PLANEACIN Y CONTROL DE LA PRODUCCIN

GRUPO: 01
M. I. Silvina Hernne! Gar"#a
M. I. S$%ana Ca%& T'lle! (alle%)er*%
TEMARIO:
I. Introduccin.
II. Programacin y control de la produccin.
III. Balanceo de lnea.
IV. Sistemas de administracin de inventarios.
V. Logstica.
VI. Produccin asistida por computadora.
E+ALUACIN:
Exmenes o evaluaciones (!"#$ %& preguntas$ pro'lemas$ temas de re(lexion$ & parciales ()*+#
,areas$ tra'a-os (.*+#
Participaciones (%*+#
La'oratorio (&*+#
O(,ETI+O:
/ise0ar o implementar procedimientos o sistemas para determinar los vol1menes optimas de Produccin e
inventarios mediante el uso de modelos$ m2todos y reglas en cual3uier sistema de Produccin.
(I(LIOGRA-.A:
/aniel Sipper 4. 5o'ert L. Bai(in 6r. 7Planeaccin y 8ontrol de la Produccin9$ Editorial :c ;ra<!
=ill$ %>>".
4dam Everestt? 74dministracin de la Produccin y de las @peraciones9$ Editorial Prentice =all.
PLANEACIN Y CONTROL DE LA PRODUCCIN
8ompras
Pronsticos
Inventarios
Planeacin de la Produccin
(I(LIOGRA-.A COMPRAS Y NI+EL DE SER+ICIO
;allagAer$ 8Aarles 4$ Batson$ =ugA 6. 7:2todos 8uantitativos para la ,oma de /ecisiones en
4dministracin7. :2xico %>".. %C. Ed. Editorial :c ;ra< =ill.
Salvendry$ ;. 7:anual de Ingeniera Industrial9. :2xico %>>%. Volumen II. Editorial Limusa.
4ntil$ 6ames :. 7:2todo de la 5uta 8rtica9? :2xico %>>.. %C. Ed.$ Editorial Limusa.
Eppen ;. /.9 Investigacin de @peraciones en la 8iencia 4dministrativa9$ :2xico %>"D. Editorial
Prentice =all.
=illier EredericF? 7Introduccin a la Investigacin de @peraciones9$ :2xico %>>&$ GC. Ed.$ Editorial
:c ;ra< =ill.
/))0:11222.$ne.e$.ve
/))0:11222.%ervi"e.34a%)."*5
5uta critica Planeacin de la Produccin
Balanceo de lneas
Inventario 4B8
CAPITULO 2. MTODOS DE PRONSTICOS
2. 1 Definicin de Pronsticos
El pronstico es un proceso de estimacin de un acontecimiento futuro
proyectando hacia el futuro datos del pasado. Los datos del pasado se combinan
sistemticamente en forma predeterminada para hacer una estimacin del futuro.
1
En concreto los pronsticos son slo afirmaciones acerca del futuro.
El pronstico es una componente importante de la planeacin estratgica y
operacional. Establece la unin para los sistemas de planeacin y control. Es
necesario estimar el futuro para planear el sistema; y luego programar y controlar
ste para facilitar una eficaz y eficiente produccin de bienes y sericios. La
administracin de la demanda tiene como fin coordinar y controlar todas las
fuentes de la demanda! de manera "ue los sistemas de produccin y operaciones
puedan utilizarse en forma eficiente.
Entender las limitaciones de los pronsticos y fi#ar e$pectatias apegadas a la
realidad en cuanto al funcionamiento futuro son esenciales para hacer uso efectio
de los pronsticos en la toma de decisiones. En un sentido ms positio! ciertos
aspectos de los pronsticos pueden claramente a%adir alor al traba#o de la
administracin. En general! los pronsticos a corto plazo! hasta de un a%o! siren
de parmetro para las operaciones en curso. Los pronsticos a mediano plazo!
"ue abarcan entre uno y tres a%os! y los pronsticos a largo plazo! ms de cinco
a%os! siren de apoyo para las decisiones acerca de la ubicacin y la capacidad
de proyectos.
!ctores "ener!#es $%e inf#%&en en #os Pronsticos
%. N'(ero de e#e(entos) entre mayor sea el n&mero de elementos implicado
'todo lo dems permaneciendo igual(! mayor ser la e$actitud de los
pronsticos. )ebido a la ley estad*stica de los grandes n&meros! disminuye
conforme el n&mero de elementos "ue se pronostica aumenta! y iceersa.
.. *o(o+eneid!d de #os d!tos) entre ms homogneos sean los datos
'permaneciendo todo lo dems igual(! ms e$actos sern los pronsticos.
&. E#!sticid!d de #! de(!nd!) a mayor inelasticidad de la demanda
'permaneciendo todo lo dems igual(! mayor e$actitud de los pronsticos.
). Co(,etenci!) Entre mayor sea la competencia 'permaneciendo igual todo
lo dems(! mayor es la dificultad para pronosticar! ya "ue la competencia
%
E+E,E-- E. .dam! et. al. ; Administracin de la produccin y las operaciones; Editorial /rentice
0all! 1uarta edicin 1221! 3$ico.
puede utilizar los pronsticos para cambiar el curso de los sucesos futuros
e inalida as* los pronsticos.
2. 2 E# Proceso de Pronstico
En el proceso de pronstico es importante seguir cierta secuencia4
P!so 1. Es,ecific!r o-.eti/os. Es importante determinar los ob#etios con la
mayor claridad posible.
P!so 2. 01%2 ,ronostic!r3 El determinar la naturaleza de los datos nos da
referencia de los mtodos a usar! as* como las caracter*sticas "ue las
definen.
