LOGÍSTICA Capítulo 2: Valor de la Información. Profesor: Juan Pérez R.
|
|
- Inés Castillo Martínez
- hace 7 años
- Vistas:
Transcripción
1 LOGÍSTICA Capítulo 2: Valor de la Información Profesor: Juan Pérez R.
2 El Valor de la Información Antes, la logística se relacionaba solamente con el movimiento físico de materiales. En términos generales, una buena parte de las empresas ya optimizaron el flujo de materiales. Los mayores potenciales de mejora están en el manejo de la información, mirando no sólo al pasado, sino que al futuro. La logística debe integrar los procesos de planificación y forecasting, necesitando para esto integrar a los clientes y proveedores como socios en el intercambio de información.
3 El Valor de la Información Efectos de la información sobre las ventas en la Cadena de Suministro: Reducción de la variabilidad en la Cadena de Suministro, al mejorar los pronósticos de los proveedores incluyendo información de promociones y cambios en el mercado. Ayuda a coordinar los sistemas y estrategias de manufactura y distribución. Ayuda a los negocios a reaccionar y adaptarse más rápido a problemas en el suministro. Ayuda a reducir los tiempos de reposición. Ayuda a los negocios a ubicar productos difíciles.
4 Beer Game
5 Evolución de Inventarios vs. Demanda Botillería Grupo
6 El Efecto Látigo Definición: La variación en la demanda, en general, se amplifica significativamente hacia atrás en la cadena Retailer Lead Time Órdenes Lead Time Entrega Wholesaler Lead Time Órdenes Lead Time Entrega Distributor Lead Time Órdenes Lead Time Entrega Fábrica Simchi-Levi, Designing and Managing the Supply Chain. Lead Time Fabricación
7 La variabilidad en la Red Logística Fuente: G. Cánepa, Logistics and Supply Chain Management Compartiendo Información
8 Porqué se produce el efecto látigo? 1. Pronósticos de Demanda: Efecto del pronóstico y variabilidad 2. Lead Time: A Mayor Lead Time mayor variabilidad 3. Volúmenes de las órdenes: Órdenes en Batch con pedidos muy grandes y a veces no hay pedidos 4. Variaciones de Precios: Piden más a precios bajos, efecto de promociones 5. Escasez: Ante la espera de escasez se incrementan órdenes
9 Herramientas para disminuir el Efecto Látigo 1. Reducir Incertidumbre compartiendo información 2. Mejorar Pronósticos de Demanda 3. Definir Políticas de Inventario en función del conocimiento de la demanda 4. Reducir Lead Time de Órdenes 5. Reducir Lead Time de Entrega 6. Alianzas Estratégicas 7. Flexibilidad de la Producción
10 Herramientas para disminuir el Efecto Látigo 1. Reducir Incertidumbre compartiendo información 2. Mejorar Pronósticos de Demanda 3. Definir Políticas de Inventario en función del conocimiento de la demanda 4. Reducir Lead Time de Órdenes 5. Reducir Lead Time de Entrega 6. Alianzas Estratégicas 7. Flexibilidad de la Producción
11 Pronóstico de Demanda Conceptos preliminares El pronóstico de la demanda consiste en hacer una estimación de nuestros futuros eventos para un periodo de tiempo determinado. El realizar el pronóstico de la demanda, nos permitirá elaborar nuestra proyección de estos futuros eventos y provisionar dinero o capacidad para ellos. Métodos: Análisis de Registros Históricos Demanda potencial y porcentaje de captación Investigación de mercado
12 Pronóstico de Demanda Qué veremos? Introducción Pronóstico de Demanda: Usos y Características Tipos de Pronóstico de Demanda Cualitativos Cuantitativos Errores de Pronóstico Estimación Bajo Incertidumbre
13 Rol de la Demanda Caso Wal-Mart Base de Datos: 35 terabytes Datos propios y de competidores, por producto, por tienda y por día. El sistema cuenta cada punto de venta, en cada tienda, el nivel de inventario, los productos en tránsito, estadísticas de mercado, demográficas, financieras y de desempeño de productos. La data es utilizada para analizar tendencias, manejar inventario y comprender el comportamiento de los consumidores Sistema de Predicción de Demanda entrega Predicciones de Venta de Productos en las tiendas
14 Rol de la Demanda Caso de Planificación de Redes Móviles: 42 millones de puntos potenciales de demanda Objetivo: Mejorar el Desempeño de la Red y Encontrar Nuevos Sitios Potenciales de Transmisión Método: (Gaussian Mixture Model by Expectation-Maximization) GMM-EM mejorado, con test de Williams.
15 Rol de la Demanda Caso de Ubicación Óptima de Supermercados: Data: Censo 2002, encuesta de hábitos de compra Modelos Aplicados: Demanda Gravitacional, Logit Multinomial, Modelos de máxima cobertura.
16 Cómo definimos demanda? Cantidad de bienes o servicios que el consumidor está dispuesto a adquirir a un precio dado y en un lugar establecido Saber cual será la demanda permite usar con eficiencia el sistema productivo y entregar el producto a tiempo Dos fuentes básicas de demanda: Demanda Dependiente Demanda Independiente Respecto a la demanda independiente: Adoptar papel activo Presionar a fuerza de venta, subir/bajar precios, crear campañas, etc. Adoptar papel pasivo Porque la empresa funciona a toda capacidad, o es la única en el mercado, razones legales, éticas, etc.
17 Pronóstico de Demanda Los pronósticos de demanda son vitales para toda organización de negocios Planeación de presupuesto y control de costos Productos nuevos Compensaciones al personal Selección de procesos Distribución de instalaciones Planeación de producción Programación Inventario
18 Pronóstico de Demanda El pronóstico es la base de la planeación corporativa a largo plazo y tiene impacto directo en el mediano y corto plazo Es importante ver el horizonte y el nivel de agregación que se requiere para el pronóstico de demanda Nivel Estratégico: Largo Plazo Nivel Táctico: Mediano Plazo Nivel Operacional: Corto Plazo.
19 Pronóstico de Demanda Uso Horizonte de tiempo Exactitud Necesaria Número de Productos Diseño del Proceso Largo Media Unos o Pocos Alto Planeación de la Capacidad de Instalaciones Largo Media Unos o Pocos Alto Nivel Gerencial Planeación Agregrada Mediano Alta Pocos Mediano Método de Pronóstico Cualitativos y Causales Cualitativos y Causales Causales y de Series de Tiempo Programación Corto La más Alta Muchos Más Bajo Series de Tiempo Administración de Inventarios Corto La más Alta Muchos Más Bajo Series de Tiempo
20 Pronóstico de Demanda Un pronóstico perfecto es imposible Hay demasiados factores que no se pueden pronosticar con certeza Revisión continua de los pronósticos Aprender a vivir con pronósticos imprecisos Flexibilidad de reacción Utilizar dos o tres métodos Análisis de sensibilidad del pronóstico No es un número sino un rango
21 Componentes de la Demanda Seis componentes: Demanda Promedio para el periodo Tendencia Elementos Estacionales Elementos Cíclicos Eventos como elecciones políticas, guerras, condiciones económicas Variación Aleatoria Eventos fortuitos. Parte de la demanda que no se puede identificar la causa Autocorrelación Persistencia de la ocurrencia.
