Gestión Logística

Gestión Logística

El Entorno de los Negocios Globalización Competencia Precios bajos Calidad Estrategia Concentración Medio Ambiente Tecnificación

Desafíos a los que se enfrentan las Empresas Intensa Competencia Globalización de los Mercados Importancia de la Estrategia Alta variedad de Productos Más Servicios

Necesidades imperiosas:

Enfasis en la Calidad

 Productividad

Flexibilidad

 Competitividad

Avances Tecnológicos Involucramiento de los trabajadores Preocupación por el Medio Ambiente

Gestión Logística (Definición del CSCMP)

La Gestión Logística es la parte de la Administración de Cadenas de Suministros que “planea, implementa y controla la eficiencia de los flujos directos e inversos y el almacenamiento de las mercancías, los servicios y la información 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) Definición del CSCMP (2003)

SCM comprende “la planificación y administración de todas las actividades de adquisiciones y compras, conversión y de administración de logística. Incluye también, la coordinación y colaboración entre canales, los cuales pueden ser proveedores, intermediarios, proveedores de logística y clientes. En esencia, SCM integra las actividades de suministro y demanda dentro de y entre las compañías”

En otras palabras, SCM es la estrategia a través de la cual se gestionan todas las actividades y empresas de la cadena de suministros

Flujo de Movimientos

¿Qué hace la Logística? La Logística es el proceso de Diseño (estratégico), Planificación (táctico) y Programación (operativo) de flujos y almacenamiento de bienes y servicios. Esto plantea diferencias con la cadena de suministros. Implica funciones básicas de la organización como son: la gestión de aprovisionamientos, la gestión de la producción y la gestión de la distribución física.

“Logística ha emergido como el eje conductor de las nuevas relaciones económicas – sincronizando y controlando en forma dinámica todas las actividades de la cadena de abastecimiento (Supply Chain) – y estableciendo compañías inteligentes y países inteligentes como los protagonistas principales en el mundo global” Dr. John Kasarda, 2005

¿Qué hace la Logística? La Logística genera valor en las transacciones

Valor = F (servicio al cliente ; rapidez de respuesta)

Según Agarwal y Shankar (2002) la Rapidez de Respuesta depende de:  Velocidad de entrega  Confiabilidad en la entrega  Introducción de nuevos productos  Tiempo de desarrollo de nuevos productos  Tiempo del ciclo de fabricación (lead time manufacture)  Respuesta al cliente

Datos de investigación de mercado Información de programación Datos de ingeniería y diseño Flujo de pedido y flujo de caja

Proveedor Ideas y diseño para satisfacer al cliente final Flujo de material Flujo de crédito

Inventario

Cliente

Proveedor Inventario

Cliente

Fabricante Proveedor

Inventario

Distribuidor Inventario

Cliente

Impactos Económicos de la Logística Impactos Macroeconómicos Utilidad Económica Utilidad de Posesión Utilidad de Estado Utilidad de Lugar Utilidad de Tiempo

Importancia creciente de la Logística Reducción de las Regulaciones Económicas Avances tecnológicos El poder de los distribuidores Globalización de los Mercados

Logística y Competitividad En el anuario de Competitividad Mundial (IMD – Lausanne, Suiza) 

Figuran 49 economías industrializadas y emergentes



Usa 286 criterios diferentes, agrupados en cuatro factores de competitividad



Se recopilan datos duros de organizaciones internacionales y regionales, e instituciones privadas



Datos de encuesta de opinión para ejecutivos (alrededor de 4000)

Los tres primeros lugares se reparten entre: USA, Finlandia y Singapur Chile se encuentra en el lugar 24 Brasil se encuentra en el lugar 31 Méjico en el 36 Argentina en el 43 Bolivia, no figura

Logística y Competitividad Desempeño Económico

Eficiencia Gubernamental

Eficiencia Comercial

Infraestructura

Economía nacional

Finanzas Públicas

Productividad

Infraestructura Básica

Comercio Internacional

Política Fiscal

Mercado Laboral

Infraestructura Tecnológica

Inversión Internacional

Marco Institucional

Mercados Financieros

Infraestructura Científica

Empleo

Marco Comercial

Prácticas de Administración

Salud y Medio Ambiente

Precios

Educación

Impacto de la Globalización

Sistema de Valor

¿Cuántos de estos factores tienen que ver con la Logística?

Modelo General de Competitividad Competitividad

Precios

Calidad

Gerencia

Competencias Conocimiento, experiencia, habilidad

Recurso Humano

Tecnologías

Logística y Competitividad  Tenemos la oportunidad  Es fundamental nuestra manera de enfrentarla  La Logística es clave para el éxito a nivel global  La conectividad cambia las reglas del juego

Principios de la Logística Comprenda a los clientes Se deben crear empresas impulsadas por los clientes

Determine los segmentos Micromarketing

Determine la demanda del mercado Planifique en función de la demanda

Estructura de la Cadena Logística

Proveedores

Logística inbound

Producción

 Abastecimiento.

 Transporte.  Almacén Materias Primas  Transporte entre almacenes y planta

 Manufactura.  Transporte y manejo entre procesos y plantas

Logística outbound

 Transporte entre plantas, almacenes y al consumidor

Servicio al Cliente

 

Adm. de centros de servicio (CD). Transporte de partes y refacciones entre planta y CD.

Factores Estructurales de la Cadena Logística Proveedores

Logística inbound

Cantidad. localización, % de asignación, aspectos locales (economía, regulaciones, etc.)

Número de almacenes, localización, función, capacidad, medios de transporte, cantidad de unidades, contratistas, regulaciones y leyes

Producción

Capacidad, cantidad de plantas, grado de desacople de procesos, flexibilidad, tecnología, aspectos locales de la localización

Logística outbound

Centros de distribución (cantidad, capacidad, funciones), transporte (cantidad, medios, contratos), aspectos locales

Servicio al Cliente

Centros de servicio (cantidad, capacidad, funciones, localización, autonomía), mercado local

Indicadores Clave de la Cadena Logística Proveedores

Costo, calidad, confiabilidad, flexibilidad, tiempo de entrega, tiempo de respuesta

Logística inbound

Costo de transporte. inventario de M.P., espacio de almacén, tiempo de respuesta, desperdicio.

