GESTION DE OPERACIONES Y DE LA

INNOVACION
PRONOSTICOS

MBA  Haye, 2022

 Itinerario

1. Tomadores de decisiones

2. Inspección del problema

3. Análisis de datos

4. Propuestas de modelos

5. Obtención de pronósticos y tomar decisiones

MBA  Haye, 2022

 Repaso Tipos de Decisiones
Tipo de Decisión Nivel de agregación Duración del Tomador de
de la información impacto de la decisión
decisión

Estratégica Muy Agregada Más de 2 años Directorio

Táctica Menos Agregado De 6 a 18 meses Gerencia/analistas

Operacional Detallado Menos plazo Supervisor/operador

Tipo de Decisión Incertidumbre Riesgo

Estratégica Muy alto Muy alto

Táctica Alto Alto

Operacional Bajo bajo

MBA  Haye, 2022

 Ejemplos de Decisiones

• Localización de una planta

• Layout de una fabrica

• Definición de protocolos de seguridad

• Establecer campaña de marketing para temporada verano

• Realizar la orden de insumos para la producción diaria

MBA  Haye, 2022

 Ejemplos de Decisiones

• Localización de una planta Estratégico

• Layout de una fabrica Táctico

• Definición de protocolos de seguridad Táctico

• Establecer campaña de marketing para temporada verano Táctico

• Realizar la orden de insumos para la producción diaria Operacional

MBA  Haye, 2022

Repaso Tipos de Pronósticos

Métodos Descripción Tipos

Cuantitativos Tienen un modelo Series de tiempo y

subyacente modelos causales
Cualitativos Dependen de juicios Oráculo de Delfos, juicio
informado, seguir
tendencias, etc

MBA  Haye, 2022

 Pregunta 1
Responda en forma breve y concisa las siguientes preguntas:

b) Considere las siguientes decisiones que debe evaluar una facultad de una
prestigiosa universidad con el fin de mejorar su funcionamiento.

- Adquirir nueva infraestructura (salas).

- Programar mejor el uso de salas.
- Hacer un convenio con otra facultad para realizar algunas de sus clases en
ésta.

- ¿Qué tipo de decisión es cada una? ¿Por qué?

- Indique al menos tres posibles objetivos que pueden tener estas decisiones.
- ¿Hay conflictos entre éstos?

MBA  Haye, 2022

 Respuesta Pregunta 1-a

a) Este tipo de decisiones puede ser táctica, pero generalmente es estratégica. Las decisiones sobre instalaciones son
de gran importancia para la empresa y para el área de operaciones. Estas decisiones imponen limitaciones físicas
sobre la cantidad que puede producirse y requieren de una gran inversión de capital. Por lo tanto, la toma de
decisiones sobre instalaciones con frecuencia se lleva a cabo al más alto nivel corporativo, incluyendo la alta
gerencia.

Algunos de los factores que afectan este tipo de decisiones son: demanda, costo de las instalaciones,
comportamiento de la competencia, estrategia empresarial y consideraciones internacionales.

Para este tipo de decisiones es razonable una evaluación a mediano a largo plazo debido a los tiempos necesarios
para la construcción (ampliación). E este tipo de decisiones con frecuencia requiere hasta 5 años de tiempo de
procesamiento, también podría requerir de un período tan corto como 1 año. El margen de tiempo de 1 año se
refiere a edificios y equipo que pueden construirse con rapidez o que pueden rentarse. El marco de tiempo de 5 años
se refiere a instalaciones grandes y complejas.

Los métodos de pronóstico que se usan para tomar decisiones de planeación de capacidad son los cualitativos y
causales.

MBA  Haye, 2022

 Respuesta Pregunta 1-b
Las decisiones podrían ser clasificadas en:

Adquirir nueva infraestructura (salas): Estratégica, largo plazo, grandes inversiones en recursos asociadas, difícil de modificar en el futuro, alta incertidumbre, decisión
poco estructurada en métodos, información muy agregada.

Programar mejor el uso de salas: Operativa, corto plazo, fácil de modificar, pocos recursos involucrados, estructurada, poca incertidumbre, información específica.

Hacer un convenio con otra facultad para realizar algunas de sus clases en ésta: Táctica, mediano plazo, mediana importancia, relativamente fácil de modificar,
muchos recursos involucrados, inversiones de mediana magnitud, incertidumbre sólo en algunos factores, información de mediana agregación.

Por otra parte, los objetivos que podrían perseguir serían:

Disminuir el tamaño de los cursos.

Dictar más cursos.
Disminuir la duración de la jornada estudiantil.
Disminuir el tiempo de viaje de los alumnos de clase en clase.
Fomentar el intercambio de cursos entre facultades.
Costos.

