Académique Documents
Professionnel Documents
Culture Documents
SESIONES
aLD INTERMEDIAS
MAESTRÍA
SUPPLY CHAIN MANAGEMENT
o Ling, R. (marzo,2000). Para la verdadera integración empresarial, primero recurra a SOP. Traducido de APICS The
performance advantage pp. 1-8. (AR21408)
o Vollmann, T., Berry, W., Whybark, D. (1996). Administración de la demanda. En Administración integral de la producción
y de los inventarios (pp.69-96)(425p.). México D.F. : Limusa. (C21678)
o Gálvez, T. (febrero,2005). Efectividad de los pronósticos para SCM. Énfasis Logística pp. 12-24. (AR38939)
o Ibídem. Sistemas de pronósticos a corto plazo (pp.97-119). (C21411)
o Schroeder, R. (2005). Pronósticos. En Administración de operaciones: casos y conceptos contemporáneos (pp.228-262)
(601p.) (2a ed). México D.F. : McGraw Hill . (C21603)
o Manager´s guide to forecasting; David M. Georgoff and Robert G. Murdick
o Hanke, J., Wichern, D. (2010). Métodos de promedios móviles de suavización.
o Pronósticos en los negocios (pp.107-163)(9a ed). México, D.F. : Prentice Hall.
o Hanke, J., Wichern, D. (2010). La metodología Box-Jenkins (ARIMA). En Pronósticos en los negocios (pp.399-480)(9a
ed). México, D.F. : Prentice Hall.
o Forecasting automobile sales; Syed Shahabuddin; Department of Management Science and Operations Management,
Central Michigan University, Michigan, USA
o Douglas, M. (abril,2005). Continuidad en la cadena de abastecimiento ante el embate de las contingencias. Inbound
Logistics México pp. 57-63. (AR41368)
o O'Reilly, J. (junio,2006). Construyendo para el futuro. Inbound Logistics México pp. 52-58. (AR41371)
o Schroeder, R. (2005). Selección de tecnología. En Administración de operaciones:casos y conceptos contemporáneos
(pp.99-123)(601p.) (2a ed). México D.F. : McGraw Hill . (C21601)
o Forcinio, H. (septiembre,2005). RFID llamado a todos los integradores de sistemas. Inbound Logistics México pp. 51-
55.
o Douglas, M. (abril,2005). Sistemas ERP, la solución para fabricantes por proceso : alimentos y bebidas, los beneficiados
. Inbound Logistics México, 2 (3) pp. 16-19. (AR29465)
En adición, se ha tomado como material de consulta las presentaciones de los siguientes cursos y autores:
o Forecasting & Demand Planning: Germán Velásquez y Fernando Madariegue / Rubén Chumpitaz, Semana Internacional
o Gerencia de Operaciones y Métodos de Optimización: Aldo Bresani
o PEPSICO India, Implementación de un Proceso S&OP
TRABAJO GRUPAL 1
Dimensionamiento de Planta,
almacenes, Decisiones de
localización, Requerimientos de
inversión, Actividades de
Planificación
Ciclo de Vida del Producto y Pronóstico
Ciclo de Vida del Producto y Pronóstico
INTRODUCCIÓN
CRECIMIENTO
MADUREZ
DECLIVE
Los escenarios Posibles
Constancia de OK OK X X
las tasas de
influencia
Regularidad en OK X X X
la evolución de
los factores
explicativos
METODOS DE EXTRAPOLACIÓN MODELOS PROSPECTIVA
PREVISIÓN EXPLICATIVOS ?
METODOS PARA
PRONOSTICAR
PASOS BÁSICOS PARA
PRONOSTICAR LA DEMANDA
5
4
3
ESTABLECER
MEDIDAS DE
2 DETERMINAR
TÉCNICA
APROPIADA DE
DESEMPEÑO Y
ERROR
ENTENDER PRONÓSTICO
CLIENTES Y
FACTORES QUE
1 INTEGRAR PLAN Y
PRONOSTICO
INFLUYEN EN EL
PRONOSTICO
OBJETIVO DEL
PRONOSTICO
2. Integrar Plan y Pronóstico
Estrategias y Políticas
Ventas PRONOSTICO
Capacidad de planta
Maquinarias
Equipos
Recursos
Materias primas
Almacenes
Fuerza de trabajo
…entre otros.
3. Entender Clientes y Factores
que influyen …
¿Enlatados?
¿Métodos Cuantitativos?
¿Cualitativos?
¿Cuál?
¿Un poco de todo?
REDEFINIR
DEFINIR
MODELO
MODELO DE DE PRONOSTICO
PRONÓSTICO
PRONÓSTICO
¿DENTRO DE
ANÁLISIS
PARAMETROS?
DEFINICIÓN
DE ERROR
Medición de Exactitud del Pronóstico
ERROR
PRECISIÓN Y PRONÓSTICOS
Error absoluto
Error relativo
Error Cuadrático
¿Y cual usamos?.