Producción

Calidad, variabilidad del proceso, retrabajo, desperdicio, tiempo de ciclo, costos directos, nivel de inventario, desempeño en la entrega

Logística outbound

Costo de transporte, costo de emitir ordenes, tiempo de entrega, tiempo de respuesta, desperdicio, inventario

Servicio al Cliente

Costo del servicio, tiempo de respuesta, nivel de inventario, niveles de satisfacción

Tecnologías de Información de la Cadena Logística Proveedores

Enlaces EDI, sistema de evaluación de proveedores, integración sistema de negocios

Logística inbound

Rastreo, tecnología de carga y descarga, sistema de administración de almacenes, trazabilidad

Producción

CAD/CAM, robótica, control de procesos, sistema de calidad, sistemas de planificación

Logística outbound

Rastreo, tecnología de carga y descarga, sistema de administración de almacenes, trazabilidad

Servicio al Cliente

CRM, integración de plantas y centros de servicio, sistema de administración de servicios

Objetivo de la Logística Satisfacción de las necesidades expresadas o latentes en las mejores condiciones económicas y para un nivel de servicio determinado, es decir: cumplir con los requerimientos de los clientes al menor costo.

Planificación Estratégica Logística

Esquema de Planificación Estratégica Logística Definir Misión

Generar Estrategias

Análisis Interno y Externo del sistema logístico: A/O/F/D

Definir Indicadores de Desempeño claves

Establecer Objetivos:  Servicio al consumidor  Configuración de red  Coordinación/Organización  Inventarios  Tecnología de información  Transporte  Otros

Identificar Riesgos y Elaborar Planes

Planificar Implementación

Ejecución

Misión de la Logística 

Determina el propósito fundamental o razón de ser de la organización logística en la organización, definiendo dirección.



Debe derivarse de la misión general y objetivos de la empresa.



Es dinámico.



Debe incorporar conceptos que involucren el mercado, nivel de servicio al consumidor, criterios de éxito, políticas y capacidades a explotar.

Ejemplo: “Proporcionar un servicio de adquisición y distribución de productos de alta calidad, de manera oportuna y a costos competitivos a través de: sistemas de administración de la demanda excelentes, manteniendo inventarios en todo el sistema logístico, con un sistema de administración y monitoreo de status de pedidos centralizado, planificando y controlando de manera centralizada todos los componentes necesarios para completar una orden y utilizando modelos para planear la configuración de la red logística considerando el costo total.”

Análisis de A/O/F/D 

El análisis interno de la situación actual del sistema logístico resulta en un diagnóstico de sus fortalezas y debilidades. Este debe incluir: los productos y sus demandas, la estructura de la red logística, sistemas de planificación y control, niveles de servicio al cliente, costos totales de la logística y utilización de activos, entre otros.



El análisis externo del medio ambiente relevante del sistema logístico, arrojará un diagnóstico de las amenazas y oportunidades existentes. Entre los conceptos relevantes a incluir se encuentran: los mercados, tendencias de la industria, regulaciones medioambientales, de transporte, laborales y de seguridad e higiene, la economía, evaluación de fuentes de energía, disponibilidad de tecnologías, entre otros.

Definir Objetivos Logísticos



Los objetivos de logística, al igual que las estrategias, deben servir de soporte y ser concordantes con los de la organización, especialmente con los de operaciones y marketing.



El proceso para establecerlos es iterativo e involucra todos los niveles organizacionales.



Gopal & Cahill (1999) sugieren definir objetivos y estrategias a nivel general y luego para cada una de las siguientes áreas de logística: configuración de la red, organización y coordinación, servicio al consumidor, inventarios y tecnología de información.



Bowersox (2001) recomienda definirlos para el abastecimiento, operaciones y distribución.

Ejemplos de objetivos logísticos Como sistema logístico 

Rentabilidad sobre activos operativos del 13%.



Rotación de inventarios igual a 12.

Configuración de la red 

Ubicar inventario cerca del punto de uso de los consumidores.



Mantener centros de distribución con servicio completo.

Coordinación y organización 

Mantener una respuesta rápida para el consumidor mediante una adecuada planificación y control central de productos terminados.



Contratar para la función de logística al personal más capacitado.

Ejemplos de objetivos logísticos Servicio al cliente 

Enviar el 92% de las órdenes completas y dentro de 24 horas de la fecha prometida.



Asegurar que nuestros clientes no reciban artículos dañados a través de un empaque adecuado.

Inventarios 

Minimizar la inversión total en inventario asegurando la satisfacción de los clientes.



Integrar clientes y proveedores para proporcionar un mejor servicio.

Sistema de información 

Asegurar información actualizada y precisa para la toma de decisiones.

Estrategias de Logística Configuración de Instalaciones 

Etapas



Proximidad / Tiempo



Capacidad y Ubicación



Misión y tipo de instalación

Coordinación y Organización 

Integración multifuncional



Estructura y Responsabilidades



Capacidades y habilidades

Servicio al Consumidor 

Alianzas



Empaque



Preferencias de entrega



Integrar funciones del cliente

Estrategias de Logística Inventarios 

Políticas de despliegue de inventarios



Alianzas con clientes/proveedores

Tecnología de Información 

Administración de almacenes



Soporte para la toma de decisiones



Pronósticos/ Adm. de demanda



Paquetes para optimización, ruteo o programación

Definir Indicadores de Desempeño 

Se derivan de los objetivos y estrategias definidas.



Deben ser medibles, entendibles, factibles y compatibles a través de toda la organización.



Deben medir el desempeño de los procesos a través de la cadena de valor (se debe medir lo que agrega valor)



Deben asociarse con los factores críticos de éxito: costo, calidad, tiempo de ciclo, respuesta al cliente, etc.



