New Pronosticos

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