Professional Documents
Culture Documents
CONSTRUIMOS FUTURO
DIRECCION DE PROCESOS I
CONSTRUIMOS FUTURO
CONSTRUIMOS FUTURO
Qu es la Demanda?
Cantidad de bienes o servicios que el consumidor est dispuesto a adquirir a un precio dado y en un lugar establecido
Saber cual ser la demanda permite usar con eficiencia el sistema productivo y entregar el producto a tiempo. Dos fuentes bsicas de demanda: Demanda Dependiente y Demanda Independiente Respecto a la demanda independiente: Adoptar papel activo: Presionar a fuerza de venta, subir/bajar precios, crear campaas, etc. Adoptar papel pasivo: Porque la empresa funciona a toda capacidad, o es la nica en el mercado, razones legales, ticas, etc.
4
Pronsticos de demanda
Es una estimacin futura del nivel de demanda esperado, puede determinarse segn los requerimientos en pesos, unidades, toneladas, etc. Todas las organizaciones pblicas o privadas, comerciales o industriales, pequeas o grandes, nacionales o extranjeras operan en un medio ambiente general y especfico de incertidumbre, y a pesar de ello, deben tomar decisiones operacionales que afectan su futuro.
Existen demasiados factores en el medio empresarial que no pueden predecirse con certeza. En lugar de buscar una proyeccin perfecta, es mucho ms importante establecer la prctica de revisar continuamente las proyecciones y aprender a vivir con pronsticos inexactos.
Chase y Aquilano. Administracin de Produccin y Operaciones
10
Tctica
Planificacin de Materiales
Operativa
11
Pronstico Ventas
Plan de Produccin
Plan Recursos
Plan Agregado
Plan Capacidad
Plan Operacional
DISTRIBUCIN
PRODUCCIN
COMPRAS
EJECUCIN
12
Indica las cantidades a producir en cifras trimestrales o anuales muy agregadas (por familia de producto). Se hace en funcin del pronstico de ventas a largo plazo (por tipos de productos). Se planifica: desarrollo de nuevos productos, adquisicin de tecnologas, cambios en los procesos, adquisicin de nuevas instalaciones.
13
Planificacin Agregada
El plan agregado de produccin refleja el nmero de unidades a producir por familia de productos.
Se realiza para periodos mensuales, generalmente en un horizonte de 6 a 18 meses. Establece cantidades a producir, inventarios, nivel de mano de obra; teniendo en cuenta la capacidad disponible
14
15
Enero
1500 3 4 5
Febrero
1200 6 7 8
16
Planificacin de materiales
Comprende una programacin detallada que indica las cantidades que se necesitan de cada uno de los componentes (materia prima y materiales) que conforman los distintos productos y fechas para las cuales deben tenerse dichos componentes.
17
18
Condiciones generales de la economa y el negocio Factores Competitivos Tendencias del mercado Planes propios de la compaa
19
Fuentes de demanda
20
La demanda se satisface normalmente de los inventarios. La tarea del P.M.P es proveer inventario para satisfacer los pronsticos de demanda futura.
21
22
23
24
25
26
27
28
Tipos de pronsticos
Mtodos cualitativos: Generalmente se basan en juicios con respecto a los factores causales subyacentes a la venta de los productos o servicios en particular, y en opiniones sobre la posibilidad relativa que estos factores causales sigan presentes en el futuro.
Mtodos cuantitativos: Hacen uso de la informacin disponible a travs de un modelo matemtico del comportamiento del sistema.
29
Estn basados en la intuicin y en la opinin informada Tienden a ser subjetivos. Son usados para el plan de negocios y el pronsticos de nuevos productos. Son utilizados para pronstico de mediano y largo plazo.
30
Mtodos cualitativos
Proyeccin fundamental Investigacin de mercados Consenso del comit ejecutivo Analoga histrica Mtodo Delfos
31
Proyeccin Fundamental
El pronstico inicia en los niveles inferiores con la fuerza de ventas y va subiendo a travs de los diferentes niveles jerrquicos de la empresa, en donde se le va aplicando los ajustes que se consideren pertinentes.
