Planeamiento S-3

8/8/2019 Planeamiento S-3

http://slidepdf.com/reader/full/planeamiento-s-3 1/37

To Accompany Krajewski & Ritzman Operations Management: Strategy and Analysis, Seventh Edition © 2004 Prentice Hall, Inc. All rights reserved.

Pron Pron

ó ó

sticos sticos




Patrones Patrones de de Demanda Demanda

Q u a

n t i t y

Q u a

n t i t y

TimeTime

(a) Horizontal:(a) Horizontal: CCúúmulomulo dede datosdatos enen tornotorno dede unauna

llí í neanea horizontalhorizontal




Q u a

n t i t y

Q u a

n t i t y

TimeTime

(b) Con(b) Con tendenciatendencia: Los: Los datosdatos aumentanaumentan oodisminuyendisminuyen dede maneramanera consistenteconsistente..



http://slidepdf.com/reader/full/planeamiento-s-3 4/37To Accompany Krajewski & Ritzman Operations Management: Strategy and Analysis, Seventh Edition © 2004 Prentice Hall, Inc. All rights reserved.

Q u a n t i t y

Q u a n t i t y

| | | | | | | | | | | |

JJ FF MM AA MM JJ JJ AA SS OO NN DDMonthsMonths

(c)(c) EstacionalEstacional: Los: Los datosdatos muestranmuestran crestascrestas yy vallesvalles

dede maneramanera consistenteconsistente en unen un aaññoo,, comocomo resultadoresultado dedelaslas costumbrescostumbres socialessociales, fiestas y, fiestas y climaclima ((veranoverano).).

Year 1Year 1

Year 2Year 2



http://slidepdf.com/reader/full/planeamiento-s-3 5/37To Accompany Krajewski & Ritzman Operations Management: Strategy and Analysis, Seventh Edition © 2004 Prentice Hall, Inc. All rights reserved.

Q u a n t i t y

Q u a n t i t y

| | | | | |11 22 33 44 55 66

YearsYears

(c)(c) CCí í clicoclico: Los: Los datosdatos revelanrevelan incrementosincrementos yy decrementosdecrementos

gradualesgraduales en elen el cursocurso de largosde largos periodosperiodos dede tiempotiempo,, porpor

loslos cambioscambios en laen la economeconomí í aa o lao la metereologmetereologí í aa (el(el niniññoo).).





Componentes Componentes de la de la Demanda Demanda •• DemandaDemanda promediopromedio parapara unun

perperí í odoodo dede tiempotiempo•• TendenciaTendencia

•• ElementoElemento estacionalestacional

•• ElementosElementos ccí í clicosclicos

•• VariaciVariacióónn aleatoriaaleatoria

•• AutocorrelaciAutocorrelacióónn




Tipos de Pronósticos

•• MMéétodostodos CualitativosCualitativos (en base al(en base al juiciojuicio))

– – EstimaciEstimacióónn de lade la fuerzafuerza dede ventasventas

– – OpiniOpinióónn ejecutivaejecutiva

– – InvestigaciInvestigacióónn dede mercadomercado

– – MMéétodotodo delphidelphi•• MMéétodostodos CuantitativosCuantitativos

– – MMéétodostodos causalescausales – – Series deSeries de TiempoTiempo – – Causal RelationshipsCausal Relationships

– – SimulationSimulation




Estimación de la fuerza de ventas

•• VentajasVentajas – – HechaHecha en base alen base al conocimientoconocimiento yy

preferenciapreferencia dede consumoconsumo de losde los productosproductos yy

serviciosservicios de losde los clientesclientes.. – – LaLa informaciinformacióónn eses úútiltil parapara lala gestigestióónn dede laslas

operacionesoperaciones

comercialcomercial

yy

loglog

í í sticastica

porpor

territoriosterritorios..•• DesventajasDesventajas

– – SesgoSesgo porpor causacausa de losde los prejuiciosprejuiciospersonalespersonales.. – – LoLo queque elel clientecliente apeteceapetece de lode lo queque

realmenterealmente necesitanecesita nono siempresiempre puedepuede serserevidenteevidente..




Opinión ejecutiva

•• VentajasVentajas – – Resume laResume la experienciaexperiencia yy opinionesopiniones de losde los

ejecutivosejecutivos oo ttéécnicoscnicos..

– – SirveSirve parapara corregircorregir loslos pronpronóósticossticos

establecidosestablecidos frentefrente aa acontecimientosacontecimientos

inesperadosinesperados

.

. – – ApropiadosApropiados parapara pronpronóósticossticos tecnoltecnolóógicosgicos..

•• DesventajasDesventajas

– – PuedePuede serser costosacostosa,, porpor elel tiempotiempo usadousado.. – – DistorcionesDistorciones en losen los pronpronóósticossticos porpor

conflictosconflictos dede interesesintereses dede laslas ááreasreas..

