Embed Size (px)
Citation preview
Universidad de Matanzas
Sede “Camilo Cienfuegos”
Facultad de Ciencias Empresariales
Departamento Industrial
Tesis en opción al título de Ingeniera
Industrial
Título: Pronóstico de la demanda a corto y mediano plazo en la lavandería “Clodomira
Acosta Ferrales”. Autora: Odailys Santana Martínez Tutor: MSc. David Delgado Rodríguez
Matanzas, 2019
Pensamiento
“Estudia el pasado si quieres pronosticar el futuro.”
Confucio
Dedicatoria
A mis abuelos:
Alfredo, aunque no lo conocí físicamente ha estado siempre en mi vida a
través de mi padre y mi abuela.
Orlando, por su cariño especial hacia los niños y por haberme enseñado a
diferenciar una bola de un strike.
Anita, porque no ha existido ni existirá ser humano más noble, puro y bueno
en este mundo. Por su cariño infinito, por su sabiduría e inteligencia con
apenas sexto grado, por incitarme siempre a estudiar sin apenas entender lo
que hacía, por demostrarme como se puede tener todo sin tener nada y porque
no hay día que no la tenga presente.
Olga, porque es la mejor abuela y madre del mundo, porque su cariño y
preocupación son inagotables, por complacerme siempre y darme más de lo
que incluso puede y porque sin dudas su constancia y valentía ante la vida ha
sido clave para la superación de nuestra familia.
Agradecimientos
A mi mamá, por ser la mejor madre del mundo, por su sacrificio, entrega, amor
desmedido y comprensión siempre, porque de su carácter me he curtido y si
algún día llego a ser la mitad de buena hija, hermana, madre, tía, profesional,
amiga y compañera de vida que ella es, estaré satisfecha.
A mi papá, por darme todo lo que tengo, por sacrificarse siempre por la familia
en aras de un futuro mejor y por ser un ejemplo a seguir en el ámbito
profesional.
A mi hermana, por ser siempre un espejo en el cual me he podido mirar y
aprehender, por estar siempre presente, aunque pasemos día sin vernos, por
su apoyo siempre y por darme lo más importante de mi vida, Anyelina y
Alejandro.
A mi tío Orlandito por todas sus lecciones de historia, por sus libros de la feria
y por su cariño sincero. A mi prima por ser mi compañera de la infancia,
porque crecer junto a ella fue hermoso y porque sé que siempre estará ahí.
Al resto de mi familia por su apoyo y confianza siempre: Yoelito, tío Carlos
Alberto y abuela Olga.
A mis vecinos de la vida por su ayuda siempre en especial a Fifi y su familia,
a Caridad y Elienay, a Hassán y Elsita y a Yamilet.
A Lisy, porque después de 5 años y mucho tiempo sin vernos, mi cariño hacia
ella sigue intacto.
A Anny por ser sin dudas y aprueba de toda mi mejor amiga, porque nada ha
podido separarnos y porque sé que puedo contar con ella siempre.
A Claudia, porque la universidad nos volvió a unir de nuevo, por ser mi
compañera de puesto, de viajes y de confidencia.
A Daye, porque la transitividad de nuestra amistad fue perfecta y espero que
perdure siempre.
A todos mis demás compañeros y amigos de aula en especial a Judith y Lianne
por ser cómplices de este último viaje, a Ulises por su ayuda con el EndNote
y a Juampi por haberse convertido en un gran amigo, aunque sus locuras me
causen problemas.
A todos los profesores de la universidad en especial a mi tutor, David, por
confiar en mí sin apenas conocerme, por ayudarme demasiado y por tener
mucha paciencia.
A los trabajadores de la lavandería “Clodomira Acosta Ferrales” por
brindarnos la información necesaria y a Alianne y Erianelly por su ayuda
siempre que lo necesité.
Por último, a mi compañero de vida durante este último año, por su apoyo en
los momentos más difíciles, por su amor, por su preocupación, por su cariño
y entrega, porque sin él, estos meses no hubieran tenido sentido. De igual
manera a su familia, a Olgui y a José, que me han acogido como a una hija y
me han mimado y malcriado más de lo que merezco.
¡A todos……, mi agradecimiento infinito!!!!!!!!!!!
Declaración de autoridad
Yo, Odailys Santana Martínez declaro que soy la autora de este Trabajo de Diploma y
autorizo a la Universidad de Matanzas y a la lavandería “Clodomira Acosta Ferrales” a hacer
uso del mismo con los fines que estimen pertinente.
Y para que así conste:
_____________________ _____________________
Firma de la autora Firma del tutor
Odailys Santana Martínez MSc. David Delgado Rodríguez
Nota de aceptación
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
_____________________________________________________________________________
________________________________________________________
Presidente del Tribunal Firma
_______________________________________ _____________
Miembro del Tribunal Firma
_______________________________________ _____________
Miembro del Tribunal Firma
_______________________________________ _____________
Dado en Matanzas, el día ____ del mes de __________ del año 2019.
“Año 61de la Revolución”.
Resumen
Las afectaciones en la planificación del proceso de lavado de la lavandería “Clodomira
Acosta Ferrales” se encuentran influenciadas por la incertidumbre en su demanda futura.
Por tal motivo el problema científico a resolver en la investigación fue el desconocimiento
de la posible demanda del servicio de lavado a corto y mediano plazo en la lavandería. El
objetivo general consistió en desarrollar un procedimiento para la determinación del
pronóstico de la demanda del servicio de lavado a corto y mediano plazo en dicha entidad.
Para dar cumplimiento a este objetivo se diseñó una metodología compuesta de tres etapas
y sus procedimientos de apoyo que integra la aplicación de modelos causales para el
pronóstico a corto plazo y series de tiempo para el mediano plazo. Se emplearon
herramientas informáticas y software como: Microsoft Excel, Statgraphics Centurion XV,
EndNote X9 y Microsoft Visio. Como principales resultados se determinó que para el
periodo de abril 2019 a marzo 2020 la lavandería debe procesar 2 463 625.58 kg de lencería
donde febrero de 2020 y las toallas blancas serán el mes y el articulo de mayor demanda
respectivamente. Se validó el modelo causal propuesto para el pronóstico a corto plazo con
el cálculo para un día según la demanda del hotel Brisas del Caribe.
Summary
The effects on the planning of the washing process of the "Clodomira Acosta Ferrales"
laundry are influenced by the uncertainty in their future demand. For this reason the scientific
problem to solve in the investigation was the ignorance of the possible demand of the short
and medium term laundry service in the laundry. The general objective was to develop a
procedure to determine the forecast of the short and medium term laundering service
demand in that entity. To comply with this objective, a three-stage methodology was
designed, along with support procedures that integrate the application of causal models for
short-term forecasting and time series for the medium term. We used computer tools and
software such as Microsoft Excel, Statgraphics Centurion XV, EndNote X9 and Microsoft
Visio. As main results it was determined that for the period from April 2019 to March 2020
the laundry should process 2 463 625.58 kg of linen where February 2020 and the white
towels will be the month and the item of highest demand respectively. The causal model
proposed for the short-term forecast was validated with the calculation for one day according
to the demand of the Brisas del Caribe hotel.
Índice
Introducción ....................................................................................................................... 1
Capítulo 1 Marco teórico de la investigación ...................................................................... 7
1.1 La Administración de Operaciones ........................................................................... 7
1.1.1 La Administración de Operaciones en los servicios ........................................... 8
1.2 El pronóstico de la demanda: aspectos generales .................................................. 10
1.2.1 Objetivos y aplicaciones ................................................................................... 11
1.3 Enfoques para el pronóstico ................................................................................... 12
1.3.1Técnicas cualitativas ......................................................................................... 13
1.3.2 Técnicas cuantitativas ...................................................................................... 14
1.4 Herramientas informáticas en los pronósticos ........................................................ 20
1.5 La industria del turismo .......................................................................................... 21
1.5.1 La industria del turismo en Cuba ...................................................................... 22
1.5.2 Las lavanderías dentro del sector hotelero....................................................... 23
Conclusiones Parciales ................................................................................................ 24
Capítulo II. Propuesta metodológica para la determinación del pronóstico de la demanda.
Caracterización de la entidad objeto de estudio ............................................................... 25
2.1 Caracterización de la entidad objeto de estudio ..................................................... 25
2.2 Antecedentes de la investigación ........................................................................... 28
2.3 Propuesta metodológica para la determinación del pronóstico de la demanda a
mediano plazo .............................................................................................................. 29
Análisis del pronóstico de la demanda a mediano plazo ........................................... 31
Análisis del pronóstico de la demanda a corto plazo ................................................. 37
Conclusiones parciales................................................................................................. 40
Capítulo III Aplicación del procedimiento propuesto para la determinación del pronóstico de
la demanda. Análisis de los resultados ............................................................................ 41
3.1 Resultados de la aplicación del procedimiento propuesto ...................................... 41
Análisis del pronóstico de la demanda a mediano plazo ........................................... 43
Análisis del pronóstico de la demanda a corto plazo ................................................. 54
Conclusiones parciales................................................................................................. 57
Conclusiones generales ................................................................................................... 58
Recomendaciones ........................................................................................................... 59
Bibliografía ...........................................................................................................................
Anexos.................................................................................................................................
1
Introducción
Hoy en día, el mundo globalizado exige que cualquier organización que quiera sobrevivir
debe tener por igual capacidad para adaptarse a las cambiantes condiciones de su entorno
y para anteponerse al momento actual y poder predecir o pronosticar las demandas de un
mercado cada vez más exigente.
Todo esto no puede limitar o frenar la razón de ser de cualquier empresa que es satisfacer
a sus clientes y lograr de ello beneficios o utilidades que le permitan tener una solvencia
económica favorable. Para ello es necesario que logre mantener los estándares de calidad
esperados, pero al menor costo posible, para lo cual debe tener una correcta administración
donde el logro de una correcta eficiencia y eficacia sean la meta a conseguir.
La eficiencia es definida Chievenato (2004) como la utilización correcta de los recursos
disponibles mientras la eficacia según Ramos Alfonso (2015) es la capacidad que tiene
cualquier organización de lograr el resultado previsto en el tiempo fijado y en
correspondencia con el objetivo trazado. Si estos dos criterios se alcanzan de forma
simultánea, Ramírez Betancourt y Valls Figueroa (2011) plantea que se logra la efectividad
de cualquier organización; y es esa, precisamente, la principal función de la administración
de operaciones: balancear las metas de ambos conceptos de forma que se obtenga el
mayor beneficio para la empresa y los clientes de la misma.
La Administración de Operaciones es definida por (Arnoletto, 2007) como el diseño, la
operación y el mejoramiento de los sistemas de producción que crean los bienes o servicios
primarios de la compañía y ha sido un elemento medular para el incremento de la
productividad de las empresas. El proceso administrativo se puede dividir en cuatro etapas
según (Avendaño Argueta et al., 2017): planificación, organización, dirección y control.
Pronosticar es una de las actividades más importantes y la primera función de la etapa de
planificación, ya que es la forma que tiene la organización de anticiparse a las posibles
variaciones de su entorno y estar preparada para alterar sus estrategias y planes cuando
surja alguna dificultad. Iniciar la planificación por un método adecuado de estimación de la
demanda, es una decisión estratégica fundamental para cualquier empresa.
El proceso de pronosticar constituye la base o el fundamento para cualquier planeación de
productos o servicios que se requieran fabricar, comprar o vender, es decir, en la medida
que las organizaciones cuenten con un pronóstico altamente eficiente, contarán con un nivel
de artículos disponibles más sano, que invariablemente proporcionará a las empresas
2
mayor flexibilidad para el cumplimiento de pedidos, lo que incrementará el nivel de servicio
y por consiguiente la satisfacción por parte del cliente.
Los métodos a emplear para la realización de los pronósticos varían en función del
contenido del contexto en que se mueve el fenómeno objeto de estudio, los cuales pueden
clasificarse en dos grandes categorías: métodos cualitativos y métodos cuantitativos. Los
primeros se basan fundamentalmente en el conocimiento humano y efectúan las
estimaciones futuras a partir de informaciones cualitativas u opiniones de expertos, entre
otras técnicas subjetivas; mientras que los segundos se apoyan en el análisis de series de
tiempo o cronológicas y los modelos causales.
Específicamente, los pronósticos de la demanda tienen un impacto directo en tres
decisiones. Una de ellas es la planeación de los recursos humanos pues en función de las
necesidades se puede trabajar con antelación en las políticas de contratación o despido
efectivo según sea necesario.
Otro aspecto es la capacidad, ya que cuando no sea suficiente con la instalada se pueden
trazar estrategias a tiempo para lograr revertir la situación como el diseño o rediseño de
instalaciones, la cantidad de equipo a montar y el área a utilizar; decisiones que resultan
difíciles de cambiar en corto plazo, por las implicaciones económicas que conllevan.
También en los casos en que sea excesiva se puede tomar acciones a tiempo para evitar
el almacenamiento y los costos que estos generan.
Por último, inciden en la gestión de la cadena de suministro, específicamente en lo
correspondiente a la negociación y compra con los proveedores de las cantidades de
materia prima u otro artículo necesario en el proceso.
Con el mejoramiento de la calidad de los pronósticos se puede lograr la optimización,
eficiencia y efectividad de la Cadena de Suministro, así como también la atenuación del
conocido Efecto Látigo, que trae como consecuencia la acumulación excesiva de
inventarios y bajos niveles de servicio.(Rodríguez Cortés, 2013)
El elevado desarrollo tecnológico y científico que ha alcanzado la humanidad en las últimas
décadas hace totalmente arcaica e inaceptable la posibilidad que las organizaciones
mantengan sistemas para el pronóstico o gestión de la demanda basado solo en el uso de
técnicas elementales.
3
Cuba no queda exenta de esta realidad por lo que se plantea la necesidad actual que tienen
las organizaciones cubanas de realizar estudios que permitan evaluar la planificación de
sus producciones y se propicie un aprovechamiento eficaz de los recursos empresariales.
En este contexto sobresale la consolidación del sector de los servicios como principal fuente
de ingreso de divisas al país, aunque se mantiene como característica que, con excepción
del turismo y los servicios médicos internacionales, las otras ramas no influyen
significativamente en el resto del sistema productivo de la Isla.
El turismo ha sido la principal industria de la isla desde la década del 90 del siglo XX, por lo
que ha contribuido decisivamente a la economía como fuente de ingresos, empleos y para
la reanimación de los restantes sectores; lo cual ratifica su extraordinaria importancia para
la nación cubana, donde el embargo comercial, económico y financiero limita las
posibilidades de crecimiento de la economía en otros sectores.
La cantidad de turistas que arriban al país va en aumento cada año. Para el 2019 se
pronostica que el país sobrepase la cifra de 5 millones de visitantes lo que sería un
crecimiento del 7,4 % con respecto al año anterior. Además, se estima que por primera vez
los ingresos turísticos sobrepasen los tres mil millones de dólares, lo que representa un
incremento del 17 %. Este crecimiento del sector turístico implica, por su factibilidad
monetaria, la necesidad de un constante desarrollo de esta esfera en la economía cubana
para mantener altos estándares de calidad que satisfagan las expectativas y necesidades
de los clientes.(Izquierdo Ferrer, 2018)
En la provincia de Matanzas se localiza el destino turístico de sol y playa más importante
del país: Varadero, balneario que se ubicó en el segundo lugar en la lista de las mejores
playas del mundo, según los premios “Traveller´s Choice 2019”, organizados por la mayor
web de viajes TripAdvisor.
El crecimiento de la actividad turística en esta área favorece el desarrollo de otros sectores,
ya que existen diversas empresas aseguradoras del turismo, cuya misión es la de brindar
servicios a dichas instalaciones. El buen funcionamiento de estas y la calidad de los
servicios que ofrecen son de vital importancia, pues tienen gran impacto en la experiencia
del cliente y, por tanto, en la imagen y reputación mundial de las instalaciones turísticas del
polo.
Precisamente, lograr la comunidad de objetivos y la adecuada sincronización entre las
entidades aseguradoras del turismo y las propias instalaciones turísticas es una
4
preocupante para el gobierno cubano, lo cual se evidencia en los lineamientos 14 y 208 de
la política económica y social aprobados en el séptimo Congreso del Partido Comunista de
Cuba, en los cuales se plantea que debe ser una prioridad lograr el encadenamiento
productivo entre las organizaciones y que es una máxima para el país elevar la calidad del
servicio en el turismo y utilizar eficientemente los recursos. (Partido Comunista de Cuba,
2016)
Dentro de la rama hotelera destaca la importancia del servicio de lavado como factor
directamente relacionado con la percepción de los clientes acerca de su experiencia en las
instalaciones turísticas.
En la actualidad está función se ha externalizado hacia lavanderías industriales que tienen
la función de suministrar un servicio de lavado y alquiler de lencería con los niveles de
calidad requeridos por sus clientes y ofrecer un beneficio en los costes a los hoteles, donde
se garantice ahorro de tiempo, viabilidad de trámites y pagos, inventario y almacenaje.
La imagen y el prestigio de un establecimiento hotelero, están condicionados en gran
medida por la calidad de la lencería, lo que puede afectar en algunos casos la categoría de
un hotel, por lo que el estado de higiene de la ropa es clave para la imagen que se proyecta
al cliente. La limpieza e higiene que posean las prendas harán que la actividad en conjunto
sea exitosa, o termine en fracaso, por lo que se hace necesario que las lavanderías mejoren
continuamente la eficacia y eficiencia de sus procesos en cuanto a la calidad del servicio
brindado y la existencia de fallos en cuanto a la cantidad y plazo de entrega de la lencería.
Justificativa de la investigación
El empleo de un pronóstico de la demanda erróneo en una lavandería acarrearía
implicaciones negativas para el turismo. Trabajar bajo un pronóstico inadecuado
ocasionaría una mala organización y planificación de la producción interna y de la
capacidad necesaria para afrontarla pues no sería posible minimizar el tiempo total de
procesamiento al originarse incumplimientos en sus planes de trabajo.
El incumplimiento en la cantidad y plazo de entrega previsto de las piezas provenientes de
la lavandería conllevaría a que el hotel incumpla con los estándares establecidos, lo que se
traduce en afectaciones en el estatus e imagen del mismo, disminución en la calidad del
servicio, insatisfacción de los clientes y en la preferencia del hotel por parte de clientes
externos. Esto repercute además en problemas financieros para el hotel ya que influye
directamente en sus ingresos, rentabilidad y su capacidad de respuesta. La lavandería por
5
su parte podría enfrentar serios problemas legales provocados por el incumplimiento de los
contratos, razón por la cual podría afrontar una demanda por parte de sus clientes.
Específicamente en la lavandería “Clodomira Acosta Ferrales”, perteneciente a la UEB
SERVISA, subordinada al Ministerio del Turismo (MINTUR), encargada de prestar el
servicio de lavado a varias instalaciones del territorio y a un gran número de los hoteles de
Varadero adscritos al MINTUR se presentan dificultades que evidencian deficiencias en la
planificación de sus operaciones y la necesidad del pronóstico de su demanda, a saber:
No existe una programación para la recepción de la lencería proveniente de los
hoteles, así como su cantidad y tipos.
Se producen incumplimientos en cuanto a la entrega en tiempo y calidad de la
lencería lavada lo cual ha provocado en reiteradas ocasiones las quejas de los
clientes e incluso la pérdida de ellos.
Por lo tanto, se resume como situación problemática de la investigación las afectaciones
en la planificación del proceso de lavado de la lavandería “Clodomira Acosta Ferrales” se
encuentran influenciadas por la incertidumbre en su demanda futura.
El problema científico a resolver es: el desconocimiento de la posible demanda del servicio
de lavado a corto y mediano plazo en la lavandería “Clodomira Acosta Ferrales”.
En correspondencia con el problema de la investigación planteado, el objetivo general
consiste en: desarrollar un procedimiento para la determinación del pronóstico de la
demanda del servicio de lavado a corto y mediano plazo en la lavandería “Clodomira Acosta
Ferrales”.
Para dar respuesta al objetivo general de la investigación se han trazado los siguientes
objetivos específicos:
1. Elaborar el marco teórico referencial de la investigación, respaldado por la consulta
de literatura nacional e internacional actualizada sobre el tema de investigación
objeto de estudio.
2. Proponer un procedimiento que integre herramientas y técnicas para pronosticar la
demanda en la lavandería “Clodomira Acosta Ferrales” a corto y mediano plazo.
