20
L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 15/06/22

L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

Embed Size (px)

Citation preview

Page 1: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

L/O/G/O

Ing. Karla Elisabeth Dávila

Planificación y Control de la Producción I

21/04/23

Page 2: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Objetivos

• Analiza los métodos de los promedios móviles para elaborar pronósticos de demandan mediante el uso de PMS, PMCaT, PMP

• Fomenta el respeto, la tolerancia, el espíritu critico a través del trabajo en equipo para su formación profesional

Ing. Karla Elisabeth Dávila

Page 3: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Contenidos

Pronósticos de Demanda:PMSPMCaTPMPPPES

Ing. Karla Elisabeth Dàvila

Page 4: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

PMS

Los PMS son, como su nombre lo indica, nada más que el promedio matemático de los últimos periodos recientes de la demanda.

Ing. Karla Elisabeth Dàvila

Page 5: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

El pms para el periodo i, es simplemente la media aritmética de los ¨k¨ últimos datos. Es decir;

Ms,i,k = Di + Di-1 + …………+ Di-(k-1) / K

Donde : K número de datos o términos del pm

Ms,i,k : pms de ¨k¨ términos para el periodo i

Di…..,Di- (k-1): demanda de los últimos ¨k¨ periodos.

Ing. Karla Elisabeth Dàvila

…….

Page 6: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

• Si se desea un pronóstico para el periodo (i+1), éste será igual al pms del periodo anterior, es decir:

• Pi+1 = Ms,i,k

O sìmplemente:

Pi+1 = Ms,i,

Ing. Karla Elisabeth Dàvila

Page 7: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Dado los siguientes datos:

Pronostique la demanda para el año 2012, aplicando pms con k= 2

¿Cuáles serian los años que se tomarían en cuenta para el calculo de pronósticos?

Utilizando un pms con k=2, los pronósticos para los años 2009,2010,2011 y 2012

Ing. Karla Elisabeth Dàvila

Año 2007 2008 2009 2010 2011

Demanda 200 213 218 235 244

Page 8: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Promedio móvil simple de 2 términos:

Ing. Karla Elisabeth Dávila

Año Demanda Msi Pi

2007 200 - -

2008 213 206.5 -

2009 218 215.5 2006.5

2010 235 226.5 215.5

2011 244 239.5 226.5

2012 - - 239.5

Ejemplo de calculo: Ms,2010= (218+235)/2¿A qué análisis puedo llegar con estos resultados?

Cuando mayor sea el termino del promedio, más atrasados serán los pronósticos.

Ejemplo de calculo: Ms,2010= (218+235)/2¿A qué análisis puedo llegar con estos resultados?

Cuando mayor sea el termino del promedio, más atrasados serán los pronósticos.

PMS tiende a ir atrasado respecto a los datos reales de demanda

PMS tiende a ir atrasado respecto a los datos reales de demanda

Page 9: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

PMCAT Se determinan los promedios móviles dobles y ajustados

(pmda) Se aplica dos veces seguidas el mpms:a)Se calcula el pms: ¨ Ms,i ¨b)Se calcula el promedio doble: ¨MD,i¨c)Se calcula el promedio móvil ajustado según:

MA,i = Ms,i + (Masi - MD,i ) + (2/(k-1))((Ms,i - MD,i ) )Donde:MA,i = PMSA del periodo iK= número de términos consideradosd) El pronóstico del periodo ¨i¨ es el pmajustado del periodo (i-

1)

Ing. Karla Elisabeth Dàvila

Page 10: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Cuando la demanda no presenta cambios muy bruscos y el número de términos es grande, se puede estimar la tendencia lineal más reciente a través del valor de la expresión:

Ti = 2/k-1 (Msi - MD,i )

Y usar este valor para pronosticar la demanda de los años siguientes.

Ing. Karla Elisabeth Dàvila

Page 11: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Año Demanda PMS(Ms,i) Promedio Doble (MD,i)

Promedio Ajustado(MA,i)

Pronòstico(Pi)

2007 200 - - - -

2008 213 206.5 - - -

2009 218 215.5 211 229 -

2010 235 226.5 221 243 229

2011 244 239.5 233 259 243

2012 - - - - 259

Ing. Karla Elisabeth Dàvila

MA,2009= 215,5+(215.5 - 211) + (2/(2-1))(215.5 - 211) = 229

Page 12: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

¿Observe los resultados y saque sus propias conclusiones?