22 Demanda Demanda Componentes de la Demanda 16,0 14,0 Mostrar Excel 12,0 10,0 8,0 6,0 4,0 2,0 0, ,0 7,0 6,0 5,0 4,0 3,0 Tiempo 2,0 Dda Observada 1,0 0, Tiempo Aleatorio Promedio Tendencia Patron Estacional Ciclo
23 Tipos de Pronósticos Dos tipos básicos de pronósticos: Cualitativos Cuantitativos: Análisis de Series de Tiempo Relaciones Causales Simulación
24 Métodos Cualitativos Técnicas Acumulativas (Grass Roots) Investigación de Mercado Grupos de Consenso Analogía Histórica Método de Delphi
25 Métodos Cualitativos Técnicas Acumulativas (Grass Root) Deriva pronóstico a través de la compilación de entradas de aquellos que se encuentran al final de la jerarquía. Supuesto: La persona que está más cerca del cliente conoce mejor sus necesidades futuras. Pronósticos se suman y se llevan a nivel más alto. EJ: Almacén local trata con cada uno de los vendedores. Suma el total, agrega inventario de seguridad y efectos de pedir en cantidad. Luego se lleva al almacén regional, quien suma la cantidad de cada almacén local, etc.
26 Métodos Cualitativos Investigación de Mercado Se utiliza sobre todo para la investigación de nuevos productos Métodos de recopilación: Encuestas, Entrevistas, Focus Group, etc.
27 Métodos Cualitativos Grupos de Consenso Dos cabezas piensan más que una Grupo de personas con diversas posiciones en la empresa Reuniones abiertas con intercambio libre de ideas Algunas personas pueden sentirse intimidadas y no hablar libremente
28 Métodos Cualitativos Analogía Histórica (Analogía con Ciclos de Vida) Producto General o Existente como modelo. Productos complementarios, sustituibles o competitivos Ej: Tostador y Cafetera Blu-Ray y DVD? Móviles 2G y 3G?
29 Métodos Cualitativos Método de Delphi Similar a grupos de consenso pero en forma de cuestionario Se elige a los expertos a participar Por medio de un cuestionario se obtienen proyecciones Se resumen los resultados, se modifica el cuestionario y se vuelve a repartir Nuevamente se resumen los resultados, se refinan proyecciones y se plantean preguntas nuevas Si es necesario se vuelve a repetir el paso anterior Por lo regular se requieren tres rondas
30 Métodos Cuantitativos Análisis de Series de Tiempo Idea: Predecir el futuro con información del pasado Modelos: Pronóstico Naive (Ingenuo) Promedio Móvil Simple Promedio Móvil Ponderado Suavización Exponencial Análisis de Regresión Lineal Series de Tiempo Proyecciones de Tendencia
31 Demanda Métodos Cuantitativos - Análisis de Series de Tiempo Pronóstico Naive Meses Dda Observada Naïve 1 12,6-2 12,6 12,6 3 10,9 12,6 4 10,9 10,9 5 11,4 10,9 6 11,5 11,4 7 13,7 11,5 8 14,0 13,7 9 11,8 14, ,9 11, ,0 11, ,8 12, ,3 11, ,1 14, ,1 14, ,1 12, ,6 12, ,5 12, ,8 12, ,7 14, ,2 14, ,4 13, ,4 13, ,6 13,4 16,0 15,0 14,0 13,0 12,0 11,0 10, Tiempo Dda Observada Naïve A este siempre hay que ganarle!!
32 Métodos Cuantitativos - Análisis de Series de Tiempo Promedio Móvil Simple Útil cuando la demanda no crece ni baja con rapidez y no tiene características estacionales F t D D 2... D n F D t1 n t1 t tn t = Pronóstico para el periodo t = Demanda real del periodo t-1 = Número de periodos a promediar Varios efectos conflictivos de distintos periodos Mientras más largo, más se uniformarán los elementos aleatorios, pero se retrasa la tendencia.
33 Demanda Métodos Cuantitativos - Análisis de Series de Tiempo Promedio Móvil Simple Tiempo Dda Promedio Móvil 3 Promedio Móvil Observada Meses 4 Meses 1 12, , , ,9 12,0-5 11,4 11,5 12,0 6 11,5 11,1 11,8 7 13,7 11,3 11,5 8 14,0 12,2 11,5 9 11,8 13,1 11, ,9 13,2 11, ,0 12,5 12, ,8 11,9 12, ,3 11,9 12, ,1 12,7 12, ,1 13,4 12, ,1 13,5 12, ,6 12,8 12, ,5 12,3 13, ,8 12,4 13, ,7 13,3 12, ,2 14,0 12, ,4 14,2 13, ,4 13,8 13, ,6 13,3 13,8 16,0 15,0 14,0 13,0 12,0 11,0 10, Tiempo Dda Observada Promedio Móvil 3 Meses Promedio Móvil 4 Meses
34 Métodos Cuantitativos - Análisis de Series de Tiempo Promedio Móvil Ponderado Asigna importancia a los distintos elementos F t w D w D... t1 F t D t1 w t 1 n t1 t2 t2 = Pronóstico para el periodo t = Demanda real del periodo t-1 w tn D tn i1 = Ponderación dada a la demanda real para el periodo t-1 = Número total de periodos en el pronóstico n w i 1 Experiencia Prueba Por regla general: Más importante el pasado más reciente Si los datos son estacionales: Ponderar según estacionalidad Ej: trajes de baño
35 Demanda Métodos Cuantitativos - Análisis de Series de Tiempo Promedio Móvil Ponderado Tiempo Dda Observada Promedio Móvil Ponderado 6 Meses 1 12,6-2 12,6-3 10,9-4 10,9-5 11,4-6 11,5-7 13,7 12,0 8 14,0 12,4 9 11,8 11, ,9 11, ,0 11, ,8 11, ,3 12, ,1 13, ,1 12, ,1 12, ,6 12, ,5 12, ,8 13, ,7 13, ,2 12, ,4 12, ,4 13, ,6 13,1 16,0 15,0 14,0 13,0 12,0 11,0 10,0 Ponderador t-6 50% t-5 5% t-4 5% t-3 10% t-2 10% t-1 20% Tiempo Dda Observada Promedio Móvil Ponderado 6 Meses
36 Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial Cada incremento en el pasado se reduce 1-α F t D t1 F t F ( D F 1) t1 t1 t = Pronóstico suavizado exponencialmente para el periodo t = Demanda real del periodo t-1 = Constante de suavización Se acepta en forma generalizada por seis razones: Sorprendentemente preciso Relativamente fácil de formular Modelo fácil de entender Se requieren pocos cálculos Bajo requerimiento de almacenamiento de datos Fácil de calcular pruebas de precisión de desempeño
37 Demanda Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial Tiempo Dda Observada = 0,30 Suavización Exponencial Factor 0,3 1 12,6 2 12,6 12,6 3 10,9 12,6 4 10,9 12,1 5 11,4 11,7 6 11,5 11,6 7 13,7 11,6 8 14,0 12,2 9 11,8 12, ,9 12, ,0 12, ,8 12, ,3 12, ,1 12, ,1 13, ,1 12, ,6 12, ,5 12, ,8 12, ,7 13, ,2 13, ,4 13, ,4 13, ,6 13,5 16,0 15,0 14,0 13,0 12,0 11,0 10, Tiempo Dda Observada Suavización Exponencial Factor 0,3
38 Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial La razón por la que se llama suavización exponencial es que cada incremento en el pasado se reduce en 1-α F F D F t t t t F F D t t t F F D D t t2 t2 t1 F F D D t t2 t2 t F F D D D t t3 t3 t2 t F F D D D t t3 t3 t2 t1
39 Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial Solo se requieren 3 piezas de datos para pronosticar el futuro El pronóstico más reciente La demanda real que ocurrió durante el periodo de pronóstico Una constante de suavización La constante de suavización determina el nivel de uniformidad y la velocidad de reacción a las diferencias entre los pronósticos y las ocurrencias reales.