3. Aplicar el procedimiento propuesto en la lavandería “Clodomira Acosta Ferrales”.
El informe que se presenta quedó estructurado de la siguiente manera:
6
Capítulo I: Se abordan los elementos teóricos que sustentan la investigación, entre los que
se encuentran los conceptos de previsión y pronóstico de demanda, así como la importancia
de los mismos a la hora de la toma de decisiones, sus limitaciones, clasificación, métodos
y procedimientos a seguir para su realización.
Capítulo II: Se realiza una caracterización general de la lavandería “Clodomira Acosta
Ferrales” y se presenta un procedimiento metodológico para pronosticar la demanda a corto
y mediano plazo, empleando los métodos de pronóstico correspondientes a cada horizonte
temporal de la planificación.
Capítulo III: Se aplica el procedimiento anteriormente propuesto y se obtienen los resultados
de la investigación.
El trabajo incluye: conclusiones, recomendaciones, referencias bibliográficas y anexos que
complementan la estructura formal del mismo y facilitan su mejor comprensión.
7
Capítulo 1 Marco teórico de la investigación
El presente capítulo tiene como objetivo fundamental analizar el estado del arte y la práctica
sobre el pronóstico de la demanda como actividad fundamental dentro de la Administración
de Operaciones. Por tal motivo se ofrecen las principales definiciones y vertientes de esta
ciencia, específicamente en los servicios y se analiza la previsión y pronóstico de la
demanda desde sus diferentes enfoques y métodos, destacándose su importancia para las
lavanderías que prestan servicios al turismo.
1.1 La Administración de Operaciones
Para crear bienes o servicios, Render y Heizer (2014) definen que toda organización
desarrolla tres funciones que son los ingredientes necesarios no sólo para la producción
sino para la supervivencia de la misma. Estas funciones son:
1. Marketing, que genera la demanda o, por lo menos, toma el pedido de un producto o
servicio.
2. Producción/operaciones, que crea el producto.
3. Finanzas/contabilidad, que hace un seguimiento de cómo funciona, paga facturas y
recauda dinero una organización.
Es por ello, que se hace necesario el estudio de la Administración de Operaciones como
una de las tres funciones principales de cualquier organización vinculada estrechamente a
la transformación de la materia prima e insumos y la creación de recursos tanto tangibles e
intangibles que tengan un fin social.
Numerosos autores han abordado el campo de la Administración de Operaciones en libros,
revistas, artículos y materiales científicos. En el cuadro 1.1 se muestran las definiciones
ofrecidas por algunos de ellos.
Cuadro 1.1 Definiciones de Administración de Operaciones según diversos autores.
Autor,año Definición
(Stoner et al., 1996) Actividad administrativa compleja que incluye planificar la producción, organizar los recursos, dirigir las operaciones y el personal y vigilar la actuación del sistema
(Escobar Ojeda, 2011) La administración de las operaciones es el área dentro de la empresa encargada de planificar, producir o fabricar y distribuir, bienes de producción que cumplan las especificaciones, controles y expectativas de: costos, calidad, cantidad y tiempo, mediante el uso sistematizado
8
de técnicas y herramientas de la ingeniería y la administración.
(Schroeder et al., 2011) Es el estudio de la toma de decisiones en la función de operaciones y se relaciona con la producción de bienes y servicios.
(Krajewski et al., 2013) Se refiere a la dirección y el control de los procesos mediante los cuales los insumos se transforman en bienes y servicios terminados.
(Vilcarromero Ruiz, 2013) Se puede definir a la Administración de Operaciones como el diseño, y la mejora de los sistemas que crean y producen los principales bienes y servicios, y que está dedicada a la investigación y a la ejecución de todas aquellas acciones que van a generar una mayor productividad mediante la planificación, organización, dirección y control en la producción, y que aplican todos esos procesos individuales de la mejor manera posible, destinado todo ello a aumentar la calidad del producto.
(Chase et al., 2014) Se define como el diseño, operación y mejoramiento de los sistemas que crean y proporcionan los productos y servicios primarios de una empresa.
Fuente: elaboración propia.
De manera general la autora define a la Administración de Operaciones como la disciplina
que dirige el accionar de un producto o servicio desde su concepción, creación, desarrollo
y transformación hasta su destino final.
La Administración de Operaciones en sus inicios se asociaba principalmente al sector
manufacturero. Sin embargo, la creciente importancia económica de una amplia gama de
actividades comerciales no manufactureras extendió al alcance de la administración de
operaciones como función, razón por la cual es indudable su aplicación y cada día mayor
empleo en el sector de los servicios. (Delgado Méndez, 2018)
La Administración de Operaciones incluye varias disciplinas o funciones. En el anexo 1 se
analiza el tratamiento que varios autores le dan a ellas destacándose que de un total de 17
materiales consultados solo el 29.41% aborda este tema en el sector de los servicios.
1.1.1 La Administración de Operaciones en los servicios
Al realizar una comparación entre bienes y servicios Chase et al. (2014) plantea que existen
5 diferencias esenciales. Estas son:
Un servicio es un proceso intangible que no se pesa ni mide, mientras que un bien
es el producto tangible de un proceso y tiene dimensiones físicas.
9
Un servicio requiere cierto grado de interacción con el cliente, mientras que los
bienes suelen producirse en instalaciones donde no entra el cliente.
Los servicios, con la gran excepción de las tecnologías duras, son inherentemente
heterogéneos; es decir, varían en función de las actitudes del cliente y de los
servidores. En cambio, los bienes se producen de modo que se sujetan a
especificaciones muy estrictas, con una variación prácticamente nula.
Los servicios, como un proceso, son perecederos y dependen del tiempo y, a
diferencia de los bienes, no se pueden almacenar.
Las especificaciones de un servicio se definen y evalúan en forma de paquete de
características que afectan los cinco sentidos. Estas características son las
instalaciones de apoyo, los bienes que faciliten las cosas, las peculiaridades del
personal de servicio y las condiciones en que se desarrolle.
Un análisis de los contrastes enunciados permite deducir tal como plantea Gómez (2016)
que la mayor parte de las diferencias entre industrias y servicios nacen de la naturaleza
intangible del producto. Los aspectos que más desean los consumidores de los servicios
son la fiabilidad (se recibe lo que se espera según lo anunciado por la empresa) y la
consistencia (se recibe siempre de la mejor forma). Para conseguir estos aspectos se hace
necesario una estandarización de las operaciones del servicio. En líneas generales, la
tendencia observada en la gestión de servicios intenta asimilarse a la gestión industrial,
pero además presenta otras características peculiares que requieren herramientas de
gestión muy específicas.
Gaither y Frazier (2000), plantean que algunas de las más reconocidas empresas en la
rama de los servicios, específicamente las dedicadas a la rama de la telecomunicación,
mercadotecnia masiva, transportación aérea y de los servicios financieros han tomado en
cuenta dos vías fundamentales para administrar exitosamente sus operaciones:
1. Donde resulta apropiado han adoptado procedimientos avanzados y bien conocidos
de planeación, análisis y control, que primero fueron desarrollados en la
manufactura.
2. Han reconocido las propiedades únicas de las operaciones de servicio y han
desarrollado procedimientos novedosos de administración para este tipo de
operaciones.
10
1.2 El pronóstico de la demanda: aspectos generales
Un aspecto importante al administrar una organización, consiste en planear el futuro. De
hecho, el éxito a largo plazo, está relacionado con la capacidad del administrador para
prever el futuro y para desarrollar estrategias apropiadas. El buen juicio, la intuición y un
conocimiento del estado de la economía, pueden proporcionar a los administradores una
idea general o sentido de lo que es probable que suceda. (Morales Higuera, 2017)
En aproximación a lo expresado por Vonderembse y White (1988),Ebert y Adam (1991),
Domínguez Machuca et al. (1995), Riggs (1999) , Chase y Jacobs (2013) y Render y Heizer
(2014) y en concordancia con Marqués León (2013), se puede afirmar que: los pronósticos
son el primer paso dentro del proceso de planificación de las operaciones y sirven como
punto de partida, no sólo para la elaboración de los planes estratégicos, sino además, para
el diseño de los planes a mediano y corto plazo. Esto les permite a las organizaciones:
visualizar, de manera aproximada, los acontecimientos futuros; eliminar, en gran parte, la
incertidumbre; y reaccionar con rapidez a las condiciones cambiantes, con algún grado de
precisión.
Según Medina León (2002), Schroeder et al. (2011),Render y Heizer (2014) y Montgomery
et al. (2015) en los ámbitos empresarial, económico y político, la predicción y el pronóstico
tienen diversos significados. Estos autores definen:
Pronóstico: es un proceso de estimación de un acontecimiento futuro, sobre la base de
datos del pasado, los que se combinan sistemáticamente en forma predeterminada para
hacer la estimación.
Predicción o previsión: proceso de estimación de un suceso futuro integrado en
consideraciones subjetivas diferentes a los simples datos provenientes del pasado; estas
consideraciones subjetivas no necesariamente deben combinarse de una manera
predeterminada.
Un pronóstico usualmente se clasifica por el horizonte de tiempo futuro que abarca. El
horizonte de tiempo se clasifica en tres categorías (Render y Heizer, 2014):
1. Pronóstico a corto plazo: Este pronóstico tiene una extensión de tiempo de hasta 1 año,
pero casi siempre es menor a 3 meses. Se usa para planear las compras, programar el
trabajo, determinar niveles de mano de obra, asignar el trabajo, y decidir los niveles de
producción.
11
2. Pronóstico a mediano plazo: Por lo general, un pronóstico a mediano plazo, o a plazo
intermedio, tiene una extensión de entre 3 meses y 3 años. Se utiliza para planear las
ventas, la producción, el presupuesto y el flujo de efectivo, así como para analizar
diferentes planes operativos.
3. Pronóstico a largo plazo. Casi siempre su extensión es de 3 años o más. Los pronósticos
a largo plazo se emplean para planear la fabricación de nuevos productos, gastos de
capital, ubicación o expansión de las instalaciones, y para investigación y desarrollo.
1.2.1 Objetivos y aplicaciones
Al tener en cuenta lo planteado por Render y Heizer (2014), Esteban et al. (2014),Morales
Higuera (2017) y Delgado Rodríguez (2018) se puede resumir que los pronósticos y la
previsión de manera general :
Tienen como objetivo obtener conocimiento sobre eventos inciertos que son
importantes en la toma de decisiones presentes por lo que mejoran el flujo de
información en la cadena de suministro a la que pertenecen las empresas y, por lo
tanto, preparan a la organización en medios técnicos, humanos y financieros para
soportar las operaciones futuras de la empresa.
Al disminuir la incertidumbre sobre el futuro, permiten estructurar planes y acciones
congruentes con los objetivos de la organización y tomar acciones correctivas
apropiadas y a tiempo cuando ocurren situaciones fuera de lo pronosticado.
Mejoran el rendimiento organizacional y empresarial por lo que traen beneficios en
la fabricación más eficiente, con menos desperdicios y deterioro.
Al constituir una función que se puede automatizar le permite al sector de ventas
más tiempo para centrarse en su principal cometido y reducir la inversión de tiempo
que debe dedicar a supervisar el proceso de previsión por lo que se demanda menos
esfuerzo.
Son una ciencia imperfecta, pero a nivel empresarial, se ha convertido en una
necesidad para la mayoría de las empresas, sobre todo en tiempo de crisis, ya que
son la única estimación de la demanda hasta que se conoce la demanda real.
Según Escobar Ojeda (2011) y Morales Higuera (2017) en las organizaciones los
pronósticos se utilizan para tres propósitos importantes:
1- Decidir si la demanda es suficiente para justificar la entrada al mercado:
Mercadotecnia,
12
tamaño del mercado,
participación en el mercado,
tendencia de precios,
desarrollo de nuevos productos.
2- Determinar las necesidades a largo plazo de la capacidad para el diseño de
instalaciones:
costo de materia prima,
costo de mano de obra,
requerimientos de mantenimiento,
capacidad disponible de la planta para la producción,
cambios de precios,
crecimiento de líneas de productos.
3- Determinar las fluctuaciones a corto plazo en la demanda para la planeación de la
producción, la programación de la fuerza de trabajo, la planeación de los materiales
y otras necesidades:
recursos Humanos
número de trabajadores
rotación de personal
disponibilidad de mano de obra
disponibilidad de materia prima
planeación Estratégica
Finalmente, la autora considera que los pronósticos son una herramienta de suma
importancia para la planificación de una empresa. Un pronóstico correcto le da a la
organización la posibilidad de preparar todos sus recursos desde el presente con miras
hacia un futuro no tan incierto.
1.3 Enfoques para el pronóstico
Las técnicas y enfoques empleados en la realización de pronósticos varían en función del
contenido del contexto en que se mueve el fenómeno objeto de previsión (Medina León,
2002). Para la selección de un método de pronóstico determinado según Morales Higuera
(2017) hay varios factores que inciden, destacándose:
la relevancia y disponibilidad de datos históricos,
el grado de exactitud deseado,
13
el periodo de tiempo que se va a pronosticar,
el punto del ciclo de vida en que se encuentra el producto.
Autores como Gaither y Frazier (2000), Medina León (2002), Schroeder et al. (2011),
Render y Heizer (2014) y Morales Higuera (2017) coinciden en que existen dos enfoques
para pronosticar la demanda: pronósticos cuantitativos y pronósticos cualitativos.
Los pronósticos cuantitativos utilizan una variedad de modelos matemáticos que se
apoyan en datos históricos o en variables causales para pronosticar la demanda.
Los pronósticos cualitativos o subjetivos incorporan aquellos factores como la intuición,
las emociones, las experiencias personales y el sistema de valores de quien toma la
decisión para llegar al pronóstico.
Las empresas emplean uno u otro enfoque, pero en la práctica, la combinación de ambos
es casi siempre más efectiva. (Render y Heizer, 2014)
1.3.1Técnicas cualitativas
Las técnicas cualitativas de pronóstico se basan fundamentalmente en el juicio,
evaluaciones y opiniones de un grupo de personas conocedoras, con experiencia y
expertas en la materia, lo que les permite dar su opinión y pronosticar el futuro.
Autores como (Pérez Navarro et al., 2007) Franco Aregullin (2016) y Morales Higuera
(2017) coinciden en que las técnicas cualitativas para el pronóstico de la demanda tiene las
características siguientes:
La posición central en estos métodos no la tienen los datos pasados, sino la
experiencia de las personas.
Se usan cuando los datos son escasos, y son útiles para pronósticos a largo plazo,
pronósticos de ventas y desarrollo de nuevos productos, inversiones de capital,
planeación estratégica y pronósticos tecnológicos.
En ciertos casos, la proyección cualitativa es especialmente importante, ya que
puede constituir el único método disponible. Estos métodos suelen utilizarse para
productos individuales o familias de productos, y rara vez para mercados completos.
Una ventaja de este método radica en que casi siempre permite obtener algunos
resultados con bastante rapidez.
Según Pérez Navarro et al. (2007), Krajewski et al. (2013), Chase et al. (2014), Render
y Heizer (2014), Franco Aregullin (2016) y Morales Higuera (2017) algunas de las
técnicas cualitativas más comunes para el pronóstico son las siguientes:
14
Investigación de Mercados
Se usa para evaluar y probar hipótesis acerca de mercados reales. Suelen ser
cuestionarios estructurados que se envían a los clientes potenciales del mercado y
se les solicita su opinión acerca de productos o productos potenciales e intentan
muchas veces averiguar la probabilidad de que los consumidores demanden ciertos
productos o servicios.
Método Delphi
Es un proceso basado en la consulta sistemática del juicio de personas
consideradas expertos. Es estructurado e iterativo al ejecutarse mediante etapas
para alcanzar un consenso frente a una temática en común.
Analogía Histórica
Su predicción de la demanda se basa en el comportamiento de las ventas de un
producto similar o modelo. La comparación puede ser realizada con un producto
sustituto o complementario. Es un método generalmente usado para estimar la
demanda inicial en el lanzamiento de un nuevo producto o servicio.
Método Brainstorming (Tormenta de Ideas)
Es una técnica de grupo para generar ideas originales. Posee cuatro normas
fundamentales los cuales son: eliminar el juicio para suspender las críticas; libertad
de pensamiento; mayor cantidad de ideas y el efecto multiplicador.
Como se puede apreciar los métodos cualitativos, aunque ofrecen un pronóstico rápido;
presentan un bajo nivel de detalle y confieren subjetividad, razón por la cual son
recomendables para situaciones en las cuales no se cuente con información suficiente para
aplicar otros métodos.
1.3.2 Técnicas cuantitativas
Las técnicas cuantitativas se basan en modelos matemáticos, principalmente de tipo
estadístico, los cuales han de ser alimentados por abundante información histórica sobre
las variables a estudiar. Es por ello que sólo serán realmente efectivos si el sistema ha
alcanzado cierto nivel de estabilidad (Pérez Navarro et al., 2007). Las fuentes usuales son
los registros de la propia empresa o información oficial de diverso origen: gobierno,
asociaciones de empresarios o profesionistas, organismos internacionales. Además, se
debe tener en cuenta que la información haya sido cuantificada de manera uniforme.
(Morales Higuera, 2017)
15
Dentro de los métodos cuantitativos se destacan:
1. Series de tiempo
Se llama serie de tiempo a cualquier sucesión de observaciones de un fenómeno que es
variable con respecto al tiempo. Estos métodos suponen que la variable pronosticada tiene
información útil para el desarrollo del pronóstico sobre su comportamiento anterior, al
considerar probable que lo que sucedió en el pasado puede continuar en el futuro. (Morales
Higuera, 2017)
Los métodos de análisis de series de tiempo se usan para hacer análisis detallados de los
patrones históricos de la demanda a lo largo del tiempo y para proyectarlos hacia el futuro.
(Schroeder et al., 2011)
Autores como Pérez Navarro et al. (2007), Schroeder et al. (2011), Render y Heizer (2014)
y Morales Higuera (2017) coinciden en que la demanda puede descomponerse en
elementos básicos como la tenencia, componente estacional, componente cíclico y
componente aleatorio o irregular. En la figura 1.1 se puede apreciar estos 4 componentes.
Figura 1.1 Componentes de una serie de tiempo.
Fuente: tomado de Schroeder et al. (2011)
Tendencia: Es el componente más importante de aquellos que afectan los valores
individuales de una serie. Indica el rumbo o dirección general del movimiento de la serie
(Merril, 1981), (Ríos, 1983) y (Companys Pascual, 1990). Esta es la característica más
continuada en toda su extensión que está presente en la serie y está asociada al pronóstico
a más largo plazo. La tendencia corresponde a la evolución durante un período de tiempo
largo, de carácter global creciente o decreciente, generalmente igual o superior a un año.
Este crecimiento general se representa frecuentemente en forma lineal o exponencial
(Torres Gemeil et al., 2007).
Componente estacional: Se refiere a un modelo de cambio que se repite regularmente en
el tiempo a través de oscilaciones periódicas, generalmente un año, alrededor de la línea
de tendencia. Estos movimientos pueden o no estar asociados a las estaciones del año. Su
16
estudio impone que se requiera recopilar información por más de un período de tendencia.
El componente estacional debe completar su movimiento dentro del período que se analiza,
y mostrar una configuración repetida a intervalos regulares durante subperíodos de
cualquier lapso de tiempo especificado (Torres Gemeil et al., 2007).
Componente cíclico: Los movimientos cíclicos se asemejan a los estacionales en que
también son movimientos ondulados repetitivos, aunque no regulares, pero difieren en que
son de duración más prolongada y menos predecible, en cuanto a longitud y amplitud, y no
resulta inusual que requieran de hasta cuatro años o períodos para completarse (Torres
Gemeil et al., 2007).
Componente aleatorio o irregular: Son las fluctuaciones irregulares que se observan en
toda serie cronológica afectada por factores aleatorios (Companys Pascual, 1990).
Traducen el carácter imprevisible de múltiples causas, generalmente, muy difíciles de
enumerar o aislar y prácticamente imposible de medir su extensión y repercusión, además,
introducen variaciones significativas entre las observaciones (Torres Gemeil et al., 2007).
En el cuadro 1.2 se realiza un breve resumen de algunas de las modelos empleados para
el cálculo del pronóstico por serie de tiempo según, Pérez Navarro et al. (2007), Schroeder
et al. (2011), Chase et al. (2014), Render y Heizer (2014) y Morales Higuera (2017).
