PLANIFICACIN Y CONTROL DE LA PRODUCCIN

Conjunto de acciones necesarias para el diseo,

direccin y control sistemtico de los procesos que
transforman los insumos en servicios y productos
para los clientes internos y externos.

ESTRATEGIAS DE PRODUCCION E INVENTARIO
POR LO COMUN SE IDENTIFICAN 4 TIPOS DE ENTORNOS
PARA LOS PLANES DE PRODUCCION LOS CUALES SE
DESCRIBEN A CONTINUACION:
I. Fabricacin para el Inventario (MTS, Make to Stock):
Mantiene inventario de productos terminados.
La produccin comienza antes de conocer la
demanda.
Los tiempos de entrega se acortan a costo de
mantener inventario.
El mercado (clientes) puede tener cierta influencia
sobre el diseo del producto.
II. Armado bajo pedido (ATO, Assemble to Order):
El cliente cuenta con mayor influencia sobre el diseo, puede
seleccionar varias opciones desde subarmados predefinidos.
En todos los siguientes entornos se presentan las siguientes
condiciones:
No se mantiene inventario de productos terminados.
Se negocia con el cliente una fecha de entrega y el articulo se
coloca en programa maestro.
La produccin no comienza hasta que se tiene el pedido.
ESTRATEGIAS DE PRODUCCION E INVENTARIO
III. Fabricacin bajo pedido (MTO, Make to Order):
El cliente especifica el diseo exacto del producto o servicio
final, siempre y cuando se utilicen materias primas y
componentes estndar.
IV. Ingeniera bajo pedido (ETO, Engineer to Order):
El cliente tiene poder completo sobre el diseo del producto
o servicio, no se ve limitado al uso de materias primas y
componentes estndar.
ESTRATEGIAS DE PRODUCCION E INVENTARIO
PRONSTICO
Es un proceso de estimacin de un acontecimiento,
proyectando hacia el futuro datos del pasado. Los
datos del pasado se combinan sistemticamente en
forma predeterminada para hacer una estimacin del
futuro.

HORIZONTE DE TIEMPO DEL PRONOSTICO
Pronstico a corto plazo: Hasta 1 ao, pero casi
siempre es menor a 3 meses.

Pronstico a mediano plazo: Tiene una
extensin de entre 3 meses a 3 aos.

Pronstico a largo plazo: Casi siempre su
extensin es de 3 aos o ms.
TIPOS DE DEMANDA
Demanda Dependiente: Demanda de un producto o
servicio causada por la demanda de otros productos
o servicios. Ejemplo: Fabrica que ensambla bicicletas
necesita las ruedas.

Demanda Independiente: no esta condicionada a la
demanda de otro producto.
Aqu la empresa puede asumir:
-Un papel activo para influenciar la demanda
-Un papel pasivo y simplemente responder a la
demanda, esto ocurre si la empresa esta funcionando
a su capacidad total o si no tiene poder de cambiar la
demanda
PATRONES DE LA DEMANDA
La demanda de productos o servicios puede dividirse
en cinco componentes:
*Horizontal: Fluctuacin de los datos en torno a una
media constante.
*Tendencia: El incremento o decremento sistemtica
de la media de la serie a travs del tiempo.
*Estacional: Patrn repetible de incremento o
decremento de la demanda, dependiendo
de la hr./da, sem., mes o temporada
*Cclica: Patrn de incremento o decremento de la
demanda, los cuales se presentan en el
transcurso de periodos ms largos (aos)
*Aleatoria: Variacin imprevisible de la demanda.
DEMANDA
Estacional
Tendencia
Horizontal
Aleatorio
1
2 3
Tiempo
DESARROLLO DE UN MODELO DE PRONSTICO
Independientemente del mtodo seleccionado para
pronosticar, se siguen los siguientes pasos:

1. Determinar el uso del pronstico Qu objetivos
se pretenden obtener?
2. Seleccionar las partidas que se van a pronosticar
3. Determinar el horizonte de tiempo del pronstico
4. Seleccionar un (os) modelo (s) de pronstico
5. Juntar los datos necesarios para hacer el
pronstico
6. Hacer el pronstico
7. Validar el modelo de pronstico
8. Instrumentar los resultados
TIPOS DE PRONOSTICOS
I.- PRONOSTICOS CUALITATIVOS
Basados en estimaciones y opiniones
1. Mtodo Delphi: Un moderador crea un cuestionario
para obtener proyecciones, lo distribuye entre un grupo
de expertos con conocimiento en la materia. El
moderador resume los resultados y redistribuye a los
participantes junto con las nuevas preguntas. El
procedimiento contina hasta que los miembros llegan a
un acuerdo razonable, por lo general se realizan 3 o 4
rondas para alcanzar el consenso

2. Investigacin de Mercado: Se utiliza normalmente
para investigar productos, es decir pronosticar ventas a
largo plazo y de nuevos productos. Los mtodos de
recopilacin de datos son principalmente las encuestas y
entrevistas
TIPOS DE PRONOSTICOS
I.- PRONOSTICOS CUALITATIVOS

3. Tcnica del Grupo Nominal: Proceso de grupo que
permite la participacin con votacin
II.- PRONOSTICOS CUANTITATIVOS
Tratan de predecir el futuro con base en datos del pasado
1. Promedio Mvil Simple:
Se promedia la demanda de periodos recientes
obtenindose el pronstico del periodo siguiente.
Todos los periodos tienen la misma influencia.
Para demandas variables se promedia en periodos
cortos 5, contrario es para demandas de
comportamiento ms o menos constantes 5
Ejemplo:
La tabla presenta informacin de la demanda de tubos de
escape correspondiente a 12 meses. Se muestran adems
pronsticos en los que se utiliza promedios mviles de tres
y seis meses.
Mes
Demanda
(Dt)
Pronstico de
P.M.S
3 meses
Pronstico de
P.M.S.
6 meses
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
ENERO
450
440
460
510
520
495
475
560
510
520
540
550

-
-
-
450
470
497
508
497
510
515
530
523
537
-
-
-
-
-
-
479
483
503
512
513
517
526
PROMEDIO MOVIL
400
420
440
460
480
500
520
540
560
580
1 2 3 4 5 6 7 8 9 10 11 12 13
Periodos
D
e
m
a
n
d
a
Serie1
Serie2
Serie4
Serie 1: Demanda Real
Serie 2: PMS 3 periodos
Serie 4: PMS 6 periodos
2. Promedio Mvil Ponderado:
Cuando existe una tendencia o patrn, el pasado ms
reciente es el indicador ms importante de lo que se
espera en el futuro y en consecuencia debe tener
mayor ponderacin. La suma de los pesos sea igual a
uno (1).

Ejemplo:
Si n corresponde a tres perodos, es posible asignar
los pesos siguientes a los datos que se presentan en
la tabla anterior: C1 = 0.25; C2= 0.25 y C3 = 0.50. En
consecuencia, el peso de 0.50 se aplica a la
observacin ms reciente. De este modo, se obtiene:
Ft = (450 * 0.25) + (440 * 0.25) + (460 * 0.50)

Ft = 452.5
Mes
Demanda
(Dt)
Pronstico de
P.M.P
3 meses
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
ENERO
450
440
460
510
520
495
475
560
510
520
540
550

-
-
-
453
480
503
505
491
523
514
528
528
540
-
-
-
-
-
-
495
488
518
516
518
527
536
Pronstico de
P.M.P
6 meses
Pronstico de
P.M.S
3 meses
Pronstico de
P.M.S.
6 meses
-
-
-
450
470
497
508
497
510
515
530
523
537
-
-
-
-
-
-
479
483
503
512
513
517
526
3. Suavizamiento Exponencial:
Los perodos ms recientes tienen mayor peso, la
importancia de los datos disminuye en la medida en
que el pasado se hace ms distante.
La razn por la que este mtodo se llama
suavizamiento exponencial es que cada incremento
del pasado disminuye en (1 Q)
Demanda comport. ms o menos estable Q 0,5
Demanda comport. Variable o inestable Q 0,5
Mes
Demanda
(Dt)
Pronstico de
S. Exp
= 0,5
Pronstico de
S. Exp
= 0,3
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
ENERO
450
440
460
510
520
495
475
560
510
520
540
550

