Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

1.4 METODOS.DEMANDA

Metodos cuantitativos demanda
by

Carmen Farrera

on 28 February 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of 1.4 METODOS.DEMANDA

GESTION DE LA PRODUCCION I 2.4 Métodos Cuantitativos para estimar la demanda. > Estos métodos emplean los modelos matemáticos y los datos históricos para pronosticar la demanda. Así, el pasado se utiliza para predecir el futuro. 2.4 Métodos Cuantitativos para estimar la Demanda. Los productos son transitorios pero las necesidades básicas y los grupos de clientes PERDURAN. Promedio móvil simple Promedio móvil simple. Se usa para estimar el promedio de una serie de tiempo de demanda y para suprimir los efectos de las fluctuaciones al azar. Este método resulta mas útil cuando la demanda no tiene tendencias pronunciadas ni fluctuaciones estaciónales.

Implica simplemente calcular la demanda promedio para los n periodos mas recientes con el fin de utilizarla como pronostico del periodo siguiente. Para el pronostico siguiente una vez conocida la demanda, la demanda mas antigua incluida en el promedio anterior se sustituye por la demanda mas reciente y luego se vuelve a calcular el promedio. Ejemplo de Promedio Movil Ponderado

mes1 mes2 mes3 mes4 mes5 Carmen
Katia
Raisa
lizbeth
Ricardo
Yara
Xavier FEBRERO DE 2013 Integrantes de equipo: Series de Tiempo Estimación del promedio El patrón horizontal de una serie de tiempo se basa en la media de las demandas. Por lo tanto el pronostico se obtendra sacando el promedio de una serie de datos a través del tiempo. Ejemplo de Estimación Promedio: Fabrica de cajas: ejemplo: a) Tomando los datos de la fábrica de pasta dental elabore un pronóstico móvil de 5 semanas para estimar cuantas cajas de pasta dental se necesitaran para la semana 11.

Tenemos que:
F11 = (60 + 55 + 61 + 58 + 66)/ 5 = 60 cajas Promedio Móvil Ponderado Es una variación del promedio móvil en la que no todos los datos tienen el mismo peso.

Esto permite que los datos que tienen mayor importancia tengan mayor peso.

Los pesos deben sumar

La distribución de los pesos determina la velocidad de respuesta del pronóstico Talvez una tienda departamental se de cuenta de que en un periodo de cuatro meses, el mejor pronóstico se deriva utilizando 40% de las ventas reales durante el mes más reciente, 30% de dos meses antes, 20% de tres meses antes y 10% de hace cuatro meses. Si las ventas reales fueron: Formula: Ft = W1 At-1 + W2 At-2 + W3 At-3 +……. Wn At-n +
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 pronósticos 0.40 (95) + 0.30(105) +0.20 (90) +1.10 (100) Suavizamiento Exponencial Suavizamiento Exponencial Por lo tanto el pronóstico para el periodo siguiente es igual al pronostico del periodo actual mas una proporción del error del pronostico correspondiente al mismo periodo actual.
La constante,a , toma valores entre 0 y 1
Una cercana a uno da una alta velocidad de respuesta
Una cercana a cero da una baja velocidad de respuesta Ejemplo: Con el promedio móvil de n=3 calcule el pronostico para la semana 13 con suavizamiento exponencial y = .10
El pronostico para el dia 13 era de 175 llamadas y la demanda real fue de 170 llamadas
Ft+1 = Dt + ( 1 – ) Ft
F13= .1(170) + (.9) 175= 174.5 llamadas Tendencia lineal Ejemplo SOLUCION: Empresa con MAYOR participación de mercado. Ao= 28 pacientes y también To = 3 pacientes
El pronostico para la semana 2 ( la semana siguiente) es:
a= Dt + (1- ) (At – 1 + Tt -1)
A1= 0.20(27) + 0.80(28+3) = 30.2
T1= 0.20(30.2-28) + 0.80 (3) = 2.8
F2 = 30.2 + 2.8 = 33 analisis de sangre.
Si el numero real de analisis sanguineos requeridos en la semana2 resultara ser 44,entonces el pronostico actualizado para la semana 3 seria el siguiente:
A2 = 0.20(44) + 0.80(30.2 +2.8) = 35.2 = ( At – At -1) + (1 – ) Tt -1
T2 = 0.2(35.2 – 30.2) + 0.80(2.8) = 3.2
F3 = 35.2 + 3.2 = 38.4, es decir 38 analisis de sangre. Gracias!! Para pronósticos a corto plazo, se usan mucho los métodos de series de tiempo.
Una serie de tiempo es simplemente una lista cronológica de datos históricos, para la que la suposición esencial es que la historia predice el futuro de manera razonable. También llamado pronostico empírico. Uno de los métodos más sencillos es usar el último dato como pronostico para el siguiente periodo. Es decir el pronóstico de la demanda para el siguiente periodo es igual a la demanda observada en el periodo actual. Enfoque Simple Enfoque simple. Ejemplos: 1.- Ejem. si la demanda real para el miércoles ha sido 35 clientes, la demanda para el jueves será 35 clientes. Si la demanda real del jueves es 42 clientes, la demanda pronosticada para el viernes será de 42 clientes. Este método puede tomar en cuenta una tendencia de la demanda. El incremento (o decremento) observado en la demanda de los dos últimos periodos se usa para ajustar la demanda actual con miras a elaborar un pronostico. 2.-Ejem. Si la demanda fue de 120 unidades en la ultima semana y de 108 unidades la semana anterior, el incremento de la demanda fue de 12 unidades en una semana por lo cual el pronostico para la sig. Semana será de 120 + 12 = 132 unidades.

