Planeamiento y Control

de la Produccin
Profesor: Jorge Esponda Vliz
Control de Produccin

Setiembre
2012
TENDENCIAS GLOBALES
Mayor Cuidado del medio Ambiente
Mayor Cuidado de la Salud
Tecnologa integral
Responsabilidad Social
Empresarial Desarrollo Sostenible
Calidad Productividad
. Expansin e integracin empresarial,
absorcin.



Mercado sin lmites o libre trnsito
Fuerte e incluso desleal competencia
Creciente espectativa del cliente
Los precios son regulados por la O / D
. participacin del cliente en la fabricacin
. Productos socialmente responsable
. Marketing y comercio electrnico
Presin sobre los inventarios
Cliente auditor

ADMINISTRACIN DE LA DEMANDA
Planeamiento y Control de la Produccin
Eleccin del mtodo
Depender de los costos involucrados, del
propsito del pronstico, de la
confiabilidad y consistencia de los datos
histricos de ventas, del tiempo disponible
para hacer el pronstico, del tipo de
producto, de las caractersticas del
mercado, de la disponibilidad de la
informacin necesaria y de la pericia de los
encargados de hacer el pronstico. Lo
usual es que las empresas combinen
varias tcnicas de pronstico.
.



























MODELO
CUALITATIVO
DE
PREDICCIN
MODELO
CUANTITATIVO
DE
PREDICCIN
Modelos Cualitativos de Prediccin
Jurado de
opinin ejecutiva

Compuesto
fuerza de ventas
8
Jurado de Opinin Ejecutiva
9
Grupo pequeo de
personas de altos
ejecutivos de la empresa
Registro de
ventas, Anlisis
Numrico y otros.
Estimaciones de
Demanda
10
1000
7000
2000


Gerentes
de Ventas
JEFES VENTAS REA
1
JEFE VENTAS REA
2
JEFE VENTAS REA
3
100
300
400
200
5000
2000
500
800
700
Compuesto fuerza de ventas
10000


V3 A3
V2 A1
V3 A1
V4 A1
V1 A2
V2 A2
V1 A3
V2 A3
V1 A1
Modelos Cuantitativos de
Prediccin
PRONOSTICOS = (ventas histricas)

Se debe hacer dos tipos de anlisis:

Cuantitativo (Numrico - modelo)
Cualitativo (Subjetivo - sistema de causas)
}
1. Modelo de Series de Tiempo
Una serie de tiempo es una secuencia de
observaciones cronolgicamente clasificadas de
ventas que se toman con respecto al tiempo en
periodos uniformes para una variable regular.
Este modelo incluye analizar datos de
demanda sobre una escala de tiempo.
Debemos estudiar el modo o
comportamiento representativo de las
ventas para descubrir los modelos y las
figuras o los patrones consistentes.
Luego, estos patrones se proyectan hacia
el futuro.
1.2 Sistemas de causas
Los pronsticos basados en el anlisis
estadstico de las ventas pasadas brindan
la posibilidad de ser los mas exactos
siempre exista una relacin entre el pasado
y el futuro.
1.1 Mtodos estadsticos
Es el conjunto de factores o variables que
engendran colectivamente la demanda en
el mercado.
Es frecuente que las series de tiempo se
analicen para identificar cualquier tendencia,
factores de temporada y/o factores cclicos que
influyen en los datos de demanda. Las tcnicas
de suavizacin, como los promedios mviles y
la suavizacin exponencial, tambin pueden
aplicarse a los datos de la serie de tiempo.
TENDENCIA ESTACIONALIDAD CCLICO
Cuando se requieren predicciones a corto
plazo que apoyen la programacin de la
produccin, control de inventarios, fijacin de
precios para los productos y que determinen
el lanzamiento oportuno de las promociones
especiales, las tcnicas de los modelos de
series de tiempo son valiosos.
2.- Modelo de Descomposicin
A.- Una tendencia es el modo o comportamiento
representativo de las ventas considerado movimiento
gradual hacia arriba o hacia abajo de los datos en el
tiempo con variaciones aleatorias.
Demanda
Tiempo
Exponencial
Leyenda
Lineal
Logartmica
B.- La temporada es la variacin que se repite a
intervalos fijos. Puede durar un ao o solo unas pocas
horas.
Ejemplos: ventas de
equipo de aire
acondicionado (clima),
volumen de trfico de
autos en la va expresa
(horas de trabajo) y
recaudo de ingresos de
una empresa por el
modelo de facturacin
(polticas de una
empresa).
C.- La variacin cclica tiene una duracin
de por lo menos un ao; la duracin varia de
un ciclo a otro.
d.- 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 la legislacin, pueden
causar grandes variaciones aleatorias.
Inicio de una guerra
Huelga Terremoto
A diferencia de la tendencia, de las variaciones de
ciclo y de temporada, la variacin aleatoria siempre
esta presente.
2.1.- PROYECCIONES DE TENDENCIA
Historia de Ventas
0
5000
10000
15000
20000
1 2 3 4 5
Aos
V
e
n
t
a
s

