Documentos de Académico
Documentos de Profesional
Documentos de Cultura
captulo 15
ilustracin 15.10
...
[15.11]
b=
y - bx
LXY-'
-_-,y
--,;,,~,
L.,x - nx
donde
a
Secante Y
Pendiente de la recta
485
y=
x=
La ilustracin 15.11 muestra estos clculos realizados para los 12 puntos de datos en el problema. Observe
que la ecuacin final para Y presenta una secante de 441.6 y una pendiente de 359.6. La pendiente muestra que
por cada cambio unitario en X. y cambia 359.6.
Basndose estrictamente en la ecuacin, los pronsticos para los periodos 13 a 16 seran
441.6 + 359.6(13)
Y13
Yl4
5 116.4
486
seccin 4
ilustracin 15.11
.......
EXllel:
Pronstico
(1)
(2)
(3)
xy
(5)
(4)
,
x-
(6)
600
600
360000
801.3
1550
3100
2402500
1160.9
1500
4500
2250000
1520.5
1500
6000
16
2250000
1880.1
2400
12000
25
5760000
2239.7
3100
18600
36
9610000
2599.4
2959.0
2600
18200
49
6760000
2900
23200
64
8410000
3318.6
3800
34200
81
14440000
3678.2
10
4500
45000
100
20250000
4037.8
11
4000
44000
121
16000000
4397.4
12
4900
--
58800
144
24010000
47571
78
33350
268200
650
x =6.5
b = 3596153
Y = 2779.17 a = 441.6666
Sy, = 363.9
-'.,
....
2:
[15.12]
(y - Y)'
i-1
n-2
El error estndar del estimado se calcula a partir de la segunda y la ltima columna de la ilustracin
15.11.
(600-S013l +(1550-1160.9)2 +(1500-1520.5)2 + ... +(4900-4757.d
10
=
363.9
Microsoft Excel tiene una herramienta de regresin muy poderosa diseada para realizar estos clculos. Para
utilizarla. es necesaria una tabla que contenga los datos relevantes al problema (vase la ilustracin 15.12). La
herramienta forma parte del Data Analysis ToolPak, al que se tiene acceso desde el men Herramientas (o la
pestaa Datos en Excel 2007) (es probable que necesite agregar estas opciones de Herramientas utilizando la
opcin Agregar en Herramientas).
Para usar la herramienta, primero capture los datos en dos columnas en la hoja de clculo y luego entre en
la opcin Regresin del men Herramientas - Anlisis de Datos. A continuacin, especifique el Rango Y. que
es 82:813, y el Rango X, que es A2:A13 en el ejemplo. Por ltimo, se especifica el Rango de Salida. Entonces
es cuando debe incluir en la hoja de clculo los resultados del anlisis de regresin. En el ejemplo, se captur
A16. Existe cierta informacin proporcionada que va ms all de lo que se estudi, pero lo que se busca son los
coeficientes Secante y Variable X que corresponde a los valores de secante y pendiente en la ecuacin lineal.
stos se encuentran en las filas 32 y 33 de la ilustracin 15.12.
En la siguiente seccin sobre la descomposicin de una serie temporal se estudia la posible existencia
de componentes estacionales.
captulo 15
ilustracin 15.12
. B
:_~~---~.----_
.
..----~_.
_.~-.-
.... ..
~ _
__
...
.
fWi6--~.
1:
!
O""",,",PIoO;
.Dl~filplot$
24
/\NoVA
25
.------
-- -------- ----... - - - - - -
ss
di
26
27 Reg.ressio."
28 Residual
29
10
MS
----=__
S nificsnce F
)8493221 !~.1fl493?.2.!...l.39.6695-l,R202E-07
~::.~:~~_-_-._-_-_-_-_-=
.
- - - -... -. -... - - - - - - - - 1
132A070.513 1324071
30:
Coefficients "StandsrdE"or
31
fStat
P-vakJe
Lower95%
..._...
487
._.__.
....
_ _
Variacin estacional aditiva La variacin estacional aditiva simplemente supone que la cantidad
estacional es una constante sin importar cul es la tendencia o la cantidad promedio.
