pronostico de la demanda
TRANSCRIPT
ADMINISTRACION DE OPERACIONES.
REPORTE FINAL APLICANDO LOS CONOCIMIENTOS ADQUIRIDOS EN EL NEGOCIO DE AGROQUIMICOS DE
SOLUCIONES PROFECIONALES LOS AGUSTINOS
DURAN MARTINEZ MIGUEL ANGEL.
GARCIA HERNANDEZ ROSARIO
MORALES CALDERON DAVID ALEJANDRO
MONTOYA JIMENEZ MARIA CAROLINA
NAVA RICO MARIA GUADALUPE
SALVATIERRA GTO. 18DE MAYO DEL 2011
INSTITUTO TECNOLOGICO SUPERIOR DE SALVATIERRA
Introducción
En el trabajo que se mostrara a continuación, se aplicaron los conocimientos adquiridos durante el semestre. Basándonos en los temas vistos, y analizaremos los temas que se puedan aplicar. Tomaremos como base el negocio de nombre soluciones profesionales de los agustinos. El cual brinda sus servicio en cuestiones agroquímicas, y todo tipo de productos para las siembras de la región.nos basaremos en solo un producto de nombre bayfolar forte (suplemento alimenticio de plantas) . y aplicaremos los métodos cuantitativo, para los pronósticos de la demanda del mes de mayo. En los cuales se aplicaran el método de promedio móvil simple, promedio móvil ponderado, regresión lineal y la desviación media estándar a su vez el manejo de los inventarios. El manejo de inventarios mediante los métodos “P” y modelo “Q” tomando en cuenta el costo total anual para el almacenamiento de dicho producto.
Indice:
Pronostico de la demanda
El propósito del manejo de la demanda es coordinar y controlar todas las fuentes de la demanda, con el fin de poder usar con eficiencia el sistema productivo y entregar el producto a tiempo.
El análisis de series de tiempo, se basan en la idea de que es posible utilizar información relacionada con la demanda pasada para predecir la demanda futura. La información anterior puede incluir varios componentes, como influencias de tendencias, estacionales o cíclicas.
Promedio móvil simple
Promedio móvil ponderado
Análisis de series de tiempos Suavización exponencial
Análisis de regresión
Iformacion de la tienda : Soluciones Profecionales los Agustinos.
Ventas MensualesMes Producto Precio Proveedor Precio de venta Ventas Total
Enero bayfolan forte 53 $ 61 $ 9 549 $Febrero bayfolan forte 53 $ 61 $ 18 1,098 $Marzo bayfolan forte 53 $ 61 $ 14 854 $Abril bayfolan forte 53 $ 61 $ 9 549 $
Guía para seleccionar un método de pronóstico apropiado
Método de pronostico
Montos de datos históricos
Patrón de los datos
Horizonte de pronostico
Promedio móvil simple
6 a 12 meses, a menudo se utiliza datos semanales
Los datosdeben serestacionarios( es decir, sinTendencia niTemporada)
Corto a mediano
Promedio móvil ponderado y suavización exponencial simple
Para empezar se necesitan de 5 a 10 observaciones
Los datos deben ser estacionarios
corto
Suavización exponencial con tendencia
Para empezar se necesitan de 5 a 10 observaciones
Estacionario tendencia
corto
Regresión lineal De 10 a 20 observaciones
Estacionarios, tendencias y temporalidad
Corto a mediano.
Promedio móvil simple.Cuando la demanda no crese ni baja con rapidez, y si no tienen características estacionales, un promedio móvil puede ser útil para eliminar fluctuaciones aleatorias del pronóstico. Aunque los promedios de movimientos casi siempre son centrados, es más conveniente utilizar datos pasados para predecir el periodo siguiente de manera directa.
La fórmula de un promedio móvil simple es:
FT=( A t−1+At−2+A t−3+. ..+At−n )÷n
Donde
FT = Pronostico para el siguiente periodo.
n = Numero de periodos para promediar.
At-1 = Ocurrencia real del periodo pasado.
At-2, At-3, At-n = ocurrencias reales hace dos periodos, hace tres periodos, y así sucesivamente, hasta hace n periodos.