Las tendencias lineales son comnmente
imparciales y la mayora de las personas encuentra
fcil trabajar con ellas.
= a + bt
t
V
1 6600
2 10450
3 12700
4 15450
5 18800
Tiempo(t) Ventas(Y)
= 3,980 + 2,940 t
t
V
La tendencia para periodos futuros, se
reemplaza ( t ) a valores mayores de 5:
6
7
= 3,980 + 2,940 (6) = 21,620
V = 3,980 + 2,940 (7) = 24,5 60
V
El resultado es la tendencia de las Ventas.
2.2.- PROYECCIONES DE TEMPORADA
Trimestre 2004 2005 2006
I 1900 2320 2810
II 3500 4250 5160
III 4770 5790 7050
IV 2530 3090 3780
Muchas empresas experimenta la demanda de
temporada, mediante el siguiente ejemplo
observaremos.
Promedio 3175 3862.5 4700
VENTAS
Ventas vs Periodo
0
1000
2000
3000
4000
5000
6000
7000
8000
1 2 3 4 5 6 7 8 9 10 11 12
Periodo
V
e
n
t
a
s
Periodo Ventas Trimestre
1 1900
2 3500
3 4770
4 2530
5 2320
6 4250
7 5790
8 3090
9 2810
10 5160
11 7050
12 3780
I
II
III
IV
I
II
III
IV
I
II
III
IV
1. Identificar el ndice de temporada
m
q,j
j
j = 1
D
=
m
q
D
SI

q
q,j
SI = Indice de temporada para el trimestre q
D = Venta real para el trimestre q en el ao j
D = Promedio de Ventas trimestral en el ao j
m = nmero de aos
j
Calculo para el trimestre I:
Trimestre
SI
I 0.6
II 1.1
III 1.5
IV 0.8
El resultado de los ndices de Temporada ( SI ) para
cada trimestre:
0. 6 0. 599
3
4700
2810
3862. 5
2320
3175
1900
3
D
D
SI
3
1 j
j
j 1,
1
~ =
+ +
= =

=
0
1000
2000
3000
4000
5000
6000
7000
8000
1 2 3 4 5 6 7 8 9 10 11 12
V
e
n
t
a
s
Trimestre
Demanda Trimestral Destemporalizada
3167
3182
3180
3163
3867
3864
3860
3863
4683
4691
4700
4725
1
2
3
4
5
6
7
8
9
10
11
12
Ventas
Destemporalizada Trimestre
2.- Destemporalizar la Demanda
El clculo de las Ventas Destemporalizada es:
1900 / 0.6 = 3167
3500 / 1.1 = 3182
3.- Calcular la lnea de tendencia
1 1900
2 3500
3 4770
4 2530
5 2320
6 4250
7 5790
8 3090
9 2810
10 5160
11 7050
12 3780
Periodo Ventas
= a + bt
t
V
= 2799 + 171.2 t
t
V
La proyeccin de las ventas
trimestrales para 13 al 16 del ao 2008
son:
Periodo Ventas
13 5025
14 5196
15 5367
16 5538
Trimestre
I
II
III
IV
4.- Ajustar los estimados de la
Venta Futura utilizando el ndice
de temporada
2008
Trimestre
Ventas
proyectadas

SI
Ventas
Ajustadas
I
5025 0.6 3015.0
II
5196 1.1 5715.6
III
5367 1.5 8050.5
IV
5538 0.8 4430.4
Grfica de Ventas Proyectadas
0
2000
4000
6000
8000
10000
1 3 5 7 9 11 13 15
Periodo
V
e
n
t
a
s
APLICACIONES
CASO N 1.- Los ejecutivos de la empresa industrial
Cementos El Sol S.A. se han reunido a fin de tomar la
decisin de expansin de planta y por consecuencia si es
necesario la compras de nuevos equipos y maquinas para el
siguiente ao. Para ello se tiene registrado los datos de
ventas (en miles de kilogramos) de los 6 ltimos aos de
sus distribuidores tal como se muestra en el cuadro
adjunto:
Ao
Distribucin TOTAL
A B C Kgs
2006 828.025 502.82 689.031 2019.876
2007 1054.688 415.32 740.477 2210.485
2008 1260.284 407.123 453.761 2121.168
2009 1201.826 533.825 624.585 2360.236
2010 1493.138 476.035 333.612 2302.785
2011 1698.485 587.827 283.604 2302.785
Total 7536.446 2922.95 3125.07 13584.466
X Y (Tn)
1 2020
2 2210
3 2121
4 2360
5 2303
6 2570
Solucin:
1. Identificacin del problema de acuerdo al objetivo
2. Reconocimiento y anlisis de la serie cronolgica, se analiza si faltan
datos, hay datos anormales, simplificar la informacin, redondeo de
datos.
3. Analizar la graficar de la serie cronolgica a fin de visualizar el
comportamiento de la demanda.
4. Identificar la caracterstica de la demanda (determinar el patrn de la
demanda)
Ver si es lineal creciente con variaciones irregulares
Para una buena estimacin es necesario contar con 8 o mas datos
de ventas anuales.
Para el caso de ver la temporalidad es necesario contar con 48 o 60
datos de ventas mensuales.
5. De acuerdo al patrn de la demanda se enfoque del problema, en el
ejemplo se aproxima a una recta:
donde:
( )

