S14 s14 Pronosticos

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