Professional Documents
Culture Documents
Productividad
Competitividad
Gestin Logstica
(Definicin del CSCMP)
La Gestin Logstica es la parte de la
Administracin de Cadenas de
Suministros que planea, implementa y
controla la eficiencia de los flujos
directos e inversos y el
almacenamiento de las mercancas, los
servicios y la informacin relativa entre
el punto de origen y el punto de
consumo con el fin de satisfacer los
requerimientos de los clientes.
Supply Chain Management (SCM)
Definicin del CSCMP (2003)
SCM comprende la planificacin y administracin de todas las
actividades de adquisiciones y compras, conversin y de
administracin de logstica. Incluye tambin, la coordinacin y
colaboracin entre canales, los cuales pueden ser proveedores,
intermediarios, proveedores de logstica y clientes. En esencia,
SCM integra las actividades de suministro y demanda dentro de y
entre las compaas
En otras palabras, SCM es la estrategia a travs de la cual se gestionan
todas las actividades y empresas de la cadena de suministros
Flujo de Movimientos
Qu hace la Logstica?
La Logstica es el proceso de Diseo (estratgico), Planificacin
(tctico) y Programacin (operativo) de flujos y almacenamiento de
bienes y servicios.
Esto plantea diferencias con la cadena de suministros.
Implica funciones bsicas de la organizacin como son:
la gestin de aprovisionamientos, la gestin de la
produccin y la gestin de la distribucin fsica.
Logstica ha emergido como el eje conductor de las nuevas relaciones econmicas
sincronizando y controlando en forma dinmica todas las actividades de la cadena
de abastecimiento (Supply Chain) y estableciendo compaas inteligentes y
pases inteligentes como los protagonistas principales en el mundo global
Dr. John Kasarda, 2005
Qu hace la Logstica?
La Logstica genera valor en las transacciones
Valor = F (servicio al cliente ; rapidez de respuesta)
Segn Agarwal y Shankar (2002) la Rapidez de Respuesta depende de:
Velocidad de entrega
Confiabilidad en la entrega
Respuesta al cliente
Proveedor
Inventario
Distribuidor
Fabricante
Cliente
Datos de investigacin de mercado
Informacin de programacin
Datos de ingeniera y diseo
Flujo de pedido y flujo de caja
Ideas y diseo para satisfacer al cliente final
Flujo de material
Flujo de crdito
Proveedor
Proveedor
Inventario
Inventario
Cliente
Cliente
Inventario
Impactos Macroeconmicos
Utilidad Econmica
Utilidad de Posesin
Utilidad de Estado
Utilidad de Lugar
Utilidad de Tiempo
Impactos Econmicos de la Logstica
Importancia creciente de la Logstica
Reduccin de las Regulaciones Econmicas
Avances tecnolgicos
El poder de los distribuidores
Globalizacin de los Mercados
Logstica y Competitividad
En el anuario de Competitividad Mundial (IMD Lausanne, Suiza)
Tenemos la oportunidad
Abastecimiento.
Transporte.
Manufactura.
Servicio al consumidor
Configuracin de red
Coordinacin/Organizacin
Inventarios
Tecnologa de informacin
Transporte
Otros
Generar
Estrategias
Definir Indicadores
de Desempeo claves
Identificar Riesgos
y Elaborar Planes
Planificar
Implementacin
Ejecucin
Esquema de Planificacin Estratgica Logstica
Misin de la Logstica
Es dinmico.
Etapas
Proximidad / Tiempo
Capacidad y Ubicacin
Integracin multifuncional
Estructura y Responsabilidades
Capacidades y habilidades
Servicio al Consumidor
Alianzas
Empaque
Preferencias de entrega
Administracin de almacenes
Planificacin
Gestin de pedidos
Gestin de inventarios
NO en funciones:
Ventas
Compras
Produccin
Objetivo
Convertir la empresa en un proceso
eficiente de satisfaccin del
cliente, en donde la efectividad de
toda la Cadena Logstica es ms
importante que la efectividad de
cada departamento por separado.
Pirmide de la Estrategia Logstica
En cualquier tipo de empresa destacan los siguientes procesos de negocio:
Proceso de aprovisionamiento. Busca asegurar el suministro de
materiales y equipo necesario para generar los bienes o servicios.
