Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Generalidades Técnicas de Pronostico Pronosticos Ing. Mauricio Martínez Patrones de datos Métodos de pronostico Definición • Es el arte y la ciencia de predecir los eventos futuros. Para ello se pueden usar datos históricos y su proyección hacia el futuro mediante algún tipo de modelo matemático. • Estimación cuantitativa o cualitativa de uno o varios factores (variables) que conforman un evento futuro, con base en información actual o del pasado • Emitir un enunciado sobre lo que es probable que ocurra en el futuro, basándose en análisis y en consideraciones de juicio. • El primer paso en la planeación es el pronostico. Controlables: Aquellos sobre los cuales la empresa decide su estructura, niveles, política y modo de operar: • Niveles de producción • Niveles de inventario • Capacidad Incontrolables: Aquellos sobre los cuales la empresa no puede decidir ni modificar: dependen de factores externos a la empresa Demanda del producto Competencia Economía Comportamiento del consumidor Que Pronosticar??? Factores Reducir la incertidumbre del futuro, mediante la anticipación de eventos cuya probabilidad de ocurrencia sea relativamente alta, respecto a otros eventos posibles. Objetivo • Planear Nuevas Instalaciones: Puede tomar bastante tiempo para construir una fabrica o hacer un rediseño y poner en práctica un proceso nuevo de producción • Planeación de la Producción: La demanda de productos o servicios varían de un mes a otro. • Programación de Fuerza de Trabajo: Las demandas o servicios varían de una semana a otra Importancia de los Pronósticos en las operaciones Jurado de opinión de Ejecutivos Método Delphi Métodos Cualitativos Encuesta a la fuerza de ventas Investigación de Mercado Métodos Cuantitativos Promedios Móviles Suavización exponencial Proyección de tendencias Regresión Lineal Modelos de series de tiempo Modelo asociativo Técnicas de pronósticos Demanda Perpetua: Las variaciones de los datos hacen que su tendencia sea uniforme. Patrones de Datos Demanda Perpetua, estable, uniforme TENDENCIA: Componente de muy largo plazo que representa el crecimiento o decrecimiento de los datos en un período extendido Patrones de Datos Creciente Decreciente ESTACIONALIDAD: Patrón de cambio que se repite año con año en el mismo número de períodos 180 160 140 120 100 80 60 81 82 83 84 85 86 M URPHY 87 88 89 90 Patrones de Datos CICLICIDAD Fluctuación alrededor de la tendencia que se repite pero a intervalos distintos y con amplitudes distintas 400 350 300 250 200 150 100 60 65 70 75 80 85 T ENDENCIA 90 V ENT AS Patrones de Datos FLUCTUACIÓN ALEATORIA La variabilidad de una serie cuando los demás componentes se han eliminado o no existen 1000 800 600 400 200 0 5 10 15 20 25 30 A LE A Patrones de Datos Regresión Lineal Es un modelo de Pronostico que establece una relación entre una variable dependiente y una o mas variables dependientes. Utilizamos los conocimientos de la relación y el conocimiento de valores futuros de variables independientes para pronosticar valores futuros de la variable dependiente. Este Modelo es de la forma : y= a+bx x: variable independiente y: Variable dependiente a: Intersección con el eje y cuando x es 0 b: Pendiente de la Línea de Tendencia r= Coeficiente de Correlación r2 = Coeficiente de Determinación Fórmulas y= a+bx Σx2 Σy - ΣxΣxy nΣx2 – (Σx)2 a= nΣxy - ΣxΣy nΣx2 -(Σx)2 b= nΣxy - ΣxΣy √ (nΣx2 – (Σx)2) (nΣy2 – (Σy)2) r = Regresión Lineal JGB manufactura aparatos de televisión para los mercados extranjeros. Las exportaciones anuales durante los últimos 6 años aparecen en la tabla en miles de unidades. Dada esta declinacion a largo Plazo de las exportaciones, pronostique el numero esperado de unidades a exportar el año entrante Regresión Lineal a = (91)(161) – (21)(547) (6)(91)-(21)2 b = (6)(547)- (21)(161) (6)(91)-(21)2 r = ? Regresión Lineal Pedro Suarez, gerente de la planta “Motores y Motores”, esta intentando planear las necesidades de efectivo, personal, materiales y suministros para cada trimestre del próximo año. Los datos de ventas trimestrales durante los últimos tres años parecen reflejar un patrón de resultados estacional que debe esperarse en el futuro. Si Pedro pudiera estimar las ventas trimestrales del siguiente año, podría determinar las necesidades de efectivo, material, personal y suministros. Series de Tiempo Estacionalizados Series de Tiempo Estacionalizados Series de Tiempo Estacionalizados Series de