Administración de la producción y operaciones

1
Por qué son
importantes Principios Horizonte de
Fundamentales Tiempo
(lectura)

Tipos de Modelos de Caso de

Pronósticos Pronósticios Estudio

2
 Pronosticar:
◦ “Arte de especificar información significativa acerca del
futuro” (Narasimhan, Mcleavey y Billington, 1996)

◦ “Técnica para utilizar experiencias pasadas con la

finalidad de predecir expectativas del futuro” (Chapman,
2010)

◦ “Es el arte y la ciencia de predecir los eventos futuros”

(Heizer y Render, 2004)

3
 Pronosticar:
◦ “Hay una tendencia en sobreestimar el corto plazo y
subestimar el largo plazo” – Roy Amara

◦ “No creas que algo esta cerca solo por que lo ves con
claridad” – desconocido

◦ “El futuro ya llegó, sólo que todavía no esta distribuido

equitativamente” – William Gibson

◦ “La historia no se repite… Pero a veces rima” –

desconocido

4
 Todas las organizaciones y personas operan en una
atmósfera de incertidumbre, pero todos los días
todos (organizaciones y personas) debemos tomar
decisiones que afectarán nuestro futuro.

 Para el administrador de una empresa, es más fácil

tomar una decisión que tendrá consecuencias en el
futuro si para ello se basa en información, y no
solamente en presunciones.

5
 Es la base de la planeación corporativa a largo plazo. En las
diferentes operaciones es una herramienta que permite:
◦ En finanzas y contabilidad: planeación de presupuestos y
control de costos.

◦ En mercadeo: planear productos nuevos, compensación

del personal de ventas, toma de decisiones clave.

◦ En producción y operaciones: selección de procesos,

planeación de capacidades, distribución de instalaciones,
planeación de la producción, inventario, mantenimiento,
entre otras.

6
 Reducir el rango de incertidumbre dentro del cual deben
hacerse estimaciones relacionadas con la administración.
Hay 2 reglas principales a las cuales se sugiere adherir el
proceso de pronóstico:
1. El pronóstico debe ser técnicamente correcto y
producir pronósticos precisos que sean suficientes para
satisfacer las necesidades de la empresa.
2. El procedimiento de pronóstico y sus resultados deben
presentarse de forma eficaz a la administración. Los
resultados deben justificarse sobre una base de costo
– beneficio.

7
 • Es una predicción, no se conoce el futuro con
Casi siempre son certeza.
inexactos • Sin embargo, indican una dirección, una tendencia,
una imagen de la situación más probable que ocurra.
Son más precisos
• Los errores o imprecisiones de un artículo específico
para grupos o
generalmente son corregidos por otros miembros del
familias de
grupo o familia.
artículos
Son más precisos • En periodos cortos de tiempo existe menos
para periodos probabilidad de influencia de factores externos
cortos impredecibles.
Deben incluir un
• Por no ser precisos, deben incluir un intervalo en el
error de
cual se espera esté el resultado.
estimación
Fuente: elaboración propia

8
 Existen dos enfoques para agrupar todo tipo de
pronóstico, ¿cual es mejor?:
◦ Las previsiones cuantitativas que emplean diferentes
modelos matemáticos, utilizando datos históricos y/o
variables causales para prever la demanda.
◦ Las previsiones cualitativas o subjetivas que
incorporan factores tales como la intuición de la persona
que toma decisiones, emociones, experiencias
personales y sistemas de valores para realizar la
previsión.

9
 Mientras más podamos reducir la incertidumbre,
mejor será el pronóstico para esto se recomienda:
◦ Acumular la mayor cantidad de información posible
◦ Realizar pronósticos sobre una población más grande de
elementos
◦ Actualizar los pronósticos constantemente.

10
 Corto Mediano Largo
Plazo Periodo de Plazo Plazo
hasta 1 año, De 3 meses a
3 años o más
pero menor a 3 años.
3 meses.

Se usa para
Se emplean
planear las Es útil para
para planear
compras, planear
nuevos
Demanda programar el Operación ventas, Estrategia
productos,
trabajo, producción, el
gastos de
determinar presupuesto y
capital,
niveles de el flujo de
ubicación e
mano de obra, efectivo,
instalación de
asignar el analizar
las
trabajo y diversos
instalaciones,
decidir los planes de
investigación
niveles de operaciones.
y desarrollo.
producción.

Fuente: elaboración propia

11
1. El pronóstico a corto plazo suele ser más preciso.

