Planificación y Control de la Producción I

1. Planificación y Control de la Producción I Ing. Karla Dávila

2. Reflexión del día

3. Objetivos Analiza los métodos de pronósticos de demanda para establecer sus diferencias y principios básicos 2 Fomenta el respeto, la tolerancia, el espíritu critico a través del trabajo en equipo para su formación profesional

4. Contenidos Métodos Casuales Métodos de serie de tiempos

5. Métodos Cuantitativos: En general utilizan un modelo subyacente (L,C y mediano plazo) ¿Áreas que dependen directamente de los pronósticos de la empresa? • Programa de producción. • Política de inventarios. • Capacidad Productiva de la Planta. • Presupuestos. • Métodos de producción. • Desarrollo de nuevos productos. Ing. Karla Elisabeth Dàvila

7. Métodos Causales Son los que consideran otras variables, además del tiempo, u otras variables en vez del tiempo. • Regresión Lineal simple: cuando se considera una sola variable independiente que no sea el tiempo. • Regresión lineal múltiple: cuando se considera más de una variable (Una de ellas puede ser el tiempo) Ing. Karla Elisabeth Dàvila

8. características •Se basa en el concepto de relación entre variables. • Parte de un supuesto importante de causalidad y que la variable causal puede ser medida de manera precisa. • Si se desarrollan indicadores lideres apropiados, este método ofrece resultados exitosos en cuanto a pronósticos Método Causal

9. Continua......... • Como un beneficio colateral, el proceso de desarrollar el modelo permite, muchas veces, que quienes se encargan de él obtengan un importante conocimiento de mercado • Rara vez se utiliza para un solo producto • Muchas veces su puesta en práctica resulta ser cara y consume mucho tiempo.

10. Enfoques del pronóstico Causal Modelos de entrada – salida: Pueden ser modelos muy grandes y complejos, ya que analizanel flujo de los bienes y servicios a través de la economía completa, requiriendo una cantidad importante de información, haciendo que su desarrollo sea largo y costoso. Utilizándose generalmente para proyectar necesidades para mercados enteros o para segmentos de la economía y no para productos especificos.

11. • Modelos econométricos: Implican el análisis estadísticos de varios sectores de la economía, su uso es similar al de los modelos de entrada – salida • Modelos de simulación: simulación mediante el uso de computadoras, se puede utilizar para productos individuales, aunque la recopilación de la información suele ser costosa y lenta .

12. • Regresión: Método estadístico para desarrollar una relación analítica definida entre dos o más variables. El supuesto, como en otros modelos causales, es que una de las variables «causa» que la otra se mueva. Con frecuencia la variable independiente, o causal, se denomina indicador libre

13. Σde T Todos parten de un supuesto común: que la demanda pasada sigue cierto patrón. • + usados por los paquetes de pronósticos vinculados con la proyección de demanda de producto

14. Σde T Se basa en información interna (ventas). Son los + usados x los responsables de operaciones para realizar planes de producción razonables. • Implica el supuesto de que la única variable real independiente en el pronóstico de Σde T, es precisamente el T.

15. Patrones Aleatorio Tendencia Estos pueden ser o y tiene naturaleza lineal o no lineal • Parte del supuesto de que la demanda siempre posee un elemento aleatorio Cíclico Del cual un caso muy especial, pero muy común es el patrón estacional

16. Patrón aleatorio Fuente: Chapman, S. N. (2006)

17. Patrón de tendencia Fuente: Chapman, S. N. (2006)

18. Métodos de análisis de T series de tiempo. • Ajuste de líneas rectas: Mínimos Cuadrados: Proporciona la recta para la cual la suma de los cuadrados de las distancias a los puntos es mínima. Y = a + bX Donde: a =∑X2* ∑Y - ∑X ∑XY/ N* ∑X2 – (∑X)2 b = N*∑XY - ∑ X* ∑ Y/ N* ∑X2 – (∑X)2 Ing. Karla Elisabeth Dàvila

19. Análisis de series: Consideran como única variable independiente el tiempo, es decir se supone que el único factor que controla la magnitud de la demanda es el tiempo: - Ajuste de líneas(Recta, curva exponencial y curva potencial) • Promedio móvil (Simple, con ajuste de tendencia y ponderado) • Promedio ponderado exponencial(simple y con ajuste) Ing. Karla Elisabeth Dàvila

20. ¿Pronóstico? Pronósticos Vs Planeación: • El primero trata de lo que se piensa que sucederá en el futuro, • El segundo se refiere a lo que pensamos deba suceder Pronostico de demanda: «Es una estimación cuantitativa de la demanda futura de productos o servicios» Ing. Karla Elisabeth Dàvila

21. Aspectos de +importancia • Demanda potencial: - Es la cantidad total del producto, servicio que demanda la sociedad. • Demanda solvente: - Depende del precio y del ingreso per cápita Ing. Karla Elisabeth Dávila

22. Volumen de Ventas: • Es la cantidad vendida de un determinado producto o servicio. • Volumen de producción: Es la cantidad producida del producto o servicio

23. Periodo de Pronostico: Es el periodo (de tiempo) al cual corresponde el pronóstico: Semanales, mensuales, anuales, etc. • Horizonte de Pronóstico: - Indica qué tan lejos, hacia el futuro está el periodo pronosticado. Por ejemplo, si en enero del 2012, se pronostica la demanda de enero del 2013, el periodo será de un mes y el horizonte de un año. Ing. Karla Elisabeth Dàvila

24. Principios • La probabilidad de no cometer errores en los pronósticos es cero. • Cuanto más corto sea el periodo, mayor será el error porcentual del pronóstico. • Cuanto más largo sea el horizonte, mayor será el error porcentual del pronóstico. • Cuanto más especifico sea el pronóstico, mayor será el error porcentual, es decir, el error será menor si englobamos muchos productos o servicios y será mayor si se refiere a uno solo. Ing. Karla Elisabeth Dàvila

25. Bibliografía • Bowerma, B. L., O´Connell, R. T., & Koehler, A. B. (2007). Pronósticos, serie de tiempos y regresión, un enfoque aplicado. México: CengageLearning Editores. • Chapman, S. N. (2006). Planificación y Control de la Producción. México: Pearson Educación. • Render, B. (2004). Principios de Administración de Operaciones. México: Pearson Educación

26. Gracias! Ing. Karla Dávila