Para el promedio movil simple se tomo como base los meses pasados del año en curso 2011, se realizo un listado de los 4 meses y las ventas del producto bayfolan forte posteriormente se realizo el pronóstico con el número de 2 observaciones (k)
Promedio movil simpleMes At (ventas) PronósticoEnero 9Febrero 18Marzo 14 14Abril 9 16Mayo 12
Promedio móvil ponderado.Un promedio móvil ponderado permite asignar cualquier importancia a cada elemento, siempre y cuando la suma de todas las ponderaciones sea igual a uno.
Mes 1 Mes 2 Mes 3 Mes 4 Mes 59 18 14 9 ¿?
El pronóstico para el mes 5 seria:
F5 = 0.40 (9) + 0.30 (14) + 0.20 (18) + 0.10 (9) = 12.3
La fórmula para un promedio móvil ponderado es:
Ft = w1At-1 + w2At-2 + … wnAt-n
Dónde:
w1 = Ponderación dada a la ocurrencia real para el periodo t-1
w2 = Ponderación dada a la ocurrencia real para el periodo t-2
wn = Ponderación dada a la ocurrencia real para el periodo t-n
n = Número total de periodos en el pronóstico.
El grupo Soluciones Profesionales los Agustinos, quiere saber el pronóstico de las ventas sobre su producto Bayfolan Forte (1L) para el mes de Mayo. Para tener un pronóstico más certero se a tomado en cuesta el 40% de las ventas del mes de Abril, 30 % de las del mes de Marzo, 20% de las del mes de Febrero y 10% de las ventas del mes de Enero:
Enero Febrero Marzo Abril Mayo9 18 14 9 12.3(.10) (.20) (.30) (.40) 9
Mayo=(9)(.10)+(18)(.20)+(14)(.30)+(9)(.40)=12.3
Ahora supongamos que el pronostico para el mes de mayo fue de 14 y se quiere encontrar el pronostico para el mes de junio:
Enero Febrero Marzo Abril Mayo Junio9 18 14 9 12.3 12.9
(.10) (.20) (.30) (.40)
Junio=(18)(.10)+(14)(.20)+(9)(.30)+(12.3)(.40)=12.9
Suavización exponencial:En los métodos de pronostico anterior (promedio móvil simple y ponderado), la principal desventaja es la necesidad de manejar en forma continua gran cantidad de datos históricos. En muchas aplicaciones (quizá en la mayor parte), las ocurrencias más recientes son más indicativas del futuro que aquellas en el pasado distante. Si esta premisa es validad (que la importancia de los datos disminuye conforme el pasado se vuelve más distante), es más probable que el método más lógico y fácil sea la suavización exponencial.
La razón por la que se llama suavización exponencial es que cada incremento en el pasado se reduce (1-α). Por ejemplo, si α es 0.05, las ponderaciones para los distintos periodos serían las siguientes (α se define a continuación):
Peso en α=0.05
Peso más reciente = (1- α)0 0.0500Datos de un periodo anterior = α (1- α)1 0.0457Datos de dos periodos anteriores = α (1- α)2 0.0451Datos de tres periodos anteriores = α (1- α)3 0.0429
La suavización exponencial es la más utilizada de las técnicas de pronóstico. Es parte integral de casi todo los programas de pronóstico por computadora, y se usa con mucha frecuencia al ordenar el inventario en las empresas minoristas, las compañías mayoristas y las agencias de servicios.
Las técnicas de suavización exponencial se han aceptado en forma generalizada por seis razones principales:
1.- los modelos exponenciales son sorprendentemente precisos.
2.- formular un modelo exponencial es relativamente fácil
3.- el usuario puede entender cómo funciona el modelo
4.- los requerimientos de almacenamiento en la computadora son bajos debido al uso limitado de datos históricos. Es fácil calcular las pruebas de precisión relacionadas con el desempeño del modelo.
En el método de suavización exponencial, solo se necesitan tres piezas de datos para pronosticar el futuro: el pronóstico más reciente, la demanda real que ocurrió durante el periodo de pronósticos y una constante de uniformidad alfa (α). Esta constante de suavización determina el nivel de uniformidad y la velocidad de reacción a las diferencias entre los pronósticos y las ocurrencias reales.
