Pronosticos PDF

UNIVERSIDAD SIMON BOLIVAR
_____________________________
Estimacin de la Demanda:
Pronsticos
PS-4161 Gestin de la Produccin I
USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

1
Bibliografa Recomendada
_____________________________
Ttulo: Direccin de la Produccin: Decisiones

Estratgicas.
Captulo 4: Previsin
Autores: HEIZER, Jay y RENDER, Barry
Editorial: Prentice Hall, 6a. Edicin
Ttulo: Direccin y Administracin de la Produccin y

de las Operaciones
Captulo 7: Administracin de la Demanda
Autores: CHASE, Richard y AQUILANO, Nicolas
Editorial: Adison Wesley Iberoamericana, 6a. Edicin

2
_____________________________ Contenido
Introduccin: Qu es el Pronstico?
Horizontes temporales de el pronstico
La influencia del ciclo de vida del producto
Tipos de Pronsticos
La importancia estratgica del Pronstico
Recursos humanos
Capacidad
Gestin de la cadena de suministros
Siete etapas en el sistema de pronstico

3
_____________________________ Contenido
Enfoques del Pronstico

Visin global de los mtodos cualitativos
Visin global de los mtodos cuantitativos
Pronstico de series temporales
Descomposicin de una serie temporal
Enfoque simple
Medias mviles
Suavizamiento exponencial
Suavizamiento exponencial con ajuste de tendencia
Proyecciones de la tendencia
Variaciones estacionales en los datos
Variaciones cclicas en los datos
4
_____________________________ Contenido
Mtodos de pronstico causal: anlisis de regresin

y correlacin
Utilizacin del anlisis de regresin para realizar Pronsticos
Error estndar de la estimacin
Coeficientes de correlacin para las rectas de regresin
Anlisis de regresin mltiple
Seguimiento y control de Los Pronsticos

Suavizamiento adaptable
Pronstico enfocado
Pronstico en el sector servicios

5
_____________________________ Objetivos
Describir o explicar:
Medias Mviles simples y ponderadas
Suavizamiento Exponencial
Proyecciones de tendencia
Anlisis de regresin y correlacin
Regresin lineal con estacionalidad
Medidas de precisin del pronstico
Aplicar el mtodo idneo para cada pronstico

6
_____________________________
La demanda
Demanda

7
_____________________________
Demanda
Demanda o Consumo Potencial, cantidad de

determinado bien o servicio que el mercado
requiere
Muestra y cuantifica la existencia de los

consumidores actuales y los potenciales y la
ubicacin geogrfica de los mismos

8
La demanda segn la necesidad
_____________________________
Demanda de bien social aquello que la

sociedad requiere para su desarrollo y
crecimiento (alimentacin, vestido,
salud, vivienda, educacin)
Demanda de bienes no necesarios,

consumo suntuario, donde se satisface
un gusto y no una necesidad (perfumes,
ropa fina, electrnica, arte)
9
Demanda segn su destino
_____________________________
Demanda de bienes finales

Demanda de bienes intermedios o
industriales
Los bienes intermedios forman parte de
una cadena productiva, al aumentar la
demanda del ltimo aumenta la
demanda del producto intermedio
10
El pronstico de la demanda
_____________________________
El anlisis histrico del comportamiento

de la demanda se realiza para estudiar la
evolucin del pasado a fin de pronosticar
el comportamiento futuro, con un margen
razonable de seguridad.
No es extrapolar una tendencia, sino
estudiar los posibles factores que afectan
esa tendencia.
11
Factores que afectan la demanda
_____________________________
cambios en las polticas econmicas,

sustitucin del producto,
complementacin del producto,
comportamiento estacionario,
cambios de la estructura de la poblacin,
modificaciones significativas de volumen,
coyunturas internacionales
12
Qu es el pronstico?
_____________________________
Arte y ciencia de predecir

acontecimientos futuros.
Modelacin matemtica Vender 200
millones de
Prediccin subjetiva bolvares!
Base de todas las

decisiones empresariales:
Produccin
Inventario
Personal
Instalaciones
Presupuesto

13
Tipos de Pronstico
_____________________________
Cualitativos
De caracter subjetivo
Basado en estimaciones y opiniones.
Programacin de trabajos, asignacin de tareas.
Anlisis de series de tiempo

