Gestión de la producción

y operaciones Curso (MII703)

INFORME 2

Nombre integrante/s:

Curso:

Fecha:
 2

Introducción

En un mercado cada vez más competitivo y dinámico, las empresas deben estar constantemente
evaluando y mejorando sus procesos para mantenerse a la vanguardia y asegurar la satisfacción de sus
clientes. En este contexto, la empresa en cuestión ha realizado una revisión de sus procesos logísticos y
productivos con el objetivo de aumentar sus capacidades productivas. Sin embargo, a pesar de estos
esfuerzos, se han detectado deficiencias en las capacidades de planificación del abastecimiento y de los
procesos de transformación, incluyendo la capacidad de la fuerza de trabajo.

Una de las áreas críticas identificadas es la planificación de la producción, ya que se ha observado que los
niveles de producción planificados para diversas líneas de productos no se han ajustado adecuadamente a
las reales necesidades del mercado. Esto ha generado un riesgo de mal servicio al cliente y ha colocado a
la empresa en una clara desventaja frente a la competencia.

Para abordar este desafío, el gerente de producción ha solicitado un análisis exhaustivo del proceso de
planificación de la producción, la capacidad y el abastecimiento, con el fin de identificar oportunidades de
mejora y proponer soluciones que permitan alcanzar mejores niveles de precisión en el pronóstico de la
demanda.
La primera tarea asignada consiste en estudiar el proceso de pronóstico de la demanda y proponer
mejoras para aumentar la precisión de los pronósticos. Para ello, se proporciona un conjunto de datos
históricos que reflejan el comportamiento de la demanda de dos líneas de productos en diferentes meses.

En este contexto, este informe tiene como objetivo presentar un análisis detallado de los patrones de
comportamiento de las demandas de ambas líneas de productos. A partir de este análisis, se
seleccionarán las técnicas más adecuadas para realizar los pronósticos y se definirán sus parámetros.
Además, se proporcionarán los niveles de error esperados para cada línea de producto, lo que permitirá
una toma de decisiones informada y precisa en la planificación de la producción.

El éxito de la empresa en el mercado depende en gran medida de su capacidad para anticipar las
necesidades del mercado y producir de manera eficiente y oportuna. Por lo tanto, este análisis y las
propuestas de mejora se presentan como una oportunidad crucial para fortalecer la posición competitiva de
la empresa, mejorar la satisfacción del cliente y alcanzar un desempeño óptimo en sus operaciones
productivas.
 Caso a desarrollar
El gerente de producción de la empresa le ha comentado que se han revisado los procesos logísticos
y productivos para aumentar las capacidades productivas, sin embargo, aún se detectan deficiencias
en las capacidades de planificación del abastecimiento y de los procesos de transformación,
incluyendo la capacidad de la fuerza de trabajo.
Específicamente, se ha detectado que los niveles de producción planificados para diversas líneas de
productos no han sido acertados de cara con las reales necesidades del mercado. Esto ha generado
un riesgo de mal servicio al cliente y provocar una clara desventaja frente a la competencia, para
lo cual le solicita que analice el proceso de planificación de la producción, de la capacidad y del
abastecimiento y entregue una propuesta de resolución.
Como primera tarea le solicitan que estudie el proceso de pronóstico de la demanda, que proponga
las mejoras que permitan alcanzar mejores niveles de precisión de ellos, indicando claramente los
cambios, las técnicas a utilizar y los niveles de acierto esperados.
Se le entrega el detalle del comportamiento histórico de la demanda de dos líneas de productos.
Haga un análisis de los patrones de comportamiento de dichas demandas, seleccione el o las
técnicas más adecuadas para realizar los pronósticos, defina sus parámetros y obtenga los niveles
de error esperados para cada una de las líneas de producto.
Datos del Departamento Comercial
Familia de productos A
Mes Unidades mensuales
1 20000
2 21000
3 15000
4 14000
5 13000
6 16000
7 17000
8 18000
9 20000
10 20000
11 21000
12 23000
13 20000
14 20500
15 16000
16 14500
 17 13900
18 16000
19 17000
20 18000
21 20000
22 20000
23 20800
24 22500
25 18900
26 21000
27 13700
28 14200
29 12980
30 16500
31 17600
32 18600
33 21000
34 23000
35 21000
36 22000

