Académique Documents
Professionnel Documents
Culture Documents
Aportado por: William Ariel Sarache Castro, Ingeniero Industrial (CUI, 1993), Master en Produccin (UCLV, 1999)
y Candidato a Doctor en Ciencias Tcnicas.(UCLV). Profesor Asistente de la Universidad Nacional de Colombia
Ing. Jorge Santos Varguez MC.
Pgina 1
INTRODUCCIN
Son variados y similares los enfoques que con respecto al proceso de planificacin, programacin y
control de la produccin han sido tratados por diversos autores tales como Schroeder [1992],
Tawfik & Chauvel [1992], Nahmias [1997], Rigss [1998], Buffa & Sarin [1995], Meredith & Gibbs
[1986] entre otros, quienes establecen, en trminos generales, que este se inicia con las
previsiones, de las cuales se desprenden los planes a largo, mediano y corto plazo. Este enfoque,
a juicio del autor presenta algunas carencias, ya que carece del concepto integrador que en el
sentido vertical, debe comenzar en la estrategia empresarial y que en el sentido horizontal, debe
relacionarse con los dems subsistemas de la organizacin.
Otros autores como Starr, [1979], Companys Pascual, [1989], Ploss, [1987] y Chase & Aquilano
[1995], Adam & Ebert [1991], ofrecen en sus obras modelos de gestin de la produccin que, a
pesar de establecer un concepto integrador en el sentido vertical, no expresan claramente la
integracin en el sentido horizontal. Tal vez son Vollmann et al [1997] y Domnguez Machuca et
al [1995], quienes de acuerdo a la literatura consultada presentan un mejor enfoque, pues
consideran la integracin en ambos sentidos. Al respecto, este ltimo autor afirma que, el proceso
de planificacin y control de la produccin debe seguir un enfoque jerrquico, en el que se logre
una integracin vertical entre los objetivos estratgicos, tcticos y operativos y adems se
establezca su relacin horizontal con las otras reas funcionales de la compaa. Bsicamente las
cinco fases que componen el proceso de planificacin y control de la produccin son [Domnguez
Machuca 1995]:
1.
2.
3.
4.
5.
Es importante anotar, que de acuerdo con Domnguez Machuca [1995], estas fases se debern
llevar a cabo en cualquier empresa manufacturera, independientemente de su tamao y actividad,
aunque la forma como estas se desarrollen depender de las caractersticas propias de cada
sistema productivo. La figura 1, resume las principales fases mencionadas junto con los planes que
Ing. Jorge Santos Varguez MC.
Pgina 2
JERARQUA
FASE
PRODUCTO
ACTIVIDAD PRECISA
ESTRATGICA
Planificacin a largo
plazo
Plan de produccin
a largo plazo
Planificacin de la
capacidad a largo plazo
Planificacin
agregada o a
mediano plazo
Plan agregado de
produccin
Plan agregado de
capacidad
Programacin
maestra
Programa maestro
de produccin
Plan aproximado de
capacidad
Programacin de
componentes
Programa de
materiales
Plan detallado de
capacidad
Gestin de talleres
Programacin de
operaciones
Control de capacidad
Control de prioridades
Acciones de compra
TACTICA
OPERATIVA
Ejecucin y control
GESTION DE LA CAPACIDAD
PLANIFICACION EMPRESARIAL
Compras
Pgina 3
Mtodos Cualitativos: Mtodo Delphi, mtodo del juicio informado, mtodo de la analoga
de los ciclos de vida y mtodo de la investigacin de mercados.
Mtodos cuantitativos: Mtodos por series de tiempo y mtodos causales.
Pgina 4
TIPOS
METODOS
CUALITATIVOS
SERIES DE
TIEMPO
CUANTITATIVOS
CASUALES
NOMBRES
Delphi
Juicio informado
Analoga de ciclos de vida
Investigacin de mercados
No formales
Promedio simple
Promedio mvil
Promedio mvil ponderado
Suavizacin exponencial
Descomposicin clsica
Box-Jenkins
Regresin simple
Regresin Mltiple
Indicadores principales
Modelos economtricos
Regresin mltiple de series de tiempo.