Cuadro 1.2 Modelos empleados para el pronóstico de la demanda por series de tiempo.
Pronóstico empírico Este método no estadístico se fundamenta en el principio de que el pronóstico de la demanda para el siguiente período es igual a la demanda observada en el período actual, este pronóstico se puede acoger para tomar en cuenta la tendencia de la demanda. Este método funciona con más precisión con patrones estables y variación aleatoria pequeña. Tiene un procedimiento muy sencillo y de bajo costo
Promedio móvil simple
Se utiliza para estimar el promedio de una serie de tiempo de demanda y de esta manera eliminar los efectos de las fluctuaciones aleatorias. La base de este método consiste en que la demanda para un período determinado de tiempo va a ser igual al promedio de las demandas de los períodos más recientes que le anteceden. Las ponderaciones de las demandas van a ser las mismas
Promedio móvil ponderado
Se usa de la misma manera que el método anterior pero las ponderaciones de las demandas no son iguales, suelen ser diferentes siempre que su suma sea igual a 1.
Suavizamiento exponencial simple
Es muy similar al promedio móvil simple ya que permite calcular el promedio de una serie de tiempo, al asignar mayor ponderación a las demandas recientes que a las demandas anteriores.
17
ARIMA (Modelo autorregresivo integrado de media móvil)
Es un modelo estadístico que utiliza variaciones de datos estadísticos con el fin de encontrar patrones para una predicción hacia el futuro. Se suele expresar como ARIMA (p,d,q) donde los parámetros p, d y q son números enteros no
negativos que indican el orden de las distintas componentes del modelo respectivamente, las componentes autorregresiva, integrada y de media móvil.
Fuente: elaboración propia.
2. Modelos causales
Referido a los modelos causales como técnica de estimación de la demanda varios
autores refieren:
Los métodos causales de pronóstico, en general, desarrollan un modelo de causa y
efecto entre la demanda (exteriorización de las necesidades y deseos del mercado,
condicionada por los recursos disponibles) y otras variables que permitan explicar
mediante una ecuación matemática los valores de una variable en términos de la
otra. (Pérez Navarro et al., 2007), (Schroeder et al., 2011), (Contreras Juárez et al.,
2016) y (Morales Higuera, 2017).
A diferencia del pronóstico de series de tiempo, los modelos de pronóstico causales
casi siempre consideran varias variables que están relacionadas con la cifra por
predecir. Una vez que se encuentran estas variables relacionadas, se construye un
modelo estadístico que se usa para pronosticar el elemento de interés.(Render y
Heizer, 2014)
Debido a su capacidad para predecir puntos de cambios, los modelos causales son
generalmente más exactos que los modelos de series de tiempo para formular
pronósticos a corto plazo.(Pérez Navarro et al., 2007)
Algunos de los métodos causales más utilizados son:
Regresión lineal
La regresión lineal simple comprende el intento de desarrollar una línea recta o ecuación
matemática que describe la relación entre dos variables.
En este modelo la variable a predecir Y está en función de una sola variable independiente
X que no es de tiempo y la ecuación matemática que se usará será la siguiente:
Y=A+BX
Hacer una regresión lineal es encontrar los valores de A y B adecuados. Estos valores se
encuentran por el criterio que se llama de los mínimos cuadrados. Este criterio da como
resultado una línea recta que minimiza el cuadrado de las distancias verticales de cada
18
observación a la línea.(Pérez Navarro et al., 2007), (Schroeder et al., 2011), (Render y
Heizer, 2014) y (Morales Higuera, 2017).
Coeficientes de correlación para rectas de regresión
La ecuación de regresión es una forma de expresar la naturaleza de la relación entre dos
variables. Las rectas de regresión no son relaciones de “causa y efecto”, simplemente
describen las relaciones entre variables. La ecuación de regresión muestra la forma en que
una variable se relaciona con el valor y los cambios en otra variable.
El coeficiente de correlación expresa el grado o fuerza de la relación lineal. Casi siempre
identificado como r, el coeficiente de correlación puede ser cualquier número entre +1 y –
1. En la figura 1.2 se ilustra cómo se observan los distintos valores de r.
Figura 1.2 Valores del coeficiente de correlación.
Fuente: tomado de Render y Heizer (2014)
De manera general la regresión lineal representa un método para pronosticar demandas
futuras a mediano y largo plazo, en donde la demanda presenta tendencia constante,
ascendente o descendente con variaciones irregulares. Es muy útil cuando existen fuertes
relaciones causales.(Pérez Navarro et al., 2007) y (Schroeder et al., 2011)
Regresión múltiple: La principal ventaja de la regresión múltiple es que permite utilizar
más información disponible para estimar la variable dependiente. En algunas
ocasiones la correlación entre dos variables puede resultar insuficiente para
determinar una ecuación de estimación confiable; sin embargo, si se agregan los
datos de más variables independientes, se puede determinar una ecuación de
estimación que describa la relación con mayor precisión (Escobar Ojeda, 2011)
19
Técnicas econométricas: Sistema de ecuaciones de regresión interdependiente que
describe algún sector de la actividad económica de ventas o utilidades. Se aplican en
los pronósticos de ventas por clases de productos para planeación a corto y mediano
plazo. (Ipinza, 2012)
Modelos de simulación: Los métodos de pronóstico por simulación imitan las
elecciones del cliente que dan origen a la demanda para llegar a un pronóstico. Al
emplear la simulación se pueden combinar los métodos de series de tiempo y
causales. El valor real de estos modelos radica en que son rápidos y económicos de
utilizar una vez que la información ha “poblado” al modelo.(Chapman, 2006; Chopra
y Meindl, 2013)
Redes Neuronales
El cerebro humano tiene varias características deseadas por cualquier sistema y esta es la
razón por la que se ha incrementado el interés acerca del funcionamiento de las redes
neuronales. Las redes neuronales biológicas “aprenden” de la información disponible en su
entorno y bajo ciertas condiciones exhiben la capacidad para generalizar más allá de la
información con que fueron entrenadas, esta es la característica más importante que se
busca implementar en las redes neuronales artificiales (RNA). Por lo tanto, las RNA son
modelos matemáticos que tratan de hacer una pequeña emulación del funcionamiento del
cerebro humano al imitar su estructura, capacidad de procesamiento paralelo y aprendizaje.
La neurona es su estructura básica. (Toro Ocampo et al., 2004) y (Santa Cruz y Correa,
2017)
Las RNA han demostrado su capacidad para resolver problemas donde el cómputo
tradicional ha tenido gran dificultad durante años. Algunas aplicaciones exitosas de las
redes neuronales son: procesamientos de imágenes y voz, reconocimiento de patrones,
planeamiento, predicción, control y optimización (Toro Ocampo et al., 2004)
En el caso del pronóstico de la demanda, Hornik (1991), Huang (2003) y Khashei y Bijari
(2010) refieren que son muy valiosas y atractivas pues sus características
de“aproximadores” funcionales universales, (aproximan funciones no lineales complejas a
partir de muestras de entrada relativamente pequeñas), y de ser no lineales, poseer
métodos “autoadaptativos”; y estar previamente entrenadas le permiten generalizarse para
inferir sobre otros sistemas.
20
Nótese que las técnicas cuantitativas descritas con anterioridad se basan en complejos
análisis matemáticos y estadísticos que precisan en algunos casos del empleo de
herramientas informáticas para su aplicación. La selección de la técnica a aplicar debe estar
basada en un profundo análisis de la situación existente y de los datos con que se cuenta.
1.4 Herramientas informáticas en los pronósticos
Contribuciones especialmente importantes a la Administración de Operaciones provienen
de las ciencias de la información, que se definen como el procesamiento sistemático de
datos para obtener información. Las ciencias de la información, el Internet y el comercio
electrónico contribuyen hoy de manera considerable en la mejora de la productividad, al
tiempo que proporcionan a la sociedad una gama más amplia de bienes y servicios.(Render
y Heizer, 2014)
Actualmente existen diversos métodos e innumerables herramientas para pronosticar la
demanda. Tenerlas se traduce en una ventaja sustancial con respecto a las empresas que
no cuentan con tales recursos. Sin embargo, es insuficiente si no se cuenta con suficientes
datos reales que puedan ser analizados por un software para pronósticos. La ventaja de
estos programas es que usan métodos cuantitativos o cualitativos basados en cálculos
matemáticos o estadísticos que permiten realizar las diversas proyecciones cercanas a la
realidad.(ITI, 2018)
Para seleccionar de manera correcta los diversos métodos y herramientas para pronosticar
la demanda deben tenerse muy en cuenta los criterios de sincronización de trabajo entre
todos los departamentos. Si se va a seleccionar un software de pronóstico de la demanda
es fundamental conocer los principios de trabajo con el fin de poder contar con los datos
suficientes que el programa pueda solicitar y si este es de alta capacidad de trabajo sería
lo ideal cuando se maneja numerosos datos de información.(ITI, 2018)
Hoy en día, existen cientos de paquetes estadísticos y de pronóstico tanto para macro como
para microcomputadoras (o computadoras personales, a las que con frecuencia se les
llama PCs). Los administradores con PCs sobre sus escritorios y el conocimiento de
técnicas de pronóstico, ya no dependen de un equipo de trabajo para realizar sus
pronósticos. Los administradores modernos aprovechan la ventaja de la facilidad y
disponibilidad de métodos complejos de pronóstico que proporcionan las computadoras
personales.(Franco Aregullin, 2016)
21
Algunos de los paquetes de cómputo estadísticos y de pronóstico más utilizados según
Franco Aregullin (2016) y Varela Matos (2017) son: Minitab, SPSS, SAS, Forecast Pro,
AFT, tsMetrix, SAP, POM Computer Library, WINQSB, Statgraphics, Microsoft Excel (ATP,
Analysis Tool Pack). Muchos de estos programas son exclusivamente para pronósticos y
otros los incluyen como un módulo.
Definitivamente el empleo de la informática ha significado un paso de avance en cuanto a
la rapidez y exactitud en los resultados de la aplicación de los métodos de pronóstico. La
disponibilidad de programas o paquetes informáticos y la especialización del investigador
juegan un rol decisivo en su selección y uso.
1.5 La industria del turismo
El turismo es un fenómeno social, cultural y económico relacionado con el movimiento de
las personas a lugares que se encuentran fuera de su lugar de residencia habitual por
motivos personales o de negocios/profesionales. Estas personas se denominan visitantes
(que pueden ser turistas o excursionistas; residentes o no residentes) y el turismo tiene que
ver con las actividades que ellos realizan. (UNWTO, 2008)
El turismo puede presentar muchas variantes, por lo que existen diferentes tipos: turismo
cultural, de aventura, de entretenimiento, de relajación. Del mismo modo, también hay
diferentes personas que realizan diversos tipos de turismo: turismo de jóvenes, de familias,
de la tercera edad, de parejas, de amigos, etc. Independientemente de las posibles
variantes de turismo que existan, la importancia de esta actividad es loable.(Bembibre,
2011)
En primer lugar, el turismo trae consigo un gran movimiento, lo cual genera una gran
reactivación económica en las zonas donde se desarrolla al concebir grandes
infraestructuras como establecimientos gastronómicos y de recreación, hoteles y terminales
para el transporte aéreo, terrestre y marítimo. También es una gran fuente generadora de
empleos y según la Organización Mundial del Turismo(OMT), 1 de cada 11 trabajadores
colaboran en los sectores relacionados a él. (Cuanalo Bueno, 2017)
Como tal, el turismo no solo tiene efectos en la economía, del mismo modo repercute en el
entorno natural y en las zonas edificadas, en la población local de los lugares visitados y en
los visitantes propiamente dichos. Debido a estos diversos impactos, la amplia gama y
variedad de factores de producción requeridos para producir los bienes y servicios
adquiridos por los visitantes y al amplio espectro de agentes involucrados o afectados por
22
el turismo, es necesario adoptar un enfoque global del desarrollo, la gestión y la supervisión
del turismo. Este enfoque es muy recomendable con miras a la formulación y puesta en
práctica de políticas de turismo nacionales y locales, así como de acuerdos internacionales
u otros procesos en materia de turismo.(UNWTO, 2008)
La OMT prevé que para el año 2020 el turismo se constituirá en la actividad económica que
generará el mayor movimiento de divisas en el mundo (Suarez Miskoski et al., 2011). Del
mismo modo, se ha convertido en uno de los principales actores en el comercio
internacional, y representa al mismo tiempo una de las mayores fuentes de ingresos para
muchos países en desarrollo. Este crecimiento va de la mano con un aumento de la
diversificación y la competencia entre destinos.(Bembibre, 2011)
Obviamente, hay regiones en el mundo que están catalogadas como algunos de los puntos
de turismo más importantes o dinámicos mientras que otros no, y esto tendrá que ver con
la atención que cada país puede prestarle a esta actividad, al crear más posibilidades para
que los visitantes disfruten.(Bembibre, 2011)
Aun cuando los atractivos de un destino sean limitados, existen otros aspectos como la
atención al cliente, la preservación de la infraestructura y la creación de oportunidades de
recreación; que pueden ser definitorios en la preferencia de los clientes por las ofertas que
brinda el país.
1.5.1 La industria del turismo en Cuba
El sector de los servicios es una constante y creciente fuente de ingresos en Cuba de forma
directa, lo que lo convierte en un eslabón fundamental de la economía cubana dado que
anualmente aporta elevadas sumas monetarias, lo que contribuye al desarrollo
generalizado del patrimonio de la nación. Específicamente el sector turístico es uno de los
principales renglones de adquisición de divisas y de los que más ingresos genera a la
economía cubana. (Almeda Barrios, 2018)
Aunque desde la década de los 50 del pasado siglo comienza un auge del turismo en Cuba,
y se destaca La Habana como centro de ocio y recreación, y después del triunfo de la
Revolución en enero de 1959 se le dio un nuevo enfoque a la práctica turística, no fue hasta
la década del 90, con el derrumbe del campo socialista, que el turismo internacional se
convierte en una actividad crucial como vía para lograr el desarrollo del país. El destino
turístico de Cuba es apreciado en el mundo entero, por el confort de sus hoteles, la belleza
23
de sus playas y paisajes, el desarrollo cultural, el patrimonio histórico y la seguridad
ciudadana. (Martínez García, 2018) y (Morales, 2017)
En la actualidad Cuba es referente en el Caribe por el número de turistas que visitan la Isla
cada año. Se destacan en este sentido Canadá como principal mercado seguido por
EE.UU., Alemania, Francia, Reino Unido, Italia, México y España. (Fornieles Sánchez,
2018)
En el 2018, se establece un récord de llegadas por onceno año consecutivo al recibir 4
millones 700 mil visitantes internacionales, y para el 2019 se pronostica alcanzar por vez
primera, la cifra de cinco millones de visitantes internacionales, lo que constituiría un
crecimiento del 7,4 % para el país. (Izquierdo Ferrer, 2018).
Cuba ha apostado por el turismo como uno de los motores impulsores de su economía; el
papel de esta industria como fuente altamentente generadora de desarrollo, empleos e
ingresos ratifica tal decisión. Es, entonces, una tarea del país garantizar la infraestructura
que permita alcanzar los pronósticos antes mencionados. La disposición de hoteles,
empresas transportistas, agencias de viajes y empresas de servicios como mantenimiento,
jardinería, soporte logístico, limpieza e higienización son determinantes para tales
aspiraciones.
1.5.2 Las lavanderías dentro del sector hotelero
Hoy en día existe una amplia propagación de empresas que brindan servicios al turismo.
Dentro de ellas se encuentran las encargadas de la higiene y la limpieza como pueden ser
las lavanderías.
Una lavandería es el lugar o espacio físico dónde se lleva a cabo el proceso de limpiar,
secar y acabados de la ropa. En este espacio puede encontrarse personal para realizar los
trabajos o clientes que realizan ellos mismo el trabajo, y por supuesto la ropa, las máquinas
y los químicos utilizados para el lavado, aparte todos los servicios necesarios para que la
maquinaria pueda funcionar. En el caso de las lavanderías que prestan servicios al turismo
estás son de tipo industriales y tienen como objetivo limpiar, secar, planchar y empaquetar
la ropa para restaurantes, gimnasios, spa y hoteles. (S.A., 2013)
En la actualidad, los estándares de calidad y confort en las instalaciones turísticas exigen
que exista una lencería limpia y en tiempo, así como que se cumplan los cambios de la
misma según estén establecidos, por lo que se hace necesario que las lavanderías cumplan
24
con sus planes de lavado a tiempo y con las características deseadas. Por tanto, un mal
funcionamiento de la lavandería puede perjudicar seriamente la percepción que un usuario
tiene del hotel.(S.A., 2016).
Se hace necesario entonces que exista una correcta coordinación y planificación entre
ambas entidades que permita dar cumplimiento a la demanda existente.
Conclusiones Parciales
-La Administración de Operaciones como ciencia está relacionada con todas las
etapas de diseño, creación, desarrollo y transformación que permiten la obtención
de un producto o servicio con calidad.
-Los pronósticos realizados mediante el uso de los métodos de series de tiempo
logran extrapolar un determinado comportamiento hacia el futuro bajo la premisa
que se mantendrá la misma tendencia.
-Las lavanderías que prestan servicios al turismo tienen un papel primordial para el
logro de los estándares de calidad y confort que exigen las instalaciones turísticas,
por lo que la planificación y la determinación de pronósticos acertados en estas
entidades juega un papel esencial para el logro de los mismos.
25
Capítulo II. Propuesta metodológica para la determinación del pronóstico de la
demanda. Caracterización de la entidad objeto de estudio
En el presente capítulo se realiza una caracterización de la entidad objeto de estudio,
lavandería “Clodomira Acosta Ferrales”, y se ofrece una descripción detallada de la
propuesta metodológica para la determinación del pronóstico de la demanda a mediano y
corto plazo a través del análisis de series de tiempo y de modelos causales
respectivamente.
2.1 Caracterización de la entidad objeto de estudio
SERVISA S. A es un Grupo Empresarial perteneciente al Ministerio del Turismo de Cuba,
diseñado para brindar servicios de apoyo, relacionados fundamentalmente con las
actividades de higienización y producciones alimentarias, que aseguren un producto
turístico cubano sostenible y garanticen la plena satisfacción de sus clientes.
La Sucursal SERVISA Matanzas, ubicada en Santa Marta, municipio Cárdenas, cuenta con
dos lavanderías destinadas a brindarles servicios de lavado al polo turístico de Varadero:
lavandería “José Antonio Echeverría” y lavandería “Clodomira Acosta Ferrales”.
La lavandería “Clodomira Acosta Ferrales”, se encuentra ubicada al este de la ciudad de
Cárdenas y a unos 15 km de la playa de Varadero, Matanzas. La instalación comenzó a
prestar sus servicios en 1983, bajo la administración de la Empresa Turística de Varadero;
en los años noventa forma parte sucesivamente de ABATUR S.A. y actualmente se
encuentra bajo la administración de Sucursal SERVISA Matanzas, con una capacidad
productiva de 1.9 t/hora.
Misión
SERVISA Matanzas es una empresa de servicios diversos destinada a satisfacer en
alimentos, higienización, reparaciones automotrices e impresiones gráficas al Ministerio del
Turismo en la provincia de Matanzas.
Visión
Ser una empresa líder del grupo en el país en servicios de aseguramientos diversos al
turismo, distinguida en el territorio por la calidad, la eficiencia y la eficacia.
26
Servicio
La lavandería ofrece el servicio de lavado, secado y/o planchado, tratamiento y alquiler de
lencería, así como recogida, almacenamiento y distribución a los clientes. La lencería
procesada se divide en dos tipos: lisa y felpa, tal como se muestra en la tabla 2.1.
Tabla 2.1 Clasificación de la lencería procesada según su tipología.
Fuente: elaboración propia.
Para la realización de estos servicios la lavandería cuenta con las instalaciones y
equipamiento básico indispensable de la marca GIRBAU S.A. Estos equipos son:
- 2 Túneles: 12 Módulos (Viejo) y 10 Módulos (Nuevo)
- 3 Lavadoras (de ellas: 1 de 110 kg; 2 de 55 kg): mantelería y tratamiento
- 9 Secadoras (100 kg) y 1 Secador de 55 kg.
- 4 Mangles: 3 de dos rodillos y 1 de un rodillo.
- 1 Plegador automática de toallas.
- 2 Empacadoras retráctiles.
- 1 Sistema de dosificadores (túneles).
- 1 Sistema de dosificadores (3 lavadoras).
