Está en la página 1de 20

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin UNIDAD VII

PREVISIN
La Previsin es el arte y ciencia de predecir acontecimientos futuros. Es, tambin, base de todas las decisiones empresariales: o Productos. o Inventarios. o Personal. o Instalaciones. HORIZONTES TEMPORALES DE LA PREVISIN 1. A CORO PLAZO Cobertura hasta 1 ao. Programacin de trabajos, asignacin de tares. 2. A MEDIANO PLAZO Entre 3 meses y 3 aos, planificacin de ventas, presupuestos y produccin. 3. A LARGO PLAZO Periodo superior a 3 aos, planificacin de nuevos productos, localizacin de las instalaciones. TIPOS DE PREVISIONES Econmicas (Tasa de inflacin) Tecnolgicas (Nacimiento de nuevas tecnologas) De demanda (Ventas de productos ya existentes y de nuevos productos) ETAPAS EN EL SISTEMA DE PREVISIN Determinar la utilizacin de la previsin. Seleccionar los artculos en los que se va a realizar la previsin. Determinar el horizonte temporal de capacidad. Seleccionar el(los) modelo(s) de previsin. Recoleccin de datos. Realizar la previsin. Validar e implementar los resultados.

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin REALIDADES SOBRE LAS PREVISIONES Rara vez la previsin es perfecta (tiene error). La mayora de las tcnicas asumen que existe cierta estabilidad sostenida del sistema. Las previsiones de familia de productos son ms precisas que las previsiones de productos individuales. ENFOQUES DE PREVISIN 1. MTODOS CUALITATIVOS Se emplean cuando la situacin no es clara y hay pocos datos. Productos nuevos. Nuevas tecnologas. Requiere intuicin y experiencia. Previsin de las ventas a travs de Internet. Jurado de opinin ejecutiva. Se agrupan las opiniones de un grupo de expertos y combinan modelos estadsticos. Proposicin de personal comercial. La estimacin de las ventas esperadas por los vendedores se revisa para ver si puede llevarse a cabo y luego se obtiene una previsin global. Mtodo Delphi: Proceso de grupo iterativo. Participan 3 grupos: 1. Los que toman decisiones. 2. El personal de plantilla. 3. Los que responden. Estudio de mercado del consumidor Pregunta a los consumidores sobre sus posibles planes de compra. 2. METODOS CUANTITATIVOS Se emplean cuando la situacin es estable y existen datos histricos. Productos existentes. Tecnologas actuales.

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin Requieren tcnicas matemticas. Modelos de series temporales: Enfoque simple. Medias mviles. Alisado exponencial. Proyeccin de tendencia. Modelos asociativos: Regresin lineal. Correlacin. SERIES TEMPORALES Es una secuencia de datos uniformemente espaciados semanal, mensual, semestral, etc. Se obtiene observando las variables en periodos de tiempo regulares. Se trata de una previsin basada en datos pasados. DESCOMPOSICIN DE UNA SERIE TEMPORAL Tendencia. Movimiento gradual de ascenso o descenso de los datos a lo largo del tiempo. Estacionalidad. Muestra datos de ascenso o descenso que se repiten, se puede ver por la climatologa, las costumbres, etc. Ciclos. Datos de ascenso o descenso que se repiten y que se pueden ver afectados por limitaciones de factores que influyen en la economa. Suelen durar de 2 a 10 aos. Variaciones aleatorias. Son saltos en los datos causados por el azar y situaciones inusuales (huelgas, tornados, etc.) son de duracin y no se repiten. ENFOQUE SIMPLE Supone que la demanda en el prximo periodo sea igual a la demanda del periodo siguiente: Ejemplo 1 Si en mayo hubo ventas por 4,000 unidades, para junio el pronstico es 4,000 unidades. Es el modelo con mejor relacin eficacia-costo y eficiencia.

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin MEDIAS MVILES (MM) Se utilizan si no hay tendencia o si esta es escasa. Su frmula es: Ejemplo 2 Un director de una tienda de un museo quiere predecir las ventas del ao 2005 de rplicas, mediante una media mvil de 3 periodos. Los datos anteriores son: Ao 2000 2001 2002 2003 2004 2005 Demanda 40 60 50 30 70 ?

