Función Producción - Pronosticos

UCSM Ingeniera Industrial
PLANEAMIENTO
Y CONTROL DE LA
PRODUCCION.
Abrahan A. Pacheco
Oviedo
PLANEAMIENTO Y CONTROL
DE PRODUCCION
Significa realizar un Plan de

Trabajo, al cual debe obedecer la
produccin, de manera que el
producto
se
elabore
con
eficiencia mxima y a costos
favorables.
Abrahan A. Pacheco
Oviedo
PLANEAMIENTO Y CONTROL
DE PRODUCCION
FUNCION:
Definir las caractersticas del Producto y el
Proceso de Fabricacin.
Calcular el Costo de Fabricacin.
Pronosticar las Ventas.
Planificar y Programar la Produccin.
Iniciar las actividades en la Planta a travs de
las ordenes de produccin.
Control y seguimiento de la produccin.
Abrahan A. Pacheco
Oviedo
PLANEAMIENTO Y CONTROL DE
Combina los PRODUCCION
flujos fsicos y de informacin
para administrar los sistemas de produccin.
Integral el flujo de material usando la
informacin del sistema.
El pronostico da inicio a las actividades de
PCP.
El extender las actividades del PCP a los
proveedores y clientes se conoce como
ADMINISTRACION DE LA CADENA DE
SUMINISTROS.
Abrahan A. Pacheco
Oviedo
PRODUCCION
La planeacin a largo plazo de la capacidad
garantiza que la capacidad futura sea la
adecuada para cumplir con la demanda
futura.
La planeacin de la produccin transforma
los pronsticos de demanda en plan maestro
de produccin, el cual toma en cuenta la
disponibilidad
global
de
capacidad
y
materiales.
La
planeacin
detallada
genera
los
requerimientos inmediatos de los materiales
y la capacidad, y realiza una programacin
Abrahan A. Pacheco
Oviedo
PRODUCCION
PCP hace exactamente lo que su nombre
dice: Planea y Controla la produccin y lo
hace utilizando el ciclo de retroalimentacin.
Abrahan A. Pacheco
Oviedo
Abrahan A. Pacheco
Oviedo
Marco para las decisiones

Proceso
Capacidad
Inventarios
Fuerza de trabajo
Calidad
Abrahan A. Pacheco
Oviedo
PRONOSTICO.
Abrahan A. Pacheco
Oviedo
PRONOSTICO
Un pronostico es una prediccin de
acontecimientos futuros que se utiliza
con propsitos de planificacin.
El pronstico consiste en la estimacin y
el anlisis de la demanda futura para un
producto en particular, componente o
servicio, utilizando inputs como ratios
histricos de venta, estimaciones de
marketing e informacin provisional, a
travs
de
diferentes
tcnicas
de
previsin, con el propsito de planificar.
Abrahan A. Pacheco
Oviedo
OBJETIVO
PROPORCIONAR PRONOSTICOS CON
LA
EXACTITUD
NECESARIA,
A
TIEMPO Y A UN COSTO RAZONABLE.
REACCIONAR ANTE LOS CAMBIOS
REALES.
Abrahan A. Pacheco
Oviedo
ALCANCES
Pretende
estudiar
la
solucin
de
problemas
relacionadas con pronosticos
La identificacin del problema determina la misin o el
propsito, que se muestra como necesidad del
pronstico.
Los pronsticos proporcionan informacin para tomar
mejores decisiones.
La decisin determina que pronosticar, el nivel de
detalle necesario y con que frecuencia se har el
pronstico.
Abrahan A. Pacheco
Oviedo
Cuando se tienen proporcionan un gran visin

sobre los hechos.
Registros de la Compaa
Otras Compaas, servicios
comerciales
El
DATOS
Abrahan A. Pacheco
Oviedo
Gobierno,
poblacin,
demografa, etc.
1. Externos:
Aquellos que estn fuera de control de