Unidades mensuales
25,000

20,000
Unidades Mensuales

15,000

10,000

5,000

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
Mes
Familia de productos B
Mes Unidades mensuales
1 20048
2 20359
3 20231
4 20883
5 20487
6 20249
7 20632
8 20434
9 20400
10 20149
11 20251
12 20490
13 20570
14 20088
15 20478
16 20448
17 20945
18 20091
19 20271
20 20945
21 20898
22 20677
23 20862
24 20166
25 20217
26 20432
27 20335
28 20263
29 20188
30 20936
31 20994
32 20988
33 20104
34 20686
 35 20920
36 20109

Unidades mensuales
21,200

21,000

20,800
Unidades Mensuales

20,600

20,400

20,200

20,000

19,800

19,600

19,400
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
Mes
Mes Unidades mensuales A Unidades mensuales B
1 20.000 20.048
2 21.000 20.359
3 15.000 20.231
4 14.000 20.883
5 13.000 20.487
6 16.000 20.249
7 17.000 20.632
8 18.000 20.434
9 20.000 20.400
10 20.000 20.149
11 21.000 20.251
12 23.000 20.490
13 20.000 20.570
14 20.500 20.088
15 16.000 20.478
16 14.500 20.448
17 13.900 20.945
18 16.000 20.091
19 17.000 20.271
20 18.000 20.945
21 20.000 20.898
22 20.000 20.677
23 20.800 20.862
24 22.500 20.166
25 18.900 20.217
26 21.000 20.432
27 13.700 20.335
28 14.200 20.263
29 12.980 20.188
30 16.500 20.936
31 17.600 20.994
32 18.600 20.988
33 21.000 20.104
34 23.000 20.686
35 21.000 20.920
36 22.000 20.109
 Unidades Mensuales
50000
45000
40000
35000
30000
25000
20000
15000
10000
5000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Mes Unidades mensuales A Unidades mensuales B

MÉTODO DE SUAVIZACIÓN EXPONENCIAL SIMPLE

 Unidades mensuales Pronóstico
Mes
Xt Xtprom e t =X t − ^
Xt |(e ¿¿ t)|¿
1 20.000 20.000 Ecuación

2 21.000 20.000 1.000 1000

3 15.000 21.000 -6.000 6000
4 14.000 15.000 -1.000 1000
5 13.000 14.000 -1.000 1000
6 16.000 13.000 3.000 3000
7 17.000 16.000 1.000 1000
8 18.000 17.000 1.000 1000
9 20.000 18.000 2.000 2000
10 20.000 20.000 0 0
11 21.000 20.000 1.000 1000
12 23.000 21.000 2.000 2000
13 20.000 23.000 -3.000 3000
14 20.500 20.000 500 500
15 16.000 20.500 -4.500 4500
16 14.500 16.000 -1.500 1500
17 13.900 14.500 -600 600
18 16.000 13.900 2.100 2100
19 17.000 16.000 1.000 1000
20 18.000 17.000 1.000 1000
21 20.000 18.000 2.000 2000
22 20.000 20.000 0 0
23 20.800 20.000 800 800
24 22.500 20.800 1.700 1700
25 18.900 22.500 -3.600 3600
26 21.000 18.900 2.100 2100
27 13.700 21.000 -7.300 7300
28 14.200 13.700 500 500
29 12.980 14.200 -1.220 1220
30 16.500 12.980 3.520 3520
31 17.600 16.500 1.100 1100
32 18.600 17.600 1.000 1000
33 21.000 18.600 2.400 2400
34 23.000 21.000 2.000 2000
35 21.000 23.000 -2.000 2000
36 22.000 21.000 1.000 1000
37 22.000

Alfa Alfa debe tener un valor entre 0 y 1. Por medio del

1 solver se determinó el mejor valor que es 1

Suavización exponencial
simple
ME 57
MAE 1869,714286

Grafica del análisis

25,000

20,000

15,000
Unidades

Unidades mensuales
10,000 Pronóstico

5,000

0
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930313233343536

Meses

Análisis de la proyección del último año (12 meses)

 Unidades
Mes mensuales Pronóstico e t =X t − ^
Xt |(e ¿¿ t)|¿
Xt Xtprom
1 18.900 18.900
2 21.000 18.900 2.100 2100
3 13.700 20.853 -7.153 7153
4 14.200 14.201 -1 0,71
5 12.980 14.200 -1.220 1220,0497
6 16.500 13.065 3.435 3434,59652
7 17.600 16.260 1.340 1340,42176
8 18.600 17.506 1.094 1093,82952
9 21.000 18.523 2.477 2476,56807
10 23.000 20.827 2.173 2173,35976
11 21.000 22.848 -1.848 1847,86482
12 22.000 21.129 871 870,649463
13 21.939