Mtodo de ndices
HORIZONTE PLANEACION
Mediano y largo plazo
Corto plazo
Mediano y largo plazo
Corto y mediano plazo
Corto plazo
Corto plazo
Corto plazo
Corto plazo
Corto plazo
Corto plazo
Corto plazo
Mediano plazo
Mediano plazo
Corto plazo
Corto plazo
Mediano y largo
Mediano plazo
Pgina 5
Pgina 6
Pgina 7
III.
Un anlisis comparativo acerca de algunas de las citadas tcnicas fue desarrollado por Chase &
Aquilano [1995] y se presenta en la tabla 2.
Pgina 8
HIPOTESIS
Ninguna
Programacin con
simulacin
Programacin lineal,
mtodo del transporte
Programacin lineal,
mtodo simplex
Linealidad
Reglas de decisin
lineal.
Coeficientes de gestin
Reglas de bsqueda
de decisiones
TCNICA
Pruebas alternativas de planes por medio
del tanteo. No es ptimo pero si fcil de
desarrollar y comprender.
Prueba los planes agregados desarrollados
por otros mtodos.
til para el caso especial donde los costos
de contratacin y despido no son un
factor. Proporciona una solucin ptima.
Puede manejar cualquier nmero de
variables, pero muchas veces es difcil
formular. Proporciona una solucin ptima.
Utiliza coeficientes derivados
matemticamente para especificar las tasas
de produccin y los niveles de plantilla
laboral en una serie de ecuaciones.
Emplea el anlisis estadstico de decisiones
anteriores para tomar nuevas decisiones.
Se aplica a un slo grupo de gerentes y
no es ptimo.
Usa procedimientos de bsqueda de
patrones para encontrar los costos
mnimos de las curvas de costos totales.
Difcil de desarrollar, no es ptimo.
Cabe anotar que, debido a su fcil comprensin, tal vez las de mayor utilizacin por parte de los
empresarios son las de tipo manual a travs de grficos y tablas [Domnguez Machuca et al,
1995].
3. PROGRAMA MAESTRO
Una vez concluido el plan agregado, el siguiente paso consiste en traducirlo a unidades o tems
finales especficos. Este proceso es lo que se conoce como disgregacin [Domnguez Machuca,
1995], subdivisin [Adam & Ebert, 1991] o descomposicin [Narasimhan et al, 1996] del plan
Ing. Jorge Santos Varguez MC.
Pgina 9
En cuanto al horizonte de tiempo de un MPS, la mayora de los autores coinciden en que este
puede ser variable y que dependiendo del tipo de producto, del volumen de produccin y de los
componentes de tiempo de entrega, este puede ir desde unas horas hasta varias semanas y meses,
con revisiones, generalmente, semanales. As mismo, Chase & Aquilano [1995], agregan que, en
aras de mantener el control y evitar el caos en el desarrollo del MPS, es importante subdividir su
horizonte de tiempo en tres marcos:
En lo referente a los insumos para la obtencin del MPS es importante la consideracin de los
siguientes elementos [Domnguez Machuca et al, 1995]: el plan agregado en unidades de
producto, las previsiones de ventas a corto plazo en unidades de producto, los pedidos en firme
comprometidos con los clientes, la capacidad disponible de la instalacin o el centro de trabajo y
por ltimo, otras fuentes de demanda. Dentro del proceso de formalizacin del MPS, algunas de
las funciones claves que este debe cumplir son [Monks, 1991]:
Pgina 10
Con respecto a las tcnicas existentes para desagregar el plan agregado y traducirlo a un MPS, se
han desarrollado algunos modelos analticos [Monks, 1991; Domnguez Machuca, 1995; Schroeder,
1992; Narasimhan et al, 1996] y de simulacin los cuales, a juicio de los autores citados,
adolecen de los mismos problemas de la planificacin agregada, siendo los de mayor uso por
parte de los empresarios, los mtodos de prueba y error. No obstante, Narasimhan et al [1996],
plantea la existencia de otros mtodos para la desagregacin, a saber:
Mtodo de corte y ajuste: Pone a prueba diversas distribuciones de la capacidad para los
productos en un grupo hasta que se determine una combinacin satisfactoria.