=
2
2
x x n
y x xy n
b

n
y
y

=
n
x
x

=
x b y a

=
x b a y


+ =
X
I
Y
I
X
I
Y
I
X
I
2
(Y- )
2

1 2020 2020 1 2030.572 112
2 2210 4420 4 2123.943 7406
3 2121 6363 9 2217.314 9276
4 2360 9440 16 2310.685 2432
5 2303 11515 25 2404.056 10212
6 2570 15420 36 2497.427 5267
I Y
.
Y
.
CUADRO DE VALORES

Y = 1937.201 + 93.37 X
i

Hallar el error del pronostico

1 n
Y

2
i
i Y

|
.
|

\
|

=

.
=83.31=83
= desviacin estndar
Hallar el pronostico para los periodos que se desea estimar las ventas:
Y = 1937.201 + 93.371(7) = 2591
Hallar los limites del pronostico: para el 68% de confiabilidad se tiene:
LS = Y
7
+ 1 = 2674 tn
LI = Y
7
1 = 2508 tn
Hacer los ajustes necesarios del pronsticos contemplando otros
factores.
DIMENSIONES

Alto
Ancho
Profundidad
Peso Neto

INSTRUCCIONES DE MANIPULACI

No apilable
Gigante
Deformable
Alimentos
Peligro de congelacin
Sensible a la luz
Slido inflamable
PRONOSTICO BASADO EN PROMEDIO
PONDERADO EXPONENCIAL (P.M.P.E.) o
ATENUACIN EXPONENCIAL
Un pronostico que emplea la atenuacin exponencial resulta de la ecuacin:
( )
1 t 1 t 1 t t
Y Y Y Y

+ =

Donde:
t
Y

1 t
Y

1 t
Y

= Pronstico o demanda estimada para el siguiente perodo o
pronstico para el perodo (t)
= Pronstico del perodo anterior (t-1)
= Demanda real del perodo anterior
= Coeficiente de atenuacin 1) (0 s s
Se puede ordenar de la siguiente manera: ( )
1 t 1 t t
Y 1 Y Y

+ =

Se puede afirmar que o es un valor entre 0 y 1
Si o = 0
Si o = 1
1 t t
Y Y

=

1 t t
Y Y

=

o = Proporcin total de prediccin que puede atribuirse a un cambio en el

patrn de la demanda. Se puede observar que el P.M.P.E. es simplemente
un promedio ponderado seguido de una serie de pronsticos, tal como se
muestra a continuacin:
Periodo 1:
Perodo 2:
Perodo 3:
Perodo 4:
.
.
Perodo t:
0 1
Y ) (1 Yo Y

+ =
1 1 2
Y ) (1 Y Y

+ =
2
Y ) (1 Y Y
2 3

+ =
3 3 4
Y ) (1 Y Y

+ =
1 t 1 t t
Y ) (1 Y Y

+ =

Reemplazando:
| |
0 0 1 2
)Y (1 Y ) (1 Y Y + + =

0
2
0 1 2
Y ) (1 )Y (1 Y Y + + =

| |
0
2
0 1 2 3
Y ) (1 )Y (1 Y ) (1 Y Y + + + =

0
3
0
2
1 2 3
Y ) (1 Y ) (1 )Y (1 Y Y + + + =

| |
0
3
0
2
1 2 3 4
Y ) (1 Y ) (1 )Y (1 Y ) (1 Y Y + + + + =

0
4
0
3
1
2
2 3 4
Y ) (1 Y ) (1 Y ) (1 )Y (1 Y Y + + + + =

0
t
0
2 t
4 t
3
3 t
2
Y ) (1 Y ) (1 . . . Y ) (1 Y ) (1 + + + + + + =

2 1
) 1 (
t t t
Y Y Y o o o

Donde:
=
t
Y

Pronstico para el perodo t.

Y = Demanda real
= =
0 1 t
Y Y

Pronstico inicial
Ejemplo
PERODO DEMANDA
(Y)
Y(o=0.2) Iel Y(o=0.5) Iel Y(o=0.8) Iel
1 32 32 0 32 0 32 0
2 36 32 4 32 4 32 4
3 31 33 2 34 3 35 4
4 27 33 6 33 6 32 5
5 37 32 5 30 7 28 9
6 50 33 17 34 16 35 15
7 47 36 11 42 5 47 0
8 42 38 4 45 3 47 5
9 37 39 2 44 7 43 6
10 40 39 1 41 1 38 2
11 44 39 5 40 4 40 4
12
TOTAL 57 56 54
( )
.8 0 es correcto
43.2 40) 0.8(44 40 Y Y Y Y
11 11 11 12
=
= + = + =

Una visin sin
accin es un sueo.
Una accin sin visin
es una prdida de
tiempo. Una visin
con accin puede
cambiar al mundo
Joel Baker