Los niveles de agregación, interrelación y toma de decisiones deben ser los adecuados para cada nivel de la organización

Ejemplo Indicadores de Desempeño Rotación de Inventarios Corporativo

Nivel de Cadena Proveedores - Valor de inventario de Materia Prima y componentes. - Días de abastecimiento por llegar.

Transporte a Planta

Valor de:

- Valor de inventario en tránsito.

Manufactura - WIP. - Producto terminado. Días de abastecimiento

Distribución - Valor de inventario en almacén. - Días de abasto de P.T.

de WIP. Edad de M.P., WIP y P.T.

Nivel Funcional Por Región/ Almacén: - Valor de inventario de producto terminado. - Stock de seguridad. - Valor de envíos por período. - Valor de los retornos por semana. - Valor de material obsoleto.

Servicio Post-venta. - Valor de stock de componentes. - Proporción de venta en stock.

Desarrollar Planes de Contingencia Cada estrategia presenta riesgos para su realización.  Para cada estrategia debe analizarse el nivel de riesgo involucrado y los principales afectados, y determinarse un plan de contingencia para administrarlos.  La elaboración de planes alternativos incrementa las probabilidades de éxito de las estrategias.  La planificación debe ser “flexible”. 

Implementación de Estrategias Cada estrategia deben incluir los siguientes elementos:    

Un plan detallado con fechas, metas, puntos de control, roles y responsabilidades definidas. Un programa de comunicación de la estrategia a través de la organización. Sistemas de monitoreo y medición del desempeño. Programas de capacitación requerida.

Proceso de Planificación de Recursos en Logística

Análisis Externo e Interno

Plan Estratégico del Negocio

Planificación de Requerimientos de Distribución

Programa Maestro de Operaciones

no

¿Factible?

Planificación Requerimientos de Materiales Planificación Requerimientos de Capacidad

si Ejecución y Monitoreo

Un Modelo: Pirámide de la Estrategia Logística

Servicio al cliente

ESTRATEGICO Diseño del canal

Estrategia de la red

TACTICO Diseño de depósitos y operaciones

Gestión del transporte

Gestión de materiales

OPERATIVO Sistema de información

Políticas y procedimientos

Equipamiento e instalaciones

IMPLEMENTACIÓN

Organización y gestión del cambio

Pirámide de la Estrategia Logística La Estrategia Logística se basa en procesos de negocio:  Variabilidad de la demanda / cambio de productos  Planificación  Gestión de pedidos  Gestión de inventarios

NO en funciones:  Ventas  Compras  Producción

Objetivo Convertir la empresa en un proceso eficiente de satisfacción del cliente, en donde la efectividad de toda la Cadena Logística es más importante que la efectividad de cada departamento por separado.

Pirámide de la Estrategia Logística 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 planificación de nuevos bienes o servicios para los clientes o redefiniendo los productos existentes. Proceso de producción. Organiza todas las actividades que producen los bienes o servicios de la compañía. Proceso de entrega de pedidos. Facilita el recibo y procesamiento de los pedidos de los clientes, y aseguran que éstos se cumplen totalmente. Proceso de distribución. Asegura la distribución de los bienes a los clientes. Proceso de apoyo al cliente. Proporciona asistencia a los clientes después de haber adquirido su producto o servicio.

Logística Integrada NIVEL ESTRATÉGICO

PP R R O O V V EE EE D D O O R R EE SS

ESTRATEGIA DE COMPRA RED DE PROVEEDORES ESTRAT. DE TRANSPORTE

ESTRAT. DE PRODUCCIÓN ESPEC. FÁBRICAS ESTRATEGIA TERRITORIAL

POLÍTICA DE SERVICIO ESTRATEGIA DE VENTA DISEÑO RED DISTRIBUCIÓN

NIVEL TÁCTICO LOGÍSTICA TÉCNICA DE MATERIALES

LOGÍSTICA DE APROVISIONAMIENTO Exploración necesidades netas Pedidos a proveedores Seguimiento entregas

LOGÍSTICA DE PLANIFICACIÓN DE LA PRODUCCIÓN Plan maestro de producción Lanzamiento de órdenes Nivel stock productos semielaborados y en proceso

LOGÍSTICA COMERCIAL Planificación de demanda Nivel de servicio Nivel stocks finales Recepción de pedidos

FLUJO DE INFORMACIÓN SISTEMA DE GESTIÓN FLUJO DE MATERIALES

NIVEL OPERATIVO Transp. Transp. aprovis. aprovis.

Control Control tráfico tráfico recepc. recepc.

Almac. Almac. mat. mat. prima prima

Produc.s Produc.s ubconubconjuntos juntos

Almac. Almac. semiesemielabor. labor.

Produc.c Produc.c onjun. onjun.

EmbaEmbalado lado produc. produc.

Almac. Almac. produc. produc. termin. termin.

Etiquet. Etiquet. y exped. y exped.

Red Red distridistribución bución

Entrega Entrega a cliente a cliente

CC LL II EE N N TT EE SS

Actividades Logísticas ACTIVIDADES CLAVE 1. Estándares de Servicio al Cliente  Requerimientos del cliente  Respuesta del cliente  Establecer los niveles de servicio

2. Transporte     

Selección del modo y servicio Rutas y fletes Programación de vehículos Procesamiento de quejas Auditoria de tarifas

3. Manejo de Inventarios    

Estimación de ventas a CP Políticas de inventarios Mezcla de productos Número y tamaño de los puntos de almacenamiento

4. Flujos de Información  Procedimientos interfaz inventario-ventas  Transmisión de la información  Reglas de los pedidos

ACTIVIDADES DE APOYO 1. Almacenamiento  Diseño de espacios y distribución de existencias  Configuración de los almacenes

2. Manejo de Materiales  Selección y reemplazo de equipos  Proceso de toma de pedidos  Almacenamiento y recuperación de existencias

3. Compras  Selección proveedores  Momento y cantidades

4. Embalaje 5. Relación con producción y operaciones  Especificar cantidades adicionales  Secuencias y tiempos de producción  Programación se suministros

6. Mantenimiento de Información  Recopilación, almacenamiento y manipulación de la información  Análisis de datos  Control de la información

Megatendencias en Logística De Servicio al Cliente a la Gerencia de Relaciones De lo Adversario a lo Cooperativo Del Pronóstico al Endcast De la Experiencia a la Estrategia de Transición De Absoluto a Valor Relativo De la Integración Funcional a la Integración de Procesos De Integración Vertical a Integración Virtual De la Acumulación de la Información al Compartir Información De la Capacitación al Aprendizaje basado en el Conocimiento De la Contabilidad a la Administración basada en el Valor

Los líderes del cambio logístico deben vender ideas y servir de catalizadores cross-functional. Administrar el cambio a través de los otros, es una tarea difícil que los líderes logísticos deben dominar.

