Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clasen3pronostico 090902081615 Phpapp02
Clasen3pronostico 090902081615 Phpapp02
Gestin de Operaciones
Gestin de Operaciones
Gestin de Operaciones
Los
7 Pasos de un Pronstico
Gestin de Operaciones
Enfoques de Pronsticos
Jurado de opinin de
Ejecutivos
Mtodos
Cualitativos
Mtodo Delphi
Composicin de la fuerza
de ventas
Encuesta en el mercado
de consumo
Enfoque intuitivo
Mtodos
Cuantitativos
Modelos
de series
de tiempo
Modelo
asociativo
Gestin de Operaciones
Enfoques de Pronsticos
Jurado de opinin de
Ejecutivos
Mtodos
Cualitativos
Mtodo Delphi
Composicin de la fuerza
de ventas
Encuesta en el mercado
de consumo
Enfoque intuitivo
Mtodos
Cuantitativos
Modelos
de series
de tiempo
Modelo
asociativo
Gestin de Operaciones
Promedio Mvil =
Demanda en los
anteriores
periodos
Gestin de Operaciones
Ventas Reales de
Cobertizos
Promedio Mvil de 3
meses
Enero
10
Febrero
12
Marzo
13
Abril
16
(10+12+13)/3 = 112/3
Mayo
19
(12+13+16)/3 = 13 2/3
Junio
23
(13+16+19)/3 = 16
Julio
26
(16+19+23)/3=19 1/3
Agosto
30
Septiembre
28
(23+26+30)/3= 26 1/3
Octubre
18
(26+30+28)/3= 28
Noviembre
16
(30+28+18)/3 = 25 1/3
Diciembre
14
(19+23+26)/3 = 22 2/3
(28+18+16)/3 = 20 2/3
Vemos que el pronstico para diciembre es de 20 2/3 . Para proyectar la demanda de cobertizos
en enero prximo, sumamos las ventas de octubre, noviembre y diciembre entre 3: pronstico
para enero = (18+16+14)/3 = 16
Profesora: Paulina Mayorga Peralta
Gestin de Operaciones
Siguiendo con el ejemplo anterior. Esta empresa decidi pronosticar las ventas de
cobertizos ponderando los ltimos tres meses como sigue:
Ponderacin Aplicada
Periodo
Suma de ponderaciones
Mes
Ventas Reales de
Cobertizos
Promedio Mvil
Ponderado de 3 meses
Enero
10
Febrero
12
Marzo
13
Abril
16
(3x13)+(2x12)+(10) /6 = 12
Mayo
19
(3x16)+(2x13)+(12) /6 = 14 1/3
Junio
23
(3x19)+(2x16)+(13) /6 = 17
Julio
26
(3x23)+(2x19)+(16) /6 = 201/2
Agosto
30
(3x26)+(2x23)+(19) /6 = 235/6
Septiembre
28
(3x30)+(2x26)+(23) /6 = 271/2
Octubre
18
Noviembre
16
Diciembre
14
1/6
(3x28)+(2x30)+(26) /6 = 281/3
(3x18)+(2x28)+(30) /6 = 231/3
(3x16)+(2x18)+(28) /6 = 18
2/3
Demanda de Ventas
30
Promedio
mvil
ponderado
Promedio
25
mvil
20
15
Ventas
reales
10
Ene
Feb
Mar
Abr
May
Jun
Jul
Mes
Ago
Sep
Oct
Nov
Dic
mes anterior
Ft-1 + (At-1
- Ft-1 )
Ft = nuevo pronstico
F
t-1
= pronstico anterior
t-1
Gestin de Operaciones
Gestin de Operaciones
Error del
pronstico
Mide la precisin del modelo de pronstico que se ha usado,
comparando los valores pronosticados con los valores reales u
observados.
MAD =
real - pronstico
n
Veamos un
ejemplo
Trimestre
Toneladas
reales
descargadas
Pronstico
Pronstico
Redondeado con
Redondeado con
= 0,10
= 0,50
180
175
168
159
175
190
170
205
175 = 173,36+0,10(190-173,36)
180
180
178= 175,02+0,10(205-175,02)
193
182
186
184
Pronstico del
periodo anterior
Demanda
real en
periodo
anterior
175
178
173
166
Toneladas
reales
Pronstico
Desviacin
Pronstico
Desviacin
Redondeado
Redondeado
Descargadas
con =0,10
Absoluta
Para =0,10
con =0,50
Absoluta
Para =0,50
180
175
175
168
176
178
10
159
175
16
173
14
175
173
166
190
173
17
170
20
205
175
30
180
25
180
178
193
13
186
182
178
Suma de desviaciones
absolutas
desviaciones
MAD =
84
100
10,50
12,50
n
Con base en este anlisis, una constante de suavizado de =0,10 es preferible a =0,50 por que
su MAD es ms pequea.
