Ingles Basic 4

Facultad de Ciencias Administrativas y Contables 2018-II
E.A.P. de Administración, Finanzas y

Negocios Globales
05 AC-902 ADMINISTRACIÓN DE
LA PRODUCCIÓN II
Unidad de Aprendizaje I:
❑ Gestión de Operaciones
Mg. Guillermo Vento Ramírez

Facultad de Ciencias Administrativas y Contables
Presentación del Docente
Mg. GUILLERMO JESUS VENTO RAMIREZ
Magíster en Administración (MBA) por la Universidad ESAN con

mención en Dirección Avanzada de Proyectos. Magíster en
Ingeniería Industrial por la PUCP con mención en Gestión de
Operaciones. Ingeniero Industrial Universidad Ricardo Palma.
Colegio de Ingenieros del Perú (CIP), Registro CIP N° 108175.
Con más de 12 años de experiencia profesional en Planificación
Integral, Gestión de Operaciones y Supply Chain Management en
Sistemas Productivos y/o Servicios. Actualmente desempeña el
cargo de Jefe de Planeamiento y Control de la Producción en una
empresa del Sector Industrial.
¡Vamos conociéndonos!
1.Nombre y Apellido
2.¿Dónde labora
actualmente?
Tema 1. Pronósticos
Objetivos de Aprendizaje
OBJETIVO DE LA ASIGNATURA
 Desarrollar, fortalecer y adquirir conocimientos-habilidades

especializadas para aplicarla en la administración de la
producción de una empresa utilizando los recursos y
capacidades con eficiencia empresarial.
OBJETIVO DE LA UNIDAD DE APRENDIZAJE
 Conocer los modelos de previsión de la demanda y el sistema de

planificación de producción.
Conceptos Preliminares
El forecasting o pronóstico, como se le conoce en el entorno

económico al proceso de pronosticar ventas o demandas, se define
como el arte y la ciencia para predecir el futuro para un bien,
componente o servicio en particular, con base en datos históricos,
estimaciones de mercadeo e información promocional, mediante la
aplicación de diversas técnicas de previsión.
Estas pronósticos, también denominadas previsiones de ventas,

conducen los sistemas de producción de las empresas, su capacidad y
su planificación, y sirven como input para la planificación financiera,
de marketing y de personal.
La importancia estratégica del pronóstico
Las buenas previsiones son de gran

importancia en todos los aspectos de un
negocio: La previsión es la única
estimación de la demanda hasta que se
conozca la demanda real. En
consecuencia, las previsiones de la
demanda determinan las decisiones en
muchas áreas.
Veamos el impacto de esta previsión en

tres actividades: (1) recursos humanos,
(2) capacidad y (3) gestión de la cadena
de suministro.
La importancia estratégica del pronóstico
Recursos humanos
La contratación, formación y despido de los trabajadores dependen de la
demanda esperada. Si el departamento de recursos humanos debe contratar a
nuevos trabajadores sin previo aviso, la cantidad de capacitación disminuye, y la
calidad de la fuerza de trabajo se afecta.
Capacidad
Cuando la capacidad de producción (planta) es insuficiente, el déficit resultante
puede traducirse en incumplimientos en las entregas, pérdida de clientes y
pérdida de cuota de mercado.
Gestión de la cadena de suministros

Las buenas relaciones con los proveedores y las ventajas consiguientes en la
innovación del producto, el costo y el rápido acceso al mercado dependen de
los pronósticos precisos.
El entorno que influye en el pronóstico de ventas
Los pronósticos se pueden y deben realizar para el corto, mediano o largo

plazo. Al momento de hacer pronósticos, el Gerente debe considerar que
existen - factores controlables y no controlables - que influyen de manera
positiva o negativa sobre las ventas de la compañía y debe tenerlos en
cuenta para realizar un ejercicio más acertado.
El entorno que influye en el pronóstico de ventas
Factores Controlables Factores No Controlables
- Estrategia de precios. - Variaciones en la economía.