2. Los pronósticos a corto plazo utilizan distintas

técnicas. Se basan mucho en técnicas
matemáticas, mientras que los de largo plazo se
basan más en técnicas más cualitativas que
cuantitativas.

3. Pronósticos a mediano y largo plazo manejan

cuestiones más globales.

12
• Indicadores de • Pronósticos a • Proyecciones de
planeación largo plazo las ventas de la
valiosa por el relacionados con compañía para
apoyo que los índices de cada periodo en
prestan a las progreso el horizonte de la
organizaciones tecnológico. planeación.
en la preparación
de pronósticos a
mediano y largo
plazo.

Económicos Tecnológicos De demanda

13
 ¿Por qué “administrar” la demanda?
◦ Para usar con eficiencia el sistema productivo y entregar
el producto a tiempo, cumpliendo con todas las
características del mismo.

 ¿De dónde proviene la demanda del producto o

servicio de una empresa?
a. Por la demanda de otros productos o servicios -
Demanda Dependiente
b. Por condiciones de mercado – Demanda
Independiente.

14
 Posiciones que puede adoptar una compañía ante
la demanda:
a. Papel activo para influir en la demanda: Campañas
para incrementar o disminuir la demanda por medio de
promociones, incentivos a colaboradores, incremento
de precios, restricciones de venta.
b. Papel pasivo y simplemente responder a la demanda:
No se busca influir en la demanda y simplemente se
reacciona en el momento que la demanda requiere el
producto o servicio de la empresa.

15
 Determinar el Validar e
Obtener el
uso del implementar los
pronóstico
pronóstico resultados

Seleccionar
Reunir los datos
aspectos que se
necesarios para
deben
el pronóstico
pronosticar

Determinar Seleccionar
horizonte del modelos del
pronóstico pronóstico

16
Técnicas de pronósticos y
modelos comunes

17
1. Cualitativo: son pronósticos subjetivos y se basan en
estimados y opiniones. Resulta útil cuando no se tiene
disponibilidad de información histórica.
 Técnicas acumulativas
 Investigación de mercados
 Grupos de consenso
 Analogía histórica
 Método de Delfos (Método Delphi)

18
2. Análisis de series de tiempo: se basa en la idea de que
el futuro es una función del pasado, cuya única variable
independiente es el tiempo.
 Promedio móvil simple
 Promedio móvil ponderado
 Suavización exponencial
 Análisis de regresión

19
3. Causal: supone que existe una relación entre variables y
que la variable en estudio depende de la(s) variable(s)
causantes, las cuales pueden medirse con precisión.
 Análisis de regresión
 Modelos econométricos
 Modelos de entrada/salida
 Principales indicadores

20
3. Causal:
 Un ejemplo de un pronóstico causal es el de la venta de
gaseosas, podemos relacionar directamente un pronóstico
de ventas a la temperatura del ambiente y así asociar la
demanda a dicha temperatura.
 Entre más caluroso estará el día mas demanda habrá, por
ende mayor distribución se necesita en épocas de verano.

21
4. Modelos de simulación: permiten al encargado del
pronóstico manejar varias suposiciones acerca de la
condición del pronóstico.

 Se hacen suposiciones acerca de variables internas y

del ambiente externo en el modelo.

 Se hacen preguntas de ¿qué pasaría si …?

22
Método de pronóstico Monto de datos Patrón de los datos Horizonte del
históricos pronóstico
6 a 12 meses, a Los datos deben ser Corto a mediano
Promedio móvil simple menudo se utilizan estacionarios (sin
datos semanales tendencia ni
temporalidad)
Promedio móvil De 5 a 10 Los datos deben ser Corto
ponderado y observaciones para estacionarios
suavización empezar
exponencial simple
Suavización De 5 a 10 Estacionarios y Corto
exponencial con observaciones para tendencias
tendencia empezar
De 10 a 20 Estacionarios, Corto a mediano
observaciones; para la tendencias y
Regresión lineal temporalidad, por lo temporalidad
menos 5 observaciones
por temporada

23
 WhatIfSports.com, una subsidiaria de FOXSports.com y News Corp., se
anuncia como la principal autoridad en simulación de deportes en Internet. La
tecnología del sitio permite que cualquiera “juegue” juegos hipotéticos entre
equipos profesionales históricos de beisbol, basquetbol, futbol americano y
hockey, así como futbol americano y basquetbol colegiales. Por ejemplo, se
puede simular un partido entre los Rojos de Cincinnati y los
 Bravos de Atlanta en la temporada de 1974.

