Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tipos de pronsticos
Importancia estratgica del pronstico
Enfoques de pronsticos
Pronsticos de series de tiempo
Mtodos asociativos de pronstico.
Qu es Pronosticar?
Productos situados
en
las
dos
primeras
etapas
necesitan
pronsticos
mas
largos.
Los situados en las
otras dos etapas
necesitan
pronsticos
ms
cortos
Tipos de pronsticos
Las organizaciones utilizan tres tipos de pronsticos en la
planeacin de sus operaciones
Econmicos:
Abordan el ciclo del negocio al predecir tasas de inflacin,
suministros de dinero y otros indicadores de planeacin
Tecnolgicos:
Reflejan avances en tecnologa que puedan derivar en
nacimiento de nuevos productos
De la demanda:
Conocidos como pronsticos de ventas y que ayudan a
orientar la produccin, capacidad, planeacin financiera,
marketing.
Enfoques de pronsticos
1. Anlisis cuantitativos: Utilizan modelos matemticos que se
apoyan en datos histricos o variables para pronosticar la
demanda
2. Anlisis Cualitativos (subjetivos): Incorporan decisiones de
juicio como intuicin, emocin, experiencia personal, y los
valores de quien toma las decisiones para llegar a un
pronstico
Resulta ms efectivo en la mayora de los casos combinar
ambos enfoques
Enfoques de pronsticos
Anlisis Cualitativos
Incorporan
factores
como
intuicin,
emociones,
experiencias personales y sistema de valores de quienes
toman las decisiones para llegar al pronstico.
Dentro de las tcnicas se consideran:
Tcnicas acumulativas
Jurado de opinin (ejecutiva) o grupos de consenso
Analoga Histrica
Mtodo Delphi o Delfos
Composicin de fuerza de ventas
Encuesta en el mercado de consumo (Investigacin de mercados)
Enfoque intuitivo
Promedios mviles
Suavizamiento exponencial
Proyeccin de tendencias
Regresin Lineal
Modelo de series de
tiempo
Modelo asociativo
Grafica de la demanda
Ejemplo:
La tienda Paraguas al da ha vendido las siguiente
cantidades en los ltimos 3 meses (cifras en miles)
Marzo 39, Abril 45, Mayo 40
Cul ser el pronstico de Junio
..
40.
Prom. mvil =
Demanda
10
12
13
Period
January
February
March
April
May
June
July
August
September
October
November
December
Next period
Demand
Forecast
10
12
13
16
19
23
26
30
28
18
16
14
11,67
13,67
16,00
19,33
22,67
26,33
28,00
25,33
20,67
16
Ultimo mes 3
Hace dos meses 2
Hace tres meses 1
Period
Demand Weights
January
10
1
February
12
2
March
13
3
April
16
May
19
June
23
July
26
August
30
September
28
October
18
November
16
December
14
Next
period
Forecast
12,17
14,33
17,00
20,50
23,83
27,50
28,33
23,33
18,67
15,333333
3
Ejercicio:
Durante los ltimos 8 trimestres, en el puerto de Baltimore se han descargado de los barcos
grandes cantidades
de grano. El administrador de operaciones del puerto quiere probar el uso de suavizamiento
exponencial para ver qu tan bien funciona la tcnica para predecir el tonelaje descargado.
Supone que
el pronstico de grano descargado durante el primer trimestre fue de 175 toneladas. Se
examinan dos
valores de : = .10 y = .50.
= 0.4
Demanda Pronstico
100
100
200
100
300
140
400
204
500
282
Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?
FIT
13
Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92
Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?
FIT
13
Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92
Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?
FIT
13
Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92
Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?
FIT
13
Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92
Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?
FIT
13
Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92
Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?
FIT
13
14,72
Pasi 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2) = 12,8 + 1,92
Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?
FIT
13
14,72
17,28
Paso 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
= (0,2)*(17)+(1-0,2)*(12,8+1,92)
Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2)
= 12,8 + 1,92
=(0,4)*(15,18-12,8)+(1-0,4)*(1,92) = 15,18 + 2,1
Ejercicio
= 0,2 =0,4
Mes
Demanda
1
12
2
17
3
20
4
19
5
24
6
21
7
31
8
28
9
36
10
?