Utilizacin de datos relacionados de periodos anteriores
Componentes: tendencia, estacionalidad y ciclos
Relaciones causales
Supone demanda relacionada con una o ms causas
Regresin Lineal y Regresin Multilineal
Simulacin
Modelos complejos simulados en computador
Modelos Dinmicos

14
Tcnicas y Modelos Comunes
_____________________________
Cualitativos
Mtodo Delphi
Investigacin de Mercado
Consenso Grupal: Intercambio abierto en reuniones
Analoga Histtica: Relacin con artculo similar
Niveles Inferiores de la organizacin: Datos de vendedores
Series de tiempo
Promedio Mvil Simple
Promedio Mvil Ponderado
Anlisis de regresiones de tiempo
Tcnica Box Jenkins
Series de tiempo de Shiskin: Descomponer series de tiempo en
estacionalidad

15
Tcnicas y Modelos Comunes (Cont)
_____________________________
Relaciones causales
Anlisis de Regresiones causales
Regresin Multilineal: Varias variables causales
Simulacin
Modelos Dinmicos: incluye variables internas como factores
externos.
Permite hacer estudios de sensibilidad
Modelos preprogramados

16
Tipos de horizontes temporales del
_____________________________ pronstico
Pronsticos a corto plazo:

Cobertura de hasta un ao, generalmente inferior a los tres meses.
Programacin de compras, trabajos, asignacin de tareas.
Pronsticos a medio plazo:

Entre tres meses y tres aos.
Planificacin de las ventas, de la produccin y del presupuesto.
Pronsticos a largo plazo:

Periodos superiores a tres aos.
Planificacin de nuevos productos, localizacin de las instalaciones,
desembolso de capital.

17
Pronsticos de corto plazo frente a Pronsticos
_____________________________
de largo plazo
Los pronsticos a medio y largo plazo tratan de

asuntos ms extensos, y apoyan las decisiones de
gestin que conciernen a la planificacin y los
productos, las plantas y los procesos.
Los pronsticos a corto plazo normalmente
emplean metodologas diferentes a las anteriores,
utilizan tcnicas matemticas como las medias
mviles, alisado exponencial y extrapolacin.
Los pronsticos a corto plazo tienden a ser ms
exactos que los realizadas a largo plazo. Al
aumentar el horizonte temporal disminuye la
fiabilidad de la previsin.

18
La influencia del ciclo de vida del producto
_____________________________
Las etapas de introduccin y crecimiento necesitan

pronsticos ms largos que las etapas de madurez
y declive.
Los Pronsticos son tiles para proyectar
los diferentes niveles de personal
los diferentes niveles de inventarios
los diferentes niveles de capacidad de produccin
mientras el producto pasa de la primera a la ltima

etapa.

19
Estrategia durante el ciclo de vida de un
_____________________________ producto
Introduccin Crecimiento Madurez Declive

Mejor periodo para Buen momento para Mal momento para cambiar la Es vital controlar el
aumentar la cuota de cambiar el precio o la imagen, el precio o la calidad costo
mercado imagen de calidad
Los costos competitivos son
Estrategias de la compaa
Es vital planear la I + D Fortalecer el segmento ahora muy importantes

de mercado Defender la posicin en el
Restaurantes para mercado Fax
comer en el carro Disquetes
CD-ROM de 3 1/2
Ventas
Internet Mquinas de
Impresoras a escribir
color
HDTV
La planificacin y desarrollo La pronstico es muy Estandarizacin Poca diferenciacin del

del producto son vitales importante producto
Cambios de producto menos
Estrategias de la G.O.
Cambios frecuentes en Fiabilidad del producto y rpidos; ms cambios Minimizacin de costos

planificacin del producto y proceso minuciosos
proceso Posibilidades y mejoras del Sobrecapacidad en la
Capacidad ptima
producto competitivas industria
Lotes de produccin Estabilidad creciente del
pequeos Aumento de la capacidad proceso de produccin Eliminacin de productos
Altos costos de produccin Cambio de tendencia para que no proporcionan un
centrarse en el producto Grandes lotes de produccin
margen aceptable
Nmero de modelos limitado Mejora del producto y
Atencin a la distribucin Reduccin de capacidad
Atencin a la calidad reduccin de costos

20
Tipos de Pronsticos
_____________________________
Pronsticos econmicos:
Dirigidas al ciclo econmico, por ejemplo, las
tasas de inflacin, la masa monetaria, el PIB, etc.
Pronsticos tecnolgicos:
Predicen el progreso tecnolgico.
Predicen el nacimiento de nuevas ventas.
Ejemplo: motores de hidrgeno, energa solar
Pronsticos de demanda:
Predicen las ventas de productos ya existentes.