Mtodos de programacin matemtica: Modelos de optimizacin que permiten la
minimizacin de los costos.
Mtodos heursticos: Al igual que en la planeacin agregada, permiten llegar a soluciones
satisfactorias aunque no ptimas.
Por ltimo y de acuerdo con Vollmann [1997], es importante anotar que un buen MPS debe
tomar en cuenta las limitaciones de capacidad y mantenerse factible desde este punto de vista, lo
cual puede lograrse aplicando las siguientes tcnicas:
Planificacin de capacidad usando factores globales (CPOF, Capacity Planning Using Overall
Factors).
Listas de capacidad (Capacity Bills).
Perfiles de recursos (Resourse profiles).
De estas, las ms utilizadas son las dos ltimas por su mayor exactitud
4. PLANEACION DE COMPONENTES
La planificacin de componentes, conocida tambin como la Planificacin de Requerimiento de
Materiales (MRP) es un sistema de planificacin y control de la produccin basada en
Ing. Jorge Santos Varguez MC.
Pgina 11
Ordenes de los
Clientes
Lista de
Materiales
(BOM)
rdenes de Compra
Programa
Maestro de
Produccin
(MPS)
Planeacin de
Requerimiento de
Materiales (MRP)
Plan de Materiales
Ordenes de Trabajo
Pronsticos
Datos de
Inventarios
Pgina 12
Pgina 13
Las pregunta 1 puede ser resuelta a travs de los anlisis de carga; las preguntas 2 y 3 se
resuelven con la aplicacin de las tcnicas de Secuenciacin y la programacin detallada y la
pregunta 4 con el anlisis de fluidez y el control insumo producto.
Asignacin de carga: En aproximacin a los conceptos de Heizer & Render [1997], Adam & Ebert
[1991], Lockyer [1995], Schroeder [1992] y Domnguez Machuca et al [1995], esta se define
como la asignacin de tareas a cada centro de trabajo o de proceso, que permite controlar la
capacidad y la asignacin de actividades especficas en cada centro de trabajo. En general las
tcnicas ms empleadas en la asignacin de carga son: Grficos Gantt, perfiles de carga o
diagramas de carga, mtodos optimizadores (algoritmo de Kuhn o mtodo Hngaro) y soluciones
heursticas (mtodo de los ndices).
Secuenciacin de pedidos: Esta actividad consiste, en la determinacin del orden en que sern
procesados los pedidos en cada centro de trabajo, una vez establecida la existencia de capacidad.
[Ibdem]. El problema de la Secuenciacin se hace ms complejo en la medida que aumenta el
nmero de centros de trabajo, sin importar la cantidad de pedidos; as mismo, es importante
tomar en cuenta el tipo de configuracin del taller, pues de esto depende la aplicabilidad de las
Pgina 14
FCFS: First come/ First serve (primero en llegar, primero en ser atendido).
FISFS: First In System/ First Serve (primero en el sistema, primero en ser atendido)
SPT: Shortes Processing Time (menor tiempo de procesamiento).
EDD: Earliest Due date (fecha de entrega ms prxima).
CR: Critical Ratio (razn critica o ratio crtico).
LWR: Least Work Remaining (mnimo trabajo remanente).
FOR. Fewest Operations Remaining (nmero mnimo de operaciones remanentes).
