Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Unidad 4 PRONÓSTICOS GESTIÓN DE LAS OPERACIONES Datos/Observaciones Sesión 14: Pronósticos “No te amargues con tu propio fracaso ni se lo cargues a otro. Acéptate ahora o seguirás justificándote como un niño. Recuerda que cualquier momento es bueno para comenzar y que ninguno es tan terrible para claudicar. “ Pablo Neruda (1904-1973) Datos/Observaciones Agenda de la Sesión 14 1. Afianzando la Sesión 13 2. Patrón de comportamientos 3. Coeficiente de correlación 4. Datos aleatorios de tendencia 5. Selección de la técnica del pronóstico 6. Lo que aprendimos Datos/Observaciones 1. Afianzando la Sesión 13 Mezcla de productos Permite determinar la prioridad de producción de tipos de productos terminados basándose en el criterio del cuello de botella, pasando a segundo plano el margen de contribución. Datos/Observaciones 1. Afianzando la Sesión 13 Sistema tambor-amortiguador-cuerda Todo sistema de producción necesita uno o varios puntos de control del paso de los productos. Si el sistema contiene un cuello de botella , ahí está el mejor lugar para situar un control. Este punto de control se llama tambor porque marca el ritmo para el funcionamiento del resto del sistema (o de las partes en las que influye). Por tanto, un cuello de botella tiene que trabajar todo el tiempo y un motivo para usarlo como punto de control 1. Poner ahí un inventario de reserva para que siempre tenga trabajo. Como es un cuello de botella, su producción determina lo producido por el sistema. 2. Comunicar a A lo que D produce, para que A proporcione solo ese monto y así no se acumule el inventario. Esta comunicación se llama cuerda . Puede ser formal (como en un programa) o informal (como en los comentarios cotidianos). Se pueden hacer dos cosas: Datos/Observaciones 1. Afianzando la Sesión 13 Sistema tambor-amortiguador-cuerda El inventario de reserva al comienzo de la operación del cuello de botella representa un tiempo de reserva . Se quiere que el centro de trabajo D siempre tenga qué hacer y no importa en cuál de los productos programados trabaje. Datos/Observaciones 1. Afianzando la sesión 14 Selección de un pronóstico La consideración primordial en la selección de un método para pronosticar es que los resultados deben facilitar el proceso de toma de decisiones a los gerentes de la organización. Uno de los pasos más importantes en la selección de un método para pronosticar adecuado con datos de una serie de tiempo es considerar los diferentes tipos de patrones de datos. Existen cuatro tipos generales: horizontal, tendencias, estacionales y cíclicos. Datos/Observaciones 1. Afianzando la sesión 14 Etapas de un pronóstico Todos los procedimientos formales para pronosticar requieren extender las experiencias del pasado hacia el futuro. Así, implican la suposición de que las condiciones que generaron los datos y las relaciones pasados son iguales a las condiciones futuras. 1. Formulación del problema y recopilación de datos 2. Manipulación y limpieza de datos 3. Construcción y evaluación del modelo 4. Implementación del modelo (el pronóstico real) 5. Evaluación del pronóstico El examen de los patrones de error a menudo lleva al analista a modificar el modelo para pronosticar. Métodos específicos de medición de los errores en los pronósticos Datos/Observaciones Agenda de la Sesión 14 1. Afianzando la Sesión 13 2. Patrón de comportamientos 3. Coeficiente de correlación 4. Datos aleatorios de tendencia 5. Selección de la técnica del pronóstico 6. Lo que aprendimos Datos/Observaciones 2. Sesión 14 Objetivos de la sesión 14 ▪ Identificación de patrones de tendencia de datos ▪ Hallar el coeficiente de correlación y su interpretación ▪ Aplicar la selección de la técnica de pronóstico Datos/Observaciones 2. Patrón de comportamientos Pronóstico La finalidad de un pronóstico es reducir el nivel de incertidumbre con que deben realizarse los juicios de la gerencia. Tal propósito sugiere dos reglas fundamentales, las cuales debe seguir el proceso de elaboración de pronósticos: 1. El pronóstico debe ser técnicamente correcto y generar pronósticos lo suficientemente precisos para satisfacer las necesidades de la empresa. 