Ejemplo 3 Los datos trimestrales de fallas de motores aeronuticos en una base militar durante los ltimos 2 aos fueron los siguientes: Trimestre 1 2 3 4 5 6 7 8 9 Falla 200 250 175 186 225 285 305 190 ?

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin a) Calcular el pronstico del periodo 9 utilizando una MM de 3 periodos. Trimestre Falla 1 2 3 4 5 6 7 8 9 200 250 175 186 225 285 305 190 ? MM (3)

208.3 203.66 195.33 232 271.66 260

MEDIAS MVILES PONDERADAS Se utilizan si hay tendencia Su frmula es:

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin Ejemplo 4 Utilice una ponderacin de 1, 2, 3 aplicando el mayor al periodo ms reciente. Trimestre Falla 1 2 3 4 5 6 7 8 9 200 250 175 186 225 285 305 190 ? MMP (3)

204.16 193 203.66 248.5 285 193

Ejemplo 5 Las ventas mensuales de bateras fueron las siguientes: Mes Ene Feb Mar Abr May Jun Venta 20 21 15 14 13 16 Mes Jul Ago Sep Oct Nov Dic Venta 17 18 20 20 21 23

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin Hacer previsin: 1. Para el mes de enero utilizando el mtodo simple: Mes de enero = 23 diciembre 2. Utilizar MM (4) a partir de mayo hasta enero utilizando una ponderacin de 0.1, 0.2, 0.3, y 0.4 aplicando ponderacin mayor al periodo ms reciente.

Mes Ene Feb Mar Abr May Jun

Venta 20 21 15 14 13 16

MMP (4)

Mes Jul Ago Sep Oct Nov Dic

Venta 17 18 20 20 21 23

MMP (4) 14.6 15.6 16.8 18.4 19.3 20.2

Mes Ene

Venta ?

MMP (4) 21.5

16.3 14.5

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin ALISADO O SUAVIZADO EXPONENCIAL Es una tcnica de previsin demedia mvil ponderada. Las ponderaciones disminuyen exponencialmente. Se ponderan ms lo datos ms recientes. Se necesita una constante de aliado: . Toma los valores entre 0 y 1. Se escoge en forma subjetiva. Cuando toma valores altos de da mayor ponderacin a los datos actuales. Cuando toma valores pequeos se da mayor ponderacin a los datos ms antiguos. Necesita una cantidad reducida de datos histricos.

Dnde: Ft Previsin nueva Ft -1 Previsin previa At -1 Demanda real del periodo previo. Constante de alisado 0 1 Ejemplo 6 Desea organizar una reunin y quiere predecir el nmero de personas que asistirn en el ao 2007 mediante alisado exponencial ( = 0.10). La previsin para 2001 fue 175. Ao 2002 2003 2004 2005 2006 2007 Asistentes 190 180 168 159 175 ?

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin

Ao 2002 2003 2004 2005 2006 2007

Asistentes 190 180 168 159 175 ?

Ft

176.5 176.85 175.96 174.26 174.24

ALISADO EXPONENCIAL CON AJUSTE DE TENDENCIA Mes 1 2 3 4 5 Previsin para el mes t = (Ft) Demanda real 100 200 300 400 500 = 0.4

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin

Demanda Pronostico

FT = (At -1) + (1- )(FT -1 + tT -1) tT = (FT - FT -1) + (1 )(tT -1) FITT = FT + tT
Dnde: FT Previsin Alisada Exponencialmente en el perodo T tT Tendencia Alisada Exponencialmente en el perodo T At Peticin Real del Perodo T Constante de Alisado para la Media

Constante de Alisado para la Tendencia


Ejemplo 7 La demanda de neumticos durante los ltimos 6 meses se muestra a continuacin, utilice el alisado exponencial con ajuste de tendencia para predecir la demanda de julio. Previsin para el mes de enero 195. Ajuste de tendencia 3. Mes Ene Feb Mar Abr May Jun Jul Demanda 210 250 230 300 305 308 ?