- Inversión en publicidad y - Movimientos de una industria
promoción. específica.
- Producto o portafolio de - Decisiones que toma la
productos. competencia.
- Infraestructura física. - Aparición de nuevos
- Planta de personal competidores.
(administrativo y equipo de - Desastres naturales.
ventas). - Desastres empresariales.
Siete pasos en el sistema de pronóstico
El sistema de pronósticos sigue siete pasos básicos:

1. Determinar el uso del pronóstico. Una empresa utiliza pronósticos de
la demanda para definir los niveles de producción en cada una de sus
fábricas.
2. Seleccionar los artículos para los que se va a realizar el pronóstico.
Una empresa tiene más de 400 productos, cada uno con su propio
código de stock SKU (stock keeping unit / unidad de mantenimiento de
existencias).
3. Definir el horizonte de tiempo del pronóstico. ¿Es corto, medio o
largo plazo? Una empresa realiza pronósticos mensualmente,
trimestralmente y anualmente para sus proyecciones de ventas.
Siete pasos en el sistema de pronóstico
4. Seleccionar los modelos de pronóstico. Una empresa utiliza

diferentes modelos estadísticos entre los que se incluyen por ejemplo
promedios móviles, suavización exponencial y análisis de regresión.
5. Recopilar los datos necesarios para elaborar el pronóstico. Una
empresa tiene enormes bases de datos para controlar la venta de cada
producto.
6. Realizar el pronóstico.
7. Validar e implementar los resultados. Una empresa siempre está
revisando los pronósticos para asegurar la validez del modelo, de los
supuestos, de los datos y para calcular las medidas de error.
Desarrollo de un proceso de pronósticos según APICS
Fuente: AMERICAN
PRODUCTION AND INVENTORY
CONTROL SOCIETY- APICS
Enfoques de Pronósticos: Panorama de los métodos cualitativos
1. Jurado de opinión ejecutiva. En este

método se agrupan las opiniones de un
grupo de directivos o expertos de alto
nivel, a menudo en combinación con
modelos estadísticos, para llegar a una
estimación conjunta de la demanda.
Por ejemplo, Bristol-Meyers Squibb
Company recurre a 220 afamados
investigadores científicos como su
jurado de opinión ejecutiva para captar
futuras tendencias en el mundo de la
investigación médica.
2. Método Delphi. Existen tres tipos diferentes de participantes en el método

Delphi: los que toman las decisiones, el personal de soporte y los encuestados.
Los que toman las decisiones suelen ser un grupo de 5 o 10 expertos que realizan
en realidad la previsión. El personal de soporte ayuda a los que toman decisiones
preparando, distribuyendo, recopilando y resumiendo una serie de cuestionarios,
y repasando los resultados. Los encuestados son un grupo de personas, a
menudo ubicadas en diferentes lugares, cuyas opiniones son apreciadas. Este
grupo proporciona inputs a los tomadores de decisiones antes de elaborar la
previsión.
3. Propuesta del personal de ventas. En este

método cada vendedor estima las ventas que
habrá en su zona. Estas previsiones se revisan
posteriormente para asegurarse de que son
realistas. A continuación se combinan a nivel
distrital y nacional para obtener un pronóstico
global. En Lexus se aplica este sistema con una
variación, ya que cada trimestre los
concesionarios de Lexus organizan una
“reunión con fabricación”. En esta reunión
hablan de lo que se está vendiendo, con qué
colores y con qué opciones, para que la
fábrica sepa qué es lo que tiene que fabricar.
4. Estudio de mercado. En este método se solicitan opiniones a los

consumidores o clientes potenciales en lo referente a sus planes de
compra futuros. Puede ser útil no sólo a la hora de preparar un
pronóstico, sino también para mejorar el diseño de un producto y
planificar nuevos productos. Los métodos de estudio de mercado de
consumidores y de propuesta del personal de ventas pueden, sin
embargo, ofrecer una pronóstico excesivamente optimista dada la
información transmitida por el consumidor.
Enfoques de Pronósticos: Panorama de los métodos cuantitativos
Modelos de Series de Tiempo
1. Enfoque intuitivo
2. Promedios móviles
3. Suavización exponencial
4. Proyección de tendencias
Modelo Asociativo
5. Regresión lineal
Descomposición de una Serie de Tiempo: Fábrica de Helados