Formas usuales de
calcular el error
… Otras formas de medir el error
Monitoreo y control de Pronósticos
… y así sucesivamente
+ / - 2 MAD, el 89% de los datos
+ / - 3 MAD, el 98% de los datos
+ / - 4 MAD, el 99.9% de los datos
Otros criterios para la selección
del mejor modelo de pronóstico
OPINIÓN DE EXPERTOS:
Elevado costo.
Tiempo de ejecución (todo el proceso)
Requiere masiva participación para que los resultados
tengan significancia estadística.
El grupo debe tener un alto grado de correspondencia
con los temas a ser tratados en el ejercicio.
Una parte crítica del método son las preguntas del
cuestionario.
Sesgos en la elección correcta de los participantes.
Elevado número de deserciones debido al tiempo.
CASO A REVISAR:
TRABAJO GRUPAL 2
Fuente:
Revista Tecnología y Desarrollo
VOLUMEN X. AÑO 2012
José Muruais Rodríguez
FUENTES DIRECTAS:
Enfoque en Ventas
Encuesta de Mercado
Encuestas de Mercado y modelos Basados en
Presunciones
Canales
Distribución
Fuerza de Venta
Encuestas de
Mercado
TIPOS DE MUESTREO
PROBABILÍSTICO NO
PROBABILÍSTICO
e : error
p : Proporción de ocurrencia estimada
Mr Tuna está evaluando ingresar al mercado Limeño con su producto Filete de Atún
“Mr Tuna” enriquecido con aceite de sacha inchi, con una presentación de 200 gr.
Lima cuenta con una población de 8´200,000 habitantes según data del 2006.
En los últimos seis años el crecimiento de Lima ha sido de 1.20%; 1.23%; 1.25%;
1.27%; 1.30% y 1.33% hasta el año 2006.
La familia limeña promedio está conformada por 4 integrantes y se estima que este
promedio se mantendrá.
Mr Tuna esta dirigido a los niveles A2, B y C1 que representan el 8%, 13% y
12.22% de la población en Lima respectivamente.
Se aplicó una encuesta para obtener mayores detalles y los resultados fueron los
adjuntos.
1. ¿Sra., su familia consume productos marinos envasados? Si 90% No 10 %
Adicionalmente, se tiene la información de que los precios por unidad de venta (Caja de 48
unidades) serían, de acuerdo al canal de venta: Supermercados S/. caja 120 / Puestos de
Mercados S/. caja 115 / Bodegas S/. caja 125 /Centros Mayoristas S/. caja 110
Estime las ventas en unidades, en cajas y en soles.
Pronóstico
estimado
de Ventas
en S/.
Precio
Promedio
ponderado Consumo
por Lata Ponderado
anual de
Consumo latas por
anual Total familia
de latas
TRABAJO GRUPAL 3
SERIES DE TIEMPO:
SERIES DE TIEMPO:
Componentes
1. Tendencia:
Es la dirección a largo plazo de una serie de tiempo.
2. Variación cíclica:
Comprende el ascenso y el descenso de una serie de
tiempo en periodos mayores de un año.
18-4
SERIES DE TIEMPO:
Componentes
3. Variación estacional
Esquema o patrón de cambio en una serie de
tiempo en un año.
Estos patrones tienden a repetirse cada año.
4. Variación irregular
4.1 Variaciones episódicas: Impredecibles,
pero identificables, como una inundación;
4.2 Variaciones residuales: Eventos aleatorios
por naturaleza.
PRONOSTICO DE CONSUMO
18-8
Método de Suavizamiento
exponencial
También llamado “de Alisamiento exponencial”, se usa para la
previsión de ventas a corto plazo basado en el principio de
extrapolación directa de las ventas observadas en el pasado.
?
18-5
Y ' a bt
tY (Y )(t ) / n
b
t 2 ( t ) 2 / n
Y t
a b
n n
18-6
EJEMPLO
1994 4.3
1995 5.6
1996 7.8
1997 9.2
1998 9.7
18-7
EJEMPLO 1 continuación
a = 3.00, b = 1.44
Entonces Y’ = 3.00 + 1.44(7) = 13.08
18-9
Tendencias no lineales
Si la tendencia es no lineal pero los incrementos tienden a ser un
porcentaje constante, los valores de Y se convierten en logaritmos y la
ecuación de mínimos cuadrados se determina con ellos.
log( Y ' ) [log( a)] [log( b)]t
18-10
8.0
7.0
6.0
5.0
4.0
Ventas (Miles) Promedio Movil Centrado
3.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Proyección de Tendencia y Estacionalidad
Método Multiplicativo
8.0
7.0
6.0
5.0
Índices de
Estacionalidad
4.0
Ventas (Miles) Promedio Movil Centrado
3.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
18-12
Desestacionalización de datos
7.0
6.0
5.0
10.0
4.0 9.0
8.0
3.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 7.0
6.0
5.0
y = 0.1471x + 5.0996
4.0
Ventas
3.0
Ventas desestacionalizadas
2.0
Lineal (Ventas desestacionalizadas)
1.0
0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
10.0
9.0
8.0
7.0
6.0
5.0
y = 0.1471x + 5.0996
4.0
Ventas
3.0 Ventas desestacionalizadas
2.0 Pronóstico
0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
TRABAJO Grupal 4 :