40 Demanda Demanda Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial (mejoras) 8,0 7,0 6,0 5,0 4,0 3,0 16,0 15,0 14,0 13,0 12,0 2,0 1,0 0, Tiempo Aleatorio Promedio Tendencia Patron Estacional Ciclo 11,0 10, Tiempo Dda Observada
41 Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial, con Tendencia Suavización Exponencial con Tendencia: A D 1 A T 0 1 t t t1 t1 T A A 1 T 0 1 t t t 1 t1 F A T t1 t t Donde T t es la tendencia.
42 Demanda Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial, con Tendencia Tiempo Dda Observada = 0,30 = 0,20 A t T t F t ,6 12,6 2 12,6 12,6-0,0 3 10,9 12,1-0,1 12,6 4 10,9 11,7-0,2 12,0 5 11,4 11,5-0,2 11,5 6 11,5 11,4-0,2 11,3 7 13,7 12,0-0,0 11,2 8 14,0 12,6 0,1 12,0 9 11,8 12,4 0,1 12, ,9 12,3 0,0 12, ,0 12,2 0,0 12, ,8 12,1-0,0 12, ,3 12,7 0,1 12, ,1 13,2 0,2 12, ,1 13,0 0,1 13, ,1 12,8 0,0 13, ,6 12,8 0,0 12, ,5 12,7 0,0 12, ,8 13,3 0,1 12, ,7 13,8 0,2 13, ,2 13,8 0,2 14, ,4 13,8 0,1 14, ,4 13,8 0,1 13, ,6 13,8 0,1 13,9 16,0 15,0 14,0 13,0 12,0 11,0 10, Tiempo Dda Observada Ft+1
43 Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial, con Estacionalidad Suavización Exponencial con Estacionalidad de Largo L: A t D t (1 ) At Rt L D t Rt (1 ) R tl 0 1 At F ( A ) / R t1 t tl1 Donde R t es el factor de estacionalidad.
44 Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial, con Estacionalidad y Tendencia Suavización Exponencial con Estacionalidad de Largo L y tendencia: D t At (1 ) ( At 1 Tt 1) 0 1 Rt L D t Rt (1 ) R tl 0 1 At T ( A A ) (1 ) T 0 1 t t t 1 t1 F ( A T ) / R t1 t t tl1
45 Demanda Métodos Cuantitativos - Análisis de Series de Tiempo Suavización Exponencial, con Estacionalidad y Tendencia = 0,30 = 0,20 = 0,50 L= 6,00 Dda Tiempo Observad a A t T t R t F t ,6 12,6 1,0 2 12,6 12,6-0,0 1,0 3 10,9 10,9-0,3 1,0 4 10,9 10,9-0,3 1,0 5 11,4 11,4-0,1 1,0 6 11,5 11,5-0,1 1,0 7 13,7 12,1 0,1 1,1 11,4 8 14,0 12,7 0,2 1,0 12,2 9 11,8 12,5 0,1 1,0 12, ,9 12,4 0,1 1,0 12, ,0 12,3 0,0 1,0 12, ,8 12,2-0,0 1,0 12, ,3 12,5 0,1 1,1 13, ,1 12,8 0,1 1,1 13, ,1 12,8 0,1 1,0 12, ,1 12,7 0,1 1,0 12, ,6 12,8 0,1 1,0 12, ,5 12,8 0,0 1,0 12, ,8 13,0 0,1 1,1 14, ,7 13,3 0,1 1,1 14, ,2 13,5 0,1 1,0 12, ,4 13,7 0,2 1,0 13, ,4 13,8 0,1 1,0 13, ,6 13,9 0,1 1,0 13,7 16,0 15,0 14,0 13,0 12,0 11,0 10, Tiempo Dda Observada Ft+1
46 Métodos Cuantitativos: Análisis de Series de Tiempo Análisis de Regresión Lineal Relación Funcional entre dos o más variables correlacionadas. Se pronostica una variable en base a la otra. Se realiza a partir de datos observados. Se grafican los datos Y a b X Y = Variable Dependiente = Secante = Pendiente a bx = Variable Independiente (En este caso el tiempo)
47 Métodos Cuantitativos: Análisis de Series de Tiempo Análisis de Regresión Lineal Útil para el pronóstico a largo plazo de eventos importantes, así como la planeación agregada. Supone que los datos del pasado, y los pronósticos futuros caen sobre una recta. Pueden usarse periodos más cortos. Se utiliza tanto para Análisis de Series de Tiempo como para Relaciones Causales, en cuyo caso una variable es dependiente de la otra.
48 Métodos Cuantitativos: Análisis de Series de Tiempo Análisis de Regresión Lineal 188 Sales Week Sales Sales Regression
49 Métodos Cuantitativos: Análisis de Series de Tiempo Series de Tiempo Shiskin Puede definirse una serie temporal como datos ordenados en forma cronológica que pueden tener uno o más componentes de la demanda: Tendencia Estacional Cíclico Autocorrelación Aleatorio Aditiva Multiplicativa La descomposición de una serie temporal significa identificar y separar los datos de la serie temporal en estos componentes.