Proceso de desarrollo de producto. Realiza la planificacin de
nuevos bienes o servicios para los clientes o redefiniendo los productos
existentes.
Proceso de produccin. Organiza todas las actividades que producen
los bienes o servicios de la compaa.
Proceso de entrega de pedidos. Facilita el recibo y procesamiento
de los pedidos de los clientes, y aseguran que stos se cumplen
totalmente.
Proceso de distribucin. Asegura la distribucin de los bienes a los
clientes.
Proceso de apoyo al cliente. Proporciona asistencia a los clientes
despus de haber adquirido su producto o servicio.
NIVEL ESTRATGICO
Transp.
aprovis.
Control
trfico
recepc.
Almac.
mat.
prima
Produc.s
ubcon-
juntos
Almac.
semie-
labor.
Produc.c
onjun.
Emba-
lado
produc.
Almac.
produc.
termin.
Etiquet.
y exped.
Red
distri-
bucin
Entrega
a cliente
ESTRATEGIA DE COMPRA
RED DE PROVEEDORES
ESTRAT. DE TRANSPORTE
ESTRAT. DE PRODUCCIN
ESPEC. FBRICAS
ESTRATEGIA TERRITORIAL
POLTICA DE SERVICIO
ESTRATEGIA DE VENTA
DISEO RED DISTRIBUCIN
LOGSTICA DE
APROVISIONAMIENTO
Exploracin necesidades netas
Pedidos a proveedores
Seguimiento entregas
LOGSTICA DE
PLANIFICACIN DE LA
PRODUCCIN
Plan maestro de produccin
Lanzamiento de rdenes
Nivel stock productos
semielaborados y en proceso
LOGSTICA COMERCIAL
Planificacin de demanda
Nivel de servicio
Nivel stocks finales
Recepcin de pedidos
LOGSTICA TCNICA DE MATERIALES
FLUJO DE INFORMACIN
FLUJO DE MATERIALES
SISTEMA DE GESTIN
P
R
O
V
E
E
D
O
R
E
S
C
L
I
E
N
T
E
S
NIVEL TCTICO
NIVEL OPERATIVO
Logstica Integrada
Actividades Logsticas
ACTIVIDADES CLAVE
1. Estndares de Servicio al Cliente
Rutas y fletes
Programacin de vehculos
Procesamiento de quejas
Auditoria de tarifas
3. Manejo de Inventarios
Estimacin de ventas a CP
Polticas de inventarios
Mezcla de productos
Transmisin de la informacin
Seleccin proveedores
Momento y cantidades
4. Embalaje
5. Relacin con produccin y operaciones
Programacin se suministros
6. Mantenimiento de Informacin
Anlisis de datos
Control de la informacin
Megatendencias en Logstica
De Servicio al Cliente a la Gerencia de Relaciones
De lo Adversario a lo Cooperativo
Del Pronstico al Endcast
De la Experiencia a la Estrategia de Transicin
De Absoluto a Valor Relativo
De la Integracin Funcional a la Integracin de Procesos
De Integracin Vertical a Integracin Virtual
De la Acumulacin de la Informacin al Compartir Informacin
De la Capacitacin al Aprendizaje basado en el Conocimiento
De la Contabilidad a la Administracin basada en el Valor
Los lderes del cambio logstico deben vender ideas y servir de catalizadores
cross-functional. Administrar el cambio a travs de los otros, es una tarea
difcil que los lderes logsticos deben dominar.
