El Programa Maestro de Produccin o MPS, es un plan con los tiempos
desglosados que especifica cuntas piezas finales va a fabricar la empresa y cundo. Si se avanza ms en el proceso de desglose, se encuentra el sistema de MRP, que calcula y programa las materias primas, piezas y suministros necesarios para hacer los productos especificados en el MPS. 5.1 Necesidad de pronstico.
Los pronsticos son vitales para toda organizacin de negocios, as como para cualquier decisin de la gerencia. El pronstico es la base de la planeacin corporativa a largo plazo. En las reas funcionales y de finanzas y contabilidad, los pronsticos proporcionan el fundamento para la planeacin de presupuesto y el control de costos. El marketing depende del pronstico de ventas para planear productos nuevos, compensar al personal de ventas y tomar otras decisiones clave. El personal de produccin y operaciones utiliza los pronsticos para tomar decisiones peridicas que comprenden la seleccin de procesos, la planeacin de las capacidades y la distribucin de las instalaciones, as como para tomar decisiones continuas acerca de la planeacin de la produccin, la programacin y el inventario.
Por lo regular un pronstico perfecto es casi imposible. En un ambiente de negocios hay demasiados factores que no se pueden pronosticar con certeza. Por lo tanto, en lugar de buscar el pronstico perfecto, es mucho ms importante establecer la prctica de una revisin continua de los pronsticos y aprenden a vivir con pronsticos imprecisos.
Al pronosticar, una buena estrategia consiste en utilizar dos o tres mtodos y verlos desde el punto de vista del sentido comn. Los cambios esperados en la economa en general van a afectar el pronstico? Habr una escasez de artculos complementarios esenciales? La actualizacin y la revisin continuas tomando en cuenta la informacin nueva son bsicas para un pronstico exitoso.
Administracin de la Demanda. El propsito del manejo de la demanda es coordinar y controlar todas las fuentes de la demanda, con el fin de usar con eficiencia el sistema productivo y entregar el producto a tiempo.
De dnde proviene la demanda del producto o servicio de una empresa? Y qu puede hacer una compaa para administrarla? Existen dos fuentes bsicas:
1. Demanda dependiente. Es la demanda de un producto o servicio provocada por la demanda de otros productos o servicios. Por ejemplo, si una empresa vende 100 carros, entonces se van a necesitar 400 ruedas, al menos 200 espejos retrovisores, 100 bateras, 200 faros delanteros, etc., etc. 2. Demanda independiente. Es la demanda que no se deriva directamente de la demanda de otros productos.
Los pronsticos se pueden clasificar en cuatro tipos bsicos: 1. Cualitativo. 2. Anlisis de series de tiempo. 3. Relaciones causales. 4. Simulacin.
Componentes de la Demanda.
En la mayor parte de los casos, la demanda de productos o servicios se puede dividir en seis componentes: Demanda promedio para el periodo. Una tendencia. Elementos estacionales. Elementos cclicos. Variacin aleatoria. Autocorrelacin.
5.2 Concepto y clasificacin de pronsticos.
Pronsticos o Previsin es el arte y la ciencia de predecir acontecimientos futuros. Puede suponer la toma de datos histricos y su proyeccin hacia el futuro con algn tipo de modelo matemtico, puede ser una prediccin subjetiva o intuitiva del futuro, o puede englobar una combinacin de stas; es decir, un modelo matemtico ajustado al buen juicio del directivo.
Raramente existe un mtodo ptimo de pronstico. Lo que funciona a la perfeccin en una empresa bajo una serie de condiciones, podra resultar desastroso en otra empresa o incluso en otro departamento dentro de la misma empresa.
Existen lmites de lo que puede esperarse de los pronsticos. Son costosas y muy rara vez perfectas y lentas de preparar y controlar.
Sin embargo, pocos negocios pueden permitirse evitar el proceso de pronstico y esperar a ver lo que ocurre y entonces tomar decisiones. Una planificacin eficiente, tanto a corto como largo plazo, est en funcin de la previsin de la demanda de los productos de la empresa.