Pronstico que incluye tendencia y estacional = Tendencia + Estacional
La ilustracin 15.13A muestra un ejemplo de una tendencia en aumento con cantidades estacionales
constantes.
seccin 4
488
B. Temporal multiplicativa
A. Temporal aditiva
I::xcel:
Pronstico
Enero
Enero
Julio
Enero
Julio
Enero
Enero
Julio
Julio
Enero
Enero
Enero
Julio
Julio
Enero
Julio
Enero
Julio
Suponga que en los ltimos aos una empresa vendi un promedio de 1000 unidades al ao de una lnea de
productos en particular. En promedio, se vendieron 200 unidades en primavera, 350 en verano, 300 en otoo
y 150 en invierno. El factor (o ndice) estacional es la razn de la cantidad vendida durante cada estacin divi
dida entre el promedio de todas las estaciones.
captulo 15
SOLUCiN
En este ejemplo, la cantidad anual dividida en forma equitativa entre todas las temporadas es I 00074 = 250.
Por lo tanto, los factores estacionales son
VENTAS PROMEDIO PARA
Primavera
VENTAS
CADA TEMPORADA
FACTOR
PASADAS
(1000/4)
ESTACIONAL
=0.8
350/250 =lA
250
200
200/250
Verano
350
250
Otoo
300
250
300/250 = 1.2
150
250
150/250
Invierno
Total
--
=0.6
1000
Con estos factores, si se espera que la demanda para el prximo ao sea de 1 100 unidades, se pronosticara
que sta ocurrir como
DEMANDA
ESPERADA PARA
CADA TEMPORADA
FACTOR
ESTACIONAL DEL
PRONSTICO
EL PRXlMO AO
(1100/4)
ESTACIONAL
PRXIMO AO
Primavera
275
08
220
Verano
275
lA
385
Otoo
275
1.2
330
Invierno
275
0.6
165
Total
1100
El factor estacional se puede actualizar de manera peridica al tener nuevos datos disponibles. El ejemplo
siguiente muestra el factor estacional y la variacin estacional multiplicativa.
EJEMPLO 15.14: Clculo de la tendencia y el factor estacional a partir de una recta ajustada a mano
En este caso deben calcularse la tendencia y los factores estacionales.
SOLUCiN
Se resuelve el problema con slo ajustar a mano una recta que cruce todos los puntos de datos y mida la ten
dencia y la secante de la grfica. Suponga que el historial de datos es
TRIMESTRE
VENTAS
TRIMESTRE
VENTAS
1-2006
300
1-2007
520
11-2006
200
11-2007
420
111-2006
220
111-2007
400
IV-2006
530
IV-2007
700
Primero, se traza como en la ilustracin 15.14 y luego se ajusta visualmente una recta a travs de todos
los datos (como es natural, esta recta y la ecuacin resultante estn sujetas a la variacin). La ecuacin para
la recta es
Tendencia, = 170 + 55,
La ecuacin se deriva de la secante 170 ms un aumento de (610 - 170) 7 8 periodos. A continuacin, pue
de derivarse un ndice estacional comparando los datos reales con la recta de tendencia como en la ilustracin
15.14. El factor estacional se desarroll calculando el promedio de los mismos trimestres de cada ao.
489
490
seccin 4
ilustracin 15.14
----
.~.
100 '--------'--------'---------'---------'---------'------"----'------
IV
DI
Ir
TI
IV
ID
l'
2006
:..
DE LA ECUACIN DE
SUMA REAL
TENDENCIA
T = 170 + 55t
'1
2007
1'
.-
..
PROPORCIN DE
REAL';' TENDENCIA
,2006
1
200
225
1.33
11
300
280
.70
:, 111
220
335
530
390
1.36
520
445
1.17
.. 1I
111
420
500
.84
400
555
.72
. IV
700
610
IV
1-1.25
.66
11-0.78
111-0.69
2007
..
=--=-_.-.~
IV-1.25
.1.15
"
4_
--
El clculo del pronstico para 2008 incluyendo los factores de tendencia y estacional (FITS en ingls,
forecast including trend and seasonalfactors) es como sigue:
FITS,
tendencia x estacional
[170 + 55(10)]0.78
562
[170 + 55(12)]1.25
1038
Descomposicin con regresin por mnimos cuadrados La descomposicin de una serie de tiem
po significa encontrar los componentes bsicos de la serie de tendencia, estacional y cclico. Los ndices
se calculan por estaciones y ciclos. El procedimiento del pronstico despus invierte el proceso con el
pronstico de la tendencia y su ajuste mediante los ndices estacionales y cclicos, determinados en el
proceso de descomposicin. En trminos formales, el proceso:
491
captulo 15
ilustracin 15.15
(3)
(2)
(1)
PERIODO
(x)
TRIMESTRE
(6)
(5)
(7)
(8)
DEMANDA NO
DEMANDA
REAL
FACTOR
(y)
TRIMESTRE CADA AO
ESTACIONAL
ESTACIONAL (yJ
COL.