Factores de Diseño de la Cadena Logística

Factores Mercado DEMANDA

DISPERSIÓN DE LA DEMANDA

CARACTERISTICAS DE LOS PRODUCTOS

Política de Abastecimiento

Infraestructura

Costos

Margen

CONJUNTO DE INSTALACIONES POTENCIALES

COSTO UNITARIO DE PRODUCCIÓN

NIVEL DE SERVICIO

LOCALIZACION POTENCIAL DE LAS INSTALACIONES

COSTO UNITARIO DE INVENTARIO

NIVEL DE INVENTARIO

CAPACIDAD INSTALADA

COSTO UNITARIO DE TRANASPORTE

CICLO DE ENTREGA

MODOS DE TRASNPORTE

COSTO UNITARIO DE INSTALACIONES

REINGENIERÍA DE PROCESOS

Política de Producción

Política de Distribución

Diseño de la Cadena Logística Jimenez, José (2004)

Variables de Gestión de la Cadena Logística Nivel de Servicio Satisfacción del Cliente Competitividad Rentabilidad Valor Agregado Nivel de Inventario

Nivel de Integración de Procesos Consistencia (Variación Mínima) Eliminación de Desperdicios Mejora Continua Productividad

Desempeño de la Cadena Logística

CALIDAD

X

COSTO

X

SERVICIO

= TIEMPO DE CICLO (Lead Time)

Mano de Obra Materia Prima Operaciones Distribución Inventario Transporte Procesamiento de Pedidos Costo Total

Recepción de Pedidos Operaciones Capacidad de Reacción Entrega Ingreso a Entrega del Pedido

Adaptado de Christopher, Martín “Logistic and Customer Value”. Barcelona (2002).

Métodos de Pronósticos

Esteban Sefair Vera

¿Qué son los pronósticos? 

“Arte y ciencia” de predecir acontecimientos futuros.



Base de todas las decisiones empresariales:    

Producción. Inventario. Personal. Instalaciones.

“Pronosticar es como manejar con los ojos cerrados siguiendo las instrucciones de alguien que va sentado mirando por el vidrio de atrás”

Pronósticos y Planificación Empresarial INSUMOS Condiciones del mercado Panorama económico Otros factores

Errores de pronósticos / retroalimentación

Métodos o modelos de pronóstico

PRONÓSTICO DE VENTAS Pronóstico de la demanda para cada producto en cada período de tiempo

RESULTADOS Demanda estimada para cada producto en cada período de tiempo

Equipo de Administración

Pronóstico de Recursos de la Producción ESTRATEGIA EMPRESARIA Marketing Producción Finanzas

Largo Plazo Capacidad fabricas Capital Instalaciones Otros

Mediano Plazo Trabajadores Materiales Inventarios Otros

Corto Plazo Mano de obra Capacidad maquinas Efectivo Otros

Etapas en el sistema de pronósticos

Determinar la utilización del pronóstico. Seleccionar los “artículos” en los que se va a realizar el pronóstico. Determinar el horizonte temporal del pronóstico. Seleccionar el (los) modelo (s) de pronóstico. Recogida de datos. Realizar el pronóstico. Validar e implementar los resultados.

Realidades sobre los pronósticos Raras veces los pronósticos son perfectos. La mayoría de las técnicas de pronóstico asumen que existe cierta estabilidad sostenida en el sistema. Tanto las predicciones de familias de productos como las predicciones en conjunto son más precisas que los pronósticos de productos individuales. Siempre que se pueda, es útil relacionar el pronóstico con alguna variable macroeconómica

Demanda del producto o servicio

Demanda de un producto representada en un periodo de 4 años con tendencia de crecimiento y estacionalidad

Picks estacionales

Componente de tendencia

Línea de demanda actual

Demanda media en cuatro años Variación aleatoria

Primer año

Segundo año

Tercer año

Cuarto año

Tipos de pronósticos Métodos cualitativos Se emplean cuando la situación no es clara y existen pocos datos  Productos nuevos.  Nueva tecnología.

Requieren intuición y experiencia:  Por ejemplo, pronóstico de ventas a través de Internet.

Opinión de expertos, Propuestas Personal Comercial, Método Delphi, Estudios de mercado.

Métodos cuantitativos Se utilizan cuando la situación es “estable” y existen datos “históricos”:  Productos existentes.  Tecnología actual.

Requieren técnicas matemáticas:  Por ejemplo, el pronóstico de las ventas de vacunas antigripales.

Medias móviles, Alisado exponencial, Proyección de tendencia, Regresión lineal, ARIMA.

Métodos Cualitativos Opinión de Expertos

 Requiere un pequeño grupo de directivos:

El grupo establece una estimación conjunta de la demanda.  Combina la experiencia directiva con modelos estadísticos.  Es bastante rápido.  Desventaja del “pensamiento en grupo” o individual si se realiza

“opinión del gerente”.

Propuestas Personal Comercial

 Cada vendedor estima las ventas que hará.  Se combinan con los pronósticos a niveles de zonas y regiones con los

nacionales.

 El representante de ventas conoce las necesidades de los consumidores.  Tiende a ser bastante optimista o pesimista

Método Delphi  Proceso de grupo iterativo.  Tres tipos de participantes:  Los que toman decisiones.  El personal de plantilla.  Los que responden.

 Reduce el “pensamiento en grupo”.

Estudios de mercado  Preguntar a los consumidores sobre sus futuros planes de

compra.