Factores de Diseo de la Cadena Logstica
Mercado Infraestructura Costos Margen
DEMANDA
DISPERSIN DE LA
DEMANDA
CARACTERISTICAS DE
LOS PRODUCTOS
CONJUNTO DE
INSTALACIONES
POTENCIALES
LOCALIZACION
POTENCIAL DE LAS
INSTALACIONES
CAPACIDAD
INSTALADA
MODOS DE
TRASNPORTE
COSTO UNITARIO DE
PRODUCCIN
COSTO UNITARIO DE
INVENTARIO
COSTO UNITARIO DE
TRANASPORTE
COSTO UNITARIO DE
INSTALACIONES
NIVEL DE SERVICIO
NIVEL DE INVENTARIO
CICLO DE ENTREGA
REINGENIERA DE
PROCESOS
Poltica de Abastecimiento Poltica de Produccin Poltica de Distribucin
Diseo de la Cadena Logstica
Factores
Jimenez, Jos (2004)
Variables de Gestin de la Cadena Logstica
Nivel de Integracin de Procesos
Consistencia (Variacin Mnima)
Eliminacin de Desperdicios
Mejora Continua
Productividad
Nivel de Servicio
Satisfaccin del Cliente
Competitividad
Rentabilidad
Valor Agregado
Nivel de Inventario
Mano de Obra
Materia Prima
Operaciones
Distribucin
Inventario
Transporte
Procesamiento de Pedidos
Costo Total
Recepcin de Pedidos
Operaciones
Capacidad de Reaccin
Entrega
Ingreso a Entrega del Pedido
CALIDAD
SERVICIO
COSTO
TIEMPO
DE CICLO
(Lead Time)
X
X
Desempeo
de la
Cadena
Logstica
=
Adaptado de Christopher, Martn Logistic and Customer Value. Barcelona (2002).
Mtodos de Pronsticos
Esteban Sefair Vera
Qu son los pronsticos?
Produccin.
Inventario.
Personal.
Instalaciones.
Pronosticar es como manejar con los ojos cerrados siguiendo
las instrucciones de alguien que va sentado mirando por el
vidrio de atrs
Pronsticos y Planificacin Empresarial
INSUMOS
Condiciones del mercado
Panorama econmico
Otros factores
Mtodos o
modelos
de pronstico
RESULTADOS
Demanda estimada para
cada producto en cada
perodo de tiempo
PRONSTICO DE VENTAS
Pronstico de la demanda
para cada producto en cada
perodo de tiempo
ESTRATEGIA
EMPRESARIA
Marketing
Produccin
Finanzas
Largo Plazo
Capacidad
fabricas
Capital
Instalaciones
Otros
Mediano Plazo
Trabajadores
Materiales
Inventarios
Otros
Corto Plazo
Mano de obra
Capacidad
maquinas
Efectivo
Otros
Pronstico de Recursos de la Produccin
Equipo de
Administrac
in
Errores de
pronsticos /
retroalimentaci
n
Etapas en el sistema de pronsticos
Determinar la utilizacin del pronstico.
Seleccionar los artculos en los que se va a realizar el
pronstico.
Determinar el horizonte temporal del pronstico.
Seleccionar el (los) modelo (s) de pronstico.
Recogida de datos.
Realizar el pronstico.
Validar e implementar los resultados.
Realidades sobre los pronsticos
Raras veces los pronsticos son perfectos.
La mayora de las tcnicas de pronstico asumen que
existe cierta estabilidad sostenida en el sistema.
Tanto las predicciones de familias de productos como
las predicciones en conjunto son ms precisas que los
pronsticos de productos individuales.
Siempre que se pueda, es til relacionar el pronstico
con alguna variable macroeconmica
Demanda de un producto representada en un periodo de 4
aos con tendencia de crecimiento y estacionalidad
Primer
ao
Segundo
ao
Tercer
ao
Cuarto
ao
Picks estacionales Componente de tendencia
Lnea de
demanda
actual
Demanda media
en cuatro aos
D
e
m
a
n
d
a
d
e
l
p
r
o
d
u
c
t
o
o
s
e
r
v
i
c
i
o
Variaci
n
aleatori
a
Tipos de pronsticos
Se utilizan cuando la situacin es
estable y existen datos
histricos:
Productos existentes.
Tecnologa actual.
Requieren tcnicas matemticas:
Productos nuevos.
Nueva tecnologa.
Requieren intuicin y experiencia:
Es bastante rpido.
El personal de plantilla.
Modelo multiplicativo:
Y
i
= T
i
x S
i
x C
i
x R
i
(si los datos son mensuales o trimestrales).
Modelo aditivo:
Y
i
= T
i
+ S
i
+ C
i
+ R
i
(si los datos son mensuales o trimestrales).
Modelos de series temporales
Ecuacin:
MM MM
n n
n n
Ecuacin:
Media mvil
ponderada
(ponderacin para el periodo n) (demanda en el periodo n)
ponderaciones
Mtodo de la media mvil ponderada
=
Demanda actual, media mvil y media mvil ponderada
0
5
10
15
20
25
30
35
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic
Mes
D
e
m
a
n
d
a
d
e
v
e
n
t
a
s
Ventas reales
Media mvil
Media mvil ponderada
Problemas de los mtodos de media mvil
Al aumentar n, las previsiones son menos sensibles a
los cambios.
