Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad II Estrategias Del Proceso y Planeacion de La Capacidad
Unidad II Estrategias Del Proceso y Planeacion de La Capacidad
UNIDAD II
ESTRATEGIAS DEL PROCESO Y
PLANEACION DE LA CAPACIDAD
Demanda Independiente:
Productos Terminados
A
Demanda Depiendente:
Materia Prima,
Partes, Insumos,
B(4) C(2) Sub-procesos, etc.
– Inventarios
– Personal
– Infraestructura
¿por qué es necesario pronosticar?
Ejemplos:
2016 21,370 0
2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021
2017 18,553
2018 17,691 ¿Cuál sería un pronóstico
2019 19,427 razonable para 2021?
2020 23,379
Trend
Average
Descomposición clásica de series de tiempo:
Componente Descripción
Tendencia Es el componente de largo plazo que
representa el crecimiento o disminución en la
serie sobre un periodo amplio.
2. La disponibilidad de datos
3. La exactitud requerida
a. Estacionarias
Tendencia (T)
Procedimiento
Modelo
Yt + Yt-1 + Yt-2 + ... + Yt-n+1
Mt = Ŷt+1 = --------------------------------------------
n
Mt = promedio móvil en el period t
Ŷt+1= valor del pronóstico para el siguiente periodo (t + 1)
Yt = valor real de la demanda en el periodo t
n = número de términos en el promedio móvil
(observaciones más recientes)
El cuadro Nº 1 muestra los promedios móviles simples para períodos
de 5 semanas, calcular la demanda para la semana 10.
100 90 105 95 ?
Entonces para el mes 5 sería:
Donde:
Ft = Proyección para el período que viene
w1 = Ponderación que se le dará a la ocurrencia real para el período
t-1
wn = Ponderación que se le dará a la ocurrencia real para el período
t-n
Data vs Methods
Y Y Y
Holt’s Trend
Single
Corrected
Exponential Holt-Winters Use Other
Exponential
Smoothing Methods Methods
Smoothing
Method
Method
Método de suavización exponencial – Ajuste Exponencial
(Alisado Exponencial)
• Es otro método de previsión de medias móviles ponderadas.
• Otorga una ponderación mayor a las observaciones más recientes.
• Necesita un reducido número de datos pasados
• El modelo se expresa como:
pronóstico = Previsión del último periodo + (Demanda real del
último periodo – Previsión del último periodo)
• α es una ponderación o constante de alisado y 0 ≤ α ≤1
• Expresando en forma matemática:
Ft = Ft-1 + α (At-1 – Ft-1 )
Donde:
Ft = nueva previsión o pronóstico
Ft-1 = previsión del periodo anterior
α = constante de alisado o ponderación 0 ≤ α ≤ 1
At-1 = demanda real del periodo anterior
La razón por lo que este método se llama ajuste exponencial es que
cada incremento del pasado disminuye (1 – α).
Ponderación en α= 0.05
Ponderación más reciente = α(1-α)0 0.0500
Datos anteriores en un periodo de tiempo = α(1-α)1 0.0475
Datos anteriores en dos periodo de tiempo = α(1-α)2 0.0451
Datos anteriores en tres periodo de tiempo = α(1-α)3 0.0429
.
.
.
Esta ecuación indica que el nuevo pronóstico es igual al viejo más una parte
del error (la diferencia entre el pronóstico anterior y la venta real).
En este caso:
O bien:
FTt+1 = Ft + Tt
2500
2000
1500
1000
500
0
0 2 4 6 8 10 12 14
Dt Pronóstico