– – LosLos controlescontroles debendeben serser basadosbasados en laen labusquedabusqueda dede consensoconsenso..




Investigación de Mercado

•• VentajasVentajas – – ValidaciValidacióónn deldel usouso yy costumbrescostumbres deldel

consumidorconsumidor // clientecliente en base aen base a encuetasencuetas

parapara productosproductos nuevosnuevos.. – – LaLa precisiprecisióónn eses excelenteexcelente parapara elel cortocorto plazoplazo

yy

buenabuena

parapara

elel

medianomediano

y largoy largo

plazoplazo

.

.•• DesventajasDesventajas

– – En losEn los resultadosresultados encontradosencontrados suelensuelen estarestar

incluincluí í dasdas numerosasnumerosas excepcionesexcepciones yysalvedadessalvedades.. – – ExisteExiste lala posibilidadposibilidad queque lala informaciinformacióónn

obtenidaobtenida nono reflejerefleje lala opiniopinióónn deldel mercadomercadoobjetivoobjetivo..




Método Delphi

ConsisteConsiste en unen un procesoproceso parapara obtenerobtener elelconsensoconsenso

dentrodentro de unde un grupogrupo dede expertosexpertos alal tiempotiempo queque sese

esperaespera elel anonimatoanonimato dede sussus integrantesintegrantes..•• EtapasEtapas::

– – EnvioEnvio deldel cuestionariocuestionario aa cadacada integranteintegrante,,

estosestos aa susu vezvez no seno se conocenconocen entreentre ssí í paraparaevitarevitar elel dominiodominio dede algunoalguno de losde los

participantesparticipantes.. – – LosLos integrantesintegrantes respondenresponden yy documentandocumentan

sussus respuestasrespuestas,, laslas mismasmismas queque sonson

redistribuidasredistribuidas procesadasprocesadas alal restoresto deldel

grupogrupo.. – – RevisadasRevisadas laslas re untasre untas anterioresanteriores sese creacrea




Método Delphi

•• VentajasVentajas – – ApropiadoApropiado cuandocuando sese carececarece dede datosdatos

histhistóóricosricos yy ejecutivosejecutivos dede experienciaexperiencia..

– – ElEl procesoproceso permitepermite obtenerobtener opinionesopinionesconsensuadasconsensuadas en unen un ambienteambiente ananóónimonimo..

– – ApropiadoApropiado parapara el largoel largo plazoplazo..

•• DesventajasDesventajas – – ElEl tiempotiempo dede duraciduracióónn deldel procesoproceso puedepuede

ocasionarocasionar retrazosretrazos porpor bajasbajas.. – – LosLos resultadosresultados obtenidosobtenidos seranseran mejoresmejores sisi

loslos expertosexpertos estestáánn comprometidoscomprometidos.. – – DependeDepende de lade la calidadcalidad de losde los cuestionarioscuestionarios..




Demanda dependiente o independiente?

Precio de la maderaDemanda de

muebles




Demanda dependiente o independiente?

Por cada auto se requiere al menos 4 llantas. Eldesgaste de las llantas depende de muchosfactores probabilisticos de ocurrencia: estado de

pistas, uso del vehiculo, entre otros.




ItemMateriales con

demanda independiente

Materiales con

Demanda dependienteFuente de lademanda

Mercado de clientes Items “padres”

Tipo dematerial

Productos de consumomasivo

Método para

estimar lademanda

Pronósticos & reservas

de ordenes de clientes

Calculados

Método deplaneación

Sistema Q y P MRP

Demanda dependiente versus

independiente

Materiales en proceso &partes para ensamblaje




M M é é todos todos Causal Causal - - Linea de Linea de

Regresion Regresion

V a r i a b l e

V a r i

a b l e D e p

e n d e n t e

D e p

e n d e n t e

VariableVariable IndependenteIndependente

X X

Y Y

EstimadoEstimado dedeY Y de lade la

ecuaciecuacióónn dede

regresionregresion

RegressionRegression

equation:equation:Y Y == a a ++ bX bX

Valor actualValor actualdede Y Y

Valor deValor de X X usadousadoparapara estimarestimar Y Y

Deviation,Deviation,

or erroror error

{




VentasVentas GastoGasto PublicidadPublicidad

MesMes (mil(mil unidunid.).) (mil $)(mil $)