Investigacin de mercados
La estimacin futura de las ventas se obtiene directamente de los clientes. Las ms comunes de stas investigaciones son: la prueba de concepto, la prueba de producto y la prueba de mercado
32
Analoga histrica
En este mtodo se liga la estimacin de las ventas futuras de un producto con el conocimiento de las ventas de un producto similar. Este mtodo es especialmente til en el caso de productos nuevos.
33
Esta tcnica se utiliza para lograr un consenso dentro de un comit. En este caso, los ejecutivos responden annimamente a una serie de preguntas en sesiones sucesivas. Cada respuesta se retroalimenta en cada sesin a todos los participantes y entonces el proceso se repite. De esta forma se construye el consenso en relacin con el pronstico.
34
Pronsticos a largo plazo, De regular a muy Ms de dos meses de ventas de nuevos buena productos, tecnolgicos Para evaluar y probar Excelente hiptesis acerca de dependiendo mercados reales la seriedad trabajo Ms de tres meses de del Ms de semanas Una semana dos
Investigacin de mercados
del Los mismos que el del De baja a regular Delphi Estimacin del usando la intuicin futuro De baja a regular
a Ms de un mes
35
Basados en datos histricos usualmente disponibles en la Empresa Asumen que el futuro repetir el pasado
36
Mtodos cuantitativos
37
38
Estacional
Tendencia
Variacin aleatoria
Promedio
39
Tendencia: Movimiento gradual ascendente o descendente de los datos en el tiempo.(ms comunes son lineal, en forma de s y exponencial). Estacionalidad: Es un patrn de datos que se repite despus de un perodo de tiempo. Por ejemplo: estaciones de tiempo o das de la semana.
40
Ciclos: Son patrones de comportamiento en los datos que se repiten despus de varios aos. Variaciones aleatorias: Son cambios en los datos a los que no se les puede asignar una causa especfica y no siguen un patrn.
41
Son los mtodos de pronsticos ms conocidos y estudiados. Se basan en modelar el comportamiento histrico de un conjunto de datos y extrapolar ese comportamiento.
42
43
Ejemplo de promedios mviles: Se tiene la demanda real para un producto en 17 semanas. Se le solicita que calcule el promedio mvil para 3, 5 y 7 semanas y realice los anlisis respectivos.
44
Semana 1 2 3 4 5 6 7 8 9 10 11 12
Demanda (unidades) 100 125 90 110 105 130 85 102 110 90 105 95
13
14 15 16 17
115
120 80 95 100
45
120
Demanda
80 40 0 2 4 6 8 10 12 14 16 18
Tiempo
46
Semana
Demanda 3 semanas
1 2 3 4 5 6 7 8 9 10 11
100 125 90 110 105 130 85 102 110 90 105 105.0 108.3 101.7 115.0 106.7 105.7 99.0 100.7 106.0 112.0 104.0 106.4 106.4 103.4 106.4 106.7 104.6 104.6
12
13 14 15 16 17
95
115 120 80 95 100
101.7
96.7 105.0 110.0 105.0 98.3
98.4
100.4 103.0 105.0 103.0 101.0
103.9
102.4 100.3 105.3 102.1 100.0
47
48
las
Precisin: Se refiere a que tan cerca siguen los datos reales a los pronsticos.
49
En el caso del promedio mvil, entre mayor sea la cantidad de periodos promediados, mayor ser la capacidad de amortiguacin del ruido y menor es la respuesta al impulso del pronstico y viceversa.
50
51
Este promedio permite adjudicar una importancia cualquiera a cada elemento, siempre y cuando, por supuesto, todos los valores sumen 1. El peso asignado a cada valor depende de la importancia relativa que se le quiera dar a los datos.
52
Semana 1 2 3
53
Suavizacin Exponencial La dificulta del promedio mvil y el promedio mvil ponderado es que se necesita contar siempre con una cantidad importante de datos. Asumiendo como premisa vlida Los datos ms recientes indican mejor el futuro que los de un pasado ms distante, surge la suavizacin Exponencial. Esta es la tcnica ms utilizada para pronosticar.
54
Ft = Ft-1 + (At-1 Ft-1) donde: Ft : Ft-1 : At-1 : : Pronstico por S.E. para el perodo t Pronstico por S.E. para el perodo anterior Demanda real en el perodo anterior Constante de suavizacin [0 a 1]
La ms reciente demanda puede tener la ms alta ponderacin. La importancia de los datos disminuye en la medida en que el pasado se hace ms distante. Cada incremento del pasado disminuye en (1- ).
