PREVENCIÓN

INTEGRAL EN EL
MANEJO DE
SUSTANCIAS
CATALOGADAS
SUJETAS A
FISCALIZACIÓN
PREVENCIÓN INTEGRAL EN EL MANEJO DE
SUSTANCIAS CATALOGADAS SUJETAS A
FISCALIZACIÓN

SUBSECRETARÍA TÉCNICA DE CONTROL Y ADMINISTRACIÓN

DE SUSTANCIAS CATALOGADAS SUJETAS A FISCALIZACIÓN
 Unidad 2

CONCEPTUALIZACION GENERAL - RIESGO,

PREVENCION DEL DESVÍO DE SUSTANCIAS
CATALOGADAS SUJETAS A FISCALIZACIÓN.

TEMA 3

Mecanismos de Prevención del desvío de

Sustancias Catalogadas Sujetas a
Fiscalización
 PRONÓSTICO
“ES UNA ESTIMACIÓN CUANTITATIVA O CUALITATIVA DE UNO O
VARIOS FACTORES (VARIABLES) QUE CONFORMAN UN EVENTO
FUTURO, CON BASE EN INFORMACIÓN ACTUAL O DEL PASADO”

¿POR QUÉ ES IMPORTANTE?

Las empresas se mueven en un contexto altamente incierto

 Política, tecnología y medio ambiente repercuten sobre variables relevantes para

la empresa: costos de producción, inventarios, volumen de ventas

 La empresa debe tomar decisiones sobre Factores Controlables tomando en

cuenta Factores Incontrolables.
 FACTORES CONTROLABLES
Aquellos sobre los cuales la empresa decide su estructura, niveles, política y modo de operar:
• Niveles de Producción
• Niveles de Inventario
• Capacidad

FACTORES INCONTROLABLES
Aquellos sobre los cuales la empresa no puede decidir ni modificar: dependen de factores
externos a la empresa

 Demanda del Producto

 Competencia
 Economía
 Comportamiento del Consumidor
 QUÉ PRONOSTICAR

La empresa requiere predecir FACTORES INCONTROLABLES :mercado, entorno,

economía, que son inciertos, para decidir (planear) sobre FACTORES
CONTROLABLES: niveles de inventario, de producción, capacidad.

OBJETIVO

Reducir la incertidumbre del futuro, mediante la anticipación de eventos cuya

probabilidad de ocurrencia sea relativamente alta, respecto a otros eventos
posibles.
El trabajo en función de pronósticos es mayormente proactivo no reactivo

 Se trata de actividades de planificación estructurada.

 La planificación requiere datos con característica(s) definida(s)

Para Recordar: Pronóstico es una declaración

sobre el futuro. No necesariamente numérico
Pasos en el proceso de pronósticos

“Reduce la incertidumbre”

Paso 6 Monitorea el pronóstico

Paso 5 Preparar el pronóstico
Paso 4 Reunir y analizar datos.
Paso 3 Seleccione una técnica de pronóstico
Paso 2 Establecer un horizonte de tiempo
Paso 1 Determinar el propósito del pronóstico
 Pronóstico asociativo – método
Encuentra una asociación entre el predictor y el pronóstico

Variables predictoras: se utilizan para predecir valores de interés variable, a veces

denominadas variables independientes

Variable pronosticada = Variable dependiente

Regresión: técnica para ajustar una línea a un conjunto de puntos

La regresión lineal es la forma de regresión más utilizada.

El objetivo es obtener una ecuación de una línea recta que minimice la suma de las
desviaciones verticales al cuadrado de los puntos de datos de la línea.
 Regresión Lineal

Se fundamenta en el ajuste de datos con respecto de una recta

y = a + bx
Dónde
y = variable pronosticada (dependiente)
x = variable predictora (independiente)
b = pendiente de la recta
a = valor de y cuando x = 0 (la altura de la línea en
la intersección y)
 Regresión Lineal

Dados n puntos de datos, encuentre la intersección (a) y la pendiente (b)

Minimizar la suma de errores al cuadrado
Minimizar la suma de desviaciones de la recta

Minimizar

n n n
n ∑ xt yt − ∑ xt ∑ yt n n

b= t =1 t =1 t =1 ∑y t ∑x t


2 a= t =1
− b t=1
n
 n
n ∑ xt −  ∑ xt  n n
2

t =1  t =1 
Modelo lineal razonable

50
Relación calculada
40

30

20

10

0
0 5 10 15 20 25
 Regresión Lineal

Correlación (r) entre variables: la fuerza y la dirección de las relaciones entre dos variables

+1.00 significa que los cambios en una variable siempre coinciden con los cambios en la
otra, y viceversa.