11 264264 2,52,5

22 116116 1,31,333 165165 1,41,4

44 101101 1,01,0

55 209209 2,02,0

Caso Caso

Variable independiente

Variable dependiente




a a == Y Y – – b bX X

b b == ΣΣΣΣΣΣΣΣXY XY – – n nXY XY

ΣΣΣΣΣΣΣΣX X 22 – – n nX X 22

Se Se buscar buscar á á la la ecuaci ecuaci ó ó n n de de

regresi regresi ó ó n n lineal lineal

n nΣΣΣΣΣΣΣΣXY XY – – ΣΣΣΣΣΣΣΣX X ΣΣΣΣΣΣΣΣY Y

[[ n nΣΣΣΣΣΣΣΣX X 22 – – ((ΣΣΣΣΣΣΣΣX X )) 22][][ n nΣΣΣΣΣΣΣΣY Y 22 – – ((ΣΣΣΣΣΣΣΣY Y )) 22]] r r ==




SalesSales AdvertisingAdvertising

MonthMonth (000 units)(000 units) (000 $)(000 $)

11 264264 2.52.522 116116 1.31.3

33 165165 1.41.4

44 101101 1.01.0

55 209209 2.02.0| | | |

1.0 1.5 2.0 2.5

Advertising (thousands of dollars)

300 —

250 —

200 —

150 —

100 —

50 S a l e s ( t h o u s a n d s o f u n i t s

)

Diagrama Diagrama

de de

dispersi dispersi

ó ó

n n






11 264264 2.52.5

22 116116 1.31.3

33 165165 1.41.444 101101 1.01.0

55 209209 2.02.0

| | | |1.0 1.5 2.0 2.5


300 —

250 —

200 —

150 —

100 —

50 S a l e s ( t h o u s a n

d s o f u n i t s

)

Recta de Recta de regresi regresi ó ó n n




Sales,Sales, Y Y Advertising,Advertising, X X

MonthMonth (000 units)(000 units) (000 $)(000 $) XY XY X X 22

Y Y 22

11 264264 2,52,5 660,0660,0 6,256,25 69 69669 696

22 116116 1,31,3 150,8150,8 1,691,69 13 45613 456

33 165165 1,41,4 231,0231,0 1,961,96 27 22527 225

44 101101 1,01,0 101,0101,0 1,001,00 10 20110 20155 209209 2,02,0 418,0418,0 4,004,00 43 68143 681





MonthMonth (000 units)(000 units) (000 $)(000 $) XY XY X X 22 Y Y 22

11 264264 2,52,5 660,0660,0 6,256,25 69 69669 696

22 116116 1,31,3 150,8150,8 1,691,69 13 45613 45633 165165 1,41,4 231,0231,0 1,961,96 27 22527 225

44 101101 1,01,0 101,0101,0 1,001,00 10 20110 201

55 209209 2,02,0 418,0418,0 4,004,00 43 68143 681

TotalTotal 855855 8.21 1560,88.21 1560,8 14,9014,90 164164

Y Y

= 171= 171

X X

= 1.64= 1.64




a a == Y Y – – b bX X b b ==1560.81560.8 – – 5(1.64)(171)5(1.64)(171)

14.9014.90 – – 5(1.64)5(1.64)22



11 264264 2,52,5 660,0660,0 6,256,25 69 69669 696

22 116116 1,31,3 150,8150,8 1,691,69 13 45613 45633 165165 1,41,4 231,0231,0 1,961,96 27 22527 225

44 101101 1,01,0 101,0101,0 1,001,00 10 20110 201

55 209209 2,02,0 418,0418,0 4,004,00 43 68143 681

TotalTotal 855855 8,21 1560,88,21 1560,8 14,9014,90 1616

Y Y

= 171= 171

X X

= 1.64= 1.64




a a == 171171 – – 109 229(1,64)109 229(1,64) b b = 109 229= 109 229



11 264264 2,52,5 660,0660,0 6,256,25 69 69669 696

22 116116 1,31,3 150,8150,8 1,691,69 13 45613 456

33 165165 1,41,4 231,0231,0 1,961,96 27 22527 225

44 101101 1,01,0 101,0101,0 1,001,00 10 20110 201

55 209209 2,02,0 418,0418,0 4,004,00 43 68143 681

TotalTotal 855855 8,21 1560,88,21 1560,8 14,9014,90 164164

Y Y = 171= 171 X X = 1.64= 1.64




a a == – – 8,1368,136 b b = 109 229= 109 229


MonthMonth (000 units)(000 units) (000 $)(000 $) XY XY X X 22

Y Y 22

11 264264 2.52.5 660.0660.0 6.256.25 69,69669,696

22 116116 1.31.3 150.8150.8 1.691.69 13,45613,456

33 165165 1.41.4 231.0231.0 1.961.96 27,22527,225

44 101101 1.01.0 101.0101.0 1.001.00 10,20110,20155 209209 2.02.0 418.0418.0 4.004.00 43,68143,681

