P. 1
4.Pronósticos

4.Pronósticos

|Views: 47|Likes:
Publicado porLesther Ruiz

More info:

Categories:Types, Business/Law
Published by: Lesther Ruiz on Oct 12, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPTX, PDF, TXT or read online from Scribd
See more
See less

05/24/2013

pdf

text

original

Pronostico

Métodos
• •

Nicaragu Pronosticar es el arte y la ciencia de predecir los eventos del futuro. a Aunque se necesita del juicio gerencial para pronosticar, el gerente cuenta
con la ayuda de herramientas y métodos matemáticos sofisticados. No existe un método universal para pronosticar en todas las situaciones. Los pronósticos ocupan un papel central dentro de las operaciones.

• •

Por su complejidad e  Impacto sobre todas las decisiones de operaciones

USOS EN LA EMPRESA • En operaciones como insumo para la toma de decisiones sobre:
 Diseño del proceso  Planeación de Capacidad • Inventarios

En Mercadeo se usan para:
 Planear Productos  Planear Promociones  Planear Precios

En Finanzas como insumo para la planeación financiera.

© 2012 GS1

Nicaragu •El enfoque a usar será el pronóstico de la Demanda de Producción de la a función de operaciones.
• Demanda y Ventas no siempre son lo mismo. • Hay diferencia entre Pronóstico y Planeación.
 Los pronósticos se refieren a lo que sucederá en el futuro.  La planeación se refiere a lo que se considera debería suceder en el futuro

• Con la planeación se intenta alterar los eventos del futuro, los pronósticos se utilizan para predecirlos. • Una buena planeación usa los pronósticos como insumos. • Los pronósticos siempre están equivocados • Existen 3 formas de ajustarse a los errores de pronósticos:
 Pequeñas variaciones pueden ser absorbidas  Grandes variaciones crearan grandes estragos.

 Reducir el error a través de mejores pronósticos.  Incrementando la flexibilidad de las operaciones.  Reducir el tiempo de anticipación con que se requieren los pronósticos.

© 2012 GS1

• Para reconocer los errores de los pronósticos. lo cual es consistente con los costos razonables de pronósticos. R) • Tener un solo número es ignorar el error. deben todos tener 2 números:  La mejor estimación de la demanda (media. mediana. σ2 . moda)  Para el error de pronósticos (σ.Nicaragu a • La meta es el menor margen de error posible. © 2012 GS1 .

Pronostico Nicaragu Y METODOS DE LOS PRONOSTICOS EN OPERACIONES USOS a HORIZONTE DE TIEMPO Largo EXACTITUD # DE NIVEL DECISIONES Diseño del Proceso Planeación de la capacidad de Instalaciones Producción Agregada Programación Admón. de Inventarios Corto Corto La + Alta La + Alta Muchos Muchos + Bajo + Bajo Mediano Alta Pocos Mediano Causales y Series de Time Series de Time Series de Time Largo Media Uno o pocos Alto NECESARIA Media PRODUCTOS Unos pocos GERENCIAL Alto METODO DE PRONOSTICO Cualitativos y Causales Cualitativos y Causales © 2012 GS1 .

Los que son Causales. La lógica básica para hacer pronósticos es que los datos del pasado y los patrones de datos son indicadores confiables para predecir el futuro. Los datos del pasado se procesan mediante series de tiempo o modelos causales. © 2012 GS1 . Deben utilizarse cuando se lanza un nuevo producto y no existen datos. No usan modelos específicos. Hacen usos de modelos subyacentes para llegar a un pronóstico.Métodos •Métodos Cualitativos: Nicaragu a Los métodos Cualitativos requieren el juicio gerencial. • Métodos Cuantitativos: Los que son por Series de Tiempo. Son útiles cuando se carece de datos o los existentes no son confiables para predecir el futuro.

