Resumen gestión de operaciones

La Gestión de Operaciones es la creación, desarrollo y organización de la función de producción con el objetivo de alcanzar ventajas competitivas. La función de producción está definida por la creación, producción, distribución, mantenimiento, etc, de los bienes y servicios generados por una empresa determinada.

A través de las actividades se crea valor que se manifiesta en términos de producto derivado por un proceso de transformación.

[pic 1]

En la gestión de operaciones se entregan inputs o insumos los cuales generan un proceso de transformación la cual busca agregar valor, la cual debe ser mayor a los costos de entrada.

Productividad = Output/Input

¿Qué hace un gestor de operaciones?

Pronóstico de la demanda.

Planificación de la producción.

Gestión de inventarios.

Planificación de requerimiento de materiales.

Programación de la producción

Mantenimiento.

Política de Recursos Humanos

Planificación y control de la calidad.

Manejo de desechos.

Servicio al cliente.

Cartera de productos.

Selección del proceso.

Capacidad.

Localización de las instalaciones.

Distribución física de las

instalaciones (layout).

Logística y transporte.

Medición de los procesos

• Para saber si estoy mejorando o empeorando los procesos.

Costos: unidad o inventario

Tiempos de flujo: tiempo para producir una unidad, entregar pedido, rotación inventarios (cuantas veces una empresa vende su inventario)

Flexibilidad:

Calidad: número de unidades defectuosas, quejas.

Cadena de suministro

Actividades, instalaciones,  y medios de distribución necesarios para llevar a cabo el proceso de venta[pic 2]

Gestión de la Demanda

Proceso de preveer/estimar la demanda futura a través de herramientas de pronósticos

• Proyección de demandas de ventas. Proyección de precios.
• Las estimaciones deben tener un grado de error

Consideraciones importantes al pronosticar

• Previsiones más exactas para grupos de ítems que para ítems individuales
• Previsiones más exactas para horizontes de tiempo más cortos (más fácil predecir lo que pasará en 1 mes que en 1 año)
• Identificar patrones en los datos históricos
• Definir qué modelo utilizar

Métodos de Pronosticación

• Cualitativos

• Cuantitativos

SERIES DE TIEMPO

• Identifica patrones de comportamiento en datos históricos que se utilizan para pronosticar hacía el futuro tal variable.
• Puede tener estacionalidad, variabilidad aleatoria, tendencias.
• Necesita poder separar la variabilidad sistemática de la aleatoria
• Modelos adaptativos significa que se va actualizando la proyección una vez observada la demanda

Promedios Móviles

• Cuando se quiere pronosticar a corto plazo
• Entrega la media de los datos de algunos periodos recientes

Suavizamiento Exponencial

• Cuando se quiere pronosticar a corto plazo
• Entrega la media de los datos de algunos periodos recientes ajustado a su temporalidad, es decir le da más peso a los datos recientes que los antiguos (es decir se suaviza)
• [pic 3]

Holt

• Utilizado para pronosticar demandas con tendencia lineal
• Suaviza de igual manera los datos.
• Separa la serie en nivel base (L) + tendencia (T)

Winter

• Existe estacionalidad en la demanda
• Se necesita de más valores para poder pronosticar
• Separa la serie en nivel base (L) + tendencia (T) + estacionalidad (S)

[pic 4]

ERRORES EN LAS ESTIMACIONES

Error en la previsión del periodo: Valor observado -  valor previsto

e = x - F[pic 5][pic 6][pic 7]

Error sistemático: problemas humanos (exclusión variables importantes por ej)

Error aleatorio: no se puede explicar

DISCRIMINACIÓN ENTRE PRONÓSTICOS

MAD (mean absolute deviation): 

• Promedio de todos los errores absolutos
• Ayuda a conceptualizar el monto de error
• Los outliers tienen menos efectos en el MAD que el MSD.
• Entre un menor MAD mejor.

MSD o MSE (mean squared deviation):

• Promedio de todos los errores al cuadrado
• Los outliers tienen un mayor efecto en el MSD
• Ayuda a conceptualizar el monto del error.
• Entre menos MSD mejor

MAPE (mean absolute percentage error):

• Ayuda a entender el error en el modelo a través de pronósticos por lo que es más intuitivo de entender
• si MAPE es del 5% hay un error del 5% en el pronóstico
• Valor absoluto del error / Dato real. Luego sumas todos estos porcentajes y haces un promedio.
• MAPE = 1/n* sumatoria ( (xt-ft)/xt)

MONITOREO DE PRONÓSTICOS

...