Professional Documents
Culture Documents
PREGUNTAS FRECUENTES
Inventario del ciclo, esto deriva de los inventarios cíclicos que se denominan
así por la repetitividad de las decisiones, es decir siempre se pide la misma
cantidad (lote) durante determinados periodos de tiempo. El inventario del ciclo
es el promedio de dicha cantidad por lo que el mismo es representado por la
expresión Q/2. Por ejemplo, al principio el inventario se encuentra en su punto
máximo, al final del ciclo (antes de la llegada del nuevo lote) en su punto mínimo
es decir cero, luego el inventario promedio del ciclo Q+0/2 = Q/2
El inventario de seguridad podríamos decir que es el que se mantiene para
asegurar la disponibilidad durante el período de aprovisionamiento ( sin lugar a
dudas que también sirven, llegado el caso, para absorber variaciones de
demanda), mientras que los de previsión (algunos autores lo denominan
inventarios de anticipación) es el que se conforma fuera de temporada para
satisfacer una demanda futura estimada (o conocida), o como en el caso de un
productor que los mantiene para hacer frente, con una capacidad limitada, a
picos de demanda. Es decir se crean existencias para hacer frente al
crecimiento.
Inventario de previsión, continuando con el concepto anterior, son los que se
mantienen para hacer frente a una producción determinada por las
irregularidades derivadas de la demanda
Inventario en tránsito, los que se verifican por el movimiento de mercaderías,
por ejemplo las grandes superficies de ventas (Wall mart, Carrefour, etc) tienen
grandes inventarios en tránsito ya que no poseen almacenes, todo el comercio
es un almacén. Es decir son los derivados del transporte.
3. EJERCICIOS extras de LOTE ECONOMICO
1) La Speedy Grocery promueve una marca particular de café que tiene las
siguientes características:
2) La tienda Grinell Machine fabrica una línea de planchas metálicas para sus
clientes. Algunas de estas planchas se llevan en el inventario de producto
terminado. Una plancha en particular tiene las siguientes características:
Qe = √ 2*D*S/H
Donde :
Qe = lote económico
D = Demanda
S= Costo de ordenar
H = costo de almacenar
F = (Qe/D)* 365
Donde
F = frecuencia en días
Qe = lote económico
D = Demanda
Asimismo les adjuntamos una planilla excel con un ejercicio de lote económico.
Si cambian los datos de entrada van a tener infinitos ejercicios.
Ya que depende cuanto conocen del excel les adjunto un ejemplo resuelto que
muestra como usar el excel para los pronósticos.
Se adjunta el Excel.
INFORMACION AMPLIATORIA DE REGRESIÓN LINEAL
Yˆ a0 b1 X
Como ejemplo, consideremos las cifras del Cuadro 1, que muestra datos
mensuales de producción y costos de operación para una empresa británica de
transporte de pasajeros por carretera durante los años 1949-52 (la producción
se mide en términos de miles de millas-vehículo recorridas por mes, y los costos
se miden en términos de miles de libras por mes). Para poder visualizar el grado
de relación que existe entre las variables, como primer paso en el análisis es
conveniente elaborar un diagrama de dispersión, que es una representación en
un sistema de coordenadas cartesianas de los datos numéricos observados. En
el diagrama resultante, en el eje X se miden las millas-vehículo recorridas, y en
el eje Y se mide el costo de operación mensual. Cada punto en el diagrama
muestra la pareja de datos (millas-vehículo y costos de operación) que
corresponde a un mes determinado. Como era de esperarse, existe una
relación positiva entre estas variables: una mayor cantidad de millas-vehículo
recorridas corresponde un mayor nivel de costos de operación.
Diagrama de Dispersión
Cuadro 1.
Operaciones Mensuales en
una Empresa de Transporte de
Pasajeros.
Costos Millas
Totales Vehículo
(miles) (miles)
Mes Nº Y X
1 213.9 3147
2 212.6 3160
3 215.3 3197
4 215.3 3173
5 215.4 3292
6 228.2 3561
7 245.6 4013
8 259.9 4244
9 250.9 4159
10 234.5 3776
11 205.9 3232
12 202.7 3141
13 198.5 2928
14 195.6 3063
15 200.4 3096
16 200.1 3096
17 201.5 3158
18 213.2 3338
19 219.5 3492
20 243.7 4019
21 262.3 4394
22 252.3 4251
23 224.4 3844
24 215.3 3276
25 202.5 3184
26 200.7 3037
27 201.8 3142
28 202.1 3159
29 200.4 3139
30 209.3 3203
31 213.9 3307
32 227.0 3585
33 246.4 4073
Por otro lado, también se aprecia por qué este gráfico se denomina
un diagrama de “dispersión”: no existe una relación
matemáticamente exacta entre las variables, ya que no toda la
variación en el costo de operación puede ser explicada por la
variación en las millas-vehículo. Si entre estas variables existiera
una relación lineal perfecta, entonces todos los puntos caerían a lo
largo de la recta de regresión, que también ha sido trazada y que
muestra la relación “promedio” que existe entre las dos variables.
