1. modelos de pronosticos
1.1. Un modelo de pronóstico puede ser la combinación de varios pronósticos y variables para hacer proyecciones más acertadas. Para esto es necesario identificar el método de pronóstico más adecuado para los objetivos. En general el propósito es programarse adecuadamente para satisfacer todos los requerimientos del futuro. Los pronósticos sirven para diseñar los procesos según la capacidad instalada y finalmente brindar una buena experiencia de usuario.
2. modelos de probabilistica
2.1. Modelo probabilístico o estadístico es la forma que pueden tomar un conjunto de datos obtenidos de muestreos de datos con comportamiento que se supone aleatorio. Un modelo estadístico es un tipo de modelo matemático que usa la probabilidad, y que incluye un conjunto de asunciones sobre la generación de algunos datos muestrales, de tal manera que asemejen a los datos de una población mayor. Las asunciones o hipótesis de un modelo estadístico describen un conjunto de distribuciones de probabilidad, que son capaces de aproximar de manera adecuada un conjunto de datos. Las distribuciones de probabilidad inherentes de los modelos estadísticos son lo que distinguen a los modelos de otros modelos matemáticos deterministas. Un modelo estadístico queda especificado por un conjunto de ecuaciones que relacionan diversas variables aleatorias, y en las que pueden aparecer otras variables no aleatorias. Como tal "un modelo es una representación formal de una teoría"1 Todos los tests de hipótesis estadísticas y todos los estimadores estadísticos proceden de modelos estadísticos. De hecho, los modelos estadísticos son una parte fundamentalmente de la inferencia estadística.
3. suavizado exponencial en modelos de tendencia lineal
3.1. Los métodos de pronóstico de demanda de series de tiempo como Suavizamiento Exponencial (Alisamiento Exponencial) y Media Móvil Simple, tienen un mejor desempeño cuando el patrón histórico de la demanda no evidencia tendencia ni estacionalidad marcada como se observa en el gráfico a continuación. En particular en el caso del Suavizamiento Exponencial, si la serie de tiempo tiene una tendencia creciente se tenderá a subestimar la demanda real y de forma análoga cuando la demanda presenta una tendencia decreciente el alisamiento exponencial tenderá a sobrestimar el valor de la demanda real. Para mejorar la calidad del pronóstico al observar una tendencia en la serie de tiempo se puede considerar el método de Suavizamiento Exponencial Doble, conocido también como Suavizamiento Exponencial Ajustado a la Tendencia o Método de Holt. Cabe recordar que una tendencia es un incremento o decremento sistemático en el promedio de la serie a través del tiempo. Luego, el método de Suavizamiento Exponencial Doble busca incorporar la tendencia en un pronóstico suavizado exponencialmente.
4. error de pronosticos
4.1. Errores de Pronósticos Como vimos en el tema anterior, los pronósticos por lo general son errores, dicho de otro modo son intentos de predecir acontecimientos futuros, un pronóstico bien realizado siempre va acompañado de su Error, es por ello que los estudiaremos. Existen diferentes métodos para determinar el error: Entiéndase el error de pronóstico de la DEMANDA del periodo t como la diferencia entre el valor real de la DEMANDA con el valor pronosticado. Desviación Absoluta Media Error Absoluto Medio Et= Dt - Ft MAD Desviación Absoluta Media, es el valor absoluto de la diferencia entre la demanda real y el pronóstico, dividido sobre el número de periodos. MSE MSE es una medida de dispersión del error de pronóstico, consiste en el ´promedio n de elevar el error al cuadrado los errores, sin embargo esta medida maximiza el error al elevar al cuadrado, castigando aquellos periodos donde la diferencia fue más alta a comparación de otros. Se recomienda su uso cuando los errores son pequeños.
5. pronosticos casuales con regreseion lineal
5.1. Dentro de los modelos causales o asociativos encontramos el análisis de regresión o regresión lineal, que es un método con enfoque cuantitativo que nos permite pronosticar la demanda. Agrupa una variable dependiente (la demanda) con una o más variables independientes a través de una ecuación lineal.
5.1.1. El objetivo del análisis de regresión como método causal es pronosticar la demanda a partir de una o más causas (variables independientes), las cuales pueden ser por ejemplo el tiempo, precios del producto o servicio, precios de la competencia, economía del país, acciones del gobierno o fomentos publicitarios.