x'
(COL.
x xYd
1)'
600
0,82
735.7
1550
1.10
1412.4
2824.7
735.7
1I1
1500
0,97
1544.0
4631.9
IV
1500
1.12
1344.8
16
5379,0
2400
082
2942.6
25
14713.2
II
3100
1.10
2824.7
36
16948.4
111
2600
0.97
2676.2
49
18733.6
IV
2900
1.12
2599.9
64
20798.9
3800
0.82
2659.2
81
41932.7
10
4500
1.10
4100.4
100
41004.1
121
45290,1
11
1I1
4000
0.97
4117.3
12
IV
4900
1.12
4329.9
144
52714.5
33350
12.03
33350.1*
650
265706.9
78
x = 78
= 6.5
12
Yd = 33
350/12
b=
=2
779.2
Por lo tanto, Y = a + bx
= 342 .2
650 -12{6.5)2
a = Yd -bx = 2 779.2-342.2(6.5)
= 554.9
= 554.9 + 342.2x
'1
'Los totales de la columna 3 y la columna 6 deben-ser igual a:n 350, Las di.fl'rencias 'se deben al redon.deo. La columna 5 se rede.nd'e dos lugares decimales.
(6)
492
seccin 4
Paso 2. Descontar las variaciones de temporada de los datos originales. Para eliminar el efecto
estacional de los datos, se dividen los datos originales entre el factor estacional. Este paso se llama
descuento de las variaciones de temporada de la demanda y se presentan en la columna 6 de la ilus
tracin 15.15.
Paso 3. Trazar una recta de regresin por mnimos cuadrados para los datos descontados de
las variaciones de temporada. El objetivo es desarrollar una ecuacin para la recta de la tendencia
Y, que despus se modifica con el factor estacional. El procedimiento es el mismo de antes:
y
a + bx
donde
Yd
trimestre
secante de Y
pendiente de la recta
Paso 4. Proyectar la recta de la regresin a travs del periodo por ser pronosticado: El pro
psito es pronosticar los periodos 13 a 16. Lo primero es resolver la ecuacin para Yen cada periodo
(que se muestra en el paso 5, columna 3).
Paso 5. Crear el pronstico final mediante el ajuste de la recta de la regresin segn el fac
tor estaciona!. Cabe recordar que se descontaron las variaciones de temporada de la ecuacin Y.
Ahora se invierte el procedimiento multiplicando los datos trimestrales derivados mediante el factor
estacional de ese trimestre:
PERIODO
TRIMESTRE
13
ilustracin 15.16
Excel:
Pronstico
YDE LA RECTA DE
FACTOR
PRONSTICO (Y X
LA REGRESIN
ESTACIONAL
FACTOR ESTACIONAL)
5003.5
0.82
4102.87
14
5345.7
1.10
5880.27
15
56879
0.97
5517.26
16
6030.1
1.12
6753.71
493
captulo 15
ilustracin 15.17
Demanda
Pasado
Presente
Futuro
Tiempo
Carpel City Store en Carpenleria lleva regislros anuales de sus ventas (en yardas cuadradas), adems del n
Relacin causal
494
seccin 4
ilustracin 15.18
y 20000
18000
16000
14000
Excel:
Pronstico
12000
Ventas
(yardas
10 000
cuadradas
de alfombra) 8000
6000
17000-10000
PendIente = X =
4000
30 _ 10
= 350
2000
8 10 12 14 16 18 20 22 24 26 28 30 32 34 36
Ao
PENDJENTE
1999
18
13 000
2000
15
12000
DE CONSTRUCCIN
2001
12
11000
2002
10
10000
2003
20
14000
2004
28
16000
2005
35
19000
2006
30
17000
2007
20
13000
El gerente de operaciones de Carpet City cree que es posible pronosticar las ventas si se conocen los inicios de
proyectos habitacionales del ao. En primer lugar, los datos se grafican en la ilustracin 15.18, con:
x = Nmero de licencias de construccin
y = Ventas de alfombras
Como los puntos estn sobre una recta, el gerente decide usar la relacin lineal Y = a + bx. Resuelva el
problema trazando a mano una recta. Tambin se puede resolver esta ecuacin con la regresin por cuadrados
mnimos que se hizo arriba.