Tiempo Estacionalizados Series de Tiempo Estacionalizados Promedio Móvil Demanda en los n periodos anteriores n Promedio Móvil Ponderado (ponderación para periodo n) (demanda en periodo n) ponderaciones Promedios Móviles MAD = Demanda real - Demanda pronosticada n MAD = Desviación absoluta durante n periodos Medidas de la precisión del Pronostico La precisión de un pronostico se refiere a que tan cerca siguen los datos reales a los pronosticos n Promedios Móviles Andrea Pérez, gerente de inventarios, desea desarrollar un sistema de pronósticos a corto plazo para estimar el volumen de inventario que fluye de su almacén todas las semanas. Ella cree que la demanda de inventario por lo general ha sido estable, con algunas ligeras fluctuaciones aleatorias de una semana a la siguiente. Un analista de las oficinas centrales de la empresa sugirió que utilizara un promedio móvil de 3, 5 o 7 semanas. Antes de tomar una decisión, Andrea decidió comparar la precisión de cada una de ellas en relación con el periodo de 10 semanas mas reciente. Promedios Móviles Promedios Móviles Promedios Móviles La precisión del pronóstico con una cantidad de periodos promediados =5 es la mejor ya que su MAD tiende a ser inferior al correspondiente para 3 o 7 semanas. Por lo cual se utiliza la cantidad de periodos promediados de 5 semanas para pronosticar la demanda de efectivo Promedios Móviles Promedios Móviles Ponderados Promedios Móviles Ponderados Promedios Móviles Ponderados Nuevo pronóstico = Pronóstico del periodo anterior + α (demanda real en mes anterior – pronóstico del periodo anterior) Ft = nuevo pronóstico F t-1 = pronóstico anterior α : es la ponderación, o constante de suavizado, elegida por quien pronostica, que tiene un valor entre 0 y 1.(0 < α < 1 ) A t-1 = demanda real en el periodo anterior Ft = Ft-1 + α (At-1 - Ft-1 ) Suavización Exponencial Ejemplo: En Enero, un distribuidor de automóviles predijo que la demanda para Febrero sería de 142 camionetas Ford. La demanda real de febrero fue de 153 autos. Si empleamos la constante de suavizado que eligió la administración , α = 0,20, podemos pronosticar la demanda de marzo mediante el modelo de suavización exponencial. Sustituyendo los datos del ejemplo en la fórmula, obtenemos. Nuevo pronóstico (para la demanda de marzo) = 142 + 0,20 (153 – 142) = 142 + 2,2 = 144,2 α siempre será dada. Si α es alta, o sea 0,5 el pronóstico se basa en los datos más recientes. Si α es baja, o sea 0,1el pronóstico da poca importancia a la demanda reciente y toma en cuenta los valores históricos de muchos períodos. Suavización Exponencial Andrea Pérez habla con una analista de las oficinas centrales de la empresa respecto al pronostico de la demanda semanal de Inventario de su almacén. El analista sugiere que Andrea piense en utilizarla suavización exponencial con constantes de suavización de 0.1, 0.2 y 0.3. Andrea decide compararla precisión de las constantes de suavizado para el periodo de 10 semanas más reciente Suavización Exponencial Suavización Exponencial La constante de suavización α = 0.2 nos da una precisión mayor comparada frente las otras constantes, por lo cual se usará para pronosticar la semana 18 F18 = 97.7+0.2(100-97.7) F18 = 98.2 Suavización Exponencial • Andrea Pérez debe pronosticar las ventasde su empresa de Autos, de tal manera que pueda planear las necesidades de efectivo, personal y combustible. Ella cree que las ventas durante el periodo de los 6 meses anteriores son representativas de las ventas del futuro. Desarrolle un Pronostico de suavización exponencial con tendencia para las ventas del mes 7, si α=0,2, β = 0,3, y las ventas históricas, en miles de pesos fueron: Suavización Exponencial con Tendencia Mes Ventas 1 130 2 136 3 134 4 140 5 146 6 150 Definiciones St = Pronóstico Suavizado del Período t Tt =Estimación de tendencia Período t At=Dato real del Período t t = el siguiente Período t-1= el Período Anterior FTt = Pronóstico con tendencia del Período t α =Constante de suavización para los promedios de 0 a 1 β = Constante de suavización para la tendencia de 0 a 1 Fórmulas FTt = St-1 + Tt-1 St = FTt + α(At – FTt) Tt = Tt-1 + β (FTt – FTt-1 - Tt-1) Suavización Exponencial con Tendencia Suavización Exponencial con Tendencia Ing. Mauricio Martínez Suavización Exponencial con Tendencia Ing. Mauricio Martínez • Gaither,N. Frazier, G.. 2009 Administración de producción y Operaciones, 4ta. ed. International Thompson Editores, México. Bibliografía
Compartir