Administración de Operaciones (5ta edición) Conceptos y casos contemporáneos

Administración de operaciones

Libro de texto: Administración de Operaciones (5ta edición) Conceptos y casos contemporáneos

Roger schroeder, Susan Meyer,  goldstein, Johnny Rungtusanatham

Mc graw hilll

Software:QSB

Windows XP

Políticas de evaluación:

(N° total de casos/11) x 100

Caso final:

Ppt, resumen del caso y solución de preguntas 40 min en total de exposicion 20 ppt y 20 preguntas

Se entrega ppt y un engargolado

La entrega de cada tarea es en papel

Tarea:

Resolver el caso FHE inc.

Pags: 419 a 421

Contestar las preguntas de analisis

Hay que leer capítulos 1, 2 y 3 para contestar el caso

Leer el caso Merriwell bag company

Proximo jueves 16 de mayo

Leer caso, prepararlo y ver temas en clase  y terminarlo en casa

Aprox 10 casos y uno en equipo al final  ese vale el doble

Casos: Merriwell Bag Company

CAPITULO 11. Pronóstico por series de tiempo¨

Pronósticos por series de tiempo

Los métodos por series de tiempo se utilizan para hacer análisis detallado de los patrones de demanda del pasado a lo largo del tiempo y para proyectar estos patrones para el futuro.

 Una de las suposiciones básica de todos los métodos por series de tiempo, es que la demanda se puede dividir en componentes como nivel promedio, tendencia, estacionalidad, ciclos y error aleatorio, identificando la magnitud y forma de estos componentes, basándonos en datos disponibles del pasado.

Tendencia: Componente de largo plazo que representa el crecimiento o disminución en la serie de tiempo sobre un período amplio.

Influyen en la tendencia los siguientes factores:

• Crecimiento de la población
• Inflación
• Cambio Tecnológico
• Incrementos en productividad

Estacionalidad: Patrón de cambio que se repite a sí mismo año con año.

Ciclos: Fluctuación en forma de onda alrededor de la tendencia afectada regularmente por las condiciones económicas generales.

Componente aleatorio: Mide la variabilidad de las series de tiempo si se retiran los componentes de tendencia, estacionalidad y cíclico.

Ejemplo:

• Huelgas
• Cambios de clima
• Elecciones
• Conflictos armados
• Aprobación de asuntos legislativos.

Gráficamente:

Promedio móvil

Cuando se utiliza el promedio móvil se selecciona un numero dado de periodos N para los cálculos. Después se calcula la demanda promedio A+ para los N períodos del pasado al momento T, con la fórmula:

[pic 1]

El pronóstico para el período t+1 es

Ft+1=At

Se emplea en series de tiempo que sólo tengan un componente de nivel y un componente aleatorio.

No existen patrones de estacionalidad, tendencias ni componentes cíclicos en datos de la demanda.

Notación:

Demandas observadas    Pronósticos para el periodo

[pic 2]

Periodo                                             Tiempo Presente

Dt: Demanda durante el periodo t

Ft+1: demanda pronosticada para el periodo T+1

Et: D+-Ft: Error de pronóstico en el período t

At: Promedio calculado en el período t

Ciclo

[pic 3][pic 4][pic 5]

Patron de estacionalidad

[pic 6]

Demanda

Tendencia

Promedio

[pic 7]

Aleatorio

[pic 8]

Tiempo

Ejemplo: Tabla 11.3 Roger Schroeder pag. 245

[pic 9]

Pronosticos de promiedio móvil de tres períodos

[pic 10]

Ft+1=At

F4=A3

[pic 11]

t=4 F5=A4=20.7

Suavización exponencial

Es un procedimiento para revisar constantemente un pronóstico a la luz de la experiencia más reciente.

Se emplea en series de tiempo con las mismas características que en el método de promedios móviles.  t+1-1     t-1

La demanda del período t es obtenida a partir del pronóstico anterior y de la demanda más recientemente observada

El promedio At es: '                                                                        William Mendenhall Ft+1 = At      /Ft=At-1

At=αDt+(1-α) At-1

Donde

At: Promedio anterior

α: Constante de atenuación o<α<1

(Generalmente α(alfa) toma un valor entre .1 y 0.3)

Dt: Demanda que se acaba de observar

El pronóstico de suavización exponencial para el siguiente periodo es

Ft+1=At

=αDt+(1-α1Ft

EJEMPLO:  Tabla 11.4 Roger Schroeder pag. 247

 [pic 12]

Método de suavización exponencial

Dado F1= 15 como dato (A0=15)

Para α=0.1

T= At=αDt(1-α1At-1

A1=αD1+(1-α)A0

=0.1 (10) +(1-.1)(15)=14.5

F1=A0=15

Ft+1=At

F2=A1=14.5

A2=αD2+(1-α1A1)

=.1(18)+(1-.1) (14.5)

=14.85

F2=A2

=14.85

Para comparar con que valor de α el método de suavización exponencial da un mejor pronostico, usando la suma de cuadrados del error SCE

[pic 13]

El valor de α utilizado que dé un menor valor de SCE es el más acertado