55
determina el nivel de uniformidad y la velocidad de reaccin a las diferencias entre las proyecciones y las demandas reales. Se determina por la naturaleza del producto; la recomendacin general es que los valores de grandes se usan en situaciones en que los datos presentan alta variabilidad entre periodos.
Mientras mayor sea la ponderacin de asignada a la demanda actual, mayor ser la influencia de este punto en el pronstico.
56
57
Semana
Demanda = 0.1
Pronstico = 0.2 85.0 85.0 88.4 92.7 92.2 94.7 94.8 98.8 103.1 98.5 97.8 = 0.3 85.0 85.0 90.1 96.1 94.2 97.5 96.7 102.2 107.5 99.3 98.0
7 8 9 10 11 12 13 14 15 16 17
85.0* 85.0 86.7 89.0 89.1 90.7 91.1 93.5 96.2 94.6 94.6
* Todos los pronsticos para la sptima semana fueron seleccionados arbitrariamente. Se necesita un pronstico inicial para utilizar la suavizacin inicial. Usualmente se parte de los datos reales del periodo.
58
Entre ms elevado es , ms alta es la respuesta al impulso del pronstico y menor su capacidad de amortiguacin del ruido y viceversa.
59
130 120
Deman da
60
Regresin Lineal
La serie de datos histricos se ajusta a una lnea recta. Se asume que la variable dependiente (ventas) cambia a travs del tiempo. Yt = A + B X
A es la interseccin con el eje Y B es la pendiente de la recta calculado a partir de todos los datos.
61
4
5 6 7 8
2000
2000 2000 2200 2600
9
10
2900
3200
62
Lnea de tendencia
63
Anlisis de la regresin:
Estadsticas de la regresin
Coeficiente de correlacin mltiple Coeficiente de determinacin R^2 R^2 ajustado Error tpico Observaciones 0,97020374 0,94129531 0,93395722 173,030038 10
Si se desea pronosticar las ventas en miles de unidades para el perodo 12, simplemente se reemplaza este valor de X en la ecuacin de regresin obtenida: Y12 = 913.33 + 215.76 * 12 = 3.502,4 = 3503
64
La descomposicin de una serie de tiempo consiste en identificar y separar los datos de la serie en estos componentes.
65
11
12 13 14
17,5
22 21,5 26
66
Lnea de tendencia
30
N pasajeros en miles
25 20 15 10 5 0 0 1 2 3 4 5 6 7
10 11
12 13 14 15
Trimestres
67
X 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Trimestre 1 2 3 4 1 2 3 4 1 2 3 4 1 2
F 4,3 5,8 7,4 8,9 10,5 12,0 13,5 15,1 16,6 18,2 19,7 21,3 22,8 24,4
Y/F 0,82 1,38 0,75 1,12 0,91 1,17 0,85 1,06 0,93 1,10 0,89 1,03 0,94 1,07
68
AO
1 1 2 3 4 TOTAL PROMEDIO 0,82 0,91 0,93 0,94 3,6 0,9 2 1,38 1,17 1,1 1,07 4,72 1,18
Trimestre
3 0,75 0,85 0,89 2,49 0,83 4 1,12 1,06 1,03 3,21 1,07
69
70
71
1 MAD N
A F
i 1 t
At = Demanda real para el periodo Ft = Demanda pronosticada para el periodo t = Periodo N = total del periodos | | = Valor absoluto
72
La seal de rastreo constituye el nmero de desviaciones medias absolutas en que el valor del pronstico est por arriba o por debajo de los hechos. Si el modelo de pronstico esta desempendose bien la seal de rastreo debera ser igual a cero, indicando que ha habido aproximadamente tantos puntos reales por encima del pronstico como por debajo.
73
El signo de la seal de rastreo es muy importante para indicar la direccin del error del pronstico. Si la seal de rastreo es positiva, se ha subestimado y si es negativa se ha sobrestimado.