2. El procedimiento de elaboración de pronósticos y sus resultados tienen que presentarse convincentemente a la gerencia, de modo que los pronósticos se utilicen en el proceso de toma de decisiones para beneficio de la compañía; los resultados también deben justificarse desde el punto de vista del costo-beneficio. Datos/Observaciones 2. Patrón de comportamientos Introducción Una de las partes más difícil y que más tiempo consume en la elaboración de pronósticos es la recopilación de datos válidos y confiables. “basura entra, basura sale”. El modelo de pronóstico más elaborado fallará si se aplica a datos poco confiables. 4 criterios para determinas la calidad de datos: 1. Los datos deben ser fidedignos y precisos. 2. Los datos deberían ser relevantes. 3. Los datos tienen que ser consistentes 4. Los datos deberían ser oportunos. 1. Son los datos recopilados en un periodo único (transversal) 2. Son las observaciones de datos realizadas a través del tiempo. (serie de tiempo) Datos de interés para pronosticados Datos/Observaciones 2. Patrón de comportamientos Ejemplo de exploración de patrones Un diagrama de dispersión, como el de la figura debajo ayuda a visualizar las relaciones y sugiere que la antigüedad podría ayudar en la elaboración del pronóstico del presupuesto anual de mantenimiento. Los datos de corte transversal son observaciones recopiladas en un solo punto del tiempo. Una serie de tiempo consiste en datos que se recopilan, registran u observan durante incrementos sucesivos de tiempo. Datos/Observaciones 2. Patrón de comportamientos Estudio de patrones de datos en series de tiempo Uno de los pasos más importantes en la selección de un método para pronosticar adecuado con datos de una serie de tiempo es considerar los diferentes tipos de patrones de datos. Existen cuatro tipos generales: horizontal, tendencias, estacionales y cíclicos. 1. Cuando los datos recopilados en el transcurso del tiempo fluctúan alrededor de un nivel o una media constantes, hay un patrón horizontal. 2. Cuando los datos crecen o descienden en varios periodos, existe un patrón de tendencia. La tendencia es el componente de largo plazo que representa el crecimiento o el descenso en la serie de tiempo. 3. Se dice que este tipo de series es estacionario en su media. El componente estacional es un patrón de cambio que se repite año tras año. 4. Cuando las observaciones indican aumentos y caídas que no tienen un periodo fijo, existe un patrón cíclico. El componente cíclico es la oscilación alrededor de la tendencia. Datos/Observaciones Agenda de la Sesión 14 1. Afianzando la Sesión 13 2. Patrón de comportamientos 3. Coeficiente de correlación 4. Datos aleatorios de tendencia 5. Selección de la técnica del pronóstico 6. Lo que aprendimos Datos/Observaciones 3. Coeficiente de Correlación Análisis de autocorrelación Cuando se mide una variable a lo largo del tiempo, las observaciones en diferentes periodos a menudo están relacionadas o correlacionadas. Esta correlación se mide usando el coeficiente de autocorrelación. Autocorrelación es la correlación que existe entre una variable retrasada uno o más periodos consigo misma. Los patrones se identifican examinando los coeficientes de autocorrelación de una variable en diferentes retrasos de tiempo. Datos/Observaciones 3. Coeficiente de Correlación Ejemplo: Análisis de autocorrelación Harry Vernon, ha recopilado datos del número de VCR vendidos el año pasado por Vernon’s Music Store. Los datos se presentan en la tabla 3-1. La tabla 3-2 muestra las operaciones que llevan al cálculo del coeficiente de autocorrelación para un retraso de 1. La figura 3-4 contiene un diagrama de dispersiónde los pares de observaciones (Yt,Yt 1). Al revisar el diagrama de dispersión, queda claro que la correlación de retraso 1 será positiva. Esto significa que las ventas mensuales sucesivas de VCR están correlacionadas de algún modo unas con otras. Datos/Observaciones 3. Coeficiente de Correlación Ejemplo: Análisis de autocorrelación en segundo orden El coeficiente de autocorrelación de segundo orden (r2), o la correlación entre Yt y Yt 2, para los datos de Harry, también se calcula con la ecuación. Observe que el coeficiente de autocorrelación para el retraso de 2 (.463) es