-
-
-
460
485
503
499
487
523
517
518
529
540
-
-
-
-
-
-
484
481
505
506
510
519
529
Ft-1 = Dt-1
SUAVIZAMIENTO EXPONENCIAL
400
420
440
460
480
500
520
540
560
580
1 2 3 4 5 6 7 8 9 10 11 12 13
Periodos
D
e
m
a
n
d
a
Serie1
Serie10
Serie12
Serie 1: Demanda Real
Serie 10: S. Exp. = 0,5
Serie 12: S. Exp. = 0,3
4. Suavizamiento Exponencial Doble:
Se aplica cuando se tiene un modelo con tendencia.
La idea es calcular el pronostico con suavizamiento
exponencial, y luego ajustarla para retrasos positivos
o negativos en la tendencia.
Este procedimiento requiere dos constante de
suavizamiento, para el pronostico, y para la
tendencia.
Demanda comport. ms o menos estable 0,5
Demanda comport. Variable o inestable 0,5
Periodo Demanda Ft =0,3 Tt =0,3 FTt Dev
1 116 116 6 122,00
2 133 120,20 5,46 125,66 7,34
3 139 127,86 6,12 133,98 5,02
4 157 135,49 6,57 142,06 14,94
5 154 146,54 7,92 154,46 0,46
6 159 154,32 7,88 162,20 3,20
7 162 161,24 7,59 168,83 6,83
8 172 166,78 6,97 173,75 1,75
9 163 173,23 6,82 180,04 17,04
10 163 174,93 5,28 180,21 17,21
11 164 175,05 3,73 178,78 14,78
12 191 174,35 2,40 176,75 14,25
13 201 181,02 3,69 184,71 16,29
14 219 189,60 5,15 194,75 24,25
15 207 202,02 7,33 209,36 2,36
16 205 208,65 7,12 215,77 10,77
17 210 212,54 6,15 218,69 8,69
18 207 216,09 5,37 221,46 14,46
19 225 217,12 4,07 221,19 3,81
20 223 222,33 4,41 226,74 3,74
21 257 225,62 4,08 229,70 27,30
22 232 237,89 6,53 244,42 12,42
23 240 240,69 5,41 246,11 6,11
24 241 244,28 4,87 249,14 8,14
246,70 4,13 250,83 10,49
Prom (1-12)= 156,08
Prom (13-24)= 222,25
Dif = 66,17/ 12= 5,51 Incremento promedio por mes y la pendiente en el tiempo 24
X = 12,5 189,16
Para la estimacin de a, se calcula el promedio global de los 24 datos, que es 189,16. Este promedio esta centrado en el
Mes 12,5. para moverlo al tiempo actual se suma el ajuste por tendencia 5,51 cajas por mes por (24 12,5) mes.
A24= 189,16 + 5,51 (24 -12,5) 252,52 Y = 252,52 + (5,51) X Y25= 252,52 + (5,51) 1= 258,03
116
133
139
157
154
159
162
172
163 163
164
191
201
219
207
205
210
207
225
223
257
232
240
241
100
120
140
160
180
200
220
240
260
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
D
e
m
a
n
d
a

Meses de Produccin
Ventas de papel de computadora en caja
Demanda real Pronstico incluyendo la tendencia
4. Anlisis de Tendencia:
Es la relacin funcional entre dos o ms variables
correlacionadas y se usa para pronosticar una
variable con base en la otra.

Mtodo Mnimos Cuadrados:
Y = Variable Dependiente (Demanda)
X = Variable Independiente (Tiempo)
a = Interseccin de Y.
b = Pendiente de la lnea.

