Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GRUPO: 01
TEMARIO:
I. Introducción.
II. Programación y control de la producción.
III. Balanceo de línea.
IV. Sistemas de administración de inventarios.
V. Logística.
VI. Producción asistida por computadora.
EVALUACIÓN:
OBJETIVO:
Diseñar o implementar procedimientos o sistemas para determinar los volúmenes optimas de Producción e
inventarios mediante el uso de modelos, métodos y reglas en cualquier sistema de Producción.
BIBLIOGRAFÍA:
• Daniel Sipper A. Robert L. Baifin Jr. “Planeacción y Control de la Producción”, Editorial Mc Graw-
Hill, 1998.
• Adam Everestt; “Administración de la Producción y de las Operaciones”, Editorial Prentice Hall.
Pronósticos
Inventarios
Compras Planeación de la Producción
Ruta critica Planeación de la Producción
Balanceo de líneas
Inventario ABC
http://www.une.edu.ve
http://www.service.bfast.com
CAPITULO 2. MÉTODOS DE PRONÓSTICOS
2. 1 Definición de Pronósticos
1
EVERETT E. Adam, et. al. ; Administración de la producción y las operaciones; Editorial Prentice
Hall, Cuarta edición 1991, México.
puede utilizar los pronósticos para cambiar el curso de los sucesos futuros
e invalida así los pronósticos.
2. 2 El Proceso de Pronóstico
Paso 6. Someter el modelo a prueba. Un modelo tiene que ser validado antes
de poderse utilizar con propósitos de pronóstico. 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
♣ Último dato
♣ Promedio simple
Promedio móvil simple
Promedio móvil ponderado
♣ Suavizamiento exponencial simple
Ft + k = Ft + 1
donde: Ft+1 es el pronóstico por promedio móvil simple para t+1 peridos
Ft+k es el pronóstico por promedio móvil simple para t+k peridos
t es el periodo para el último valor observado
2. 3. b. Tendencial
2. 3. c. Estacional
Existe un patrón estacional cuando una serie fluctúa de acuerdo con un factor
estacional. Las estaciones pueden ser los meses o las cuatro estaciones del año,
pero también pueden ser las horas del día, los días de la semana o los días del
mes.
2. 3. d. Cíclico
♣ Método de descomposición
2. 4 Métodos de Pronósticos
Método Delphi
Cualitativos Descripción del escenario
Análisis de impactos cruzados
Último dato
Promedio simple
Promedio móvil simple
Promedio móvil ponderado
Suavizado exponencial simple
Suavizado exponencial doble (de Holt)
Suavizado exponencial amortiguado de
Series de tendencia
Cuantitativos tiempo Suavizado exponencial de Winters
Métodos de descomposición
Promedios móviles Autorregresivos
Regresión lineal simple
Regresión múltiple
Métodos de simulación
Causales
Métodos econométricos
Métodos bayesianos
Redes neuronales
En todos los casos en que no está clara la decisión de selección del “mejor”
método de pronósticos, se puede usar más de un método de pronósticos o más de
un pronosticador, combinando luego sus predicciones. Es una manera efectiva de
aumentar la precisión de los pronósticos y disminuir la varianza de los errores. Los
métodos anteriores se explican brevemente a continuación:
2. 4. a. Métodos Cualitativos
2. 4. b. Métodos Cuantitativos
∑ Xi
Ft + 1 = i= 1
T
donde: Ft+1 es el pronóstico del período t+1
Xi es el valor observado en el periodo i
T es el número de periodos de los valores observados
donde: Ft+1 es el pronóstico por promedio móvil simple para t+1 peridos
Xt es el valor observado en el periodo t
n es el número de periodos empleados en la media móvil
donde: Ft+1 es el pronóstico del promedio móvil ponderado para t+1 periodos
Xt es el valor observado en el periodo t
n
Ct es la ponderación en el periodo t; 0 ≤ Ct ≤ 1.0; ∑
t= 1
C t = 1 .0
Xt
St = α + (1 − α )( S t − 1 + B t − 1 )
C t− L
B t = β ( S t − S t − 1 ) + (1 − β )B t − 1
Xt
Ct = γ + (1 − γ ) C t − L
St
Ft + k = ( S t + kB t ) C t + k − gL
2
donde, α = ;
(n + 1)
2
2 2
β ≤ − 1 = − 1 − 1
α α
γ ≤ 0.05
donde: Ft+k es el pronóstico 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 número de periodos futuros que se quieren pronosticar
L es el número de estaciones
t es el número de periodos de datos disponibles
g es el entero más pequeño 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 pronóstico 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 índice en el periodo t
Tt es la componente tendencia en el periodo t
Ct es el componente cíclico en el periodo t
Rt es el componente aleatorio (o error) en el periodo t
Promedios Móviles Autorregresivos (ARMA): la autocorrelación es una
medida de asociación entre valores sucesivos de la misma variable. Las
autocorrelaciones proporcionan información importante acerca de la
estructura de un conjunto de datos y de sus patrones. En un conjunto de
datos completamente aleatorios la autocorrelación entre valores sucesivos
estará cercana a 0, o será igual a 0, pero los valores de datos de fuerte
naturaleza estacional o cíclica estarán sumamente autocorrelacionados. Se
llama autorregresivo porque se asemeja a una ecuación de regresión, 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
regresión
donde n= 0, 1, 2, ..., k
Yt + k = â + b̂X t + k
donde: Yt+k es el pronóstico 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 número de observaciones
b̂ = (( X) X) (( X) Y )
T −1 T
Yt = X tk b̂ k + e t
n
n
n
n
n
Desviación típica 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 pronóstico del periodo i
n es el número de observaciones
t es un periodo en el conjunto de observaciones (t= 1, 2, ..., n)
INVENTARIOS
MODELOS ESTÁTICOS DE TAMAÑO 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 económica a ordenar o lote económico o EOQ.
Q* =
2 AD
−
(π D ) 2
h + πˆ
h h( h + πˆ ) πˆ
hQ* − π D
b* =
h + πˆ
Q
Tiempo de ciclo: T =
D
Q
Tiempo para producir Q unidades: TP =
ψ
I máx
Tiempo para agotar el inventario máximo: TD =
D
D
Geometría del inventario: I máx = Q 1 − −b
ψ
b
Tiempo para recuperarse del faltante: T1 =
ψ − D
I mäx
Tiempo para generar I máx : T2 =
ψ − D
I máx
Tiempo para agotar I máx : T3 =
D
b
Tiempo para generar el faltante de b : T4 =
D
2
D
Q 1 − − b
ψ
Inventario promedio: I =
−
D
2Q 1 −
ψ
− b2
B=
Faltante promedio: D
2Q 1 −
ψ
2
D
h Q 1 − − b
AD ψ + π bD + πˆb 2
K ( Q, b ) = cD + +
Q D Q D
2Q 1 − 2Q 1 −
ψ ψ
Q* =
2 AD
−
(π D ) 2
h + πˆ
Cantidad óptima a pedir D h( h + πˆ ) πˆ
h 1 −
ψ
D
Faltante óptimo :
( hQ *
)
− π D 1 −
ψ
b =
*
( h + πˆ )
Nota:
En este caso, se prohíben 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 ψ
2 AD
Q* =
D
h 1 −
ψ
Obtienen el costo promedio mínimo por periodo para el lapso de m periodos. Los costos
a considerar son los costos de ordenar o preparar más el costo de mantener el
inventario. Por, lo que la Demanda futura para los siguientes n periodos estará 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
POLÍTICAS DE INVENTARIO