Calcule la demanda promedio A t para los periodos N del pasado al momento “t”.. No se presupone patrón de estacionalidad. • • At = (D1 + Dt . el mejor pronóstico para el periodo t + 1 es simplemente la demanda promedio observada a lo largo del periodo t. tendencias. + Dt – N + 1) / N Nicaragu a Como se supone que la serie de tiempo es horizontal..Proceso Estacional • • • • Es el método mas simple para pronósticos por serie de tiempo.. PROCEDIMIENTO Seleccione un numero dado de periodos “N”. ni componentes de ciclos en los datos de demanda. El método supone que solo tiene un componente de nivel y un componente aleatorio.1 + . Es decir: Ft + 1 = At • © 2012 GS1 ..

fase de Introduccion. Pronostico que pueden Pronosticos de Mala Mala Mala hacer un G o Individuo Ventas Totales y de Mala a a a a Bajo basados en Experiencia. . Cuestionarios. Prediccion basada en la Pronosticos de Venta Spencer. Pronosticos de la Ventas totales de la Pruebas de Mercado o Muy Regular Bass. tecnologicos. de grupos Buena Buena Regular a Alto Pressemeier Estudios que se usan para de productos Buena importantes o de obtener datos sobre las productos condiciones del Mercado. individuales. Regular Regular Regular Regular Intuicion o hechos Productos relacionados a la situacion Individuales. Muy Muy Muy Buena Alto Basu y Schroeder sucesivas. planeacion de Buena Buena Regular Aprovecha la curva de capacidad o crecimiento de las ventas en forma de S. King y compania. a Largo Plazo para Regular Regular Mala Clark Crecimiento y Saturacion Mala a a a Medio y Hoguet de productos similares.METODOS CUALIT DELPHI ESTUDIOS DE MERCADO ANALOGIA DE LOS CICLOS DE VIDA JUICIO INFORMAD METODOS DE PRONOSTICOS CUALITATIVOS EXACTITUD IDENTIF DESCRIPCION A A A PUNTO COSTO DEL METODO USOS CP MP LP RETORNO RELAT REFERENCIAS Pronostico desarrollado Pronostico de Ventas mediante un grupo de a LP para planeacion Regular Regular Regular Regular Medio North y Pyke expertos que responden de capacidad o a a a a a preguntas en rondas instalaciones. Grupos. Las respuestas Buena Buena Buena anonimas del grupo Pronosticos retroalimentan en cada Tecnologicos para ronda a todos los evaluar cuando participantes. instalaciones. Se pueden pueden presentarse usar entre 3 y 6 rondas para lograr un consenso los cambios sobre el Pronostico.

Wasserman y Whitmore SUAVIZAC EXPONENC Mala a Buena Muy Mala Mala Medio Brown. Bien Muy adaptado para usarse con Buena computadoras y cuando es necesario pronosticar un gran # de articulos. Adam Wheelwright y Makridakis MODELOS MATEMAT. Incluye las lineas de tendencias. Metodos de auto . Un modelo lineal o no Igual que el promedio lineal ajustado con los datos de series de tiempo. uso con pocos polinomios.Limitado debido al correlacion que se usan costo de los Muy para identificar las series productos que Buena a de tiempo subyacentes y requieren de para ajustar el mejor pronosticos muy Excte modelo. lineales. muchos productos. Neter. etc. logaritmos productos.METODOS SERIE TIEMPO METODOS DE PRONOSTICOS POR SERIES DE TIEMPO EXACTITUD IDENTIF DESCRIPCION A A A PUNTO COSTO DEL METODO USOS CP MP LP RETORNO RELAT El Pronostico se basa en Planeacion de corto a mediano plazo para Mala Muy Mala Mala Bajo REFERENCIAS Mala a inventarios. Alto Nelson . Similar al promedio movil y Igual que el Promedio Movil da un mayor peso Regular exponencial a los datos a mas recientes. niveles de Muy PROMEDIO MOVIL Buena ponderado de un numero produccion y un promedio aritmetico o programacion. Es de puntos de datos del bueno cuando hay pasado. exactos a CP. 60 datos del past. Regular a Buena Muy Mala Mala Bajo a Medio BOX JENKINS Regular a Buena Muy Mala Mala Medio Box y a Jenkins. pero con limitaciones Muy normalmente mediante Buena debido al costo y a su regresion.