En la práctica, se observa que la mayoría de los puntos no caen
directamente sobre la recta, sino que están “dispersos” en torno a
ella. Esta dispersión representa la variación en Y que no puede
atribuirse a la variación en X.
5. Error en EPIC: no coinciden las consignas de los TP 1 y 2 con el
desarrollo del TP.
Se produjo un error en la carga del archivo que contiene las consignas del
TRABAJO PRACTICO NRO 1 y NRO 2 de la MATERIA PRODUCCION 2 EN
EPIC. Para poder resolverlos deberán leer como CONSIGNAS PREVIAS del
adjunto que les envío en este mensaje.
11. Cuáles son las variables independientes en las que se basan los
métodos causales?
La variable (o variables) independiente son los datos históricos que dispone el
pronosticador para luego proyectarlos y determinar la demanda futura (ver
método de regresión lineal)
Las ponderaciones se utilizan para dar más énfasis a los valores que muestran
alguna tendencia o patrones localizables. La intensidad de la ponderación
dependerá de la importancia de lo detectado, por ejemplo, si para enero la
demanda fue 10, la de febrero 20, la de marzo 30, estamos visualizando una
tendencia creciente por lo cual se hace necesario dar más énfasis a los valores
actuales que a los anteriores (menos para enero y más para marzo). Para estos
casos es mejor utilizar una regresión lineal que va a determinar la recta de
tendencia con mucha mejor precisión.
La constante alfa si bien puede variar entre 0 y 1 los valores utilizados van
entre 0.1 y 0.5 en aplicaciones de negocios. Puede cambiarse para dar mas
peso a los datos mas recientes (alfa mas alto) o mas baja para dar mas
importancia a los datos anteriores.
Por ejemplo para un alfa 0.1 asigna el 90 % del peso a 22 períodos anteriores y
con 0.5 asigna el 90 % a los últimos cuatro períodos, consecuentemente el alfa
a utilizar dependerá de que el pronosticador quiera utilizar datos muy viejos o
recientes.
20. Como obtener los datos a y b en la Regresión Lineal sin utilizar el Excel?
Para resolver el punto 1) tiene que aplicar la expresiones matemáticas del
método de los cuadrados mínimos. Acá van en el recuadro, la bibliografía no
las muestra pero si entra en la web las puede bajar.
Para el punto 2), el gráfico que muestra el archivo está mostrando un patrón
decreciente de la demanda y una alta correlación entre variables, si lo calcula
con la expresión COEF.DE.CORREL, le da -0,843392
Las palancas primarias son las que se aplican para reducir los inventarios (bajar
las existencias significa menores costos para la organización), pero esta
reducción trae aparejado costos derivados del comportamiento de la demanda
y/o necesidades de para afrontar la producción, por lo que aparecen los llamados
costos de penalización por no tener existencias en los almacenes, en
consecuencia se deben tomar acciones para reducirlos y es por medio de las
llamadas palancas secundarias. Por ejemplo para reducir el inventario de
seguridad se efectúan los pedidos cercanos a la fecha de recepción, para mitigar
un variación brusca de la demanda y sus costos asociados se deberán mejorar
los pronósticos y acordar con nuestros proveedores tiempos de entrega más
cortos (palancas secundarias).
Ejemplo:
Promedio móvil ponderado = 1 x Demanda 1er mes + 2 x demanda 2do mes + 3
x demanda 3er mes / 6
Tanto los promedios móviles simples como los ponderados son efectivos para
suavizar las fluctuaciones repentinas en el patrón de la demanda con el fin de
obtener estimaciones estables. Sin embargo, los promedios móviles presentan
tres problemas:
1. Aumentar el tamaño de n (el número de periodos promediados) suaviza de
mejor manera las fluctuaciones, pero resta sensibilidad al método ante cambios
reales en los datos.
2. Los promedios móviles no reflejan muy bien las tendencias. Porque son
promedios, siempre se quedarán en niveles pasados, no predicen los cambios
hacia niveles más altos ni más bajos. Es decir, retrasan los valores reales.
3. Los promedios móviles requieren amplios registros de datos históricos.
Nuevo pronóstico = Pronóstico del periodo anterior + α (Demanda real del mes
anterior – Pronóstico del periodo anterior), donde α es la ponderación, o
constante de suavizado, elegida por quien pronostica y tiene un valor de entre 0
y 1.