Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GRUPO: 01
TEMARIO:
I. Introduccin.
II. Programacin y control de la produccin.
III. Balanceo de lnea.
IV. Sistemas de administracin de inventarios.
V. Logstica.
VI. Produccin asistida por computadora.
EVALUACIN:
OBJETIVO:
Disear o implementar procedimientos o sistemas para determinar los volmenes optimas de Produccin e
inventarios mediante el uso de modelos, mtodos y reglas en cualquier sistema de Produccin.
BIBLIOGRAFA:
Daniel Sipper A. Robert L. Baifin Jr. Planeaccin y Control de la Produccin, Editorial Mc Graw-
Hill, 1998.
Adam Everestt; Administracin de la Produccin y de las Operaciones, Editorial Prentice Hall.
Pronsticos
Inventarios
Compras Planeacin de la Produccin
Ruta critica Planeacin de la Produccin
Balanceo de lneas
Inventario ABC
http://www.une.edu.ve
http://www.service.bfast.com
CAPITULO 2. MTODOS DE PRONSTICOS
2. 1 Definicin de Pronsticos
1
EVERETT E. Adam, et. al. ; Administracin de la produccin y las operaciones; Editorial Prentice
Hall, Cuarta edicin 1991, Mxico.
puede utilizar los pronsticos para cambiar el curso de los sucesos futuros
e invalida as los pronsticos.
2. 2 El Proceso de Pronstico
Paso 6. Someter el modelo a prueba. Un modelo tiene que ser validado antes
de poderse utilizar con propsitos de pronstico. Por tanto, hay que
utilizar una parte de los datos disponibles para estructurar el modelo, en
tanto los datos restantes se deben utilizar para someter el modelo a
prueba y validarlo a fin de asegurarse de que representa el proceso de
manera real.
2. 3. a. Horizontal
ltimo dato
Promedio simple
Promedio mvil simple
Promedio mvil ponderado
Suavizamiento exponencial simple
Ft + k = Ft + 1
donde: Ft+1 es el pronstico por promedio mvil simple para t+1 peridos
Ft+k es el pronstico por promedio mvil simple para t+k peridos
t es el periodo para el ltimo valor observado
2. 3. b. Tendencial
2. 3. c. Estacional
Existe un patrn estacional cuando una serie flucta de acuerdo con un factor
estacional. Las estaciones pueden ser los meses o las cuatro estaciones del ao,
pero tambin pueden ser las horas del da, los das de la semana o los das del
mes.
2. 3. d. Cclico
Mtodo de descomposicin
2. 4 Mtodos de Pronsticos
Mtodo Delphi
Cualitativos Descripcin del escenario
Anlisis de impactos cruzados
ltimo dato
Promedio simple
Promedio mvil simple
Promedio mvil ponderado
Suavizado exponencial simple
Suavizado exponencial doble (de Holt)
Suavizado exponencial amortiguado de
Series de tendencia
Cuantitativos tiempo Suavizado exponencial de Winters
Mtodos de descomposicin
Promedios mviles Autorregresivos
Regresin lineal simple
Regresin mltiple
Mtodos de simulacin
Causales
Mtodos economtricos
Mtodos bayesianos
Redes neuronales
En todos los casos en que no est clara la decisin de seleccin del mejor
mtodo de pronsticos, se puede usar ms de un mtodo de pronsticos o ms de
un pronosticador, combinando luego sus predicciones. Es una manera efectiva de
aumentar la precisin de los pronsticos y disminuir la varianza de los errores. Los
mtodos anteriores se explican brevemente a continuacin:
2. 4. a. Mtodos Cualitativos
2. 4. b. Mtodos Cuantitativos
Xi
Ft + 1 = i= 1
T
donde: Ft+1 es el pronstico del perodo t+1
Xi es el valor observado en el periodo i
T es el nmero de periodos de los valores observados
donde: Ft+1 es el pronstico por promedio mvil simple para t+1 peridos
Xt es el valor observado en el periodo t
n es el nmero de periodos empleados en la media mvil
donde: Ft+1 es el pronstico del promedio mvil ponderado para t+1 periodos
Xt es el valor observado en el periodo t
n
Ct es la ponderacin en el periodo t; 0 Ct 1.0;
t= 1
C t = 1 .0
Xt
St = + (1 )( S t 1 + B t 1 )
C t L
B t = ( S t S t 1 ) + (1 )B t 1
Xt
Ct = + (1 ) C t L
St
Ft + k = ( S t + kB t ) C t + k gL
2
donde, = ;
(n + 1)
2
2 2
1 = 1 1
0.05
donde: Ft+k es el pronstico para el periodo t+k
Xt es el valor observado en el periodo t
St es el valor estimado de la aleatoriedad para el periodo t
Bt es el valor estimado de la tendencia en el periodo t
Ct es el valor estimado de la estacionalidad en el periodo t
k es el nmero de periodos futuros que se quieren pronosticar
L es el nmero de estaciones
t es el nmero de periodos de datos disponibles
g es el entero ms pequeo mayor o igual que k/L
X t Tt xC t xS t xR t
Si = = S t xR t
MA Tt xC t
MA Tt xC t
= = Ct
T Tt
Ft = St x Tt x Ct
donde: Ft es el pronstico en el periodo t
Xt es el valor de la serie de tiempo (datos reales) en el
periodo t
St es la componente estacional (o ndice en el periodo t
Tt es la componente tendencia en el periodo t
Ct es el componente cclico en el periodo t
Rt es el componente aleatorio (o error) en el periodo t
Promedios Mviles Autorregresivos (ARMA): la autocorrelacin es una
medida de asociacin entre valores sucesivos de la misma variable. Las
autocorrelaciones proporcionan informacin importante acerca de la
estructura de un conjunto de datos y de sus patrones. En un conjunto de
datos completamente aleatorios la autocorrelacin entre valores sucesivos
estar cercana a 0, o ser igual a 0, pero los valores de datos de fuerte
naturaleza estacional o cclica estarn sumamente autocorrelacionados. Se
llama autorregresivo porque se asemeja a una ecuacin de regresin, pero
las variables independientes son valores rezagados de la variable
dependiente en 1, 2, 3, ..., p periodos.