SOLUCiN
Proyectar la recta trazada a mano hace que toque el eje de las y en unas 7 000 yardas. Esto podra interpretarse
como la demanda cuando no se construyen casas nuevas; es decir, probablemente como sustitucin de alfom
bras viejas. Para calcular la pendiente, se seleccionan dos puntos, como
x
2002
10
10000
2006
30
17000
Ao
captulo 15
y(2004) - y(2000)
x(2004) - x(2000)
17000 -10000
30 - 10
7000
20
350
El gerente interpreta la pendiente como el promedio de yardas cuadradas de alfombra vendidas a cada casa
nueva de la zona. Por lo tanto, la ecuacin de pronstico es
y
7 000 + 350x
Ahora supngase que hay 25 licencias para construir casas en 2008. El pronstico de las ventas para 2008
sera:
7000 + 350(25)
15750
En este problema, la demora entre pedir la licencia en la oficina correspondiente y la llegada del nuevo
dueo a Carpet City a comprar alfombra es una relacin causal viable para el pronstico.
donde
s =
B = Ventas de base, como punto de partida a partir del que otros factores ejercen una influencia
M
Matrimonios durante el ao
2, tercero = 3, etctera)
Bm , BI" Bi Y B r representan la influencia en las ventas esperadas del nmero de matrimonios y construc
cin de viviendas, ingreso y tendencia.
Es conveniente hacer un pronstico con regresin mltiple cuando varios factores influyen en la va
riable de inters; en este caso, las ventas. Su dificultad radica en los clculos matemticos. Por fortuna, se
venden programas estndares de cmputo para anlisis de regresin mltiple, lo que alivia la necesidad
de hacer tediosos clculos manuales.
Microsoft Excel soporta tcnicas de anlisis de series de tiempo descritas en esta seccin. Estas
funciones se encuentran en las herramientas de anlisis de datos de uniformidad exponencial, promedios
de movimiento y regresin.
PRONSTICO ENFOCADa
El pronstico enfocado es creacin de Bernie Smith,5 quien lo usa principalmente para manejo de inven
tarios de bienes terminados. Smith defiende slidos argumentos de que los enfoques estadsticos usados
para pronosticar no dan los mejores resultados. Afirma que las tcnicas simples que funcionaron antes
tambin dan los mejores pronsticos para el futuro.
495
496
seccin 4
Pronstico enfocado
El pronstico enfocado simplemente prueba varias reglas que parecen lgicas y fciles de entender
para proyectar al futuro los datos del pasado. Cada una de estas reglas se usa en un programa de simula
cin por computadora para proyectar realmente la demanda medir el desempeo de la regla cuando se
compara con lo que ocurri. Por 10 tanto, los dos componentes del sistema de pronstico enfocado son
1) varias reglas de pronstico muy simples, y 2) simulacin por computadora de estas reglas sobre datos
del pasado.
Se trata de reglas simples y de sentido comn que se formulan y prueban para ver si deben conser
varse. Entre los ejemplos de reglas simples de pronstico se encuentran:
1. Lo que se haya vendido en los tres ltimos meses ser probablemente 10 que.se venda en los tres
meses siguientes.
2. Lo que se vendi en el mismo trimestre del ao pasado se vender probablemente en ese periodo
de este ao (esto dara cuenta de los efectos estacionales).
3. Es probable que se venda 10 por ciento ms en los siguientes tres meses que en los tres meses
anteriores.
4. Es probable que se venda 50 por ciento ms en los tres meses siguientes que en los mismos tres
meses del ao anterior.
5. Cualquiera que haya sido el cambio porcentual de los ltimos tres meses de este ao en compara
cin con los mismos tres meses del ao pasado, ser probablemente el mismo cambio porcentual
que se tendr en los siguientes tres meses del ao.
Estas reglas de pronstico no son rgidas. Si una regla parece funcionar bien, se agrega. Si una no
funcion, se suprime.
La segunda parte del proceso es una simulacin por computadora. Para usar el sistema, deben tenerse
datos histricos; por ejemplo, datos de 18 a 24 meses. El proceso de simulacin usa las reglas de pro
nstico para predecir datos recientes. La regla que mejor pronostique en el pasado es la que se usa para
predecir el futuro. El ejemplo 15.6 es un ejercicio usado por Smith. 6
La tabla siguiente muestra la demanda en unidades de una charola para asadora en un periodo de 18 meses.
(Trate de adivinar cul sera la demanda para julio, agosto y septiembre de este ao y compare su conjetura
con los datos reales presentados despus.)
