Cadena De Suministro Promedio Móvil Simple

MPR2 - Pronóstico de demanda Un tipo de pronóstico que utiliza asociaciones de causa y efecto para predecir y explicar las relaciones entre las variables independientes y dependientes. Un ejemplo de modelo causal es un modelo econométrico utilizado para explicar la demanda de inicio de viviendas basada en la base de consumo, las tasas de interés, los ingresos personales y la disponibilidad de tierras. Un proceso de colaboración mediante el cual los socios comerciales de la cadena de suministro pueden planificar conjuntamente las principales actividades de la cadena de suministro, desde la producción y entrega de materias primas hasta la producción y entrega de productos finales a los clientes finales. La colaboración abarca la planificación de negocios, la previsión de ventas y todas las operaciones necesarias para reponer las materias primas y productos terminados. Tagged con promedio móvil simple En la semana 6 del curso vamos a mirar la gestión de la demanda y la previsión, un área que está recibiendo una atención considerable, El interés en la gestión de la cadena de suministro crece y buscamos planificar y coordinar más eficazmente la cadena de suministro en su conjunto. A menudo se dice que los pronósticos suelen ser erróneos, algunos espectacularmente así: Los objetivos de aprendizaje para esta semana del curso son que usted debe entender el papel de la previsión como base para la planificación de la cadena de suministro. Que usted será capaz de comparar las diferencias entre la demanda independiente y dependiente. En tercer lugar, que será capaz de identificar los componentes básicos de la demanda independiente, incluyendo la variación media, tendencia, estacional y aleatoria. Usted será capaz de describir las técnicas de predicción cualitativa común, tales como Método Delphi y Previsión Colaborativa. Comprenderá las técnicas básicas de previsión cuantitativa y el uso de la descomposición para predecir cuándo está presente la tendencia y la estacionalidad. El siguiente video enfatiza la necesidad de precisión y sentido común en la predicción: Las previsiones se pueden dividir en dos tipos, estratégico y táctico. Los pronósticos estratégicos se utilizan para ayudar a la creación de la estrategia que determinará cómo se satisface la demanda. Los pronósticos tácticos se utilizan para ayudar a la toma de decisiones en el día a día. La gestión de la demanda se utiliza para influir en las fuentes de demanda de productos o servicios, ya sea aumentando la demanda, disminuyendo la demanda o manteniéndola a un nivel constante. El siguiente video analiza los factores que influyen en la previsión en la industria del vino: Demanda dependiente e independiente Hay dos fuentes básicas de demanda, dependientes e independientes. La demanda dependiente es la demanda que se produce como resultado de la demanda de otros productos o servicios. La demanda independiente es la demanda que no se puede pronosticar en función de la demanda de otro producto o servicio. La demanda dependiente es por lo general muy difícil de influir en la demanda que no depende de factores que se pueden influir y más bien es la demanda que tiene que cumplir. La demanda independiente por lo general puede ser influenciada y, por lo tanto, las organizaciones tienen la opción de decidir si asumen un papel activo e influyen en él o asumen un papel pasivo y simplemente responden a la demanda que existe. El siguiente video analiza cómo funciona Motorola con su pronóstico: El libro de texto identifica cuatro tipos básicos de pronósticos. La predicción cualitativa se basa en el juicio humano y algunas de las técnicas utilizadas en la predicción cualitativa serán discutidas a continuación. El análisis de series de tiempo analiza los patrones de datos en el tiempo. Las relaciones causales examinan las relaciones entre los factores que influirán en la demanda y la simulación busca modelar la demanda para que la interrelación de los factores de demanda pueda ser mejor comprendida. El siguiente video examina cómo la gestión de la demanda y la predicción se llevan a cabo en Lowes: Normalmente se piensa que la demanda tiene seis componentes, promedio, tendencia, elementos estacionales, elementos cíclicos, variación aleatoria y autocorrelación. Estos elementos de la demanda nos permiten entender el patrón de demanda de un producto que podría aplicarse a la predicción de la demanda futura. La demanda promedio es la demanda promedio de un producto a lo largo del tiempo. La tendencia muestra cómo la demanda ha cambiado con el tiempo y la demanda estacional muestra variaciones estacionales en la demanda. Los elementos cíclicos ocurren durante un período más largo que los elementos estacionales y son más difíciles de predecir, que ocurren, por ejemplo, como resultado de ciclos económicos. La variación aleatoria se basa en eventos aleatorios que son imposibles de predecir, mientras que la autocorrelación es la relación entre la demanda pasada y futura, es decir, que la demanda futura está relacionada con la demanda actual. Cuando hay un alto grado de variación al azar hay muy poca relación entre la demanda actual y la demanda futura. Cuando existe un alto grado de autocorrelación, existe una fuerte relación entre la demanda actual y la futura. Modelos de series temporales Los modelos de series temporales predicen el futuro basado en modelos anteriores. Varios modelos están disponibles y el que debe usar depende del horizonte