10

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin t2 Paso1. Calculo de previsin para el mes 2. FT2 = (0.1)(210) + (1 0.1)(195 + 3) = 199.2 Paso 2. Calculo de la tendencia. Tt2 = 0.2(199.2 195) + (1 0.2)(3) = 3.24 Paso 3. Calculo de la previsin incluyendo la tendencia. FITT2 = 199.2 + 3.24 = 202.44 t3 FT3 = (0.1)(250) + (1 0.1)(202.4 + 3.24) = 210.11 Tt3 = 0.2(210.11 202.44) + (1 0.2)(3.24) = 4.12 FITT3 = 210.11 + 4.12 = 214.23 t4 FT4 = (0.1)(280) + (1 0.1)(214.23 + 4.12) = 224.51 Tt4 = 0.2(224.51 214.23) + (1 0.2)(4.12) = 5.35 FITT4 = 224.51 + 5.35 = 229.86 t5 FT5 = (0.1)(300) + (1 0.1)(229.86 + 5.35) = 241.68 Tt5 = 0.2(241.68 229.86) + (1 0.2)(5.35) = 6.64 FITT5 = 241.68 + 6.64 = 248.32 t6 FT6 = (0.1)(305) + (1 0.1)(248.32 + 6.64) = 260.28 Tt6 = 0.2(260.28 248.32) + (1 0.2)(6.64) = 7.70 FITT6 = 260.28 + 7.70 = 267.98 t7 FT7 = (0.1)(308) + (1 0.1)(267.98 + 7.70) = 278.91 Tt7 = 0.2(278.91 267.98) + (1 0.2)(7.70) = 8.34 FITT7 = 278.91 + 8.34 = 287.25

11

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin EVALUACIN DE LOS PRONSTICOS | |

Dnde: EP Error de Previsin D Demanda P Previsin DAM Desviacin Absoluta Media ECM Error Cuadrtico Medio Ejemplo 8 Semana 1 2 3 4 5 6 P1 92 87 95 30 88 93 O1 88 88 97 83 91 93 E1 4 1 2 7 3 0 17 E12 16 1 4 49 9 0 79 P2 96 89 92 93 90 85 O2 91 89 90 90 86 89 E2 5 0 2 3 4 4 18 E22 25 0 4 9 16 16 69

Sumatoria

12

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin ERROR PORCENTUAL ABSOLUTO MEDIO

Ejemplo 9 Semanas 1 2 3 4 5 6 P1 92 87 95 90 88 93 O1 88 88 97 83 91 93 E1 4 1 2 7 3 0 TOTAL E12 16 1 4 49 0 0 E1 /O1 0.045 0.011 0.020 0.084 0.032 0 0.192 P2 96 89 92 93 90 85 O2 91 89 90 90 86 89 E2 5 0 2 3 4 4 E22 25 0 4 9 16 16 E2 /O2 0.0549 0 0.0222 0.0333 0.0465 0.0449 0.201

TOTAL

13

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin MNIMOS CUADRADOS

Desviacin

Valores de la variable dependiente

Desviacin Desviaci n Desviacin

Desviaci n Desviacin Desviaci n

Punto de la lnea de tendencia

Observacin real

a + bx

Periodo de tiempo

Dnde: a = Corte en el eje X b = Pendiente de la Recta x = Valores Conocidos de la variable independiente y = Valores Conocidos de las variables dependientes = Media de Valores X = Media de Valores Y n = Nmero de Datos Observados = Valor calculado para predecir variable independiente

14

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin Ejemplo 10 El gerente de una planta de materiales de construccin considera que la demanda de embarques de aglomerado puede estar relacionada con el nmero de permisos de construccin emitidos por el municipio durante el trimestre anterior. El gerente ha recolectado los datos que se muestran a continuacin: a) Elabore un diagrama de dispersin para ver si los datos pueden ser descritos satisfactoriamente por una ecuacin lineal. b) Calcule los valores de b y la interseccin de a. c) Determine una estimacin de embarques cuando el nmero de permisos de construccin es de 30. d) Determinar el Error Estndar de la Desviacin. Permisos de construccin (x) 15 9 40 20 25 25 15 35 a) Diagrama de Dispersin
20