Una correlación cercana a cero significa poca relación lineal.

El cuadrado del coeficiente de correlación proporciona una medida del porcentaje de

variabilidad en los valores de y que se explica por la variable independiente. (80% o más: la
variable independiente es un buen predictor de los valores de la variable dependiente)
 Regresión Polinomial

El concepto básico es sencillo. Tenemos una sola variable explicativa

continua, x, pero podemos ajustar potencias mayores de x, como x2, x3…
y añadirlas al modelo lineal, junto a x, la expresión algebraica de
regresión polinomial es:
y=a+bx+cx2+dx3…..

 a = punto de corte en el eje de ordenadas

 b, c, d, = son los coeficientes de regresión
 Regresión Polinomial

Una vez seleccionado un modelo y habiéndolo ajustado a los datos, el siguiente paso
es usarlo para hacer predicciones de la variable de respuesta a valores de nuestro
interés de la variable regresora. Existen dos tipos de predicciones, sujetas a niveles
muy diferentes de incertidumbre:
 Las interpolaciones son predicciones hechas dentro del rango de los datos
usados para construir el modelo

 Las extrapolaciones son predicciones hechas fuera del rango de datos usados
para construir el modelo, y son mucho más problemáticas, siendo la selección
del modelo aún más crítico, puesto que, diferentes modelos frecuentemente
generan predicciones dispares.
Ver documento de apoyo 3. Modelos Regresión y sus aplicaciones
 Series de tiempo

 Secuencia ordena da por el tiempo de la s obs erva ciones tomada s a

intervalos regulares durante un período de tiempo
 Los valores futuros de la s erie se pueden es timar a partir de valores pas ados
.

Tipos de varia ciones en los datos de s eries de tiempo.

 Tendencia - movimiento a largo plazo en los datos (s e utiliza a jus te lineal

para obs ervarla)
 Es taciona lidad - va riaciones regulares a corto pla zo en los
da tos Ciclos - variaciones en forma de onda de largo plazo
 Va riaciones irregulares - caus adas por circuns tancia s inus uales
 Va riaciones a le atorias - caus adas por el azar
Series de tiempo - Variaciones

variación
Irregular

Tendencia

Ciclo
Ciclo

Año 2017
2018
2019
Variaciones estacionales
 Las existencias
Existencias o mercancías: todos los elementos que sean necesarios
para la producción o realización de la actividad de la empresa que se
incorporen dentro del producto final.

Se pueden diferenciar varios grupos de mercancías:

Productos comerciales
Materias primas

Otros aprovisionamientos
Productos en curso y semiterminados
Productos terminados Subproductos

Residuos y otros subproductos Residuos

Materiales recuperados
Aprovisionamiento e inventario de materiales

Función de Garantizar el suministro de

objetivo
aprovisionamiento materiales

Estrategia de aprovisionamiento

Minimizar los costes y riesgos

Maximizar el poder negociador
del aprovisionamiento para
de la empresa respecto a los
minimizar la vulnerabilidad de la
proveedores
empresa
 Gestión de inventarios

Gestión de inventarios: todos los mecanismos que se deben poner en

práctica para optimizar el coste que generan.

Criterios de valoración de las mercancías

Criterio FIFO (primera entrada, primera salida)

Criterio LIFO (última entrada, primera salida)

Criterio del precio medio ponderado (P.M.P.)

Técnicas de optimización de los inventarios

Nivel bajo de
Riesgo de rotura de stock
inventarios

Nivel elevado
Genera elevados costes
de inventarios
Técnicas de optimización de los inventarios

Coste de adquisición

Coste de aprovisionamiento del stock

Costes de los
inventarios
Coste de posesión del stock

Coste de rotura de los stocks

Coste total del stock = Coste de adquisición + Coste de

aprovisionamiento + Coste de posesión
Técnicas de optimización de los inventarios

Modelo del pedido óptimo (Considerando que no existe rompimiento de

stock)

D: Demanda. Unidades por año

C : Costo de emitir una orden
I : Tasa de mantenimiento de inventario en un año
Q : Cantidad a ordenar
CP: Costo de la sustancia (unidades monetarias por unidad)
de emitir una orden
I : Tasa de mantenimiento
Técnicas de optimización de los inventarios

Coste total del stock =

Cantidad óptima de pedido:

 Gráfica optimización de los inventarios

Unidades

Q*
Punto de pedido

Stock de
seguridad
Tiempo

Plazo de entrega
Gracias