Horizontes temporales de la previsin.
Los pronsticos se clasifican segn el horizonte de tiempo futuro que abarca, y son:
1. Previsin a corto plazo. Este pronstico tienen una cobertura de hasta un ao, aunque generalmente es inferior a los tres meses. Se utiliza para la planificacin de compras, programacin de trabajos, programacin de las necesidades de mano de obra, asignacin de tareas y planificacin de los niveles de produccin. 2. Pronstico a mediano plazo. Generalmente abarca entre tres meses y tres aos. Es til para la planificacin de las ventas, de la produccin, del presupuesto y del presupuesto de caja, as como para el anlisis de varios planes operativos. 3. Pronsticos a largo plazo. Generalmente abarcan periodos superiores a tres aos y son utilizados para la planificacin de nuevos productos, desembolsos de capital, localizacin de instalaciones o expansin, as como para la investigacin y desarrollo.
Los pronsticos a mediano y largo plazo se distinguen de los de corto plazo porque: I. Tratan de asuntos ms extensos y apoyan las decisiones de gestin que conciernen la planificacin y los productos, las plantas y los procesos. II. Usan metodologa diferente, mtodos menos cuantitativos. En cambio en corto plazo usan tcnicas matemticas como la de medias mviles, alisado exponencial y extrapolacin de tendencia. III. No son tan exactas como las de corto plazo, por ello deben revisarse y repararse conforme vaya avanzando el tiempo.
Tcnicas de pronstico y modelos comunes. I. CUALITATIVO. Mtodos subjetivos, de juicio, basados en estimados y opiniones. Tcnicas acumulativas Deriva un pronstico a travs de la compilacin de las entradas de aquellos que se encuentran al final de la jerarqua y que tratan con lo que se pronostica. Investigacin de mercados Se establece para recopilar datos de varias formas (encuestas, entrevistas, etc.) con el fin de comprobar hiptesis acerca del mercado. Por lo general, se usa para pronosticar ventas a largo plazo y de nuevos productos. Grupos de consenso Intercambio libre en las juntas. La idea es que la discusin en grupo produzca mejores pronsticos que cualquier individuo. Los participantes pueden ser ejecutivos, vendedores o clientes. Analoga histrica Relaciona lo pronosticado con un artculo similar. Es importante al planear nuevos productos en los que las proyecciones se pueden derivar mediante el uso del historial de un producto similar. Mtodo de Delfos Un grupo de expertos responde un cuestionario. Un moderador recopila los resultados y formula un cuestionario nuevo que se presenta al grupo. Por lo tanto, existe un proceso de aprendizaje para el grupo mientras recibe informacin nueva y no existe ninguna influencia por la presin del grupo o individuos dominantes. II. CUANTITATIVOS, ANLISIS DE SERIES DE TIEMPO. Con base en la idea de que el historial de los eventos a travs del tiempo se puede utilizar para proyectar el futuro. Promedio mvil simple. Se calcula el promedio de un periodo que contiene varios puntos de datos dividiendo la suma de los valores de los puntos entre el nmero de stos. Por lo tanto, cada uno tiene la misma influencia. Promedio mvil ponderado. Puede ser que algunos puntos especficos se ponderen ms o menos que los otros, segn la experiencia. Suavizacin exponencial. Los puntos de datos recientes se ponderan ms y la ponderacin sufre una reduccin exponencial conforme los datos se vuelven ms antiguos. Anlisis de regresin. Ajusta una recta a los datos pasados casi siempre en relacin con el valor de los datos. La tcnica de ajuste ms comn es la de los mnimos cuadrados. Tcnica Box Jenkins Muy complicada, pero al parecer la tcnica estadstica ms exacta que existe. Relaciona una clase de modelos estadsticos con los datos y ajusta el modelo con las series de tiempo utilizando