P!so 4. Di(ensiones de tie(,o. Los pronsticos suelen clasificarse conforme a
periodos y a su utilizacin. En general! los pronsticos a corto plazo!
hasta de un a%o! siren de parmetro para las operaciones en curso. Los
pronsticos a mediano plazo! "ue abarcan entre uno y tres a%os! y los
pronsticos a largo plazo! ms de cinco a%os! siren de apoyo para las
decisiones de planeacin.
P!so 5. Consider!ciones con res,ecto ! #! -!se de d!tos. El tipo de datos
con "ue se desea contar depende del uso "ue se les dar. Los datos
deben ser consistentes en el tiempo! y las ariaciones tienen "ue
registrarse con la misma unidad de tiempo e identificarse claramente.
P!so 6. Se#eccin de %n (ode#o de ,ronstico. )epende de los patrones "ue
presente los datos obserados.
P!so 7. So(eter e# (ode#o ! ,r%e-!. 5n modelo tiene "ue ser alidado antes
de poderse utilizar con propsitos de pronstico. /or tanto! hay "ue
utilizar una parte de los datos disponibles para estructurar el modelo! en
tanto los datos restantes se deben utilizar para someter el modelo a
prueba y alidarlo a fin de asegurarse de "ue representa el proceso de
manera real.
P!so 8. Pre,!r!cin de# ,ronstico. La administracin puede adoptar uno o
dos modelos al mismo tiempo! los cuales deben conciliarse! en la
medida de los posible.
P!so 9. Present!cin de# ,ronstico. Los pronsticos tienen "ue presentarse
al usuario de tal manera "ue incluyan e$plicaciones acerca de la forma
en "ue se obtuieron! dnde se encontraron los datos! y los supuestos
impl*citos "ue se derian de ellos. /ara los usuarios es crucial conocer la
integridad de la informacin antes de utilizarla con plena confianza.
P!so :. Se+%i(iento de #os res%#t!dos. 1ual"uier desiacin de lo
pronosticado debe obserarse con todo cuidado mediante la medicin de
error! as* como estudiando las ariables o situaciones "ue influyen en el
cambio de los resultados pronosticados.
2. 4 P!trones de Pronsticos
6o es dif*cil pronosticar la continuacin de un patrn o relacin establecido. Lo "ue
es dif*cil es pronosticar e$actamente un cambio en dicho patrn o tendencia y el
tiempo! intensidad y consecuencias de ese cambio.
2. 4. !. *ori;ont!#
E$iste un patrn horizontal cuando no hay tendencia alguna en los datos
'Estad*sticamente hablando! a esto se le conoce como estacionariedad( 1uando
e$iste tal patrn! generalmente se hace referencia a la serie como estacionaria! es
decir! no tiende a aumentar o disminuir a tras del tiempo de ninguna manera
sistemtica.
Los patrones horizontales se caracterizan por tener alores obserados con un
comportamiento 7
t
8 a 9 e
t
; "ue es un proceso constante.
donde4 7
t
es el alor obserado!
a es la constante fundamental del proceso!
e
t
es el error intr*nseco del alor obserado.
Los mtodos de pronstico "ue estiman patrones horizontales son4
:ltimo dato
/romedio simple
/romedio mil simple
/romedio mil ponderado
;uaizamiento e$ponencial simple
1omo lo "ue se esta pronosticando es un proceso constante el alor del
pronstico para t9< periodos es4
1 t < t = = + +
donde4 =
t91
es el pronstico por promedio mil simple para t91 peridos
=
t9<
es el pronstico por promedio mil simple para t9< peridos
t es el periodo para el &ltimo alor obserado
2. 4. -. Tendenci!#
5n patrn tendencial se da cuando e$iste un aumento o disminucin general del
alor de la ariable a lo largo del tiempo. Las entas de muchas compa%*as! y el
/roducto 6acional >ruto! los precios y muchos otros indicadores empresariales y
econmicos siguen un patrn ascendente a tras del tiempo.
El patrn tendencial se caracterizan por tener alores obserados con un
comportamiento 7
t
8 a 9 bt 9 e
t
; "ue es un proceso "ue aumenta en forma
estable.
donde4 7
t
es el alor obserado!
a es la constante fundamental del proceso!
b es la pendiente de la tendencia!
e
t
es el error intr*nseco del alor obserado.
Los mtodos de pronstico "ue estiman patrones tendenciales son4
;uaizado e$ponencial amortiguado de tendencia
,egresin lineal
2. 4. c. Est!cion!#
E$iste un patrn estacional cuando una serie fluct&a de acuerdo con un factor
estacional. Las estaciones pueden ser los meses o las cuatro estaciones del a%o!
pero tambin pueden ser las horas del d*a! los d*as de la semana o los d*as del
mes.
El patrn estacional se caracterizan por tener alores obserados con un
comportamiento 7
t
8 'a(c
t
9 e
t
; es un proceso "ue aria respecto a un periodo de
tiempo 'o estacin( de manera constante.
donde4 7
t
es el alor obserado!
a es la constante fundamental del proceso!
c
t
es el factor estacional para el periodo t!
e
t
es el error intr*nseco del alor obserado.