temporal que desee pronosticar, de los datos que tiene disponibles, de la precisión que necesita, del tamaño del presupuesto de previsión y de la disponibilidad de personas adecuadamente calificadas para llevar a cabo el analisis. La siguiente tabla de la página 488 del libro de texto está diseñada para ayudar con la selección de la herramienta apropiada: La regresión lineal se usa donde hay una relación funcional entre dos variables correlacionadas, siendo usada para predecir una variable basada en la otra. Es útil cuando los datos son relativamente estables. La descomposición de una serie temporal se utiliza para identificar y separar los datos de series temporales en sus diversos componentes de demanda. Se identifican dos tipos de variación estacional, donde la cantidad estacional en cada estación es constante y multiplicativa donde la variación estacional es un porcentaje de la demanda por un período de tiempo. El promedio móvil simple es útil cuando la demanda es relativamente estable, no aumenta o disminuye rápidamente y donde hay pocas características estacionales. Los promedios móviles pueden centrarse en torno a su punto medio o utilizarse como base para predecir el futuro. El uso de un período de tiempo más largo resultará en una mayor suavización de la variación mientras se utiliza un período de tiempo más corto revelará las tendencias estadísticas más rápidamente. Una media móvil ponderada le permite ponderar períodos de tiempo particulares dentro del promedio para lograr una mayor precisión. Por ejemplo, se puede dar mayor peso a periodos de tiempo más recientes para dar más énfasis a la actividad de demanda reciente. El suavizado exponencial es el más utilizado de todas las técnicas de pronóstico y aparece en todas las aplicaciones de predicción basadas en computadoras. Se utiliza mucho en las industrias minoristas y de servicios. A menudo es muy preciso, es bastante fácil de hacer, se entiende fácilmente, requiere poca computación y se comprueba fácilmente su precisión. El siguiente video detalla la realización de estas técnicas de pronóstico: La predicción cualitativa implica aplicar juicio humano para crear un pronóstico. Usualmente se utiliza un enfoque estructurado, a diferencia de esto: Se usan varias técnicas para la predicción cualitativa, incluyendo: Analogía histórica. Basar las previsiones en el patrón de demanda de productos similares. Investigación de mercado: Las previsiones son creadas por una empresa de investigación de mercado, principalmente mediante encuestas y entrevistas. Panel Consenso: Cuando un grupo de personas con conocimientos en el tema de pronóstico, compartir sus pensamientos y desarrollar un pronóstico. Método Delphi: Una técnica basada en la encuesta que crea el anonimato en un grupo. Se describe en el siguiente video: Planificación, previsión y reposición colaborativa. CPFR es una innovación reciente que utiliza Internet para permitir a las personas colaborar en la creación de pronósticos: Hay dos tipos de errores de pronóstico. Los errores de sesgo ocurren cuando se comete un error consistente que impregna la previsión hecha. Los errores aleatorios son errores que pueden ser explicados por el modelo de predicción 8211 y se producen aleatoriamente y de forma impredecible. Las medidas del error de pronóstico incluyen la desviación absoluta media (MAD), el error medio de porcentaje absoluto (MAPE) y la señal de seguimiento. El siguiente video considera problemas en error de pronóstico humano: Señal de seguimiento es una medida que se utiliza para supervisar el rendimiento real de la previsión en el tiempo para ver si está en línea con los cambios en la demanda en el mundo real. Se puede utilizar como una carta de control de calidad. Esta semana hemos considerado la gestión de la demanda y la predicción, utilizando técnicas tanto cualitativas como cuantitativas. Se ha hecho hincapié en asegurar que las previsiones son realistas y se ha advertido con cautela sobre el uso de la predicción basado en el desempeño anterior 8211 no suele decirle lo que el futuro va a hacer, pero a menudo le ayudará a prepararse. El siguiente video presenta la aplicación de la tecnología de la información a la predicción y es quizás una conclusión humorística para este material de la semana: Previsión de gestión de pronóstico por SKU, costo, artículo, monedas, margen, país, canal, ubicación del cliente. De acuerdo con los requerimientos del cliente usando el Proyecto de Planificación de Requisitos del Optimizador del Nivel de Servicio y los déficits y superávit de inventario correctos sobre una base diaria, semanal o mensual. Cree planes de inventario en función del tiempo por elemento, resultando en un nivel de inventario óptimo. Planificación de Operaciones de Ventas Identificar y resolver problemas de negocio antes de convertirse en pasivos Controlar KPIs (Key Performance Indicators), realizar análisis de gap y optimizar planes de ventas Planificación de Retail Permitir perfiles a nivel de tienda a través de métodos de clúster. Y gestionar el intercambio de información entre los compradores y los vendedores Un calendario de eventos proporciona una vista consolidada de cada plan de socios comerciales Planificación avanzada Plan de programación en múltiples instalaciones que gestionan las restricciones críticas de operación de fabricación Predecir con precisión los materiales y recursos necesarios para cada trabajo y cuándo se completará Suministro Glosario de cadenas - Media móvil ponderada W