No es posible predecir bien la tendencia.
Se necesitan muchos datos histricos.
= Constante de alisado
F
t
= F
t-1
+ (A
t-1
- F
t-1
)
= = 0,10 0,10) )
2001 2001 180 175,00 (Dado)
2002 2002 168 168
2003 2003 159 159
2004 2004 175 175
2005 2005 190 190
2006 2006 ND ND
175,00 + 175,00 +
Solucin del alisado exponencial
F
t
= F
t-1
+ ( A
t-1
-
F
t-1
)
Ao Ao Real
pronstico, F
t
(
= = 0,10 0,10) )
180 180 175,00 (Dado) 175,00 (Dado)
168 168 175,00 + 175,00 + 0,10 0,10( (
159 159
175 175
190 190
ND ND
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
Solucin del alisado exponencial
F
t
= F
t-1
+ ( A
t-1
-
F
t-1
)
Ao Ao Real Real
pronstico, pronstico, F F
t t
( (
= = 0,10 0,10) )
180 180 175,00 (Dado) 175,00 (Dado)
168 168 175,00 + 175,00 + 0,10 0,10(180 (180 - -
159 159
175 175
190 190
ND ND
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
Solucin del alisado exponencial
F
t
= F
t-1
+ ( A
t-1
-
F
t-1
)
Ao Real
pronstico, F
t
(
= = 0,10 0,10) )
180 180 175,00 (Dado) 175,00 (Dado)
168 168 175,00 + 175,00 + 0,10 0,10(180 (180 - 175,00 - 175,00) )
159 159
175 175
190 190
ND ND
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
Solucin del alisado exponencial
F
t
= F
t-1
+ ( A
t-1
-
F
t-1
)
Ao Ao Real Real
pronstico, pronstico, F F
t t
( (
= = 0,10 0,10) )
180 180 175,00 (Dado) 175,00 (Dado)
168 168 175,00 + 175,00 + 0,10 0,10 (180 (180 - 175,00 - 175,00) ) = 175,50 = 175,50
159 159
175 175
190 190
ND ND
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
Solucin del alisado exponencial
F
t
= F
t-1
+ ( A
t-1
-
F
t-1
)
Ao Real
pronstico, F
t
(
=
=
0,10
0,10
)
)
180 175,00 (Dado)
168 168 175,00 + 0,10(180 - 175,00) = 175,50 175,00 + 0,10(180 - 175,00) = 175,50
159 159 175,50 175,50 + + 0,10 0,10(168 - (168 - 175,50 175,50) ) = 174,75 = 174,75
175 175
190 190
ND ND
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
Solucin del alisado exponencial
F
t
= F
t-1
+ ( A
t-1
-
F
t-1
)
Ao Real
pronstico, F
t
(= 0,10)
180 180 175,00 (Dado) 175,00 (Dado)
168 175,00 + 0,10(180 - 175,00) = 175,50
159 159 175,50 + 0,10(168 - 175,50) = 174,75 175,50 + 0,10(168 - 175,50) = 174,75
175 175
190 190
ND ND
174,75 174,75 + + 0,10 0,10(159 (159 - - 174,75 174,75) )= 173,18 = 173,18
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
Solucin del alisado exponencial
F
t
= F
t-1
+ ( A
t-1
-
F
t-1
)
Ao Real
pronstico, F
t
(= 0,10)
180 175,00 (Dado)
168 168 175,00 + 0,10(180 - 175,00) = 175,50 175,00 + 0,10(180 - 175,00) = 175,50
159 159 175,50 + 0,10(168 - 175,50) = 174,75 175,50 + 0,10(168 - 175,50) = 174,75
175 175 174,75 + 0,10(159 - 174,75) = 173,18 174,75 + 0,10(159 - 174,75) = 173,18
190 190 173,18 + 173,18 + 0,10 0,10(175 (175 - 173,18 - 173,18) ) = 173,36 = 173,36
ND ND
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
Solucin del alisado exponencial
F
t
= F
t-1
+ ( A
t-1
-
F
t-1
)
Ao Real
pronstico, F
t
(= 0,10)
180 180 175,00 (Dado) 175,00 (Dado)
168 168 175,00 + 0,10(180 - 175,00) = 175,50 175,00 + 0,10(180 - 175,00) = 175,50
159 159 175,50 + 0,10(168 - 175,50) = 174,75 175,50 + 0,10(168 - 175,50) = 174,75
175 175 174,75 + 0,10(159 - 174,75) = 173,18 174,75 + 0,10(159 - 174,75) = 173,18
190 190 173,18 + 0,10(175 - 173,18) = 173,36 173,18 + 0,10(175 - 173,18) = 173,36
ND ND 173,36 173,36 + + 0,10 0,10(190 (190 - 173,36 - 173,36) = 175,02 ) = 175,02
2001 2001
2002 2002
2003 2003
2004 2004
2005 2005
2006 2006
Solucin del alisado exponencial
F
t
= A
t - 1
+ (1- )A
t - 2
+ (1- )
2
A
t - 3
+ ...