- Carros para el movimiento de la ropa limpia y sucia.
- 3 Calderas.
Lisa Felpa
Sábanas King Toallas piscina
Sábanas cameras Toallas baño
Sábanas personales Toallas cara
Sábanas cunas Toallas faciales
Fundas de diferentes medidas Toallas Manos
Cortinas Frazada
Manteles Sobrecamas
Cubremanteles Saltos de cama
Servilletas Cortinas
Vuelo colchón Cubre colchones
Vuelo mesa Alfombrines
Faldón Batas de baño
27
Clientes
La entidad cuenta con 30 clientes, los cuales se muestran en el anexo 2.
Proveedor
El proceso de lavado utiliza diferentes insumos, cuyo único proveedor es la empresa Suchel-
Proquímia. Dichos insumos se muestran en el anexo 3.
Análisis de la Variable Humana
La lavandería cuenta con una plantilla existente de 166 trabajadores, los cuales se
encuentran divididos por sexo y categoría ocupacional como se muestran en las figuras 2.1
y 2.2 respectivamente, donde se destacan que el 55% de ellos son del sexo femenino y el
66% son operarios.
Gráfico 2.1 Porciento de trabajadores por sexo.
Fuente: elaboración propia.
Gráfico 2.2 Porciento de trabajadores por categoría ocupacional.
Fuente: elaboración propia.
Femenino55%
Masculino45%
Sexo
Femenino Masculino
Cuadros1%
Administrativos 1%
Técnicos11%
Servicios21%
Operarios66%
Categoría OcupacionalCuadros Administrativos Técnicos Servicios Operarios
28
Estructura organizativa
El sistema está compuesto por áreas funcionales: drección, a la cual se subordinan los
departamentos de economía, comercial, recursos humanos y en un nivel más bajo, las unidades
de lavandería, servicio, alquiler y apoyo, las cuales se representan en el organigrama de la
empresa (ver anexo 4).
Análisis de la variable técnico-organizativa
El proceso de lavado cuenta con una gran cantidad de equipamiento tecnológico obsoleto,
lo que limita la realización del mantenimiento, cuya gestión se ve seriamente afectada por
la falta de piezas de repuesto que aseguren un correcto sistema de mantenimiento
preventivo planificado que disminuya los índices de fallas de los equipos.
La organización del proceso se ve afectada también por deficiencias en la planificación de
la capacidad debido al desconocimiento de la cantidad a lavar y el ordenamiento del flujo
de producción óptimo que evite la aglomeración de carritos en zonas de trabajo y el
incumplimiento de normas al vincular en una misma área la ropa sucia con la limpia. Otro
factor que se presenta es el relacionado con la contaminación sonora provocado por ruidos
intensos que afecta la productividad de los trabajadores. Por último, se presentan en menor
medida deficiencias técnico-organizativas provocadas por indisciplinas laborales,
vinculadas principalmente a falta de capacitación.
2.2 Antecedentes de la investigación
En la actualidad la lavandería “Clodomira Acosta Ferrales” se encuentra inmersa en el
desarrollo de su proceso productivo, el cual se ha visto afectado por problemas
organizativos a causa de dificultades en la determinación de las cantidades a lavar en
diferentes períodos de tiempo, dígase diaria, mensual o anualmente, lo cual a su vez se
traduce en afectaciones en la prestación de sus servicios, en incidencias negativas en la
satisfacción de sus clientes y a la larga, en la imagen de la península Varadero como destino
turístico.
Como parte de la situación detallada anteriormente y con el objetivo de ofrecer una posible
solución a dicha problemática se construye el procedimiento descrito en el epígrafe siguiente,
el cual le permitirá a la empresa planificar su producción a partir de la determinación del
pronóstico de la demanda de las cantidades a lavar a mediano y corto plazo.
29
La revisión de la literatura permitió encontrar estudios similares realizados en lavanderías
que ofrecen servicio al sector turístico, entre todos ellos fueron consultados los
procedimientos ofrecidos por González (2007) y Alfonso Rodríguez (2018) aplicados en la
lavandería dentro de los hoteles de la cadena Sol Meliá en el polo turístico de Varadero;
Rodríguez (2009), Carballo Lantigua (2018) y Delgado Rodríguez (2018) desarrollados en
la lavandería “José Antonio Echeverría” para la determinación del pronóstico de la demanda
de lavado a medio y corto plazo y Delgado Méndez (2018) en la lavandería “Clodomira
Acosta Ferrales”.
Además, fueron analizados los procedimientos que se ajustan directamente a la
investigación para el pronóstico de la demanda por serie de tiempo ofrecidos por
Vonderembse y White (1988),Lockyer (1993),Diebold (1999), Stark et al. (2001),Bello y
Martínez (2007),Medina et al. (2008),Diéguez Matellán (2008),SME.com.ph
(2012),Marqués León (2013) y Render y Heizer (2014), los cuales se resumen en el anexo
5.
Mientras que para la determinación del pronóstico a corto plazo se consultan los
procedimientos propuestos por diferentes autores para determinar la demanda por modelos
causales, entre los que se encuentran: Rodríguez (2009), Valencia Cárdenas et al. (2014),
Carballo Lantigua (2018) y Delgado Méndez (2018).
2.3 Propuesta metodológica para la determinación del pronóstico de la demanda a
mediano plazo
Después de haber realizado una búsqueda bibliográfica y analizado las características de
la lavandería, así como los problemas que existen, se construye el procedimiento
metodológico específico para la determinación del pronóstico de la demanda a mediano
plazo. El procedimiento contiene cuatro etapas fundamentales, tal como muestra la figura
2.1.
30
Figura 2.1 Representación gráfica del procedimiento metodológico para la determinación
del pronóstico de la demanda a mediano plazo.
Fuente: elaboración propia.
A continuación, se realiza una descripción de cada una de las etapas que conforman el
procedimiento.
Etapa 1 Conformación del equipo de trabajo
El equipo de trabajo se conforma con personas dentro de la organización que posean
conocimientos sobre el tema y sean capaces de brindar información necesaria para realizar
la investigación. Además, se debe incluir algún profesional capacitado con las herramientas
y experiencia de investigación en los temas a desarrollar.
Etapa 2 Descripción del objeto de estudio
La descripción de la entidad objeto de estudio se realiza a raíz de entrevistas realizadas
con miembros de la organización, la observación directa y la revisión de documentos.
Conjuntamente se lleva a cabo la descripción del proceso de lavado, así como la
representación gráfica del mismo mediante uno de los diagramas de flujo más utilizados
(Diagrama AS-IS). Los principales símbolos utilizados para el desarrollo de este diagrama
se muestran en la tabla 2.2.
Tabla 2.2 Simbología y significado de los elementos del diagrama Diagrama AS-IS.
Símbolos Significados
Punto de comienzo y fin del proceso
Operación
Decisión
Línea de flujo
Archivo de documento
Demora
31
Cambio de página
Fuente: en aproximación a Nievel y Freivalds (2009)
Etapa 3 Pronóstico de la demanda
En esta etapa se realiza el pronóstico de la demanda del servicio de lavado en la lavandería,
en el mediano y corto plazo, con el fin de planificar sus procesos y recursos, para un mejor
aprovechamiento de la capacidad y el cumplimiento con el plazo de entrega de los pedidos.
Análisis del pronóstico de la demanda a mediano plazo
Después de un análisis de la bibliografía y del contexto de la organización se determina que
el pronóstico de la demanda a mediano plazo se realiza a través del análisis de series de
tiempo para el periodo de abril del 2019 a marzo del 2020.
Los modelos de series de tiempo o de proyección histórica predicen valores futuros para la
variable de interés, donde se basan exclusivamente en el patrón histórico de esa variable,
al suponer que ese patrón histórico continuará. (Masini y Vázquez, 2014). Estos modelos
consisten en el uso de métodos analíticos, para poder determinar las tendencias y las
variaciones estacionales. Los pronósticos realizados mediante el uso de estos métodos
tienen la premisa de que se mantendrá la tendencia del pasado, con lo cual se obtienen
pronósticos que son bastante precisos en el mediano y corto plazo. Entre estos se tienen
las técnicas de promedio móvil simple, promedio móvil ponderado, suavización
exponencial, suavización exponencial ajustada a la tendencia,método estacional
multiplicativo y series de tiempo con influencias estacionales y de tendencia, entre
otras.(Contreras Juárez et al., 2016)
El algoritmo presentado se apoya referencialmente en el procedimiento propuesto por
Marqués León (2013) para determinar el pronóstico de la demanda mediante el empleo de
programas informáticos. Dicho procedimiento consta de 6 pasos fundamentales
representadas en la figura 2.3, los cuales se describen a continuación:
32
Figura 2.2 Procedimiento para determinar el pronóstico de la demanda.
Fuente: tomado de Marqués León (2013).
Paso 1 Determinación de los objetivos del pronóstico
En la determinación de los objetivos del estudio se deberá tener en cuenta entre otros
aspectos: ¿Para qué se desea el estudio? (aquí se define la organización en que se realiza);
se precisa además el horizonte temporal del estudio, que se define como la cantidad de
períodos entre hoy y la fecha del pronóstico que se elabora, si el pronóstico es a corto,
medio o largo plazo, este aspecto puede ser profundizado en el primer capítulo de la
presente investigación; así como la duración de los componentes de la serie histórica.
Paso 2 Determinación del horizonte del pronóstico
La definición del horizonte de tiempo queda a discreción del usuario. Estos elementos
pueden incidir en la selección de métodos y en la valoración de los costos-beneficios
asociados al estudio. Como aspecto además de importancia se encuentra el nivel de
seguimiento que se le va a dar al estudio (alto o bajo).
Paso 3 Recopilación de datos
Se realiza la búsqueda de los datos necesarios para la elaboración de la serie de tiempo,
para lo cual se debe determinar la cantidad y calidad de los datos disponibles. Esta etapa
depende en gran medida de los componentes de la serie seleccionados en la fase previa.
En la búsqueda de datos históricos son frecuentes algunas situaciones:
33
1. Ausencia de todos los valores o registros históricos parciales de la data en un período.
Ante esta situación es recomendable obviar la brecha que ocasiona ese período y trabajar
con la data resultante.
2. Ausencia de valores o registros históricos para un período. En caso de trabajar ante la
ausencia de un valor para un período específico de un producto puede analizarse
primeramente si fue porque no hubo prestación de servicio en el período o si se perdió el
registro histórico de lo que se realizó. En el primer caso se trabaja con cero “0”, en el
segundo caso una solución podría ser utilizar la media entre el valor anterior y el posterior
a ese período.
3. Posibles valores atípicos o afectados por el componente aleatorio de la serie. Si se tiene
conocimiento de fenómenos que incidieron en la demanda de un período y se conoce o
puede estimarse la magnitud de la incidencia debe descontarse del valor total del período
analizado. Si se desconoce, una posible solución sería eliminar de la data el valor de ese
período. Un elemento que ayuda a determinar la desviación que provoca un fenómeno
aleatorio sería un registro de incidencias. Este registro es el lugar donde se debe reflejar la
explicación de los fenómenos aleatorios que han ocurrido y las cantidades en que afecta la
demanda regular de forma tal que la persona que realice el estudio posea la posibilidad de
su corrección.
4. Registros históricos que no están en unidades físicas (número de unidades vendidas o
servicios prestados a clientes). Esta situación puede ocurrir en algunas ocasiones por la
complejidad del servicio que se brinda, en otras por descuido de la organización.
Habitualmente los datos que se conservan son los ingresos y los precios, a partir de ellos
pueden determinarse unidades, y en caso de que sea imposible, si no se han afectado los
precios en el período, utilizar los ingresos para la predicción. Se recomienda entonces
realizar el pronóstico en ambos casos a partir de la información disponible.
Marqués León (2013) plantea que el análisis de documentos estadísticos y registro de
incidencias, así como el juicio de expertos en el tema pueden ser herramientas válidas a
aplicar en esta etapa.
Paso 4 Representación gráfica de los datos
La representación gráfica de los datos permite obtener una idea, preliminar e informal,
acerca de la naturaleza de los componentes fundamentales de una serie de tiempo:
tendencia, estacionalidad y ciclos como base para la selección del método de pronóstico,
34
además de posibilitar el origen y ubicación de las desviaciones aleatorias (componente
irregular).
Se propone graficar los datos como programas de lavado; dicha representación se puede
realizar de forma manual o con la utilización de diferentes software.
Paso 5 Selección y aplicación del método de pronóstico más factible
Para seleccionar y aplicar cualquier método de pronóstico se debe tener en cuenta dos
aspectos fundamentales: el software a utilizar y el tipo de error a tener en cuenta.
En la aplicación de los procedimientos para la obtención de pronóstico se destacan
actualmente diversos software que pueden ser utilizados: WINQSB, Statgraphics Centurion
XV y SPSS. Estos sobresalen, pues presentan una gran variedad de opciones las cuales
se describen a continuación:
Software Statgraphics Centurion XV
Es una potente herramienta de análisis de datos que combina una amplia gama de
procedimientos analíticos con extraordinarios gráficos interactivos para proporcionar un
entorno integrado de análisis que puede ser aplicado en cada una de las fases de un
proyecto. Permite darles solución a disímiles problemáticas referentes a la administración,
recursos humanos, producción, control de la calidad y dirección de proyectos. El diseño del
Statgraphics Centurion es intuitivo y provee un conjunto de aspectos que lo hacen atractivo
para profesionales que trabajan en cualquier industria. El software incluye funciones
estadísticas avanzadas, capaces de proporcionar rigurosos análisis propios de los
profesionales estadísticos más exigentes y experimentados, y al mismo tiempo ofrece un
interfaz muy intuitivo, con funciones de asistencia exclusivas, de tal forma que proporciona
la simplicidad suficiente para permitir a un analista inexperto realizar procedimientos
complejos.
Statgraphics Centurion XV está compuesto por 230 módulos o procedimientos estadísticos
entre los que se encuentran:
Análisis exploratorio de datos,
Análisis de la varianza y regresión,
Ajuste de Distribuciones,
Control estadístico de procesos,
Diseño de experimentos,
35
Seis Sigma (optimización de los niveles de calidad),
Análisis de la fiabilidad y datos de vida,
Análisis de series temporales y predicción,
Métodos multivariantes,
Técnicas no paramétricas,
Comparación de dos muestras,
Comparación de más de dos muestras.
Software WinQSB
El software WinQSB es un sistema interactivo de ayuda a la toma de decisiones que
contiene herramientas muy útiles para resolver distintos tipos de problemas en el campo de
la investigación operativa.
El sistema está formado por distintos módulos, uno para cada tipo de modelo o problema,
entre las que se destacan:
Análisis de muestreo de aceptación,
Planeación agregada,
Análisis de decisiones,
Programación dinámica,
Diseño y localización de plantas,
Pronósticos,
Programación por objetivos,
Teoría y sistemas de inventario,
Programación de jornadas de trabajo.
Como principales desventajas de este software se encuentran:
Su aprendizaje y manejo requiere un cierto esfuerzo.
La falta de actualización del programa por parte de sus desarrolladores, por lo tanto,
existen solo dos versiones las cuales son incompatibles con la mayoría de los
equipos de tecnología avanzada.
Al existir software con mayor grado de modernización disminuye su confiabilidad
entre los consumidores que necesitan realizar estudios profundos y
precisos.(Parada Curbelo et al., 2013)
36
Software SPSS
El software SPSS es un programa estadístico informático el cual tiene como especialidad
su capacidad para trabajar con grandes bases de datos, utiliza muestras mayores e incluye
más variables que la mayoría de los software estadísticos. Posee un sencillo interface para
la mayoría de los análisis.
El sistema de módulos de SPSS provee toda una serie de capacidades adicionales a las
existentes en el sistema base. Algunos de los módulos disponibles son:
Modelos de regresión,
Modelos avanzados,
Reducción de datos,
Clasificación,
Pruebas no paramétricas,
Tablas,
Tendencias,
Categorías,
Análisis conjunto,
Análisis de valores perdidos,
Árboles de clasificación,
Validación de datos,
SPSS Programmability Extension.
Entre las desventajas se encuentran:
Posee una gran cantidad de información en forma automática que distrae al
consumidor
Si el usuario no tiene experiencia previa al utilizar el software o si sus conocimientos
de estadística no están actualizados, le resultará difícil distinguir qué opciones
seleccionar.
En ocasiones presenta una sofisticación innecesaria al permitir el empleo de
técnicas complejas para responder a cuestiones simples.
La mayoría de los reportes de resultados contienen un nivel excesivo de información
que puede confundir al usuario.
En función de los criterios expuestos con anterioridad referente a cada software, se impulsa
la decisión de emplear como apoyo al procedimiento para el cálculo del pronóstico de la
37
demanda, el software Statgraphics Centurion XV ya que se ajusta a las necesidades de la
investigación, puesto que cuenta entre sus disímiles procedimientos estadísticos con uno
específicamente para pronósticos; su sencillo interfaz le permite al usuario involucrarse de
mejor manera con el programa, y comprender a cabalidad los resultados del estudio.
El método o modelo de pronóstico que se emplee depende de los objetivos del estudio y el
comportamiento de la serie. Además, se debe tener en cuenta la sofisticación del usuario y
del sistema, tiempo y recursos disponibles, uso y características de la decisión,
disponibilidad de datos y el patrón de los datos. En este último aspecto la tendencia y el
componente estacional son los componentes del patrón de datos que más influirán en la
decisión, así para series planas se utilizarán métodos de primer orden y para series
complejas de segundo. (Medina León y Nogueira Rivera, 2004)
La selección del modelo de mejor ajuste para el cálculo del pronóstico se realiza a partir del
modelo que presente menor raíz del cuadrado medio del error (RMSE). Este criterio es una
medida del grado de dispersión de los datos con respecto al valor promedio.(Moreno Villacís
et al., 2018) El software Statgraphics Centurion XV tiene en cuenta este criterio y también
puede utilizarse la opción definido por el usuario cuando se quiera trabajar con un tipo de
error en particular. Además, para que el método elegido sea válido deberá pasar cinco
pruebas, de esta manera se determina si es adecuado para los datos. Igualmente, el
software posee la capacidad de ejecutar rigurosos análisis adecuados a las exigencias de
los expertos de una manera sencilla.
Paso 6 Evaluación de los resultados del pronóstico
En esta etapa se recomienda analizar los patrones y valores de la tendencia y
estacionalidad de las series de datos estudiadas. Este es un elemento importante para la
planificación ya que con la tendencia se definen patrones futuros de la variable analizada y
la estacionalidad es un elemento importante que influye decisivamente, entre otros factores
en la utilización de la capacidad.
Análisis del pronóstico de la demanda a corto plazo
Es de gran importancia para la lavandería “Clodomira Acosta Ferrales” determinar el
pronóstico de la demanda diaria del proceso de lavado, para aumentar su ventaja
competitiva y poder reaccionar rápidamente a los cambios que se producen en el entorno.
Dicha demanda está sujeta a variaciones originadas por diferentes factores, por lo que
38
resulta provechoso para la realización del pronóstico con un día de antelación el uso de los
modelos causales.
Estos modelos están basados en el precepto de que existe una relación directa entre los
valores de la variable independiente (cantidad de clientes presentes en las instalaciones
turísticas) y la variable dependiente (demanda del proceso de lavado), de forma que la
primera proporcione información sobre la segunda.
En este caso es ineficiente determinar el pronóstico a través de las series de tiempo pues
se introducen errores debido a que en períodos de alza turística en un día determinado la
ocupación de una instalación puede ser baja y viceversa, en períodos de baja turística
pueden existir días en que la ocupación de determinada instalación puede ser elevada;
situaciones que no se corresponden con el comportamiento promedio de la serie.
Para la construcción del modelo causal se realiza una lista que permite agrupar los artículos
de lencería estándar presentes en la mayoría de las instalaciones turísticas en tres grupos,
de acuerdo a las características de cada uno, como se muestra en la tabla 2.3.
Tabla 2.3 Clasificación de los artículos según los grupos del modelo causal.
Artículos de tipo CD (Cambio Diario)
Artículos de tipo CP (Cambio Planificado)
Artículos de tipo CF (Cambio en Función de su uso)
Toallas de baño blanca Edredón Servilletas
Toallas de mano Cubrecolchón Manteles
Toallas facial Ablandador Cubremanteles
Alfombrines Frazada Bandas
Sábanas King Vánova Toalla de piscina
Fundas Salto de cama
Fundas cuadrantes Cortina
Visillo
Cuadrante de pluma
Almohada
Fuente: elaboración propia.
