REQUERIMIENTOS DE LA CADENA DE
SUMINISTROS
Si compro y vendo
camisetas de la
seleccin Cuntas
compro??
UTEC: Gestin de Cadena de
Suministros
Objetivos
Pronsticos
cuantitativos
Modelos de series Modelos
de tiempo
causales
Picos Lnea de
estacionales tendencia
Demanda del producto o
Lnea de
demand
a actual
servicio
Variaci
n
aleatoria
Prim Segund Terce Cuart
er o r o
ao ao ao ao
Mtodos Cuantitativos
Pronsticos
cuantitativos
Modelos de series Modelos
de tiempo
causales
Promedi
datosoa lo n periodos previos
Mvil demanda de n
Promedio Mvil Simple
Ejemplo 1
Semana Demanda
1 650
2 678 Ft = Yt + Y-1t
3 720
1
4
5
785
859
+ Y -
t
2 + ... + Y t-n
Desarrollemos un pronstico
6 920 de promedio mvil de 3
7 850 n
semanas y 6 semanas.
8 758
9 892
Asumir que slo se dispone
10 920 de 3 semanas o 6 semanas
11 789 de datos.
12 844
15
16
GRFICO DE PROMEDIOS
MVILES
950
900
850
DEMANDA
800
750
700
650
600
1 2 3 4 5 6 7 8 9 10 11
12
SEMANAS
Demanda 3 Semanas 6
Semanas
Promedio Mvil Simple
Ejemplo 2
18
Solucin
19
Promedio Mvil Ponderado
Se utiliza cuando se presenta una
tendencia:
Los datos anteriores suelen carecer de
importancia.
Las ponderaciones se basan en la
intuicin:
Suelen estar entre 0 y 1, y a la suma debe ser
1.
Ecuacin:
Ft1+=ww2Y
1Yt+
-1 t w3Y-t2+ ... + wnY-tn
n
i=1
w i =1
Determinar el pronstico de
Semana Demanda
1 650 promedio mvil ponderado
2 678 para el perodo 4.
3 720
4 Pesos:
t-1 0.5 (ms
reciente) t-2 0.3
t-3 0.2 20
Solucin
21
Promedio Mvil Ponderado
Ejemplo 4
22
Solucin
SEMANA DEMANDA PESOS PRONOSTICO
1 820 0.1
2 775 0.2
3 680 0.7
4 655 713.00
5 620 672.00
6 600 633.00
7 575 609.50
8 584.50
23
Demanda Actual
y Pronsticos
35
30 Promedio mvil
Demanda de ventas
25 ponderado
Ventas
20 reales
15
10
5
Promedio
0
mvil
Ene. Feb. Mar. Abr. Jul. Ago. Sep. Oct.
May. Jun. Nov. Dic
Mes
Mtodos Cuantitativos
Pronsticos
cuantitativos
Modelos de series Modelos
de tiempo
causales
Ft 1 Yt (1 )Ft
Ft+1 = Pronstico del perodo que se desea encontrar
Ft = Pronstico del ltimo perodo
Yt = Valor real del ltimo perodo
= Constante de
suavizacin
Ft+1 = Yt + (1-)Yt - 1 + (1- )2Yt 2 + (1- )3Yt - 3 + ...
+ (1- )t-1Y0
24
Suavizacin Exponencial
Ft 1 Yt (1 )Ft
Ft 1 Yt Ft Ft
Ft 1 Ft (Yt
Ft ) Error del Pronstico
Ejemplo 5
En un puerto se descargan grandes cantidades de granos de los buques que
ingresaron durante los ltimos 8 meses. El gerente de operaciones desea usar
el mtodo de suavizacin exponencial para evaluar cmo esta tcnica
pronostica los tonelajes descargados. Cul es el pronstico para el mes 9?.
Dos valores de son examinados: =0.10 y =0.80. Las cantidades reales
descargadas se indican a continuacin. El pronstico para el mes 1 fue de 175
toneladas.
Mes Tonelaje Real Pronstico
1 180 175
2 168
3 159
4 175
5 190
6 205
7 180
8 182
Ejemplo 5
180
160
140
120
100
1 2 3 4 5 6 7 8 9
Mes
Ton. Real alfa 0.1 alfa 0.8
Ejemplo 6
Semana Demanda
Determine los
pronsticos de
1 820
suavizacin exponencial
2 775
para los periodos 2-
3 680 10 usando =.10 y
4 655 =.60.