Ao PASADO
Enero
ESTE AO
Ao PASADO
72
Julio
167
Febrero
212
90
Agosto
159
Marzo
378
108
Septiembre
201
Abril
129
134
Octubre
153
Mayo
163
92
Noviembre
76
Junio
96
137
Diciembre
30
ESTE AO
SOLUCiN
Por brevedad, aqu se aplican slo dos reglas para demostrar el mtodo: 1 y 5. En la prctica, se usaran todas.
Mediante pronstico enfocado, primero se prueba la regla 1: lo que se haya vendido en los tres ltimos
meses ser probablemente lo que se venda en los tres meses siguientes (se usan indistintamente los trminos
demanda y ventas, suponiendo que las demandas culminan en ventas reales). Primero se prueba esta regla con
los tres meses pasados:
Pronstico (abril, mayo, junio)
=
72 + 90 + 108
270
Como lo que ocurri en la realidad fue 363 (134 + 92 + 137), el pronstico fue 270/364
otras palabras, fue 26 por ciento bajo.
74 por ciento. En
capitulo 15
497
Prubese otra regla, como la 5: cualquiera que haya sido el cambio porcentual de los ltimos tres meses
de este ao en comparacin con los mismos tres meses del ao pasado, ser probablemente el mismo cambio
porcentual que se tendr en los siguientes tres meses del ao.
Pronstico (abril + mayo + junio)
=
6+212+378
= 72
=-
Lo que ocurri en realidad durante abril, mayo y junio fue de 363, as que el pronstico fue 175/363 o slo 48
por ciento de la demanda real.
Como la regla 1 fue la mejor para pronosticar los tres meses pasados, se usa esa regla para predecir julio,
agosto y septiembre de este ao. La regla 1 dice que lo que se haya vendido en los tres ltimos meses ser
probablemente lo que se venda en los tres meses siguientes.
Pronstico Uulio + agosto + septiembre)
134 + 92 + 137
363
La demanda actual del periodo fue de 357, como se ve en la tabla, lo que muestra la historia completa de
la demanda de este ao y sirve como base para hacer una comparacin.
Ao PASADO
Enero
Ao PASADO
ESTE AO
Julio
167
120
Agosto
159
151
ESTE AO
72
Febrero
212
90
Marzo
378
108
Septiembre
201
86
Abril
129
134
Octubre
153
113
Mayo
163
92
Noviembre
76
97
Junio
96
137
Diciembre
30
40
Luego, los compradores o los empleados de control que tienen la responsabilidad de estos rubros re
visan y, si fuera necesario, modifican los pronsticos hechos con la lgica enfocada. Cuando ven los pro
nsticos hechos por la computadora, saben qu mtodo se us y pueden aceptar el pronstico o cambiarlo
si no estn de acuerdo. Smith dice que alrededor de 8% de los pronsticos los cambian los compradores,
porque saben algo que la computadora ignora (por ejemplo, la causa de una demanda grande anterior o
que el pronstico siguiente es demasiado elevado porque un competidor introdujo un producto rival).
Smith afirma que de todas las simulaciones de pronsticos que ha ejecutado usando variaciones de
uniformidad exponencial (incluyendo uniformidad adaptada), el pronstico enfocado es el que da mejo
res res ultados.
Planeacin, pronstico
y resurtido en
colaboracin
498
seccin 4
-, ..
ilustracin 15.19
"
Vendedor
del punto n
Vendedor
del punto 3
Vendedor
del punto 2
Vendedor
del punto l
Planeacin de produccin
e informacin de adquisiciones
Fabricacin y
montaje ~nal
Centro de
distribucin
Minorista
-Informacin Informacin
de resurtido de pronstico
l======-.;,;====~=-====~==~-~.~~-------
captulo 15
499
Cada uno de estos pasos se repite iterativamente en un ciclo continuo en el que se varan los tiempos,
por productos individuales y segn calendario de sucesos establecido entre los socios comerciales.
Por ejemplo, los socios pueden revisar el acuerdo de asociacin del lado del cliente cada ao, evaluar
cada trimestre los planes comerciales conjuntos, desarrollar pronsticos de la demanda semanales o
mensuales y resurtir a diario.
El intercambio oportuno de informacin entre los socios comerciales ofrece impresiones confiables
y de ms largo plazo sobre el futuro de la demanda en la cadena de suministro. La visibilidad hacia
adelante, basada en compartir la informacin, trae diversos beneficios a las asociaciones en las cadenas
de suministro.