 Todas estas simulaciones se basan en las estadísticas reales de los jugadores

y del equipo durante temporada.
 Después de ser adquirida por FOXSports.com, WhatIfSports.com se enfrentó a
un problema cuando se hizo cargo del contenido de futbol americano de
fantasía. Los deportes de fantasía requieren de la capacidad para proyectar
cómo se desempeñarán los jugadores actuales en la próxima temporada. Los
juegos de simulación cuando se conocen las estadísticas completas de un
jugador son una cosa, pero el contenido del futbol de fantasía exige
proyecciones futuras de cada jugador en todos los juegos de la próxima
temporada. ¿Cómo se representan los novatos que no tienen experiencia
profesional, así como otros jugadores cuando se avanza o se retrocede en el
tiempo? Para idear las entradas de datos estadísticos que se requerían para
jugadores con mucha información desconocida,

24
 WhatIfSports.com aplicó un modelo de elaboración de
pronósticos cuantitativo que toma en cuenta el desempeño
universitario, la utilización a lo largo de la universidad, la
intensidad de la competencia universitaria, aspectos
“medibles” (por ejemplo, la altura, el peso, el tiempo de la
carrera de 40 yardas, el salto vertical, etcétera), la posición
probable, el desempeño anterior de un jugador similar en
esa posición para el staff de entrenamiento y el
desempeño previo de jugadores parecidos con un nivel de
experiencia similar.
 El método de elaboración de pronósticos también ayudó al
sitio con muchas otras tareas. Una empresa antes
dedicada a “qué pasaría si” en los deportes, gracias al uso
de modelos de elaboración de pronósticos, ahora también
puede centrarse en “qué pasará”.

25
 El patrón o comportamiento de los datos en una serie
de tiempo tiene varios componentes. El supuesto
usual es que cuatro componentes separados:
tendencia, cíclico, estacional e irregular, se
combinen para proporcionar valores específicos de la
serie de tiempo.
 Aunque los datos de series de tiempo por lo general
exhiben fluctuaciones aleatorias, las series de tiempo
pueden seguir mostrando cambios o movimientos
graduales hacia valores relativamente mayores o
menores en un periodo prolongado.
 El cambio gradual de la serie de tiempo se conoce
como tendencia en la serie de tiempo.

26
 Ejemplo de tendencias marcadas en los valores a
través del tiempo:

27
 Series de tiempo con frecuencia muestran secuencias
de puntos que se alternan por encima y por debajo de
la línea de tendencia. Cualquier secuencia de puntos
recurrente por encima y por debajo de la línea de
tendencia que dura más de un año puede atribuirse al
componente cíclico de las series de tiempo

28
 Como es lógico, el componente de las series de tiempo
que representa la variabilidad en los datos debido a
influencias estacionales se llama componente estacional.
 Aunque por lo general consideramos que el movimiento
estacional en una serie de tiempo ocurre en un año, el
componente estacional también puede utilizarse para
representar cualquier patrón que se repite con regularidad
y tiene una duración menor a un año.
 Por ejemplo, los datos del volumen de tránsito diario
muestran el comportamiento “estacional” dentro del día,
con niveles máximos durante las horas pico, un flujo
moderado durante el resto del día y uno ligero a partir de la
media noche y hasta las primeras horas de la mañana.

29
 El componente irregular de las series de tiempo es
el factor residual o “comodín” que incluye las
desviaciones de los valores de serie de tiempo reales
de aquellos esperados según los efectos del
componente cíclico, de tendencia y estacional.
 Este componente representa la variabilidad aleatoria
en las series de tiempo y es resultado de factores a
corto plazo, imprevistos y no recurrentes que afectan
a la serie de tiempo.
 Como este componente representa la variabilidad
aleatoria en las series de tiempo, es impredecible; no
podemos intentar predecir su impacto en las series de
tiempo.