Ecuación
F t=F t −1 +α ( At −1−F t−1)

Alfa Alfa debe tener un valor entre 0 y 1. Por medio del

0,93 solver se determinó el mejor valor que es 1

Suavización exponencial simple

ME 297
MAE 2155,549965

Grafica del análisis

Proyección de ventas
25,000

20,000
Cantidad de Unidades

15,000
Unidades mensuales
Pronóstico
10,000

5,000

0
1 2 3 4 5 6 7 8 9 10 11 12
Meses

Cálculo del error en un pronóstico de suavización exponencial

 Cuadrado del
Error Error Absoluto %error Ecuación del %error
Error
100∗( A ¿ ¿ t−F t )/ At ¿
2.100 2.100 4.410.000 11,11
-7.153 7.153 51.165.409 34,06

-1 1 1 0,01
-1.220 1.220 1.488.521 8,59
3.435 3.435 11.796.453 26,46
1.340 1.340 1.796.730 8,12
1.094 1.094 1.196.463 6,21
2.477 2.477 6.133.389 13,31
2.173 2.173 4.723.493 10,35
-1.848 1.848 3.414.604 8,03
871 871 758.030 4,15
Sesgo MAD MSE MAPE
297 2.156 7.898.463 12

CFE 3.268

Señal de rastreo 1,52

Conclusiones
Error Medio (ME): El Error Medio representa la diferencia promedio entre los valores reales y los
pronósticos. En este caso, el valor del Error Medio, periodo último año 12 meses es 297 y en periodo de 36
meses es de 57, lo que indica que, en promedio, los pronósticos tienen una diferencia de 297 y 57
unidades con respecto a los valores reales. Un ME positivo hace referencia que los pronósticos tienden a
ser mayores que los valores reales.

Error Absoluto Medio (MAE): El Error Absoluto Medio mide la magnitud promedio de los errores en
unidades absolutas. En este caso, el MAE tiene un valor de aproximadamente 2155,55 unidades para
periodo de 12 meses y para el periodo de 36 meses es de 1869.71. Cuanto más bajo sea el valor del MAE,
mayor será la precisión del modelo de pronóstico.

Sesgo: El sesgo es la diferencia entre el valor promedio de los errores y cero. En este caso, el sesgo tiene
un valor de 297, lo que indica que, en promedio, los pronósticos tienden a estar sobreestimados en 297
unidades. Un sesgo positivo significa que los pronósticos tienden a ser demasiado altos, mientras que un
sesgo negativo indicaría que tienden a ser demasiado bajos. Es importante reducir el sesgo tanto como
sea posible para obtener pronósticos más precisos y ajustados a los valores reales.

MAD (Desviación Absoluta Media): La MAD mide la magnitud promedio de los errores sin considerar su
dirección. En este caso, el valor del MAD es de aproximadamente 2.156 unidades. Cuanto más bajo sea el
valor de la MAD, mayor será la precisión del modelo de pronóstico. La MAD nos proporciona una idea de
la dispersión de los errores y cómo se alejan los pronósticos de los valores reales.

MSE (Error Cuadrático Medio): El MSE es la media de los errores al cuadrado. En este caso, el MSE tiene
un valor de aproximadamente 7.898.463. Cuanto más bajo sea el valor del MSE, menor será la dispersión
de los errores y, por lo tanto, mayor será la precisión del pronóstico.

MAPE (Error Absoluto Porcentual Medio): El MAPE mide el porcentaje promedio de los errores en relación
con los valores reales. En este caso, el MAPE tiene un valor del 12%. Un MAPE bajo indica una buena
precisión del modelo de pronóstico, ya que los errores en promedio representan un porcentaje pequeño de
los valores reales.

CFE (Coeficiente de Error de Forma): El CFE mide la proporción entre la varianza del error de pronóstico y
la varianza del error del ruido. Un CFE de 3.268 sugiere que existe una variabilidad significativa en los
errores de pronóstico en comparación con los errores aleatorios. Un CFE alto puede indicar que el modelo
de pronóstico necesita mejoras o ajustes para reducir la variabilidad y aumentar la precisión.

Señal de rastreo: La señal de rastreo mide la precisión del modelo de pronóstico en comparación con la
variabilidad de los datos reales. Un valor de 1.52 indica que la variación de los datos de pronóstico es
mayor que la variación de los datos reales. Un valor óptimo para la señal de rastreo es aproximadamente
1, ya que indica que el modelo es lo suficientemente preciso para capturar la variabilidad de los datos
reales y proporcionar pronósticos confiables