ST: Slack Time (tiempo de holgura).
ST/O: Slack Time per Operation (tiempo de holgura por operacin).
NQ: Next Queue (siguiente en la cola).
Programacin detallada: Determina los momentos de comienzo y fin de las actividades de cada
centro de trabajo, as como las operaciones de cada pedido para la secuencia realizada. [Adam &
Ebert, 1991]. Las tcnicas ms utilizadas son: programacin adelante y hacia atrs, listas de
expedicin, grficos Gantt y programacin a capacidad finita.
Ing. Jorge Santos Varguez MC.
Pgina 15
Control de insumo / Producto: Controlan los niveles de utilizacin de la capacidad de cada centro
de trabajo, mediante los informes de entrada/salida [Ibdem]. Para concluir y en consonancia con
Domnguez Machuca et al [1995] y Dilworth [1993], es importante aclarar, que con independencia
de la tcnica escogida, la programacin detallada y el control de operaciones a corto plazo, deben
ser diseadas y ejecutadas en funcin del alcance de dos objetivos bsicos: la reduccin de costos
y el aumento del servicio al cliente.
7. CONCLUSIONES
De los diferentes autores consultados se concluye que el enfoque jerrquico de la planificacin,
programacin y control de la produccin, presenta la perspectiva ms completa en el desarrollo
de las tareas que abarcan esta funcin, dado que permite una completa integracin en el sentido
vertical iniciando desde las decisiones a largo plazo en los niveles tcticos hasta llegar a los
aspectos mas detallados de la programacin en el muy corto plazo; as mismo permite una
integracin en el sentido horizontal de tal manera que la funcin de produccin interacta de
forma dinmica con las dems funciones de la empresa. Dentro del proceso de planificacin,
programacin y control que plantea dicho enfoque, las fases que son aplicables a cualquier tipo
de empresa y por las que debe transitar el administrador de operaciones son: Planificacin
estratgica o a largo plazo. Planificacin agregada o a medio plazo. Programacin maestra.
Programacin de componentes y Ejecucin y control. El desarrollo de dichas fases depender del
tipo de empresa y de la complejidad de sus operaciones y solo a travs de ellas la organizacin
se acercar a mejores niveles de competitividad y productividad.
Pgina 16
Pgina 17
Pgina 18
Pgina 19
Pgina 20
Para aclarar la terminologa Jalar es un principio que gobierna el flujo de materiales. Kanban es
un mtodo manual para implantar el sistema jalar. JIT se refiere a todo el sistema, al control del
flujo de materiales y a una filosofa administrativa. Sin embargo, en ocasiones en la industria, el
JIT puede no querer decir otra cosa que otro nombre para un sistema kanban.
El Principio de Jalar
Los sistemas jalar existen desde hace muchos aos y han surgido muchas definiciones para ellos.
La que se piensa que capta el verdadero espritu del concepto jalar es la administracin de la
interdependencia. Una caracterstica que distingue a un sistema jalar es su enfoque para manejar
la interdependencia, en particular en las operaciones de manufactura (Arogyaswamy y Simmons,
1991).
Con el fin de fabricar un producto, el trabajo se divide en tareas individuales, por lo comn
procesos de manufactura o de ensamble. Estas tareas son interdependientes y deben coordinarse.
Thompson define varios tipos de interdependencias, dos de los cuales, el secuencial y el recproco,
son relevantes para la planta de produccin
La interdependencia secuencial se muestra en la figura 10-9. La salida de cada operacin depende
de la entrada de una (o ms) operaciones anteriores, es decir, la operacin 2 depende del
material que fluye de la operacin 1, y la operacin 3 depende de la operacin 2. Si se detiene
la operacin 1 afecta todas las operaciones que le siguen. Sin embargo, si la operacin 3 se
detiene, no se afectan las operaciones anteriores; continuarn el procesado del material y esto
crear inventario en proceso, hasta que se llenen los "amortiguadores". Para reducir la
interdependencia entre las anteriores y posteriores y mantener la salida de la lnea de produccin,
es comn introducir amortiguadores entre las operaciones (figura 10-10). Estos amortiguadores
separan las operaciones y eliminan la interdependencia a menos que el amortiguador se vace
cuando se detiene una mquina anterior. Aun as, si ocurre una falla en la operacin 2, la
Ing. Jorge Santos Varguez MC.
