Logística

Profesor: Flores Flores Luis Daniel

Correo: luis_floresfl@my.unitec.edu.mx
Cel: 5523173705

Campus Cuitlahuac
 Evaluación

 EXAMEN PARCIAL 20%

 EXAMEN FINAL 40%
 ENTREGABLES 30%
 PARTICIPACIÓN 10%
• Evaluación Docente (apoyo)
4. Los pronósticos en logística
4.1 Componentes de una serie cronológica
Una serie es un conjunto de datos que muestra datos recopilados en función al tiempo; las cuales
nos ayudan a comprender, diseñar patrones y la variabilidad en el tiempo. Los componentes de una
serie se dividen en:
Tendencia
Es una dirección general con respecto al tiempo, puede ser
ascendente, descendente o plana. Además, refleja cambios a largo
plazo debido a aspectos económicos, demográficos o ambientales. La función se demuestra como:

Estacionalidad = + + +
Este componente muestra patrones recurrentes con una frecuencia
fija a lo largo del tiempo, los cuales pueden ser diarios, mensuales,
estacionales u otro patrón repetitivo. Donde:

Ciclo •X(t) es el valor observado en el tiempo t.

Este componente se relaciona con la estacionalidad. Son patrones •T(t) es el componente de tendencia en el tiempo t.
de más largo plazo y pueden durar años. Se asocian con factores •S(t) es el componente de estacionalidad en el tiempo t.
económicos o comerciales. •C(t) es el componente de ciclo en el tiempo t.
•I(t) es el componente irregular en el tiempo t.
Irregular
Este componente estudia la variabilidad aleatoria en el tiempo de
que no se atribuya la estacionalidad, tendencia y ciclo, como
eventos imprevistos, errores de medición y otros factores.
4.2 Confiabilidad de los
datos fuente de información

La confiabilidad es mantener un seguimiento

actualizado y preciso del inventario y la
producción, con la finalidad de evitar problemas
en el proceso. Para lograr una buena
confiabilidad es necesario:

• Construir relaciones solidas en la organización

• Controlar los gastos
• Validar el mapa el proceso
• Automatizar los procesos
 4.3 Horizontes de planeación

Es el plazo de tiempo necesario para iniciar, desarrollar y terminar una

tarea especifica. Existen 3 tipos de horizontes:

•Se programa
•Se le conoce
para uno o •Se planifica
como planeación
varios años a desde un mes
operativa.
futuro. hasta máximo un
año. •Están diseñadas
•Las decisiones se
para llevarse a
le conocen como •Las decisiones se
Largo Mediano Corto cabo en menos
estratégicas. les conoce como
de un mes.
plazo •Tiene un Plazo tácticas. Plazo •Están
impacto de largo •La planificación
programada
alcance y debe está basada al
para cumplir las
de ir a la par con logro de las
metas
las metas a largo metas anuales
mensuales de la
plazo de la de la empresa.
empresa.
empresa.
4.4 Consideraciones
al diseñar un sistema
de pronóstico
Es necesario considera que los resultados
deben están enfocados a la toma de
decisiones administrativas para llevarlo a
cabo. Algunos aspectos son:

• Identificar las circunstancias en la que se

elaborara el pronóstico
• Disponibilidad de datos históricos
• Establecer el grado de exactitud deseado
• Fijar el periodo de tiempo
• Estudiar el costo-beneficio del pronóstico
4.5 Modelos de pronóstico
aplicados a la logística
4.5.1 Elección de modelo pronóstico
4.5.2 Especificación del modelo pronóstico
4.5.3 Pronostico de la demanda a partir del modelo desarrollado
Métodos cualitativos
• Se basan en la intuición y la percepción que tiene el mercado.
• Con base a la experiencia se llegará a un consenso en la empresa.
• Se generarán varias posibilidades para llevar el pronóstico.