50 Métodos Cuantitativos: Análisis de Series de Tiempo Series de Tiempo Shiskin Es fácil identificar la tendencia y el componente estacional. Es más difícil identificar los componentes de los ciclos, la autocorrelación y el aleatorio. Cuando se tienen efectos estacionales y de tendencia al mismo tiempo, pueden relacionarse: Variación Estacional Aditiva -> Cantidad estacional es una constante Variación Estacional Multiplicativa -> La tendencia se multiplica por los factores estacionales -> Es más común la multiplicativa.
51 Métodos Cuantitativos: Análisis de Series de Tiempo Series de Tiempo Shiskin
52 Métodos Cuantitativos: Análisis de Series de Tiempo Proyecciones de Tendencia Ajusta una recta matemática de tendencias a los puntos de datos y las proyecta en el futuro Tendencia Líneal Tendencia de curva S 2 1,9 1,8 1,7 1,6 1,5 1,4 1,3 1,2 1,1 1 0,9 0,8 0,7 0, ,9 1,8 1,7 1,6 1,5 1,4 1,3 1,2 1,1 1 0,9 0,8 0,7 0, Tendencia asintótica Tendencia exponencial 2 1,9 1,8 1,7 1,6 1,5 1,4 1,3 1,2 1,1 1 0,9 0,8 0,7 0, ,9 1,8 1,7 1,6 1,5 1,4 1,3 1,2 1,1 1 0,9 0,8 0,7 0,
53 Métodos Cuantitativos: Relaciones Causales Tratar de entender el sistema subyacente y que rodea al elemento que se va a pronosticar La gracia es que una variable independiente sea un indicador guía Ej.: La lluvia para la venta de paraguas Relación causal -> Una ocurrencia causa la otra Es de gran importancia encontrar las ocurrencias que realmente son la causa
54 Métodos Cuantitativos: Relaciones Causales Varios modelos: Análisis de Regresión Múltiple Modelos Econométricos Modelos de Entrada/Salida Principales Indicadores
55 Métodos Cuantitativos: Relaciones Causales Análisis de Regresión Múltiple Similar al análisis de regresión en series de tiempo pero con diversas variables Ej.: Mobiliario doméstico en función de número de matrimonios, construcción de viviendas, ingreso disponible y tendencias: S B B m ( M ) B ( H ) B ( I) B ( T ) h i t S B M H I T = Ventas Brutas Anuales = Ventas de Base (a partir de otros factores que ejercen influencia) = Matrimonios durante el año = Construcción de viviendas durante el año = Ingreso personal disponible anual = Tendencia temporal
56 Métodos Cuantitativos: Relaciones Causales Análisis de Regresión Múltiple Es conveniente hacer un pronóstico con regresión múltiple cuando varios factores influyen en la variable de interés Su dificultad radica en: Encontrar las verdaderas fuentes de causa Ver la independencia de las fuentes Cálculos matemáticos
57 Métodos Cuantitativos: Relaciones Causales Análisis de Regresión Múltiple Demanda Estilo i Estacionalidad Subclase Efecto Promoción Elasticidad Precio Estilo i D ( t, P, I) i K i K( t) K prom exp( i)(1 P P Inicial ) max(0,1 I I c ) Magnitud Ventas Estilo i Elasticidad Precio Subclase Elasticidad Inventario Subclase t = Tiempo (Semana) P = Precio P Inicial = Precio Inicial (salida) I = Inventario I c = Inventario Crítico
58 Métodos Cuantitativos: Relaciones Causales Modelos Econométricos Intentos por describir algún sector de la economía mediante ecuaciones interdependientes Pero Hay que pensar como economista: o sea; oferta, costos de oportunidad, elasticidad, excedente de los consumidores, demanda, ventaja comparativa, etc.
59 Métodos Cuantitativos: Relaciones Causales Modelos de Entrada/Salida Se enfoca en ventas de otras industrias Indica los cambios en las ventas que una industria productora puede esperar debido a los cambios en las compras por parte de la otra
60 Métodos Cuantitativos: Relaciones Causales Principales Indicadores Estadísticas que se mueven en la misma dirección que la serie a pronosticar, pero antes que ésta Ej: Un incremento en el precio de la gasolina indica una baja futura en la venta de autos grandes
61 Métodos Cuantitativos: Modelos de Simulación Modelos dinámicos Permiten hacer suposiciones acerca de las variables internas y el ambiente externo del modelo Qué pasaría si suben los precios? Análisis de Sensibilidad
62 Modelos de Simulación: Pronóstico Enfocado Creación de Bernard Smith, quien lo usa para manejo de inventarios de bienes terminados. Smith dice que los enfoques estadísticos no dan los mejores resultados Afirma que son mejores las técnicas simples El pronóstico enfocado prueba varias reglas y las simula sobre datos del pasado
63 Modelos de Simulación: Pronóstico Enfocado Ejemplos de reglas: Lo que se haya vendido en los últimos tres meses, probablemente es lo que se venderá en los meses siguientes Lo que se vendió en el mismo trimestre del año pasado, se venderá también en este periodo El cambio porcentual de los últimos tres meses de este año será el mismo que se obtendrá en los tres meses siguientes Las reglas de pronóstico no son rígidas Si una regla funciona, se agrega, si no, se suprime Luego se simula por computadora con datos históricos Lo que mejor pronostique el pasado, se usa para el futuro
64 Errores de Pronóstico Se refiere a la diferencia entre el valor de pronóstico y lo que ocurrió en realidad. Nos sirven para ver en qué momento el pronóstico falla o los datos no sirven MAD 1 n t D t F t 1MAD 0.8 desv. estandard 1des.estandard 1.25 MAD Se utiliza por su simplicidad.
65 Errores de Pronóstico El valor ideal de MAD es cero (ie, no existe error de pronósticos). Mientras mas grande MAD, menor la precisión del modelo. MAD se usa para: Comparar distintos modelos de pronósticos. Elegir el mejor modelo dentro de una familia de modelos Si Ft - Dt > 3,75 x MADt (tres desviaciones estándar), entonces existen sospechas de VALOR EXTREMO.
66 Errores de Pronóstico Señal de Rastreo: T suma acumulada de la desviación del MAD pronóstico Si T [-6,6] (confiabilidad menor al 97%), entonces debe revisarse el modelo ya que está sesgado.