Refleja los efectos importantes productos. efecto. Util cuando los para minimos obtener cuadrados hay estrechas un mejor relaciones de causa y ajuste entre las variables. Un sistema de ecuaciones Pronostico de Ventas de regresion por clases de Muy MODELOS independientes que ECONOMET Buena productos para a describe algun sector de la Excte economia o actividad planeacion a corto y lucrativa.METODOS CAUSALES DE PRONOSTICOS EXACTITUD METODOS DESCRIPCION A A A CAUSALES DEL METODO USOS CP MP LP Este metodo relaciona la Planeacion a corto y demanda variables REGRESION internas con externas que tienden otras mediano plazo para o produccion agregada a o inventarios que Buena a Muy Buena Buena a Muy Buena Mala IDENTIF PUNTO COSTO RETORNO RELAT REFERENCIAS Muy Buena Medio Neter. del canal de distribucion. Muy Buena Buena Excte Alto Huang Buena a Muy Buena Buena a Muy Buena Regular Muy Alto Leontief Buena a Muy Buena Buena Buena Alto Forrester. Simulacion del sistema de Pronostico de las distribucion para describir Ventas de toda la Muy BOX Buena los cambios en las ventas y compania por grupos JENKINS flujos del producto en el de tiempo. otro sector. mediano plazo. . Este involucren a pocos metodo de regresion utiliza productos. Chambers et al. Un metodo para Pronosticos de pronosticar que describe el MODELOS flujo de un sector de la Ventas de toda la No DE economia a otro para Dispon compania o de todo el INSUMO predecir insumos que se necesitan para producir pais por sector productos que requiere economico. Wasserman y Whitmore cambiar la demanda.

1 + . Es decir: Ft + 1 = At • © 2012 GS1 . El método supone que solo tiene un componente de nivel y un componente aleatorio. PROCEDIMIENTO Seleccione un numero dado de periodos “N”.. No se presupone patrón de estacionalidad.. • • At = (D1 + Dt .Promedio Móvil • • • • Es el método mas simple para pronósticos por serie de tiempo. el mejor pronóstico para el periodo t + 1 es simplemente la demanda promedio observada a lo largo del periodo t.. tendencias. ni componentes de ciclos en los datos de demanda.. + Dt – N + 1) / N Nicaragu a Como se supone que la serie de tiempo es horizontal. Calcule la demanda promedio A t para los periodos N del pasado al momento “t”.

7 24.0 18.7 24.3 12.0 11.0 -11.0 19.3 -12.5 17.7 17.0 19.8 © 2012 GS1 .0 26.3 0.0 18.7 24.3 12.7 17.Ft t 6 PER Ft 19.7 PR N ST O O 3 PER Ft ER O R R PR N ST O O D .0 15.7 -4.0 18.0 20.7 24.3 17.0 -1.3 10. + D D +D + = N a 1 t-1 t-N +1 F t +1= At N= PER 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 3 D EM N A A D D t 10 18 29 15 30 12 16 8 22 14 15 27 30 23 15 6 PR M M V O O IL PER D S A IO O t 19.7 19.3 21.7 -3.0 20.0 20.7 22.3 10.7 19.0 9.3 14.0 19.3 -1.0 -11.0 15.0 14.Ejemplo Promedio Móvil At Nicaragu ….7 19.3 14.2 17.0 26.

Nicaragu a 35 30 DEMANDA / PRONOSTICO PROMEDIO MOVIL PARA N= 3 Y 6 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Dt 3 PER Ft 6 PER Ft PERIODOS © 2012 GS1 .

Nicaragu a Característica de la demanda en el tiempo © 2012 GS1 .

Tendencia Nicaragu a © 2012 GS1 .