Métodos cuantitativos
• No Causal: Se genera a partir de series históricas de datos, con el objetivo de
extrapolar hacia el futuro y se basan en la tendencia, ciclo y estacionalidad.
• Causal: Busca la relación entre la variable y las otras variables que influyen para
generar un pronóstico. Si es el caso, se determina que tan buena es la
correlación para saber que tan acertado será el pronóstico.
4.6 Medición de
la confiabilidad
del modelo
pronóstico
 5.6.1 La señal del rastreo
Indica la medida en que el promedio del pronóstico está siguiendo la tendencia de la demanda.
En este ejemplo, se muestra un pronóstico anual de una empresa:
Producción Desviacion Desviación Desviacion Absoluta Desviación Media Señal de
Mes Pronostico Desviación
Real Acumulada Absoluta Acumulada Acumulada Rastreo
Enero 900 1000 100 100 100 100 100.00 1.00
Febrero 1000 950 -50 50 50 150 75.00 0.67
Marzo 1050 1100 50 100 50 200 66.67 1.50
Abril 850 700 -150 -50 150 350 87.50 -0.57
Mayo 1300 1200 -100 -150 100 450 90.00 -1.67
Junio 1200 1400 200 50 200 650 108.33 0.46
Julio 1400 1200 -200 -150 200 850 121.43 -1.24
Agosto 1100 1000 -100 -250 100 950 118.75 -2.11
Septiembre 1150 1250 100 -150 100 1050 116.67 -1.29
Octubre 800 900 100 -50 100 1150 115.00 -0.43
Noviembre 900 850 -50 -100 50 1200 109.09 -0.92
Diciembre 1000 900 -100 -200 100 1300 108.33 -1.85

Señal de Rastreo
1300 2.00
. . = = = 108.33
12 1.50

1.00
−200 0.50
ñ " # = = = −1.84
. . 108.33 0.00
1 2 3 4 5 6 7 8 9 10 11 12
-0.50

-1.00
Una buena señal de rastreo debe estar entre ±3.75.
-1.50

-2.00

-2.50
 4.6.2 La desviación media absoluta
Es una estadística de error que calcula el promedio de la distancia entre los datos reales y los datos de
pronóstico.
En este ejemplo, se muestra un pronóstico anual de una empresa:

Producción Desviacion Desviación Desviacion Absoluta Desviación Media Señal de

Mes Pronostico Desviación
Real Acumulada Absoluta Acumulada Acumulada Rastreo
Enero 900 1000 100 100 100 100 100.00 1.00
Febrero 1000 950 -50 50 50 150 75.00 0.67
Marzo 1050 1100 50 100 50 200 66.67 1.50
Abril 850 700 -150 -50 150 350 87.50 -0.57
Mayo 1300 1200 -100 -150 100 450 90.00 -1.67 Desviacion Media Absoluta
Junio 1200 1400 200 50 200 650 108.33 0.46
250
Julio 1400 1200 -200 -150 200 850 121.43 -1.24
Agosto 1100 1000 -100 -250 100 950 118.75 -2.11
Septiembre 1150 1250 100 -150 100 1050 116.67 -1.29 200
Octubre 800 900 100 -50 100 1150 115.00 -0.43
Noviembre 900 850 -50 -100 50 1200 109.09 -0.92 150
DMA=108.33
Diciembre 1000 900 -100 -200 100 1300 108.33 -1.85
100

1300
. . = = = 108.33 50
12
0
1 2 3 4 5 6 7 8 9 10 11 12
 4.6.3 El porcentaje de error medio absoluto
Es un indicador del desempeño del pronóstico de la demanda que mide el tamaño del error absoluto en
porcentaje.
En este ejemplo, se muestra un pronóstico anual de una empresa:
Produccion Desviacion Desviación Desviacion Absoluta Desviacion Media Señal de Error %
Mes Pronostico Real Desviacion Acumulada Absoluta Acumulada Acumulada Rastreo Absoluto
Enero 900 1000 100 100 100 100 100.00 1.00 10.00%
Febrero 1000 950 -50 50 50 150 75.00 0.67 5.26%
Marzo 1050 1100 50 100 50 200 66.67 1.50 4.55%
Abril 850 700 -150 -50 150 350 87.50 -0.57 21.43%
Mayo 1300 1200 -100 -150 100 450 90.00 -1.67 8.33%
Junio 1200 1400 200 50 200 650 108.33 0.46 14.29%
Julio 1400 1200 -200 -150 200 850 121.43 -1.24 16.67%
Agosto 1100 1000 -100 -250 100 950 118.75 -2.11 10.00%
Septiembre 1150 1250 100 -150 100 1050 116.67 -1.29 8.00%
Octubre 800 900 100 -50 100 1150 115.00 -0.43 11.11%
Noviembre 900 850 -50 -100 50 1200 109.09 -0.92 5.88%
Diciembre 1000 900 -100 -200 100 1300 108.33 -1.85 11.11%

