Nombre de la empresa

GRUPO # 00
Integrantes:
- Apellidos, Nombres # 01 - Apellidos, Nombres # 04
- Apellidos, Nombres # 02 - Apellidos, Nombres # 05
- Apellidos, Nombres # 03 - Apellidos, Nombres # 06

Planeamiento de la oferta y la demanda

Trabajo final
pbs.edu.pe
Presentación

pbs.edu.pe
 Modelo de negocio

pbs.edu.pe
 Servicios

pbs.edu.pe
 Cadena de suministro

pbs.edu.pe
 Segmentación ABC

pbs.edu.pe
 Pronóstico
de la demanda

Exactitud de pronóstico = (Real – Pronóstico) / Pronóstico

Error de pronóstico = Real – Pronóstico
HACER
BIAS = Ʃ(Real – Pronóstico) / N° periodos LOS PRONÓSTICOS
NO SOLO EN DINERO,
TAMBIÉN EN UNIDADES
MAPE = ABS(Real – Pronóstico) / Real

pbs.edu.pe
 Pronóstico
de la demanda
CÁLCULO DEL COEFICIENTE DE VARIACIÓN
Factor de
Mes 2,015 2,016 2,017 Promedio
Estacionalidad
1 259,422 290,123 269,018 272,854 1.1017585
2 279,853 247,826 237,713 255,131 1.0301928
3 215,020 247,436 252,338 238,264 0.9620887
4 219,914 207,477 250,209 225,867 0.9120271
5 233,803 291,760 288,139 271,234 1.0952168
6 237,977 195,001 213,144 215,374 0.8696596  Este Coeficiente nos indica que la
7 232,716 290,076 261,396 1.0554904 variación para la Familia Suministros
8 229,848 229,435 229,642 0.9272703 es ligera.
9 285,056 270,812 277,934 1.1222705
10 249,301 211,896 230,598 0.9311337
11 220,741 240,841 230,791 0.9319109
12 314,347 218,359 266,353 1.075509
Promedio General 247,653

Factor de Estacionalidad = Promedio Mes / Promedio General

pbs.edu.pe Ms. César Espinosa Novaro

 Pronóstico
de la demanda
División Suministros
350,000
y = -20.025x + 247964
R² = 3E-05
300,000

250,000

200,000

150,000

100,000

50,000

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Series2 Lineal (Series2)

Definiendo la tendencia para los datos analizados, se pueden

proyectar los próximos 12 meses ….
pbs.edu.pe Ms. César Espinosa Novaro
 Pronóstico
de la demanda
Pronóstico + Pronóstico +
Mes Pronóstico Desviación Factor de Mes Desviación estándar
Mes
Estacionalidad
estándar Desestacionalizado
jul-17 247,343 277,748 7 1.0554904 jul-17 293,160
ago-17 247,323 277,728 8 0.9272703 ago-17 257,529
sep-17 247,303 277,708 9 1.1222705 sep-17 311,663
oct-17 247,283 277,688 10 0.9311337 oct-17 258,565
nov-17 247,263 277,668 11 0.9319109 nov-17 258,762
dic-17 247,243 277,648 y = -20.025x + 247964 12 1.075509 dic-17 298,613
ene-18 247,223 277,628 1 1.1017585 ene-18 305,879
feb-18 247,203 277,608 2 1.0301928 feb-18 285,990
mar-18 247,183 277,588 3 0.9620887 mar-18 267,064
abr-18 247,163 277,568 4 0.9120271 abr-18 253,150
may-18 247,143 277,548 5 1.0952168 may-18 303,975
jun-18 247,123 277,528 6 0.8696596 jun-18 241,355

Finalmente, se afecta el pronóstico con el factor de estacionalidad

calculado previamente

pbs.edu.pe Ms. César Espinosa Novaro

 Planificación
del suministro

PLAN DE COMPRAS

pbs.edu.pe
 Indicadores
de gestión
Proceso Indicador
Exactitud de pronóstico
Error de pronóstico
1. Demanda BIAS
MAPE
Productividad
Utilización
2. Producción Rendimiento
Cumplimiento programa
Lead Time
3. Compras Cumplimiento del plan
Back Orders
Nivel de inventario
Rotación de inventarios
4. Inventario Exactitud de Inventarios (ERI)
Stock Out
Disponibilidad
Eficiencia
5. Transporte Uso de capacidad vehicular
Gastos por flete
Tiempo de vehículos

pbs.edu.pe