Nueva Y = a + bX

a = Y - bX
Coeficiente de Correlacin y determinacin:

1,00 - 0,90 Fuerte
0,89 - 0,70 Buena
0,69 - 0,45 Mediana
0,44 - menos Dbil
SEAL DE RASTREO:
Es el nmero de desviacin media absoluta. Verifica
si el promedio de la proyeccin mantiene el ritmo de
los cambios reales.

SR = SEP = Suma Acumul. Desviacin del pronstico
DMA Desviacin Media Absoluta
-2
-1
0
1
2
Demanda real es mayor
que lo pronosticado
(sobreestimacin de la
demanda)
Demanda real es menor
que lo pronosticado
(subestimacin de la
demanda)
ERROR EN EL PRONSTICO

Sesgo:
Indica la tendencia direccional de los errores de
prediccin. El sesgo mide la tendencia a sub o
sobreestimar la demanda

evaluados perodos de total Nmero
perodos los todos para s algebraico errores de Suma
Sesgo
n
da) pronstica Demanda - real (Demanda
1

n
i
Sesgo
MES DEMANDA PRONOSTICO
Desv.
(Dt - Ft)
SEP
SDesv.
Desviac.
Absoluta
S Desv.
Abs.
DMA
(Sdesv.
Abs./n)
SR
(SEP/DMA)
Enero 450
Febrero 440
Marzo 460
Abril 510 480 29,53 29,53 29,53 29,53 29,53 1,00
Mayo 520 489 30,72 60,24 30,72 60,24 30,12 2,00
Junio 495 498 -3,09 57,15 3,09 63,34 21,11 2,71
Julio 475 507 -31,91 25,24 31,91 95,24 23,81 1,06
Agosto 560 516 44,28 69,53 44,28 139,53 27,91 2,49
Septiembre 510 525 -14,53 55,00 14,53 154,06 25,68 2,14
Octubre 520 533 -13,34 41,66 13,34 167,40 23,91 1,74
Noviembre 540 542 -2,15 39,51 2,15 169,55 21,19 1,86
Diciembre 550 551 -0,96 38,55 0,96 170,51 18,95 2,03
SEAL DE RASTREO
0,00
0,50
1,00
1,50
2,00
2,50
3,00
Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre
Meses
S
R
Ventas constructora 21 (en
cientos de miles de
bolvares) y
Salario de la regin (en
cientos de millones de
bolvares) x (x)2 xy
2,0 1 1 2
3,0 3 9 9
2,5 4 16 10
2,0 2 4 4
2,0 1 1 2
3,5 7 49 24,5
15,0 18 80 51,50
x= y= x2= xy=
y = 1,75 + 0,25 x

Ventas = 1,75 + 0,25 (salario)

Ventas =1,75 + 0,25 (6) = 3,25
Ventas = 325.000 bolvares

La constructora 21 trabaja en la regin Guayana. Con el paso del tiempo, la
empresa ha descubierto que su volumen de ventas de casa depende de los salarios
de la regin. La siguiente tabla es un listado de los ingresos de la constructora y la
cantidad de dinero que cobran los asalariados en Guayana durante los seis aos
pasados. Si la cmara de comercio local predice que para el ao prximo los
salarios en la regin sern de 600 millones de bolvares, estime la ventas de la
empresa.
MODELO CAUSAL DE PRONOSTICO
Semana

(Ventas en el bar)
Y

(Huspedes)
x
(x)2

Xy

1 330 16
2 270 12
3 380 18
4 300 14
x= y= x2= xy=
y = 50 + 18 x

Ventas = 50 + 18 (huspedes)

Ventas =50 + 18 (20) = 410
Ventas = 410 bolvares

MODELO CAUSAL DE PRONOSTICO
Los siguientes datos relacionan a nivel semanal las cifras de ventas del bar del
pequeo albergue de Marty y Polly Starr en Marathon, Florida, con el nmero de
huspedes registrados en cada semana. Calcule la lnea de regresin que
relaciona las ventas del bar con los huspedes y si la previsin para la prxima
semana es de 20 huspedes Cules son las ventas esperadas?