Ft = a o + a1 X t 1 + a 2 X t 2 + ... + a k X t k + e t
donde: Ft es la variable dependiente
Xi es el valor de la serie de tiempo (datos reales) en el
periodo i
donde i= t-1, t-2, ..., t-k
an son los coeficientes que se obtienen al realizar la
regresin
donde n= 0, 1, 2, ..., k
Yt + k = a + bX t + k
donde: Yt+k es el pronstico para el periodo t+k
Xt es la variable independiente en el periodo t
Yt es la variable dependiente en el periodo t
n es el nmero de observaciones
=
b (( X) X) (( X) Y )
T 1 T
Yt = X tk b k + e t
Yt + w = b o + b1 X1t + w + b 2 X 2 t + w + ... + b m X mt + w
n
n
n
n
n
Desviacin tpica de los errores (SDE) SDE =
e i2
n 1
X t Ft
Error porcentual (PEt) PE t = 100
Xt
n
n
n
Error porcentual absoluto medio PE i
(MAPE) MAPE = i= 1
n
Donde
et es el error (et = Xt - Ft)
Xt es el valor observado en el periodo t
Ft es el pronstico del periodo i
n es el nmero de observaciones
t es un periodo en el conjunto de observaciones (t= 1, 2, ..., n)
INVENTARIOS
MODELOS ESTTICOS DE TAMAO DE LOTE
NOMENCLATURA GENERAL
AD Q
El costo total anual promedio es: K ( Q ) = cD + + h
Q 2
2 AD
Q* =
h
Q* se conoce como la cantidad econmica a ordenar o lote econmico o EOQ.
Q* =
2 AD
( D ) 2
h +
h h( h + )
hQ* D
b* =
h +
Q
Tiempo de ciclo: T =
D
Q
Tiempo para producir Q unidades: TP =
I mx
Tiempo para agotar el inventario mximo: TD =
D
D
Geometra del inventario: I mx = Q 1 b
b
Tiempo para recuperarse del faltante: T1 =
D
I mx
Tiempo para generar I mx : T2 =
D
I mx
Tiempo para agotar I mx : T3 =
D
b
Tiempo para generar el faltante de b : T4 =
D
2
D
Q 1 b
Inventario promedio: I =
D
2Q 1
b2
B=
Faltante promedio: D
2Q 1
2
D
h Q 1 b
AD + bD + b 2
K ( Q, b ) = cD + +
Q D Q D
2Q 1 2Q 1
Q* =
2 AD
( D ) 2
h +
Cantidad ptima a pedir D h( h + )
h 1
D
Faltante ptimo :
( hQ *
)
D 1
b =
*
( h + )
Nota:
En este caso, se prohben los faltantes estableciendo el costo por faltantes como
infinito. Es obvio que no se planean faltantes para este caso, por lo que b = 0. Las ecuaciones
de costo se convierten en:
AD hQ D
K ( Q ) = cD + + 1
Q 2
2 AD
Q* =
D
h 1
Obtienen el costo promedio mnimo por periodo para el lapso de m periodos. Los costos
a considerar son los costos de ordenar o preparar ms el costo de mantener el
inventario. Por, lo que la Demanda futura para los siguientes n periodos estar dada
por:
(D1 , D2 , , Dn ,)
El costo de mantener el inventario
K(1) = A
1
K(2) = (A + hD 2 )
2
1
K (3) = ( A + hD 2 + 2hD3 )
3
1
K ( m) = ( A + hD1 + hD 2 + 2hD3 + ....... + (m 1) hD m )
m
Se calcula K(m), m = 1,2,.. m, y se detiene cuando K (m + 1) (m)
A + hD 2
K ' ( 2) =
D1 + D 2
A + hD 2 + 2hD3
K `' (3) =
D1 + D 2 + D3
A + hD 2 + 2hD3 + + (M 1)hD m
K (m) =
D1 + D 2 + + D m
COSTOS DE INVENTARIO
POLTICAS DE INVENTARIO