UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
ADMINISTRACIÓN DE LA PRODUCCIÓN PROFESOR: PEDRO PALOMINOS BELMAR

FOR MULAR IO I PEP

PRONOSTICOS

Series de Tiempo:
Promedio móvil: Ft = ∑D /n Desviación Típica de los Errores SDE =
∑e i
2

(n − 1)
t

P. móvil Pond. Ft =∑ (peso en período i )·(Dda en período i) /∑ pesosi n

Error del pronóstico: et = Dt − Ft ∑ PEi

Error Porcentual Medio MPE = i =1

MSE = ∑ (Dt − Ft ) / n
2 n
(Dt − Ft )
Error medio cuadrático (varianza):

Dt − Ft Dt Error Porcentual: PE = ⋅100

Error porcentual medio absoluto MAPE = ∑ ·100 Dt
∑ (D − Ft )
n
MAD = ∑D −F n t t Señal de rastreo T:
MAD
t

Sesgo = ∑ (D − F ) / n t t Suavizamiento Exponencial con ajuste de tendencia:

1. Tt = ( 1 – β ) Tt – 1 + β ( Ft – Ft – 1 )
Suavizamiento Exponencial Ft = Ft −1 + α ·( At −1 − Ft −1 ) 2. PITt = Ft + Tt
Pronóstico del MAD: MADt = α · Dt − Ft + (1 − α )·MADt −1

Regresión Lineal: INVENTARIOS

yˆ = a + bx

∑y ∑x
MODELOS DETERMINISTAS
i i
a= −b = y − bx
n n Modelo1: Reposición instantánea, Dda. conocida y cte.

b=
n ∑ [∑ x ∑ y ]
xi yi − i i
T = X/D P = Precio

n ∑ x − (∑ x )
2 f = 1/T = D/X
2
i i
X2
ET = Co + Ci IVN = Co + Ci + X ·Precio
Error estándar del estimado: 2D

S yx = ((∑ y − y ) c
2
(n − 2)) EA =
Co D XCi
X
+
2
+ DA ·Precio Período óptimo
2Co
T* =
∑y − a∑ y − b∑ xy
dE A C D Ci 2Co D
2 = − o2 + = 0 ⇒ X* = Ci D
S yx = dX X 2 Ci
n−2
Modelo2: ∃ cant. en agotamiento pero no costo x agot.:
Coeficiente de correlación: XL: cantidad de unidades en agotamiento (dado)
∑ xy − ∑ x ∑ y
XS: inventario en mano
n
r= X = XS + XL INV = X S 2 / 2 D
 n ∑ x − (∑ x )  n ∑ y − (∑ y ) 
 2  
2 2 2
XS
   ET = C o + C i INV = C o + C i + X ·Precio
2D
2
Co D A Ci X S
EA = + + D A ·Precio
Coef. de determinación: X S + X L 2( X S + X L )

2
=
(n∑ xy − ∑ x∑ y) 2
dE A
= 0 ⇒ XS = −XL ± XL +
2 2C o D

 n∑ x − (∑ x )  n∑ y − (∑ y ) 
r dX S Ci
 2  2 2 2

   como X * = X S + X L ⇒ X * = XL +
2 2C o D
Ci
0 ≤ r ≤1 2
2
2C o  X L 
T* = + 
Criterios de Tasas: Ci D  D 
- Aritmética: - Geométrica:
Modelo3: al Modelo2 se le agrega costo por agotamiento
Vn = V0 (1 + in ) Vn = V0 (1 + i )n
ET = Co + Ci INV1 + Ca INV2 + X ·Precio
(V / V ) − 1 INV1 = X S / 2 D
2
V
i= n 0 i = n n −1 X
2
X
2
ET = Co + Ci S + Ca L + X ·Precio INV2 = X L / 2 D
2
n −1 V0
2D 2D
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA INDUSTRIAL
ADMINISTRACIÓN DE LA PRODUCCIÓN

EA =
Co D A
+
Ci X S 2
+
Ca X L 2
+ DA ·Precio
( )
Política I: D L ∼ Normal DL , σ L ⇒ Z nds de tabla Normal
X S + X L 2( X S + X L ) 2( X S + X L ) Política II: Znds de tabla para E(Z), dados N o β:
2Co  Ci + Ca  N = número de unidades agotadas en un año
X = XS + XL T* =  
Ci D  Ca  β = fracción de unidades agotadas en un año
D σ L E(z)
2 DCo  Ci + Ca 
 