 Lo que dicen los consumidores y lo que hacen suele diferir.  A veces es difícil contestar a las preguntas del estudio.

Métodos cuantitativos Pronóstico cuantitativo

Modelos asociativos

Modelos de series temporales

Media móvil

Alisado exponencial

Proyección de tendencia

Regresión lineal

¿Qué son las series temporales? Es una secuencia de datos uniformemente espaciada – Se obtiene observando las variables en periodos de tiempo regulares.

Se trata de un pronóstico basado en los datos pasados – Supone que los factores que han influido en el pasado lo sigan haciendo en el futuro.

Ejemplo: Año: Ventas:

19931994199519961997 78,763,5 89,793,2 92,1

Descomposición de una serie temporal

Tendencia

Ciclos

Estacionalidad

Variaciones aleatorias

Tendencia • Es el movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo. • Los cambios en la población, ingresos, etc. influyen en la tendencia. • Varios años de duración.

Respuesta

Mes, trimestre, año

Estacionalidad • Muestra de datos de ascenso o descenso que se repite. • Se puede ver afectada por la climatología, las costumbres, etc. • Se produce dentro de un periodo anual.

Verano Respuesta


Ciclos • Movimientos de ascenso o descenso que se repiten. • Se pueden ver afectados por interacciones de factores que influyen en la economía. • Suelen durar de 2 a 10 años.

Respuesta

Ciclo




Variaciones aleatorias

• Son “saltos” en los datos causados por el azar y situaciones inusuales. • Son debidas a variaciones aleatorias o a situaciones imprevistas: – Huelga. – Tornado. • Son de corta duración y no se repiten.

Modelos de series temporales  Cualquier valor que aparezca en una serie temporal es la

multiplicación (o suma) de los componentes de la serie temporal.

 Modelo multiplicativo:

 Yi = Ti x Si x Ci x Ri (si los datos son mensuales o trimestrales).

 Modelo aditivo:

 Yi = Ti + Si + Ci + Ri (si los datos son mensuales o trimestrales).

Medias móviles 

Las medias móviles son una serie de operaciones aritméticas.



Se utilizan si no hay tendencia o si ésta es escasa.



Se suelen utilizar para el alisado:  Proporciona una impresión general de los datos a lo largo del tiempo.



Ecuación:

 demanda de n MM  

periodos previos

n

Ejemplo de media móvil Usted es el director de una tienda de un museo que vende réplicas. Quiere predecir las ventas del año 2000 mediante una media móvil de 3 años. 1995 4 1996 6 1997 5 1998 3 1999 7

Solución de la media móvil


Año 1995 1996 1997 1998 1999 2000

Respuesta Yi 4 6 5 3 7 ND

Media Media móvil móvil total (n=3) (n=3) ND ND ND ND ND ND 4+6+5=15 15/3 = 5 6+5+3=14 14/3=4 2/3


Año 1995 1996 1997 1998 1999 2000

Respuesta Yi 4 6 5 3 7 ND

Media Media móvil móvil total (n=3) (n=3) ND ND ND ND ND ND 4+6+5=15 15/3=5,0 6+5+3=14 14/3=4,7 5+3+7=15 15/3=5,0

Método de la media móvil ponderada  Se utiliza cuando se presenta una tendencia:  Los datos anteriores suelen carecer de importancia.

 Las ponderaciones se basan en la intuición:  Suelen estar entre 0 y 1 y a la suma de 1,0.

 Ecuación:

Media móvil ponderada

Σ (ponderación para el periodo n) (demanda en el periodo n)

=

Σ ponderaciones

Demanda actual, media móvil y media móvil ponderada

Media móvil ponderada Ventas reales

Media móvil

Problemas de los métodos de media móvil • Al aumentar n, las previsiones son menos sensibles a los cambios. • No es posible predecir bien la tendencia. • Se necesitan muchos datos históricos.

Alisado exponencial  Es una técnica de pronóstico de media móvil ponderada:  Las ponderaciones disminuyen exponencialmente.  Se ponderan más los datos más recientes.

 Se necesita una constante de alisado ():  Toma valores entre 0 y 1.  Se escoge de forma subjetiva.

 Necesita una cantidad reducida de datos históricos. 

Ft

= At - 1 + (1- )At - 2 + (1- )2·At - 3 + (1- )3At - 4 + ... + (1- )t-1·A0



 Ft

= Valor del pronóstico

 At

= Valor real

 

= Constante de alisado

Ft

= Ft-1 + (At-1 - Ft-1)

 Se utiliza para calcular el pronóstico.

Ejemplo de alisado exponencial Usted está organizando una reunión de su circulo profesional. Desea predecir el número de personas que asistirán en el año 2006 mediante el alisado exponencial ( = 0,10). El pronóstico para 2001 fue de 175.

2001 2002 2003 2004 2005

180 168 159 175 190

Solución del alisado exponencial

Ft = Ft-1 + ·( At-1 - Ft-1) Año

pronóstico, F t ( α = 0,10)

Real

2001

180

2002

168

2003

159

2004

175

2005

190

2006

ND

175,00 (Dado) 175,00 +


Ft = Ft-1 +  ·( At-1 - Ft-1) Año

Real

2001

180

2002

168

2003

159

2004

175

2005

190

2006

ND

pronóstico, F t ( α = 0,10) 175,00 (Dado) 175,00 + 0,10(


Ft = Ft-1 +  ·( At-1 - Ft-1) Año

Real

2001

180

2002

168

2003

159

2004

175

2005

190

2006

ND

pronóstico,Ft (α = 0,10) 175,00 (Dado) 175,00 + 0,10(180 -


Ft = Ft-1 +  ·( At-1 - Ft-1) Año

Real

2001

180

2002

168

2003

159

2004

175

2005

190

2006

ND

pronóstico, Ft (α = 0,10) 175,00 (Dado) 175,00 + 0,10(180 - 175,00)