Obviamente algunos de estos objetivos son conflictivos entre si. Por ejemplo, fomentar el intercambio de cursos entre facultades implica que el tiempo de viaje de los
alumnos de clase en clase aumentaría.

MBA  Haye, 2022

Analisis de Datos

• Visualizacion y Seleccion

• Ingenieria de Datos
1. Corregir
2. Completar
3. Crear
4. Convertir

MBA  Haye, 2022 10

Analisis de Datos: Visualizacion

Ejemplo Producto (Dispercion)

MBA  Haye, 2022

Analisis de Datos

Ejemplo Producto (Dispercion)

MBA  Haye, 2022

Analisis de Datos

Ejemplo Producto (Dispercion)

Antes Despues

MBA  Haye, 2022

 Análisis de Datos: Titanic
PassengerId Survived Name Age Fare Cabin
1 0 Braund, Mr. Owen Harris 22 7.25 NaN
Cumings, Mrs. John Bradley
2 1 (Florence Briggs Th... 38 71.2833 C85
3 1 Heikkinen, Miss. Laina 26 7.925 NaN
Futrelle, Mrs. Jacques Heath
4 1 (Lily May Peel) 35 53.1 C123
5 0 Allen, Mr. William Henry 35 8.05 NaN
6 0 Moran, Dr. James NaN 8.4583 NaN
7 0 McCarthy, Mr. Timothy J 54 51.8625 E46
Palsson, Master. Gosta
8 0 Leonard 2 21.075 NaN
Johnson, Mrs. Oscar W
9 1 (Elisabeth Vilhelmina Berg) 27 11.1333 NaN
Nasser, Mrs. Nicholas (Adele
10 1 Achem) 14 30,0708 NaN
Sandstrom, Miss. Marguerite
11 1 Rut 4 16.7 G6
12 1 Bonnell, Miss. Elizabeth 58 26.55 C103

• Ingenieria de Atributos
• Corregir
• Completar
• Crear
• Convertir

MBA  Haye, 2022

Modelos Cuantitativos

• Series de tiempo

• Regresiones Lineales

• Existen muchos mas!

MBA  Haye, 2022 15

Repaso Modelos Cuantitativos
Series de Tiempo

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

Notación

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

Notación Alisamiento Exponencial Simple

MBA  Haye, 2022

 Repaso Modelos Cuantitativos
Series de Tiempo

Alisamiento Exponencial Simple

t Dda At Ft alfa
0 - 50 0.8
1 50
2 60
3 40
4 ??

MBA  Haye, 2022

 Repaso Modelos Cuantitativos
Series de Tiempo

Alisamiento Exponencial Simple

t Dda At Ft alfa
0 - 50 - 0.8
1 50 40+10 50
2 60 48+10 50
3 40 32+11.6 60
4 ?? 43.6

MBA  Haye, 2022

Pregunta 3

Día 1 2 3 4 5 6 7
Demanda 10 12 13 15 17 20 21

Considere una empresa que distribuye repuestos para automóviles.

• Simule un pronóstico para la semana utilizando suavización

exponencial simple, comenzando con F1 = 10 y a = 0,2. ¿Qué se
puede observar de su representación gráfica?

MBA  Haye, 2022

Pregunta 3

Alfa=0,2

MBA  Haye, 2022

Pregunta 3

Alfa=1

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

Notación Alisamiento Exponencial con Tendencia

MBA  Haye, 2022

 Repaso Modelos Cuantitativos
Series de Tiempo

Alisamiento Exponencial con Tendencia

t Dda At Tt Ft alfa beta
0 - 50 10 0.6 0.4

1 45
2 55
+1 3 ??

MBA  Haye, 2022

 Repaso Modelos Cualitativos
Series de Tiempo

Alisamiento Exponencial con Tendencia

t Dda At Tt Ft alfa beta
0 - 50 10 - 0.6 0.4
1 45 27+24 .4+6 50+10
2 55 33+22.96 2.976+3.84 51+6.4
3 62.78

MBA  Haye, 2022

Pregunta 3

Día 1 2 3 4 5 6 7
Demanda 10 12 13 15 17 20 21

Considere una empresa que distribuye repuestos para automóviles.

• Simule un pronóstico para la semana utilizando suavización

exponencial simple, comenzando con F1 = 10 y a = 0,2. ¿Qué se
puede observar de su representación gráfica?

• Simule un pronóstico para la demanda comenzando con F 1 = 10,

T0 = 2, a = 0,2 y b = 0,4 (alisamiento exponencial con
tendencia).