la empresa. Ejemplo: Caractersticas de la
economa, leyes, tecnologa, escasez de
recursos, acciones de la competencia,
eleccin o preferencia del consumidor.
2. Internos
FACTORES
Abrahan A. Pacheco
Oviedo
Decisiones internas que provocan

cambios en el volumen de la demanda, se
pueden influir en ellos. Estn la calidad, el
precio, tiempo de entrega, la publicidad y
los descuentos.
Horizontal.
Tendencia.
Estacional.
Cclicos.
PATRONES DE LA DEMANDA
Abrahan A. Pacheco
Oviedo
(a) Horizontal: Cmulo de datos en torno de una lnea
horizontal
Abrahan A. Pacheco
Oviedo
Abrahan A. Pacheco
Oviedo
Abrahan A. Pacheco
Oviedo
Abrahan A. Pacheco
Oviedo
Mtodos Cualitativos : De carcter

subjetivo y se basan en estimaciones y
opiniones.
Mtodos Cuantitativos:
Causales: El valor de la variable
dependiente esta causada o afecta, o al
menos tiene una alta correlacin con el
valor de la(s) variables (s) independientes
TIPOS
Abrahan A. Pacheco
Oviedo
De serie de tiempos: Es simplemente una

lista cronolgica de datos histricos,
donde la suposicin esencial es que la
historia predice el futuro de manera
razonable.
Investigacin de Mercado; Consiste en el

desarrollo de un cuestionario,llevar a cabo la
encuesta y tabular y analizar los resultados.
Utilizado para pronosticar ventas a L.P. y de
nuevos productos o productos modificados
Opinin de Expertos; se basa en la
experiencia
y
opiniones
de
ejecutivos,
tcnicos, clientes.
Metodo Delphi; proceso para obtener el
consenso entre un grupo de expertos con el
anonimato de sus integrantes.
CUALITATIVOS
Abrahan A. Pacheco
Oviedo
Basado en Indicadores Econmicos; existe una

relacin directa o correlacin, entre ventas de
algunos productos y estos indicadores
La demanda puede ser:

-Dependiente
Causada por la demanda
de
otros productos
-Independiente No esta condicionada a la
demanda de otros productos
Construccin
de casas
Accesorios
de Plomeria
Independiente
Dependiente
Ventas de
Automoviles
CAUSALES
Abrahan A. Pacheco
Oviedo
Venta de
Llantas
Mtodos usados para estos pronsticos:

-Regresin lineal simple.
Otros modelos de regresin (exponencial, etc)
SERIES DE TIEMPOS
Utilizan datos histricos de la
variable
dependiente
y
consideran el tiempo como
variable independiente para
predecir el futuro.
Nos enfocaremos a patrones de
demanda
tipo
Constante,
Tendencia y Estacional.
Abrahan A. Pacheco
Oviedo

SERIES DE
TIEMPOS
A. PROCESOS CONSTANTE
1. Promedio Simple
Trata a los datos muy antiguos
igual que a los recientes. Se usa un
promedio de los datos pasados para
pronosticar el siguiente periodo.
Abrahan A. Pacheco
Oviedo
SERIES DE
TIEMPOS
1. Promedio Simple -Ejemplo

Mes
Abrahan A. Pacheco
Oviedo
Produccin
56
46
53
50
50
52

SERIES DE
TIEMPOS
2. Promedio Mvil Simple
Se elige promediar solo algunos de
los datos mas recientes.
Responde al cambio de una manera
ms rpida, debido a que usa datos
recientes.
Abrahan A. Pacheco
Oviedo
Ejemplo: Se observa la siguiente demanda

histrica:
Semana Demanda
1
800
1400
1000
1500
1500
1300
1800
1700
1300
10
1700
11
1700
12
1500
13
2300
14
2300
15
2000
Abrahan A. Pacheco
Oviedo
Abrahan A. Pacheco
Oviedo
Ejemplo 2:
Se desea desarrollar un
sistema de pronostico a
corto plazo para estimar el
volumen de inventarios que
fluye del almacen todas las
semanas.
See
suguere
utilizar un promedio movil
de 3, 5 7 semanas.
Antes
de
tomar
una
decisin
compare
la
precisin de cada una de
ellas en relacin con el
periodo
de diez semanas
Abrahan A. Pacheco
Oviedo
ms
reciente.
Semana
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Demanda
100
125
90
110
105
130
85
102
110
90
105
95
115
120
80
95
100