5.1.1.1. Algunos apuntes importantes sobre éste método son: Puedes calcular series de tiempo y relaciones causales. En el primer caso, ubicas la demanda histórica de tu bien o servicio para que cambie en función del tiempo. El segundo caso es cuando la variable que pronosticas cambia en función de otra (variable causal). Lineal significa que los datos del periodo anterior y la proyección para el periodo futuro que vas a obtener caen sobre una recta. Si hablamos de una sola variable independiente, es una regresión lineal simple, contrario a si son dos o más variables independientes, donde hablaríamos de regresión lineal múltiple.
6. definicion y tipos de inventario
6.1. El inventario es un conjunto de bienes en existencia destinados a realizar una operación, sea de compra, alquiler, venta, uso o transformación y de esta manera asegurar el servicio a los clientes internos y externos. Debe aparecer, contablemente, dentro del activo como un activo circulante.El inventario es un conjunto de bienes en existencia destinados a realizar una operación, sea de compra, alquiler, venta, uso o transformación y de esta manera asegurar el servicio a los clientes internos y externos. Debe aparecer, contablemente, dentro del activo como un activo circulante.
6.1.1. Inventario de Materias Primas: Lo conforman todos los materiales con los que se elaboran los productos, pero que todavía no han recibido procesamiento. Inventario de Productos en Proceso de Fabricación: Lo integran todos aquellos bienes adquiridos por las empresas manufactureras o industriales, los cuales se encuentran en proceso de manufactura. Su cuantificación se hace por la cantidad de materiales, mano de obra y gastos de fabricación, aplicables a la fecha de cierre. Inventario de Productos Terminados: Son todos aquellos bienes adquiridos por las empresas manufactureras o industriales, los cuales son transformados para ser vendidos como productos elaborados.
7. modelos determiniscos
7.1. Son aquellos donde se toma como supuesto que tenemos certeza de la demanda. Esta puede estar dada por pronósticos de demanda o pedidos reales de los clientes. Ahora bien, dentro de los modelos podemos generar una subclasificación si consideramos además del supuesto de certeza, que la demanda puede ser estática, que es aquella donde esta permanece constante; y dinámica, donde a pesar de ser conocida, varía a través del tiempo.
7.1.1. Inventarios con demanda determinística estática Consideramos que la demanda se conoce con certeza y es siempre la misma. Modelos de cantidad económica de pedido (EOQ – clásico): Conocido también como el modelo Harris – Wilson, el método EOQ busca un equilibrio entre los costos de preparación y los costos de almacenamiento. Fue un modelo pionero que sirvió de base para el desarrollo de otras variantes del modelo, como EOQ con descuentos por cantidad, EOQ con faltantes planeados, EOQ con varios artículos con limitación de almacenamiento, etc. EOQ con descuentos por cantidad: Considera la disminución del costo de compra de un artículo cuando se compra en gran cantidad. EOQ con faltantes planeados: Plantea que durante un tiempo la demanda no será satisfecha generando faltantes. Cantidad económica de pedido en producción (POQ): Considerando que el pedido se puede recibir a lo largo de un periodo de tiempo, este modelo tiene en cuenta que la tasa de demanda y la tasa de producción. Hay muchos más modelos EOQ con parámetros muy específicos. Por lo pronto nosotros vamos a considerar los más estudiados. Te puede interesar: Modelo EOQ: Variantes, ejemplos prácticos y plantillas en excel. Inventarios con demanda determinística dinámica Tenemos un grado de conocimiento sobre la demanda pero esta varía a través del tiempo. Esto plantea un reto y es el tamaño del lote, pues en función de este los costos de inventario podrán ser mayores o menores. Para dar respuesta, se han generado métodos o sistemas de loteo, como son los siguientes: Lote por lote: Consiste en obtener justamente lo que necesito, lo que conlleva a tener el inventario exacto requerido y con él un bajo costo de mantenimiento. Período constante: Fija arbitrariamente los intervalos de pedido. Cantidad económica de pedido (EOQ): El EOQ también puede ser usado para determinar el tamaño de un lote, sin embargo autores Jay Heizer y Barry Render no recomiendan su uso cuando la demanda es relativamente constante y no dinámica. Balanceo de período fragmentado (BPF): Busca equilibrio entre los costos de mantener inventario y los costos de ordenar. Algoritmo de Silver – Meal (SM): Es heurístico, es decir que a través de reglas de decisión busca dar una buena (u optima) solución al problema de inventario. Se enfoca en la minimización del costo total (ordenar y mantener) por período. Costo unitario mínimo (CUM): Se enfoca en la minimización del costo unitario a través de la comparación de los costos de ordenar y mantener para diferentes tamaños de lote, en aras de elegir aquel que presente una menor diferencia. Algoritmo de Wagner – Whitin (WW): A través de programación dinámica, busca la minimización del costo de ordenar y el de mantener inventario.