Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRODUCCIN
Pronsticos I
1. NDICE
1. NDICE
2. INTRODUCCIN
3. OBJETIVO
GENERAL
4. OBJETIVOS
ESPECFICOS
5. DESARROLLO
TEMTICO
5.1
Recomendaciones acadmicas
Se
propone
en
este
documento
presentar
a
los
estudiantes
los
conceptos
bsicos
necesarios
para
desarrollar
pronsticos
para
series
estacionarias
y
con
tendencia,
as
como
las
medidas
de
desempeo
que,
por
excelencia,
permiten
verificar
qu
tan
bien
se
ajustan
tales
mtodos
a
una
serie
de
datos
histricos,
en
particular.
Tambin
se
presentar
una
serie
de
ejercicios
relacionados
con
el
tema
en
cuestin,
para
reforzar
los
conocimientos
adquiridos.
Esto
en
virtud
del
objetivo
general
del
mdulo,
consistente
en
generar
en
los
estudiantes
las
capacidades
necesarias
para
desarrollar
los
mtodos
de
pronsticos
simples.
3. OBJETIVO
GENERAL
Al
finalizar
el
mdulo
los
estudiantes
reconocern
las
medidas
de
desempeo
que
permiten
evaluar
un
mtodo
de
pronstico
en
particular,
as
como
los
mismos
mtodos
en
general.
[ POLITCNICO GANCOLOMBIANO]
4. OBJETIVOS
ESPECFICOS
Al
finalizar
la
segunda
semana
de
aprendizaje,
el
estudiante:
4.1 Identificar
los
conceptos
relacionados
con
el
comportamiento
de
la
demanda
como
punto
de
partida
para
determinar
el
mtodo
de
pronstico
a
emplear.
4.2 Sabr
formular
pronsticos
empleando
los
mtodos
simples
y
dobles.
Determinar,
a
travs
de
las
diferentes
medidas
de
desempeo,
cundo
un
mtodo
de
pronstico
es
ms
adecuado
que
otro.
5. DESARROLLO
TEMTICO
Los
pronsticos
permiten
estimar
el
valor
futuro
para
un
conjunto
de
variables
de
inters.
Para
realizar
esta
estimacin,
los
pronsticos
pueden
estar
basados
en:
El
objetivo
de
estos
pronsticos
en
el
ambiente
de
produccin,
consiste
en
establecer
un
marco
de
referencia
para
la
planeacin
y
gestin
dentro
de
la
planta
de
produccin.
Los
parmetros
que
definen
un
pronstico
son:
Variables.
Horizonte
de
planeacin
(nmero
de
periodos
para
los
cuales
se
pronostic).
El
periodo
(unidad
de
tiempo
base
sobre
la
que
se
define
el
horizonte).
Frecuencia
de
revisin.
[ GERENCIA DE PRODUCCIN]
Para
un
correcto
desarrollo
de
los
pronsticos,
deben
tenerse
en
cuenta
las
siguientes
etapas:
1.
2.
3.
4.
5.
Datos
histricos
Modificacin
Modelo
matemtico
Evaluacin
humana
Pronsticos
Demanda
Real
estadsticos
Pronstico
de
demanda
Por
otra
parte,
dentro
de
las
caractersticas
ms
relevantes
de
los
pronsticos,
podemos
encontrar
las
siguientes:
Normalmente
estn
equivocados,
son
slo
una
especulacin,
por
ello
debe
ser
fcil
reaccionar
ante
errores.
[ POLITCNICO GANCOLOMBIANO]
Un
buen
pronstico
tambin
da
una
medida
de
error.
Saber
que
son
equivocados
nos
permite
calcular
cierta
medida
de
error.
Los
pronsticos
agregados
son
ms
exactos.
La
variacin
del
promedio
de
una
coleccin
de
variables
aleatorias
independientes,
idnticamente
distribuidas,
es
menor
que
la
variacin
de
cada
una
de
las
variables.
La
variacin
de
la
muestra
media
es
menor
que
la
variacin
de
la
poblacin.
Entre
ms
lejano
sea
el
horizonte
de
pronstico,
menos
exacta
ser
la
prediccin.
Deben
tener
en
cuenta
toda
la
informacin
que
tengan
a
disposicin
(ejemplo:
si
s
que
existir
una
promocin,
as
los
datos
no
me
lo
digan,
debo
estar
en
la
capacidad
de
incluir
esta
informacin).
Finalmente,
los
mtodos
de
pronstico
pueden
clasificarse
en:
Cualitativos.
Como
su
nombre
lo
indica,
se
basan
en
el
juicio
humano
y
se
emplean
cuando
no
se
cuenta
con
informacin
histrica
para
realizar
la
estimacin
de
la
variable
de
inters.
En
el
mbito
de
la
produccin
este
mtodo
suele
emplearse
cuando
se
trata
de
un
producto
completamente
nuevo.
Algunos
de
estos
mtodo
son:
- Encuestas
a
los
clientes.
- Juicio
de
la
persona
que
conoce
el
tema.
- Mtodo
Delphi.
Cuantitativos.
Como
su
nombre
lo
indica,
son
aquellos
derivados
de
un
anlisis
de
datos.
Pueden
dividirse
en:
- Mtodos
de
series
de
tiempo.
Son
aquellos
mtodos
que
usan
valores
pasados.
Se
emplean
comnmente
en
aplicaciones
de
planeacin
de
operaciones.
Una
caracterstica
de
estos
mtodos
es
que
tratan
de
aislar
algunos
patrones
presentes
en
la
serie;
estos
patrones
pueden
ser:
Tendencia.
Una
serie
de
datos
puede
exhibir
un
patrn
estable
de
crecimiento
o
declive.