Semana
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Demanda
100
125
90
110
105
130
85
102
110
90
105
95
115
120
80
95
100
Abrahan A. Pacheco
Oviedo
3 Sem
106.7
105.7
99.0
100.7
101.7
96.7
105.0
110.0
105.0
98.3
5 Sem
104.0
106.4
106.4
103.4
98.4
100.4
103.0
105.0
103.0
101.0
7 Sem
106.4
106.7
104.6
104.6
103.9
102.4
100.3
105.3
102.1
100.0
3 Sem 5 Sem 7 Sem
4.7
4.3
9.0
4.3
6.7
18.3
15.0
30.0
10.0
1.7
104.0
10.4
2.0
3.6
16.4
1.6
3.4
14.6
17.0
25.0
8.0
1.0
92.6
9.3
4.4
3.3
14.6
0.4
8.9
12.6
19.7
25.3
7.1
0.0
96.3
9.6

SERIES DE
TIEMPOS
3. Promedio Mvil ponderado
Mientras que el promedio mvil simple
da igual peso a cada componente de los
datos, el promedio mvil ponderado
permite
dar
cualquier
peso
an
elemento, siempre y cuando la suma de
los pesos sea igual a uno
F t=P1Dt-1+P2Dt-2+.+PmDt-n
M5 = 0.40(95) + 0.30 (105) + 0.20 (90) + 0.10 (100)

Abrahan A. Pacheco
Oviedo
M5 = 97.50
Si las ventas reales en el periodo 5 fueron 110, Cual es el pronstico

SERIES DE
TIEMPOS
4. Suavizamiento Exponencial
Los sucesos ms recientes son ms
indicativos de lo que suceder en el
futuro que los datos del pasado.
se calcula el pronstico a partir del
pronostico mas reciente, la demanda
real que se present para este
periodo
y
una
constante
de
suavizamiento alfa ().
ST = dt + (1 - ) ST 1
Semana
Abrahan A. Pacheco
Oviedo
Ejem: = 0.2 y = 0.8
Dem Real
49
50
51
Pronostico
52
49.25
58
49.8
Suavizacin exponencial
Abrahan A. Pacheco
Oviedo
Se observa que la demanda real del producto tiende a

fluctuar a travs del tiempo, por lo que un valor bajo de
no produce resultados tan confiables debido a que
suaviza en exceso el pronstico. Por su parte, un valor
Abrahan de
A. Pacheco
= 0.6 nos permite acercarnos
Oviedo
ms a la demanda real, mostrando la variacin que la
Ejemplo ; Determinar el pronostico para el 2015 con un coeficiente
de suavisamiento de: = 0.2 y = 0.8
Ao
2011
Demanda 1080
Abrahan A. Pacheco
Oviedo
2012
1190
2013
1100
2014
1220
2015
1300

SERIES DE
TIEMPOS
B. MODELO CON TENDENCIA

Mtodo de los Mnimos Cuadrados
Existe
una
distribucin
de
probabilidades para cada tamao de
muestra, supone que son normales.
Las medias de las distribuciones se
ubican
en
una
recta
o
se
distribuyen a lo largo de una recta
Establece una relacin entre una
variable dependiente y una o mas
variables independientes.
Abrahan A. Pacheco
Oviedo
Trata de ajustar la lnea a los

datos que minimicen la suma de los
cuadrados de la distancia vertical.

