tema 3 adm de la demanda

8/16/2019 Tema 3 Adm de La Demanda

1/24


2/24

Su objetivo general es de resolver problemas deplaneamiento , organizacion y control de la

produccion aplicando a organizacionesindustriales y de servicios, garantizando lasexigencias de calidad y productividad por partede productores y consumidores.


3/24

PRONOSTICOEs un proceso de estimación

de un acontecimiento futuroproyectando hacia el futurodatos del pasado.

PREDICCIONEs un proceso de estimación de un

suceso futuro basandose enconsideraciones subjetivas nonecesariamente predeterminadas.

COMBINACION

Es un componente importante de la planeación estratégicay operacional.

Su finalidad es de satisfacer demandas futuras, estimandoventas

Se debe entender que los esfuerzos del pronosticadorproporcionan una indicacion, pero no la ultima palabraacerca de las condiciones futuras


4/24

1.- PRONOSTICOS CUALITATIVOS

Incorporan factores importantes tales como la intuicion, emociones,experiencias y/o variables causales para pronosticar la demanda.

Son usados cuando los productos son nuevos o cuando los datos no sonconfiables, entre ellos se tienen:

Encuestas de mercado

Juicio bien formadoMetodo DelphiAnalogía de los ciclos de vida


5/24

ENCUESTA DE MERCADOSe solicita información de losclientes potenciales acerca de susplanes futuros de compra y de las

condiciones de mercado

JUICIO BIEN FORMADOEste método toma la opinion de unpequeño grupo de administradores dealto nivel basandose en laexperiencia, en presentimientos ohechos acerca de la situación


6/24

METODO DELPHIEl método se desarrolla mediante un grupo de expertos que debencontestar a una serie de preguntas en vueltas sucesivas. En cadavuelta se retroalimenta a todos los participantes con las respuestasanónimas del grupo al final los participantes convergen hacia un

resultado. Se suelen usar de tres a seis vueltas para obtenerconvergencia en el pronóstico.

ANALOGIA DE LOS CICLOS DE

VIDABasado en el ciclo de vida de unproducto, empezando por la fasede introducción, crecimiento ysaturación de productos similares.


7/24

2.- PRONOSTICOS CUANTITATIVOS

Para productos existentes en el mercado, con datos confiables.

Funcion de transformacion

y = f (x)(Modelo matematico)

CONTROL(DR-DP)

VENTAS

PRONOSTICADASDP

VENTAS

REALESDR

Entre los pronosticos cuantitativos se tienen :

Modelos de series de tiempoModelos causales


8/24

2.1. MODELOS DE SERIES DE TIEMPO Predicen sobre la base de lasuposición de que el futuro es una función del pasado.

Promedio AritméticoPromedio MovilPromedio Movil PonderadoPromedio Movil Suavizado Exponencial

2.2 MODELOS CAUSALES (Causa – Efecto) Incorpora al modelo lasvariables o factores que pueden influenciar la cantidad que sepronostica.

Analisis de Regresion LinealCoeficiente de CorrelaciónCálculo estimativo del error en pronóstico


9/24

2.1.1 PROMEDIO ARITMETICO SIMPLE

Se usan este tipo de pronósticos cuando las demandas tienenvariaciones pero con una tendencia de tipo constante.

CALCULOS DE PRONOSTICOS

Funcion de transformacion

x = x1n

S = (x1

– x)2

n-1Limites de control para Distribucionnormal:Z = 1 NC = 68%Z = 2 NC = 95% LSC = x+ Z*S

Z = 3 NC = 99.7% LCS = x–

Z*S

Entradade datosreales

Salida deinformacion-Pron. Calculado-Dem. Max. Mens.

-Dem. Min. Mens.

nomenclatura


10/24

MES E F M A M J J A S O N D

DR 1 Año 327 354 324 435 330 378 351 396 375 384 429 330

DR 2 Año 393 402 441 375 390 384 381 327 405 390 360 330

Registradas las ventas del primer y segundo año de undeterminado producto se pide:

a) Graficar las ventas realesb) Calcule las ventas del tercer añoc) Cuales son las ventas maximas y minimas esperadas del

tercer año?, tomar en cuenta un NC del 95%


11/24

Es una variacion del promedio simple, se toma encuenta los ultimos datos, para sacar los promediospudiendo agruparse de 3, 4 o mas meses llamadosclases o periodos, actualizando siempre los datos.Esta tecnica se usa cuando las ventas tengan unatendencia de tipo constante

PM (k) = Xik

K = clase

DESVIACION ABSOLUTA MEDIA

Esta tecnica mide las desviaciones que hay entre las ventas reales y laspronosticadas de cada mes, esta diferencias son en valor absoluto.

MAD = ( DRI – DPI)k

DR = Demanda RealDP = Demanda PronosticadaK = Numero de datos


12/24

Una tienda de abarrotes vende el siguiente numero de pavoscongelados durante la semana anterior a la fecha del dia deaccion de gracias:

DIA PAVOS VENDIDOSLUNES 50

MARTES 30

MIERCOLES 60

JUEVES 20

VIERNES 70

SABADO 90

CALCULAR:a) Promedio Movil de clase 3 y 5b) Desviacion absoluta media para ambas clases o periodos


13/24

Es un modelo de promedio movil que incorpora algun peso de lademanda anterior distinto a un peso igual para todos los periodosanteriores bajo consideracion.