La ecuación para un solo pronóstico de uniformidad exponencial es simplemente.
Ft = Ft-1 + α (At-1 – Ft-1)
Donde:
Ft = El pronóstico suavizado exponencialmente para el periodo t
Ft-1 = El pronóstico suavizado exponencialmente para el periodo anterior
At-1 = la demanda real para el periodo anterior
α = El índice de respuesta deseado o la constante de suavización.
SUAVISAMIENTO EXPONENCIAL SIMPLE
Mes Demanda Real α.2 α.3 α.41 9 9 9 92 18 9 9 93 14 10.8 11.7 12.64 9 11.44 12.39 13.16
F2 = F1+ α(At-1 – Ft-1) = 9 + (.2)(9-9)= 10.8
DESVIACION MEDIA ABSOLUTA
Mes Demanda Real α.2 α.3 α.41 9 0 0 02 18 9 9 93 14 3.2 2.3 1.44 9 1.44 3.39 4.16Desviacion Media Absoluta (DMA) 3.41 3.67 3.64
Mes 1 Mes 2 Mes 3 Mes 40
2
4
6
8
10
12
14
16
18
20
Demanda realα.2α.3α.4
Análisis de regresión lineal.
Puede definirse la regresión lineal como una relación funcional entre dos o más variables correlacionadas. Se utiliza para pronosticar una variable con base en la otra. Por lo general, la relación se desarrolla a partir de datos observados. Primero es necesario graficar los datos para ver si aparecen lineales o si por lo menos partes de los datos son lineales. La regresión lineal se refiere a la clase de regresión especial en la que la relación entre las variables forma una recta,
Las recta de la regresión lineal tiene la forma Y= a+bX, donde Y es el valor de la variable dependiente que se despeja, a es la secante en Y, b es pendiente y X es la variable independiente (en el análisis de serie de tiempo, las X son las unidades de tiempo).
La regresión lineal es útil para el pronóstico a largo plazo de eventos importantes, así como la planeación agregada.
La fórmula es:
Y = a + bX.
El grupo soluciones profecionales los agustinos desea saber el crecimiento en las ventas, para esto necesita desarrollar un pronostico a corto plazo, con el fin de planear las necesidades de las
instalaciones para los siguientes 3 meses. Se utilizo las cifras de ventas correspondientes en los ultimos 4 meses.
Meses Ventas del mes
x2 xy
1 9 1 92 18 4 363 14 9 424 9 16 64
∑=10 ∑=50 ∑=30 ∑=151
a=∑ x2∑ y−∑ x∑ xy
n∑ x2−(∑ x )2 =
(30 ) (50 )−(10 ) (151 )4 (30 )−(10 )2
a=1500−1510120−100
=1020
=0.5
b=n∑ xy−∑ x∑ y
n∑ x2−(∑ x )2=
( 4 ) (151 )−(10 ) (50 )4 (30 )−(10 )2
b=604−500120−100
=10420
=5.2
Y=a+bX
y5=0.5+5.2 (5 )=28.5=29 piezas
y6=0.5+5.2 (6 )=34.2=35 piezas
y7=0.5+5.2 (7 )=39.9=40 piezas
Sistemas de inventarios de varios periodos.
Existen dos tipos generales de sistemas de inventario de varios periodos: Los modelos de cantidad de pedido fija (también llamado cantidad de pedido económico, EOQ – economic order quantity- y modelo Q) y modelos de periodos fijos (conocido también como sistema periódico, sistema de revisan periódica, sistema de intervalo fijo y modelo P). Los sistemas de inventarios de varios periodos están.
Diferencias entre cantidad de pedido fijo y periodo fijo
Características Modelo Q(modelo de cantidad de pedido fijo)
Modelo P(modelo de periodo fijo)
Cantidad del pedido Q, constante(siempre se pide la misma cantidad)
Q, variable (varia cada vez que se hace un pedido)
Donde hacerlo R, cuando la posición del inventario baja al nivel de volver a pedir
T, cuando llega el periodo de revisión.