distribuciones bayesianas posteriores. Series de tiempo Shiskin (o X 11) Desarrollada por Julius Shiskin de la Oficina del Censo. Un mtodo efectivo para dividir una serie temporal en temporadas, tendencias e irregular. Necesita un historial por lo menos de 3 aos. Muy eficiente para identificar los cambios, por ejemplo, en las ventas de una compaa. Proyecciones de tendencias. Ajusta una recta matemtica de tendencias a los puntos de datos y la proyecta en el futuro. III. CAUSAL. Trata de entender el sistema subyacente y que rodea al elemento que se va a pronosticar. Por ejemplo, las ventas se pueden ver afectadas por la publicidad, la calidad y los competidores. Anlisis de regresin Similar al mtodo de los mnimos cuadrados en las series de tiempo, pero puede contener diversas variables. La base es que el pronstico se desarrolla por la ocurrencia de otros eventos. Modelos economtricos. Intentos por describir algn sector de la economa mediante una serie de ecuaciones interdependientes. Modelos de entrada/salida Se enfoca en las ventas de cada industria a otros gobiernos y empresas. Indica los cambios en las ventas que una industria productora puede esperar debido a los cambios en las compras por parte de otra industria. Principales indicadores Estadsticas que se mueven en la misma direccin que la serie a pronosticar, pero antes que sta, como un incremento en el precio de la gasolina que indica una baja futura en la venta de autos grandes. IV. MODELOS DE SIMULACIN. Modelos dinmicos, casi siempre por computadora, que permiten al encargado de las proyecciones hacer suposiciones acerca de las variables internas y el ambiente externo en el modelo. Dependiendo de las variables en el modelo, el encargado de los pronsticos puede hacer preguntas como: qu sucedera con mi pronstico si el precio aumentara 10 %? Qu efecto tendra una recesin nacional leve sobre mi pronstico?
5.3 Mtodos Cuantitativos.
Los mtodos cuantitativos se pueden agrupar en dos categoras: 1. Modelos de series temporales. Estos modelos predicen bajo la premisa de que el futuro es una funcin del pasado. Es decir, observan lo que ha ocurrido a lo largo de un periodo de tiempo y utilizan una serie de datos pasados para realizar un pronstico. a. Enfoque simple. b. Medias mviles. c. Alisado exponencial. d. Proyeccin de tendencia. 2. Modelos asociativos o causales. Estos modelos incorporan variables o factores que pueden influir en la cantidad que se va a predecir. a. Regresin lineal.
Ejemplo: Sunrise Baking Company vende donas en una cadena de tiendas de alimentos. Debido a errores de los pronsticos ha tenido una produccin excesiva o insuficiente. Los siguientes datos son su demanda de docenas de donas en las ltimas cuatro semanas. Las donas se hacen para el da siguiente; por ejemplo, la produccin de donas del domingo es para las ventas del lunes, la produccin de donas del lunes es para las ventas del martes, etc., la panadera cierra los sbados, de modo que la produccin del viernes debe satisfacer la demanda de sbado y domingo.
Dia Hace 4 semanas Hace 3 semanas Hace 2 semanas Semana pasada
Haga un pronstico para esta semana segn este esquema: A) Diario, con un promedio mvil de cuatro semanas. B) Diario, con un promedio mvil ponderado de 0.4, 0.3, 0.2 y 0.1 para las ltimas cuatro semanas. C) Sunrise tambin planea sus compras de ingredientes para la produccin de pan. Si la semana pasada se pronstico una demanda de pan de 22 000 hogazas de pan y solo se demandaron 21 000, cul debe ser la demanda que pronostique Sunrise para esta semana, con una suavizacin exponencial de = 0.10? D) Supngase, con el pronstico hecho en el inciso c, que la demanda de esta semana resulta ser ms bien de 22 500 hogazas y se demandaron 21 900. Cul debe ser el pronstico de la demanda siguiente?