67 Demanda Errores de Pronóstico: Señal de Rastreo 16,0 16,0 15,0 14,0 13,0 12,0 11,0 10,0 8,0 6,0 4,0 2,0 0,0-2,0-4,0-6,0-8, Tiempo Dda Observada Ft TS TS 6 TS -6 MAD 0,7 MAD 1,0 Demanda 15,0 14,0 13,0 12,0 11,0 10, ,0 Tiempo 6,0 Dda Observada Ft+1 4,0 2,0 0,0-2, ,0-6,0-8,0 TS TS 6 TS -6
68 Errores de Pronóstico: Señal de Rastreo 16,0 16,0 15,0 15,0 14,0 14,0 Demanda 13,0 Demanda 13,0 12,0 12,0 11,0 11,0 10,0 8,0 6,0 4,0 2,0 0,0-2,0-4,0-6,0-8, Tiempo Dda Observada Suavización Exponencial Factor 0, TS TS 6 TS -6 α=0.3 10, ,0 Tiempo 6,0 4,0 Dda Observada Suavización Exponencial Factor 0,08 2,0 0,0-2, ,0-6,0-8,0 TS TS 6 TS -6 α=0.08
69 Errores de Pronóstico: Señal de Rastreo 16,0 16,0 15,0 15,0 14,0 14,0 Demanda 13,0 Demanda 13,0 12,0 12,0 11,0 11,0 10, , ,0 Tiempo 8,0 Tiempo 6,0 Dda Observada Suavización Exponencial Factor 1 6,0 Dda Observada Suavización Exponencial Factor 0 4,0 4,0 2,0 2,0 0,0-2, ,0-2, ,0-4,0-6,0-6,0-8,0 TS TS 6 TS -6-8,0 TS TS 6 TS -6 α=1 MAD 0,7 α=0 MAD 1
70 Errores de Pronóstico MAD pronosticada: MAD t F t D t ( 1) MADt 1
71 Pronósticos Bajo Incertidumbre En muchos casos no es una buena idea resumir en un número nuestras predicciones futuras sobre el comportamiento de la demanda. O, depender demasiado de la información histórica. Ciclos de venta muy cortos. Demanda altamente estocástica. Rápidos cambios tecnológicos y de modas. Ejemplos: ropa de moda, juguetes, juegos computacionales, música, libros, artículos electrónicos
72 Pronósticos Bajo Incertidumbre En estos casos puede ser mejor modelar la demanda como una variable aleatoria (o proceso estocástico) y usar pronósticos para definir su distribución de probabilidades. Uno de los ejemplos más populares es suponer que la demanda está Normalmente distribuida con media y desviación estándar s.
73 Pronósticos Bajo Incertidumbre Supongamos que tenemos N observaciones de la demanda {xi: i=1,,n}. Como podemos estimar y s? , 1, 2 2 ln 2, ln max ),, (, max Verosimilitud Metodo de Maxima s s s s s s s n i i n i i x n ) V(μ x ) V(μ n i V i V n i i V x n x n s
74 Conclusiones No es fácil desarrollar un sistema de pronóstico Es fundamental para cualquier esfuerzo de planeación En corto plazo: Predecir necesidades de materiales, productos, servicios u otros recursos En largo plazo: Base para los cambios estratégicos, como el desarrollo de mercados nuevos, creación de productos, ampliar instalaciones
75 Conclusiones Para los pronósticos de largo plazo son provechosos los métodos causales Para los de corto y mediano plazo, los modelos simples, como la suavización exponencial, pueden ser satisfactorios La filosofía ideal es crear el mejor pronóstico que sea posible y protegerse manteniendo la flexibilidad del sistema para tener en cuenta inevitables errores de pronóstico
76 Palabras Clave Demanda Dependiente Demanda Independiente Análisis de Series de Tiempo Suavización Exponencial MAD y Señal de Rastreo Regresión Lineal para proyección Modelo Causal
CAPÍTULO VI PRONÓSTICO DE OPERACIONES. ADMINISTRACIÓN DE LA PRODUCCIÓN Enfoque Estratégico de la Calidad
CAPÍTULO VI PRONÓSTICO DE OPERACIONES ADMINISTRACIÓN DE LA PRODUCCIÓN LOS PRONÓSTICOS Y EL CICLO OPERATIVO OPERACIONES PRONÓSTICO LOGISTICO PRONÓSTICO OPERACIONES/TECNOLOGICO PRONÓSTICO LABORAL FINANZAS
Más detallesII. PRESUPUESTO DE VENTAS Y COBRANZA
II. PRESUPUESTO DE VENTAS Y COBRANZA Objetivo de la unidad: El alumno determinará el presupuesto de ventas y cobranza, a través de técnicas de pronóstico de ventas, para integrar los ingresos y la cobranza
Más detallesTÉCNICAS DE PROYECCIÓN DE MERCADO FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INGENIERÍA
TÉCNICAS DE PROYECCIÓN DE MERCADO FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INGENIERÍA ÁMBITO DE LA PROYECCIÓN TÉCNICAS DE PROYECCIÓN DE MERCADO Ámbito de la proyección Situación presente Situación proyectada
Más detallesPresupuesto de Ventas
Unidad Temática 03: Presupuesto de Ventas MSc. Pedro Bejarano V. Contenido Planificación de las Ventas y Presupuesto Métodos de Cálculo para presupuestar las Ventas: Consideraciones sobre el Cálculo del
Más detallesDefinición de Capacidad. Planeación Estratégica de la Capacidad. Capacidad. Horizonte de Planeación. Mediciones de Capacidad
Definición de 2 Planeación Estratégica de la El más alto nivel de producción que una compañía puede sostener razonablemente, con horarios realistas para su personal y con el equipo que posee. Administración
Más detallesImportancia de la Logística
Importancia de la Logística Viene dada por la necesidad de mejorar el servicio a un cliente, mejorando la fase de mercadeo y transporte al menor costo posible Distribución de Costos en la Industria Manufacturera
Más detallesINGENIERÍA EN LOGÍSTICA INTERNACIONAL EN COMPETENCIAS PROFESIONALES
INGENIERÍA EN LOGÍSTICA INTERNACIONAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ADMINISTRACIÓN DE VENTAS UNIDADES DE APRENDIZAJE 1. Competencias Dirigir proyectos de negocios y de actividades logísticas
Más detallesESCUELA DE INGENIERIA Ingeniería De Producción
ESCUELA DE INGENIERIA Ingeniería De Producción ASIGNATURA PLANEACIÓN DE LA PRODUCCIÓN CODIGO IP0280 SEMESTRE 2016-2 INTENSIDAD 48 horas semestral HORARIA CARACTERÍSTICAS Suficientable CRÉDITOS 3 1. JUSTIFICACIÓN
Más detallesEstudio de benchmarking logístico internacional para frutas y hortalizas
Anexo i) Términos de Referencia Estudio de benchmarking logístico internacional para frutas y hortalizas México, D.F., Septiembre del 2010. Términos de Referencia para el Estudio de benchmarking logístico
Más detallesMÉTODOS CUALITATIVOS Y CUANTITATIVOS. Mtra. Verónica Bolaños
MÉTODOS CUALITATIVOS Y CUANTITATIVOS Componentes del plan de ventas Objetivos
Más detallesIngeniería en tecnologías de la Información. Tópicos selectos de TI. Cadena de valor. Valencia Patricio Uriel Mosqueda González Rafael
C A R R E R A Ingeniería en tecnologías de la Información M A T E R I A Tópicos selectos de TI T E M A Cadena de valor P R E S E N T A Valencia Patricio Uriel Mosqueda González Rafael P R O F E S O R Lic.