Registros Cada vez que se realiza un retiro o una adición
Solo se cuenta el periodo de revisión
Tamaño del inventario Menos que el modelo de periodo fijo
Más grande que el modelo de cantidad de pedido fija
Tiempo para mantenerlo Mas alto debido a los registros perpetuos
Tipo de pieza Piezas de precios más alto, críticos o importantes
Modelos de cantidad de pedido fijoSe trata de determinar el punto específico R, en que se ara el pedido, así como el tamaño de este
A continuación la ecuación
Costo anual total = costo de compra anual + costo de pedido anual + costo de mantenimiento anual
TC=DC+ DQS+Q
2H
TC = Costo anual total
D = Demanda (anual)
C = Costo por unidad
Q = Cantidad optima a pedir
S = Costo de preparación o costo de hacer pedido
R = punto de volver a pedir.
L = tiempo de entrega.
H = Costo anual de mantenimiento y almacenamiento por unidad del inventario promedio
Qopt=√(2DS )÷H
Punto de volver a pedir
R= đ L
Dónde:
. đ= Demanda diaria promedio
L = Tiempo de entrega en días
Al negocio le interesa saber el costo total anual. El cual le interesa saber cuanto se gasta en la compra, conto de la orden y cuanto le cuesta mantener el inventario pero anualmente.
Para realizarlo nos brindaron la información (variables):
D= demanda anual
C=costo por unidad
Q= volumen de la orden
S= costo por colocar la orden
R= punto de reorden
H=costo por mantener inventario.
D= 120, C=$53, Q=20 unidades(ya se obtivo anteriormente), S=$5, H=$3
Costo anual de la compra:
Formula: DC = (190)(53)= $6360
Costo anual de la orden:
Formula: DQS=120
20(5 )=$30
Costo anual por mantener inventario:
Formula: Q2H=20
2(3 )=$30
Para obtener el total del costo anual aplicamos la formula:
TC=DC +DQS+Q
2H
TC= 6360 + 30+30 =$6420 al año se gasta.
Se tiene una demanda anual de 120 unidades anualmente.Q=√2.DSh
D= demanda anual
120 unidades
El bayfolar forte que se compra al proveedor tiene un costo de 53$ cada uno y el pronóstico de la demanda para el año entrante es de 120 unidades, al hacer una nueva orden nos cuesta 5$ y el costo de almacenaje es de 3 $ por unidad.
Puesto que el almacén se cobra luz y agua los servicios indispensables.
De luz se paga la cantidad de 30$ ------6(meses)=180
De agua el coso es 15 $ --------2(meses)=180=360/120
Q=√2 (120 )(5)3
=20 UNIDADES
Punto de Reorden. R = DL
R= .328(1)= .328= 1 UNIDAD
Cuando nuestro inventario llega a una unidad se hará un pedido de 20 unidades.
Modelo de periodos fijos con inventario de seguridad.En un sistema de periodo fijo, los pedidos se vuelveb a hacer en el momento de la revisión (T), y el inventario de seguridad que es necesario volver a pedir es:
Inventario de seguridad = zσT+L
Cantidad de pedido = demanda promedio + inventarios de seguridad + existencias disponibles.
q = đ (T+L) + zσT+L – I
Donde
q = Cantidad a pedir
T = El número de días entre revisiones.
L = Tiempo de entregas en días
d = demanda diaria promedio pronosticada
z = Numero de desviaciones estándar para una probabilidad de servicio especifica
zσT+L = Desviación estándar de la demanda durante el periodo de revisión y entrega.
I = Nivel de inventario actual.
La demanda diaria del producto bayfoliar forte es de 1 unidad con una desviación estándar de 4.35. El periodo entre revisiones es de 1 día y el tiempo de entrega es de 1 día. Se a establecido satisfacer el 95% de la demanda con los artículos en existencia. Al inicio de este periodo entre revisiones el inventario tiene 1 unidad. ¿Qué cantidad se requiere ordenar para no sufrir un desabasto?
S=√ n∑ xi2−(∑ xi)2
n(n−1)
S=√ 4 (682 )−(2500)4 (3)
S=√ 22812
S=√19
S=4.35
q=đ (t+L )+z σT +L -I
q = 1(2) + (1.64)(6.151)-1 = 11.08 ≈ 12 unidades
σ T +L = √∑ σ 2di = √2(4.35)2 = 6.151