Efectos en el pronstico de la constante de
alisado
Ponderacio
nes
Periodo
anterior
Hace 2
periodos
(1 - )
Hace 3
periodos
(1 - )
2
=
=
0,10
=
0,90
10%
F
t
= A
t - 1
+ (1- ) A
t - 2
+ (1- )
2
A
t - 3
+ ...
Periodo
anterior
Hace 2
periodos
(1 - )
Hace 3
periodos
(1 - )
2
=
=
0,10
=
0,90
10% 9%
Ponderacio
nes
Efectos en el pronstico de la constante de
alisado
F
t
= A
t - 1
+ (1- )A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderacio
nes
Periodo
anterior
Hace 2
periodos
(1 - )
Hace 3
periodos
(1 - )
2
=
=
0,10
=
0,90
10% 9% 8,1%
Efectos en el pronstico de la constante de
alisado
F
t
= A
t - 1
+ (1- )A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderacio
nes
Periodo
anterior
Hace 2
periodos
(1 - )
Hace 3
periodos
(1 - )
2
=
=
0,10
=
0,90
10% 9% 8,1%
90%
Efectos en el pronstico de la constante de
alisado
F
t
= A
t - 1
+ (1- ) A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderaci
ones
Periodo
anterior
Hace 2
periodos
(1 - )
Hace 3
periodos
(1 - )
2
=
=
0,10
=
0,90
10% 9% 8,1%
90% 9%
Efectos en el pronstico de la constante de
alisado
F
t
= A
t - 1
+ (1- ) A
t - 2
+ (1- )
2
A
t - 3
+ ...
Ponderaci
ones
Periodo
anterior
Hace 2
periodos
(1 - )
Hace 3
periodos
(1 - )
2
=
=
0,10
=
0,90
10% 9% 8,1%
90% 9% 0,9%
Efectos en el pronstico de la constante de
alisado
Si se selecciona
Trate de minimizar la desviacin absoluta media (DAM)
Si: Error de pronstico = demanda - pronstico
Entonces:
n
errores de pronstico
DAM
Alisado exponencial con ajuste de tendencia
Pronstico incluyendo la tendencia (PIT
t
)
= pronstico alisado exponencialmente (F
t
)
+ tendencia alisada exponencialmente (T
t
)
F
t
= (demanda real del ltimo periodo) + (1- )(pronstico del ltimo periodo
+ tendencia estimada del ltimo periodo)
o
F
t
= (A
t-1
) + (1- )(F
t-1
+ T
t-1)
T
t
= (pronstico de este periodo - pronstico del ltimo periodo)
+ (1- )(tendencia estimada del ltimo periodo)
o
T
t
= (F
t
- F
t-1
) + (1- )T
t-1
Comparacin de pronsticos
0
5
10
15
20
25
30
35
40
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep.
Mes
D
e
m
a
n
d
a
d
e
l
p
r
o
d
u
c
t
o
Demanda real
Alisado exponencial
Alisado exponencial con
ajuste de Tendencia
Mtodo de mnimos cuadrados
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Desviacin
Periodo de tiempo
V
a
l
o
r
e
s
d
e
l
a
v
a
r
i
a
b
l
e
d
e
p
e
n
d
i
e
n
t
e
bx a Y +
Observac
in real
Punto
en la
lnea de
tendenc
ia
Demanda real y lnea de tendencia
0
20
40
60
80
100
120
140
160
180
0 2 4 6 8 10
Perodo de tiempo
D
e
m
a
n
d
a
Demanda real
Y = 56,70+ 10,54X
Y a bX
i i
+
b >
0
b <
0
a
a
Y
Tiempo,
X
Modelo del anlisis de regresin lineal
Periodo de
tiempo
Vent
as
0
1
2
3
4
92 93 94 95 96
Ventas frente a
tiempo
Diagrama de dispersin
Pendiente (b):
El clculo de Y vara en b cada unidad extra en X.
