203.550.000 $ 634.340.000
Contratar $ 35.600.000 $ 35.600.000
Despedir $ -
TOTAL $ 2.155.780.000

Tabla Y. Plan agregado, mano de obra nivelada

Referencias bibliográficas
Parra, J. M. (28 de Agosto de 2009). Criterios que se aplican a la hora de despedir empleados según la
cultura y el país. El Tiempo.