Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad

control de procesos productivos, Transcripciones de Control de Procesos

presenta dos puntos para el control de procesos en una compañía

Tipo: Transcripciones

2024/2025

Subido el 04/07/2025

erika-viviana-rojas-luligo
erika-viviana-rojas-luligo 🇨🇴

1 documento

1 / 4

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
2. Contenido
Para realizar la presente investigación, se desarrolló un análisis aplicado de los principales
conceptos de planeación y control de la producción, tomando como base un estudio de caso
académico centrado en la empresa Envases de Colombia S.A.S., dedicada a la fabricación de
envases metálicos para productos alimenticios.
El análisis se realizó a partir de una simulación con datos ficticios correspondientes al año 2023,
aplicando herramientas fundamentales vistas en clase, como los métodos de pronóstico, el análisis
de capacidad, entre otras.
Cada sección de este informe integra fundamentos teóricos con cálculos prácticos, abordando
cinco temas clave requeridos: pronósticos, capacidad de producción, planificación agregada,
programa maestro de producción y análisis de resultados. Este enfoque permite evidenciar cómo
las decisiones tácticas y operativas impactan directamente en la eficiencia y competitividad de los
procesos industriales.
2.1 Pronósticos: Métodos de Series de Tiempo
En la presente investigación se eligió el producto envase de ¼ de galón para aplicar métodos de
pronóstico de series temporales en la empresa Envases de Colombia S.A.S., utilizando datos
simulados correspondientes al año 2023.
Estos métodos resultaron muy útiles, ya que permitieron anticipar la demanda futura con base en
datos históricos, facilitando así la planificación de la producción a nivel operativo. Para este
análisis se aplicaron dos técnicas fundamentales:
Promedio móvil de tres períodos: Este método consiste en calcular el promedio de la
demanda de los tres meses anteriores para pronosticar el siguiente. Es útil para suavizar
fluctuaciones de corto plazo y detectar tendencias generales.
Suavización exponencial simple (α = 0.3): permite capturar mejor las variaciones actuales
del mercado, otorgando mayor peso a los datos más recientes. La fórmula utilizada fue:
Fτ=αDτ1+(1α)Fτ1
Donde:
Fτ
: Pronostico del mes actual.
αDτ1
: Demanda real del mes anterior.
Fτ1
: Pronostico del mes anterior.
α
: Constante de suavización para este análisis es del 0.3.
pf3
pf4

Vista previa parcial del texto

¡Descarga control de procesos productivos y más Transcripciones en PDF de Control de Procesos solo en Docsity!

2. Contenido Para realizar la presente investigación, se desarrolló un análisis aplicado de los principales conceptos de planeación y control de la producción, tomando como base un estudio de caso académico centrado en la empresa Envases de Colombia S.A.S., dedicada a la fabricación de envases metálicos para productos alimenticios. El análisis se realizó a partir de una simulación con datos ficticios correspondientes al año 2023, aplicando herramientas fundamentales vistas en clase, como los métodos de pronóstico, el análisis de capacidad, entre otras. Cada sección de este informe integra fundamentos teóricos con cálculos prácticos, abordando cinco temas clave requeridos: pronósticos, capacidad de producción, planificación agregada, programa maestro de producción y análisis de resultados. Este enfoque permite evidenciar cómo las decisiones tácticas y operativas impactan directamente en la eficiencia y competitividad de los procesos industriales. 2.1 Pronósticos: Métodos de Series de Tiempo En la presente investigación se eligió el producto envase de ¼ de galón para aplicar métodos de pronóstico de series temporales en la empresa Envases de Colombia S.A.S., utilizando datos simulados correspondientes al año 2023. Estos métodos resultaron muy útiles, ya que permitieron anticipar la demanda futura con base en datos históricos, facilitando así la planificación de la producción a nivel operativo. Para este análisis se aplicaron dos técnicas fundamentales :Promedio móvil de tres períodos: Este método consiste en calcular el promedio de la demanda de los tres meses anteriores para pronosticar el siguiente. Es útil para suavizar fluctuaciones de corto plazo y detectar tendencias generales.  Suavización exponencial simple (α = 0.3): permite capturar mejor las variaciones actuales del mercado, otorgando mayor peso a los datos más recientes. La fórmula utilizada fue:

Fτ = αDτ − 1 +( 1 − α ) Fτ − 1

Donde:

Fτ : Pronostico del mes actual.

αDτ − 1 : Demanda real del mes anterior.

Fτ − 1 : Pronostico del mes anterior.

α : Constante de suavización para este análisis es del 0.3.

Resultados: La tabla anterior muestra los valores reales de la demanda del producto analizado, envase de ¼ de galón, durante el año 2023. A partir de este análisis, se observa lo siguiente:  El método de promedio móvil genera una estimación más estable, pero reacciona lentamente ante cambios bruscos en la demanda, como se evidencia en los picos de agosto y septiembre. Para justificar esta afirmación, se analiza el siguiente ejemplo, con base en los datos presentados: Demanda en junio, julio y agosto: 2800, 3600 y 6000 unidades, respectivamente. El promedio móvil de septiembre se calcula así:

Mes Demanda Real Prom. Móvil (3M) Suav. Exp. (α = 0.3)

Enero 3000 — 3000

Febrero 1800 — 3000

Marzo 2200 — 2220

Abril 1100 2333 2174

Mayo 1150 1700 1751

Junio 2800 1483 1446

Julio 3600 1683 1961

Agosto 6000 2500 2553

Septiembre 8000 4133 3577

Octubre 1200 5867 4704

Noviembre 1600 5067 3553

Diciembre 2500 1333 2897

C: Representa el efecto del inventario sobre la demanda. Supongamos los siguientes valores: Demanda estimada= 1200+400(3) − 0.3 (500)=1200+1200−150= Este tipo de modelo es muy útil, ya que permite simular escenarios y anticipar la demanda según decisiones comerciales o condiciones internas de la compañía.