SERIES DE
TIEMPOS
Abrahan A. Pacheco
Oviedo

Mtodo de los Mnimos Cuadrados

SERIES DE
TIEMPOS

Regresin Lineal
Sirve para pronosticar una variable
con base a otra, solo contiene una
variable independiente.
La relacin entre variables forma
una lnea recta.
Abrahan A. Pacheco
Oviedo
Si los datos forman una serie de

tiempos, la variable independiente
es el tiempo en periodos y la
variable dependiente por lo general
son las ventas o aquello que
deseamos pronosticar.
Abrahan A. Pacheco
Oviedo

SERIES DE
TIEMPOS

Regresin Lineal
Es de la forma: Y = a + b x
y = Es la variable dependiente
a = Es la interseccin en y
b = Es la pendiente de la recta y
X = Es la variable independiente
Abrahan A. Pacheco
Oviedo

Regresin Lineal (FORMULAS)
SERIES DE
TIEMPOS
a
b
n X 2
n x y x
S yx
X 2 Y X XY
2
Y b X
n
y
n x x
2
a y b xy
n 2
x y x y
n x x n y y
n
2
Abrahan A. Pacheco
Oviedo

SERIES DE
TIEMPOS
Regresin Lineal (FUNC. EXCEL)

PRONOSTICO (X, CONOCIDO_Y; CONOCIDO_X)
a INTERSECCIN.EJE (CONOCIDO_Y; CONOCIDO_X)
b ESTIMACIN.LINEAL (CONOCIDO_Y; CONOCIDO_X; CONSTANTE;...)
ERROR.TIPICO.XY(CONOCIDO_Y;CONOCIDO_X)
COEF.DE.CORREL(CONOCIDO_X;CONOCIDO_Y)
Abrahan A. Pacheco
Oviedo

Semana

Regresin Lineal (APLICACION)
Demanda
1
600
1550
1500
1500
2400
3100
2600
2900
3800
10
4500
11
4000
12
4900
Demanda
6000
5000
4000
Demanda
3000
2000
13
14
15
16
Abrahan A. Pacheco
Oviedo
1000
0
1
10
11
12

SERIES DE
TIEMPOS
Trimestre
Abrahan A. Pacheco
Oviedo
Ventas
XY
1
2
3
4
5
6
7
8
9
10
11
12
600
1550
1500
1500
2400
3100
2600
2900
3800
4500
4000
4900
78
33.35
600
3100
4500
6000
12000
18600
18200
23200
34200
45000
44000
58800
X
1
4
9
16
25
36
49
64
81
100
121
144
Y
360
2.402.500
2.250.000
2.250.000
5.760.000
9.610.000
6.760.000
8.410.000
14.440.000
20.250.000
16.000.000
24.010.000
268.2
650
112.502.500

SERIES DE
TIEMPOS
n xy x y
n x2 x
12 (268,200) 78 33.350 617,100
359.615
2
1716
12 650 78
y b x 33.350 359.615 78
441.667
n
12
Y = 441.667 + 359.615 (X)

Y13 = 5116.4, Y14 = 5.476.0, Y15 = 5.835.6, Y16 = 6.195.2
y a y b xy
2
S yx
Abrahan A. Pacheco
Oviedo
n2
Syx = 363.877
112502.500 441.667 33.350 359.615 268.100 268.200

12 2
r = 0.966

7000
6000
5000
4000
3000
2000
1000
0
1
8
Demanda
Abrahan A. Pacheco
Oviedo
10
11
12
13
14
15

Ejemplo:
Una tienda de alfombras ha llevado un registro de
ventas de cada ao as como la cantidad de permisos para
construir casas nuevas en su zona. El gerente de tienda de
alfombras piensa que es posible pronosticar las ventas de
alfombras si se conoce la cantidad de casas que se han
construido en el ao.
Para X=40
Abrahan A. Pacheco
Oviedo
VENTAS
AO
PERMISOS
1989
18
13000
1990
15
12000
1991
12
11000
1992
10
10000
1993
20
14000
1994
28
16000
1995
35
19000
1996
30
17000
1997
20
13000
(YARDAS 2)