Ft = Ft-1 +  ·( At-1 - Ft-1) Año

Real

2001

180

2002

168

2003

159

2004

175

2005

190

2006

ND

pronóstico, Ft (α = 0,10) 175,00 (Dado) 175,00 + 0,10 (180 - 175,00) = 175,50


Ft = Ft-1 +  ·( At-1 - Ft-1) Año

Real

pronóstico, F t ( α = 0,10)

2001

180

175,00 (Dado)

2002

168

175,00 + 0,10(180 - 175,00) = 175,50

2003

159

175,50 + 0,10(168 - 175,50) = 174,75

2004

175

2005

190

2006

ND


Ft = Ft-1 +  ·( At-1 - Ft-1) Año

Real

pronóstico, F t (α = 0,10)

2001

180

175,00 (Dado)

2002

168

175,00 + 0,10(180 - 175,00) = 175,50

2003

159

175,50 + 0,10(168 - 175,50) = 174,75

2004

175

174,75 + 0,10(159 - 174,75)= 173,18

2005

190

2006

ND


Ft = Ft-1 +  ·( At-1 - Ft-1) Año

Real


2001

180

175,00 (Dado)

2002

168

175,00 + 0,10(180 - 175,00) = 175,50

2003

159

175,50 + 0,10(168 - 175,50) = 174,75

2004

175

174,75 + 0,10(159 - 174,75) = 173,18

2005

190

173,18 + 0,10(175 - 173,18) = 173,36

2006

ND


Ft = Ft-1 +  ·( At-1 - Ft-1) Año

Real


2001

180

2002

168

175,00 + 0,10(180 - 175,00) = 175,50

2003

159

175,50 + 0,10(168 - 175,50) = 174,75

2004

175

174,75 + 0,10(159 - 174,75) = 173,18

2005

190

173,18 + 0,10(175 - 173,18) = 173,36

2006

ND

173,36 + 0,10(190 - 173,36) = 175,02

175,00 (Dado)

Efectos en el pronóstico de la constante de alisado 

Ft =  At - 1 + (1- )At - 2 + (1- )2At - 3 + ... Ponderaciones =

Periodo anterior Hace 2 periodos Hace 3 periodos

 = 0,10 = 0,90

10%

(1 - )

(1 - )2


Ft =  At - 1 + (1- ) At - 2 + (1- )2At - 3 + ... Ponderaciones = = 0,10 = 0,90




(1 - )

10%

9%

(1 - )2


Ft =  At - 1 + (1- )At - 2 + (1- )2At - 3 + ... Ponderaciones = = 0,10 = 0,90




(1 - )

(1 - )2

10%

9%

8,1%


Ft =  At - 1 + (1- )At - 2 + (1- )2At - 3 + ... Ponderaciones =




(1 - )

(1 - )2

= 0,10

10%

9%

8,1%

= 0,90

90%


Ft =  At - 1 + (1- ) At - 2 + (1- )2At - 3 + ... Ponderaciones =




(1 - )

(1 - )2

= 0,10

10%

9%

8,1%

= 0,90

90%

9%


Ft =  At - 1 + (1- ) At - 2 + (1- )2At - 3 + ... Ponderaciones =




(1 - )

(1 - )2

= 0,10

10%

9%

8,1%

= 0,90

90%

9%

0,9%

Si se selecciona  Trate de minimizar la desviación absoluta media (DAM) Si:

Error de pronóstico = demanda - pronóstico

Entonces:

DAM





errores de pronóstico

n

Alisado exponencial con ajuste de tendencia Pronóstico incluyendo la tendencia (PITt) = pronóstico alisado exponencialmente (Ft) + tendencia alisada exponencialmente (Tt) Ft =  (demanda real del último periodo) + (1- )(pronóstico del último periodo + tendencia estimada del último periodo) o

Ft = (At-1) + (1- )(Ft-1 + Tt-1) Tt =  (pronóstico de este periodo - pronóstico del último periodo) + (1-)(tendencia estimada del último periodo) o

Tt = (Ft - Ft-1) + (1- )Tt-1

Comparación de pronósticos

Demanda real

Alisado exponencial con ajuste de Tendencia

Alisado exponencial

Valores de la variable dependiente

Método de mínimos cuadrados

Observación real

Desviación

Desviación

Desviación Desviación

Desviación

Desviación Desviación

Yˆ  a  bx Periodo de tiempo

Punto en la línea de tendencia

Demanda real y línea de tendencia

Y = 56,70+ 10,54X

Demanda real

Análisis de regresión lineal  Se usa para prever la línea de tendencia lineal.

 Supone una relación entre la variable de respuesta, Y, y el

periodo de tiempo, X, que es una función lineal:

 Se calcula mediante el método de los mínimos cuadrados:

 Minimiza la suma de errores cuadráticos.

ii Y a  b X

Modelo del análisis de regresión lineal

Y a

b>0

b<0

a

Tiempo, X

Diagrama de dispersión

Ventas 4 3 2 1 0 92

Ventas frente a tiempo

93

94

95

Periodo de tiempo

96

Interpretación de los coeficientes

• Pendiente (b): – El cálculo de Y varía en b cada unidad extra en X. • Si b = 2, entonces las ventas (Y) aumentarán 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) serán de 4 cuando la publicidad (X) sea 0.

Ecuaciones de mínimos cuadrados Ecuación:

ˆ i  a  bx i Y

n

Pendiente:

b

 xi yi  nx y

i 1 n

 xi2  nx 2

i 1

Corte con el eje Y:

a  y  bx

Tabla de cálculo

Xi

Yi

X1

Y1

X2

Y2

2 Xi 2 X1 2 X2

:

:

:

Xn ΣX i

2

Yn

Xn

ΣYi

2 ΣXi

2 Yi 2 Y1 2 Y2

X 1Y 1

:

:

X iY i X 2Y 2

2

X nY n

2 ΣY i

Σ X iY i

Yn

Ejemplo de análisis de regresión lineal Usted es el analista de marketing de Hasbro Toys. Recoge los siguientes datos: Año 1995 1996 1997 1998 1999

Ventas (miles de unidades) 1 1 2 2 4

¿Cuál es la ecuación de la tendencia?