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesMANA 705 DL Sistema Universitario Ana G. Méndez, Derechos Reservados. 1
MANA 705 DL - Taller Siete Tópico: Pronóstico y Gerencia de Inventario Diapositiva 1 Bienvenidos a la presentación del Taller Siete: Pronóstico y gerencia de inventario. Diapositiva 2 Al finalizar esta
Más detallesUNIDAD ACADÉMICA PROFESIONAL TIANGUISTENCO PROGRAMA DE ESTUDIOS: LICENCIATURA DE INGENIERO EN PRODUCCIÓN INDUSTRIAL
UNIDAD ACADÉMICA PROFESIONAL TIANGUISTENCO PROGRAMA DE ESTUDIOS: LICENCIATURA DE INGENIERO EN PRODUCCIÓN INDUSTRIAL UNIDAD DE APRENDIZAJE: ADMINISTRACIÓN DE LA PRODUCCIÓN Créditos institucionales de la
Más detallesUNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN
UNIDAD II PLANEACIÓN AGREGADA DE LA PRODUCCIÓN Curso: Administración de Operaciones III OBJETIVOS Cuando haya completado esta unidad, debe ser capaz de identificar y definir: Planeación agregada Propósito
Más detallesTema 3: Planificación de los Recursos Humanos
Tema 3: Planificación de los Recursos Humanos 1. Concepto, naturaleza e importancia de la planificación de los recursos humanos En términos generales, la planificación de los recursos humanos se puede
Más detallesFacultad de Administración Administración en logística y producción. Miércoles y Viernes 7 a 9 a.m. Justificación
Facultad Facultad de Administración Programa Administración en logística y producción Asignatura Logística Interna Código 84210002 Tipo de Saber Básica Complementaria Formación Integral Tipo de asignatura
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesIntroducción. Módulo de COSTOS LOGÍSTICOS MAURICIO MONCADA FERNANDEZ
Introducción Módulo de COSTOS LOGÍSTICOS MAURICIO MONCADA FERNANDEZ Contenido del módulo 1. Introducción 2. Clasificación tradicional de los costos Sistemas de Costos Costos indirectos de fabricación Estados
Más detallesEL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
Más detallesTécnicas de Planeación y Control
Técnicas de Planeación y Control 1 Sesión No. 5 Nombre: Métodos cuantitativos de pronóstico Contextualización Como vimos en la sesión anterior, el enfoque cualitativo nos sirve para efectuar pronósticos
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesContenido. Horizontes temporales de la previsión La influencia del ciclo de vida del producto
Previsión Contenido Qué es la previsión? Horizontes temporales de la previsión La influencia del ciclo de vida del producto Tipos de previsiones La importancia estratégica de la previsión Recursos humanos
Más detallesUNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA
UNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA I. DATOS INFORMATIVOS 1.1 Asignatura : Estadística para el Comunicador Social 1.2 Código : 1001-1023 1.3 Pre-requisito
Más detallesGUIA PARA LA PREPARACION Y EVALUACION DE PROYECTOS DE INVERSION
GUIA PARA LA PREPARACION Y EVALUACION DE PROYECTOS DE INVERSION 1. ANTECEDENTES DEL PROYECTO Políticas, planes de desarrollo y estrategias de la empresa Desarrollo histórico del proyecto u otros afines
Más detallesTema 5: Planteamiento de los modelos de series temporales. Coro Chasco Yrigoyen Universidad Autónoma de Madrid (UAM) Asignatura: Econometría II
Tema 5: Planteamiento de los modelos de series temporales Coro Chasco Yrigoyen Universidad Autónoma de Madrid (UAM) Asignatura: Econometría II 1 Parte II. Modelos univariantes de series temporales Tema
Más detallesFUNDAMENTOS PARA LOGRAR UNA PLANIFICACIÓN DE DEMANDA MÁS PRECISA.
FUNDAMENTOS PARA LOGRAR UNA PLANIFICACIÓN DE DEMANDA MÁS PRECISA. The SmartPaper Series Lograr un mayor rendimiento de una cadena de suministro y sus capacidades a través una planificación de demanda con
Más detallesGestión de Inventarios. Introducción
Gestión de Inventarios Introducción Stocks, existencias, inventarios Se entiende por stock a un conjunto de artículos que se tienen almacenados para su venta o utilización posterior La gestión de stocks
Más detallesCOMPETENCIAS ASOCIADAS AL GRADO EN ECONOMÍA DE LA UNIVERSIDAD EUROPEA
COMPETENCIAS ASOCIADAS AL GRADO EN ECONOMÍA DE LA UNIVERSIDAD EUROPEA COMPETENCIAS GENERALES BÁSICAS: Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesPROGRAMA DE CERTIFICACIÓN DE GESTIÓN EN ABASTECIMIENTO, ALMACENES Y DISTRIBUCIÓN
PROGRAMA DE CERTIFICACIÓN DE GESTIÓN EN ABASTECIMIENTO, ALMACENES Y DISTRIBUCIÓN TEMARIO 1. Ofimática aplicada a la gestión Microsoft Word Básico Ingreso y Edición de Textos. Formato básico. Numeración
Más detallesMARKETING ESTRATÉGICO
MARKETING ESTRATÉGICO Objetivos MÓDULO INTRODUCCIÓN AL MARKETING Adquirir los conocimientos necesarios para comprender y aplicar los determinantes del marketing. Adquirir una visión amplia de las diversas
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Más detallesde Operaciones Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación Profesor: I.S.C. Guadalupe Hernández Coca
Área Académica: Sistemas Computacionales Tema: Tipos de Modelos en Investigación de Operaciones Profesor: I.S.C. Guadalupe Hernández Coca Periodo: Julio Diciembre 2011 Keywords: investigation of operations,
Más detallesE S T A D Í S T I C A
Tema 1. Estadística Todos los días haces acopio de datos e información de distintas fuentes con el fin de tomar decisiones, revisas en internet el reporte meteorológico y así decidir que ropa vas a usar,
Más detallesMÓDULO: MÉTODOS CUANTITATIVOS
MÓDULO: MÉTODOS CUANTITATIVOS 1.- Nombre del módulo y las asignaturas: Métodos Cuantitativos Econometría Avanzada Econometría Financiera 2.-Número de créditos ECTS: Econometría Avanzada: 6 ECTS. Econometría
Más detallesPrograma de Formación Lean Supply Chain Management
El Lenguaje Global de los Negocios Programa de Formación Lean Supply Chain Management 2017 El programa Lean Supply Chain Management ha sido diseñado para estudiar, analizar y aplicar el proceso de mejora
Más detallesPlanificación de las ventas Componentes del Plan de Ventas Presupuesto de Ventas Objetivos del presupuesto Preparación del presupuesto
Unidad Temática 03: Presupuesto de Ventas: Planificación y Ppto. Métodos de Cálculo Consideraciones i sobre el precio MSc. Pedro Bejarano V. PRESUPUESTOS EMPRESARIALES 1 Planificación de las Ventas Importancia
Más detallesEVALUACIÓN DE DESEMPEÑO AMBIENTAL (EDA)
EVALUACIÓN DE DESEMPEÑO AMBIENTAL (EDA) NORMA TÉCNICA COLOMBIANA NTC-ISO 14031 Dr. Jhoniers Guerrero Profesor Titular Universidad Tecnológica de Pereira OBJETO EVALUACIÒN DE DESEMPEÑO AMBIENTAL: Es una
Más detallesÍNDICE DE CONTENIDOS
ÍNDICE DE CONTENIDOS Contenido INTRODUCCIÓN... 1 OBJETIVOS... 1 1. Estudio del Entorno.... 4 1.1.1 Visión.... 4 1.1.2 Misión.... 4 1.1.3 Estructura Organizacional.... 4 1.2.1 El producto: Descripción Global...