Los mtodos de pronstico "ue estiman patrones estacionales son4
;uaizamiento e$ponencial de ?inters 'mane#a tendencia y estacionalidad(
;uaizamiento e$ponencial doble
2. 4. d. C<c#ico
5n patrn c*clico es seme#ante al patrn estacional! pero la duracin de un ciclo
&nico generalmente es mayor a un a%o. 3uchas series! como el n&mero de inicios
de construccin de iiendas! el precio de los metales! el producto nacional bruto
'@6/( y las entas de muchas empresas! contienen un patrn c*clico. El patrn
c*clico es dif*cil de pronosticar! por"ue o se repite a interalos constantes de
tiempo o su duracin no es uniforme.
5no de los mtodos de pronstico "ue estiman patrones ciclicos es4
3todo de descomposicin
2. 5 M2todos de Pronsticos
Los mtodos de pronsticos se clasifican en dos reas dependiendo de los datos
"ue se utilice para realizarlos4 mtodos cualitatios y mtodos cuantitatios. Los
mtodos cualitatios mane#an datos "ue no son cuantificables y se eal&an con
calificatios como bueno! malo! etc. Los mtodos cuantitatios utilizan trminos
cuantificables para realizar pronsticos. Las llaes siguientes muestran la
clasificacin de estos mtodos4
C%!#it!ti/os
3todo )elphi
)escripcin del escenario
.nlisis de impactos cruzados
C%!ntit!ti/os
;eries de
tiempo
:ltimo dato
/romedio simple
/romedio mil simple
/romedio mil ponderado
;uaizado e$ponencial simple
;uaizado e$ponencial doble 'de 0olt(
;uaizado e$ponencial amortiguado de
tendencia
;uaizado e$ponencial de ?inters
3todos de descomposicin
/romedios miles .utorregresios
1ausales
,egresin lineal simple
,egresin m&ltiple
3todos de simulacin
3todos economtricos
3todos bayesianos
,edes neuronales
En todos los casos en "ue no est clara la decisin de seleccin del me#or
mtodo de pronsticos! se puede usar ms de un mtodo de pronsticos o ms de
un pronosticador! combinando luego sus predicciones. Es una manera efectia de
aumentar la precisin de los pronsticos y disminuir la arianza de los errores. Los
mtodos anteriores se e$plican breemente a continuacin4
2. 5. !. M2todos C%!#it!ti/os
M2todo De#,=i) consiste en preguntas hechas a un grupo de e$pertos para
recabar opiniones. Es un pronstico por consenso. El procedimiento funciona
de la siguiente manera4
1. ;e proporciona una pregunta a cada e$perto por escrito! de la situacin "ue
se re"uiere de un pronstico e$presada de una manera muy general. 1ada
uno de los e$pertos realiza una prediccin bree.
A. El coordinador o moderador! "uien proporcionar la pregunta original! re&ne
todas las opiniones! las pone en trminos claros y las edita.
B. Los res&menes de los e$pertos proporcionan la base para un con#unto de
preguntas "ue el coordinador da a los e$pertos. Estas son respondidas.
C. Las respuestas por escrito son recopiladas por el coordinador! y el proceso
se repite hasta "ue el coordinador "ueda satisfecho con la prediccin
general! "ue es una s*ntesis de los e$pertos.
Descri,cin de# Escen!rio) se usa para hacer un retrato de cmo
eolucionar el presente con el tiempo; con frecuencia se usa #unto con el
mtodo )elphi. La descripcin del escenario comienza tratando de identificar
un con#unto de eentos futuros posibles. ;e escribe un con#unto de escenarios!
cada uno basado en un eento futuro posible. 1ada escenario se e$amina con
cuidado para determinar su probabilidad de ocurrencia y se desarrollan planes
de contingencia para los ms probables. Es mas adecuado para el largo plazo!
para las macrosituaciones tipificadas por la incertidumbre! para la falta de
datos y para los factores no cuantificables.
An>#isis de I(,!ctos Cr%;!dos) con frecuencia se usa para e$aminar los
resultados de un estudio )elphi. El anlisis indica los escenarios "ue deben
describirse. Este procedimiento es de panorama amplio! igual "ue la
descripcin de escenarios! y eal&a la probabilidad de ocurrencia de ciertos
eentos futuros "ue pueden interactuar y afectar las decisiones futuras.
El primer paso es determinar los eentos cr*ticos relacionados con el tema de
inters! "ue se resumen a un n&mero mane#able. ;e forma una matriz en la
"ue cada rengln representa alg&n eento; las columnas representan los
mismos eentos "ue el rengln correspondiente. .l principio se escribe en la
matriz la naturaleza de la interaccin entre cada eento o factor. 5na flecha
hacia arriba indica una influencia positia y una flecha hacia aba#o indica una
influencia negatia. ;e estima la probabilidad de cada eento y las
probabilidades de "ue ocurran dos eentos simultneos! y se conierten en los
elementos de la matriz.
2. 5. -. M2todos C%!ntit!ti/os
Mode#o de Series de Tie(,o