21
Etapas del proceso de Pronstico
_____________________________
Determinar el objetivo del pronstico.

Seleccionar los artculos sobre los que se va a
realizar el pronstico.
Determinar el horizonte temporal del pronstico.
Seleccionar el(los) modelo(s) de pronstico.
Recoleccin de datos.
Realizar el pronstico.
Validar e implementar los resultados.

22
Demanda de un producto representada en un periodo de
4 aos con tendencia de crecimiento y estacionalidad
_____________________________
Picos estacionales Componente de tendencia

Demanda del producto o servicio
Lnea de
demanda
actual
Demanda media
en cuatro aos
Variacin
aleatoria
Primer Segundo Tercer Cuarto
ao ao ao ao

23
Demanda real frente a los mtodos de media
mvil y media mvil ponderada
_____________________________
35 Media mvil ponderada

30
Ventas reales
Demanda de ventas
25
20
15
10
Media mvil
5
0
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic.
Mes

24
Realidades sobre el pronstico
_____________________________
Raras veces los pronsticos son perfectos. Influencia

de factores externos.
La mayora de las tcnicas de pronstico asumen que
existe cierta estabilidad sostenida en el sistema.
Tanto las predicciones de familias de productos como
las predicciones en conjunto son ms precisas que los
pronsticos de productos individuales.

25
Enfoques del Pronstico
_____________________________
Mtodos cualitativos Mtodos cuantitativos

Se emplean cuando la
Se emplean cuando la
situacin es estable y
situacin no es clara y
existen datos
hay pocos datos:
histricos:
Productos nuevos.
Productos existentes.
Nueva tecnologa.
Tecnologa actual.
Requieren intuicin y
Utilizan modelos
experiencia:
matemticos:
Por ejemplo, el pronstico
Por ejemplo, el pronstico de
de las ventas a travs de
las ventas de televisores.
Internet.
En la prctica, las empresas utilizan una combinacin de los dos enfoques

26
Mtodos Cualitativos
_____________________________
Jurado de opinin ejecutiva:

Se agrupan las opiniones de un grupo de expertos de alto
nivel o de directivos, a menudo en combinacin con
modelos estadsticos.
Proposicin de personal comercial:
Las estimacin de las ventas esperadas por los vendedores
se revisan para ver si se pueden llevar a cabo y luego se
obtiene una pronstico global.
Mtodo Delphi:
Proceso de grupo que permite la realizacin de los
pronsticos a travs de un grupo de toma de decisiones con
base en las opiniones de otro grupo de personas.
Estudio de mercado del consumidor:
Requiere informacin de los clientes o consumidores
potenciales.
27
Jurado de opinin ejecutiva
_____________________________
Requiere un pequeo grupo de directivos:

El grupo establece una estimacin conjunta de
la demanda.
Combina la experiencia directiva con modelos
estadsticos.
Es bastante rpido.
Desventaja del
pensamiento en
grupo.
28
1995 Corel Corp.
Proposicin de personal comercial
_____________________________
Cada vendedor estima las ventas

que har.
Se revisan las previsiones para
definir si se pueden llevar a cabo.
Se combinan con los pronsticos
a niveles de distritos y con las
nacionales.
El representante de ventas conoce
las necesidades de los
consumidores.
Tiende a ser bastante optimista.
29
_____________________________
Mtodo Delphi
Proceso de grupo
iterativo.
3 tipos de participantes: Los que toman
Los que toman decisiones
decisiones. Personal de (Ventas?)
El personal de plantilla. (Habr 50 ventas)
plantilla
Los que responden.
(Qu ventas
Reduce el habr?
pensamiento en cuestionarios)
grupo.
Coteja opiniones para Los que responden
llegar a un consenso en (Habr 45, 50, 55 ventas)
varias iteraciones de
opiniones-respuestas
30
Estudio de mercado
_____________________________
Preguntar a los Cuntas horas

consumidores sobre sus utilizar Internet la
prxima semana?
futuros planes de compra.
Lo que dicen los
consumidores y lo que luego
hacen suele diferir.
A veces es difcil contestar a
las preguntas del estudio.
Es til para mejorar el diseo 1995 Corel
Corp.
de un producto y planificar
nuevos productos.
31
Mtodos Cuantitativos
_____________________________
Enfoque simple
Medias mviles Modelos de
Suavizamiento exponencial series
temporales
Proyeccin de tendencia
Regresin lineal Modelos