MBA  Haye, 2022

Pregunta 3

Alfa=0,2
Beta=0,4

MBA  Haye, 2022

Pregunta 3

Alfa=0,28
Beta=0,83

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

Notación Indicadores

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

t Dda Ft /Ddat-Ft/ MADt Validacion alfa MAD

Indicadores 0 - 1 0.2
1 45 43 2
2 50 48 2
3 150 52 98

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

Indicadores t Dda Ft /Ddat-Ft/ MADt Validacion alfa MAD

0 - 1 3.75 0.2 34
1 45 43 2 1.2 4.5
2 50 48 2 1.36 5.1
3 150 52 98 20.688 77.58

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

Notación Indicadores

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

t Dda Ft /Ddat-Ft/ MADt Acum T rastreo alfa MAD

1
Indicadores 0
1
-
45 43 2 1.2
0.2 34

2 50 48 2 1.36
3 150 52 98 20.6

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Series de Tiempo

t Dda Ft /Ddat-Ft/ MADt Acum T rastreo alfa MAD

Indicadores 0 - 1 0.2 34
1 45 43 2 1.2 2 1.67
2 50 48 2 1.36 4 2.94
3 150 52 98 20.6 102 4.93

MBA  Haye, 2022

Pregunta 3

Día 1 2 3 4 5 6 7
Demanda 10 12 13 15 17 20 21

Considere una empresa que distribuye repuestos para automóviles.

• Simule un pronóstico para la semana utilizando suavización

exponencial simple, comenzando con F1 = 10 y a = 0,2. ¿Qué se
puede observar de su representación gráfica?

• Simule un pronóstico para la demanda comenzando con F 1 = 10,

T0 = 2, a = 0,2 y b = 0,4 (alisamiento exponencial con
tendencia).

• Calcule el MAD y la señal de rastreo para estos datos. Utilice

MAD0 = 0.

• ¿Tanto la señal de rastreo como el MAD están dentro de las

tolerancias?

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Regresión Lineal

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Regresión Lineal

MBA  Haye, 2022

Repaso Modelos Cuantitativos
Regresión Lineal

MBA  Haye, 2022

 Repaso Modelos Cuantitativos
Regresión Lineal
Ejemplo

Dependiente Independiente Pronostico Error Coeficientes

a b
7 2
? ?
9 3

12 6

35 12

22 5

43 16

11 5 Suma de errores cuadrados

MBA  Haye, 2022

 Repaso Modelos Cuantitativos
Regresión Lineal
Ejemplo

Dependiente Independiente Pronostico Error Coeficientes

a b
7 2
1 2
9 3

12 6

35 12

22 5

43 16

11 5 Suma de errores cuadrados

MBA  Haye, 2022

 Repaso Modelos Cuantitativos
Regresión Lineal
Ejemplo

Dependiente Independiente Pronostico Error Coeficientes

7 2 5 2 a b
1 2
9 3 7 2
12 6 13 -1
35 12 25 10
22 5 11 11
43 16 33 10
11 5 11 0 Suma de errores cuadrados

330

MBA  Haye, 2022

 Repaso Modelos Cuantitativos
Regresión Lineal
Ejemplo

Dependiente Independiente Pronostico Error Coeficientes

7 2
a b
6.62 0.37
1.3251 2.647431
9 3 9.26 -0.26
12 6 17.20 -5.20
35 12 33.09 1.90
22 5 14.56 7.43
43 16 43.68 -0.68
11 5 Suma de errores cuadrados
14.56 -3.56
99.46

MBA  Haye, 2022

Pregunta 3

Día 1 2 3 4 5 6 7
Demanda 10,000 13,000 14,000 16,000 19,000 20,000 22,000

Ahora, considere que el gerente de la empresa quiere saber si las

ventas totales sirven para predecir las ventas de radiadores para
automóviles. Para esto la empresa maneja los datos de las ventas
totales en dólares generadas

Utilice una regresión para responder la pregunta del gerente. ¿Qué

porcentaje de la variación se explica por la ecuación?¿Es un buen
ajuste?
Compare el error por desviación absoluta a partir de la ecuación de
regresión y compárelo con el de la parte (a). Para esto grafique los
pronósticos y los datos.

MBA  Haye, 2022

Pregunta 3

A=0,94
B=0

MBA  Haye, 2022

Agregar Variables Independientes

Independiente
Dependiente Pronostico Error
X Coeficientes

7 2
a b
1 2
9 3

12 6

35 12 Y=ax+b
22 5

43 16

11 5 Suma de errores cuadrados

1035

MBA  Haye, 2022

Agregar Variables Independientes

Independiente Independiente
Dependiente Pronostico Error
X W Coeficientes

7 2
a b C
0
1 2 3
9 3
0
12 6
0
35 12 Y=ax+bw+c
1
22 5
0
43 16
1
11 5 Suma de errores cuadrados
0