En un modelo de series de tiempo dos factores son importantes4 la serie de datos
"ue se a a pronosticar y el periodo de tiempo a utilizarse. 5n modelo de series
de tiempo supone siempre "ue alg&n patrn o combinacin de patrones es
recurrente a tras del tiempo. )e esta manera! al identificar y e$trapolar dicho
patrn! se pueden desarrollar pronsticos para periodos subsecuentes.
i+%r! 4. Re#!cin de Series de Tie(,o
/roceso generador
Dnsumos /roducto
;istema
?#ti(o D!to) se considera "ue el alor pronosticado para el periodo t91 es el
alor obserado en el periodo t '&ltimo alor de datos obserados(
t 1 t 7 = +
donde4 =
t91
es el pronstico del per*odo t91
7
t
es el alor obserado en el periodo t
Pro(edio Si(,#e) es un promedio de los alores obserados del pasado en
el cual los alores obserados de todos los periodos anteriores tienen el
mismo peso relatio. ;e calcula como4
T
X
F
T
i
i
t

+

%
%
donde4 =
t91
es el pronstico del per*odo t91
7
i
es el alor obserado en el periodo i
- es el n&mero de periodos de los alores obserados
Pro(edio M/i# Si(,#e) combina los datos de los alores obserados de la
mayor parte de los periodos recientes! siendo un promedio de ellos el
pronstico para el periodo siguiente. El promedio se muee en el tiempo en
el sentido de "ue al transcurrir un periodo! el alor obserado del periodo ms
antiguo se descarta! y se agrega el alor obserado para el periodo ms
reciente para la siguiente operacin.
n
7 ... 7 7
=
1 t ( 1 n ' t n t
t
+ + +

n
7 7
= 7
n
1
... 7
n
1
7
n
1
n
7
=
n t t
t ( n n ' t ( A n ' t ( 1 n ' t
n
1 i
( i n ' t
1 t

+ + + +

donde4 =
t91
es el pronstico por promedio mil simple para t91 peridos
7
t
es el alor obserado en el periodo t
n es el n&mero de periodos empleados en la media mil
Pro(edio M/i# Ponder!do) es un modelo de promedio mil "ue incorpora
alg&n peso de los alores obserados anteriores distinto a un peso igual para
todos los peridos anteriores considerados.

+
n
1 t
t t 1 t 7 1 =
donde4 =
t91
es el pronstico del promedio mil ponderado para t91 periodos
7
t
es el alor obserado en el periodo t
1
t
es la ponderacin en el periodo t; E 1
t
1.E;
E . 1 1
n
1 t
t

n es el n&mero de periodos empleados en la media ponderada
S%!/i;!do E@,onenci!# Si(,#e) la frmula del suaizamiento e$ponencial
simple se obtiene al usar la formula de promedios miles simples! pero
suponiendo "ue slo se tiene el alor ms reciente y el pronstico hecho para
el mismo periodo! se usa en el lugar del alor ms antiguo del pronstico el
alor del pronstico hecho para el &ltimo periodo. Las frmulas son4
t t 1 t = ( 1 ' 7 = + + ; donde
( ) 1 n
A
+

donde4 =
t91
es el pronstico para el periodo t91
=
t
es el pronstico para el periodo t &ltimo periodo
7
t
es el alor obserado en el periodo t &ltimo periodo
n es el n&mero de alores obserados
S%!/i;!do E@,onenci!# Do-#e Ade *o#tB) si en el suaizamiento e$ponencial
simple se usa con una serie de datos "ue contenga una tendencia consistente!
los pronsticos se retrasarn de la tendencial. 5tiliza las siguientes ecuaciones
para suaizar.
( ) ( ) 1 t 1 t t t > ; 1 7 ; + +
( ) ( ) 1 t 1 t t t > 1 ; ; > +
t t < t <> ; = + +
donde
( ) 1 n
A
+

y
1 1
A
1
A
A

,
_

,
_

donde4 =
t9<
es el pronstico para el periodo t9<
;
t
es alor suaizado para el periodo t
7
t
es el alor obserado en el periodo t
>
t
es la estimacin de la pendiente en el periodo t
< es el n&mero de periodos futuros "ue se "uieren pronosticar

S%!/i;!do E@,onenci!# A(orti+%!do de Tendenci!) difiere del
suaizamiento lineal de 0olt por amortiguar 'disminuir( la tendencia lineal "ue
se e$trapola a medida "ue nos dirigimos ms hacia el futuro. El suaizamiento
amortiguado de tendencia incluye el parmetro e$tra 'adems de dos
parmetros de 0olt(! el cual aplica el amortiguamiento ptimo mediante la
aplicacin de alores diferentes para elegir el "ue minimice el error cuadrado
medio o la desiacin media absoluta. Las ecuaciones usadas son4
( ) ( ) + + 1 t 1 t t t > ; 1 7 ;
( ) ( ) + 1 t 1 t t t > 1 ; ; >
t
m
1 i
i t < t > ; =