Pgina 21
Amortiguador
Flujo de materiales
Flujo de informacin
La relacin en dos sentidos mostrada en la figura 10-11 puede ser el flujo de materiales hacia
adelante y el flujo de informacin hacia atrs. As, la operacin 2 depende de la operacin 1 en
el material, mientras que la operacin 1 depende de la operacin 2 en la informacin. En este
sistema, un paro en la operacin 3 afectar la operacin 2 por el flujo de informacin. De la
misma manera, la operacin 2 no comenzar a menos que obtenga la seal de informacin de la
Pgina 22
Eliminacin de desperdicio
Participacin de los empleados en la toma de decisiones
Participacin de los proveedores
Control total de la calidad
El desperdicio tiene una relacin estrecha con los procesos que agregan costo. De todos los tipos
de desperdicio, el inventario es el que ms atencin ha atrado. Se asegura que el exceso de
inventario cubre otros tipos de desperdicio. Al reducir el inventario, un objetivo del JIT, se
descubren estos problemas. Para ampliar este concepto, con frecuencia se usa una analoga con
un ro y sus piedras (figura 10-12). Las piedras son los problemas y el ro representa el material
que fluye por la planta. El nivel del ro se iguala al trabajo en proceso. Cuando el nivel del ro
es alto, los problemas estn cubiertos. Al bajar el nivel del ro quedan expuestos los problemas;
ste es el primer paso para resolverlos.
La participacin de los empleados como parte de la filosofa JIT va de la mano con la cultura de
los sistemas controlados por el mercado. En un sistema JIT esto se logra a travs del trabajo en
equipo y de delegar autoridad en los empleados. Se da ms responsabilidad a cada empleado en
Ing. Jorge Santos Varguez MC.
Pgina 23
La participacin de los empleados como parte de la filosofa JIT va de la mano con la cultura de
los sistemas controlados por el mercado. En un sistema JIT esto se logra a travs del trabajo en
equipo y de delegar autoridad en los empleados. Se da ms responsabilidad a cada empleado en
el proceso de produccin. Un ejemplo tpico es la responsabilidad de la calidad. En su expresin
mxima cada empleado puede parar toda la lnea de produccin, si la calidad no es satisfactoria.
Esto se conoce como Jidoka en la terminologa japonesa.
La participacin de los proveedores indica una relacin de trabajo distinta con los proveedores. En
lugar de verlos como adversarios, los proveedores se consideran socios. La tendencia es reducir el
nmero de proveedores y establecer asociaciones a largo plazo con ellos. Este proceso es tambin
parte del enfoque TQM. Su impacto es mayor cuando se implanta como parte de la filosofa JIT.
Pgina 24
Pgina 25
1993
1994
1995
1996
1997
Enero
742
741
896
951
1030
Febrero
697
700
795
861
1032
Marzo
776
774
885
938
1126
Abril
898
932
1055
1109
1285
Mayo
1030
1099
1204
1274
1468
Junio
1107
1123
1326
1422
1637
Julio
1165
1290
1303
1486
1611
Agosto
1216
1349
1436
1555
1608
Septiembre
1208
1341
1473
1604
1528
Pgina 26
1131
1296
1453
1600
1420
Noviembre
971
1066
1170
1403
1119
Diciembre
783
901
1023
1209
1013
Proceso
1.
2.
3.
4.
5.
6.