Regresin Exponencial
SERIES DE
TIEMPOS
Y = a bx
Log y = Log a + x Log b
Log a
log y x Logb
Log b
n x Log y x Logy
N x x
Abrahan A. Pacheco
Oviedo

Regresin Exponencial (Aplicacin)
SERIES DE
TIEMPOS
AO
VENTAS
LOG Y
X LOG Y
1984
1985
1986
1987
1988
108
119
110
122
130
1
2
3
4
5
15
2.0334
2.0755
2.0414
0.0864
2.1139
10.3506
2.0334
4.151
6.1242
8.3456
10.5695
31.2237
Log b
Log a
X
1
4
9
16
25
55
n x Logy x Log y 5 31.2237 15 10.3506
0.01719
2
2
2
5
55
15
n x x
Log y x Log b 10.3506 15 0.01719 2.01855

n
Log y = 2.01855 + 6 (0.01719)

Abrahan A. Pacheco
Oviedo
Log y = 2.1217
y=Antilog (2.1217) = 132.34
Antilog = 10x
y = 10 2.1217
Regresin Logartmica (FUNC. EXCEL)

CRECIMIENTO(CONOCIDO_Y, CONOCIDO_X, X)
b ESTIMACIN.LOGARITMICA(CONOCIDO_Y, CONOCIDO_X)
a INDICE(ESTIMACIN.LOGARITMICA(CONOCIDO_Y, CONOCIDO_X),2)
Y = a b ^ x
Abrahan A. Pacheco
Oviedo
Regresin Mltiple
El objetivo es ajustar un modelo de la Forma:
Y = 0+ 1X1+ 2X2
Estimando los parmetros correspondientes (0, 1, 2) y calcular
el coeficiente de determinacin R2.
Y
X1
X2
Ventas
Viviendas
Ingresos
Abrahan A. Pacheco
Oviedo
Y
8
10
12
13
15
18
X1
4
3
6
6
7
8
X2
20
22
23
26
27
30
Regresin Mltiple
Coeficient
Utilizando del Excel en la opcin
es
Datos o Herramientas, se elige
Anlisis
de
Datos
y
luego
Intercepci 8.8947368
Regresin, se introduce el rango de
n
4
la variable dependiente y luego las
Variable X 0.3684210
independientes y se obtiene:
siguiente:
1Se puede extraer lo 5
Variable
X 0.7894736
0 = -8.894737
2
8
1 = 0.3684211
2 = 0.7894737
Es decir la ecuacin de regresin mltiple ajustada

es:
Y = -8.894737+ 0.3684211X1+ 0.7894737X2

.
Abrahan A. Pacheco
Oviedo
C. PROCESO ESTACIONAL
Los patrones estacionales son fluctuaciones
que ocurren dentro de un ao y tienden a
repetirse anualmente
DESCOMPOSICION DE
UNA SERIE DE TIEMPO
Cuando la demanda contiene efectos de

tendencia y estacionales, se determina la
relacin entre ambos a travs de la
variacin estacional.
DESCOMPOSICION DE
UNA SERIE DE TIEMPO
Abrahan A. Pacheco
Oviedo
La tendencia se multiplica por los factores

de estacionalidad.
Pronstico=Tendencia x Factor Estacionalidad

FACTOR DE
ESTACIONALIDAD
Es la correccin que se requiere para

ajustar una serie de tiempo a la estacin
del ao.
a) PROPORCION SIMPLE
Ventas Promedio 1000 u (Ao Anterior)

Primavera
200
Verano
350
Otoo
300
Invierno 150
Abrahan A. Pacheco
Oviedo
Venta Estimada 1100 u. (Ao Siguiente)

Solucin
PROPORCION SIMPLE
Pasos:
1. Determinar el F.E.
2. Pronsticar las Ventas del Periodo
Primavera
Verano
Otoo
Invierno
Total
Abrahan A. Pacheco
Oviedo
Ventas Ant F.E

