GESTION LOGISTICA

CRISTIAN YAIR MORENO VALENCIA

SERVICIO NACIONAL DE APRENDIZAJE

SENA

LA DORADAS CALDAS

2017
 GESTION LOGISTICA

CRISTIAN YAIR MORENO VALENCIA

ANALISIS DE PERTENENCIAS DE TECNICAS PROYECTIVAS

INSTRUCTORA

MAYRA ALEJANDRA PEA HURTUA

SERVICIO NACIONAL DE APRENDIZAJE

SENA

LA DORADAS CALDAS

2017
 INTRODUCCIN:

En el sector logstico el uso de las tcnicas proyectivas son las herramientas cuyos
resultados son brindan informacin del estado actual de las operaciones e informa acerca de
los posibles cambios que se tengan que realizar.

Para esto se establece en este documento las tcnicas proyectivas o tambin llamados
pronsticos, se hace aclaracin que los temas relacionados a los pronsticos de demanda,
pronsticos de ventas, etc., usan las mismas tcnicas, pero en diferentes campos, por lo tanto
se dar la generalidad bsica de los mtodos proyectivos.

Por lo tanto se deben ver en todos los aspectos posibles, ya que se tiene cualitativos o
Subjetivos, mtodos causales, mtodos de series de tiempo, pronsticos enfocados, en cada
uno de estas herramientas de dar a conocer su modelacin matemticas, sus beneficios,
ventajas y desventajas, y las posibles aplicaciones, para poder orientar de mejor manera al
lector.
1. CONSECTOS BASICOS DE LOS PRONOSTICOS

1.1. DEFINICION

Los pronsticos son la base de la planificacin de mediano y largo plazo, ya que es posible
con ellos coordinar y controlar a toda la organizacin para que el sistema productivo, de
ventas, contabilidad, financiero y administrativo pueda usar de manera eficiente y para que
el producto maneje la modalidad JIT (justo a tiempo) los pronsticos es un mtodo mediante
el cual se intenta conocer el comportamiento futuro de alguna variable con algn grado de
certeza.

1.2. TIPOS DE PRONOSTICOS

Se tienen cuatro tipos bsicos: cualitativos, anlisis de series de tiempo, relaciones casuales
y simulacin.

En los cualitativos se usa la subjetividad, las opiniones o criterios de experiencias, dentro de

este tipo se tiene las ciertas herramientas que son:

Tcnicas acumulativas: es la derivacin de un pronstico, donde debido a la suma de

las entradas de aquellos agentes de ventas, por ejemplo: un pronstico general de las
ventas se puede derivar sumando las entradas de cada integrante de los vendedores
Investigacin de mercado: se establece para recopilar datos de varias maneras
(encuestas, entrevistas, censos etc.), con la finalidad de evidenciar el estado del
mercado, por lo general, se usa para pronosticar ventas a largo plazo y de nuevos
productos.
Grupos de conceso: 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 Delfos: se contrata expertos que hacen pronsticos iniciales que la empresa
promedia y les devuelve para refinar los estimados individuales. El procedimiento
puede repetirse varias veces hasta cuando los expertos trabajando por separado
lleguen a un consenso sobre los pronsticos. Es un mtodo de alta precisin.

Promedio 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.
Esta herramienta se usa cuando la demanda, oferta no crece ni baja con rapidez, y no tiene
caractersticas estacionarias, es muy til para eliminar las fluctuaciones aleatorias de los
pronsticos, aunque es centrado, para este tipo de promedio es muy importante tomar los
periodos, debido a que se puede generar varios defectos en los tiempos, cuanto ms largo sea
el periodo, se uniforma los datos los elementos aleatorios.

