Академический Документы
Профессиональный Документы
Культура Документы
DE INGENIERIA QUIMICA
calidadtotal@hotmail.com 2012- II
OBJETIVO DE APRENDIZAJE
Para disear y ejecutar un sistema de operacin que satisfaga a los clientes, una empresa debe reconocer cunta demanda tiene que satisfacer, lo cul lo induce a tres interrogantes importantes: Como saber que producir? Como saber cuanto producir? Como saber cuando producir? La prediccin y administracin de la demanda ayuda a responder estas preguntas. La administracin de la demanda incluye identificar todas las fuentes potenciales de la demanda,as como influir en los niveles y la duracin de la demanda.Los intentos de medir la demanda inicial y los efectos de administrarla se denominan predicciones.
ORIENTACION GERENCIAL
Una organizacin empresarial dentro de su planeacin estratgica trata de responder estas dos preguntas: Cmo satisfacer totalmente a los clientes? Cmo hacerlo mejor que la competencia? Una parte integral de la planeacin estratgica de una empresa incluye la identificacin y el anlisis de las fuentes actuales y potenciales de demanda de sus bienes y servicios. La firma debe determinar cules fuentes de demanda cultivar y cmo satisfacer la demanda anticipada.
ORIENTACION GERENCIAL
DEFINICION: La Administracin de la demanda implica reconocer fuentes de demanda para los bienes y servicios de una Empresa, predecir la demanda y determinar la manera cmo la empresa satisfar esa demanda.
QU ES PRONOSTICAR?
Es el arte y la ciencia de predecir los eventos futuros . Puede involucrar el manejo de datos histricos para proyectarlos al futuro, mediante algn tipo de modelo matemtico. Puede ser una prediccin subjetiva o intuitiva. O bien una combinacin de ambas,es decir un modelo matemtico ajustado por el buen juicio de un administrador de operaciones. Cuanto vender?
Estimacin de la demanda
Pronstico de Ventas
Equipo de Administracin
Estrategia de Negocios
Tiempo
Comienzo del Pronstico Lnea de Products, Capacidad de Planta Grupos de Productos Capacidad de Dptos.
Ao
Meses
MARKETING
OPERACIONES
Proporciona informacin relacionada con el mercado Se encarga de asegurar que los bienes y servicios y las predicciones de la demanda. de la Empresa se proporcionen cuando se Administra la demanda mediante polticas de necesiten. fijacin de precio y promociones p.e. los descuentos de temporada nivelan la demanda por un producto o servicio.
10
TIPOS DE PRONSTICOS
11
PRONOSTICOS ECONOMICOS
Sirven para pronosticar lo que sern las condiciones generales de los negocios dentro de algunos meses o aos. Lo hacen los gobiernos, los bancos y los servicios de prediccin economtrica.
PRONOSTICOS TECNOLOGICOS
Pronostican la probabilidad y el significado de posibles desarrollos futuros.Indican la direccin de los cambios tecnolgicos y la tasa de cambios esperada.
PRONOSTICOS DE LA DEMANDA
Las predicciones de demanda pronostican la cantidad y la duracin de la demanda de los bienes y servicios de una empresa.
15
17
METODO DELPHI
Este mtodo involucra a un grupo de expertos que comparten informacin y eventualmente llegan a un consenso en una prediccin a largo plazo con respecto a las tecnologa del futuro o a las ventas futuras de un nuevo producto. Esta conformado por tres tipos de personas: Los decisores (Decision Makers). Facilitadores (Staff). Los encuestados (Respondents).
FUERZA DE VENTAS
En muchas compaas la fuerza de ventas entra en contacto directo con los clientes lo cual constituye una buena fuente de informacin que considera las intenciones de los clientes a corto y a mediano plazos:
Cada vendedor proyecta sus ventas. Se combina niveles distritales y nacionales. La fuerza de ventas conoce a los clientes. Tienden a ser demasiado optimistas
Sales
19
DEFINICION: Una serie de tiempo es una secuencia de observaciones cronolgicamente clasificadas que se toman a intervalos regulares para una variable en particular.
Tendencia
Cclica
Estacional
Aleatorio
23
METODOS CUANTITATIVOS
Promedio Mvil
Suavizado Exponencial
Proyeccin Tendencia
Regresin Lineal
24
TENDENCIAS
Las tendencias reflejan los cambios en la tecnologa, los estndares de vida, los ndices de poblacin ,etc.. DEFINICION: Una tendencia es el movimiento gradual hacia arriba o hacia debajo de los datos en el tiempo. Las tendencias son montonas, pero no siempre lineales; pueden ser logartmica o exponenciales.