Si la demanda real de la semana siguiente resulta ser de 127 unidades, entonces el siguiente pronóstico será de 127 + 7 = 134 unidades. Si deseáramos sacar un pronostico para la semana 11 por medio del promedio bastara sumar el total de Cajas y dividirlos entre el numero de semanas dando como resultado58.5 Cajas es decir 585 piezas. SEMANA CAJA
(CON 10 C/U) Promedios móviles. Ft+1 = Suma de las n ultimas demandas / n = Dt + Dt -1 + Dt--2 + ………+ Dt - n + 1

Donde:

Dt = demanda real en el periodo t
n = numero total de periodos incluidos en el promedio

F t+1 = Pronostico para el periodo t+1 Es decir : Ejemplo. Promedio Movil Simple 100 90 105 95 ? Por lo tanto el pronóstico para el mes 5 sería: Es un método de promedio móvil ponderado muy refinado que permite calcular el promedio de una serie de tiempo, asignando a las demandas mayor ponderación que a las demandas.
La suavización exponencial requiere solamente tres tipos de datos:
el pronostico del ultimo periodo
la demanda de ese periodo
un parámetro suavizador, alfa, cuyo valor fluctúa entre 0 y 1.0. La ecuación correspondiente a este pronostico es: Ft+1 = (Demanda para este periodo) + (1 –a ) (Pronostico calculado para el ultimo periodo)
= aDt + ( 1 –a ) Ft
= Ft + a(Dt – Ft) Inclusión de una tendencia. En este enfoque, las estimaciones para el promedio y la tendencia son suavizadas, para lo cual se requieren solamente dos constantes de suavización. At = a (Demanda en este periodo) + (1- a) (Promedio + Estimación de la tendencia en el ultimo periodo)= a Dt + (1- a (At – 1 + Tt -1)
Tt = (promedio de este periodo-Promedio del ultimo periodo) + (1-B) (Estimación de la tendencia en el ultimo periodo)= B( At – At -1) + (1 –B ) Tt -1
Ft +1= At + Tt
Donde: At= promedio exponencialmente suavizado de la serie en el periodo
Tt= Promedio exponencialmente suavizado de la tendencia en el periodo t
= parámetro de suavización para el promedio, con un valor entre 0 y 1
= parámetro de suavización para la tendencia, con un valor entre 0 y 1
Ft+1= pronostico para el periodo t + 1 Medanalysis, Inc. Ofrece servicios de laboratorio clínico a los pacientes de Health vProviders, una agrupación de 10 médicos familiares asociados que brindan un nuevoprograma de mantenimiento de la salud. Los gerentes están interesados en pronosticar el numero de pacientes que van a requerir análisis de sangre cada semana. Es preciso comprar suministros y tomar una decisión acerca del número de muestras sanguíneas que serian enviadas a otro laboratorio, para compensar las limitaciones de la capacidad del laboratorio principal. Las informaciones recientes acerca de los efectos nocivos que provoca el colesterol en el corazón han generado un incremento en las solicitudes de análisis ordinarios de sangre en todo el país. En promedio, Medanalysis realizo 28 análisis de sangre cada semana durante las cuatro ultimas semanas. La tendencia en ese periodo fue de tres pacientes adicionales por semana. La demanda en esta semana fue de27 analisis de sangre . Usaremos 0.20 y = 0.20 para calcular el pronostico correspondiente a la semana próxima. Planteamiento: Inclusión de una tendencia: - Se emplean cuando se tienen datos históricos y la relación entre el factor que intenta pronosticar y otros factores externos o internos (ej. Actividades del gobierno o promociones publicitarias).

- Las relaciones causales expresan se expresan en términos matemáticos y suelen ser en ocasiones complejas Relaciones Causales. Regresión Lineal Simple El análisis de regresión lineal establece una relación entre una variable dependiente y una o más variables independientes.
simple hay solamente una variable independiente.
Si los datos están constituidos por una serie de tiempo, la variable independiente es el tiempo.
La variable dependiente es cualquier cosa que nosotros queramos pronosticar.
Ecuación de regresión Ejemplo: Regresión Lineal Simple b) Si la demanda real en la semana 11 fue 55 cajas obtener el pronóstico móvil de 5 semanas para la semana 12

M12 = (55 + 60 + 55 + 61 + 58 ) / 5 =

El pronóstico es de 57.8 cajas

¿Cual será el pronostico para la semana 13 en este momento? Ejercicio para aser en clases

Respuesta M13 = 57.8 cajas REGRESION LINEAL SIMPLE

FORMULAS: De unas matrículas universitarias regionales han crecido constantemente durante los últimos seis años, como lo demuestra a continuación. Utilice la regresión de series de tiempo para pronosticar los próximos tres años las inscripciones para los estudiantes.
Full transcript