TotalTotal 855855 8.28.2 1560.81560.8 14.9014.90 164,259164,259

Y Y == – – 8,136 + 109 229(8,136 + 109 229(X X ))




a a == – – 8,1368,136

b b = 109 229= 109 229XX r r = 0,98= 0,98

r r22 = 0,96= 0,96

ss yx yx = 15,61= 15,61

| | | |1.0 1.5 2.0 2.5


300 —

250 —

200 —

150 —

100 —

50Y = – 8 136 + 109 229 X S a

l e s ( t h o u s a n d s o f u n i t s

)

Resultados Resultados del del modelo modelo de de

regresi regresi ó ó n n lineal lineal






11 264264 2.52.522 116116 1.31.3

33 165165 1.41.4

44 101101 1.01.0

55 209209 2.02.0

a a == – – 8,1368,136

b b = 109 229= 109 229XX

| | | |1.0 1.5 2.0 2.5


300 —

250 —

200 —

150 —

100 —

50Y = – 8 136 + 109 229 X S a


)

La La causalidad causalidad y los y los factores factores

de la de la ecuaci ecuaci ó ó n n lineal lineal






11 264264 2.52.522 116116 1.31.3

33 165165 1.41.4

44 101101 1.01.0

55 209209 2.02.0

| | | |1.0 1.5 2.0 2.5


300 —

250 —

200 —

150 —

100 —

50Y = – 8,136 + 109 229 X S a


)

Pronóstico para el Mes 6

Y = – 8 136 + 109 229(1,75)






11 264264 2.52.522 116116 1.31.3

33 165165 1.41.4

44 101101 1.01.0

55 209209 2.02.0

| | | |1.0 1.5 2.0 2.5


300 —

250 —

200 —

150 —

100 —

50 S a


)

Y = 183,015 o 183 015 unid

Uso Uso del del formato formato IS IS para para los los

n n ú ú meros meros






11

264264

2.52.5

22 116116 1.31.3

33 165165 1.41.4

44 101101 1.01.0

55 209209 2.02.0

| | | |1.0 1.5 2.0 2.5


300 —

250 —

200 —

150 —

100 —

50Y = – 8.136 + 109.229 X S a


)

Pronóstico para el mes 6

X = 183 014 o 183 015 unidades ?El criterio de decisión seran un redondeoque contribuya al mayor beneficio con el

mínimo costo.

Redondeo Redondeo






11

264264

2.52.5

22 116116 1.31.3

33 165165 1.41.4

44 101101 1.01.0

55 209209 2.02.0

| | | |1.0 1.5 2.0 2.5


300 —

250 —

200 —

150 —

100 —

50 S a

l e s ( t h o u s a

n d s o f u n i t s

)

Si el stock actual es 62 500 unid la cantidad a

producir sera= 183 015 – 62 500 = 120 015 unid





[[ n nΣΣΣΣΣΣΣΣX X 22 – – ((ΣΣΣΣΣΣΣΣX X )) 22][][ n nΣΣΣΣΣΣΣΣY Y 22 – – ((ΣΣΣΣΣΣΣΣY Y )) 22]] r r 22=( )=( )22


Regresion Regresion

ΣΣΣΣΣΣΣΣ((((((((Y Y – – Ŷ Ŷ ) ) 2 2

nn--22

σ σ ==EstimaciEstimacióón de lan de la

varianzavarianza

Coeficiente deCoeficiente de

determinacideterminacióónn


[[ n nΣΣΣΣΣΣΣΣX X 22 – – ((ΣΣΣΣΣΣΣΣX X )) 22][][ n nΣΣΣΣΣΣΣΣY Y 22 – – ((ΣΣΣΣΣΣΣΣY Y )) 22]] r r == Coeficiente deCoeficiente de

correlacicorrelacióónn




r r = 0,98= 0,98

r r 22 = 0,96= 0,96

σσσσσσσσYX YX = 15,61= 15,61


Regresion Regresion Medida cuantitativa de la solidez deMedida cuantitativa de la solidez de

la relacila relacióón lineal entren lineal entre x x ee y, esta y, esta entre entre - - 1 a +1.1 a +1.

La proporciLa proporcióón de erroresn de erroresacumulados del modelo a la media deacumulados del modelo a la media de

la data real, esta entre 0 y 1. Ella data real, esta entre 0 y 1. El

modelo explica un 96 % del promediomodelo explica un 96 % del promedio

de la data.de la data.

Medida de los errores deMedida de los errores de dispersiondispersion..

Se espera que los errores queden aSe espera que los errores queden a

2x15.61 de su verdadero valor2x15.61 de su verdadero valor

MMéét dtodos C lCausal Li dLinea de R iRegresion




M M é é todos todos Causal Causal - - Linea de Linea de Regresion Regresion

( ( uso uso de de una una hoja hoja de de c c á á lculo lculo ) )

MMéétodostodos CausalCausal Linea deLinea de RegresionRegresion


















Documents

Planeamiento S-3