+ +
donde!
( ) 1 n
A
+

y
1 1
A
1
A
A

,
_

,
_

donde4 =
t9<
es el pronstico para el periodo t9<
;
t
es alor suaizado para el periodo t
7
t
es el alor obserado en el periodo t
>
t
es la estimacin de la pendiente en el periodo t
< es el n&mero de periodos futuros "ue se "uieren pronosticar
S%!/i;!do E@,onenci!# de Cinters) este mtodo genera resultados
seme#antes a los del suaizamiento e$ponencial doble! pero tiene la enta#a
e$tra de ser capaz de mane#ar datos estacionales #unto con datos "ue tengan
una tendencial. Este mtodo se basa en tres ecuaciones! cada una asociada
con uno de los tres componentes del patrn 'aleatoriedad! tendencia y
estacionalidad(.
( ) ( ) 1 t 1 t
L t
t
t > ; 1
1
7
;

+ +
,
_

( ) ( ) 1 t 1 t t t > 1 ; ; > +
( ) L t
t
t
t 1 1
;
7
1 +
,
_

( ) gL < t t t < t 1 <> ; = + + +
donde!
( ) 1 n
A
+

;
1 1
A
1
A
A

,
_

,
_

EF . E
donde4 =
t9<
es el pronstico para el periodo t9<
7
t
es el alor obserado en el periodo t
;
t
es el alor estimado de la aleatoriedad para el periodo t
>
t
es el alor estimado de la tendencia en el periodo t
1
t
es el alor estimado de la estacionalidad en el periodo t
< es el n&mero de periodos futuros "ue se "uieren pronosticar
L es el n&mero de estaciones
t es el n&mero de periodos de datos disponibles
g es el entero ms pe"ue%o mayor o igual "ue <GL
M2todos de Desco(,osicin) identifican tres componentes distintos del
patrn bsico subyacente "ue caracterizan a las series econmicas y
empresariales. Estos factores son el tendencial! c*clico y estacional. El
concepto bsico en dicha separacin es emp*rico y consiste en remoer
primero la estacionalidad! luego la tendencia secular y finalmente el ciclo.
,epresentacin matemtica general4 7
t
8 f';
t
! -
t
! 1
t
! ,
t
(
,epresentacin matemtica especifica4 X
t
8 S
t
$ T
t
$ C
t
$ R
t

/romedio mil 'X
t
( 8 3. 8 T
t
$ C
t
;i
$, ;
$1 -
$, $; $1 -

3.
7
t t
t t
t t t t t

3edia por estacin de S
t
$ R
t
8 S de la estacin
El obtener por m*nimos cuadrados la recta T
t
8 a 9 bt de los promedios
miles! al asignar alores a t se obtiene la tendencia
t
t
t t
1
-
$1 -
-
3.

F
t
8 S
t
$ T
t
$ C
t
donde4 F
t
es el pronstico en el periodo t
X
t
es el alor de la serie de tiempo 'datos reales( en el
periodo t
S
t
es la componente estacional 'o *ndice en el periodo t
T
t
es la componente tendencia en el periodo t
C
t
es el componente c*clico en el periodo t
R
t
es el componente aleatorio 'o error( en el periodo t
Pro(edios M/i#es A%torre+resi/os AARMAB) la autocorrelacin es una
medida de asociacin entre alores sucesios de la misma ariable. Las
autocorrelaciones proporcionan informacin importante acerca de la
estructura de un con#unto de datos y de sus patrones. En un con#unto de
datos completamente aleatorios la autocorrelacin entre alores sucesios
estar cercana a E! o ser igual a E! pero los alores de datos de fuerte
naturaleza estacional o c*clica estarn sumamente autocorrelacionados. ;e
llama autorregresio por"ue se aseme#a a una ecuacin de regresin! pero
las ariables independientes son alores rezagados de la ariable
dependiente en 1, 2, 3, ..., p periodos.
t < t < A t A 1 t 1 o t e 7 a ... 7 a 7 a a = + + + + +
donde4 F
t
es la ariable dependiente
X
i
es el alor de la serie de tiempo 'datos reales( en el
periodo i
donde i8 tH1! tHA! ...! tH<
a
n
son los coeficientes "ue se obtienen al realizar la
regresin
donde n8 E! 1! A! ...! <
Mode#o E@,#ic!ti/o o C!%s!#
En este tipo de mtodos cual"uier ariacin de los insumos afectar los
productos del sistema de manera predecible! suponiendo "ue la relacin es
constante. La primera tarea de los pronsticos es encontrar la relacin a tras
de la obseracin de los productos del sistema 'ya sea a lo largo del tiempo o
mediante el anlisis de un corte transersal de sistemas seme#antes( y
relacionndolos con los insumos correspondientes.
i+%r! 5. Re#!cin E@,#ic!ti/! o C!%s!#
Los mtodos se e$plican a continuacin4
Re+resin Line!# Si(,#e) la regresin consiste en relacionar el
comportamiento de una ariable con otra; la linealidad de la relacin se
obsera cuando la me#or manera de describir el comportamiento entre las
dos ariables es una l*nea "ue pasa por en medio de todos los alores
obserados. La l*nea tiene una ordenada y una pendiente los cuales se
estiman como4
,elacin entre dos o
ms factores
Dnsumos /roducto
;istema
A
n
1 t
t
n
1 t
A
t
n
1 t
n
1 t
t
n
1 t
t t t
7 7 n
I 7 I 7 n
b
J

