Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E INGENIERÍAS Planeación y Control de la Producción I. Sección D03 Profesor: Ulloa Godinez, Hector Hugo. Resumen equipo 5:“Pronósticos” Andrea Gudiño Martinez. Perla Guadalupe Quiroa Reyes. Rodrigo Hernandez Hernandez. Josué Alejandro Becerra Ruvalcaba. Sebastian Sanchez Guerrero. Grecia Monserrat López Tovar Grupo: Aula Q11 Horario: L.7:00 - 9:00 y I.7:00-8:00. PRONÓSTICOS Pronosticar es el arte y la ciencia de predecir los eventos futuros. Puede implicar el empleo de datos históricos y su proyección hacia el futuro mediante algún tipo de modelo matemático. Puede ser una predicción subjetiva o intuitiva o puede ser una combinación de éstas. Medidas de error: Límites en cuanto lo que se espera de los pronósticos. Horizontes del tiempo del pronósticos. Pronóstico a corto plazo Tiene una extensión de tiempo hasta 1 año, pero casi siempre es menos a 3 meses. Se usa para planear las compras, programar el trabajo, determinar niveles de mano de obra, asignar el trabajo, y decidir los niveles de producción. Los métodos que utiliza son más precisos que los de largo plazo Pronóstico a mediano plazo/ plazo intermedio Por lo general, tiene una extensión de entre 3 meses y 3 años. Se utiliza para planear las ventas, la producción, el presupuesto y el flujo de efectivo, así como para analizar diferentes planes operativos. Pronóstico a largo plazo Casi siempre su extensión es de 3 años o más. Se emplean para planear la fabricación de nuevos productos, gastos de capital, ubicación o expansión de las instalaciones, y para investigación y desarrollo. NOTA: a medida que el horizonte de tiempo se alarga, es más probable que la exactitud del pronóstico disminuya. El ciclo de vida y los pronósticos. Los pronósticos que reflejan los ciclos de vida son útiles para proyectar los distintos niveles de personal, niveles de inventario y capacidad de planta mientras el producto pasa de la primera a la última etapa. Siete pasos en el sistema de pronóstico. El pronóstico sigue 7 pasos básicos: 1. Determinar el uso del pronóstico (¿para qué sirve/ se usa?) 2. Seleccionar los aspectos que se deben pronosticar 3. Determinar el horizonte de tiempo del pronóstico 4. Seleccionar los modelos de pronóstico (Ej.: M. estadísticos o cuantitativos, de juicio o no cuantitativos). 5. Recopilar los datos necesarios para elaborar el pronóstico. (Ej.: encuestas, tasas de cambio, de llegadas a cierto lugar, ofertas de aerolíneas, programas vacacionales, etc.) 6. Realizar el pronóstico 7. Validar e implementar los resultados TIPOS DE PRONÓSTICOS Tres tipos principales de pronósticos en la planeación de operaciones futuras. 1.- Pronósticos económicos Abordan el ciclo del negocio al predecir las tasas de inflación, los suministros de dinero, la construcción de viviendas y otros indicadores de planeación. Indicadores que ayudan a las organizaciones a prepararse con pronósticos de mediano y largo plazo. 2.- Pronósticos Tecnológicos Se refieren a la tasa de progreso tecnológico, estas pueden resultar del nacimiento de nuevos e interesantes productos, que requieren otras plantas y equipo, son pronósticos a largo plazo. 3.- Los Pronósticos de la Demanda Son proyecciones de la demanda de los productos o servicios de una compañía. Requieren pronósticas orientados a la demanda, estos guían la producción, la capacidad y los sistemas de programación de una compañía y sirven como entradas en la planeación financiera, de marketing y del personal. Enfoque de pronósticos Métodos cuantitativos: utilizan una variedad de modelos matemáticos que se apoyan en datos históricos y en variables asociativas para pronosticar la demanda. ● Modelos de series de tiempo Como pueden ser: promedios móviles y suavización exponencial ● Modelo asociativo Como son: análisis de regresión y simulación discreta Métodos cualitativos: incorporan factores como la intuición, las emociones, las experiencias personales y el sistema de valores de que toma las decisiones para llegar a un pronóstico. ● Jurado de opinión ejecutiva ● Método Delphi ● Composición de la fuerza de ventas ● Encuesta en el mercado (Sin embargo estos últimos dos métodos adolecen de un optimismo exagerado que surge de la información de los clientes.) Composición de la fuerza de ventas: MÉTODOS ASOCIATIVOS DE PRONÓSTICO: ANÁLISIS DE REGRESIÓN Y CORRELACIÓN A diferencia del pronóstico de series de tiempo, los modelos de pronóstico asociativo casi siempre consideran varias variables relacionadas con la cantidad que se desea predecir. Una vez determinadas dichas variables, se construye un modelo estadístico que se usa para pronosticar el elemento de interés. Este enfoque es más poderoso que los métodos de series de tiempo que incluyen sólo valores históricos para la variable a pronosticar Uso del análisis de regresión para pronosticar Con el fin de realizar un análisis de regresión lineal, Podemos usar el mismo modelo matemático que empleamos con el método de mínimos cuadrados para efectuar la proyección de tendencias. Las variables dependientes que deseamos pronosticar seguirán siendo . Pero la variable independiente, x, ya no necesita ser el tiempo. Usamos la ecuación cuando: yˆ = a + bx ̂y = valor de la variable dependiente a = intersección con el eje y b = pendiente de la recta de regresión x = variable independiente Interpretación de los parámetros a y b “a” es la ordenada en el origen, es decir, es la altura a la que la recta