Response
ESTACIONALIDAD
Las variaciones de temporada pueden corresponder a las estaciones del ao, a los das festivos o a diferentes momentos del da o la semana. DEFINICION: La temporada es la variacin que se repite a intervalos fijos. Pueden durar un ao o solo unas pocas horas.
Summer Response
Mo., Qtr.
ESTACIONALIDAD
Perido de tiempo del Patrn donde es repetido Nmero de Estaciones en el Patrn
Longitud de la Estacin
4 12 52 4 28-31 7
28
VARIACIONES CICLICAS
Las alzas y las bajas de la economa o de una industria especificas se representan en variaciones cclicas . El ciclo de negocios que se repite de cinco a diez aos es un ejemplo. DEFINICION: La variacin cclica tiene una duracin de por lo menos un ao; la variacin varia de un ciclo a otro.
Cycle Response
VARIACIONES ALEATORIAS
Las variaciones aleatorias son variaciones en la demanda que no pueden explicarse mediante tendencias , variaciones de temporada o variaciones cclicas. Un suceso impredecible, como una guerra, una huelga, un terremoto o partes de legislacin, puede causar grandes variaciones aleatorias. A diferencia de las otras tendencias , la variacin aleatoria siempre esta presente.
Ao 3
Ao 4
31
Mvil Prom(n = 3) NA NA NA
NA NA NA 4 + 6 + 5 = 15
Mvil Prom(n = 3) NA NA NA
NA NA NA 6 + 5 + 3 = 14
4 + 6 + 5 = 15 15/3 = 5.0
Ventas 8 6 4 2 0 08 09
Actual
Pronstico
10 11 Ao
12
13
40
41
45
Ft= (Peso para el periodo n)(Demanda periodo n) pesos Donde : Ft = prediccin para el perodo n n = nmero de perodos por promediar
30 25 20 15 10 5 0
Ventas actuales
Promedio mvil
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Meses
51
52
53
30
Sales demand
25 20 15 10 5 | | F | M | A | M | J | J | A | S | O | N | D
59
4 47
Figure 4.2
2006 Prentice Hall, Inc.
MODELOS DE SUAVIZADO
Los modelos de suavizacin, como el promedio de desplazamiento simple y la suavizacin exponencial, pueden proporcionar predicciones razonables a corto plazo con rapidez y a bajo costo. Suavizacin exponencial:
62
175.00 +
2012
2013
190
NA
63
2012
2013
190
NA
64
2012
2013
190
NA
65
2012
2013
190
NA
66
2012
2013
190
NA
67
2012
2013
190
NA
68
2012
2013
190
NA
69
2012
2013
190
NA
2012
2013
190
NA
Actual
Pronstico
10 11 Ao
12
13
72
Prior Period
10%
Prior Period
10%
9%
Prior Period
10%
9%
8.1%
10% 90%
9%
8.1%
76
10% 90%
9%
9%
8.1%
77
10% 90%
9%
9%
8.1%
0.9%
78
IMPACTO DE
250 200
Actual Tonage
150 100 50 0 1 2
5 Quarter
9
79
La suavizacin exponencial simple falla al responder a las tendencias. Para suavizar nuestras correcciones por tendencias se calcula un promedio de suavizacin exponencial simple como el anterior, y se ajusta para retrasos positivos y negativos. La ecuacin de la tendencia emplea una constante de suavizacin Beta, de la misma manera que el modelo simple utiliza Alfa. Ejemplo: Estimar las ventas para el ao siete tomando en cuenta una tendencia inicial de 22.73, un = 0.3, una = 0.50, y un pronstico inicial de 340. Adems, establezca el MAD.
Ao 1 Ventas 400
2 470
3 500
4 530
5 560
6 595
Ejemplo: La demanda de energa elctrica de Lima entre 2005 y 2011 es la que se muestra en megawatts en la tabla a continuacin. Ajustar con una lnea recta y pronosticar la demanda del 2012 y 2013.
AO DEMANDA 2005 74 2006 79 2007 80 2008 90 2009 105 2010 142 2011 122
Periodo
1 2 3
Demanda
74 79 80
x2
1 4 9
xy
74 158 240
2008
2009 2010 2011
4
5 6 7
90
105 142 122
16
25 36 49
360
525 852 854
Sumatoria
28
692
3063
n ( XY ) ( X )( Y ) b n( X 2 ) ( X ) 2 Y X a b n n
Y tenemos que: b = 10.54 y a = 56.70 Entonces: (demanda 2012) = 56.70 + 10.54 (8) = 141 megawatts (demanda 2013) = 56.70 + 10.54 (9) = 152 megawatts
PROYECCIONES DE TEMPORADA
Las proyecciones de temporada se dan para un perodo dado: IBM al igual que muchas empresas, experimenta la demanda de temporada, 1. Pronstico=Indice Estacional *Pronostico de la tendencia Estacional
PROYECCIONES DE TEMPORADA
Ejemplo: A continuacion se muestra las ventas mensuales de computadoras laptop IBM en Hardwareland para 2010 y 2011.