Modelo de previsión del análisis de regresión lineal Usted está realizando el análisis de marketing de Hasbro Toys. Al utilizar años codificados, halla que Yi = -0,1 + 0,7Xi. Año 1995 1996 1997 1998 1999

Ventas (Miles de Unidades) 1 1 2 2 4

La previsión de ventas es de 2000 unidades.

Modelo estacional multiplicativo 

Encontrar la demanda histórica media para cada “estación” sumando la demanda de esa estación cada año y dividiéndola entre el número de años de datos disponibles.



Calcular la demanda media a lo largo de todas las estaciones dividiendo la demanda media total anual entre el número de estaciones.



Calcular un índice estacional dividiendo la demanda histórica real de esa estación (calculado en la etapa 1) entre la demanda media a lo largo de todas las estaciones.



Estimar la demanda anual de todo el año próximo.



Dividir esta estimación de la demanda anual total entre el número de estaciones y entonces multiplicarla por el índice estacional de esa estación. Esto proporciona la previsión estacional .

Modelo de regresión lineal

• Muestra la relación lineal entre las variables dependientes e independientes. – Ejemplo: ventas y publicidad (sin tiempo)

Corte con el eje Y

Pendiente

^ Yi = a  + b X i Variable dependiente

Variable independiente

Variación de los errores aleatorios

• Variación del Y real a partir del Y estimado. • Se mide mediante el error estándar de la estimación: – Muestra los errores de la desviación estándar. – SY,X

• Afecta a varios factores: – Significado del parámetro. – Precisión de la predicción.

Supuestos de los mínimos cuadrados

Se supone que la relación es lineal. Primero trace los datos, si existe la curva, utilice el análisis curvilineal. Se supone que la relación sólo 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 línea de los mínimos cuadrados son aleatorias.

Error estándar de la desviación

n



 yi  yˆ i  

S y,x  i 



n

n   yi i 

a

n



i 

n

yi  b  x i yi

n

i 

Correlación • Respuestas: ‘¿qué intensidad tiene la relación lineal entre las variables?’ • El coeficiente de correlación se identifica normalmente como r . – Los valores varían entre -1 y +1 . – Mide el grado de asociación.

• Se usa principalmente para comprender.

r

n

n

n

i 

i 

i 



n  x i yi   x i  yi 





      n x  x n y  y        i i   i i   i     i   i     i  n

n

n

n

Valores del coeficiente de correlación

Correlación negativa perfecta

-1,0

Correlación positiva perfecta

Sin correlación

-0,5

Aumento de la correlación negativa

0

+0,5

+1,0

Aumento de la correlación positiva

Coeficiente de correlación y modelo de regresión

Y

r=1

Y

Yî = a + b X i

r = -1

Yî = a - b X i

X Y

r = 0,89

X Y

Yî = a + b X i

r=0 Yî = a + b X i

X

X

Guía para elegir el modelo de previsión • Usted quiere conseguir: – Ninguna conducta o dirección del error de previsión. • Error = (Yi - Yî) = (Real - Previsión). • Se observa en las representaciones de los errores a lo largo del tiempo.

– Un error de previsión más pequeño: • Error cuadrado medio (ECM). • Desviación absoluta media (DAM).

Conducta del error de previsión

Tendencia no totalmente justificada

Conducta deseada

Error

Error

0

0 Tiempo (años)

Tiempo (años)

Ecuaciones del error de previsión • Error cuadrado medio (ECM): n

ECM 

 (y i  ˆy i ) 2

i 1

n

 errores de previsión  n

2

• Desviación absoluta media (DAM): n

 | y i  yˆ i |

DAM  i 

n

 errores de previsión |  | n

Ejemplo de selección del modelo de previsión Usted es el analista de marketing de Hasbro Toys. Ha previsto las ventas con un modelo lineal y alisado exponencial. ¿Qué modelo usará?

VentasPrevisión del

Previsión del

alisado Año

reales

modelo lineal

exponencial (0,9)

1995 1996 1997 1998 1999

1 1 2 2 4

0,6 1,3 2,0 2,7 3,4

1,0 1,0 1,9 2,0 3,8

Evaluación del modelo lineal

Año 1992 1993 1994 1995 1996 Total

Yi 1 1 2 2 4

^

Yi 0,6 1,3 2,0 2,7 3,4

Error 0,4 -0,3 0,0 -0,7 0,6 0,0

Error2 0,16 0,09 0,00 0,49 0,36 1,10

ECM = Σ Error2 / n = 1,10 / 5 = 0,220 DAM = Σ |Error| / n = 2,0 / 5 = 0,400

|Error| 0,4 0,3 0,0 0,7 0,6 2,0

Evaluación del modelo de alisado exponencial

Year 1995 1996 1997 1998 1999 Total

Yi 1 1 2 2 4

^

Yi 1,0 1,0 1,9 2,0 3,8

Error 0,0 0,0 0,1 0,0 0,2 0,3

Error2 0,00 0,00 0,01 0,00 0,04 0,05

ECM = Σ Error2 / n = 0,05 / 5 = 0,01 DAM = Σ |Error| / n = 0,3 / 5 = 0,06

|Error| 0,0 0,0 0,1 0,0 0,2 0,3

Evaluación del modelo de alisado exponencial Modelo de alisado exponencial: ECM

= Σ Error2 / n

DAM

= Σ |Error| / n

=

0,05 / 5

=

0,01

0,3 / 5

=

0,06

1,10 / 5

=

0,220

=

0,400

=

Modelo lineal: ECM

= Σ Error2 / n

DAM

= Σ |Error| / n

= =

2,0 / 5

Señal de rastreo • Mide el grado de precisión de la previsión para predecir valores reales. • Suma actual de los errores de previsión (SAEP) dividida entre la desviación absoluta media (DAM): Una buena señal de rastreo tiene valores bajos.

• Debe estar dentro de los límites de control superiores e inferiores.

Ecuación de la señal de rastreo

SAEP Señal de rastreo  DAM n

 y i  yˆ i 

 i  DAM 

 errores de previsión

DAM

Cálculo de la señal de rastreo

Trim.