Si b = 2, entonces las ventas (Y) aumentarn en 2 por cada
unidad extra en publicidad (X).
Corte con el eje Y (a):
Valor medio de Y cuando X = 0.
Si a = 4, entonces las ventas medias (Y) sern de 4 cuando la
publicidad (X) sea 0.
Interpretacin de los coeficientes
Ecuaciones de mnimos cuadrados
Ecuacin:
i i
bx a Y
+
Pendiente:
2 2
1
1
x n x
y x n y x
b
i
n
i
i i
n
i
S
Y,X
Afecta a varios factores:
Significado del parmetro.
Precisin de la prediccin.
Variacin de los errores aleatorios
Supuestos de los mnimos cuadrados
Se supone que la relacin es lineal. Primero trace los datos, si
existe la curva, utilice el anlisis curvilineal.
Se supone que la relacin slo se sustenta dentro o justo fuera
del campo de datos. No trate de predecir periodos de tiempo
lejanos al campo de la base de datos.
Se supone que las desviaciones que rodean a la lnea de los
mnimos cuadrados son aleatorias.
Error estndar de la desviacin
( )
2
1 1 1
2
1
2
n
y x b y a y
n
y y
S
n
i
n
i
i i i
n
i
i
n
i
i i
x , y
Correlacin
Respuestas: qu intensidad tiene la relacin lineal entre las
variables?
El coeficiente de correlacin se identifica normalmente como r .
Los valores varan entre -1 y +1 .
Mide el grado de asociacin.
Se usa principalmente para comprender.
1
]
1
,
_
1
]
1
,
_
1
2
1
2
1
2
1
2
1 1 1
n
i
n
i
i i
n
i
n
i
i i
n
i
n
i
n
i
i i i i
y y n x x n
y x y x n
r
-1,0 +1,0 0
Correlacin
positiva
perfecta
Aumento de la correlacin
negativa
-0,5 +0,5
Correlacin
negativa perfecta
Sin correlacin
Aumento de la correlacin
positiva
Valores del coeficiente de correlacin
r = 1 r = -1
r = 0,89 r = 0
Y
X
Y
i
= a + b X
i
^
Y
X
Y
X
Y
X
Y
i
= a + b X
i
^
Y
i
= a + b X
i
^
Y
i
= a - b X
i
^
Coeficiente de correlacin y modelo de regresin
Usted quiere conseguir:
Ninguna conducta o direccin del error de previsin.
Error = (Y
i
- Y
i
) = (Real - Previsin).
Se observa en las representaciones de los errores a lo largo del
tiempo.
Un error de previsin ms pequeo:
Error cuadrado medio (ECM).
Desviacin absoluta media (DAM).
Gua para elegir el modelo de previsin
^
Tiempo (aos)
Error Error
0 0
Conducta
deseada
Tiempo (aos)
Error
0
Tendencia no
totalmente
justificada
Conducta del error de previsin
Error cuadrado medio (ECM):
Desviacin absoluta media (DAM):
Ecuaciones del error de previsin
n
1 i
2
i i
n
2
errores de previsin
n
) y (y
ECM
n
| errores de previsin
|
n
| y y |
DAM
n
i
i i
1
Usted es el analista de marketing de Hasbro Toys. Ha previsto las
ventas con un modelo lineal y alisado exponencial. Qu modelo
usar?