MES ENERO FEBRERO MARZO ABRIL MAYO
DEMANDA DE VENTAS
2010 80 75 80 90 115
JUNIO
JULIO AGOSTO SETIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE
110
100 90 85 75 75 80
120
110 110 95 85 85 80
115
105 100 90 80 80 80 1128
94
94 94 94 94 94 94
1.223
1.117 1.064 0.957 0.851 0.851 0.851
(I): Demanda mensual promedio = 1128/12 = 94 (II): Indice estacional = (Demanda promedio 2010-2011)/Demanda mensual promedio
PROYECCIONES DE TEMPORADA
Utilizando estos indices estacionales, si se espera que la demanda anual para 2012 de computadoras sea 1200 unidades, la demanda mensual se pronosticara de la siguiente forma: MES DEMANDA MES DEMANDA
ENERO
FEBRERO MARZO ABRIL MAYO JUNIO
(1200/12)*0.957 = 96 JULIO
(1200/12)*0.851 = 85 AGOSTO (1200/12)*0.904 = 90 SETIEMBRE (1200/12)*1.064 = 106 OCTUBRE
(1200/12)*1.117 = 112
(1200/12)*1.064 = 106 (1200/12)*0.957 = 96 (1200/12)*0.851 = 85
Ejemplo 1:
Informacin suministrado por el Departamento de Estadsticas de la ciudad, el nmero de carros que transitaron en los ltimos 7 aos fueron:
La nueva ventana permitir distinguir entre diferentes mtodos de solucin para seres de tiempo:
ERROR DE PRONOSTICO
CFE
= Et
i= 1
113
Sumatoria pronostico.
de
los
errores
de
MAD =
n
MAD =
Veamos un ejemplo
Muestra la magnitud del error global. No penaliza los errores extremos. No anula los errores. No da idea de la direccin del error. En unidades originales.
117
Trimestre 1 2 3 4 5 6 7 8 9
175
176 = 175 + 0,10 ( 180 175) 175 = 175,50+0,10 (168 175,50) 173 = 174,75+0,10 (159-174,75) 173 = 173,18+0,10 (175+173,18) 175 = 173,36+0,10(190-173,36) 178= 175,02+0,10(205-175,02) 178 = 178,02 + 0,10 (180-178,02) 179 = 178,22 + 0,10 (182-178,22)
178
173 166 170 180 193 186 184
Para evaluar la precisin de ambas constantes de suavizado, calculamos los errores de pronstico en trminos de desviaciones absolutas y MAD.
2
3 4 5 6 7 8
168
159 175 190 205 180 182
176
175 173 173 175 178 178
8
16 2 17 30 2 4
178
173 166 170 180 193 186
10
14 9 20 25 13 4
84
100 12,50
MAD =
desviaciones n
=10,50
Con base en este anlisis, una constante de suavizado de =0,10 es preferible a = 0,50 por que su MAD es ms pequea. Se debe encontrar la constante de suavizado con el menor error de pronstico.
225
Demand
200
Actual demand
= .5
175
= .1
150 | 1 | 2 | 3 | 4 | 5 Quarter
2006 Prentice Hall, Inc. 4 54
| 6
| 7
| 8
| 9
MSE =
(errores de pronstico) n
Sigamos con el ejemplo del puerto del Callao para determinar el MSE
(Error)
2
1 2 3 4 5 6
5 = 25
2
2
= 289 = 900
7
8
180
182
178
178
2
4
=4
= 16 1.558
= 1.558 / 8 = 194,75
Usando un = 0,50 se obtendra un MSE de 201,5. Por lo tanto el = 0,10 es una mejor eleccin por que se minimiza el MSE.
MAPE = 10 real i 0
real i - pronstico i /
i=1
Sigamos con el ejemplo del puerto del Callao para determinar el MAPE
1 2 3 4 5 6 7 8
100(5/180) = 2,77%
100(8/168) = 4,76% 100(16/159) = 10,06% 100(2/175) = 1,14% 100(17/190) = 8,95% 100(30/205) = 14,63% 100(2/180) = 1,11% 100(4/182) = 2,20% =
MAPE =
MAD