Como ocurre con la mayora de las nuevas iniciativas corporativas, hay escepticismo y resistencia al
cambio. Uno de los escollos ms grandes que estorban la colaboracin es la falta de confianza sobre lo
completo de la informacin que se comparte entre socios de la cadena de suministro. El objetivo contra
dictorio entre un proveedor que quiere maximizar sus utilidades y un cliente que quiere minimizar sus
costos da lugar a relaciones contrarias en la cadena de suministro. Compartir datos operativos delicados
puede permitir a un socio comercial sacar ventaja del otro. Del mismo modo, una barrera a la ejecucin
es el potencial de perder el control. Algunas compaas se sienten justamente preocupadas por la idea de
colocar en lnea datos estratgicos, como informes financieros, programas de manufactura e inventarios.
Las compaas quedan expuestas a las fracturas de seguridad. Los acuerdos de asociacin del lado del
cliente, acuerdos de secreto y acceso limitado a la informacin ayudan a superar estos miedos.
CONCLUSiN
No es fcil desarrollar un sistema de pronstico. Sin embargo, debe hacerse, porque pronosticar es fun
damental en cualquier esfuerzo de planeacin. En el corto plazo, se necesita un pronstico para predecir
las necesidades de materiales, productos, servicios u otros recursos para responder a los cambios de la
demanda. Los pronsticos permiten ajustar los calendarios y variar la mano de obra y los materiales. A
la larga, se requiere pronosticar como base para los cambios estratgicos, como el desarrollo de mercados
nuevos, creacin de nuevos productos o servicios y ampliar o construir nuevas instalaciones.
En el caso de los pronsticos de largo plazo en los que se incurra en grandes compromisos econmi
cos, debe tenerse mucho cuidado al derivarlos. Deben usarse varios mtodos. Son provechosos los mto
dos causales, como el anlisis de regresin simple o mltiple, pues dan una base para realizar estudios.
Los factores econmicos, tendencias de productos, factores de crecimiento y competencia, as como una
mirada de otras posibles variables tienen que considerarse y el pronstico debe ajustarse para que refleje
la influencia de cada uno.
Los pronsticos de corto y mediano plazos (como los que se requieren para el control de inventario
as como calendarizacin de contratacin de empleados y de material) pueden ser satisfactorios para mo
delos simples, como de suavizacin exponencial, quiz con una caracterstica de adaptacin o un ndice
estacional. En estas aplicaciones, normalmente se pronostican miles de activos. La rutina de pronstico
debe ser simple y ejecutarse con rapidez en una computadora. Las rutinas tambin deben detectar y
responder con celeridad a cambios definidos de corto plazo en la demanda, al tiempo que se ignoran
las demandas espurias ocasionales. La suavizacin exponencial, cuando la gerencia la monitorea para
controlar el valor de alfa, es una tcnica efectiva.
Los sistemas de pronstico en colaboracin por Internet que usan combinaciones de mtodos de
pronstico sern la ola del futuro en muchas industrias. Compartir informacin entre socios comerciales
con enlaces directos al sistema ERP de cada empresa asegura una informacin rpida y sin errores a un
costo muy bajo.
En resumen, es difcil pronosticar. Un pronstico perfecto es como un hoyo en uno en el campo de
golf: es sensacional atinarle, pero hay que sentirse satisfecho con acercarse; o, para proseguir con la ana
loga, basta caer en el green. La filosofa ideal es crear el mejor pronstico que sea posible y protegerse
manteniendo la flexibilidad del sistema para tener en cuenta los inevitables errores de pronstico.
VOCABULARIO BSICO
Demanda dependiente Necesidades de un producto o servicio inci
tadas por la demanda de otros servicios o productos. Esta demanda
interna no tiene que ser pronosticada, pero puede calcularse sobre la
base de la demanda de otros productos o servicios.
500
seccin 4
[15.1]
Promedio mvil ponderado
[15,2]
Suavizacin exponencial simple
[15.3]
Suavizacin exponencial con tendencia
[15.4]
[15.5]
[15.6]
FIT, =F, + TI
F , = FIT,_1 + a(A _1 - FITI _ 1)
'
TI = T,_1 + o(F, - FITI _ 1)
IIAe-Fel
[15.7]
MAD =
-,-i-=.!l~_ _
Seal de seguimiento
[15.8]
TS
RSFE
MAD
Y=a+bx
[15.10]
[15.11]
y - bx
Lxy-ni. y
b=
"""''''=-,--_-,
L...x -nx