REGRESIN LINEAL
El mtodo de mnimos cuadrados trata de ajustar la lnea que minimice la suma de los cuadrados
de la distancia vertical entre cada uno de los puntos de los datos y su punto correspondiente en
la lnea (minimiza el cuadrado del error del pronstico)
Ecuaciones de la Regresin Lineal
F a bX
a D bX
b
XiDi n X D
Xi n X
Sxy
Nomenclatura
F
Pronstico
D
Demanda
X
Periodo
n
Numero de datos
b
Pendiente de la lnea
Ing. Jorge Santos Varguez MC.
( Di Fi) 2
n2
Pgina 27
ESTACIONALIDAD
Entenderemos por ndice estacional la cantidad de correccin necesaria en las series de tiempo
para ajustarse a una estacin del ao.
Estacionalidad ADITIVA
Esta variacin estacional, supone
simplemente que la cantidad estacional es
constante independientemente de la
tendencia o del promedio
Proyeccin que incluye la tendencia y el
factor estacional:
Tendencia + Factor estacional
Estacionalidad MULTIPLICATIVA
En esta variacin estacional, la tendencia
se multiplica por los factores estacionales.
La variacin estacional se incrementa en
la medida en que la tendencia aumenta
por cuanto su tamao depende de la
misma.
Proyeccin que incluye la tendencia y el
factor estacional:
Tendencia x Factor estacional
Ing. Jorge Santos Varguez MC.
Pgina 28
Ingreso
Mes
Ingreso
Mes
Ingreso
2446
17
2434
33
2676
2389
18
2542
34
2712
2365
19
2546
35
2740
2278
20
2615
36
2746
2312
21
2590
37
2749
2401
22
2596
38
2772
2456
23
2645
39
2685
2470
24
2613
40
2606
2497
25
2663
41
2611
10
2508
26
2656
42
2723
11
2560
27
2614
43
2765
12
2571
28
2493
44
2783
Pgina 29
2608
28
2487
45
2782
14
2597
30
2623
46
2813
15
2559
31
2679
47
2817
16
2410
32
2696
48
2859
Demanda
1998
1990
1999
2280
2000
2328
2001
2635
2002
3249
2003
3310
2004
3256
2005
3533
2006
3826
2007
4119
Pgina 30
de la distancia vertical entre cada uno de los puntos de los datos y su punto correspondiente en
la lnea (minimiza el cuadrado del error del pronstico)
Ecuaciones de la Regresin Lineal
F a bX
a D bX
b
XiDi n X D
Xi n X
Sxy
( Di Fi) 2
n2
Nomenclatura
F
Pronstico
Demanda
Periodo
Numero de datos
Pendiente de la lnea
SXY
Error estndar
Pgina 31
1. Las ventas semanales de huevo (en caja) en Saveway Supermarket en las 52 ltimas
Ventas
Semana
Ventas
Semana
Ventas
Semana
Ventas
556
14
510
27
579
40
553
517
15
477
28
618
41
531
530
16
486
29
598
42
531
513
17
631
30
631
43
497
488
18
631
31
631
44
519
463
19
625
32
625
45
528
473
20
603
33
603
46
492
453
21
591
34
591
47
470
451
22
560
35
560
48
446
10
468
23
556
36
556
49
423
11
468
24
561
37
561
50
436
12
492
25
544
38
544
51
454
13
500
26
538
39
538
52
478
Pgina 32
Ventas
EP-37
Alquileres
Mes
Ventas
EP-37
Alquileres
80
32
26
1296
281
132
29
27
1199
298
143
32
28
1276
314
180
54
29
1300
323
200
53
30
1370
309
168
89
31
1489
343
212
74
32
1499
357
254
93
33
1669
353
397
120
34
1716
360
10
385
113
35
1603
370
11
472
147
36
1812
386
12
397
126
37
1817
389
13
476
138
38
1798
399
14
699
145
39
1873
409
15
545
160
40
1923
410
16
837
196
41
2028
413
17
743
180
42
2049
439
18
722
197
43
2084
454
19
735
203
44
2083
441
20
838
223
45
2121
470
21
1077
247
46
2072
469
22
930
242
47
2262
490
Pgina 33
1085
234
48
2371
496
24
1090
254
49
2309
509
25
1218
271
50
2422
522
estn fuertemente ligados al nmero de turistas que visitan la ciudad. A lo largo de los
ltimos 12 aos se han obtenido los siguientes datos en millones.
