Está en la página 1de 19

Universidad Andina del Cusco

Escuela Profesional de Ingeniería Industrial

PLANIFICACION Y CONTROL DE LA
PRODUCCIÓN - PCP
Docente: Mg. Ing. Guido Salazar Paliza.
PLANIFICACION Y CONTROL
DE LA PRODUCCION
PRINCIPIOS FUNDAMENTALES DEL
PRONÓSTICO
• Existen varios tipos de pronóstico, utilizados para distintos propósitos
y sistemas. Algunos son modelos agregados de largo plazo que se
emplean, precisamente, en la planificación de largo plazo, como la
determinación de necesidades de capacidad general, el desarrollo
de planes estratégicos, y la toma de decisiones estratégicas de
compra de largo plazo.
• Otros son pronósticos de corto plazo para demanda de productos
particulares, utilizados para la programación y el lanzamiento de la
producción, antes de conocer las órdenes reales del cliente.
PRONÓSTICOS
• Es el punto de inicio de todos los
sistemas de planificación se da a partir
de la demanda real o esperada de los
clientes.
• En casi todos los casos el tiempo
necesario para generar y entregar el
producto o servicio es la expectativa
del cliente.
• La producción deberá iniciar a partir
de la demanda esperada o, en otras
palabras, de un pronóstico de la
demanda.
• Los pronósticos casi siempre son incorrectos: “qué tan
equivocado esperamos que sea” y en “cómo planeamos darle
cabida al error potencial en el pronóstico”.
• Los pronósticos son más precisos para grupos o familias
de artículos.
• Los pronósticos son más precisos cuando se hacen para
periodos cortos.
• Todo pronóstico debe incluir un error de estimación: “¿qué
tan incorrecto es el pronóstico?”
• Los pronósticos no son sustituto de la demanda calculada:
Utilice siempre la información real cuando esté disponible
• Para algunas empresas el patrón mas común sigue las estaciones
del año. Estos patrones son cíclicos ya que pueden estar ligados o
no a las estaciones del año.
• Los patrones cíclicos son aquellos que siguen cierto ciclo de
demanda, creciente o decreciente.
PRONOSTICOS CUANTITATIVOS: METODO CAUSAL

• Se basa en el concepto de relación entre variables; es decir, en


la suposición de que una variable medida “ocasiona” que la
otra cambie de una forma predecible.
• La variable medida que ocasiona que la otra variable cambie
con frecuencia se denomina “indicador líder”. Por ejemplo, el
inicio de la construcción de nuevas viviendas suele utilizarse
como indicador líder para desarrollar pronósticos en muchos
otros sectores de la economía.
• Este método rara vez se utiliza para un producto; es más
común emplearlo para mercados o industrias completas.
Algunos de los enfoques más comunes de pronóstico causal son:
• Modelo de entrada y salida: Pueden ser modelos muy grandes y
complejos, ya que analizan el flujo de los bienes y servicios a través de la
economía completa.
• Modelos econométricos. Estos modelos implican el análisis estadístico
de varios sectores de la economía. Su uso es similar al de los modelos de
entrada-salida.
• Modelos de simulación. La popularidad de la simulación de sectores de
la economía mediante computadoras está creciendo, y su uso se ha
incrementado a partir del desarrollo de equipos de cómputo y modelos de
simulación por computadora más potentes y menos costosos.
• Regresión. Es un método estadístico para desarrollar una relación
analítica definida entre dos o más variables. El supuesto, como en otros
modelos causales, es que una de las variables “causa” que la otra se
mueva.
PRONOSTICOS CUANTITATIVOS: SERIES DE
TIEMPO
• Los promedios móviles simples son, como su nombre lo indica,
nada más que el promedio matemático de los últimos periodos
recientes de la demanda real. La ecuación general para obtenerlos
tiene la siguiente forma:
Resulta bastante evidente que la línea de pronóstico
es más suave que la línea de demanda, lo que
demuestra el impacto de tomar un promedio.
Mientras más periodos se utilicen para calcular el
promedio móvil, el resultado será más suave. El
motivo es que, al emplear más periodos en el
promedio, cualquiera de los puntos de demanda
tendrá una menor influencia general.
El pronóstico siempre quedará rezagado en relación
con toda demanda real. Esto no resulta tan obvio en
la gráfica, pero suponga que utilizamos el mismo
método para graficar un patrón de demanda con una
tendencia ascendente.
ERRORES DE PRONÓSTICO
• Todo pronóstico debe contener dos números: el pronóstico en
sí mismo y el estimado de error.
• Toda vez que la primera regla del pronóstico es que es
probable que la proyección sea incorrecta, una pregunta clave
es: “¿qué tan incorrecta puede ser?” Responder esta
interrogante es muy importante desde el punto de vista de la
planificación y el control, dado que representa un factor
fundamental para dirigir el negocio.
• Existen varias técnicas importantes para calcular el error. Entre
las más útiles se incluyen:
• Error promedio de pronóstico (MFE, por sus siglas en inglés,
Mean Forecast Error)., este número se calcula a partir del error de
pronóstico promedio matemático sobre un periodo específico. La
fórmula es:

El término (At-F1) representa la diferencia entre la demanda real y el


pronóstico para cualquier periodo, y también se le conoce como error de
pronóstico.
El MFE implica sumar todos los errores de pronóstico individuales, y
dividirlos entre el número total de errores. Si el signo es positivo, indica que
la demanda real fue mayor al pronóstico sobre el rango de números
incluidos; si es negativo, significa que los pronósticos fueron mayores que
la demanda en promedio, lo que implica que el método de pronóstico se
sesgó sobre el extremo superior.
MFE = (2 + 2 + 1 + 3 + 1 + 3)/6 = 0/6 = 0

Sumando todos los errores se obtiene cero, lo que hace que el MFE sea igual a cero.
Sin embargo, resulta claro que los errores de pronóstico existen, de modo que el MFE
no es un buen método para encontrarlos. No obstante, demuestra que el método de
pronóstico no estaba sesgado en este caso, toda vez que el método de pronóstico no
subestimó ni sobreestimó la demanda total sobre el rango completo de la demanda
histórica.
• Desviación Media Absoluta (MAD, por sus siglas en inglés, Mean
Absolute Deviation). Una vez más, la fórmula puede deducirse a
partir del nombre del término. Literalmente significa el promedio de
las desviaciones absolutas matemáticas de los errores de
pronóstico (desviaciones). La fórmula, por lo tanto, es:

Esto representa un número muy importante, ya que nos indica el


error de pronóstico promedio (siempre positivo) sobre el periodo en
cuestión.
MAD = (2 + 2 + 1 + 3 + 1 + 3)/6 = 12/6 = 2

A partir de estos cálculos sabemos que para los seis periodos


utilizados el método de pronóstico no estuvo sesgado (cálculo
MFE), con un error promedio de pronóstico de dos unidades (de
acuerdo con el cálculo MAD).
• Señal de seguimiento. Similar al concepto de límites de control
para las tablas de control de proceso estadístico, la señal de
seguimiento proporciona un límite un tanto subjetivo para que el
método de pronóstico se “desvíe” antes de emprender alguna
acción. Se calcula a partir del MFE y el MAD:
Señal de seguimiento = (n*MFE)/MAD

• En algunos casos esta fórmula se escribe utilizando la “suma


corrida de los errores de pronóstico”, término conocido por sus
siglas en inglés, RSFE (Sum of the Forecast Errors). La fórmula
entonces se convierte en:
Señal de seguimiento = RSFE/MAD