A continuación, se describe de forma breve las características de cada grupo de artículos:
- Artículos tipo CD: artículos presentes en las habitaciones y debido a que la mayoría de
los hoteles clientes de la lavandería ostentan categoría 4 o 5 estrellas de acuerdo a la
norma cubana NC (2014) se asume que estos artículos se deben reponer diariamente.
- Artículos tipo CP: artículos presentes en algunas de las habitaciones, que además no
se lavan de acuerdo a ninguna norma establecida, sino en dependencia de la
planificación interna del departamento de ama de llaves.
39
- Artículos tipo CF: artículos que se encuentran en los restaurantes y piscina, y dependen
de la probabilidad que tienen de ser usados.
Para el desarrollo del procedimiento es necesario la información sobre la ocupación diaria
del hotel en el período que se estudia, así como las características de las habitaciones, los
restaurantes y cada uno de los locales de la instalación que utilice lencería del tipo que se
procesa en la lavandería.
A continuación, se describe el procedimiento metodológico del modelo causal que se
propone en aproximación a Delgado Méndez (2018) donde todos los cálculos son
realizados a través de una hoja Excel programada.
Modelo causal
1. 𝐿𝑒𝑛𝑐𝑒𝑟í𝑎 𝑡𝑖𝑝𝑜 𝐶𝐷 = ∑ 𝐿𝑒𝑐𝐶𝐷 × 𝑁𝐻𝑂𝑛𝑛=1
Donde:
𝐿𝑒𝑐𝐶𝐷: Cantidad de lencería de tipo 𝐶𝐷 que se usa en cada habitación.
𝑁𝐻𝑂: Número total de habitaciones ocupadas.
2. 𝐿𝑒𝑛𝑐𝑒𝑟í𝑎 𝑡𝑖𝑝𝑜 𝐶𝑃 = ∑ 𝐿𝑒𝑐𝐶𝑃 × 𝑁𝐻𝑂𝐶𝑃𝑛𝑛=1
Donde:
𝐿𝑒𝑐𝐶𝑃: Cantidad de lencería de tipo 𝐶𝑃 por habitación.
𝑁𝐻𝑂𝐶𝑃: Número de habitaciones ocupadas que usan la lencería de tipo 𝐶𝑃 y tienen el
cambio planificado para el día siguiente
3. 𝐿𝑒𝑛𝑐𝑒𝑟í𝑎 𝑡𝑖𝑝𝑜 𝐶𝐹 = 𝐶𝑈 × 𝑁𝐶
𝐶𝑈 =𝑄𝐿𝐶𝐹
𝑄𝐶
Donde:
𝐶𝑈: Es el coeficiente de uso del artículo 𝑡𝑖𝑝𝑜 𝐶𝐹 .
𝑁𝐶: Número de clientes en cada hotel.
𝑄𝐿𝐶𝐹: Cantidad de artículos 𝑡𝑖𝑝𝑜 𝐶𝐹 lavados históricamente.
𝑄𝐶: Cantidad de huéspedes en los hoteles históricamente.
El coeficiente de uso debe ser promediado por meses para comprobar si tiene relación con
los distintos niveles de clientes de turismo en las distintas épocas del año. Además, se debe
analizar si pueden ser modelados por algún tipo de distribución probabilística.
40
4. Cálculo de los kilogramos de lencería a lavar por cada tipo
4.1. 𝐾𝐶𝐷 = ∑ 𝐿𝑒𝑛𝑐𝑒𝑟í𝑎 𝑡𝑖𝑝𝑜𝐶𝐷𝑛𝑛=1 × 𝑘𝑔𝐶𝐷
𝐾𝐶𝐷: Kilogramos a lavar de lencería tipo 𝐶𝐷
𝑘𝑔𝐶𝐷 : Peso de una unidad de producto tipo 𝐶𝐷
4.2. 𝐾𝐶𝑃 = ∑ 𝐿𝑒𝑛𝑐𝑒𝑟í𝑎 𝑡𝑖𝑝𝑜 𝐶𝑃 𝑛𝑛=1 × 𝑘𝑔𝐶𝑃
𝐾𝐶𝑃 : Kilogramos a lavar de lencería tipo 𝐶𝑃
𝑘𝑔𝐶𝑃: Peso de una unidad de producto tipo 𝐶𝑃
4.3. 𝐾𝐶𝐹 = ∑ 𝐿𝑒𝑛𝑐𝑒𝑟í𝑎 𝑡𝑖𝑝𝑜 𝐶𝐹𝑛𝑛=1 × 𝑘𝑔𝐶𝐹
𝐾𝐶𝐹: Kilogramos a lavar de lencería tipo 𝐶𝐹
𝑘𝑔𝐶𝐹 : Peso de una unidad de producto tipo 𝐶𝐹
5. ∆= ∑ ∑ 𝐿𝑒𝑛𝑐𝑒𝑟í𝑎 𝑖𝑖𝑖=1
𝑛𝑛=1
𝑖: Tipos de grupos de lencería
𝑛: Hoteles que presentan el tipo de artículo
6. ∆𝐾 = ∑ ∑ 𝐾𝑗𝑗𝑗=1
𝑛𝑛=1
𝑗: Tipos de grupos de lencería en kilogramos
𝑛: Hoteles que presentan el tipo de artículo
Conclusiones parciales
- Para el cálculo del pronóstico de la demnada a mediano plazo se propone el empleo de
las series de tiempo que analizan los elementos de estacionalidad, tendencia, presencia
de ciclos y el componente irregular.
-Se seleccionan los modelos causales para la determinación del pronóstico de la demanda
a corto plazo en la lavandería “Clodomira Acosta Ferrales” pues determinan la relación
funcional que existen entre las variables ocupación de la instalación turistica y demanda del
proceso de lavado.
41
Capítulo III Aplicación del procedimiento propuesto para la determinación del
pronóstico de la demanda. Análisis de los resultados
En el presente capítulo se desarrolla la metodología propuesta en el capítulo anterior para
el cálculo del pronóstico de la demanda a corto y mediano plazo en la lavandería “Clodomira
Acosta Ferrales”. Además, se lleva a cabo el análisis de los resultados obtenidos a partir
de la aplicación de dicho procedimiento.
3.1 Resultados de la aplicación del procedimiento propuesto
A continuación, se le comienza a dar respuesta a todas las etapas de la metodología
propuesta luego de su implementación.
Etapa 1 Conformación del equipo de trabajo
El equipo de trabajo se compone de personas pertenecientes a la organización que posean
conocimientos y domino del tema, así como manejo de la documentación necesaria.
Además, deben ser partícipes en la toma de decisiones de la entidad y estar dispuestos a
facilitar la información necesaria para el desarrollo de la investigación. A continuación, en
la tabla 3.1 se muestran sus integrantes.
Tabla 3.1 Equipo de trabajo.
Cargo Nombre y apellidos Años de experiencia
Director de la Lavandería Osneidi Abreu Sánchez 1 año
Especialista en Gestión de la Calidad
Iris Yamilka García Sasco 21 años
Jefe de Producción Jacinto González Iglesias 2 años
Estudiante de 5to año de Ingeniería Industrial
Odailys Santana Martínez
Fuente: elaboración propia.
Etapa 2 Descripción del objeto de estudio
La descripción de la entidad objeto de estudio fue realizada al inicio del capítulo anterior,
específicamente en el epígrafe 2.1. Tal como se declara en este epígrafe el proceso de
lavado de lencería es la razón de ser de la lavandería.
Este proceso inicia en el área de recepción con la llegada de los camiones que trasladan la
ropa sucia proveniente de los hoteles hacia la lavandería. Esta es descargada y agrupada
en bultos en correspondencia con el hotel y tipo de lencería. Posteriormente, los operarios
llevan a cabo el conteo de las piezas y su clasificación en: ropa blanca o de color y son
42
separadas aquellas que presenten roturas o suciedad extrema para ser trasladadas al área
de almacenaje. Una vez clasificada la mercancía en lencería blanca y de color se llevan al
área de lavado compuesta por dos túneles de lavado (uno de 12 módulos de 50 kg y otro
de 10 módulos) y 5 lavadoras (3 de 110 kg y 2 de 55 kg).
A los túneles de lavado pasan las sábanas blancas y toallas blancas. La ropa de color tales
como: la mantelería, tollas de piscina, sobrecamas, cortinas, frazadas y las fundas serán
lavadas en las lavadoras, así como los procesos de desmanches solicitados por el cliente
o que se observaron en el proceso de clasificación. Tanto el lavandero que opere el proceso de
lavado en el túnel como el de las lavadoras debe previamente registrar el tiempo de lavado, el
dosificador de producto y el programa de lavado de acuerdo a las características de la lencería.
En el anexo 6 se muestra la descripción de cada programa. Es necesario destacar que el proceso
de lavado en los túneles no es el convencional, ya que se recupera el agua que se utiliza, lo cual
no ocurre en el área de lavatín.
Una vez termina el proceso de lavado en el túnel las piezas pasan a la prensa para ser exprimidas
y a través de un sistema de izaje se trasladan en pacas al área de secado. En el caso de las
toallas blancas una vez secas, pasan al área de doblado y finalmente se empacan y se envían al
almacén. Las sábanas blancas por su parte pasan al área de planchado donde existen 3 mangles
para planchar la ropa proveniente del sistema de túneles; las piezas se despalillan y una vez
planchadas se empacan y se les da entrada en el almacén.
La lencería que se lava en las lavadoras experimenta un proceso similar, una vez que finaliza el
proceso de lavado, la ropa pasa a los secadores y luego al proceso de planchado en el caso de
los manteles y sobrecamas, y finalmente son empacados. Para la lencería tipo felpa como las
toallas de color y alfombrines del área de secado pasan directamente al área de doblado y
empacado.
El proceso culmina cuando se ingresan al almacén todas las piezas agrupadas por cliente en
víspera de ser entregadas a los mismos.
Para una mayor comprensión del proceso descrito se muestra, a continuación, la figura 3.1
conformada por el diagrama de flujo correspondiente.
Figura 3.1 Representación gráfica del proceso de lavado.
Fuente: elaboración propia.
43
Etapa 3 Pronóstico de la demanda
Análisis del pronóstico de la demanda a mediano plazo
Paso 1 Determinación de los objetivos
El estudio tiene como objetivo fundamental realizar el pronóstico de la demanda a fin de
determinar los kg de ropa a lavar mensualmente por la lavandería “Clodomira Acosta
Ferrales”. Los resultados de esta investigación permitirán a la empresa prepararse con
anterioridad para garantizar el cumplimiento del plazo de entrega de los pedidos con la
calidad requerida.
Paso 2 Determinación del horizonte del pronóstico
El pronóstico va a ser realizado en un horizonte de tiempo de mediano plazo,
correspondiente a un año, comprendido entre abril del 2019 y marzo del 2020. Para los
directivos de la lavandería resulta de gran importancia los resultados que se obtienen en
este horizonte de tiempo pues permitirán tomar decisiones referidas a la organización de la
producción y la preparación de la capacidad productiva para cubrir la demanda
mensualmente.
Paso 3 Recopilación de los datos
Para el desarrollo de la investigación se cuenta con un registro histórico de datos que
recoge la lencería procesada por la lavandería durante el período correspondiente a enero
2016 - marzo 2019. Dichos datos se encuentran desglosados en meses según los kg por
tipo de lencería perteneciente a cada uno de los clientes a los que se les prestó el servicio.
La información recolectada para dicho estudio fue obtenida mediante entrevistas llevadas
a cabo con los dirigentes de la organización, así como la realización de un profundo análisis
de los documentos concernientes al proceso objeto de estudio. La base de datos
recolectada se muestra en un documento Excel titulado “Programas de lavado(BD)”
anexado a la tesis.
A partir del análisis de los datos obtenidos de los registros históricos de la lavandería se
detectó la existencia de valores atípicos, los cuales fueron eliminados y con ello el
componente irregular de la serie histórica. De acuerdo a lo anteriormente planteado
quedaron excluidos de la determinación del pronóstico de la demanda las entidades
siguientes: la Lavandería 28 de enero, Hotel Oasis, Hotel Elegua Cabaña., SPA Hicacos y
Hotel Villa Caribe.
44
Para el caso de la Lavandería 28 de enero la demanda solo ha existido en casos muy
esporádicos a causa de roturas en sus propias instalaciones, y no es cliente fija de la
entidad objeto de estudio.
El Hotel Oasis y el Hotel Villa Caribe son instalaciones que fueron demolidas por lo
que dejaron de ser clientes de la lavandería y el Hotel Elguea Cabaña y el SPA Hicacos
presentan pocos datos en sus registros históricos lo cual imposibilita cualquier análisis de
tendencia y durante el último año no han lavado ningún tipo de lencería en la entidad.
Por otra parte, existen programas de lavado en diferentes hoteles que no pudieron ser
analizados por la ausencia de datos y otros que fueron desarrollados de forma trimestral o
semestral, según el caso, a causa de la fluctuación en la frecuencia de lavado mensual.
Esta información queda recogida en las tablas 3.2 y 3.3 respectivamente.
Tabla 3.2 Relación entre programas de lavado excluidos del análisis y sus hoteles.
Hotel Programas
Hotel Solymar 24 y 25
Hotel Villa Caleta 35
Hotel Puntarena 35
Restaurante Barlovento 21,31 y 33
Club Tropical 35
Hotel Brisas del Caribe 22
Hotel Playa de Oro 22,25 y 35
Palmares Club Playa 25
Hotel Barlovento 24 y 25
Hotel Oasis Las Morlas 24,25 y 31
Hotel Velasco 25 y 35
Hotel Islazul Elguea 22 y 31
Hotel Canimao 24 y 25
Hotel Playa Caleta 24,25,31 y 35
Hotel Villa la Mar 24 y 25
Hotel Mar del Sur 35
Hotel Islazaul Los Delfines 25
Hotel Arenas Blancas 31
Hotel Arenas Doradas 22,24 y 25.
Fuente: elaboración propia.
Tabla 3.3 Relación entre programas de lavado analizados de forma semestral o trimestral
y sus hoteles.
Hotel Programas de lavado
Trimestral Semestral
SPA Plaza América 24 y 25 -
Hotel Solymar 22 31 y 35
Hotel Villa Lupe 2 -
45
Hotel Puntarena 24 y 25 31
Restaurante Barlovento - 35
Club Tropical 31 -
Hotel Aguas Azules 24 y 25 -
Hotel Brisas del Caribe 33 35
Hotel Acuazul Varazul 22,23 y 31 35
Hotel Playa de Oro - 24 y 31
Palmares Club Playa 22 -
Hotel Sun Beach 33 35
Hotel Barlovento 31 35
Hotel Oasis Las Morlas 33 -
Hotel Pullman Dos Mares - 24,25 y 35
Hotel Velasco - 31
Hotel Islazul Elguea 22 y 33 35
Hotel Canimao 1,21,31 y 33 35
Hotel Playa Caleta 1,2,21,23 y 33 -
Hotel Villa Cuba Resort 1,2,21,22,23 y 33 -
Hotel Villa la Mar 1,21,22,31 y 33 -
Hotel Mar del Sur 1,21,23,24,25 y 33 22 y 31
Hotel Islazaul Los Delfines 1,2,22,23 y 31 33 y 35
Hotel Villa Tortuga 1,21,22,23,24,25,31 y 33 35
Hotel Arenas Blancas 1,2,21,22,23 y 33 24 y 25
Hotel Arenas Doradas 1,2,21,23,31 y 33 35
Fuente: elaboración propia.
Paso 4 Representación gráfica de los datos
Los datos son representados con la ayuda del software Statgraphics Centurion XV. Este
paso permite realizar un análisis de tendencia y estacionalidad, así como ubicar las
desviaciones aleatorias, para tener una panorámica preliminar del comportamiento de los
componentes de la serie de tiempo.
Como ejemplo para la aplicación de este procedimiento se toma el hotel Brisas del Caribe,
de categoría 4 estrellas y modalidad Todo Incluido para toda la familia, perteneciente a la
cadena Cubanacán ubicado en Carretera Las Morlas km 12 1/2, Varadero, Matanzas, Cuba.
En el gráfico 3.1 se muestra la representación de las secuencias cronológicas de los datos
referidos a la demanda mensual del programa 2 correspondiente a las toallas blancas
lavadas por el túnel.
46
Grafico 3.1 Gráfico de secuencias cronológicas del programa 2 del hotel Brisas del Caribe.
Fuente: salida del software Statgraphics Centurion XV.
Como se aprecia en el gráfico anterior existe una clara tendencia y estacionalidad en la
serie histórica, donde en los meses de enero, febrero y marzo se aprecian valores elevados,
mientras en los meses de septiembre, octubre y noviembre se observan picos bajos en
función de la cantidad a lavar. De este análisis se decide tomar todos los valores para el
ajuste del mejor modelo a la serie de datos. Para el resto de los casos se procedió de la
misma manera.
Paso 5 Selección y aplicación del método de pronóstico más factible
Se selecciona el software Statgraphics Centurion XV, pues dispone de gran variedad de
módulos de pronósticos con una interfaz sencilla para el investigador, lo que facilita la
interacción con el programa. Además, sus diferentes salidas muestran un resumen de los
principales elementos que se tiene en cuenta para el cálculo del pronóstico, así como los
resultados que se obtienen y la representación gráfica de los mismos.
El software ofrece las estadísticas correspondientes al error que se introduce, los que se
exponen a continuación:
- La raíz del cuadrado medio del error(RMSE)
- El error absoluto medio (MAE)
- El porcentaje de error absoluto medio (MAPE)
- El error medio (ME)
- El porcentaje de error medio (MPE)
La selección del modelo de mejor ajuste para el cálculo del pronóstico se realiza a partir de
los modelos que al menos pasen las 5 pruebas que muestra el software y que tenga el
menor valor de la raíz del cuadrado medio del error (RMSE). Todo esto se realiza con un
nivel de confianza mínimo fijado en 95%,
0 10 20 30 40
Fila
0
3
6
9
12
15
18
(X 1000)
P 2
BrisC
ar
Gráfico Secuencias Cronológicas
47
Las pruebas antes mencionadas son las siguientes:
- RUNS = Prueba corridas excesivas arriba y abajo
- RUNM = Prueba corridas excesivas arriba y abajo de la mediana
- AUTO = Prueba de Box-Pierce para autocorrelación excesiva
- MEDIA = Prueba para diferencia en medias entre la 1ª mitad y la 2ª mitad
- VAR = Prueba para diferencia en varianza entre la 1ª mitad y la 2ª mitad
A continuación, se muestra a modo de ejemplo el análisis de los datos del programa 2
correspondiente a las toallas blancas que son lavadas por el túnel:
Pronóstico Programa 2 Brisas del Caribe
-Variable de datos: P 2 BrisCar
-Número de observaciones = 39
-Índice Inicial = 1/16
-Intervalo de Muestra = 1.0 mes(es)
-Longitud de la estacionalidad = 12
Los modelos utilizados para la selección del mejor ajuste son los siguientes:
(A) Caminata aleatoria con drift = -113.756
Ajuste estacional: Multiplicativo
(B) Tendencia lineal = -35176.6 + 51.8266 t
Ajuste estacional: Multiplicativo
(C) Suavización exponencial simple con alfa = 0.0335
Ajuste estacional: Multiplicativo
(D) Suavización exponencial De Brown con alfa = 0.0144
Ajuste estacional: Multiplicativo
En las tablas 3.4 y 3.5 se muestran las medidas de error de pronóstico de cada modelo y la
corrida de las pruebas de validación respectivamente.
Tabla 3.4 Medidas de error para cada modelo.
Modelo RMSE MAE MAPE ME MPE
(A) 4996.08 2319.69 63.9885 -609.065 -49.8305
(B) 2875.91 1524.72 77.2644 -488.926 -53.9731
(C) 2434.09 1225.68 15.5256 14.61 -7.03857
(D) 2472.97 1231.0 19.3902 -139.999 -12.0702
Fuente: salida del software Statgraphics Centurion XV.
48
Tabla 3.5 Pruebas de validación para cada modelo.
Modelo RMSE RUNS RUNM AUTO MEDIA VAR
(A) 4996.08 OK OK OK OK **
(B) 2875.91 * OK OK OK ***
(C) 2434.09 * OK OK OK ***
(D) 2472.97 OK OK OK OK ***
Fuente: salida del software Statgraphics Centurion XV.