1. Enfoque Intuitivo
El sistema de previsión más sencillo es suponer que la demanda en el

próximo periodo será igual a la demanda del periodo anterior. En
otras palabras, si las ventas de un producto (como, por ejemplo, los
teléfonos móviles de Motorola) fueron de 68 unidades en el mes de
enero, se puede prever que las ventas en el mes de febrero serán
también de 68 teléfonos.
¿Tiene sentido esta forma de actuar? Resulta que para algunas líneas
de productos, este enfoque intuitivo es el modelo de pronóstico con
la mejor relación eficacia-coste y eficiencia en la consecución de los
objetivos de la previsión.
2. Promedios Móviles
El pronóstico de promedios móviles utiliza un grupo de valores

históricos reales para realizar un pronóstico. Los promedios móviles
son útiles si se puede suponer que las demandas del mercado serán
bastante estables a lo largo del tiempo.
Para calcular el promedio móvil de “n” basta con sumar la demanda

de los “n” últimos meses y dividirla por “n”. Con cada mes que pasa,
se añade el nuevo valor a la suma de los “n” meses previos, y se
elimina la estimación del mes más antiguo.
Promedio Móvil
Simple
Ejemplo Promedio Móvil

Simple: Se tiene una tienda
de productos para calzado
que quiere hacer un
pronóstico con el promedio
móvil de 3 meses (n=3),
incluyendo un pronóstico
para las ventas de calzados
casual para hombres.
Cuando existe una tendencia o patrón detectable se pueden utilizar

ponderaciones o pesos para resaltar más los valores recientes. Esta
práctica hace que la técnica de pronóstico sea más sensible a los cambios,
porque los periodos más recientes se ponderan con un mayor peso.
La elección de las ponderaciones es algo arbitrario, ya que no existe

ninguna fórmula para determinarlas. Por tanto, es necesario tener cierta
experiencia para poder decidir qué ponderaciones se van a utilizar.
Promedio Móvil
Ponderado
Ejemplo Promedio Móvil Ponderado: Se tiene una tienda de productos para

calzado que quiere hacer un pronóstico con el promedio móvil ponderado de los
últimos 3 meses (n=3), dando más peso a los datos recientes para hacerlos más
significativos para las ventas de calzados casual para hombres.
3. Suavización o Alisado Exponencial
La suavización exponencial es un sofisticado método de pronóstico de

medias móviles ponderadas que aún sigue siendo relativamente fácil de
aplicar. Necesita un reducido número de datos. La fórmula base se puede
representar como sigue, donde α es una ponderación o constante de
alisado, elegida por el que hace el pronóstico o previsión, que toma
valores entre 0 y 1.
3. Suavización o Alisado Exponencial

4. Suavización o Alisado Exponencial con ajuste de tendencia
Como sucede con cualquier técnica de media móvil, el alisado exponencial

simple no consigue anticipar las tendencias. Ciertamente, hay disponibles
otras técnicas de previsión que pueden reflejar las tendencias. Sin
embargo, debido a que el alisado exponencial es un enfoque de
modelización tan popular en los negocios, vamos a considerarlo con más
detalle. La nueva fórmula es:
Con el alisado exponencial con ajuste de tendencia, las estimaciones, tanto

para la media como para la tendencia, están alisadas. Este procedimiento
requiere dos constantes de alisado, α para la media, y β para la tendencia.
Entonces se calcula la media y la tendencia para cada periodo como sigue:
Por tanto, los tres pasos para calcular una previsión con ajuste de
tendencia son:
Paso 1: Calcular Ft (la previsión alisada exponencialmente para el periodo
t).
Paso 2: Calcular la tendencia alisada (Tt).
Paso 3: Calcular la previsión incluyendo la tendencia (FITt) mediante la
fórmula FITt = Ft + Tt.
Ejemplo: Un gran fabricante de Porland utiliza el alisado exponencial para realizar

una previsión de demanda de una pieza de un equipo de control de contaminación.
Parece que está presente una tendencia al alza. Se asignan a las constantes de
alisado los valores de α=0,2 y β=0,4. Se supone que la previsión inicial para el mes 1
(Ft) fue de 11 unidades, y la tendencia en este periodo (Tt) fue de 2 unidades.