Aos
10
11
12
Turistas
14
15
16
12
14
20
15
Pasajeros
1.5
1.0
1.3
1.5
2.5
2.7
2.4
2.0
2.7
4.4
3.4
1.7
Pgina 34
Mes
Clientes
836
56.72
849
70.13
845
67.95
849
69.06
845
61.21
845
71.93
849
80.62
855
93.70
854
88.65
10
854
86.98
11
854
92.09
12
851
95.24
Pgina 35
Demanda de tambores
10
a) Representar grficamente estos datos para ver si una ecuacin lineal podra describir
la relacin entre las apariciones televisivas del grupo y la venta de tambores graves.
b) Utilice el mtodo de regresin de mnimos cuadrados para deducir una ecuacin de
pronstico.
c) Cul sera el pronstico de ventas de los tambores, si la aparicin durante el pasado
mes fuera de 9 veces?, Cul sera la confiabilidad?
6. El Dr. Jerilyn Ross es un psiclogo de Nueva York especializado en el tratamiento de
Pgina 36
Aos
10
Pacientes
36
33
40
41
40
55
60
54
58
61
58.3
61.1
73.4
75.7
81.1
a) Utilizando un anlisis de tendencia cuntos pacientes cree usted que vera el Dr. Ross en
los aos 11, 12 y 13?
b) Con que precisin ajusta el modelo los datos?
c) Si la tasa de robos aumenta a 131.2 en el ao 11 Cuantos pacientes fbicos tratara el
Dr. Ross?
d) Si la tasa de robos desciende a 90.6 cul ser el nmero de pacientes?
3.2 PRONOSTICOS PARA POBLACIONES SIN TENDENCIAS
Yoyos Marca Yoho
Galaxy Industries est interesada en pronosticar la demanda semanal de sus yoyos marca Yoho en el ao prximo,
de modo que pueda asignar un presupuesto adecuado para esta divisin. Como los yoyos Yoho son un producto
ms bien maduro, Galaxy piensa que la demanda del ao prximo ser semejante a la de ste ao; por lo tanto
ha decidido basar su pronstico en las ltimas 52 semanas de demanda. La demanda semanal de yoyos (cajas de
12) durante las ltimas 52 semanas muestra a continuacin:
Semana
Demanda
Semana
Demanda
Semana
Demanda
Semana
1
2
3
4
5
415
236
348
272
280
14
15
16
17
18
365
471
402
429
376
27
28
29
30
31
351
388
336
414
346
40
41
42
43
44
Demanda
282
399
309
435
299
Pgina 37
395
438
431
446
354
529
241
262
19
20
21
22
23
24
25
26
363
513
197
438
557
625
266
551
32
33
34
35
36
37
38
39
252
256
378
391
217
427
293
288
45
46
47
48
49
50
51
52
522
376
483
416
245
393
482
484
Si un modelo flat (la demanda no aumenta ni disminuye con rapidez) resulta adecuado, un miembro del equipo
de ciencias administrativas de Galaxy Industries, Amy Chang, ha sugerido usar la tcnica de Pronstico del
Promedio Simple, en tanto que otro miembro, Bob Gunther, ha recomendado la tcnica de Promedio Mvil Simple
de cuatro periodos. Un tercer miembro, Carlos Gonzlez, tiene la impresin de que la tcnica de Pronstico de
Promedio Mvil Ponderado de cuatro periodos con valores de 0.4, 0.3, 0.2 y 0.1 mejorara el pronstico de la
demanda. Por ultimo George sugiere que se debe emplear la tcnica de Suavizacin Exponencial con un factor de
0.1. La gerencia desea determinar si puede usar un modelo sin tendencia para pronosticar la demanda, y, si es
as cual sera el pronstico de la demanda de Amy, Bob, Carlos y George para las siguientes doce semanas y cul
tcnica recomendara y por qu?