FIT
13
14,72
17,28
Paso 1 Ft
= (0,2)*(12)+(1-0,2)*(11+2)
= (0,2)*(17)+(1-0,2)*(12,8+1,92)
Paso 2 Tt
Paso 3 FIT
=(0,4)*(12,8-11)+(1-0,4)*(2)
= 12,8 + 1,92
=(0,4)*(15,18-12,8)+(1-0,4)*(1,92) = 15,18 + 2,1
Ejercicio Resuelto
= 0.2 = 0.4
Mes
Demanda Pronstico (Ft) Tendencia (Tt)
1
12
11
2
2
17
12,8
1,92
3
20
15,18
2,1
4
19
17,8240
2,3176
5
24
19,9133
2,2263
6
21
22,5116
2,3751
7
31
24,1094
2,0642
8
28
27,1389
2,4503
9
36
29,2713
2,3232
10
?
32,4756
2,6756
FIT
13
14,72
17,28
20,1416
22,1396
24,8867
26,1736
29,5891
31,5945
35,1512
Paso 1 Ft
Paso 2 Tt
Paso 3 FIT
Proyeccin de tendencia
Mtodo de pronstico de series de tiempo
que ajusta una recta de tendencia a una
serie de datos histricos y despus proyecta
la recta al futuro para obtener pronsticos
Mtodo de mnimos cuadrados: Permite
encontrar la recta que mejor se ajuste a la
serie de datos
Pendiente b:
Proyecciones de Tendencia
Este mtodo ajusta una recta de tendencia a una
serie de datos histricos y luego proyecta una
recta hacia el futuro para obtener pronsticos de
mediano y largo plazo
Ejercicio: En el hotel Toronto Towers plaza tienen los datos del registro de
habitaciones de los ltimos 9 aos. Para proyectar la ocupacin futura, la
administracin desea determinar la tendencia matemtica de registro de
huspedes. Esta estimacin ayudar a determinar si es necesaria una
ampliacin del hotel. Dada la siguiente serie de tiempo, desarrolle una
ecuacin de regresin que relaciones los registros con el tiempo (ecuacin
de tendencia). Despus pronostique los registros para el ao 2009. El
registro de habitaciones est en miles de unidades.
1999: 17
2000: 16
2001: 16
2002: 21
2003: 20
2004: 20
2005: 23
2006: 25
2007: 24
Perodo
1999
17
2000
16
2001
16
2002
21
2003
20
2004
20
2005
23
2006
25
2007
24
Perodo
17
2000
16
2001
16
2002
21
2003
20
2004
20
2005
23
2006
25
2007
24
182
45
Perodo
X^2
XY
1999
17
17
2000
16
32
2001
16
48
2002
21
16
84
2003
20
25
100
2004
20
36
120
2005
23
49
161
2006
25
64
200
2007
24
81
216
182
45
285
978
Y
20,22
Y Prom
X^2
5
X Prom
B = 1.135
XY
Ejercicio:
Ao
Demanda energia
2001
74
2002
79
2003
80
2004
90
2005
105
2006
142
2007
122
Solucin:
Ao
Perodo
Demanda energia
X^2
XY
2001
74
74
2002
79
158
2003
80
240
2004
90
16
360
2005
105
25
525
2006
142
36
852
2007
122
49
854
28
692
140
3063
Y
4,00
Y Prom
X
98,85714286
X Prom
X^2
XY
Solucin:
Ao
Perodo
Demanda energia
X^2
XY
2001
74
74
2002
79
158
2003
80
240
2004
90
16
360
2005
105
25
525
2006
142
36
852
2007
122
49
854
28
692
140
3063
Y
4,00
Y Prom
X
98,85714286
X Prom
X^2
XY
Nmina local
(miles Millones de US$)
2,00
3,00
2,50
2,00
2,00
3,50
Nomina x
2,5
3,5
Ventas y
Nomina x
2,5
3,5
15
18
Nomina x
x^2
xy
2,5
16
10
3,5
49
24,5
15
18
80
51,5
x^2
xy
Nomina x
1
3
4
2
1
7
18
x^2
1
9
16
4
1
49
80
xy
2
9
10
4
2
24,5
51,5
x^2
xy
Nomina x
1
3
4
2
1
7
18
x^2
1
9
16
4
1
49
80
xy
2
9
10
4
2
24,5
51,5
x^2
xy
No. Accidentes
Enero
30
Febrero
40
Marzo
60
Abril
90
Mes
No. Accidentes
Enero
30
Febrero
40
Marzo
60
Abril
90
Mayo
Mes (X)
1
2
3
4
10
Mes (X)
1
2
3
4
10
x^2
1
4
9
16
30
xy
30
80
180
360
650
x^2
xy
https://www.youtube.com/w
atch?v=Y237ed1a_bM