200
350
300
150
1000
0.20
0.35
0.30
0.15
Ventas Est
220
385
330
165
1100

SERIE DE TIEMPO ESTACIONALES Y CON TENDENCIA
400
160
140
350
120
300
100
250
80
200
60
150
40
100
20
0
1
50
2
Ventas
Abrahan A. Pacheco
Oviedo
10
11
12
0
1
Ao 2005 2
Ao 2006
3 2007
Ao
Se puede apreciar en las ventas, estas tienen

un comportamiento de tendencia y tambin
tienen comportamiento estacional.

b) DESCOMPOSICION POR MINIMOS CUADRADOS
Significa encontrar los componentes basicos de la tendencia

y estacionalidad
PASO 1: Determinar el Factor de Estacionalidad
Se obtiene un promedio de los mismos trimestres
Se obtiene el factor de estacionalidad
PASO 2: Desestacionalizar los datos originales
Dividimos los
estacionalidad
datos
originales
entre
el
factor
de
PASO 3: Desarrollar una linea de regresin de minimos

cuadrados
Abrahan
A. Pacheco para los datos desestacionalizados.
Oviedo
Y = a + bX

b) DESCOMPOSICION POR MINIMOS CUADRADOS
PASO 4: Proyectar la linea de regresin para el periodo

que se pronostica.
PASO 5: Crear el pronostico final ajustando la linea de
regresin con el factor de estacionalidad.
EJEMPLO:
Abrahan A. Pacheco
Oviedo
Trim
I
II
III
IV
I
II
III
IV
I
II
III
IV
Periodo
1
2
3
4
5
6
7
8
9
10
11
12
Demanda
600
1550
1500
1500
2400
3100
2600
2900
3800
4500
4000
4900
solucion
PASO 1:
Promedio de trimestres (600+2400+3800)/3 =2266.67
(1550+3100+4500)/3 = 3050
(1500+2600+4000)/3 = 2700
(1500+2900+4900)/3 =3100
Promedio General 33350/12 = 2779.17
Factor Estacionalidad : 2266.67/2779.17 = 0.8156
3050.00/2779.17 = 1.0974
2700.00/2779.17 = 0.9715
Abrahan A. Pacheco
Oviedo
3100.00/2779.17 = 1.1154
solucion
Trim
I
II
III
IV
I
II
III
IV
I
II
III
IV
Perio
I
II
III
IV
Dema
FE
1
2
3
4
5
6
7
8
9
10
11
12
600
1550
1500
1500
2400
3100
2600
2900
3800
4500
4000
4900
33350
13
14
15
16
4080.81011
5866.29789
5525.71808
6725.87175
Y
0.8156
1.0974
0.9715
1.1154
0.8156
1.0974
0.9715
1.1154
0.8156
1.0974
0.9715
1.1154
X2
735.7
1412.4
1544.0
1344.8
2942.6
2824.9
2676.3
2600.0
4659.1
4100.6
4117.3
4393.0
33350.7
XY
1
4
9
16
25
36
49
64
81
100
121
144
650
735.7
2824.8
4632.0
5379.2
14713.0
16949.4
18734.1
20800.0
41931.9
41006.0
45290.3
52716.0
265712.4
5003.45
5345.63
5687.82
6030.01
x 6.5
y 2779.2
Abrahan A. Pacheco
Oviedo
xy n x y
x n x
2
265706.9 12 6.5 2779.23