Clave:
OK = no significativo (p >= 0,05)
* = marginalmente significativo (0,01 < p <= 0,05)
** = significativo (0,001 < p <= 0,01)
*** = altamente significativo (p <= 0,001)
A partir del análisis de los resultados que se obtienen y que se muestran en las tablas
anteriores pueden ser utilizados para el cálculo del pronóstico los modelos A y D por ser los
que pasan las 5 pruebas con un mínimo de 95% de nivel de confianza, pero se selecciona
el modelo D por ser el de menor error RMSE.
Paso 6 Análisis de los resultados
En la tabla 3.6 se revelan los resultados del pronóstico de la demanda arrojados por el
Modelo D Suavización exponencial De Brown con alfa = 0.0144.
Tabla 3.6 Resultados del pronóstico.
Límite en 95.0% Límite en 95.0%
Periodo Pronóstico Inferior Superior
4/19 8708.66 342.281 17075.0
5/19 6765.8 273.883 13257.7
6/19 4680.33 194.93 9165.74
7/19 5790.88 247.898 11333.9
8/19 5645.93 248.19 11043.7
9/19 2106.42 95.0015 4117.83
10/19 2136.83 98.7948 4174.87
11/19 1304.99 61.8024 2548.17
12/19 7105.14 344.417 13865.9
1/20 12066.2 598.261 23534.2
2/20 16054.2 813.624 31294.8
3/20 13041.7 675.158 25408.1
Fuente: salida del software Statgraphics Centurion XV.
49
La representación de la tendencia y la estacionalidad del pronóstico que se realiza se
muestran en el gráfico 3.2.
Grafico 3.2 Gráfico de secuencias en tiempo del programa 2 del hotel Brisas del Caribe.
Fuente: salida del software Statgraphics Centurion XV.
Con resultado del análisis del gráfico anterior se observa en el periodo pronosticado un
comportamiento similar en cuanto a la tendencia y estacionalidad con relación a la serie
histórica.
De similar manera se procedió para el cálculo de los restantes programas de lavado en el
hotel Brisas del Caribe y en las demás entidades a las que la lavandería les brinda el
servicio. Se construyó una tabla resumen de las salidas del software para cada hotel lo cual
queda expuesto en un documento Excel titulado”Pronóstico de la Demanda por Hotel”
anexado a la tesis.
En la tabla 3.7 se ofrece un resumen de los valores del pronóstico de la demanda para el
periodo comprendido desde abril 2019 a marzo 2020 de todos los programas de lavado en
el hotel Brisas del Caribe.
50
Tabla 3.7 Resumen del pronóstico de la demanda para el hotel Brisas del Caribe.
Fuente: Elaboración propia.
De acuerdo a los resultados mostrados en la tabla anterior se pronostica que el hotel Brisas del Caribe tendrá una demanda de lavado
de 250 775.544 kg de lencería en el período analizado, cuyo mayor peso residirá en el lavado de toallas blancas (programa 2), que
experimenta en el mes de febrero de 2020 el mayor incremento de todos los valores registrados para ese programa. El resto de los
valores de este programa se comportan en dependencia de la temporada; los más bajos son los referidos a los meses de septiembre,
octubre y noviembre debido a que es un periodo de baja tanto para el turismo nacional como internacional.; los valores intermedios le
corresponden a los meses de junio, julio y agosto, lo cual comprende el periodo de vacaciones de verano y por tanto el aumento del
turismo nacional. Por último, los meses más elevados, incluido el propio mes de febrero, son los meses de alza turística para el turismo
internacional, que comprende los meses desde diciembre hasta abril. En el caso de la clasificación de la lencería, se pronostica que
se lavará más del tipo felpa con un valor de 146 971.71 kg. Se hace necesario aclarar que en el caso de los valores de felpa y lisa no
51
están pronosticados, sino que se obtuvieron a partir de la sumatoria de los valores de los programas de acuerdo a su clasificación.
Para una mejor comprensión de los resultados expuestos se construye el gráfico 3.3.
Gráfico 3.3 Resultados del pronóstico de la demanda para el hotel Brisas del Caribe.
Fuente:elaboración propia.
La cantidad de kg de lencería a procesar por la lavandería en el periodo pronosticado de abril 2019 a marzo 2020 se muestra en la
tabla siguiente:
02000400060008000
1000012000140001600018000
Pronóstico de la demanda hotel Brisas del Caribe
P1 P2 P21 P23 P24 P25 P31 P33 P35
52
Tabla 3.8 Pronóstico de lencería a lavar por la lavandería “Clodomira Acosta Ferrales” en el periodo abril2019-marzo2020.
Fuente:elaboración propia.
A partir de los resultados obtenidos anteriormente se puede afirmar que se pronostica que la lavandería procese un total de 2 463
625.58 kg de lencería en el período de abril 2019 a marzo 2020. Este valor de demanda anual estará liderado principalmente por el
programa 1 que incluye el lavado de sábanas blancas por el túnel con 760 592.032 kg de lencería, pero no es este artículo el más
demandado sino las toallas blancas incluidas en el programa 2 y 21 respectivamente de las cuales se lava un total de 1 136 333.119
kg lo que representa el 46% del total de lencería a procesar en el periodo. Ambos artículos mencionados representan el 77% del total
de kg a proceasar debido a que se consideran de primera necesidad por su uso diario en las instalaciones hoteleras, cuyo cambio en
las habitaciones se realiza diariamente de acuerdo a lo expresado en la NC (2014), lo cual justifica valores tan altos de demanda de
Meses Felpa Lisa P1 P2 P21 P22 P23 P24 P25 P31 P33 P35
abr-19 113494.561 74597.8968 59428.2496 28643.7736 53978.6792 22128.0342 8744.07416 5456.68899 2142.209 1584.1674 5981.9289 4.65284
may-19 113401.671 59011.2799 46274.5373 29200.15 60036.7479 17481.732 6683.04164 5209.0333 1862.291 647.941 5013.527 3.95029
jun-19 61895.1517 33537.3073 26673.9256 38568.8125 14110.2303 5819.6976 3396.41133 2248.098 1087.789 777.19 2745.534 4.77061
Trimestre 42181.3159 27425.4709 18253.16 9929.676 16165.57 12549.434 3536.6359 783.38815 1067.9701 526.4538 6794.4988 0
Semestre 3110.85 4522.18976 0 0 0 3110.85 0 1939.8055 1072.683 859.5243 589.626 60.550959
jul-19 102769.845 65519.0635 55243.4326 43161.7273 38507.1547 15176.7029 5924.25968 2835.9608 1817.158 897.8791 4720.7086 3.92444
ago-19 104321.973 68166.2812 57321.7621 39310.6179 43643.7658 16225.6832 5141.90599 2865.248 1849.759 939.6201 5185.9704 3.92152
sep-19 40529.1441 27529.2374 20495.934 15956.9391 18111.4778 4528.82426 1931.903 2686.6248 1153.838 875.508 2313.466 3.86665
Trimestre 113501.629 74217.4162 57975.05 35630.406 47660.8 24038.159 6172.264 954.6597 3049.3612 1842.6343 10395.711 0
oct-19 53765.4025 38000.3576 28955.4123 19637.0693 26581.8404 4941.54512 2604.94774 4060.4973 975.273 828.714 3180.461 0
nov-19 18656.2309 23048.9367 17224.9348 3803.912 8001.45 3457.61163 3393.2573 3296.91363 542.3809 99.3039 1881.24506 4.15837
dic-19 102426.52 62833.3616 52222.0531 34830.7233 41472.4873 20385.0872 5738.22198 3880.3523 1464.858 772.9218 4487.90364 5.27283
Trimestre 98540.7618 61628.4952 48206.51 38925.027 33859.61 19604.3018 6151.823 782.83154 2613.5773 1104.64507 8920.9313 0
Semestre 127.954 3345.67709 0 0 0 127.954 0 335.299 348.87 1796.7082 814.072 50.727894
ene-20 113758.95 70339.7174 58642.5372 41271.5262 43994.2653 21701.4469 6791.71189 5012.8563 1472.792 766.6177 4441.0391 3.87505
feb-20 151998.425 88558.3001 76024.2597 53715.173 64153.2432 25298.0684 8831.94023 3970.7845 1641.117 725.0813 6194.0571 3.00049
mar-20 117684.21 71654.4164 58812.3434 33494.5491 52000.9367 23941.1008 8247.62359 3675.2397 1883.392 1835.9244 5444.026 3.4909
Trimestre 148785.529 101533.772 78837.93 46991.008 60983.77 28895.092 11915.6587 1485.02297 4301.0454 2414.26402 14495.51 0
Semestre 3110.85 4095.43305 0 0 0 3110.85 0 1541.5285 1124.862 798.5887 586.033 44.420847 TotalGeneral
Total anual 1504060.97 959564.61 760592.032 513071.09 623262.029 272522.175 95205.6801 53020.833 31471.2259 20093.6871 94186.2489 200.58369 2463625.58
53
lavado . Por otro lado, se pronostica en el período analizado procesar solo 200.58 kg de
lencería bajo tratamiento (programa 35). Este es el programa que menor demanda
experimentará en todo el año, debido a que no todos los hoteles lo solicitan y algunos lo
realizan en sus propias instalaciones; le sigue el lavado de sobrecamas, cortinas y frazadas
(programa 31), de mantelería de color (programa 25) y mantelería blanca (programa 24)
cuyos valores representan en conjunto solo el 4% del total de kg a procesar. Todo este
análisis realizado se apoya en el gráfico siguiente:
Gráfico 3.4 Representación porcentual del pronóstico de la demanda por programas de lavado para la lavandería “Clodomira Acosta Ferrales”.
Fuente:elaboración propia.
En el grafico 3.5 se representa la relación existente entre los hoteles que son clientes de la
lavandería y la cantidad anual de kilogramos de lencería que se pronostica que procese la
misma en respuesta a la solicitud de cada uno de ellos.
Gráfico 3.5 Relación entre los clientes de la lavandería y la cantidad de kg a procesar.
Fuente:elaboración propia.
P131%
P221%
P2125%
P2211%
P234%
P242%
P251%
P311%
P334%
P350%
P1 P2 P21 P22 P23 P24 P25 P31 P33 P35
050000
100000150000200000250000300000350000400000450000500000
SPA
Pla
za A
mér
ica
Soly
mar
Vill
a Lu
pe
Vill
a C
alet
a
Pu
nta
ren
a
Res
t.B
arlo
vnto
Clu
b T
ropi
cal
Agu
as A
zule
s
Bri
sas
del
Car
ibe
Acu
azu
l-V
araz
ul
Play
a d
e O
ro
Clu
b P
laya
Sun
Bea
ch
Bar
love
nto
Oas
is la
s M
orl
as
Cu
atro
Pal
mas
PullM
an D
os M
ares
Vel
asco
Elgu
ea
Can
imao
Play
a C
alet
a
Vill
a C
ub
a R
eso
rt
Vill
a La
Mar
Mar
del
Su
r
Los
Del
fin
es
Vill
a To
rtu
ga
Are
nas
Bla
nca
s
Are
nas
Do
rad
as
54
Un análisis del gráfico anterior permite concluir que los hoteles que más demandarán el
servicio de lavado en el período abril de 2019 a febrero de 2020 serán: Hotel Solymar al
liderar la lista con un valor anual de 462 020.003, seguido por los hoteles Brisas del Caribe
y Aguas Azules con un total de 250 775.544 y 234 112.321 kg respectivamente. Por su
parte el SPA Plaza América, Club Playa, y el hotel Velasco forman parte de las instalaciones
que menor demanda tendrán. Esta situación está dada por las razones siguiente:
- El SPA Plaza América es una instalación pequeña comparada con un hotel, lo cual
hace que se genere poco volumen de lencería y además muchas veces lavan junto
al hotel Melia Las Américas.
- Club Playa es una instalación de Palmares que no tiene frcuencia de lavado mensual
y que solo procesa toallas de color(programa22) y matelería a color(programa25).
- El hotel Velasco, es un hotel de ciudad, ubicado en la ciudad de Matanzas que no
tiene frecuencia de lavado mensual y que cuenta con un número pequeño de
habitaciones.
Análisis del pronóstico de la demanda a corto plazo
En el capítulo anterior se expone una metodología para la determinación del pronóstico
diario del servicio de lavado a través de modelos causales, el cual se desarrolla a
continuación para el día 15 de mayo del 2019, en uno de los clientes de la lavandería.
El hotel que se selecciona como ejemplo para el estudio es el Brisas del Caribe que tiene
una capacidad instalada de 444 habitaciones distribuidas en 184 de tipo King,112 Twin,68
King Triple y 80 Twin Triple. Esta instalación de acuerdo a los resultados arrojados en el
pronóstico a mediano plazo será la segunda que más lencería se deberá lavar en el periodo.
Además, cuenta con 3 restaurante especializados y un buffet. La entrega de las toallas de
piscina no se realiza en las habitaciones sino en un local aledaño a la misma donde el
cliente va y la solicita según sus necesidades.
Para facilitar los cálculos necesarios se utiliza una hoja programada de Microsoft Excel,
anexada a esta tesis con el título “Modelo causal” en el que se introducen todos los datos
necesarios. El día que se elige para desarrollar el método la ocupación del hotel era de 280
clientes para un total de 122 habitaciones ocupadas de las cuales 70 eran del tipo King,17
del tipo Twin, 24 Twin Triple y 11 King Triple. En la tabla 3.9 se muestran los datos a
introducir en el modelo causal para el cálculo de los artículos tipo CD y CP.
55
Tabla 3.9 Datos a introducir en el modelo causal a corto plazo para el cálculo de los artículos
de tipo CD y CP.
Fuente: elaboración propia.
Como se aprecia en la tabla anterior el modelo recoge los datos de la cantidad de
habitaciones ocupadas por cada tipo, el número de clientes, la monta de las habitaciones
conformada por la cantidad de artículos de cada tipo que presenta cada una (ver anexo 7)
y de ellos los artículos que sean de cambio planificado para el día con la cantidad de
habitaciones en las que se realizará.
Para el caso de los artículos de tipo CF se analizan los datos de la ocupación mensual del
hotel durante el año 2018 contra la cantidad de artículos de ese tipo (mantelería blanca, de
color y toalas de color) que se procesaron en la lavandería en el mismo período, con el
objetivo de calcular sus coeficintes de uso de cada uno de ellos. La tabla 3.10 muestra los
datos de entrada junto los resultados finales obtenidos luego del análisis.
Tabla 3.10 Determinación de la cantidad de kg de lencería a procesar de tipo CF.
Fuente: elaboración propia.
56
En la tabla anterior se determina que la cantidad de servilletas y mantelería blanca,
servilletas y mantelería de color y toallas de color que se debe lavar ese día es 7.94,6.65 y
65.66 kg respectivamente.
La cantidad total de lencería,de los tres tipos de artículos, que se debe procesar se muestra
en la tabla 3.11.
Tabla 3.11 Resultados generales del modelo causal.
Fuente: elaboración propia.
En total, para el día 15 de mayo de 2019 el hotel Brisas del Caribe debe entregar a lavar
1092.98 kg de lencería.
Para el enriquecimiento de la investigación se realiza una comparación entre el dato de la
cantidad real de lencería procesada por la lavandería correspondiente al día objeto de
estudio y el valor obtenido a través de la aplicación de los modelos causales. Se obtuvo
como información que se procesaron realmente 897.35kg de lencería. Este valor es menor
que le resultados obtenido por lo que se valida la utilidad del mismo.
Se pueden identificar entre las posibles causas de la diferencia entre el valor real y el
pronosticado las siguientes:
El valor del error natural asociado al pronóstico.
Violaciones a la NC (2014) que establece la frecuencia de cambio de lencería para
las instalaciones turísticas por parte de los trabajadores del departamento de ama
de llaves.
57
Que el cliente acepte la política medioambiental establecida por las entidades para
este proceso que plantea que la frecuencia de cambio de ropa de cama y toallas
puede ser menor a la establecida en la NC (2014).
Indisciplinas laborales asociadas a la desviación de recursos.
Errores en la cadena logística en cuanto a la transportación.
Conclusiones parciales
- A partir del análisis de los registros históricos de la lavandería se detectó la existencia de
valores atípicos y la ausencia de datos para clientes específicos de la entidad, lo cual
imposibilitó cualquier análisis de tendencia; por lo que quedaron excluidos de la
determinación del pronóstico de la demanda: la Lavandería 28 de enero, Hotel Oasis, Hotel
Elegua Cabaña., SPA Hicacos y Hotel Villa Caribe.
-La aplicación de la metodología propuesta permitió determinar, a través del método de
serie de tiempo, que el pronóstico de demanda de lavado para la lavandería “Clodomira
Acosta Ferrales “para el período abril 2019 a marzo 2020 es de 2 463 625.58 kg de lencería.
-Como parte de la aplicación parcial del modelo causal para el hotel Brisas del Caribe se
pronosticó que para el día el 15 de mayo de 2019 la demanda será de 1092.85 kg.
58
Conclusiones generales
1- La consulta de bibliografía actualizada, nacional e internacional, permitió elaborar el
marco teórico referencial que sustenta la investigación a través del cual se establece a
los pronósticos de la demanda como etapa esencial dentro del proceso de planificación
en la administración de operaciones.
2- Se diseñó un procedimiento compuesto por 3 etapas y sus procedimientos de apoyo
para determinar el pronóstico de la demanda a corto y mediano plazo en la lavandería
“Clodomira Acosta Ferrales”.
3- De la aplicación del procedimiento por serie de tiempo se obtuvo que la lavandería debe
procesar en el periodo de abril de 2019 a marzo de 2020, 2 463 625.58 kg de lencería
de la cual el 46 % será toallas blancas por lo que es la lencería de tipo felpa la de mayor
demanda.
4- Los meses de mayor demanda coinciden con el periodo de alza turística para el turismo
internacional y los hoteles que más lencería lavarán son Solymar, Brisas del Caribe y
Aguas Azules.
5- Se validó el modelo causal programado en Microsoft Excel para conocer la demanda
del servicio de lavado a corto plazo en función de la cantidad de turistas en el hotel y de
las habitaciones ocupadas.
59
Recomendaciones
1. Divulgar y/o sistematizar los resultados de esta investigación, con la finalidad de
lograr su consolidación teórico-práctica como apoyo a la etapa de planificación y
contribución al proceso de perfeccionamiento empresarial que se desarrolla en el
país.
2. Mantener el monitoreo constante sobre la demanda a mediano plazo para realizar
posibles modificaciones en el futuro.
3. Darles un mayor seguimiento a los hoteles que no se le pudo realizar el pronóstico,
así como a los programas que no pudieron ser calculados, para poder acceder a un
mayor número de valores que permitan establecer una tendencia y estacionalidad.
Bibliografía
1- Alfalla Luque, R.; García Sánchez, M. R.; Garrido Vega, P.; González Zamora, M.
d. M., y Sacristán Díaz, M. (2008). Introducción a la Dirección de Operaciones
Táctico-Operativa. Un enfoque práctico: Delta, Publicaciones Universitarias
Retrieved rom URL
2- Alfonso Rodríguez, D. (2018). Contribución a la planificación del servicio en la
lavandería Sol Meliá de CubaCan en Varadero. . Universidad de Matanzas Sede
Camilo Cienfuegos, Matanzas.
3- Almeda Barrios, Y. (2018). Contribución al control de ruido y su valoración
socioeconómica en instalaciones hoteleras. (Tesis en opción al título de Máster en
Administración de Empresas ), Universidad de Matanzas Sede Camilo Cienfuegos,
Matanzas, Cuba.
4- Arnoletto, E. J. (2007). Administración de la producción como ventaja competitiva.
In. Retrieved from www.eumed.net/libros/2007b/299/
5- Avendaño Argueta, J. M.; Cuevas Peñaloza, M. A.; Muñoz Garduño, J., y Torres
Zumosa, D. (2017). El enfoque estratégico proactivo en la Administración. Paper
presented at the Administración Gerencial, Fascículo 3.
http://www.academia.edu/5302270/COLEGIO_DE_BACHILLERES_ADMINISTRA
CI%C3%93N_GENERAL
6- Badiru, A. B. (2014). Handbook of Industrial and Systems Engineering (Second
Edition ed.): CRC Press Taylor & Francis Group.Retrieved rom URL
7- Bello, L. D., y Martínez, S. (2007). Una metodología de series de tiempo para el área
de la salud; caso práctico. vol.25. Retrieved from Scielo website:
8- Bembibre, C. (2011). Importancia del turismo. Retrieved from
https://www.importancia.org/turismo.php
9- Carballo Lantigua, G. (2018). Previsión de la demanda del servicio de lavado en la
lavandería “José Antonio Echeverría”. Universidad de Matanzas. Sede Camilo
Cienfuegos, Matanzas.