100
&## # % = = = 0.1 = 10%
(# " 1000

∑ &## # % 126.63%
(& &## # ( # ) = = = 10.55%
12
 4.6.4 La desviación estándar
La desviación estándar es una medida estadística que mide cuanto se dispersan los valores de la media.
En este ejemplo, se muestra un pronóstico anual de una empresa:
Produccion Desviacion Desviacion Desviacion Absoluta Desviacion Media Señal de Error %
Mes Pronostico Real Desviacion Acumulada Absoluta Acumulada Acumulada Rastreo Absoluto
Enero 900 1000 100 100 100 100 100.00 1.00 10.00%
Febrero 1000 950 -50 50 50 150 75.00 0.67 5.26%
Marzo 1050 1100 50 100 50 200 66.67 1.50 4.55%
Abril 850 700 -150 -50 150 350 87.50 -0.57 21.43%
Mayo 1300 1200 -100 -150 100 450 90.00 -1.67 8.33%
Junio 1200 1400 200 50 200 650 108.33 0.46 14.29%
Julio 1400 1200 -200 -150 200 850 121.43 -1.24 16.67%
Agosto 1100 1000 -100 -250 100 950 118.75 -2.11 10.00%
Septiembre 1150 1250 100 -150 100 1050 116.67 -1.29 8.00%
Octubre 800 900 100 -50 100 1150 115.00 -0.43 11.11%
Noviembre 900 850 -50 -100 50 1200 109.09 -0.92 5.88%
Diciembre 1000 900 -100 -200 100 1300 108.33 -1.85 11.11%

Formula Desviacion Estandar

Σ( / − )1 1600
& #= = 189.43 1400
2
1200

Donde 1000
Σ= # 800

/ − =4 # 5 # # 6 600
= ) 400
2=2 # ) 200
0
1 2 3 4 5 6 7 8 9 10 11 12

Produccion Real Media

 4.6.5 El coeficiente de variación
Es una medida estadística que nos informa acerca de la dispersión relativa de un conjunto de datos.
En este ejemplo, se muestra un pronóstico anual de una empresa:
Produccion Desviacion Desviacion Desviacion Absoluta Desviacion Media Señal de Error %
Mes Pronostico Real Desviacion Acumulada Absoluta Acumulada Acumulada Rastreo Absoluto
Enero 900 1000 100 100 100 100 100.00 1.00 10.00%
Febrero 1000 950 -50 50 50 150 75.00 0.67 5.26%
Marzo 1050 1100 50 100 50 200 66.67 1.50 4.55%
Abril 850 700 -150 -50 150 350 87.50 -0.57 21.43%
Mayo 1300 1200 -100 -150 100 450 90.00 -1.67 8.33%
Junio 1200 1400 200 50 200 650 108.33 0.46 14.29%
Julio 1400 1200 -200 -150 200 850 121.43 -1.24 16.67%
Agosto 1100 1000 -100 -250 100 950 118.75 -2.11 10.00%
Septiembre 1150 1250 100 -150 100 1050 116.67 -1.29 8.00%
Octubre 800 900 100 -50 100 1150 115.00 -0.43 11.11%
Noviembre 900 850 -50 -100 50 1200 109.09 -0.92 5.88%
Diciembre 1000 900 -100 -200 100 1300 108.33 -1.85 11.11%

Coeficiente de Variacion
Formula 1600
1400
1200
189.43 Nota:
7 1000
4= = = 18.25% CV menor a 10 es muy bueno
8 1037.5 800
CV entre 10 y 20 es bueno
600
Donde: CV entre 20 y 30 es aceptable
400
CV mayor a 30 no es aceptable
200

7= # 0
8 =& # 1 2 3 4 5 6 7 8 9 10 11 12

Produccion Real Media

Bibliografía

• Fernando Hurtado Ganoza. 2018.

Gestión Logística (1ª edición).
Perú. Fondo Editorial.
• Luis Aníbal Mora Garcia. 2010.
Gestión Logística Integral (1ª
edición). Colombia. ECOE
Ediciones.