5 750
6 802
7 798 Al no tener informacin
8 689 sobre el pronstico de la
9 775 semana 1, asuma que el
10 pronstico es igual a la
demanda F1=D1 25
Semana Demanda 0.1 0.6
1 820 820.00 820.00
2 775 820.00 820.00
3 680 815.50 793.00
4 655 801.95 725.20
5 750 787.26 683.08
6 802 783.53 723.23
7 798 785.38 770.49
8 689 786.64 787.00
9 775 776.88 728.20
10 776.69 756.28
26
Errores en los Pronsticos
Ventas Pronstico
Pronstico
Ao reales Suavizacin
Prom.
1995 1 0,6MvilExponencial
1,0
1996 1 (=0.9)
1,3 1,0
1997 2 2,0 1,9
1998 2 2,7 2,0
Mtodo de Suavizacin
Exponencial
Ao Y i F i Error Error2 |Error|
1995 1 1,0 0,0 0,00 0,0
1996 1 1,0 0,0 0,00 0,0
1997 2 1,9 0,1 0,01 0,1
1998 2 2,0 0,0 0,00 0,0
1999 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
ECM = Error2 / = 0,05 / =
n 5 0,01
DAM = |Error| / = 0,3 / =
Mtodo de Promedios
AoMviles
Y F Error Error
i i
2 |Error|
1995 1 0,6 0,4 0,16 0,4
Mtodo de promedios
mviles:
ECM = Error2 / n = 1,10 =
/5 0,220
DAM = |Error| / = 2,0 /
n 5 = 0,400
Evaluacin de mtodos
Pronsticos
cuantitativos
Modelos de series Modelos
de tiempo
causales
14
0
12
0 Demanda
10 real
0
8
0 0 2 4 6 8 1
6 0
Periodo de tiempo
0
4
0
Anlisis de Regresin Lineal
Tt b0
b 1t
Modelo de Anlisis de
Regresin Lineal Simple
Y
T t b 0 b1t
0 1 2 3 4 5 x (meses)
35
Mtodo de Mnimos
Cuadrados
Observaci
rea
n Desviaci
l n
Valores de la variable
Desviaci Desviaci
n n
Desviacin
Desviacin
dependiente
Desviaci
Desviaci Punto en
n
n la lnea de
Tt b0 tendencia
b1t Periodo de
tiempo
Ecuaciones de Mnimos Cuadrado
Ecuacin Tt b 0
:
b1t
t Y
tY n t
t
Pendiente b1
t
:
t n 2
b0 Y b1
n
b1
t 2
t
t 2
n
AO Generadores t Yt tYt t cuadrado
1996 74 1 74 74 1
1997 79 2 79 158 4
1998 80 3 80 240 9
1999 90 4 90 360 16
2000 105 5 105 525 25
2001
2002
142
122
6
7
142
122
852
854
36
49
Tt b0 b1t
2003 28 692 3063 140
Tt 56.7110.54t
2004 4
2005
Sum t Yt 3063 b1 10.54
120
100
80
60
40
20
0
0 1 2 3 4 5 6 7 8 9 10 11
AOS
Mtodos Cuantitativos
Pronsticos
cuantitativos
Modelos de series Modelos
de tiempo
causales
y b0
bx
Modelo de Regresin Lineal
Simple
Y
y b0 b1 x X
35
Ecuaciones de Mnimos
Cuadrados
Ecuacin
: y b0 b1
x x y x y i i
n
i i
Pendiente b1
: x
x n i
2
i
2
Desviaci Desviaci
n n
Desviacin
Desviacin
dependiente
Desviaci
Desviaci Punto en
n
n la lnea de
tendencia
Y a
Valores
bx de la variable
independiente
Correlacin
^= a + b X
Y i
i
i X X
Y r= Y r=
0,89 0
^= a + b X
Y ^= a + b X
Y
i i
i X i X
Mtodos Cualitativos
Jurado de opinin ejecutiva:
Se agrupan las opiniones de un grupo de expertos de
alto nivel o de directivos, a menudo en combinacin con
modelos estadsticos.
Proposicin de personal comercial:
Las estimacin de las ventas esperadas por los
vendedores se revisan para ver si se pueden llevar
a cabo y luego se obtiene una previsin global.
Mtodo Delphi:
Proceso de grupo que permite a los expertos realizar
las previsiones. (ventas del sector)
Estudio de mercado del consumidor:
Requiere informacin de los clientes.(encuestas)
Jurado de Opinin Ejecutiva