X = W1* X1+W2*X2+………..+Wm*XmW1 + W2 + ………+ Wm

Donde :

W = factor ponderador (%)


14/24

Un fabricante de veneno para hormigas ha experimentado lasiguiente demanda mensual para un veneno de plagas mejorandosegun el ambiente.

MESDEMANDA Art. 201

(veneno en unidades)

Febrero 620

Marzo 840

Abril 770

Mayo 950

Junio 1000

¿Cual es el pronostico para el proximo mes, si se da unaponderacion de 50% al ultimo mes, 30% al anterior y de 20% al queantecede.


15/24

Este modelo debe usarse normalmente cuando tengan demandasmuy irregulares pero una tendencia constante. Resulta de unacombinacion del promedio aritmetico y el promedio movil, para elcalculo se requiere de tres datos que son: La demanda real masreciente, el ultimo pronóstico y un peso o factor ponderador que

varia entre 0 y 1.

Para dar valor de a serequiere de ciertaexperiencia; pero si notiene puede acudirse ausar el MAD.

Se dara un valor de a proximo acero, si las demandas tiene pocavariacion…….valores como 0.1 –0.2 – 0.3.

Si las demandas tienen muchavariacion, es consideradainestable, puede darse valoresproximo a 1, como 0.9 – 0.8 – 0.7.


16/24

Pronostico de laDemanda delPeriodo siguiente

= aDemanda masreciente

Pronostico masreciente( 1- a)

Ft = a D t-1 + (1-a) Ft-1Donde:a = factor ponderador o peso, varia entre 0 y 1

EJEMPLO Si D t-1 = 100 unid. Ft-1 =120 a = 0.2Calcular la demanda pronosticada del proximo periodo

Ft = a D t-1 + (1-a) Ft-1 = 0.2 *100 + (1-0.2)120 = 116

Si damos un peso mayor, a = 0.8

Ft = a D t-1 + (1-a) Ft-1 = 0.8 *100 + (1-0.8)120 = 104

Peso bajo seaproxima al valorpronosticado

Peso mayor seaproxima a lademanda real


17/24

Una pequeña empresa de electronica produce calculadoras debolsillo y mensualmente controla la demanda de los articulos.Los siguientes datos , de demanda son en el caso de unacalculadora representativa: noviembre 45; diciembre 57; enero60.

Usando a 50 como el pronostico de noviembre segun el suavizadoexponencial, obtener el pronostico de ventas para febrero.


18/24

Usado cuando el comportamiento de las ventas son ascendentes odescendentes

VENTAS

REALESDR

VENTAS

PRONOSTICADASDP

CONTROL

FUNCION DE TRANSFORMACION

LINEAL y = A + Bx

POTENCIAL y = A * xB

La validez de la proyeccion por regresion depende del grado en queesten asociados entre si las variables.Se debe comprobar la relacion de causalidad directa o indirectaentre 2 variables (coeficiente de correlacion r) -1 ≤ r ≤ 1


19/24

Si el comportamiento de las ventas fuera del tipo lineal, debetrazarse una tendencia central por medio de una funcion lineal, paraello debe conocerse la pendiente (B) y la ordenada del origen (A).

Y = A+ BX

A = y – B xn

B = n x* y - x yn x2 – (x)2


20/24

La demanda para cirugias de transplante de riñon en un clinica hacrecido constantemente en los años pasados, como se aprecia en lasiguiente tabla:

AÑO

Cirugías hechas

en La Clínica1 45

2 50

3 52

4 56

5 58

6 ?

¿Cual sera el numero de cirugias realizadas en el año 6?


21/24

Es una forma de expresar la naturaleza de la relacion entre dosvariables. Otra forma de evaluar la relacion entre dos variables esmediante el calculo del coeficiente de correlacion. Esta medidaexpresa el grado o fuerza de la relacion lineal .

El coeficiente se define como r , puede ser cualquier numero entre

+1 y -1. La ecuacion para r es:

r = n xy –x y

nx2 – (x)2 n y2 – (y)2

Si r varia de -0.3 hasta +0.3 no existe correlacionSi r varia de menos de -0.8 a -0.3 y +0.3 a menos de +0.8 correlacion debilSi r varia de menos de -0.8 a -1 y +0.8 a +1 hay correlacion fuerte


22/24

En el ejemplo 5 observamos la relacion entre la demanda detranspalantes de riñon y los años.Se pide calcular el coeficiente de correlacion con los datossiguientes:

AÑOCirugías hechas

en La Clínica

1 45

2 50

3 52

4 565 58

6 ?


23/24

Para medir la exactitud de los estimados en la regresion esnecesario calcular el error estandar estimado conocida tambiencomo desviacion estandar de la regresion .

Syx = (yi- y)2n - 2Donde:

Yi = Demanda real

Y = Demanda pronosticadan = numero de periodos


24/24

La empresa body club tubo las siguientes demandas mensualesen los ultimos dos años:

VENTAS REALES DEL 1er Y 2DO AÑO

MES E F M A M J J A S O N DDR AÑO 1 101 125 108 131 132 145 125 147 155 163 176 153

DR AÑO 2 159 178 174 181 202 190 196 192 188 185 187 192

a) Calcular el pronostico mensual de ventas para el tercer año.

b) Calcular las ventas maximas y minimas esperadas mensualespara un nivel de confianza del 95%.

A = 113.78B = 3.85r = 0.92

DATOS ADICIONALES

tema 3 adm de la demanda

Documents