Tcnicas de Pronstico
Formulas
El periodo anterior
Ft+1= Dt
Ft+1=(Dt+Dt-1+Dt-2+Dt-3)/4
Ft+1=(wtDt+wt-1Dt-1+wt-2Dt-2+wt-3Dt-3)
(w1>w2>w3 >wn / w1+w2+w3 +wn = 1)
Ft+1=aDt+(1-a)Ft (a<=1)
Pgina 38
DESCRIPCIN
FRMULA
( Dn Fn)
n
Desviacin media
absoluta (MAD)
( Dn Fn)
n
Porcentaje de error
medio absoluto (MAPE)
( Dn Fn) (100 )
Dn
n
F
t
n
D
a
wi
Pronstico
Perodo
Perodo
Demanda
Factor de suavizacin (a <= 1)
Ponderacin para el periodo i (w1>w2..>wn y w1+w2+wn =1)
Proceso
7.
8.
9.
10.
11.
12.
13.
14.
Pgina 39
Problemas
1. El consumo mensual de agua en la Smith Insurance Agency durante el ao pasado, medido en
cientos de pies cbicos, fue:
Periodo
Mes
17
24
21
20
17
21
21
19
17
10
18
11
20
12
21
Pgina 40
2. Las ventas semanales (en cientos) de champ Pert en la cadena de farmacias SaveMor en las
ltimas 16 semanas son:
Semanas
Ventas
Semanas
Ventas
65
72
61
10
78
68
11
73
67
12
75
74
13
68
82
14
64
75
15
73
63
16
79
Selecciones
el mejor mtodo de pronstico y pronostique las tres prximas semanas. Use WINQSB para esta solucin.
3. La demanda mensual del producto X10 de la empresa Zelteck durante el ao pasado, medido en miles,
fue:
Mes
Demanda en 1000s
Enero
17
Febrero
24
Marzo
21
Abril
20
Mayo
17
Junio
21
Julio
21
Agosto
19
Septiembre
17
Octubre
18
Noviembre
20
diciembre
21
Grafique esta serie parece apropiado aplicar un modelo sin tendencia?
Use la regresin para demostrar que un modelo sin tendencia es razonable
Ing. Jorge Santos Varguez MC.
Pgina 41
Demanda
65
61
68
67
74
82
75
63
Semana
9
10
11
12
13
14
15
16
Demanda
72
78
73
75
68
64
73
79
La gerencia desea prever la demanda del champ para las prximas 4 semanas a fin de determinar una poltica
ptima de inventarios.
Grafique la serie de datos
Compruebe estadsticamente que un modelo sin tendencia es apropiado para realizar el pronstico.
Determinar el mtodo de pronstico ms adecuado usando WINQSB
5. El gerente de Burger King, est interesado de determinar una poltica optima de inventarios para las papas a
la francesa congeladas. El nmero de libras de papas a la francesa consumidas en el restaurante durante las
15 ltimas semanas fueron:
Semana
lbs.
Semana
lbs.
Semana
lbs.
16400
14800
11
17300
15500
16100
12
16800
18200
15600
13
17200
17400
16900
14
15700
16100
10
17700
15
16200
Pgina 42
Demanda
424
418
435
449
446
469
500
481
489
506
530
532
Meses
13
14
15
16
17
18
19
20
21
22
23
24
Demanda
546
557
559
554
573
574
604
611
626
636
649
643
Pgina 43