10- Castán Farrero, J. M.; Giménez Thomsen, C., y Guitart Tarrés, L. (2007). Dirección
de la Produción:Casos y aplicaciones (D. d. E. i. O. d. E. Univeritat de Barcelona
Ed.).Retrieved rom URL
11- Chapman, S. N. (2006). Fundamentals of Production Planning and Control (Primera
Edición ed.). USA: Pearson Education.Retrieved rom URL
12- Chase , R.; Jacobs, F., y Alquilano, N. (2014). Administración de operaciones.
Producción y cadena de suministros. In. Retrieved from
https://articulo.mercadolibre.com.ve/MLV-460939349-administracion-de-
operaciones-chase-y-jacobs-13a-ed-pdf-_JM
13- Chase, R., y Jacobs, R. (2013). Operations and supply chain management: McGraw-
Hill Higher Education.Retrieved rom URL
14- Chievenato, A. (2004). Introducción a la teoría general de la Administración.
15- (Séptima edición. ed.): s.l: Mc Graw Hill Interamericana Retrieved rom URL
16- Chopra, S., y Meindl, P. (2013). Administración de la cadena de suministro:
estrategia, planeación y operación: Pearson Educación.Retrieved rom URL
17- Companys Pascual, R. (1990). Previsión tecnológica de la demanda. Barcelona:
Boixerau Marcombo.Retrieved rom URL
18- Contreras Juárez, A.; Atziry Zuñiga, C.; Martínez Flores, J. L., y Sánchez Partida, D.
(2016). Análisis de series de tiempo en el pronóstico de la demanda de
almacenamiento de productos perecederos. www.elsevier.es/estudios-gerenciales
19- Cuanalo Bueno, D. I. (2017). La importancia del Turismo. Retrieved from La Inter
website: https://www.lainter.edu.mx/blog/2017/03/08/la-importancia-del-turismo/
20- Cuatrecasas, L. (2013). Diseño Avanzado de Procesos y Plantas de producción
Flexible. Técnicas de diseño y herramientas gráficas de soporte informático. (2ª ed.
ed.): PROFIT Editorial.Retrieved rom URL
21- Delgado Méndez, A. (2018). Previsión de la demanda en la lavandería “Clodomira
Acosta Ferrales”. Universidad de Matanzas, Sede Camilo Cienfuegos, Matanzas,
Cuba.
22- Delgado Rodríguez, D. (2018). Planificación de la capacidad en la lavandería “José
Antonio Echeverría”. (Tesis en opción al título de Máster en Administración de
Empresas ), Universidad de Matanzas, Camilo Cienfuegos, Matanzas, Cuba.
23- Diebold, F. X. (1999). Elementos de pronósticos (Vol. Vol. 1). México: International
Thomson Editores.Retrieved rom URL
24- Diéguez Matellán, E. (2008). Contribución a la planificación de servicios
complementarios extrahoteleros en destinos turísticos. Aplicación Varadero. (Tesis
en opción al grado científico de Doctor en Ciencias), Universidad de Matanzas, sede
"Camilo Cienfuegos", Cuba.
25- Domínguez Machuca, J. A.; García González, S.; Ruíz Jiménez, A.; Domínguez
Machuca, M. A., y Álvarez Gil, M. J. (1995). Dirección de operaciones. Aspectos
tácticos y operativos en la produccción y los servicios. Madrid. España: McGraw-
Hill/Interamericana de España.Retrieved rom URL
26- Ebert, R. J., y Adam, E. E. (1991). Administración de la producción y las
operaciones: conceptos, modelos y funcionamiento. México: Pearson
Education.Retrieved rom URL
27- Escobar Ojeda, I. (2011). Apuntes de la asignatura de: "Administración de
operaciones I". In. Retrieved from
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&u
act=8&ved=0ahUKEwiu4Ym5y9XYAhUKSt8KHTe9Ah0QFggmMAA&url=http%3A
%2F%2Fwww.tesoem.edu.mx%2Falumnos%2Fcuadernillos%2F2011.001.pdf&usg
=AOvVaw0Yr5yQalotksm8_-i_7ruY
28- Esteban, A. M.; Zárate, C. N.; Mortara, V. A., y Berardi, M. B. (2014). Obtención de
variables exógenas para mejorar la performance del pronóstico a partir de análisis
multivariado. Iberoamerican Journal of Industrial Engineering, V. 6(N. 12), pp. 200-
213. http://www.periodicos.ufsc.br
29- Fideredo Garzon, C. A. (2009). ADMINISTRACION DE INVENTARIOS (U. N. A. Y.
A. D. UNAD & E. D. C. B. T. E. INGENIERIA Eds.).Retrieved rom URL
30- Fornieles Sánchez, L. M. (2018, 30 noviembre 2018 ). Sobre el presente y futuro del
turismo cubano. Retrieved from
http://www.cubadebate.cu/noticias/2018/11/30/sobre-el-presente-y-futuro-del-
turismo-cubano/#.XI0vdzdZ2jI
31- Franco Aregullin, T. d. J. (2016). Administración de Operaciones I. Retrieved from
https://sites.google.com/site/tecnologicoao/unidad-ii---pronostico-de-la-demanda/2-
6-uso-de-software-en-pronosticos
32- Gaither, N., y Frazier, G. (2000). Administración de producción y operaciones (E. I.
Thomson Ed. 8va Edición ed.). México: International Thomson Editores.Retrieved
rom URL
33- Gómez, E. (2016). Operaciones en empresas de servicios.
http://www.eoi.es/blogs/emiliogomez/2016/02/18/operaciones-en-empresas-de-
servicio/
34- González, H. (2007). Aplicación de un Procedimiento para la Planificación y la
Organización Temporal del Proceso de Lavandería dentro de Hoteles de la Cadena
Sol Meliá en Varadero. (Tesis de Diploma), Universidad de Matanzas "Camilo
Cienfuegos",
35- González Riascos, M. (2010). Gestión de la producción. Cómo planificar y controlar
la producción industrial (1 ed.): Ediciones de la U.Retrieved rom URL
36- Groover, M. P. (2019). Fundamentals of Modern Manufacturing: Materials,
Processes and Systems (7th ed.): Wiley.Retrieved rom URL
37- Hellriegel, D.; Jackson, S. E., y Slocum, J. W. (2017). Administración: un enfoque
basado en competencias (S. A. Cengage Learning Ediores Ed. 12 ed.): Thomson
Learning.Retrieved rom URL
38- Hornik, K. (1991). Approximation capabilities of multilayer feedforward networks.,
Vol. 4(No. 2). http://doi.org/10,1016/0893-6080(91)90009-T
39- Huang, G.-B. (2003). Learning capability and storage capacity of two-hidden-layer
feedforward networks. IEEE Transactions on Neural Networks, Vol. 14.
40- Ipinza, F. A. D. A. (2012). Administración de las operaciones productivas. Un
Enfoque en Procesos para la Gerencia (Primera Edición ed.). Perú: Pearson:
Pontifica Universidad Católica del Perú.Retrieved rom URL
41- ITI, I. T. d. I. (2018). Herramientas para pronosticar la demanda Retrieved from
https://www.foreplanner.com/herramientas-para-pronosticar-la-demanda/
42- Izquierdo Ferrer, L. (2018, 27 diciembre 2018 ). MINTUR: 2019 será un año de retos
para el turismo cubano. Retrieved from
http://www.cubadebate.cu/noticias/2018/12/27/mintur-2019-sera-un-ano-de-retos-
para-el-turismo-cubano/#.XI0xWTdZ2jI
43- Khashei, M., y Bijari, M. (2010). An artificial neural network (p,d,q) model for
timeseries forecasting. Expert Systems with Applications, Vol. 37.
44- Krajewski, L.; Ritzman, L., y Malhotra, M. (2013). Operations management: process
and value chains (8th edition ed.): Pearson Education.Retrieved rom URL
45- Lockyer, K. (1993). La producción industrial, su administración (Vol. Vol. 1). México,
DF: Ediciones Alfaomega, S.A. de C.V.Retrieved rom URL
46- Marqués León, M. (2013). Modelo y procedimientos para la planificación de
medicamentos y materiales de uso médico en instituciones hospitalarias del territorio
matancero. (Tesis presentada en opción al grado científico de Doctor en Ciencias
Técnicas), Universidad de Matanzas, sede "Camilo Cienfuegos", Cuba.
47- Martínez García, Y. (2018). Continúa en crecimiento la planta hotelera del país
[Press release]. Retrieved from http://www.granma.cu/cuba/2018-07-12/continua-
en-crecimiento-la-planta-hotelera-del-pais-12-07-2018-19-07-21
48- Masini, J., y Vázquez, F. (2014). Compendio de Modelos Cuantitativos de
Pronósticos: El primer paso en las decisiones tácticas, es predecir la demanda: J.
Masini.Retrieved rom URL
49- Medina, A.; Hernández, R., y Nogueira , D. (2008). Previsión de la demanda. In E.
universitaria (Ed.), Fundamentos generales de la Logística. La Habana: Universidad
de Pinar del Río "Hermanos Saíz Montes de Oca.
50- Medina León, A. (2002). Técnicas de análisis Empresarial en la certeza e
incertidumbre.
51- Medina León, A., y Nogueira Rivera, D. (2004). Monografía: Previsión de la
demanda. Ciudad de La Habana, Cuba.
52- Merril, W. (1981). Introducción a la estadística económica. La Habana: MES, primera
reimpresión.Retrieved rom URL
53- Montgomery, D. C.; Jennings, C. L., y Kulahci, M. (2015). Introduction to time series
analysis and forecasting: John Wiley & Sons.Retrieved rom URL
54- Morales Higuera, R. (2017). Administración de Operaciones.
https://datospdf.com/download/administracion-de-operaciones-
_5a44c2a2b7d7bc422b8a5bf1_pdf
55- Morales, R. (2017). La historia del turismo en Cuba. Cuba Tesoro, La isla bonita.
http://www.cubatesoro.com/historia-del-turismo-en-cuba
56- Moreno Villacís, D.; Pinda Guanolema, B.; Salas Álvarez, W.; Almeda Barrios, Y., y
Ramírez Hernández, K. (2018). Herramientas Estadísticas para la administración.
Ecuador: Editorial Jurídica del Ecuador.Retrieved rom URL
57- Mujica, M. (2013 ). Cartilla de Administración de Operaciones
"https://issuu.com/mao1124/docs/cartilla_administracion_de_operacio"
58- Muller, M. (2019). Essentials of Inventory Management: HarperCollins
Leadership.Retrieved rom URL
59- Industria turística: Requisitos para la clasificación por categorías de los
establecimientos de alojamiento turístico, 127 C.F.R. (2014).
60- Nievel, B., y Freivalds, A. (2009). Ingenoería Industrial. Métodos, estándares y
diseño de trabajo. (Duodécima Edición ed.). México: McGRAW-
HILL/INTERAMERICANA EDITORES, S.A. DE C.V.Retrieved rom URL
61- Parada Curbelo, A.; Medina León, A.; Medina Nogueira, D.; Nogueira Rivera, D., y
Hernández Nariño, A. (2013). PRONÓSTICOS CON WINQSB monografias.umcc.cu
62- Partido Comunista de Cuba, P. (2016). Lineamientos de la Política Económica y
Social del Partido y la Revolución. Cuba: Gaceta Oficial de la República de Cuba
63- Pérez Navarro, A.; Medina León, A.; Alonso Elizondo, P., y Ramírez Pérez, N.
(2007). Métodos y técnicas para la previsión de la demanda.
monografias.umcc.cu/monos/2007/indeco/m07223.pdf
64- Ramírez Betancourt, F. D., y Valls Figueroa, W. (2011). Eficiencia de la calidad de
la Gestión. Guía de la Mejora. Revista Avanzada Científica., Vol. 13, pgs: 39-48. .
http://avanzada.idict.cu/avanzada/article/view/267/275.
65- Ramos Alfonso, Y. (2015). Modelo de gestión de reservas de eficiencia basado en
los costos de la calidad con enfoque generalizador. (Dr. Cs. José Antonio Acevedo
Suárez
66- Dr Francisco D. Ramírez Betancourt Tesis presentada en opción al grado científico
de Doctor en Ciencias Técnicas ), Universidad de Matanzas, Sede Camilo
Cienfuegos, Matanzas.
67- Render, B., y Heizer, J. (2014). Operations Management (11 edition ed.). USA:
Pearson.Retrieved rom URL
68- Render, B., y Heizer, J. (2015). Dirección de la producción y de operaciones:
decisiones tácticas (11 ed.): Pearson.Retrieved rom URL
69- Riggs, J. L. (1999). Production Systems: Planning, analysis and control (Tercera
Edición ed.). México D.F.: Editorial Limusa.Retrieved rom URL
70- Ríos, S. (1983). Análisis estadístico aplicado (Tercera Edición ed.). Madrid:
Paraninfo.Retrieved rom URL
71- Robbins, S. P., y Coulter, M. (2017). Management (14 edition ed.):
Pearson.Retrieved rom URL
72- Rodríguez Cortés, A. (2013). Planning of labor and materials to pharmaceuticals and
cosmetics plastic packaging random demand model., Universidad Militar Nueva
Granada, Bogotá, Colombia. Retrieved from
https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=2&cad=rja&u
act=8&ved=0ahUKEwi4lpTS5dXYAhUjTt8KHZsnCI4QFggqMAE&url=http%3A%2F
%2Frepository.unimilitar.edu.co%2Fbitstream%2F10654%2F11009%2F1%2FMOD
ELO%2520DE%2520PLANEACI%25C3%2593N%2520DE%2520MANO%2520DE
%2520OBRA%2520Y%2520MATERIALES%2520AR.pdf&usg=AOvVaw0Yuqbc_S
y4qLdehKErS12p
73- Rodríguez, E. (2009). Contribución a la Planificación del Proceso de Lavado en la
Lavandería "José Antonio Echeverría". (Tesis de Diploma), Universidad de
Matanzas "Camilo Cienfuegos",
74- S.A. (2013). Lavandería. Retrieved from http://proyectolavanderia.wordpress.com
75- S.A. (2016). Lavandería en el hotel: Calidad e higiene, la marca del hotel. Hostelpro.
www.revistahostelpro.com/pdf/HP-16-6.pdf
76- Santa Cruz, R., y Correa, C. (2017). Intermittent demand forecasting with time series
methods and artificial neural networks: A case study •. DYNA.
77- Schroeder, R.; Meyer Goldstein, S., y Rungtusanatham, J. (2011). Administración
de Operaciones. Conceptos y Casos contemporáneos (5ta ed. ed.). México: Mc
Graw-Hill.Retrieved rom URL
78- SME.com.ph. (2012). Demand Forecasting. Retrieved from
http://www.smetoolkit.org/smetoolkit/en/content/en/416/Demand-Forecasting
79- Stark, D.; Mould, D., y Schweikert, A. (2001). 5 steps to creating a forecast: with the
right process and tools, healthcare finance leaders don't need a PhD or a crystal ball
to predict the future. CBS Interactive.
http://findarticles.com/p/articles/mi_m3257/is_4_62/ai_n25338456/
80- Stoner, J. A. F.; Freeman, R. E., y Gilbert Jr., D. R. (1996). Management (Sexta
Edición ed.): Prentice-Hall, Inc.Retrieved rom URL
81- Suarez Miskoski, R.; Díaz Brizuela, A.; Dal Santo, M. A., y Varela, M. I. (2011).
MARCO DE REFERENCIA DE LA ESCUELA SECUNDARIA ORIENTADA.CICLO
ORIENTADO EN TURISMO.
"http://www.chubut.edu.ar/descargas/secundaria/marco_turismo.pdf"
82- Toro Ocampo, E. M.; Mejía Giraldo, D. A., y Salazar Isaza, H. (2004). PRONÓSTICO
DE VENTAS USANDO REDES NEURONALES Scientia et Technica, No 26.
83- Torres Gemeil, M.; Daduna, J. R., y Mederos Cabrera, B. (2007). Fundamentos
generales de la Logística (Vol. Primera Edición). Ciudad de La Habana y Berlín:
Editorial Universitaria, Universidad de Pinar del Río "Hermanos Saíz Montes de
Oca".Retrieved rom URL
84- UNWTO, W. T. O. (2008). Entender el turismo: Glosario Básico. Retrieved from
"http://media.unwto.org/es/content/entender-el-turismo-glosario-basico"
85- Valencia Cárdenas, M.; Ramírez Agudelo, S.; Tabares Muñoz, J. F., y Velásquez
Galvis, C. A. (2014). Métodos de pronósticos clásicos y bayesianos con
aplicaciones.Retrieved rom URL
86- Varela Matos, H. F. (2017). Determinación de los pronósticos de la demanda de
medicamentos en la Empresa Comercializadora y Distribuidora de Medicamentos
de Matanzas. (Tesis de diploma en opción al título de Ingeniero Industrial),
Universidad de Matanzas, sede Camilo Cienfuegos, Matanzas.
87- Vilcarromero Ruiz, R. (2013). La Gestión en la Producción. In. Retrieved from
http://www.eumed.net/libros-gratis/2013a/1321/index.htm
88- Vonderembse, M. A., y White, G. P. (1988). Operations Management. Concepts,
Methods, and Strategies (Second ed.). United States of America: West Publishing
Company.Retrieved rom URL
Anexos
Anexo 1 Composisción de Funciones de Administración de Operaciones por diversos autores.
Programación Libros Pron. Loc. Planif.Cap Plane.Agreg MRP Asig. Sec. Temp. Q CS ó Log. Serv. Cont G. Proy. MTTO
(Hellriegel et al., 2017)
x x
(Robbins y Coulter, 2017)
x x x x
(Fideredo Garzon, 2009)
x
(Render y Heizer, 2014)
X X X X X X X
(Morales Higuera, 2017)
x x
(Chase et al., 2014) x x x x x x x x x x x x x
(Render y Heizer, 2015)
x x x x x x x x x
(Gaither y Frazier, 2000)
x x x x x x x x x x x
(Mujica, 2013 ) x x x x x x x
(Castán Farrero et al., 2007)
x x x x x x
(Cuatrecasas, 2013) x
(Groover, 2019) X X X X X
(Muller, 2019) x x x
(Vilcarromero Ruiz, 2013)
x x x x x
Fuente: elaboración propia.
(González Riascos, 2010)
x x x
(Badiru, 2014) x x x x x x (Alfalla Luque et al., 2008)
x x x x
Leyenda
Pron. Pronóstico
Loc. Localización
Planif.Cap Planificación de la Capacidad
Plane.Agreg Planificación Agregada MRP Planificación de los Requerimientos de Materiales
Asig. Asignación
Sec. Secuenciación
Temp. Temporización
Q Calidad CS ó Log. Cadena de Suministro o Logística
Serv. Servicios
Cont G. Control de Gestión
Proy. Gestión de Proyecto MTTO Mantenimiento
Anexo 2 Cartera de clientes de la lavandería “Clodomira Acosta Ferrales”.
Sistema MINTUR o Terceros Entidad
Sistema MINTUR Hotel Aguas Azules
Sistema MINTUR Hotel Brisas del Caribe
Sistema MINTUR Hotel Velasco
Sistema MINTUR Club Tropical
Sistema MINTUR Hotel Acuazul Varazul
Sistema MINTUR Hotel Elguea
Sistema MINTUR Hotel Pullman Dos Mares
Sistema MINTUR Hotel Canimao
Sistema MINTUR Villa Mar del Sur
Sistema MINTUR Hotel Los Delfines
Sistema MINTUR Hotel Playa de Oro
Sistema MINTUR Hotel Sun Beach
Sistema MINTUR Hotel Barlovento
Sistema MINTUR Hotel Las Morlas
Sistema MINTUR Hotel Cuatro Palma
Sistema MINTUR Hotel Playa Caleta
Sistema MINTUR Hotel Puntarena
Sistema MINTUR Hotel Palma Real
Sistema MINTUR Hotel Villa Cuba
Sistema MINTUR Villa Tortuga
Sistema MINTUR Hotel A Blancas - Solymar
Sistema MINTUR SPA Plaza América
Sistema MINTUR Hotel Arenas Doradas
Sistema MINTUR SPA Brisas Hicacos
Sistema MINTUR Escuela Hotelería y Turismo
Sistema MINTUR Palmares Eventos
Sistema MINTUR Palmares Club Playa
Terceros Villa La Mar
Terceros Villa Lupe
Terceros Villa Caleta
Fuente: Departamento de Economía de la lavandería “Clodomira Acosta Ferrales”.