Más detalles2. Economia: Estudio del modo en que la sociedad gestiona sus recursos escasos.
CONCEPTOS, PRINCIPIOS DE ECONOMIA 1. Escasez: Carácter limitado de los recursos de la sociedad 2. Economia: Estudio del modo en que la sociedad gestiona sus recursos escasos. 3. Eficiencia: Propiedad según
Más detalles2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual
Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas
Más detallesINTRODUCCION A LA ECONOMIA (IN 2201)
Departamento de Ingeniería Industrial INTRODUCCION A LA ECONOMIA (IN 2201) Clase: Martes 31 de Marzo 2009 Profesora: Pilar Romaguera Profesor Auxiliar Coordinador: Carolina Méndez Semestre: Otoño 2009
Más detalles5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesINDICE 1. Introducción a la Contabilidad de Costos y la Administración de Costos Parte 1. Conceptos Básicos de la Administración de Costos
INDICE 1. Introducción a la Contabilidad de Costos y la Administración de 1 Costos Contabilidad financiera, Administración y de Costos 2 Evolución de la contabilidad 3 Primeros sistemas de contabilidad
Más detallesI. Tareas de Preparación
1 I. Tareas de Preparación Diseño de Investigación Descriptiva con Enfoque Cuantitativo 2 Tareas de preparación Conversaciones con tomadores de decisión Entrevista con expertos Recopilación y análisis
Más detallesProblemas. 1.- Se muestran en seguida las tasas de interés para 12 meses consecutivos de Bonos corporativos triple A.
Problemas. 1.- Se muestran en seguida las tasas de interés para 12 meses consecutivos de Bonos corporativos triple A. 9.5, 9.3, 9.4, 9.6, 9.8, 9.7, 9.8, 10.5, 9.9, 9.7, 9.6, 9.6 a) Elabore promedios móviles
Más detallesCÓMO ADMINISTRAR EL FLUJO DE CAJA DE LA EMPRESA?
CÓMO ADMINISTRAR EL FLUJO DE CAJA DE LA EMPRESA? CONOZCAMONOS Saludo, bienvenida, presentación del facilitador y los asistentes OBJETIVOS Al finalizar la asesoría grupal, usted estará en capacidad de:
Más detallesLA ELASTICIDAD Y SUS APLICACIONES CONTENIDO
CONTENIDO 4.1 La elasticidad de la demanda 4.2 La elasticidad precio de la demanda y el ingreso total 4.3 Otras elasticidades de la demanda 4.4 La elasticidad de la oferta El análisis de la realidad nos
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso
Más detallesImportancia de la tecnología
Importancia de la tecnología Por qué es tan importante la tecnología? Reingeniería de procesos Eficiencia y efectividad Herramienta competitiva y de cambio Modernización Realidad de la industria financiera
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesEstablecimiento de un Plan de Negocios para un agronegocio ganadero
Establecimiento de un Plan de Negocios para un agronegocio ganadero Enrique Montenegro Hidalgo Escuela de Economía Agrícola y Agronegocios Universidad de Costa Rica Peso de Agronegocios en la Economía
Más detallesPRONOSTICOS DE VENTA
TEMA No. 5 PRONOSTICOS DE VENTA 1.- INTRODUCCION LECTURA CASO: HENREDON/FABRICA DE MUEBLES PARA EL HOGAR Identifique cómo los PRONOSTICOS PRECISOS permitieron el incremento de los pedidos en un 3%, a pesar
Más detallesPLANIFICACION Y CONTROL DE LA PRODUCCION I: PROFESOR: ARIEL LINARTE
PLANIFICACION Y CONTROL DE LA PRODUCCION I: PROFESOR: ARIEL LINARTE PRONOSTICOS DE DEMANDA Objetivos: Aplicar los elementos prácticos de la proyección de la demanda, tales como el método de los mínimos
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesEvaluación de Proyectos. Ayudantía N º 2. Profesor: Marco Mosca Ayudante: Andrés Jara
Evaluación de Proyectos Ayudantía N º 2 Profesor: Marco Mosca Ayudante: Andrés Jara Preguntas y Problemas 1.- Que factores afectan el precio de la demanda? Analice los efectos de cada factor a) Ingreso
Más detallesEn este capítulo estudiaremos:
0 TEMA 6 Los consumidores, los productores y la eficiencia del mercado 1 En este capítulo estudiaremos: Qué es el excedente del consumidor? Cuál es su relación con la curva de demanda? Qué es el excente
Más detallesLA IMPORTANCIA DEL PRESUPUESTO FINANCIERO AL INICAR UN PLAN DE NEGOCIOS
LA IMPORTANCIA DEL PRESUPUESTO FINANCIERO AL INICAR UN PLAN DE NEGOCIOS Es muy común escuchar decir o hablar del presupuesto y las finanzas de la empresa, es por ello que en el presente documento definiremos
Más detallesTABLA DE CONTENIDO. Dedicatoria III Agradecimiento III Prologo V -VI Prefacio I VII - VIII Prefacio II IX Contenido XI - XX Introducción XXII
TABLA DE CONTENIDO Dedicatoria III Agradecimiento III Prologo V -VI Prefacio I VII - VIII Prefacio II IX Contenido XI - XX Introducción XXII Capitulo 1. Gerencia de la cadena de abastecimientos 23 1.1
Más detallesEstrategias a nivel funcional
Estrategias a nivel funcional Finalidad de dar a la empresa una mayor: Eficiencia Calidad Innovación Capacidad de respuesta al cliente Esto conlleva a una ventaja competitiva para un mayor crecimiento
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detallesPLANEACIÓN AGREGADA VARIABLES Y CONSIDERACIONES DE UN PLAN AGREGADO
PLANEACIÓN AGREGADA -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesCONTENIDO PREFACIO... MERCADO Y PROBLEMAS FUNDAMENTA- LES... 1
CONTENIDO PREFACIO... CAPÍTULO 1. LA ECONOMÍA: CONCEPTOS Y PROBLEMAS FUNDAMENTA- LES... 1 1.1. PLANTEAMIENTO DEL CAPÍTULO... 1 1.2. OBJETIVOS DOCENTES... 1 1.3. EXPLICACIÓN DEL CONTENIDO... 1 1.3.1. Introducción...