Demanda prevista

Demanda real

1

100

90

2

100

95

3

100 115

4

100 100

5

100 125

6

100 140

Error SAEP Error |Error| DAM absoluto acumulado

SR


Trim. Demanda Demanda

prevista

Error SAEP Error |Error| DAM

real

1

100

90

2

100

95

3

100 115

4

100 100

5

100 125

6

100 140

absoluto acumulado

-10

Error Error == Real Real-- Previsión Previsión == 90 90-- 100 100==-10 -10

SR

Cálculo de la señal de rastreo Trim. Demanda Demanda prevista


real

1

100

90

2

100

95

3

100 115

4

100 100

5

100 125

6

100 140

absoluto acumulado

-10

-10 SAEP SAEP==  Errores Errores ==ND ND++ (-10) (-10)== -10 -10

SR

Cálculo de la señal de rastreo Trim. Demanda Demanda prevista real

1

100

90

2

100

95

3

100 115

4

100 100

5

100 125

6

100 140

Error SAEP Error |Error| DAM absoluto acumulado

-10

-10

10

Error Error absoluto absoluto ==|Error| |Error| == |-10| |-10|== 10 10

SR



real

1

100

90

2

100

95

3

100 115

4

100 100

5

100 125

6

100 140

SR

absoluto acumulado

-10

-10

10

10

|Error| |Error|acumulado acumulado==  |Errores| |Errores| ==NA NA++10 10== 10 10


Trim. Demanda Demanda prevista


real

1

100

90

2

100

95

3

100 115

4

100 100

5

100 125

6

100 140

absoluto

-10

-10

10

acumulado

10 10,0

DAM DAM==  |Errores|/n |Errores|/n ==10/1 10/1== 10 10

SR



real

1

100

90

2

100

95

3

100 115

4

100 100

5

100 125

6

100 140

absoluto

-10

-10

10

SR

acumulado

10 10,0

SR SR==SAEP/DAM SAEP/DAM == -10/10 -10/10== -1 -1

-1



real

SR

absoluto acumulado

1

100

90

-10

2

100

95

-5

3

100 115

4

100 100

5

100 125

6

100 140

-10

10

10 10,0

Error Error == Real Real-- Previsión Previsión == 95 95-- 100 100==-5 -5

-1


Error SAEP Error |Error| DAM absoluto

real

1

100

90

-10

-10

2

100

95

-5

-15

3

100 115

4

100 100

5

100 125

6

100 140

10

SR

acumulado

10 10,0

SAEP SAEP==  Errores Errores ==(-10) (-10)++ (-5) (-5)== -15 -15

-1



real

SR

absoluto acumulado

1

100

90

-10

-10

10

2

100

95

-5

-15

5

3

100 115

4

100 100

5

100 125

6

100 140

10 10,0

Error Error absoluto absoluto ==|Error| |Error| == |-5| |-5|== 55

-1



real

SR

absoluto acumulado

1

100

90

-10

-10

10

2

100

95

-5

-15

5

3

100 115

4

100 100

5

100 125

6

100 140

10 10,0

-1

15

Error Error acumulado acumulado==  |Errores| |Errores| ==10 10++ 55==15 15



real

SR

absoluto acumulado

1

100

90

-10

-10

10

2

100

95

-5

-15

5

3

100 115

4

100 100

5

100 125

6

100 140

10 10,0 15

7,5

DAM DAM==  |Errores|/n |Errores|/n ==15/2 15/2== 7,5 7,5

-1



real

SR

absoluto acumulado

1

100

90

-10

-10

10

2

100

95

-5

-15

5

3

100 115

4

100 100

5

100 125

6

100 140

10 10,0

-1

15

-2

SR SR==SAEP/DAM SAEP/DAM == -15/7,5 -15/7,5==-2 -2

7,5

Representación de una señal de rastreo

Señal que supera el límite

DAM

+

Límite de control superior

Señal de rastreo

0 -

Intervalo aceptable Límite de control inferior Tiempo

Señales de rastreo

Previsión

Demanda real Señal de rastreo

Pronóstico en el sector servicios

Presenta algunas complicaciones: Especial necesidad de datos a corto plazo. Las necesidades varían mucho en función de la industria y del producto. Vacaciones y calendario. Eventos poco comunes. 20 Ventas por Hora en un fast food

15

10

5

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

Modelos Avanzados de Análisis de Series AR(p)

modelos Auto Regresivos

MA(q)

modelos de medias móviles

ARMA (pq)

modelos auto regresivos de medias móviles

Modelo de Winter ARIMA (p,d,q)

modelos auto regresivos integrado de medias móviles

VARMA

modelos multivariados

ARMAX

modelos con variable explicativa

ARCH

modelos auto regresivos condicionales heteroscedásticos

GARCH

modelos ARCH generalizados

p número de parámetros auto regresivos q largo de la media móvil d número de diferenciaciones Ruido blanco término no correlacionado con el pasado, esperanza cero.

ARIMA Auto Regresive Integrated Moved Average Promedio Móvil Integrado Auto regresivo También se lo conoce como método de Box-Jenkins Es un método muy complejo para resolver manualmente, pero existen una serie de aplicaciones para trabajar con el Es muy útil para resolver problemas con fuertes variaciones estacionales Su aplicación requiere de al menos 50 periodos históricos

Suavizamiento Exponencial para las salidas nacionales en el Aeropuerto Merino Benítez

25000

25000

20000

20000

15000

15000

10000

10000

5000

Ene-00 Jul

30000

Ene-99 Jul

30000

Jul Ene-98 Jul

35000

Jul Ene-97

35000

Ene-95 Jul Ene-96

40000

Ene-93 Jul Ene-94 Jul

40000

Jul Ene-92 Jul

45000

Ene-90 Jul Ene-91

45000

Jul Ene-89 Jul

50000

Ene-87 Jul Ene-88

Ton

Consumo de gas licuado envasado, Reg Metrop 50000

Mes

: Consumo Gas Licuado en la

R..Metropolitana 1987-2000.

5000

Gestión Logística

Recommend Documents