corta al eje y. Y se denomina también término independiente, lo que quiere decir que cuando “b” sea 0, la media de “Y” será igual a “b”. “b”, también denominada pendiente, es la inclinación de la recta, es decir, es el incremento que se produce en la variable Y cuando la variable X aumenta una unidad. Nos indica cuánto depende Y de X y su relación. Por ejemplo, en el caso de una recta Y = 3 + 2X, por cada unidad que incrementa la X, la Y presenta un incremento medio de 2 unidades. Supuestos: Se pueden estimar los parámetros “a” y “b” usando el método de mínimos cuadrados para el cual se necesita que se cumplan los siguientes supuestos: ● Linealidad. ● Los errores se distribuyen normalmente, con media igual a 0 y varianza σ^2: 𝜖𝑖~ N(0, σ^2). ● Tienen varianza (σ^2) constante. ● 𝜖𝑖 son independientes entre sí. Error estándar de la estimación Para medir la exactitud de las estimaciones de regresión, debemos calcular el error estándar de la estimación, Sy,x. Este cálculo se llama desviación estándar de la regresión, y mide el error desde la variable dependiente, y, hasta la recta de regresión, en lugar de hasta la media. La siguiente ecuación es una expresión similar a la encontrada en la mayoría de los libros de estadística para calcular la desviación estándar de una media aritmética: Coeficientes de correlación para rectas de regresión Es la medida de la fuerza de la relación entre dos variables La ecuación de regresión es una forma de expresar la naturaleza de la relación entre dos variables. Muestra la forma en que una variable se relaciona con el valor y los cambios en otra variable. Las rectas de regresión describen las relaciones entre variables. Otras forma de evaluar la relación entre dos variables consiste en calcular el“coeficiente de correlación”. Esta medida expresa el grado o fuerza de la relación lineal. Casi siempre identificado como r, el coeficiente de correlación puede ser cualquier número entre +1 y –1. Simulación discreta Es una técnica de modelamiento matemático, mediante el cual se construye un modelo del proceso de estudio, con el fin de entender la interacción de los componentes del sistema y evaluar diferentes alternativas de configuración para el mejoramiento de su desempeño. ¿Cuándo usar simulación? Cuando existe un efecto combinado de variabilidad, incertidumbre e interdependencias entre los elementos del sistema y el estudio de su funcionamiento presenta alta complejidad. Tipos de sistemas: ● Sistemas discretos: La variable de estado cambia de manera instantánea en puntos separados de tiempo. ● Sistemas continuos: Las variables cambian continuamente con respecto al tiempo. ¿Cuáles son los beneficios más importantes de usar esta herramienta? ● Permitir obtener una visión general de la operación del sistema y verificar el impacto de posibles cambios en el desempeño del mismo. ● Mejorar y facilitar la comprensión del sistema y sus elementos. ● Facilitar la experimentación de políticas y nuevas configuraciones, en la búsqueda del mejoramiento del sistema. ● Ahorros potenciales al reducir los costos de implantaciones erróneas. Todo esto apoya el proceso de toma de decisiones, sin incurrir en los costos de implantaciones equivocadas. Métodos de series de tiempo Los métodos de análisis de series de tiempo consideran el hecho que los datos tomados en diversos periodos de tiempo pueden tener algunas características de autocorrelación, tendencia o estacionalidad que se debe tomar en cuenta. Definición de series de tiempo: Es una secuencia ordenada de valores de una variable en intervalos de tiempo periódicos y consecutivos. Aplicación: La aplicación de estos métodos tiene dos propósitos: comprender las fuerzas de influencia en los datos y descubrir la estructura que produjo los datos observados. Componentes de una serie de tiempo: ○ Tendencial (crecimiento o disminución en la serie) ○ Estacional (patrones a corto plazo que se repiten) ○ Cíclica (patrones a largo plazo que se repiten) ○ Irregular (componente aleatoria) Suavizamiento Exponencial Se basa en un promedio ponderado de observaciones pasadas, con más peso sobre las recientes observaciones. Suavizamiento Exponencial Simple: Se calcula el promedio de una serie de tiempo con un mecanismo de autocorrección que busca ajustar los pronósticos en dirección opuesta a las desviaciones del pasado mediante una corrección que se ve afectada por un coeficiente de suavización. Así entonces, este modelo de pronóstico precisa tan sólo de tres tipos de datos: el pronóstico del último período, la demanda del último período y el coeficiente de suavización. Método Holt: El pronóstico de suavización exponencial simple es óptimo para patrones de demanda que presentan una tendencia, al menos localmente, y un patrón estacional constante, en el que se se pretende eliminar el impacto de los elementos irregulares históricos mediante un enfoque en períodos de demanda reciente. Método Holt Winters: Es un método de pronóstico de triple exponente suavizante y tiene la ventaja de ser fácil de adaptarse a medida que nueva información real está disponible. Promedio Móvil: Se usa cuando hay una tendencia suave y para pronósticos de corto plazo. • Suavizamiento Simple: Se usa cuando hay una tendencia suave y NO estacionalidad. • Suavizamiento Tendencial (o Holt): Se usa cuando existe componente tendencial y NO estacional. • Suavizamiento Estacional (o Holt-Winters): Se usa cuando existe componente estacional.
Compartir