Regresin lineal con asociativos o
estacionalidad causales

32
Mtodos de pronstico cuantitativos
_____________________________
(no simples)
pronstico
cuantitativo
Modelos de series Modelos

temporales asociativos
Media Suavizamiento Proyeccin Regresin

mvil exponencial de tendencia lineal

33
Qu son las series temporales?
_____________________________
Es una secuencia de datos uniformemente

espaciada:
Se obtiene observando las variables en periodos de tiempo
regulares.
Se trata de un pronstico basado en los datos
pasados:
Supone que los factores que han influido en el pasado lo
sigan haciendo en el futuro.
Ejemplo:
Ao: 1999 2000 2001 2002 2003
Ventas: 78,7 63,5 89,7 93,2 92,1

34
Descomposicin de una serie temporal
_____________________________
Tendencia Ciclos
Estacionalidad Variaciones
aleatorias

35
Tendencia
_____________________________
Es el movimiento gradual de ascenso o descenso de

los datos a lo largo del tiempo.
Los cambios en la poblacin, ingresos, etc. influyen
en la tendencia.
Varios aos de duracin.
Respuesta
Mes, trimestre, ao
36
_____________________________
Estacionalidad
Muestra de datos de ascenso o descenso

que se repite.
Se puede ver afectada por la climatologa,
las costumbres, etc.
Se produce dentro de un periodo anual.
Verano
Respuesta
Mes, trimestre
37
_____________________________
Ciclos
Movimientos de ascenso o descenso que se

repiten.
Se pueden ver afectados por interacciones de
factores que influyen en la economa.
Respuesta Ciclo
%
Mes, trimestre, ao

38
Variaciones aleatorias
_____________________________
Son saltos en los datos causados por el

azar y situaciones inusuales.
Son debidas a variaciones aleatorias o a
situaciones imprevistas:
Huelgas o paros nacionales
Inundaciones
Son de corta duracin
y no se repiten.

39
Modelos de series temporales
_____________________________
Cualquier valor que aparezca en una serie

temporal es la multiplicacin (o suma) de los
componentes de la serie temporal.
Modelo multiplicativo:
Yi = Ti x Si x Ci x Ri (si los datos son mensuales o
trimestrales).
Modelo aditivo:
Yi = Ti + Si + Ci + Ri (si los datos son mensuales o
trimestrales).

40
Enfoque Simple
_____________________________
Suponer que la demanda en el

prximo periodo ser igual a la
demanda del periodo ms
reciente:
Por ejemplo, si en mayo hubo 48
ventas, en junio habr 48 ventas.
Es el modelo con la mejor
relacin eficacia-costo y
eficiencia.
Sirve como punto de partida .
para modelos mas sofisticados.

41
Media Mvil
_____________________________
La media mvil es la media aritmtica de las demandas

de los periodos anteriores.
Se utiliza si no hay tendencia o si sta es escasa, las
demandas son estables a lo largo del tiempo.
Se suelen utilizar para suavizar o alizar las
irregularidades a corto plazo en las series de datos:
Proporciona una impresin general de los datos a lo largo del
tiempo.
Ecuacin:
MM =
demanda de n periodos previos
n
42
Ejemplo de media mvil
_____________________________
Usted es el director de una tienda de un museo que

vende rplicas. Quiere predecir las ventas (000) del
ao 2004 mediante una media mvil de 3 aos.
1999 4
2000 6
2001 5
2002 3
2003 7

43
Solucin de la media mvil
_____________________________
Ao Respuesta Media Media mvil

Yi mvil total (n=3)
(n=3)
1999 4 ND ND
2000 6 ND ND
2001 5 ND ND
2002 3 4+6+5=15 15/3 = 5
2003 7
2004 ND

44
_____________________________

Yi mvil total (n=3)
(n=3)
1999 4 ND ND
2000 6 ND ND
2001 5 ND ND
2002 3 4+6+5=15 15/3 = 5
2003 7 6+5+3=14 14/3=4 2/3
2004 ND

45
_____________________________

Yi mvil total (n=3)
(n=3)
1999 4 ND ND
2000 6 ND ND
2001 5 ND ND
2002 3 4+6+5=15 15/3=5,0
2003 7 6+5+3=14 14/3=4,7
2004 ND 5+3+7=15 15/3=5,0