5. Método Estacional Multiplicativo (variaciones estacionales)
Las variaciones estacionales en los datos son movimientos regulares

ascendentes o descendentes en una serie temporal, vinculados a eventos
periódicos, tales como la meteorología o las vacaciones. La estacionalidad
puede aparecer cada hora, diariamente, semanalmente, mensualmente o
con cualquier otra periodicidad. Análogamente, es importante tener en
cuenta las variaciones estacionales para la planificación de la capacidad en
organizaciones cuya demanda presenta picos.
En el conocido como modelo estacional multiplicativo, los factores

estacionales se multiplican por una estimación de la demanda media
para producir una previsión estacionalizada.
Nuestra hipótesis en esta sección es que la tendencia ha sido eliminada

de los datos. De lo contrario, la magnitud de los datos estacionales
quedaría distorsionada por la tendencia.
A continuación, se indican los pasos que seguirá una empresa que
experimenta “estaciones” de un mes:
1. Calcular la demanda histórica media de cada estación (de cada mes en

este caso) sumando la demanda de ese mes cada año y dividiéndola entre
el número de años de datos disponibles. Por ejemplo, si en enero se han
tenido ventas de 8, 6 y 10 a lo largo de los tres años pasados, la demanda
media de enero será igual a (8 + 6 + 10)/3 = 8 unidades.
2. Calcular la demanda media de todos los meses dividiendo la demanda

media anual total entre el número de estaciones. Por ejemplo, si la
demanda media total para un año es de 120 unidades y hay 12 estaciones
(cada mes), la demanda media mensual es 120/12 = 10 unidades.
3. Calcular un índice de estacionalidad para cada estación dividiendo la

demanda histórica real de ese mes (calculado en paso 1) entre la
demanda media de todos los meses (calculado en el paso 2). Por ejemplo,
si la demanda histórica media de enero en los tres últimos años es de 8
unidades, y la demanda media de todos los meses es de 10 unidades, el
índice de estacionalidad para enero es 8/10 = 0,80. Asimismo, un índice
de estacionalidad de 1,20 para febrero significaría que la demanda de
febrero es un 20% más grande que la demanda media de todos los meses.
4. Estimar la demanda anual total del año

próximo.
5. Dividir esta estimación de la demanda anual
total entre el número de estaciones y
multiplicarla por el índice de estacionalidad de
un mes determinado. Esto proporciona la
previsión estacionalizada de ese mes, que es lo
que buscamos.
Ejemplo: En la tabla siguiente se muestran las ventas

mensuales de portátiles de IBM en un distribuidor de
Des Moines durante el periodo 2003-2005. Calcula
los factores de estacionalidad a partir de datos
históricos.


Medición del Error de Pronósticos o Previsiones
La exactitud global de cualquier modelo de previsión —media móvil,

alisado exponencial, u otro— puede determinarse comparando los valores
previstos de periodos del pasado con la demanda real u observada para
estos periodos. Sea Ft la previsión en el periodo t, y At la demanda real en
el periodo t; el error de previsión (o desviación) se define como:
En la práctica, se utilizan diferentes medidas para calcular el error total de

previsión. Estas medidas se pueden utilizar para comparar distintos
modelos, así como para controlar que las previsiones están siendo
adecuadas. Dos de las medidas más habituales son la desviación absoluta
media (DAM) y el error porcentual absoluto medio (EPAM). A continuación
definimos y damos un ejemplo de cada uno.
1. Desviación Absoluta Media (DAM)
La primera medida del error de previsión global de un modelo es la

desviación absoluta media (DAM). Este valor se calcula sumando los valores
absolutos de los errores de previsión individuales y dividiendo por el
número de periodos de los datos (n):
Ejemplo: El director de operaciones portuarias quiere analizar la utilización de la

técnica de alisado exponencial para constatar qué tal funciona en la previsión de
tonelaje descargado. Para ello, supone que la previsión de grano descargado en el
primer trimestre fue de 175 toneladas. Dos son los valores de α examinados: α =
0,10 y α = 0,50.