menor que el coeficiente de autocorrelación para el retraso de 1 (.572). Generalmente, conforme aumenta el número de retrasos (k), disminuyen las magnitudes de los coeficientes de autocorrelación. Datos/Observaciones 3. Coeficiente de Correlación Interpretación: Si una serie muestra una tendencia, las observaciones sucesivas están altamente correlacionadas y es típico que los coeficientes de correlación sean significativamente diferentes de cero, El coeficiente de autocorrelación para un retraso de tiempo 1 a menudo será muy grande (cercano a 1). ¿Cómo determina un analista si un coeficiente de autocorrelación es significativamente diferente de cero? Si una serie tiene un patrón estacional, se presentará un coeficiente de autocorrelación significativo en el retraso de tiempo estacional o en los múltiplos del retraso estacional. Los coeficientes de autocorrelación de datos aleatorios tienen una distribución muestral que puede aproximarse mediante una curva normal, con una media de cero y una desviación estándar aproximada de 1/√ n. Datos/Observaciones Agenda de la Sesión 14 1. Afianzando la Sesión 13 2. Patrón de comportamientos 3. Coeficiente de correlación 4. Datos aleatorios de tendencia 5. Selección de la técnica del pronóstico 6. Lo que aprendimos Datos/Observaciones 4. Datos aleatorios de tendencia y estacionales Datos de tendencia Datos/Observaciones 4. Datos aleatorios de tendencia y estacionales Datos estacionales Las observaciones de la misma posición, en diferentes periodos estacionales, tienden a estar relacionadas. Si se analizan dato trimestrales que tienen un patrón estacional, los primeros trimestres tienden a parecerse, los segundos trimestres tienden a parecerse, y así sucesivamente, y habrá un coeficiente de autocorrelación. significativo Si una serie es estacional, un patrón relacionado con el calendario se repite a sí mismo durante un intervalo de tiempo específico (generalmente un año). Datos/Observaciones Agenda de la Sesión 14 1. Afianzando la Sesión 13 2. Patrón de comportamientos 3. Coeficiente de correlación 4. Datos aleatorios de tendencia 5. Selección de la técnica del pronóstico 6. Lo que aprendimos Datos/Observaciones 5. Selección de la técnica del pronóstico Concepto Primero se examina el valioso trabajo de seleccionar, entre varias, una técnica de elaboración de pronósticos. La consideración primordial en la selección de un método para pronosticar es que los resultados deben facilitar el proceso de toma de decisiones a los gerentes de la organización. Uno de los pasos más importantes en la selección de un método para pronosticar adecuado con datos de una serie de tiempo es considerar los diferentes tipos de patrones de datos. Existen cuatro tipos generales: horizontal, tendencias, estacionales y cíclicos. Datos/Observaciones 5. Selección de la técnica del pronóstico ¿Cómo? Para elegir acertadamente la técnica de pronóstico, el pronosticador debe hacer lo siguiente: Definir la naturaleza del problema que se va a pronosticar Explicar la naturaleza de los datos en investigación Describir las capacidades y limitaciones de las técnicas de elaboración de pronósticos potencialmente útiles. Desarrollar algún criterio predeterminado, con el cual se pueda tomar la decisión Un factor importante que influye en la selección de la técnica de elaboración del pronóstico es la identificación y comprensión de patrones históricos en los datos. Si se pueden reconocer patrones de tendencia, cíclicos o estacionales, entonces se deben seleccionar las técnicas que sean capaces de extrapolar efectivamente tales patrones. Datos/Observaciones Agenda de la Sesión 14 1. Afianzando la Sesión 13 2. Patrón de comportamientos 3. Coeficiente de correlación 4. Datos aleatorios de tendencia 5. Selección de la técnica del pronóstico 6. Lo que aprendimos Datos/Observaciones Conclusiones 6. Lo que aprendimos • Los pronósticos es la herramienta que nos ayudan a tener una visión de los escenarios futuros d acuerdo al uso de data histórica. • Se diferencia entre datos estacionales y de tendencia para poder interpretar el Coeficiente de correlación. Docente: MBA Diego Santander Choquecota C22303@utp.edu.pe Cel. 959200412 mailto:C22303@utp.edu.pe
Compartir