Ventas Previsin del Previsin del
alisado
Ao reales modelo lineal exponencial (0,9)
1995 1 0,6 1,0
1996 1 1,3 1,0
1997 2 2,0 1,9
1998 2 2,7 2,0
1999 4 3,4 3,8
Ejemplo de seleccin del modelo de previsin
Ao
^
Y
i
Y
i
^
1992 1 0,6 0,4 0,16 0,4
1993 1 1,3 -0,3 0,09 0,3
1994 2 2,0 0,0 0,00 0,0
1995 2 2,7 -0,7 0,49 0,7
1996 4 3,4 0,6 0,36 0,6
Total 0,0 1,10 2,0
ECM = Error
2
/ n = 1,10 / 5 =
0,220
DAM = |Error| / n = 2,0 / 5 =
0,400
Error Error
2
|Error|
Evaluacin del modelo lineal
Year Y
i
Y
i
1995 1 1,0 0,0 0,00 0,0
1996 1 1,0 0,0 0,00 0,0
1997 2 1,9 0,1 0,01 0,1
1998 2 2,0 0,0 0,00 0,0
1999 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
^
ECM = Error
2
/ n = 0,05 / 5 =
0,01
DAM = |Error| / n = 0,3 / 5 =
0,06
Error Error
2
|Error|
Evaluacin del modelo de alisado exponencial
Evaluacin del modelo de alisado exponencial
Modelo lineal:
ECM = Error
2
/ n = 1,10 / 5 = 0,220
DAM = |Error| / n = 2,0 / 5 = 0,400
Modelo de alisado exponencial:
ECM = Error
2
/ n = 0,05 / 5 = 0,01
DAM = |Error| / n = 0,3 / 5 = 0,06
Mide el grado de precisin de la previsin para predecir valores
reales.
Suma actual de los errores de previsin (SAEP) dividida entre la
desviacin absoluta media (DAM):
Una buena seal de rastreo tiene valores bajos.
Debe estar dentro de los lmites de control superiores e
inferiores.
Seal de rastreo
Ecuacin de la seal de rastreo
( )
DAM
DAM
y y
DAM
SAEP
Seal de rastreo
n
i
i i
1
errores de previsin
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
Clculo de la seal de rastreo
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
Trim. Trim.
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
Error = Real - Previsin
= 90 - 100 = -10
Error = Real - Previsin
= 90 - 100 = -10
Demanda Demanda
Error Error
SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
acumulado acumulado
Trim. Trim.
|Error| |Error|
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6 100 140
-10
-10
-10
-10
SAEP = Errores
= ND + (-10) = -10
SAEP = Errores
= ND + (-10) = -10
Trim. Trim. Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
Error absoluto = |Error|
= |-10| = 10
Error absoluto = |Error|
= |-10| = 10
Trim. Trim.
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
|Error| acumulado = |Errores|
= NA + 10 = 10
|Error| acumulado = |Errores|
= NA + 10 = 10
Trim. Trim.
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
10,0
10,0
DAM = |Errores|/n
= 10/1 = 10
DAM = |Errores|/n
= 10/1 = 10
Trim. Trim. Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
10,0
10,0
-1
-1
SR = SAEP/DAM
= -10/10 = -1
SR = SAEP/DAM
= -10/10 = -1
Trim. Trim. Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real
absoluto absoluto
|Error| |Error|
acumulado acumulado
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
10,0
10,0
-1
-1
-5
-5
Error = Real - Previsin
= 95 - 100 = -5
Error = Real - Previsin
= 95 - 100 = -5
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real absoluto absoluto
acumulado acumulado
|Error| |Error|
Trim. Trim.
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
10,0
10,0
-1
-1
-5
-5
-15
-15
SAEP = Errores
= (-10) + (-5) = -15
SAEP = Errores
= (-10) + (-5) = -15
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real absoluto absoluto
acumulado acumulado
|Error| |Error|
Trim. Trim.
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
10,0
10,0
-1
-1
-5
-5
-15
-15
5
5
Error absoluto = |Error|
= |-5| = 5
Error absoluto = |Error|
= |-5| = 5
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real absoluto absoluto acumulado acumulado
Trim. Trim. |Error| |Error|
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
10,0
10,0
-1
-1
-5
-5
-15
-15
5
5
15
15
Error acumulado = |Errores|
= 10 + 5 = 15
Error acumulado = |Errores|
= 10 + 5 = 15
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real absoluto absoluto
acumulado acumulado
|Error| |Error|
Trim. Trim.