2 DCo  Ca  N= σ L E (z ) β=
X* = Xs =  
Ci  Ca 
Q Q
Ci  Ca + Ci 

Modelo4: Producción y Consumo § Sistema de Revisión Periódica (P)

(Prod = Tasa de Producción > Tasa de Demanda = D) Se revisa cada T días y se ordena la diferencia respecto a R’:
 X (Prod − D) 
2
T=
Q
=
EOQ
R′ = DT + L + S = Dd (T + L) + Z ndsσ T + L
ET = Co + Ci ⋅   + X ·Precio
 2 ⋅ Prod⋅ D  Dd Dd
C D C X (Prod− D)
EA = o A + i
X 2 ⋅ Prod
+ DA ·Precio E A = Co
DA Q 
+ Ci  + S  + Precio D A + S ( )
Q 2 
2Co D ⋅ Prod 2C0Prod
X* = T= S = Z nds ⋅ σ T + L = Z nds ⋅ σ d T + L
Ci (Prod − D) Ci D(Prod − D)
( )
Política I: DT + L ∼ Normal DT + L ,σ T + L ⇒ Z nds de tabla Normal
2DCo Política II: Znds de tabla para E(Z), dados N o β:
X* =
Ci [1 − (d / p)] N = número de unidades agotadas en un año
β = fracción de unidades agotadas en un año
Modelo5: Ordenar conjuntamente más de 1 producto.
E T = C o + C i1 INV1 + ... + C in INV n + X 1 P1 + ... + X n Pn 1 σ T + L E ( z)
N= σ T + L E( z) β=
C ij X j
2 T Dd T
ET = C o + ∑ + ∑ X j Precio j INV j = X j / 2 D j
2

2D j Otros parámetros:
C ij D j 1 D Q
E A = Co N + ∑ + ∑ D j Precio j =N = I prom = Inv. ciclico + Inv. de seg . =
+S
2N j T X 2
Rotación anual = Ventas / Inventario
1
E A = Co N + ∑C ij D j + ∑ D j Precio j N 1 = ... = N n = N Q 
2N Inversión en inv. = C i  + S 
2D j Co
2
C ij D j 2 
Xj = Frec. Opt . N * = ∑
*

∑C ij Dj 2C o § Análisis Marginal.
MP: beneficio marginal = Precio Venta – Costo
MODELOS ESTOCASTICOS ML: pérdida marginal = Costo – Valor Desecho
p̂ : prob. que la dda ≥ inv. dado (prob. de vender por lo
§ Sistema de Revisión Continua (Q) menos 1 u. adicional)
1.- Cuando no se conoce el costo por faltante 1- p̂ : prob de que la dda < inventario
2 DC o Q Regla de decisión: Beneficio neto:
Q= T= ML
Ci Dd pˆ ( MP ) ≥ (1 − pˆ )( ML ) ⇒ pˆ ≥ pˆ ( MP ) − (1 − pˆ )( ML )
ML + MP
En general : µ = ∑ X j Pr (X j )
σ 2 = ∑ (X j − µ ) Pr (X j )
2
OTROS MODELOS
2.- Cuando se conoce el costo unitario por faltante Cf:
Pr: Probabilidad de que no ocurra faltante Modelo de Nador:
(1-Pr): Probabilidad de un faltante
′ C C D
Costo Mg de conservación = Costo Mg por faltante Qopt = a 2 ⋅ Q2 +  a 2 − 1
Cf anual = nº unid. faltantes · (1-Pr) · Cf · N C a1  C a1  i
D
⇒ CMg x falt. = (1 − Pr)C f
Q ′ 2C o DiC a 2 C a 2 − C a1 D
D Qopt = + ⋅
Cf iC a1 C a1 i
D
Ci Pr = (1 − Pr )C f
Q
⇒ Pr =
Q D
C f + Ci Modelo Artículos múltiples con restricción de recursos:
Q
[ ]
n n
C D Q
Pr = Prob Dd L ≤ R ⇒ Z(Pr ) de tabla Normal MnK ( Q ) = ∑ K i ( Q i ) = ∑ ( Pi D i + o i + C i i )
i =1 i =1 Qi 2
n
En ambos casos: sa .∑ Pi Q i ≤ C
ROP = R = DL + S = Dd ⋅ L + Z ndsσ L i =1

Ec . deLAGRANGE :
D Q 
EA = Co A + Ci  + S  + Precio DA + S ( )  n 
K ( Q , λ ) = K ( Q ) + λ  ∑ Pi Q i − C 
Q 2   i =1 
S = Z nds ⋅ σ L = Z nds ⋅ σ d L