Se debe encontrar la constante de suavizado con el menor error de pronstico.
MSE =
(errores de pronstico)
n
Gestin de Operaciones
Pronstico
Toneladas
reales
Trimestre
Redondeado
(Error)
Descargadas
con =0,10
180
175
5 = 25
168
176
(-8) = 64
159
175
(-16) = 256
175
173
(2)2 = 4
190
173
17
205
175
30
180
178
182
178
2
2
2
2
2
(errores de pronstico)
= 289
= 900
=4
= 16
1.558
= 1.558 / 8 = 194,75
n
Usando un = 0,50 se obtendra un MSE de 201,5. Por lo tanto el = 0,10 es
una mejor eleccin por que se minimiza el MSE.
Profesora: Paulina Mayorga Peralta
Gestin de Operaciones
MAPE =
100
Gestin de Operaciones
Pronstico
Toneladas
reales
Redondeado
Error porcentual
Absoluto
Descargadas
con =0,10
180
175
100(5/180) = 2,77%
168
176
100(8/168) = 4,76%
159
175
100(16/159) = 10,06%
175
173
100(2/175) = 1,14%
190
173
100(17/190) = 8,95%
205
175
100(30/205) = 14,63%
180
178
100(2/180) = 1,11%
182
178
100(4/182) = 2,20%
Trimestre
MAPE =
8
Gestin de Operaciones
y = a +
y
a
b x
Gestin de Operaciones
b =
xy - n x y
2
x - nx
donde:
b = pendiente de la recta de regresin
= signo de suma
x = valores conocidos de la variable independiente
y
Gestin de Operaciones
= y - bx
Ao
Demanda de
Energa Elctrica
1997
74
1998
79
1999
80
2000
90
2001
105
2002
142
2003
122
Periodo (x)
Elctrica (y)
xy
1997
74
74
1998
79
158
1999
80
240
2000
90
16
360
2001
105
25
525
2002
142
36
852
2003
122
49
854
X = 28
X = 28
=4
X=
n
7
y = 692
x = 140
y
y=
= 692 = 98,86
7
xy = 3.063
b =
xy - n x y
2
x - nx
140- (7) ( 4 )
= 295 = 10,54
28
Kilowatt.
= 141,02, o 141
Gestin de Operaciones
Demanda de energa
160
150
140
130
120
Demanda histrica
110
100
90
80
70
60
50
1997 1998 1999
Ao
y = a +
y
a
b x
semana
Huspedes
16
$330
12
270
18
380
14
300
400
350
300
250
200
150
100
50
12
16
20
Ventas, y
xy
330
16
256
5.280
270
12
144
3.240
380
18
324
6.840
300
14
196
4.200
y = 1.280
X = 60
x = 920
X = 60
= 15
X=
n
4
b =
Huspedes,x
xy - n x y
2
x - nx
y
y=
xy =19.560
= 1.280 = 320
4
920- (4) ( 15 )
= 360 = 18
20
a = y - b x = 320 18(15) = 50
La ecuacin de regresin estimada es, por lo
tanto,
y = 50 + 18 x
0 Ventas = 50 + 18 (huspedes)
y = 50 + 18 x
Ventas = 50 + 18 (20)
= 410
Demanda histrica
300
250
200
150
100
50
12
16
20
y,x
S y,x
( y yc ) 2
n-2
donde:
S y,x =
y2 a
y - b xy
n-2
Demanda histrica
300
250
200
150
100
50
12
16
20
108.900
72.900
144.400
90.000
2
y = 416.200
S y,x =
y2 a
S y,x =
y - b xy
n-2
60
7,74 $ en ventas
Error estndar de la
estimacin
r=
n
x -
xy -
y
2
y -
r= +1
X
y
X
y
X
No hay Correlacin r= 0
X
Correlacin negativa perfecta
r= -1
Ventas, y
Huspedes,x
xy
330
16
256
5.280
108.900
270
12
144
3.240
72.900
380
18
324
6.840
144.400
300
14
196
4.200
90.000
y = 1.280
X = 60
x = 920
y = 416.200
r=
xy =19.560
1.440
2.112.000
= 0,993619798
Correlacin positiva r= 0< r <1
Regresin Lineal
Mltiple
La regresin mltiple es una extensin prctica del modelo simple de
regresin que acabamos de ver. Nos permite construir un modelo con
varias variables independientes en lugar de slo una variable.
Por ejemplo, si en el ejemplo anterior se desea incluir el alza en los
pasajes de los huspedes, la ecuacin apropiada sera:
y = a + b1 x1 + b2 x2
y
a
= variable dependiente,
ventas
= una constante