46
Grfico de la media mvil
_____________________________
Ventas
8 Real
6
pronstico
4
2
99 00 01 02 03 04
Ao

47
Mtodo de la media
_____________________________ mvil ponderada
Se utiliza cuando se presenta una tendencia:

Los datos anteriores tienen importancia ponderada.
Las ponderaciones se basan en la intuicin y
anlisis de datos previos:
Suelen estar entre 0 y 1, y la suma dar 1,0.
Los periodos ms recientes suelen ponderarse con mayor
peso
Ecuacin:
Media mvil (ponderacin para el periodo n) (demanda en el periodo n)
ponderada = ponderaciones

48
Demanda actual, media mvil y media
_____________________________ mvil ponderada
35 Media mvil ponderada

30
Ventas reales
Demanda de ventas
25
20
15
10
Media mvil
5
0
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep. Oct. Nov. Dic
Mes

49
Inconvenientes de los mtodos de media
_____________________________
mvil
Al aumentar n veces, los

pronsticos son menos sensibles a
los cambios.
No es posible predecir bien la
tendencia.
Se necesitan muchos datos
histricos.
El horizonte de proyeccin es corto.

50
_____________________________
Es una tcnica de pronstico de media mvil

ponderada:
Las ponderaciones disminuyen exponencialmente.
Se ponderan ms los datos ms recientes.
Se necesita una constante de Suavizamiento ():

Toma valores entre 0 y 1.
Se escoge de forma subjetiva.
Mayor : Pondera ms la demanda reciente, el periodo
reciente
Menor : Pondera poco la demanda reciente. Le da peso a
demandas anteriores.
Necesita una cantidad reducida de datos histricos.

51
Ecuaciones del Suavizamiento
_____________________________ Exponencial
Ft = At - 1 + (1-)At - 2 + (1- )2At - 3

+ (1- )3At - 4 + ... + (1- )t-1A0
Ft = Valor del pronstico
At = Valor real
= Constante de Suavizamiento (0 < < 1)
Habitualmente (0.05 < < 0.50)
Ft = Ft-1 + (At-1 - Ft-1)

Se utiliza para calcular el pronstico.

52
Ejemplo de Suavizamiento Exponencial
_____________________________
Usted est organizando un evento cultural. Desea

predecir el nmero de personas que asistirn en el
ao 2004 mediante el Mtodo de Suavizamiento
Exponencial ( = 0,10). El pronstico para 1999 fue de
175.
1999 180
2000 168
2001 159
2002 175
2003 190

53
Solucin mediante Suavizamiento
_____________________________ Exponencial
Ft = Ft-1 + (At-1 - Ft-1)
pronstico, F t
Ao Real
( = 0,10)
1999 180 175,00 (Dato)
2000 168 175,00 +
2001 159
2002 175
2003 190
2004 ND

54
Solucin del Suavizamiento Exponencial
_____________________________
Ft = Ft-1 + (At-1 - Ft-1)

pronstico, F t
Ao Real
( = 0,10)
1999 180 175,00 (Dado)
2000 168 175,00 + 0,10(
2001 159
2002 175
2003 190
2004 ND
55
_____________________________
Ft = Ft-1 + (At-1 - Ft-1)

pronstico,Ft
Ao Real
( = 0,10)
1999 180 175,00 (Dado)
2000 168 175,00 + 0,10(180 -
2001 159
2002 175
2003 190
2004 ND

56
_____________________________
Ft = Ft-1 + (At-1 - Ft-1)

pronstico,
Ft
Ao Real
( = 0,10)
1999 180 175,00 (Dado)
2000 168 175,00 + 0,10(180 - 175,00)
2001 159
2002 175
2003 190
2004 ND
57
_____________________________
Ft = Ft-1 + (At-1 - Ft-1)

pronstico,Ft
Ao Real
( = 0,10)
1999 180 175,00 (Dado)
2000 168 175,00 + 0,10(180 - 175,00) = 175,50
2001 159
2002 175
2003 190
2004 ND