2
650 12 6.5
a y b x 2779.2 342.21 6.5 554.9
342.21

PRONOSTICO
MINIMOS CUADRADOS
1
Abrahan A. Pacheco
Oviedo
10
11
12
13
14
15
16

PRONOSTICO POR DESCOMPOSICION
MINIMOS CUADRADOS
1
Abrahan A. Pacheco
Oviedo
10
11
12
13
14
15
16
Ao
Permiso
Construccin
Ventas Carpintera
Yardas Cuadradas
1989
1990
1991
1992
1993
1994
1995
1996
1997
18
15
12
10
20
28
35
30
20
13000
12000
11000
10000
14000
16000
19000
17000
13000
Abrahan A. Pacheco
Oviedo
1998
25
Una
Cia.
Vende
electricidad y vapor a la
ciudad de Nueva York y
al
condado
de
Westchester.
Los
ingresos por ventas se
muestran en la tabla,
proyecte los ingresos
para los aos 2002 a
2005. Utilice su criterio
para decidir que modelo
aplicar.
Abrahan A. Pacheco
Oviedo
Ao
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Ingresos
4865.9
5067.4
5515.6
5728.8
5497.7
5197.7
5094.4
5108.8
5550.6
5738.9
2001
5860.0
Motors Company produce motores electrnicos para vlvulas

automticas para la industria de la construccin. Durante ms de un
ao, la planta de produccin ha operado a casi plena capacidad. El
Gerente de Planta, estima que el crecimiento en las ventas continuar
y desea desarrollar de las instalaciones para los siguientes tres aos.
Se han totalizado las cifras de ventas correspondientes a los ltimos
diez aos.
AO
VENTAS ANUALES
AO
VENTAS ANUALES
(MILES DE UNIDADES)
(MILES DE UNIDADES)
1
2
3
4
5
1.000
1.300
1.800
2.000
2.000
6
7
8
9
10
2.000
2.200
2.600
2.900
3.200
Se requiere determinar los niveles de ventas para los aos mencionados,

as como el coeficiente de correlacin y los rangos de desviacin del
Abrahan
A. Pacheco
pronstico
esperado, considerando un intervalo de confianza de 90%,
Oviedo
con 2 grados de libertad.
El gerente de planta de Motors Company, esta intentando planear las

necesidades de efectivo de personal y materiales y suministros para
cada trimestre del prximo ao. Los datos de ventas trimestrales
durante los ltimos tres aos razonablemente parecen reflejar el
patrn de resultados estacional que debe esperarse en el futuro. Si se
pudiera estimar las ventas trimestrales del siguiente ao, podra
determinarse las necesidades de efectivo, material, personal y
suministros.
Ventas Trimestrales (miles de unidades)
Aos
Trim I
Trim II
2000
520
730
820
530
2600
2001
590
810
900
600
2900
2002
650
900
1000
650
3200
Abrahan A. Pacheco
Oviedo
Trim III Trim IV
Total
Determine el volumen de ventas para el siguiente ao.
Anual

Función Producción - Pronosticos

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Función Producción - Pronosticos

Uploaded by

Copyright:

Available Formats

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

Significa realizar un Plan de

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

Marco para las decisiones

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

Cuando se tienen proporcionan un gran visin

UCSM Ingeniera Industrial

Aquellos que estn fuera de control de

Decisiones internas que provocan

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

Mtodos Cualitativos : De carcter

De serie de tiempos: Es simplemente una

UCSM Ingeniera Industrial

Investigacin de Mercado; Consiste en el

Basado en Indicadores Econmicos; existe una

UCSM Ingeniera Industrial

La demanda puede ser:

Mtodos usados para estos pronsticos:

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

1. Promedio Simple -Ejemplo

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

Ejemplo: Se observa la siguiente demanda

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

3 Sem 5 Sem 7 Sem

UCSM Ingeniera Industrial

M5 = 0.40(95) + 0.30 (105) + 0.20 (90) + 0.10 (100)

Si las ventas reales en el periodo 5 fueron 110, Cual es el pronstico

UCSM Ingeniera Industrial

Ejem: = 0.2 y = 0.8

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

Se observa que la demanda real del producto tiende a

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA

Trata de ajustar la lnea a los

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA

Si los datos forman una serie de

UCSM Ingeniera Industrial

UCSM Ingeniera Industrial

B. MODELO CON TENDENCIA