Estacionalidad Nicaragu a © 2012 GS1 .

Ciclos Nicaragu a © 2012 GS1 .

Variaciones Aleatorias Nicaragu a © 2012 GS1 .

Suavizado Exponencial Nicaragu a © 2012 GS1 .

3. At = α Dt + (1 – α)At . a • • • • • • α es la proporcion de peso que se da a la demanda nueva contra la que se da al promedio anterior. En la mayor parte de los pronósticos para dar estabilidad alfa es entre 0. 0<= α <= 1 Si se desea que At responda mas rápido a la demanda reciente se debe dar un alfa grande. Es decir no hay estacionalidad. Como en el promedio móvil la suavización exponencial simple se supone una serie de tiempo plana. es decir: Ft + 1 = At == Ft + 1 = α Dt + (1 – α)Ft © 2012 GS1 .Suavización Exponencial • • • • Nicaragu Se basa en la idea muy simple de que es posible calcular un promedio nuevo a partir de un promedio anterior y además de la demanda mas recientemente observada.1 y 0. Dt la demanda que se acaba de observar. Si se desea que At responda mas lento. alfa debe ser pequeño.1 En este caso At -1 es el promedio anterior. ni tendencia ni ciclos entonces se puede decir que los pronósticos de los periodos futuro serán los promedios obtenidos en el periodo actual.

Suavización Exponencial •Cuando se utiliza la suavización exponencial deben calcularse la estimación de error. Para observar indicadores de demanda errática que deberán evaluarse con cuidado y quizás eliminarlos. los cuales pueden servir para: Para fijar inventarios o capacidad de seguridad. Para determinar cuando el método de pronostico no representa ya la demanda actual y debe volverse a cero. © 2012 GS1 . Nicaragu a •Desviación Absoluta Promedio (MAD) Mean Absolute Desviation MADt = α IDt – FtI + (1 – α)MADt – 1 •MAD es el error promedio en las proyecciones.

Ajuste Exponencial Nicaragu •Señal de Rastreo (T) a T = Suma acumulada de la desviación del pronost. / MAD Es la medida que indica si el promedio de proyeccion esta manteniendo el ritmo de los cambios reales en la demanda © 2012 GS1 .

10 7.3 2.Ejemplo Suavización Exponencial Nicaragu F = 15 Ft+1 = αDt + (1 .α)MADt .86 -9.9 3.50 14.3 1.0 1.15 -1.1 Dt .FtI + (1 .4 17.28 23 18.00 6.90 7.69 103.1 24.6 0.12 -1.13 8.3 17.86 7.52 16 16.8 17.03 6.50 5.22 6.6 2.6 2.4 21.8 -0.1 T= SUMA ACUMUL DE LA DESVIAC DEL PRON MAD © 2012 GS1 .6 13.65 7.51 -9.15 8.5 18.85 15 16.58 -7.9 1.87 12.7 14.7 22.3 Dt .7 19.33 27 16.33 10.8 15.7 17.Ft ( α = 0.20 30 17.5 12.14 12 17.05 Ft 10 15 18 14.3 MAD 0.50 4.8 14.4 -0.85 7.65 -2.6 9.95 95.1 13.59 -1.9 0.27 30 16.6 16.10 -4.0 -5.99 TENDENCIA DESVIACION ABSOLUTA SUMA SENAL DE α = 0.72 4.3 22.4 9.FtI Dt Ft α = 0.α)Ft α= 0.9 3.1 25.1 1.7 2.27 13.85 14.0 15 -5.3) ACUMULADA RASTREO T 7.1 a α = DEMANDA PRONOSTICO= 7ERROR PRONOSTICO ERROR MADt 1 0 PERIODO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Σ(Dt .2 21.50 29 14.03 -3.52 -0.51 8.01 -2.97 -8.58 6.10 7.39 MADt = αIDt .99 14 16.7 17.78 11.0 6.60 5.7 0.99 35.Ft) Σ IDt .5 13.2 0.87 6.87 22 15.00 3.86 -5.40 0.45 -3.15 10.6 19.8 -0.80 12.12 4.7 4.97 8 16.4 -0.Ft -5.55 15 18.59 15 16.