,
_

n
1 t
n
1 t
t t 7
n
b
J
I
n
1
aJ
< t < t 7 b
J
aJ I + + +
donde4 I
t9<
es el pronstico para el periodo t9<
7
t
es la ariable independiente en el periodo t
I
t
es la ariable dependiente en el periodo t
n es el n&mero de obseraciones

Re+resin M'#ti,#e) en las aplicaciones puede haber arias ariables
independientes "ue afecten la ariable dependiente. ;i se tiene n
obseraciones de la ariable dependiente y m ariables independientes.
Los coeficientes se obtiene por matrices4
( ) ( ) ( ) ( ) I 7 7 7 b
J
-
1
-

t < t< t e b
J
7 I +
La matriz I tiene orden n$1! la matriz 7 tiene orden n$m! la matriz de
coeficientesb
J
tiene orden m$1; y la matriz e! de los errores tiene orden
n$1.
K mt m K t A A K t 1 1 o K t 7 b
J
... 7 b
J
7 b
J
b
J
I
J
+ + + + + + + +
donde4
I
J
t9K
es el pronstico para el periodo t9K! donde K 8 1!A!...
7
t
es la ariable dependiente en el periodo t! donde t 8 1! ...!n
7
t<
es la ariable independiente en el periodo t<! donde < 8 1! ...!m
e
t
es el error al generar el modelo en el periodo t
n es el n&mero de obseraciones
m es el n&mero de ariables independientes
M2todos de Si(%#!cin) imitan el comportamiento de un sistema. Estos
modelos se basan en una gran ariedad de relaciones y por lo general
consideran elementos estocsticos del problema. Lo mismo "ue las
ecuaciones en los sistemas simultneos! las interrelaciones en un modelo
de simulacin son altamente dependientes del sistema ba#o estudio.
M2todos Econo(2tricos) son sistemas de ecuaciones lineales de
regresin m&ltiple cada una con diersas ariable interdependientes. Lste
no es el &nico uso del trmino econometr*a! ya "ue hay "uienes lo utilizan
como un trmino general para cubrir ecuaciones de regresin simple!
m&ltiple y sistemas de ecuaciones de regresin m&ltiple. Los pasos "ue
sigue son4
1. )eterminar "u ariables incluir en cada ecuacin 'especificacin(.
A. )eterminar la forma funcional 'es decir! lineal! e$ponencial! logar*tmica!
etc.( de cada una de las ecuaciones.
B. Estimar de manera simultnea los parmetros de las ecuaciones.
C. /robar la significacin estad*stica de los resultados.
F. +erificar la alidez de los supuestos implicados.
M2todos D!&esi!nos) son &tiles cuando se dispone de pocos datos.
Dnicialmente! se hace una estimacin sub#etia de los parmetros y
conforme se dispone de ms datos se usa el teorema de >ayes para
actualizar esas estimaciones.
Redes Ne%ron!#es) es un con#unto de pe"ue%as unidades de
procesamiento 'neuronas( ligadas por cone$iones dirigidas ponderadas
'una red(. 1ada neurona recibe se%ales de entrada ya sea de una fuente de
entrada o de otras neuronas. La se%al se pondera seg&n la cone$in por la
"ue pasa. ;i el peso total de todas las se%ales de entrada es
suficientemente fuerte! la neurona responde manda una se%al por cada una
de sus cone$iones de salida a otras neuronas. 1omo una red neuronal
aprende directamente de los datos! puede realizar clasificaciones!
pronsticos! comprensin de datos y otras tareas similares.
2. 6 Medicin de# Error en #os M2todos de Pronstico
El tama%o y la persistencia de los errores de prediccin y la incertidumbre
futura dependen de una identificacin errnea de patrones y relaciones;
patrones ine$actos o relaciones imprecisas; patrones o relaciones cambiantes
En general! se puede predecir e$actamente la estacionalidad! relaciones
promedio! patrones c*clicos promedio! tendencias tecnolgicas emergentes y
su influencia! continuidad de las tendencias establecidas! y tendencias
generales. /or otra parte! no se pueden predecir e$actamente los sucesos
especiales! las acciones o reacciones competitias! las entas de los nueos
productos! el inicio y la profundidad de las recesiones! la duracin y fortaleza
de los auges! los cambios de tendencia! los cambios de las relaciones o
actitudes y las innoaciones tecnolgicas.
El error se define como la diferencia entre el alor pronosticado menos el alor
real! e$isten diersas maneras de mane#ar el error y analizarlo a las "ue
llamaremos frmulas de medidas de e$actitud de los mtodos cuantitatios.
Las frmulas y su nomenclatura es la siguiente4
r(%#!s de Medid!s de E@!ctit%d de #os M2todos C%!ntit!ti/os
Error medio '3E(
n
e
3E
n
1 i
i

