Sistemas Productivos

Ing. Luis Otake

Ciclo 2018-II
Contenido de la Primera Unidad
Semana Contenido temático
01 Sistemas productivos y administración de la producción
02 Estrategia de operaciones
03 Previsión o pronóstico
Previsión o Pronóstico
Semana 03
Contenido
●
¿Qué es la previsión?
●
Horizontes temporales de la previsión
●
Tipos de previsiones
●
La importancia estratégica de la previsión
●
Etapas en el sistema de previsión
●
Enfoques de la previsión
●
Previsión de series temporales
●
Métodos de previsión casual
¿Qué es la previsión?
●
Es el arte y la ciencia de predecir acontecimientos futuros.
●
Supone la recopilación de datos históricos y su proyección
hacia el futuro utilizando algún tipo de modelo matemático.
●
No existe un único método óptimo.
●
Nunca son perfectas.
●
Son costosas y lentas de preparar y controlar.
Horizontes temporales de la previsión
●
Corto plazo (hasta un año)
– Planificación de compras, programación de trabajos, programación de
necesidades de mano de obra, asignación de tareas y planififcación de niveles
de producción
●
Mediano plazo (hasta 3 años)
– Planificación de las ventas, planificación de la producción y de su presupuesto,
planificación de caja, análisis de planes operativos.
●
Largo plazo (más de 3 años)
– Planificación de nuevos productos, gastos de capital, localización o expansión
de instalaciones e investigación y desarrollo.
Tipos de previsiones
●
Previsiones económicas
– Tratan del ciclo económico prediciendo las tasas de inflación, masa monetaria,
construcción de primeras viviendas, y otros indicadores económicos.
●
Previsiones sobre tecnología
– Pronósticos a largo plazo, referentes a la tasa de crecimiento del progreso tecnológico.
●
Previsiones de demanda
– Son estimaciones de la demanda de productos o servicios.
– Previsiones de las ventas que conducen los sistemas de producción, su capacidad y su
planificación, y sirven como input para la planificación financiera, de marketing y de
personal.
La importancia estratégica de la previsión
●
Es la única estimación de la demanda hasta que se conozca
la demanda real.
●
Determinan las decisiones en muchas áreas:
– Recursos humanos: contratación, formación y despido.
– Capacidad: insuficiente (incumplimiento de entregas, pérdida de
clientes y cuota de mercado) o en exceso (costos se disparan)
– Gestión de la cadena de suministro: la buena gestión depende de
la exactitud de las previsiones
Etapas en el sistema de previsión
1)Determinar el uso de la previsión (¿para qué?)
2)Seleccionar los artículos para los que se va a realizar la previsión
3)Definir el horizonte temporal de la previsión (¿corto, mediano o largo
plazo?)
4)Seleccionar el modelo o los modelos de previsión (¿estadísticos, de juicios
de opinión o no cuantitativos?)
5)Recopilar los datos necesarios para hacer la previsión
6)Realizar la previsión
7)Validar e implementar los resultados
Algunas consideraciones
●
Las previsiones rara vez son perfectas.
●
La mayoría de las técnicas de previsión suponen que el
sistema tiene cierta estabilidad inherente.
●
Las previsiones de familia de productos son más precisas
que las previsiones de productos individuales.
Enfoques de la previsión
●
Análisis cuantitativo (previsiones cuantitativas)
– Emplean diferentes modelos matemáticos que utilizan datos
históricos y/o variables causales para prever la demanda.
●
Análisis cualitativo (previsiones cualitativas)
– Incorporan factores tales como la intuición de la persona que
toma las decisiones, emociones, experiencias personales, y
sistemas de valores.
Métodos cualitativos
●
Jurado de opinión ejecutiva
– Recoge la opinión de un pequeño grupo de directivos de alto nivel a partir de la que se
alcanza una estimación conjunta de la demanda.
●
Método Delphi
– Utiliza un proceso de grupo que permite a los expertos realizar previsiones.
●
Propuesta del personal de ventas
– Se basa en la estimación de las ventas esperadas por los vendedores.
●
Estudio de mercado
– Requiere información de los clientes o clientes potenciales con respecto a los planes de
ventas futuros.
–
Métodos cuantitativos
●
Modelos de series temporales: Utiliza una serie de datos pasados,
el futuro es una función del pasado.
– Enfoque simple
– Medias móviles
– Alisado exponencial
●
Modelos asociativos (o casuales): incorpora variables que pueden
influir en la cantidad que se va a predecir.
– Regresión lineal
– Regresión lineal múltiple
Series temporales
●
Basada en una secuencia de datos uniformemente
espaciados (semanal, mensual, trimestral, etc.)
●
Los valores futuros son predichos únicamente a partir de
valores pasados.
●
Se desestiman otras variables, sin importar su valor
potencial.
Descomposición de una serie temporal
●
Tendencia: movimiento gradual de subida o bajada de
valores de los datos a lo largo del tiempo.
●
Estacionalidad: patrón que se repite cada cierto número de
días, semanas, meses o trimestres.
●
Ciclos: patrones en los datos que ocurren cada cierto
número de años.
●
Variaciones irregulares o aleatorias: son causadas por el
azar y situaciones inusuales; no se pueden predecir.
Descomposición de una serie temporal
Enfoque simple
●
Supone que la demanda del próximo período es igual a la
demanda del último período.
●
Pe. si las ventas de un producto fueron de 68 unidades en el
mes de enero, se puede prever que las ventas en febrero
serán también de 68 unidades.
 Medias móviles
●
Utiliza la media de los n períodos de datos más recientes
para hacer la previsión del período siguiente.
●
Tiende a suavizar las irregularidades a corto plazo en las
series de datos.

●
n = número de períodos (pe. meses)
Cálculo de la media móvil
Medias móviles ponderadas
●
Cuando existe una tendencia o patrón detectable.
●
La previsión se hace más sensible a los cambios.
●
La elección de las ponderaciones es algo arbitrario, ya que
no existe ninguna fórmula para determinarlas.
Medias móviles ponderadas
Medias móviles ponderadas
Demanda real, media móvil y media móvil ponderada
Problemas de las medias móviles
●
Si se aumenta el tamaño de n se tiene una mejora de las
fluctuaciones, pero hace que el método sea menos sensible a
cambios reales de los datos.
●
No son muy buenas a la hora de captar tendencias.
●
Requieren un gran número de datos históricos.
Alisado exponencial
●
Técnica de media móvil ponderada en la que los datos se
ponderan mediante una función exponencial.
●
Necesita un reducido número de datos.
Análisis de regresión lineal
●
Modelo cuantitativo de previsión causal más común.
●
Modelo matemático que utiliza una línea recta para describir
las relaciones funcionales entre las variables dependientes e
independientes.
Ejemplo de regresión lineal
Ejemplo de regresión lineal
Ejemplo de regresión lineal
Ejemplo de regresión lineal
Ejemplo de regresión lineal
Ejemplo de regresión lineal
Actividades para desarrollar en clase
●
¿Cómo se previsiona la demanda en la empresa bajo
estudio?
●
Desarrolle un caso basado en la empresa bajo estudio en
donde se apliquen las siete etapas de la previsión.
Referencias bibliográficas
●
Heizer, J. y Render, B. (2007). Dirección de la producción y de
operaciones. Decisiones estratégicas. Octava edición. Madrid:
Pearson educación.
Fin de la Sesión
Semana 03