Nicaragu a © 2012 GS1 .

Nicaragu a © 2012 GS1 .

Nicaragu a © 2012 GS1 .

Nicaragu a © 2012 GS1 .

Nicaragu a © 2012 GS1 .

Nicaragu a © 2012 GS1 .

Representación Señal de Rastreo Nicaragu a © 2012 GS1 .

Mínimos Cuadrados Nicaragu a © 2012 GS1 .

Mínimos Cuadrados Nicaragu a © 2012 GS1 .

30b = 10 b= a= Y = 108.7 108.7(5) 5 Y = 131.4 © 2012 GS1 .30b 10 1225 . ten eg m in em os.4 + 4. ΣY = Na + b Σx A ora m ltip h u licam la ecu os acion d la recta p el coeficien d "b e or te e " y lu o se su an los term os.7x Y = 108.4 + 4. eg m in 589 1225 = = Σ X = a ΣX + b 2 Y ΣX 5a + 10b =====> a= 589 -10b 5 a(10) + b (30) ==> a= 1225 .9 5 589 -10b 5 4.Mínimos Cuadrados A NO 1964 1965 1966 1967 1968 Nicaragu+ bx Y= a Y X a 108 0 Σ 119 110 122 130 589 1 2 3 4 10 2 X 0 1 4 9 16 30 X Y 0 P UNTO B S A E 119 220 366 520 1225 S m ltip i u licam la ecu os acion d la recta p el coeficien d "a" e or te e y lu o se su an los term os.

8 4. a= b= Σ XY = a ΣX + bΣX2 ΣY a= N ΣXY b= 2 ΣX 589 5 47 10 a= b= 117. tenem os.Mínimos Cuadrados ANO 1964 1965 1966 1967 1968 Nicaragu + bx Y= a Y X a 108 -2 119 110 122 130 589 -1 0 1 2 0 Σ X2 4 1 0 1 4 10 XY -216 -119 0 PUNTO BASE 122 260 47 Si m ultiplicam la ecuacion de la recta por el coeficiente de "a" os y luego se sum los term an inos.9 3 © 2012 GS1 .8 + 4.7 Y = 117.8 + 4.7(3) 3 Y = 131.7x Y = 117. ΣY = Na + b Σx Ahora m ultiplicam la ecuacion de la recta por el coeficiente de "b" os y luego se sum los term an inos.

2 3.8 XiYi 6.0 20.b x = Variable Independiente (se supone genera Ŷ ) n n n Σ XiYi .4 25.8 3.5 3 4.9 Ŷ= .2 13.[(ΣXi)(ΣYi)] a = Interseccion de Y b= nΣXi2 .6 3.5 13.(ΣXi)(ΣYi)]2 r = [nΣXi2 .4 5 5.0 49.2 Ŷ = 7.(ΣYi)2] © 2012 GS1 .8 7.4 11.5 41.0 12.8 19.3 + 2x Si x = 4.(ΣXi)2][nΣYi2 .1.5 24.0 80.0 5.0 14.30 2 r = 97.2 16.3 16.0 24.1 4 4.0 32.0 204.8 4.0 2.2 Yi2 9.7 7 6.(Σxi)2 b = Pendiente EJEMPLO i Yi 1 3.0 8.9 Xi2 4.4 16.Método Causal de Regresión lineal Ŷ= a + bx Ŷ = Dem anda Estim ada Σ Xi a = Σ Yi .0 6 5.0 3.4 2.3 28.3% 2 Nicaragu a n= 8 Xi 2.8 9.0 2 3.4 8 7.0 127.0 10.1 9 [nΣXiYi .1 b= 2.0 Σ 39.00 a= -1.

MUCHAS GRACIAS. .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->