)esiacin absoluta media '3.)(

n
e
3.)
n
1 i
i

Error cuadrado medio '3;E(

n
e
3;E
n
1 i
A
i

)esiacin t*pica de los errores ';)E(

1 n
e
;)E
A
i

Error porcentual '/E
t
(
1EE
7
= 7
/E
t
t t
t

Error porcentual medio '3/E(

n
/E
3/E
n
1 i
i

Error porcentual absoluto medio

'3./E(
n
/E
3./E
n
1 i
i

)onde
e
t
es el error 'e
t
8 7
t
H =
t
(
7
t
es el alor obserado en el periodo t
=
t
es el pronstico del periodo i
n es el n&mero de obseraciones
t es un periodo en el con#unto de obseraciones 't8 1! A! ...! n(
INEENTARIOS
MODELOS ESTFTICOS DE TAMAGO DE LOTE
NOMENCLATURA "ENERAL
c 8 costo unitario 'MG unidad(
i 8 tasa de inters igente 'N por a%o(
h 8 i c 8 costo de mantener el inentario 'M por unidad por a%o(
. 8 costo de ordenar 'MGorden(
) 8 demanda por unidad de tiempo
- 8 longitud de un ciclo! el tiempo "ue transcurre entre la colocacin 'o recepcin( de rdenes
sucesias de abastecimiento
O'P( 8 costo total anual promedio como una funcin de tama%o de lote P
Dt 8 inentario disponible en el tiempo t 'cantidad real de material "ue hay en el almacn(
D8 Dnentario /romedio
PQ8 cantidad econmica de pedido
>t 8 niel de faltante 'orden atrasada( en el tiempo t.
> 8 niel promedio de faltantes
b 8 m$ima >t
es el costo de perdida de buena oluntad e$presado en MGunidad
es el costo financiero! contable o sancin contable! e$presado en MGunidadHa%o.
MODELO EO6 7CANTIDAD ECONMICA A PEDIR A UN
PRO+EEDOR) SIN PERMITIR FALTANTES
;ea T la longitud del ciclo del inentario4
D
Q
T
;ea I el inentario promedio4
.
Q
I
El costo total anual promedio es4
( )
.
Q
h
Q
AD
cD Q K + +
h
AD
Q
.
H

H
Q se conoce como la cantidad econmica a ordenar o lote econmico o ERP.
MODELO EO6 7CANTIDAD ECONMICA A PEDIR A UN
PRO+EEDOR8 PERMITIENDO FALTANTES
Este caso tiene una tasa infinita de reabastecimiento en la "ue se permiten faltantes.
1uando

se obtiene4
( )
( )
Q
b bD
Q
b Q h
Q
AD
cD b Q K
.
I .
.
$
. .
+
+

+ +
"ue! para * I ! llea a4
( )
( )

I
I
I
.
.
H
+
+

h
h h
D
h
AD
Q

I
H
H
+

h
D hQ
b
!"#$! #%& 'CA(TI"A" #C!()ICA A %R!"*CIR+ /E,3D-DE6)R
=.L-.6-E;
i 8 tasa de inters igente 'N por a%o(
h 8 i c 8 costo de mantener el inentario 'M por unidad por a%o(
) 8 demanda por unidad de tiempo
- 8 longitud de un ciclo! el tiempo "ue transcurre entre la colocacin 'o recepcin( de rdenes
sucesias de abastecimiento
O'P( 8 costo total anual promedio como una funcin de tama%o de lote P

8 tasa de produccin! medidas en las mismas unidades "ue la demanda

P 8 tama%o del lote de produccin.
. 8 costo de preparacin.
c 8 costo unitario de produccin.
>t 8 niel de faltante 'orden atrasada( en el tiempo t.
> 8 niel promedio de faltantes
b 8 m$ima >t
-iempo de ciclo4
D
Q
T
-iempo para producir P unidades4

Q
T
P

-iempo para agotar el inentario m$imo4
D
I
T
D
mx

@eometr*a del inentario4

b
D
Q I
1
]
1

%
mx
-iempo para recuperarse del faltante4
D
b
T

%
-iempo para generar
mx
I
4
D
I
T
mx

.
-iempo para agotar
mx
I 4
D
I
T
mx
&

-iempo para generar el faltante de b 4
D
b
T
)
Dnentario promedio4

,
_

1
]
1

,
_

D
Q
b
D
Q
I
% .
%
.
=altante promedio4

,
_

D
Q
b
B
% .
.
El costo total anual promedio es4
( )

,
_

+ +

,
_

1
]
1

,
_

+ +

D
Q
b
Q
bD
D
Q
b
D
Q h
Q
AD
cD b Q K
% .
I
% .
%
$
.
.
1antidad ptima a pedir
( )
( )

I
I
I
%
.
.
H
+
+

,
_

h
h h
D
D
h
AD
Q
=altante ptimo 4
( )
( )

I
%
H
H
+

,
_

h
D
D hQ
b
6ota4
;* 0 , PQ y bQ tendrn alores positios.
;* > 0 y es suficientemente grande! se pueden obtener alores negatios en el denominador
del radical de PQ! en ste caso no deben permitirse faltantes y se recalcula la PQ.
;* 0 y >E ! la pol*tica adecuada es no permitir faltante.
!"#$! #%& 'CA(TI"A" #C!()ICA A %R!"*CIR+ ;D6 /E,3D-D,
=.L-.6-E;
En este caso! se proh*ben los faltantes estableciendo el costo por faltantes como
infinito. Es obio "ue no se planean faltantes para este caso! por lo "ue b 8 E. Las ecuaciones
de costo se conierten en4
( )

,
_

+ +

D hQ
Q
AD
cD Q K %
.