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
10,0
10,0
-1
-1
-5
-5
-15
-15
5
5
15
15
7,5
7,5
DAM = |Errores|/n
= 15/2 = 7,5
DAM = |Errores|/n
= 15/2 = 7,5
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real absoluto absoluto acumulado acumulado
Trim. Trim.
|Error| |Error|
Clculo de la seal de rastreo
1
1
100
100
90
90
2
2
100
100
95
95
3
3
100
100
115
115
4
4
100
100
100
100
5
5
100
100
125
125
6
6
100
100
140
140
-10
-10
-10
-10
10
10
10
10
10,0
10,0
-1
-1
-5
-5
-15
-15
5
5
15
15
7,5
7,5
-2
-2
SR = SAEP/DAM
= -15/7,5 = -2
SR = SAEP/DAM
= -15/7,5 = -2
Demanda Demanda
Error Error SAEP SAEP Error Error
DAM DAM SR SR
prevista prevista
Demanda Demanda
real real absoluto absoluto acumulado acumulado
|Error| |Error|
Trim. Trim.
Clculo de la seal de rastreo
Representacin de una seal de rastreo
Tiempo
Lmite de control
inferior
Lmite de control
superior
Seal que supera
el lmite
Seal de rastreo
Intervalo
aceptable
D
A
M
+
0
-
Seales de rastreo
0
20
40
60
80
100
120
140
160
0 1 2 3 4 5 6 7
Tiempo
D
e
m
a
n
d
a
r
e
a
l
-3
-2
-1
0
1
2
3
S
e
a
l
d
e
r
a
s
t
r
e
o
Seal de rastreo
Previsin
Demanda real
Pronstico en el sector servicios
Presenta algunas complicaciones:
Especial necesidad de datos a corto plazo.
Las necesidades varan mucho en funcin de la industria y del
producto.
Vacaciones y calendario.
Eventos poco comunes.
0
5
10
15
20
+11-12 +1-2 +3-4 +5-6 +7-8 +9-10 11-12 12-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9-10 10-11
Ventas por Hora en
un fast food
Modelos Avanzados de Anlisis de Series
AR(p) modelos Auto Regresivos
MA(q) modelos de medias mviles
ARMA (pq) modelos auto regresivos de medias mviles
Modelo de Winter
ARIMA (p,d,q) modelos auto regresivos integrado de medias mviles
VARMA modelos multivariados
ARMAX modelos con variable explicativa
ARCH modelos auto regresivos condicionales heteroscedsticos
GARCH modelos ARCH generalizados
p nmero de parmetros auto regresivos
q largo de la media mvil
d nmero de diferenciaciones
Ruido blanco trmino no correlacionado con el
pasado, esperanza cero.
ARIMA Auto Regresive Integrated Moved Average
Promedio Mvil Integrado Auto regresivo
Tambin se lo conoce como mtodo de Box-Jenkins
Es un mtodo muy complejo para resolver manualmente,
pero existen una serie de aplicaciones para trabajar con el
Es muy til para resolver problemas con fuertes variaciones
estacionales
Su aplicacin requiere de al menos 50 periodos histricos
Suavizamiento Exponencial para las salidas nacionales en el Aeropuerto Merino Bentez
C o n s u m o d e g a s l i c u a d o e n v a s a d o , R e g M e t r o p
M e s
T
o
n
5 0 0 0
1 0 0 0 0
1 5 0 0 0
2 0 0 0 0
2 5 0 0 0
3 0 0 0 0
3 5 0 0 0
4 0 0 0 0
4 5 0 0 0
5 0 0 0 0
5 0 0 0
1 0 0 0 0
1 5 0 0 0
2 0 0 0 0
2 5 0 0 0
3 0 0 0 0
3 5 0 0 0
4 0 0 0 0
4 5 0 0 0
5 0 0 0 0
E
n
e
-
8
7
J
u
l
E
n
e
-
8
8
J
u
l
E
n
e
-
8
9
J
u
l
E
n
e
-
9
0
J
u
l
E
n
e
-
9
1
J
u
l
E
n
e
-
9
2
J
u
l
E
n
e
-
9
3
J
u
l
E
n
e
-
9
4
J
u
l
E
n
e
-
9
5
J
u
l
E
n
e
-
9
6
J
u
l
E
n
e
-
9
7
J
u
l
E
n
e
-
9
8
J
u
l
E
n
e
-
9
9
J
u
l
E
n
e
-
0
0
J
u
l
: Consumo Gas Licuado en la R..Metropolitana 1987-2000.