Formulacin:
1 + 2 + 3 + 4 . .
1 =

P1: Pronstico
N: Numero de periodos para promediar
At-1: ocurrencia real en el periodo pasado

Promedio Ponderado: Puede ser que algunos puntos especficos se ponderen ms o

menos que los otros, segn la experiencia.
Mientras el promedio simple da una igualdad a cada uno de los componentes de la base de
datos, un promedio ponderado permite asignar cualquier importancia a cada elemento, datos,
siempre y cuando la suma sea igual al 100%

Formulacin:
1 = (1 1) + (2 2) + (3
)

Suavizacin Exponencial: Los puntos de datos recientes se ponderan ms y la

ponderacin sufre una reduccin exponencial conforme los datos se vuelven ms
antiguos.
La principal desventaja es la necesidad de manejar en forma continua gran cantidad de datos
histricos, en estos mtodos, al agregar nuevos datos se elimina la observacin anterior y se
calcula el nuevo pronstico, la razn por la que se llama suavizacin exponencial es que cada
incremento de datos histricos se reduce (1-P)

Este mtodo se ha aceptado debido a las siguientes 6 razones:

A. Son sorprendentemente precisos

B. Formularlo es relativamente fcil
C. El usuario pueden entender cmo funciona el modelo
D. Los requerimientos de almacenamientos en la computadora son bajos al uso ilimitado
de datos histricos
E. Es fcil de calcular las pruebas de precisin relacionadas con el desempeo del
modelo

Solo se necesita tres datos; el pronstico ms reciente, la demanda real que ocurri durante
el periodo de pronstico, una constante de uniformidad (esta constante determina el nivel
de uniformidad y la velocidad de reaccin en las diferencia entre los pronsticos, este valor
de determina por la naturaleza del producto y el sentido del que realiza el pronstico) se
puede determinar con los siguientes puntos.
La demanda tuvo una tendencia estable ronda de % a 10 %, pero si vara mucho va de 15%
a 20%, y cuando se pasa de un promedio mvil simple se debe aplicar la formula.
2
( + 1) Donde n son el nmero de periodos

Formulacin:

= 1 + (1 1 )
Donde:
1 = El pronstico suavizado exponencialmente para el periodo t
1 = El pronstico suavizado exponencialmente para el periodo anterior
1 = La demanda real para el periodo anterior
= El ndice de la respuesta deseado, o la constante de suavizacin

Aqu no termina la operacin de suavizacin exponencial, puesto se necesita determinar la

tendencia de la suavizacin exponencial, para ello se usa las siguientes formulas.

= +
= 1 + (1 1 )
= 1 + (1 1 )

Donde:

FIT = el pronstico incluyendo la tendencia para el periodo t

Tt = La tendencia suavizada exponencialmente para el periodo t
FIT (t-1) = El pronstico incluida la tendencia hecha para el periodo anterior
A (t-1) = La demanda real para el periodo anterior
= Constante de suavizacin
= Constante de suavizacin

Se debe tener en cuenta que se tiene algunos procesos para determinar

A. Dos o ms valores predeterminado de alfa: Se mide la cantidad de error entre el

pronstico y la demanda real. Dependiendo del grado de error, se utilizan distintos
valores de alfa. Si el error es grande, alfa es 0.8; si el error es pequeo, alfa es 0.2
B. valores calculados de alfa: Una constante de rastreo alfa calcula si el pronstico sigue
el paso a los cambios genuinos hacia arriba o hacia abajo en la demanda (en contraste
con los cambios aleatorios). En esta aplicacin, la constante de rastreo alfa se define
como el error real suavizado exponencialmente dividido entre el error absoluto
suavizado exponencialmente. Alfa cambia de un periodo a otro en el rango posible
de 0 a 1
 Regresin Lineal con mnimo cuadrados: 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.
Puede definirse la regresin como una relacin funcional entre dos o ms variables
correlacionadas. Se utiliza para pronosticar una variable con base en la otra. Por lo general,
la relacin se desarrolla a partir de datos observados. Primero es necesario graficar los datos
para ver si aparecen lineales o si por lo menos partes de los datos son lineales. La regresin
lineal se refiere a la clase de regresin especial en la que la relacin entre las variables forma
una recta. La recta de la regresin lineal tiene la forma = +
Para estos mtodos se debe hallar los siguientes trminos:

Xy
x^2
y^2
Y