MBA  Haye, 2022

Agregar Variables Independientes

Independiente Independiente
Dependiente Pronostico Error
X W Coeficientes

7 2
a b C
0 5 2
1 2 3
9 3 0 6 3
12 6 0 9 3
35 12 Y=ax+bw+c
1 17 18
22 5 0 8 14
43 16 1 21 22
11 5 Suma de errores cuadrados
0 8 3
1035

MBA  Haye, 2022

Agregar Variables Independientes

Independiente Independiente
Dependiente Pronostico Error
X W Coeficientes

7 2
a b C
0 7.78 -0.78
2.01 7.1 3.76
9 3 0 9.79 -0.79
12 6 0 15.8 -3.82
35 12 Y=ax+bw+c
1 35 0.02
22 5 0 13.8 8.19
43 16 1 43 -0.02
11 5 Suma de errores cuadrados
0 13.8 -2.81
90.97

MBA  Haye, 2022

 Pregunta 4
1. Tomadores de decisiones: Usted
2. Definición del problema: Calcular las ventas de enero. Pronosticar la
demanda para las dos primeras semanas de enero, además de enero
completo.
3. Análisis de datos:
4. Propuesta de modelos : Regresion Lineal
5. Obtención de pronósticos y tomar decisiones:
6. Cual es el producto? Etapa 1 Definicion del problema
Etapa 2 Analisis de datos
Etapa 3 Propuesta de modelo de Regresión Lineal
Etapa 4 Implementacion y Graficar solucion
Etapa 5 Discusion

Objetivo 1 Calcular ventas primera semana enero 2021

Objetivo 2 Calcular ventas enero 2021
Objetivo 3 Especular el producto

MBA  Haye, 2022

 Análisis de Datos
Demanda
100

90

80

70

60

50

40

30

20

10

0
12/1/2019 1/20/2020 3/10/2020 4/29/2020 6/18/2020 8/7/2020 9/26/2020 11/15/2020 1/4/2021 2/23/2021

MBA  Haye, 2022

 Análisis de Datos
Total
Sunday
Saturday 11%
19% Sunday
Monday Monday
9% Tuesday
Wednesday
Thursday
Friday Tuesday
12% Friday
18%
Saturday

Wednesday
Thursday 15%
15%

MBA  Haye, 2022

Análisis de Datos

Total
January
February
December March
3%4%
14% 5%April
6%
November May
11% 6%

June
7%
October
12% July
9%
September August
13% 11%

MBA  Haye, 2022

Análisis de Datos

MBA  Haye, 2022

Análisis de Datos

MBA  Haye, 2022

 Análisis de Datos

January 157.4530376
Mensual
February 200.4565641 800
March 246.0738884 700
April 290.8280382 600
May 292.7110974 500
June 353.1967992
400
July 456.585451
300
August 550.6654165
200
September 680.4889463
October 622.9868207 100

November 544.0675047 0
ry ar
y ch ril ay ne ly us
t
be
r
be
r
be
r
be
r
December 737.166541 ua ru ar Ap M Ju Ju g m to m m
Ja
n b M Au pt
e
Oc ve ce
Fe No De
Se

MBA  Haye, 2022

Propuesta de Modelo

MBA  Haye, 2022

Modelo Incorporando Festivos

MBA  Haye, 2022

Propuesta de Modelo

MBA  Haye, 2022

Sub vs Sobre Ajuste

MBA  Haye, 2022

 Ejercicio Planificacion Agregada

La empresa “Plan Z” está construyendo un plan agregado para los próximos 12 meses.
El pronóstico de la demanda es:
Mes ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC

Dda.(miles) 200 250 300 400 450 500 500 400 350 300 250 200

La Administración quiere considerar 3 planes a nivel agregado:

1.- Nivelación de la fuerza de trabajo
2.- Nivelación de la fuerza de trabajo más tiempo extra
3.- Estrategia de asegurar la demanda

Cada obrero puede producir 2.000 unidades de producto por mes en horario de trabajo normal.
Si se ocupa tiempo extra, éste tiene la misma tasa de producción. El tiempo extra solo se puede usar
durante 3 meses del año, cada obrero gana $1.500 en tiempo normal. Las horas extras se pagan al 150%
del tiempo normal, sólo se puede usar tiempo extra hasta un 20% del tiempo normal. El costo de contratar
a un obrero es de $500 y el costo de despedir es $200.

Producir una unidad de producto cuesta $1. El costo de mantener el inventario es de 2% mensual.
Io = 300.000 unidades (inventario inicial)
El inventario al final del periodo debe ser 300.000 unidades.
Se deberá satisfacer toda la demanda y no se permiten faltantes.

Evalúe cuál de las alternativas es la más convenientes en términos de costo global.

MBA  Haye, 2022