,
_

D
h
AD
Q
%
.
H
METODO DE SIL+ER 9 MEAL.
@'tienen el costo promedio mnimo por periodo para el lapso de m periodos. Los costos
a considerar son los costos de ordenar o preparar ms el costo de mantener el
inventario. Por$ lo 3ue la /emanda (utura para los siguientes n periodos estar dada
porJ
(/
%
$ /
.
$ K $ /n $#
El costo de mantener el inventario
L(%# M 4
L(.# M
# A/ 4 (
.
%
.
+
# A/ . A/ 4 (
&
%
# & ( L
& .
+ +
m & . %
A/ # % m ( ....... A/ . A/ A/ 4 (
m
%
# m ( L + + + + +
#
Se calcula L(m#$ m M %$.$K.. m$ y se detiene cuando L (m N %# (m#
COSTO MINIMO UNITARIO
%
/
4
# % ( L
. %
.
/ /
A/ 4
# . ( O L
+
+

& . %
& .
/ / /
A/ . A/ 4
# & ( PO L
+ +
+ +

m . %
m & .
/ / /
A/ # % : ( A/ . A/ 4
# m ( L
+ + +
+ + + +

Se calcula L (m#$ m M %$.$K.. m$ y se detiene cuando L (m N %# (m#

INVENTARIOS SISTEMAS DE DEMANDA INDEPENDIENTE
USO DEL INVENTARIO
El inventario se usa en la mayor parte de las actividades de la manufactura,
servicio, distribucin y venta, donde puede resaltar la rentabilidad y la
competitividad.
EL PAPEL QUE JUEGA EL INVENTARIO
Inventario es una cantidad de bienes bajo el control de una empresa,
guardados durante algn tiempo para satisfacer una demanda futura
Para el sector manufactura tales bienes son principalmente materiales:
materia prima, unidades compradas, productos semiterminados y
terminados, refacciones y materiales de consumo.
El inventario es un amortiguadorentre dos procesos: el abastecimiento y la
demanda
El proceso de abastecimiento contribuye con bienes al inventario, mientras
ue la demanda consume el mismo inventario
El inventario es necesario debido a las diferencias en las cantidades y los
tiempos en el abastecimiento y la demanda y esta diferencia se puede
atribuir tanto a factores internos como e!ternos.
"os factores endgenos son cuestiones de pol#tica, pero los e!genos son
incontrolables. Entre los factores internos est$n las econom#as de escala, el
suministro de la operacin y el servicio al cliente. El factor e!geno m$s
importante es la incertidumbre.
TERMINOLOGA DEL INVENTARIO
El ambiente de demanda se puede clasificar en dos grandes categor#as:
%&eterministico o Estoc$stico 'conocido o aleatorio(
%Independiente o &ependiente 'demanda no relacionada con otro art#culo
o demanda si relacionada con otro art#culo(.
"os tipos de inventario se clasifican en:
%)ateria prima: son todos los materiales reueridos para los procesos de
manufactura y ensamble.
%Producto en proceso 'PEP(: Es inventario en sistema de produccin ue
espera para ser procesado o ensamblado y puede incluir productos
semiterminados.
%Productos terminados: *on las salidas de los procesos de produccin, en
ocasiones llamados art#culos finales, los productos terminados de una
organi+acin de manfactura pueden ser materia prima para otra.

COSTOS DE INVENTARIO
COSTO DE COMPRA O DE PRODUCIR UN LOTE
c , costo unitario 'incluye costo fijo y costo variable(
- , El nmero de unidades compradas o producidas
.., c.-
COSTO DE ORDENAR (El costo de preparar co!trolar la orde!"
/
COSTO TOTAL DE COMPRAR O PRODUCIR UN LOTE
/0c.-
COSTO DE ALMACENAJE O DE MANTENER EL INVENTARIO
1 , i.c
&onde:
i , costo total de mantener el inventario 'e!presado en 2(
c , costo unitario
Este costo incluye:
.osto de oportunidad
.ostos de almacenaje y manejo
Impuestos y seguros
3obos, da4os, caducidad, obsolescencia, etc.
COSTO POR #ALTANTE
E!isten dos tipos:
, costo de faltante por unidad
, costo de faltante por unidad ue falta por unidad de tiempo
COSTO DE OPERACI$N DEL SISTEMA
Este costo incluye, por ejemplo, el costo de computadoras y programas para el
control del inventario
POLTICAS DE INVENTARIO
El elemento principal ue afecta el inventario es la demanda ya ue se supone
ue la demanda es una variable incontrolable. E!isten tres variables de decisin
ue se pueden controlar.
5-u6 debe ordenarse7 'decisin de variedad(
5.u$ndo debe ordenarse7 'decisin de tiempo(
5.u$nto debe ordenarse7 'decisin de cantidad(
para un sistema de un solo art#culo, la decisin de variedad es irrelevante y las
otras dos se toman usando las siguientes dos pol#ticas de control de inventario
diferentes:
Pol#tica de revisin peridica:
Esta pol#tica consiste en verificar el nivel del inventario I, en intervalos de
tiempo fijo, digamos una semana, un mes o cualuier tiempo 8, llamado
periodo de revisin, y se coloca una orden si I es menor ue cierto nivel
predeterminado 3, llamado punto de reorden'decisin de tiempo(. El tama4o
de la orden - es la cantidad reuerida para aumentar el inventario a un nivel
predeterminado * 'decisin de cantidad( El tama4o de la orden - var#a de un
periodo a otro