2. Error Porcentual Absoluto Medio (EPAM)
Si lo que se pronostica se mide en miles, los valores del DAM pueden ser
muy elevados. Para evitar este problema, podemos utilizar el error
porcentual absoluto medio (EPAM). Se calcula como la media de la
diferencia, en valor absoluto, entre los valores previstos y reales,
expresada como porcentaje sobre los valores reales. Es decir, si tenemos
los valores previstos y reales para n periodos, el EPAM se calcula como:


Seguimiento y Control de Pronósticos o Previsiones
Una forma de efectuar el seguimiento de las previsiones para asegurarse de que se

aproximan a la realidad es utilizar una señal de seguimiento. Una señal de
seguimiento es una medida del grado de acierto con que la previsión está
prediciendo los valores reales. Puesto que las previsiones se actualizan cada
semana, mes o trimestre, se comparan los nuevos datos disponibles sobre la
demanda con los valores de la previsión. La señal de seguimiento se calcula como
la suma continua de los errores de previsión (SCEP) dividida por la desviación
absoluta media (DAM):
Las señales de seguimiento positivas indican que la demanda es

superior a la previsión. Las señales negativas significan que la demanda
es inferior a la previsión. Una buena señal de seguimiento, esto es, con
una SCEP baja, tiene aproximadamente tanto error positivo como error
negativo. En otras palabras, las pequeñas desviaciones son aceptables,
siempre que las positivas y las negativas se equilibren, para que la
señal de seguimiento se sitúe muy próxima a cero.
Una vez calculadas las señales de seguimiento, se comparan con límites

de control predeterminados. Cuando una señal de seguimiento supera
el límite superior o inferior, existe un problema con el método de
previsión y la dirección debería revisar la forma de hacer la previsión
de la demanda. En la Figura siguiente se muestra el gráfico de una señal
de seguimiento que supera el intervalo de variación aceptable.
Ejemplo: A continuación, se muestran las ventas trimestrales de celulares (en miles) de NexT,
así como las previsiones de la demanda y los cálculos del error. El objetivo es calcular la señal
de seguimiento y determinar si los pronósticos se están realizando correctamente dentro de
los límites +/- 4 DAM.
¿Cómo deciden las empresas cuáles deben ser los límites de

seguimiento superior e inferior? No existe una respuesta sencilla, pero
se trata de hallar valores razonables, o, lo que es lo mismo, límites no tan
pequeños como para ser superados con cada pequeño error de la
previsión, y no tan grandes como para permitir que se pasen por alto de
forma habitual las malas previsiones.
George Plossl y Oliver Wight, dos expertos en el control del inventarios,

sugirieron utilizar máximos de +/- 4DAM para productos con gran
volumen de existencias y +/- 8DAM para productos con un volumen
reducido. Otros especialistas en previsiones sugieren márgenes
ligeramente inferiores.
Un DAM equivale aproximadamente

a 0.8 desviaciones estándar, por lo
que +/- 2DAM = 1.6 desviaciones
estándar, +/- 3DAM = 2.4
desviaciones estándar, y +/- 4DAM =
3.2 desviaciones estándar. Este hecho
sugiere que para que una previsión
esté “bajo control”, se espera que el
89% de los errores caigan dentro de
+/- 2DAM, el 98% dentro de +/-
3DAM o que el 99% esté dentro de
+/- 4DAM.
Conclusiones
▪ Los pronósticos o previsiones son una parte crítica de la función de la

administración de operaciones. Los pronósticos de la demanda
dirigen los sistemas de producción, la capacidad y la programación
de la empresa, y afectan las funciones de planeación financiera,
marketing y personal.
▪ Los cálculos de los pronósticos se realizan muy pocas veces de
manera manual. La mayoría de los administradores aprovechan los
paquetes de software como Forecast Pro, NCSS, Minitab, SPPS, etc.
▪ Ningún método de pronósticos es perfecto para todas las
condiciones. Una vez realizada una previsión o pronóstico, no
deberíamos olvidarnos de ella. Ningún gerente quiere que le
recuerden que su previsión es terriblemente imprecisa, pero una
empresa necesita determinar el motivo por el que la demanda real
difiere significativamente de la prevista.
MBA, Mg. Guillermo Vento Ramírez
E-mail: guille110114@gmail.com
Sesión elaborada en base a la Bibliografía y Referencias de:

1. Chase, R. y Jacobs, F. (2014). Administración de Operaciones. Producción y Cadena de
Suministro (13va ed.). México: McGraw-Hill Education.
2. Heizer, J. y Render, B. (2007). Dirección de la Producción y Operaciones (8va ed.). Madrid:
Pearson Education.