Más detallesExcelencia en logística: Diferenciación para un desempeño superior
Excelencia en logística: Diferenciación para un desempeño superior Estudio ELA/A.T. Kearney Abril 2005 ELA y A.T. Kearney han analizado conjuntamente el nivel de excelencia de la cadena de suministro europea
Más detallesLogística. Cómo redefinir las operaciones a partir de un enfoque orientado al cliente?
Logística Cómo redefinir las operaciones a partir de un enfoque orientado al cliente? La Estrategia Tradicional Estandarización de los Servicios Logísticos Maximización de la Eficiencia Operativa Reducción
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN CONTADURÍA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN CONTADURÍA Área de formación: Disciplinaria. Unidad académica: Presupuestos. Ubicación: Séptimo Semestre. Clave: Total de horas: 5 Horas teóricas: 3 Horas
Más detallesMetodologías Para La Estimación de Ingresos Corrientes del Sector Público. Lic. Edgar Morales
Metodologías Para La Estimación de Ingresos Corrientes del Sector Público Lic. Edgar Morales Ingresos Fiscales Los ingresos fiscales son los que percibe el sector público para hacer frente a los gastos
Más detallesGestión de la Calidad y Sistemas Integrados
ESPECIALISTA UNIT EN LOGÍSTICA EMPRESARIAL E INTERNACIONAL OBJETIVOS Y CONTENIDO TEMÁTICOS Gestión de la Calidad y Sistemas Integrados Presentar la gestión de la calidad como parte de los sistemas integrados
Más detallesELEMENTOS DE LA CARTERA EN BASE A INSTRUMENTOS INTERNACIONALES. Herrera Flores David Eduardo Delgadillo Hernández Stefani
ELEMENTOS DE LA CARTERA EN BASE A INSTRUMENTOS INTERNACIONALES Herrera Flores David Eduardo Delgadillo Hernández Stefani Es la probabilidad de perder todo o parte de lo que estamos invirtiendo. Rendimiento
Más detallesComplejidad de los Algoritmos
Que es un Algoritmo? Complejidad de los Algoritmos Webster: cualquier método especial para resolver cierta clase de problemas. Horowitz: método preciso utilizable en una computadora para la solución de
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesLos Métodos de Valoración Indirecta (Costo De Viaje)
Los Métodos de Valoración Indirecta (Costo De Viaje) Método de Valoración de Bienes que no tienen un mercado definido. No existe información sobre precios ni demanda. La valoración se realiza por método
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesAuditoría de la Cadena de Abastecimiento
Auditoría de la Cadena de Abastecimiento Facilitador: Dr. Luis Diego Bolaños, IS, MBA, MII 1 Principios Seminario/Taller Auditoría de la 1. La comprensión de la estructura y los flujos generales del proceso,
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesMARIA. -Plan de Estudios- Doctorado en Marketing
MARIA -Plan de Estudios- en Marketing CONTENIDOS 1) Presentación 5) Objetivos 2) Requisitos 6) Cursos Obligatorios 3) Plan de Estudios / Duración 7) Cursos Sugeridos 4) Tabla de Créditos 1) Presentación
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesAnálisis FODA
Análisis FODA http://www.businessballs.com/swotanalysisfreetemplate.htm El análisis FODA es una herramienta muy útil para comprender todo tipo de situaciones y tomar decisiones en empresas y organizaciones.
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesGestión y Optimización de Inventarios de Repuestos
Entrenamiento y Capacitación Gestión y Optimización de Inventarios de Repuestos Programa de Formación Continua www.aktiv.com.co PRESENTACIÓN En toda empresa industrial, la decisión de incluir inventarios
Más detallesEspecialización en Diseño y Gerencia de Producto para la Exportación
Plan de Estudios Especialización en Diseño y Gerencia de Producto para la Exportación Módulo I Investigación de Mercados y producto: La investigación de mercados es una herramienta que permite entender
Más detallesT4. Modelos con variables cualitativas
T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesEl papel del puerto en la cadena de suministro
El papel del puerto en la cadena de suministro XXXVII REPICA - Ciudad de Panamá, 17 junio de 2015 Eduardo E. Lugo T. Presidente Maritime &Logistics Consulting Group, S.A. Decano Facultad Logística, Marítima
Más detallesPor qué un director de logística en las pymes? Facilitador Henry Helí González G.
Por qué un director de logística en las pymes? Facilitador Henry Helí González G. Una profesión compleja con múltiples procesos a cargo. Algunas de estas frases le son comunes?... No llegó la mercancía
Más detallesEl mercado se clasifica:
TEMA: TIPOS DE MERCADO OBJETIVO DE LA ACTIVIDAD: Identificar los diferentes tipos de mercado tanto local como globalmente. El mercado se clasifica: DESDE EL PUNTO DE VISTA GEOGRAFICO: EL TIPO DE CLIENTE
Más detallesDiplomado Administración Ganadera
Diplomado Administración Ganadera Duración 96 horas Objetivo general: Sin lugar a dudas, es la producción pecuaria, como parte del sector primario, uno de las actividades que tienen mayor impacto en el
Más detallesCUESTIONARIO DE EMPRENDIMIENTO
CUESTIONARIO DE EMPRENDIMIENTO 1. Indique cuales son las clases de emprendedores y hable de cada uno de ellos. Emprendimiento social. Es satisfacer las necesidades de la sociedad. Emprendimiento empresarial.
Más detallesTécnicas de Planeación y Control
Técnicas de Planeación y Control 1 Sesión No. 3 Nombre: Pronóstico de la demanda Contextualización El realizar un pronóstico de la demanda es una de las funciones vitales en la comercialización de un producto
Más detallesPROYECTOS II. Ms. C. Marco Vinicio Rodríguez
PROYECTOS II Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com Costo de un Proyecto El presupuesto del proyecto es un estimado proyectado de los costos del proyecto.
Más detallesCADENA DE SUMINISTRO. Integrantes: Lic. Villalobos Marcos. Lic. Ángel Aldana
CADENA DE SUMINISTRO Integrantes: Lic. Villalobos Marcos Cabimas, noviembre de 2015 CADENA DE SUMINISTRO El Global Supply Chain Forum de Ohio State University definió la Cadena de Suministro como La Integración
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesDirección de Recursos Humanos
Dirección de Recursos Humanos Duración: 45.00 horas Descripción Este curso de Dirección de Recursos Humanos profundiza en los aspectos relacionados con la estrategia empresarial de Recursos Humanos en
Más detalles