TS
A
N i 1
Fj
MAD
At = Demanda real para el periodo Ft = Demanda pronosticada para el periodo t = Periodo N = total del periodos
74
1
2 3 4 5 6
1000
1000 1000 1000 1000 1000
950
1070 1100 960 1090 1050
-50
+70 +100 -40 +90 +50
-50
+20 +120 +80 +170 +220
50
70 100 40 90 50
50
120 220 260 350 400
50
60 73.3 65 70 66.7
-1
0.33 1.64 1.2 2.4 3.3
75
76
77
Ventas anuales (Millones US) Y 37,702 24,196 32,055 3,611 17,625 45,919 29,600 8,114 20,116 12,994
Nmero de tiendas detallistas X1 1739 1221 1846 120 1096 2290 1687 241 649 1427
Nmero de supervisores X5 9 5 7 5 7 13 15 11 16 10
78
Anlisis de resultados:
Matriz de correlaciones
Ventas Tiendas 0.899 Tiendas Autos Ingreso Edad Supervisores
Autos
Ingreso Edad Supervisore s
0.605
0.964 -0.323 0.286
0.775
0.825 -0.489 0.183
79
Matriz de coeficientes
Predictor Constante Tienda Carros Ingreso Coeficiente -19,672 -0,000629 1,7399 0,40994 Desv. Estndar 5,422 0,002638 0,5530 0,04385 t- ratio -3,63 -0,24 3,15 9,35
Edad
Supervisores
2,0357
-0,0344
0,8779
0,1880
2,32
-0,18
Anlisis de varianza
Fuente Regresin Error Total g.l 5 4 9 S.C 1593.81 9.08 1602.89 C.M 318.76 2.27
80
Edad
1,9637
0,5846
3,36
Anlisis de varianza
Fuente g.l S.C C.M
3 6 9
531,22 1,54
81
82
Launch eValuate
Funciona de manera muy distinta a cualquier otro modelo de pronstico de ventas. Esta versin mejorada de MicroTest, una de las pruebas de mercado simulado lderes del mundo se adecua mejor al entorno del consumidor actual y genera pronsticos de volumen ms precisos. Launch eValuate tambin proporciona robustos diagnsticos confrontados contra una base de datos global de ms de 40,000 registros.
83
Lo que hace poderoso a Launch eValuate es que es un verdadero micro-modelo capaz de analizar el comportamiento de cada uno de los consumidores en lugar de slo agregar los resultados. No slo se puede predecir lo que pasar, sino tambin aquellos factores que podran cambiar las mentes de los consumidores, ya sea positiva o negativamente, y las razones de dicho cambio.
Este micro-modelo permite medir el impacto de casi cualquier variable de marketing incluyendo la actividades de la competencia a un nivel de probabilidad de compra de cada individuo.
84
En Launch eValuate, dichas variables se aplican a nivel individual para ajustar la probabilidad de compra ya sea de manera ascendente o descendente. Ello permite medir el impacto de muchas ms variables y con ello hacer un ajuste ms preciso optimizando los planes de marketing. Launch eValuate es ms exacto porque est calibrado con informacin de panel, garantizando que los resultados arrojados reflejan la realidad y eliminando la necesidad de utilizar datos normativos para ajustar las respuestas de los entrevistados.
85
La base de datos de monitoreo de lanzamientos de Launch eValuate demuestra que aquellos consumidores que escuchan de la existencia de un nuevo producto por un amigo o familiar, tienen el doble de probabilidad de comprarlo que aqullos que se enteran por otros medios.
Para un clculo preciso del potencial de una nueva idea, es necesario entender la manera como el consumidor percibe la idea, lo que opina y siente respecto de ella, lo que podra decirle a los dems de la misma, as como los elementos del mensaje de marketing que podran ejercer alguna influencia sobre ello.
86
La base de datos de Launch eValuate demuestra tambin que el factor de mayor influencia en el potencial de un nuevo producto, es la emocin que ste provoca al consumidor. El impacto emocional que un producto nuevo genera incrementa la probabilidad de que la gente lo pruebe y hace tambin que lo miren como algo diferente, provocando que la gente hable ms de l y disparando las probabilidades de xito a largo plazo. La clave es desarrollar nuevos productos que hagan decir Wow! a los consumidores.
87
Launch eValuate es un producto de TNS Research International que ofrece su experiencia de varias de dcadas de trabajo en Mercados de Prueba Simulados (STM por sus siglas en ingls) y el involucramiento de equipos de expertos de todo el mundo.
88
89