Anexo 3 Insumos del proceso de lavado.
Productos químicos de Suchel-Proquímia
Detergentes alcalinos
Polar (polvo) Humectantes Humex(detergente para lavar)
Tetrasol (líquido) Tetrasurf(producto enzimático)
Blanqueantes Tetraox (blanqueador oxigenado
Desmanches
Lenceclor (cloro blanqueador)
Tetraclor(base claro activo)
Noxid (desmanche desincrustante recuperador)
Neutralizantes PH-7 L 4*4 (desmanche-blanqueador)
Suavizante Acariz Magnum (desmanche detergente especial)
Producto para el tratamiento del agua
Prosam 66 Productos para desinfección de túneles
Deosal (desinfectante bactericida)
Desocal (desiccrustante)
BRU( Stonel)
Fuente: Departamento de Economía de la lavandería “Clodomira Acosta Ferrales”.
Anexo 4 Organigrama de la lavandería “Clodomira Acosta Ferrales”.
Fuente: Departamento de Economía de la lavandería “Clodomira Acosta Ferrales”.
Anexo 5 Pasos para determinar el pronóstico de la demanda por series de tiempo según
diferentes autores.
Autores Pasos
(Vonderembse y White, 1988)
1. Determinar los objetivos del pronóstico. 2. Desarrollar y probar un modelo. 3. Aplicar el modelo y considerar las restricciones en la aplicación del mismo. 4. Revisar y evaluar el pronóstico.
(Lockyer, 1993)
1. El consejo determina un objetivo de utilidad y/o de volumen para el año siguiente.
2. El departamento de ventas, al usar la información acerca de asuntos tales como ventas anteriores, conocimiento de las tendencias actuales e información sobre investigación de mercados, preparará un pronóstico tentativo y lo turnará a los departamentos de producción y finanzas.
3. El departamento de producción considerará la facilidad de cumplir con el pronóstico tentativo, al tener en cuenta los recursos de producción disponible. Como resultado de este escrutinio podría encontrarse que una o más secciones de la fábrica están sobrecargadas, mientras que otras quedan semiociosas. Se sugerirían modificaciones al pronóstico.
4. El departamento de finanzas examinará después el pronóstico enmendado para ver si cumple satisfactoriamente con la política de la compañía sobre utilidades e inversión. Al partir de este análisis el departamento de finanzas puede proponer otras modificaciones al pronóstico.
5. Al disponer de los comentarios de los departamentos de producción y finanzas, el departamento de ventas producirá otro pronóstico de ventas que también se escrutará. Con el tiempo después de una serie de intentos, se producirá un pronóstico aceptable para todos los interesados.
6. El pronóstico final de ventas se envía luego al consejo para su aprobación o rechazo.
(Diebold, 1999)
1. Ambiente de decisión y la función de pérdida. 2. Determinar el objeto del pronóstico. 3. Enunciar el pronóstico. 4. Determinar el horizonte del pronóstico. 5. Recopilar la información. 6. Seleccionar y aplicar los métodos.
(Stark et al., 2001)
1. Establecer las necesidades del negocio 2. Adquirir los datos 3. Construir el modelo 4. Evaluar los resultados 5. Aplicar el pronóstico
(Bello y Martínez, 2007)
1. Determinar si la secuencia de datos forma una serie no aleatoria 2. Análisis exploratorio de datos 3. Identificación de las componentes de una serie 4. Identificación del modelo 5. Análisis de residuales 6. Pronóstico 7. Conclusiones
(Medina et al., 2008)
1. Definición de los objetivos del estudio 2. Colecta de datos 3. Representación gráfica de los datos seleccionados 4. Selección y aplicación de los métodos más factibles 5. Cálculo de los errores del pronóstico 6. Determinación de la previsión
Fuente: Tomado de Marqués León (2013).
7. Estacionalidad (S) 8. Monitoreo del modelo
(SME.com.ph, 2012)
1. Determinar el uso del pronóstico. 2. Seleccionar los elementos a ser pronosticados. 3. Determinar el horizonte de tiempo para el pronóstico 4. Seleccionar el modelo de pronóstico. 5. Recopilar los datos. 6. Realizar el pronóstico. 7. Validar e implementar los resultados.
(Marqués León, 2013)
1. Determinación de los objetivos del pronóstico. 2. Determinación del horizonte del pronóstico. 3. Recopilación de la información. 4. Representación gráfica de los datos 5. Selección y aplicación del modelo para el pronóstico. 6. Evaluación de los resultados del pronóstico.
(Render y Heizer, 2014)
1. Determinar el uso del pronóstico 2. Seleccionar las partidas que se van a pronosticar. 3. Determinar el horizonte de tiempo del pronóstico. 4. Seleccionar un(os) modelo(s) de pronóstico. 5. Juntar los datos necesarios para hacer el pronóstico. 6. Validar el modelo de pronóstico. 7. Hacer el pronóstico. 8. Instrumentar los resultados.
Anexo 6 Características de los programas de lavado.
Programa 21. Toallas blancas de baño.
Fase Nivel de agua
T (°C)
Tiem-po
Químico Precio cuc/kgP
Dosis g/kgR
Costo parcial cuc/kgR
Comentarios
Prelavado Bajo 45°C
6 min
Tetrasurf 2.97 4 0.01188 Desagüe
Lavado Bajo 70°C
6 min
Polar 2.15 10 0.0215 Sin desagüe
Blanqueo Bajo 80°C
8 min
Tetraox 2.2 6 0.0132 Desagüe
No 1 SÁBANAS BLANCAS
MODULO NIVEL TEMP PRODUCTO DOSIS TOTAL COSTO
1 6 0 Tetrasurf 4 200 606 Promedio:6.4493 2 6 45
3 5 65 0 0
4 5 75 0
5 5 80 Tetrasol 14 700 1644.3
6 5 80 Tetraox 5 250 556
7 5 65
8 7 0
9 7 0
10 7 0
11 7 0
12 6 0 Acariz 4 200 218
PH 7L 1 50 117.5 3141.8
COSTO Kg ROPA LAVADA 6.28 C/Kg
No 2 TOALLAS BLANCAS
MODULO NIVEL TEMP PRODUCTO DOSIS TOTAL COSTO
1 6 0 Tetrasurf 4 200 606
2 6 45 Promedio 3307.5 3 5 70
4 5 75
5 5 80 Polar 14 700 1644.3
6 5 80 Tetraox 6 300 667.2
7 5 65
8 7 0
9 7 0
10 7 0
11 7 0
12 6 0 Acariz 5 250 272.5
PH 7L 1 50 117.5
Aclarados Alto AMB
3 min Precentrifu- gado 1 min 1er aclarado
Neutralizado Suavizado
Alto AMB
4 min Ph7 ACARIZ
2.3 1.07
1 5
0.0013 0.00535
Centrifugado10min. Final
Costo total 5.42 ¢/kgR Tiempo teórico total: 41 min.
Programa 22. Toallas de color.
Fase Nivel de agua
T
Tiempo
Químico Precio cuc/kgP
Dosis
g/kgR
Costo parcial
cuc/kgR
Comentarios
Enjuague Alto AMB 3 min Paso identificación
Lavado Bajo 45°C 8 min Tetrasurf
Polar
Tetraox
2.97
2.15
2.2
2
6
3
0.00594
0.0129
0.0066
Precentrifuga-do 1 min
Aclarados Alto AMB 3 min Precentrifuga-do
1 min
1er aclarado
Neutralizado
Suavizado
Alto AMB 4 min PH
ACARIZ
2.3
1.07
1
5
0.0013
0.00535
Centrifugado10min
Final
Costo total 3.31 ¢/kgR Tiempo teórico total: 33 min.
Programa 23. Toallas blancas con cloro, faciales y alfombrines.
Fase Nivel de agua
T
(°C)
Tiempo Químico Precio cuc/kgP
Dosis
g/kgR
Costo parcial
cuc/kgR
Comentarios
Prelavado Bajo 45°C 5 min Tetrasurf 2.97 5 0.01485 Desagüe
Lavado Bajo 60°C 8 min Tetrasurf
Polar
2.97
2.15
2
13
0.00594
0.02795
Precentrifugado 1 min
Blanqueo Bajo 45°C 10 min Tetraclor 1.13 12 0.01356 Sin desagüe
Neutralizado Medio AMB 4 min Tetraox 2.2 4 0.0088 Precentrifugado
Aclarados Alto AMB 3 min Desagüe
Neutralizado Suavizado
Alto AMB 4 min PH
ACARIZ
2.3
1.07
2
5
0.0046
0.00535
Centrifugado 8 min
Final
Costo total 8.11 ¢/kgR Tiempo teórico 39 min.
Programa 24. Manteles blancos
Fase Nivel de agua
T (°C)
Tiempo Químico Precio cuc/kgP
Dosis g/kgR
Costo parcial cuc/kgR
Comentarios
Enjuague Alto AMB 3 min Paso identificación
Prelavado Bajo 45°C 6 min Tetrasurf Polar
2.97 2.15
6 4
0.01782 0.0086
Desagüe
Lavado Bajo 70°C 8 min Tetrasurf Polar
2.97 2.15
2 13
0.00594 0.02795
Desagüe
Blanqueo Bajo 30°C 10 min Tetraclor 1.13 12 0.01356 Sin desagüe
Neutralizado Medio
AMB 4 min Tetraox 2.2 4 0.0088 Precentrifugado
Aclarados Alto AMB 3 min Desagüe
Neutralizado Suavizado
Alto AMB 4 min PH ACARIZ
2.3 1.07
2 5
0.0046 0.00535
Centrifugado 10 min Final
Costo total 9.26 ¢/kgR total: 60 min.
Programa 25. Manteles de color.
Fase Nivel de agua
T Tiempo Químico Precio cuc/kgP
Dosis
g/kgR
Costo parcial
cuc/kgR
Comenta-rios
Prelavado Bajo 45°C 5 min Tetrasurf 2.97 4 0.01188 Desagüe
Lavado Bajo 60°C 10 min tetrasurf
polar
2.97
2.15
2
12
0.00594
0.0258
Sin desagüe
Desinfección Bajo Tetraox 2.2 4 0.0088 Desagüe
Aclarados Alto AMB 3 min Precentrifugado 1min
1er aclarado
Neutralizado Suavizado
Alto AMB 4 min PH 7
ACARIZ
2.3
1.07
1
3
0.0023
0.00321
Centrifugado
8 min
Final
Costo total 5.80 ¢/kgR Tiempo teórico total: 34 min.
Programa 26. Sábanas blancas
Programa 31. Sobrecamas y colchas.
Fase Nivel de agua
Temp Tiempo Químico Precio cuc/kgP
Dosis
g/kgR
Costo parcial
cuc/kgR
Comenta-rios
Prelavado Bajo 40°C 5 min Tetrasurf 2.97 4 0.01188 Desagüe
Lavado Bajo 60°C 5 min Polar 2.15 12 0.0258 Sin desagüe
Blanqueo Bajo 80°C 6 min Tetraox 2.2 5 0.011 Desagüe
Aclarados Alto AMB 3 min Precentrifu-
gado 1min
1er aclarado
Neutralizado Suavizado
Alto AMB 4 min PH 7
ACARIZ
2.3
1.07
1
5
0.0023
0.00535
Centrifuga-
do
9 min
Final
Costo total 5.63¢/kgR Tiempo teórico total: 36 min.
Fase Nivel de agua
Temp Tiem-po
Químico Precio cuc/kgP
Dosis g/kgR
Costo parcial cuc/kgR
Comentarios
Enjuague Alto AMB 3 min Paso identificación Desagüe
Lavado Bajo 45°C 3 min Tetrasurf Polar
2.97 2.15
6 12
0.01782 0.0258
Sin desagüe
Desinfección Bajo 45°C 6 min Tetraox 2.2 3 0.0066 Desagüe
Programa 33. Fundas blancas.
Programa 34. Overoles
Fase Nivel de agua
T Tiempo
Químico Precio cuc/kgP
Dosis
g/kgR
Costo parcial
cuc/kgR
Comentarios
Enjuague ALTO
AMB 3min Paso identificación
desagüe
Prelavado Bajo 45°C 6 min Tetrasurf 2.97 6 0.01782
Desagüe
Lavado Bajo 60°C 3 min Tetrasurf
Polar
2.97
2.15
2
12
0.00594
0.0258
Sin desagüe
Desinfección Bajo 7 min Tetraox 2.2 4 0.0088 Desagüe
Aclarados Alto AMB 3 min Precentrifugado 1min 1er aclarado
Neutralizado Suavizado
Alto AMB 4 min PH 7 ACARIZ
2.3 1.07
1 3
0.0023 0.00321
Centrifugado 10 min Final
Costo total 3.85¢/kgR Tiempo teórico total: 33 min.
Fase Nivel de agua
Temp Tiem-po
Químico Precio cuc/kgP
Dosis
g/kgR
Costo parcial
cuc/kgR
Comentarios
Enjuague Alto AMB 3 min Paso identificación
Desagüe
Lavado Bajo 45°C 3 min Tetrasurf
Polar
2.97
2.15
6
12
0.01782
0.0258
Sin desagüe
Desinfección Bajo 45°C 6 min Tetraox 2.2 3 0.0066 Desagüe
Aclarados Alto AMB 3 min Precentrifugado 1min
1er aclarado
Neutralizado Suavizado
Alto AMB 4 min PH 7
ACARIZ
2.3
1.07
1
3
0.0023
0.00321
Centrifugado
10 min
Final
Costo total 3.85¢/kgR Tiempo teórico total: 33 min.
Aclarados Alto AMB 3 min Precentrifugado 1min
1er aclarado
Neutralizado Suavizado
Alto AMB 4 min PH 7
ACARIZ
2.3
1.07
1
3
0.0023
0.00321
Centrifugado
10 min. Final
Costo total 6.39¢/kgR Tiempo teórico total: 60 min.
Programa 35. Desmanche
Fase Nivel de agua
T Tiempo Químico Precio cuc/kgP
Dosis
g/kgR
Costo parcial
cuc/kgR
Comentarios
Recuperación Bajo 50°C
30min Noxid 3.55 20 0.071 Desagüe
Prelavado Bajo 45°C
6 min Tetrasurf 2.97 6 0.01782
Desagüe
Lavado Bajo 60°C
3 min Tetrasurf
Polar
2.97
2.15
2
12
0.00594
0.0258
Sin desagüe
Desinfección Bajo 7 min Tetraox 2.2 4 0.0088 Desagüe
Aclarados Alto AMB
3 min Precentrifuga-do 1min
1er aclarado
Neutralizado Suavizado
Alto AMB
4 min PH 7
ACARIZ
2.3
1.07
1
3
0.0023
0.00321
Centrifugado
10 min
Final
Costo total 6.39¢/kgR Tiempo teórico total: 90 min.
Fuente: Departamento de Dirección de la lavandería “Clodomira Acosta Ferrales”.
Anexo 7 Lencería empleada según tipo de habitación en el hotel Brisas del Caribe.
Fuente: elaboración propia
Habitación King Habitación Twin
Lencería Cant. Cant. Lencería Cant.
Sábana King 2 Sábana personal 4
Funda 4 Funda 4
Cubrecolchón King 1 Cubrecolchón personal 2
Sobrecama King 1 Sobrecama personal 2
Frazada 2 Frazada 2
Faldón 1 Faldón 2
Cortina doble 1 Cortina doble 1
Toalla de baño blanca 4 Toalla de baño blanca 4
Toalla de cara 2 Toalla de cara 2
Alfombrín 1 Alfombrín 1 Habitación King Triple Habitación Twin Triple
Sábana King 2 Sábana personal 6
Funda 6 Funda 6
Cubrecolchón King 1 Cubrecolchón personal 3
Frazada 3 Frazada 3
Faldón 2 Faldón 3
Cortina doble 1 Cortina doble 1
Toalla de baño blanca 6 Toalla de baño blanca 6
Toalla de cara 3 Toalla de cara 3
Alfombrín 1 Alfombrín 1
Sábana personal 2 Sobrecama personal 3
Sobrecama personal 1
Cubrecolchón personal 1
Sobrecama King
Ficha de Tesis de Diploma
Título Pronóstico de la demanda a corto y mediano plazo en la lavandería “Clodomira Acosta Ferrales”.
Autor Odailys Santana Martínez
Año 2019
Palabras clave Administración de operaciones, pronóstico, series de tiempo, modelo causal, servicio de lavandería
Área conocimiento
Gestión de Procesos y Cadena de Suministros
Universidad Universidad de Matanzas, sede “Camilo Cienfuegos”
Tutor(es) MSc. David Delgado Rodríguez
Resumen Las afectaciones en la planificación del proceso de lavado de la lavandería “Clodomira Acosta Ferrales” se encuentran influenciadas por la incertidumbre en su demanda futura. Por tal motivo el
problema científico a resolver en la investigación fue el desconocimiento de la posible demanda del servicio de lavado a corto y mediano plazo en la lavandería. El objetivo general consistió en desarrollar un procedimiento para la determinación del pronóstico de la demanda del servicio de lavado a corto y mediano plazo en dicha entidad. Para dar cumplimiento a este objetivo se diseñó una metodología compuesta de tres etapas y sus procedimientos de apoyo que integra la aplicación de modelos causales para el pronóstico a corto plazo y series de tiempo para el mediano plazo. Se emplearon herramientas informáticas y software como: Microsoft Excel, Statgraphics Centurion XV, EndNote X9 y Microsoft Visio. Como principales resultados se determinó que para el periodo de abril 2019 a marzo 2020 la lavandería debe procesar 2 463 625.58 kg de lencería donde febrero de 2020 y las toallas blancas serán el mes y el articulo de mayor demanda respectivamente. Se validó el modelo causal propuesto para el pronóstico a corto plazo con el cálculo para un día según la demanda del hotel Brisas del Caribe.
Sector Aplicación
Empresarial
Problema científico
Desconocimiento de la posible demanda del servicio de lavado a corto y mediano plazo en la lavandería “Clodomira Acosta Ferrales”.
Objetivo general
Desarrollar un procedimiento para la determinación del pronóstico de la demanda del servicio de lavado a corto y mediano plazo en la lavandería “Clodomira Acosta Ferrales”.
Objetivos específicos
1. Elaborar el marco teórico referencial de la investigación, respaldado por la consulta de literatura nacional e internacional actualizada sobre el tema de investigación objeto de estudio.
2. Proponer un procedimiento que integre herramientas y técnicas para pronosticar la demanda en la lavandería “Clodomira Acosta Ferrales” a corto y mediano plazo.
3. Aplicar el procedimiento propuesto en la lavandería “Clodomira Acosta Ferrales”.
Métodos Revisión de documentos, observación, Diagrama de flujo, Método de Series de Tiempo, Modelos causales. Herramientas informáticas
y software como: Microsoft Excel, Statgraphics Centurion XV, EndNote X9 y Microsoft Visio.
Resultado 1- La consulta de bibliografía actualizada, nacional e internacional, permitió elaborar el marco teórico referencial que sustenta la investigación a través del cual se establece a los pronósticos de la demanda como etapa esencial dentro del proceso de planificación en la administración de operaciones.
2- Se diseñó un procedimiento compuesto por 3 etapas y sus procedimientos de apoyo para determinar el pronóstico de la demanda a corto y mediano plazo en la lavandería “Clodomira Acosta Ferrales”.
3- De la aplicación del procedimiento por serie de tiempo se obtuvo que la lavandería debe procesar en el periodo de abril de 2019 a marzo de 2020, 2 463 625.58 kg de lencería de la cual el 46 % será toallas blancas por lo que es la lencería de tipo felpa la de mayor demanda.
4- Los meses de mayor demanda coinciden con el periodo de alza turística para el turismo internacional y los hoteles que más lencería lavarán son Solymar, Brisas del Caribe y Aguas Azules.
5- Se validó el modelo causal programado en Microsoft Excel para conocer la demanda del servicio de lavado a corto plazo en función de la cantidad de turistas en el hotel y de las habitaciones ocupadas.