Ingles Basic 4

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ingles Basic 4

Cargado por

Copyright:

Formatos disponibles

Facultad de Ciencias Administrativas y Contables 2018-II

E.A.P. de Administración, Finanzas y

Mg. Guillermo Vento Ramírez

Presentación del Docente

Mg. GUILLERMO JESUS VENTO RAMIREZ

Magíster en Administración (MBA) por la Universidad ESAN con

 Desarrollar, fortalecer y adquirir conocimientos-habilidades

OBJETIVO DE LA UNIDAD DE APRENDIZAJE

 Conocer los modelos de previsión de la demanda y el sistema de

El forecasting o pronóstico, como se le conoce en el entorno

Estas pronósticos, también denominadas previsiones de ventas,

Las buenas previsiones son de gran

Veamos el impacto de esta previsión en

Gestión de la cadena de suministros

Los pronósticos se pueden y deben realizar para el corto, mediano o largo

Factores Controlables Factores No Controlables

- Estrategia de precios. - Variaciones en la economía.

El sistema de pronósticos sigue siete pasos básicos:

4. Seleccionar los modelos de pronóstico. Una empresa utiliza

1. Jurado de opinión ejecutiva. En este

2. Método Delphi. Existen tres tipos diferentes de participantes en el método

3. Propuesta del personal de ventas. En este

4. Estudio de mercado. En este método se solicitan opiniones a los

Modelos de Series de Tiempo

Descomposición de una Serie de Tiempo: Fábrica de Helados

El sistema de previsión más sencillo es suponer que la demanda en el

El pronóstico de promedios móviles utiliza un grupo de valores

Para calcular el promedio móvil de “n” basta con sumar la demanda

Ejemplo Promedio Móvil

Cuando existe una tendencia o patrón detectable se pueden utilizar

La elección de las ponderaciones es algo arbitrario, ya que no existe

Ejemplo Promedio Móvil Ponderado: Se tiene una tienda de productos para

3. Suavización o Alisado Exponencial

La suavización exponencial es un sofisticado método de pronóstico de

3. Suavización o Alisado Exponencial

4. Suavización o Alisado Exponencial con ajuste de tendencia

Como sucede con cualquier técnica de media móvil, el alisado exponencial

4. Suavización o Alisado Exponencial con ajuste de tendencia

Con el alisado exponencial con ajuste de tendencia, las estimaciones, tanto

4. Suavización o Alisado Exponencial con ajuste de tendencia

Ejemplo: Un gran fabricante de Porland utiliza el alisado exponencial para realizar

4. Suavización o Alisado Exponencial con ajuste de tendencia

4. Suavización o Alisado Exponencial con ajuste de tendencia

5. Método Estacional Multiplicativo (variaciones estacionales)

Las variaciones estacionales en los datos son movimientos regulares

En el conocido como modelo estacional multiplicativo, los factores

5. Método Estacional Multiplicativo (variaciones estacionales)

Nuestra hipótesis en esta sección es que la tendencia ha sido eliminada

1. Calcular la demanda histórica media de cada estación (de cada mes en

5. Método Estacional Multiplicativo (variaciones estacionales)

2. Calcular la demanda media de todos los meses dividiendo la demanda

3. Calcular un índice de estacionalidad para cada estación dividiendo la

5. Método Estacional Multiplicativo (variaciones estacionales)

4. Estimar la demanda anual total del año

Ejemplo: En la tabla siguiente se muestran las ventas

5. Método Estacional Multiplicativo (variaciones estacionales)

5. Método Estacional Multiplicativo (variaciones estacionales)

La exactitud global de cualquier modelo de previsión —media móvil,

En la práctica, se utilizan diferentes medidas para calcular el error total de

1. Desviación Absoluta Media (DAM)

La primera medida del error de previsión global de un modelo es la

Ejemplo: El director de operaciones portuarias quiere analizar la utilización de la

1. Desviación Absoluta Media (DAM)

1. Desviación Absoluta Media (DAM)