GERENCIA DE

PRODUCCIN

Pronsticos I

1. NDICE

1. NDICE

2. INTRODUCCIN

3. OBJETIVO GENERAL

4. OBJETIVOS ESPECFICOS

5. DESARROLLO TEMTICO

5.1

Recomendaciones acadmicas

Desarrollo de cada una de las unidades temticas

2. INTRODUCCIN

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

5.2.1 Introduccin a los pronsticos

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 comportamiento histrico (series de datos).

La relacin con otras variables (causa-efecto / anlisis de regresin).
Opinin de expertos (mtodos cualitativos / Delphi).

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.

Definicin del objetivo.

Recoleccin de la informacin (datos).
Evaluacin y seleccin de la tcnica.
Ejecucin del pronstico.
Seguimiento del pronstico.

Datos histricos

Modificacin

Modelo matemtico

Evaluacin humana

Pronsticos

Demanda
Real

estadsticos

Pronstico de
demanda

Clculo del error

de pronstico

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

Antes de a penetrar los diferentes mtodos de pronstico, aprenderemos a evaluar cundo un

mtodo es adecuado y se ajusta realmente al comportamiento de la demanda. Partiremos
entonces, del supuesto de que ya sabemos calcular los pronsticos y que queremos evaluar qu
tan bien o qu tan mal estn reflejando el comportamiento de los datos histricos sobre los
cuales fueron calculados. A partir de lo anterior. se definirn entonces las siguientes medidas de
desempeo:

5.2.2.1 Errores

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)

!
!!!

!
!

Elimina ambigedad de unidades, ya que no depende de la magnitud de los valores de la

demanda.
=

5.2.2.2 Desviacin Estndar del Error

La desviacin estndar es la medida de dispersin por excelencia. A partir de ella, si se considera

que los errores estn normalmente distribuidos, una aproximacin de la desviacin estndar del
error es:

! ~1,25

Finalmente, una vez se tengan estos indicadores, debe tenerse en cuenta que no significan nada
en s mismos; por lo tanto se debe verificar que se distribuyan ms o menos igual alrededor de
cero, esto es, deben ser insesgados; es decir que al graficar los errores, estos deben verse
aleatorios (no deben tener un patrn discernible).

[ 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)

Promedio aritmtico de las N observaciones ms recientes.

1
! =

! =

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)

Es el mtodo ms popular para las series de tiempo estacionarias

! = !!! + 1 !!!

: es la constante de suavizamiento que determina la ponderacin relativa puesta en la
observacin de demanda actual.

1-: peso asignado a las observaciones pasadas de la demanda.

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

Requiere de la especificacin de dos constantes de suavizamiento:

: que suaviza el valor de la serie (promedio-estacionario)
: que suaviza la tendencia (pendiente de los datos)

Las constantes de suavizamiento pueden ser las mismas; sin embargo, en la mayora de las
aplicaciones se da mayor estabilidad al estimado de la pendiente que al de la constante, es decir


Por otra parte, deben utilizarse dos parmetros para la estimacin del pronstico, estos son:

So= corte de la recta de regresin (b)
Go= pendiente de la recta de regresin (m)

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