El pmd va más atrasado que el pms, razón por la cual nunca se utiliza dicho promedio para la elaboración de pronósticos y si para corregir retraso del pms.

Si se desea pronosticar la demanda del 2013, 2014 y 2015, etc

T(2013) = (2/(2-1)) (239.5 - 233)= 13

Ing. Karla Elisabeth Dàvila

Page 13: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Por lo tanto, los pronósticos de los años siguientes serán:

Otra forma de corregir el pms es a través del método Promedio móvil ponderado.

Ing. Karla Elisabeth Dàvila

Año 2013 2014 2015

Demanda 272 285 298

259 + 13=272, etc259 + 13=272, etc

Page 14: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

PMP• Otra manera de corregir el retraso del PMS es la

utilización de mayores pesos o ponderaciones para los valores más recientes, si K es2, entonces se podrían adoptar ponderaciones de 0,7 para el ultimo dato y 0,3 para el dato anterior.

Ing. Karla Elisabeth Dàvila

Page 15: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Año demanda PMP Pronostico

2007 200

2008 213 (200)(0,3)+(213)(0,7)= -

2009 218 (213)(0,3)+(218)(0,7)= 209.1

2010 235 (218)(0,3)+(235)(0,7)= 216.5

2011 244 (235)(0,3)+(244)(0,7)= 229.9

2012 241.3

Ing. Karla Elisabeth Dàvila

Page 16: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Método del Promedio Ponderado Exponencial Simple (ppes)

Ms,i = Ms,i-1 + (Di - Ms,i-1)∝Donde:

Ms,i: ppes del periodo i

Ms,i-1: ppes del periodo (i -1)

∝: Constante de atenuación

Di: Demanda real del periodo ¨i¨PPES es:

Pi+1 = Pi + (Di - Pi)∝ ∝ esta entre 0.05 y 0.4

Ing. Karla Elisabeth Dàvila

Page 17: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Aplique el mppes con = 0.2 y pronostique la ∝demanda para el año 2009

como D1=Ms,1 y D1 = 200

Ms,2 = Ms,1 + (D2 - Ms,1)∝ = 200 + 0.2 ( 213 - 200) = 202.6

Ing. Karla Elisabeth Dàvila

Año 2007 2008 2009 2010 2011

Demanda 200 213 218 235 244

Di=Ms,1 D2 D3 D4 D5

Page 18: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

Periodo Año Demanda Promedio Pronòstico

1 2007 200 200

2 2008 213 202.6 200

3 2009 218 205.68 202.6

4 2010 235 211.54 205.68

5 2011 244 218.04 211.54

6 2012 - - 218.04

Ing. Karla Elisabeth Dàvila

PPES

Ms3= 202.6 + 0.2*(218-202.6)=205.68Ms4 = 205.68 + 0.2*(235 205.68)=211.54etc

Ms3= 202.6 + 0.2*(218-202.6)=205.68Ms4 = 205.68 + 0.2*(235 205.68)=211.54etc

Page 19: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com

• El promedio Pes solamente es adecuado cuando la tendencia de la demanda no es muy pronunciada, ya que tiene que ir retrasado con respecto a los datos reales de demanda, esta desventaja es menos significativa cuando ¨ ¨ ∝es grande

Ing. Karla Elisabeth Dàvila

Page 20: L/O/G/O Ing. Karla Elisabeth Dávila Planificación y Control de la Producción I 11/05/2015

www.themegallery.com21/04/23 Ing. Karla Elisabeth Dávila

Bibliografía

• Bowerma, B. L., O´Connell, R. T., & Koehler, A. B. (2007). Pronósticos, serie de tiempos y regresión, un enfoque aplicado. México: Cengage Learning Editores.

• Chapman, S. N. (2006). Planificación y Control de la Producción. México: Pearson Educación.

• Render, B. (2004). Principios de Administración de Operaciones. México: Pearson Educación.