30
 En el siguiente ejemplo de ventas de gasolina, se
muestra una irregularidad en el patron que no
sigue ninguna tendencia:
Ventas (miles de
Semana galones)
1 17
2 21
3 19
4 23
5 18
6 16
7 20
8 18
9 22
10 20
11 15
12 22

31
 Este método utiliza un número de valores de datos
históricos reales para generar un pronóstico.
 Útil cuando la demanda de un producto no crece ni
baja con rapidez, y no tiene características
estacionales.
 Es la media aritmética de n observaciones
consecutivas:

∑ demanda de los n periodos anteriores

Promedio Móvil =
n

32
 Este método utiliza un número de valores de datos
históricos reales para generar un pronóstico.
 Útil cuando la demanda de un producto no crece ni
baja con rapidez, y no tiene características
estacionales.
 Permite asignar cualquier importancia a cada
elemento, siempre y cuando la suma de todas las
ponderaciones sea 1.
PMP = w1At-1 + w2At-2 +… + wnAt-n
Donde wn se refiere al peso o ponderación que se le dará al elemento, At-n se refiere al
elemento a analizar en el tiempo T-n, donde T es tiempo y n es el número de periodos
anteriores que se van a analizar.

33
 Es un procedimiento para revisar de forma
continua un pronóstico (pron.) a la luz de
experiencias más recientes.
 Proporciona un promedio móvil con un peso
exponencial de todos los valores observados
(obs.) con anterioridad.
 Apropiado para datos que no tienen una
tendencia predecible hacia arriba o hacia abajo.
Nuevo Pron. = [α*(última obs.)]+[(1-α)*(último pron.)]

34
 Es la diferencia entre el valor de pronóstico y lo
que ocurrió en realidad (valor real).
 En estadística son conocidos como residuales.
 Si el valor del pronóstico se encuentra entre los
límites de confianza, no es un error.
 Fuentes de error:
• Errores sesgados: errores consistentes
• Errores aleatorios: errores que no se pueden explicar

35
 Los errores pueden describirse como:
1. Desviación Absoluta Media (MAD por sus siglas en
inglés): promedio de diferencias absolutas entre datos
reales y datos pronosticados.
∑|At – Ft|
MAD = n
Donde:
t = Número del periodo
A = Demanda real para el periodo
F = Demanda pronosticada para el periodo
n = Número total de periodos
| | = Símbolo de valor absoluto (elimina los signos negativos)

36
 Una vez establecidos los límites de control, es necesario
dar un seguimiento para determinar si el promedio
pronosticado sigue el paso de cualquier cambio en la
demanda, para lo cual se utiliza una señal de
seguimiento.

 Señal de Seguimiento (TS por sus siglas en inglés):

número de desviaciones absolutas medias (MAD) que el
valor pronosticado se encuentra por encima o por debajo
de la ocurrencia real.

37
38
 Cuando los valores de los datos exhiben una
tendencia gradual que cambia conforme un patrón
definido a la medida que se mueven los periodos
podemos pronosticar utilizando el análisis de
Regresión.
 Supongamos que tenemos las siguientes ventas para
los siguientes periodos:
Periodo Ventas
1 21.6
2 22.9
3 25.5
4 21.9
5 23.9
6 27.5
7 31.5
8 29.7
9 28.6
10 31.4
39
 En estadística, el análisis de regresión es un proceso
estadístico para la estimación de relaciones entre
variables. Incluye muchas técnicas para el modelado y
análisis de diversas variables, cuando la atención se
centra en la relación entre una variable dependiente y una
o más variables independientes.
 Más específicamente, el análisis de regresión ayuda a
entender cómo el valor típico de la variable dependiente
cambia cuando cualquiera de las variables independientes
es variada, mientras que se mantienen las otras variables
independientes fijas. Más comúnmente, el análisis de
regresión estima la esperanza condicional de la variable
dependiente dadas las variables independientes - es decir,
el valor promedio de la variable dependiente cuando se
fijan las variables independientes

40
Bibliografía
ANDERSON y cols. (2011). Métodos cuantitativos para los negocios. (Undécima
ed.). México: CENGAGE Learning.
CHAPMAN, S. (2010). Planificación y control de la producción. México: Prentice
Hall.
HEIZER, J. y RENDER, B. (2004). Principios de administración de operaciones.
(Quinta ed.). México: Pearson.
HILLIER, F. y LIEBERMAN, G. (2006). Investigación de operaciones. (Séptima
ed.). México: McGraw Hill.
NARASIMHAN, S., MCLEAVEY, D. y BILLINGTON, P. (1996). Planeación de la
producción y control de los inventarios. México: Prentice Hall.
WAYNE, W. (2008). Investigación de operaciones, aplicaciones y algoritmos.
(Cuarta ed.). México: Thompson.

Imágenes (www.freeimages.com)

41
42