Estacionalidad.
Patrn
que
se
repite
en
intervalos
fijos.
Aleatoriedad.
No
existe
un
patrn
reconocible
para
los
datos
(estacionario).
- Modelos
causales:
Usan
datos
provenientes
de
fuentes
distintas
a
las
series
que
estn
pronosticando.
[ GERENCIA DE PRODUCCIN]
Ejemplo.
Sea
Y
un
fenmeno
a
pronosticar,
y
X1,
X2,
X3,
variables
relacionadas
con
Y.
El
pronstico
para
Y
ser
cierto,
funcin
de
dichas
variables
Y=f(x1,
x2,
x3).
El
mtodo
causal,
por
excelencia,
suele
ser
la
regresin
lineal.
5.2.2 Evaluacin
de
los
mtodos
de
pronstico
El
error
se
define
como
la
diferencia
entre
el
pronstico
para
el
periodo
T,
y
el
valor
real
de
la
serie
realizado
para
el
periodo
T.
! =
! =
! =
! = ! !
Existen
varias
medidas
comunes
para
estimar
el
error
de
pronstico,
stas
son:
Error
Medio
(EM)
=
!
!!! !
Nos
dice
qu
tan
centrados
o
descentrados
estn
los
pronsticos
de
los
originales.
Desviacin
Media
Absoluta
(MAD)
[ POLITCNICO GANCOLOMBIANO]
!
!!! |! |
Nos
da
la
idea
en
trminos
de
magnitud.
Suele
ser
la
medida
preferida
para
medir
el
error
de
pronstico.
=
Error
Cuadrtico
Medio
(MSE)
=
Similar
a
la
varianza
de
una
muestra
aleatoria.
!
!
!!! !
Error
Porcentual
Medio
Absoluto
(MAPE)
!
!!!
!
!
5.2.2.2 Desviacin
Estndar
del
Error
[ GERENCIA DE PRODUCCIN]
5.2.3 Mtodos
para
pronosticar
series
estacionarias
Siempre
que
la
demanda
de
los
datos
histricos
con
los
que
se
quiere
realizar
la
estimacin
del
pronstico,
presente
un
comportamiento
estacionario,
se
deben
emplear
los
siguientes
mtodos:
5.2.3.1 Mtodos
basados
en
promedios
(PM)
! =
1
!!!
!
!!!!!
! !!! = !
!!!
+ !!!
Con
esta
ltima
ecuacin
se
evita
recalcular
el
promedio
de
las
ltimas
N
observaciones,
cada
vez
que
surge
una
nueva
observacin
de
demanda.
[ POLITCNICO GANCOLOMBIANO]
5.2.3.2 Suavizacin
exponencial
simple
(SES)
Algunos
aspectos
importantes
que
se
deben
tener
en
cuenta
cuando
se
aplica
cualquiera
de
los
dos
mtodos
antes
mencionados,
son
los
siguientes:
- Aplica
un
conjunto
de
ponderaciones
decrecientes
a
todos
los
datos
pasados.
- La
constante
de
suavizamiento
juega
el
mismo
papel
que
el
N
en
los
promedios
mviles
(N
pequeo
grande
asigna
mayor
peso
a
los
datos
actuales).
- Si
grande,
se
da
mayor
ponderacin
a
la
observacin
actual,
lo
que
da
como
resultado
pronsticos
que
reaccionan
rpidamente
a
los
patrones
de
demanda,
pero
presentan
mayor
variacin
de
periodo
a
periodo.
Si
pequeo,
los
pronsticos
son
ms
estables.
- El
mejor
valor
de
ser
aqul
que
me
minimice
los
errores.
- Cuando
=
2/n+1,
ambos
mtodos
tienen
la
misma
distribucin
de
pronstico
y
sus
errores
pueden
ser
comparables
de
forma
consistente.
- Para
utilizar
los
PM
debemos
guardar
todos
los
N
datos
pasados,
mientras
que
para
la
SES
slo
se
requiere
el
ltimo
pronstico.
5.2.4
Mtodos
para
pronosticar
series
con
tendencia
[ GERENCIA DE PRODUCCIN]
Siempre
que
la
Demanda
de
los
datos
histricos
con
los
que
se
quiere
realizar
la
estimacin
del
pronstico
presente
un
comportamiento
con
TENDENCIA,
se
deben
emplear
los
siguientes
mtodos:
5.2.4.1 Regresin
lineal
simple
Existe
una
relacin
entre
la
variable
X
(independiente)
y
la
variable
Y
(dependiente)
que
puede
representarse
mediante
una
lnea
recta.
= +
Los
valores
de
B
y
M
se
eligen
de
manera
que
se
minimice
la
suma
de
las
distancias
cuadrticas,
entre
la
lnea
de
regresin
y
los
puntos
de
datos.
! ! ! !
=
!! ( ! )!
=
Una
buena
forma
de
determinar
si
la
regresin
es
adecuada,
es
a
travs
del
coeficiente
de
correlacin,
el
cual
mide
el
grado
de
dependencia
entre
los
dos
conjuntos
de
datos
dados.
5.2.4.2 Suavizacin
exponencial
doble
10
[ POLITCNICO GANCOLOMBIANO]
Para
actualizar
estos
valores,
empleamos
las
siguientes
ecuaciones:
! = ! + 1 !!! + !!!
! = ! !!! + 1 !!!
!!! = ! + !
NOTA:
Para
revisar
ejemplos
de
solucin
de
cada
uno
de
los
mtodos,
referirse
a
las
video
diapositivas
de
la
semana.
[ GERENCIA DE PRODUCCIN]
11