Embarques de aglomerado (y) 6 4 16 6 13 9 10 16

18

16

14

12

10

15

10

15

20

25

30

35

40

45

50

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin b) Valores de b e interseccin de a.

c) Estimacin de embarques con x = 30 VARIACIN DE LOS ERRORES ALEATORIOS Para medir la exactitud de la estimacin de la regresin se mide mediante el error estndar de la estimacin Sxy. A este clculo se le denomina error estndar de la regresin: mide el error de la variable independiente, y, hasta la lnea de regresin, en lugar de la media. Muestra los errores de la desviacin estndar Sxy. Afecta a varios factores: Significado del parmetro. Precisin de la prediccin. ERROR ESTNDAR DE LA DESVIACIN O TAMBIEN :

a) Error estndar de la desviacin para el ejemplo anterior.|

16

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin

COEFICIENTE DE CORRELACIN La ecuacin de regresin es una forma de expresar la naturaleza de la relacin que hay entre dos variables. La recta de regresin no son relaciones de causa efecto simplemente describen relaciones entre las variables . La ecuacin de regresin muestra la forma en que una variable se relaciona con el valor y los cambios de otra variable. Otra forma de evaluar la relacin entre os variables consiste en calcular el coeficiente de correlacin esta medida expresa el grado o la fuerza de la relacin lineal usualmente identificado como r, puede ser cualquier nmero entre + 1 y 1 en las siguientes figuras se ilustra como se ven los distintos valores de r VALORES DEL COEFICIENTE DE CORRELACIN
y y

Correlacin positiva x perfecta r = +1


y y

x Correlacin negativa perfecta r = -1

Correlacin positiva 0<r>1

Sin Correlacin r = -0

CORRELACIN El coeficiente de correlacin se identifica como r. Los valores varan entre -1 y 1.

17

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin Mide el grado de asociacin.

Correlacin (-) perfecta -1

Sin correlacin

Correlacin (+) perfecta

-0.5 Aumento de la correlacin negativa

0.5 Aumento de la correlacin positiva

Frmula: [ ] [ ]

Ejemplo 11 Con los datos del Ejemplo 9, calcular el Coeficiente de Correlacin.

] [

Ejemplo 12 Con los siguientes datos, calcular el Coeficiente de Correlacin.

18

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin

] [

Existe otra medida utilizada para descubrir la relacin entre dos variables es: Siempre ser positivo 0 r2 1 CORRELACIN El coeficiente de correlacin se identifica como r. Los valores varan entre -1 y 1. SEGUIMIENTO Y CONTROL DE LAS PREVISIONES Se utiliza: Seal de muestreo (SM) Mide el grado de precisin de la previsin para predecir valores reales. Elementos: Suma actual de los errores de previsin (SAEP). Desviacin absoluta media (DAM). Frmula:

Seales de rastreo positivas: indican que la demanda es superior a la previsin. Seales de rastreo negativas: indican que la demanda es inferior a la previsin. Ejemplo 13 En la tabla se muestran las ventas trimestrales de cuernitos (en millares), as como la demanda pronosticada y el clculo del error para una pastelera. El objetivo es calcular la seal de control y determinar si los pronsticos se consideran adecuados.

19

INGENIERA DE PRODUCCIN I UNIDAD VII Previsin Trimestre 1 2 3 4 5 6 D 90 95 115 100 125 140 P E SAEP -10 -15 0 -10 5 35 Error Absoluto 10 5 15 10 15 30 Error Acumulado 10 15 30 40 55 85 Seal de Control: DAM 10.0 7.5 10 10 11 14.2 SC -1 -2 0 -1 0.5 2.5

100 -15 100 -5 100 15 110 -10 110 15 110 30

Al final del semestre, DAM:

20