58
_____________________________
Ft = Ft-1 + (At-1 - Ft-1)

pronstico, F t
Ao Real
( = 0,10)
1999 180 175,00 (Dado)
2000 168 175,00 + 0,10(180 - 175,00) = 175,50
2001 159 175,50 + 0,10(168 - 175,50) = 174,75
2002 175
2003 190
2004 ND
59
_____________________________
Ft = Ft-1 + (At-1 - Ft-1)

pronstico, F t
Ao Real
( = 0,10)
1999 180 175,00 (Dado)
2000 168 175,00 + 0,10(180 - 175,00) = 175,50
2001 159 175,50 + 0,10(168 - 175,50) = 174,75
2002 175 174,75 + 0,10(159 - 174,75)= 173,18
2003 190
2004 ND

60
_____________________________
Ft = Ft-1 + (At-1 - Ft-1)

pronstico, F t
Ao Real
( = 0,10)
1999 180 175,00 (Dado)
2000 168 175,00 + 0,10(180 - 175,00) = 175,50
2001 159 175,50 + 0,10(168 - 175,50) = 174,75
2002 175 174,75 + 0,10(159 - 174,75) = 173,18
2003 190 173,18 + 0,10(175 - 173,18) = 173,36
2004 ND

61
_____________________________
Ft = Ft-1 + (At-1 - Ft-1)

pronstico, F t
Ao Real
( = 0,10)
1999 180 175,00 (Dado)
2000 168 175,00 + 0,10(180 - 175,00) = 175,50
2001 159 175,50 + 0,10(168 - 175,50) = 174,75
2002 175 174,75 + 0,10(159 - 174,75) = 173,18
2003 190 173,18 + 0,10(175 - 173,18) = 173,36
2004 ND 173,36 + 0,10(190 - 173,36) = 175,02

62
Grfico del Suavizamiento Exponencial
_____________________________
Ventas
190 Real
180
170 pronstico
160
150
140
99 00 01 02 03 04
Aos
63
Efectos del Pronstico de la constante de
_____________________________
Suavizamiento
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
= Periodo anterior Hace 2 periodos Hace 3 periodos
(1 - ) (1 - )2
= 0,10 10%
= 0,90

64
_____________________________
Suavizamiento
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
(1 - ) (1 - )2
= 0,10 10% 9%
= 0,90

65
_____________________________
Suavizamiento
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
(1 - ) (1 - )2
= 0,10 10% 9% 8,1%

= 0,90

66
_____________________________
Suavizamiento
Ft = At - 1 + (1- )At - 2 + (1- )2At - 3 + ...
Ponderaciones
(1 - ) (1 - )2
= 0,10 10% 9% 8,1%

= 0,90 90%

67
_____________________________
Suavizamiento
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
(1 - ) (1 - )2
= 0,10 10% 9% 8,1%

= 0,90 90% 9%

68
_____________________________
Suavizamiento
Ft = At - 1 + (1- ) At - 2 + (1- )2At - 3 + ...
Ponderaciones
(1 - ) (1 - )2
= 0,10 10% 9% 8,1%

= 0,90 90% 9% 0,9%
La importancia de los periodos antiguos disminuye rpidamente a medida

que aumenta
69
Errores de Pronstico
_____________________________
Permite medir el error global del modelo de pronstico.

Error de pronstico = demanda pronstico
Se trata de seleccionar el valor de que minimice el error

de pronstico, calculado como
la desviacin absoluta media (DAM), o
el error cuatrtico medio (ECM)
errores de pronstico
DAM =
n
2
ECM =
USB PS4161 GESTION DE LA PRODUCCION I
n
PRONOSTICOS
70
Suavizamiento exponencial con ajuste de
_____________________________
tendencia
Se utiliza para dar respuesta a las tendencias presentes en la

demanda.
Para mejorar la previsin se ajusta el modelo de alisado
exponencial para desfases positivos o negativos en la
tendencia.
pronstico incluyendo la tendencia (PITt)

= pronstico alisada exponencialmente (Ft)
+ tendencia suavizada exponencialmente (Tt)

71
_____________________________
tendencia
Ft = (demanda real del ltimo periodo)

+ (1- )(pronstico del ltimo periodo + tendencia estimada del
ltimo periodo)
o
Ft = (At-1) + (1- )(Ft-1 + Tt-1)
Tt = (pronstico de este periodo - pronstico del ltimo periodo)

+ (1- )(tendencia estimada del ltimo periodo)
o
Tt = (Ft - Ft-1) + (1- )Tt-1

72
_____________________________
tendencia
Ft = pronstico suavizado exponencialmente de la

serie de datos en el periodo t.
Tt = tendencia suavisada exponencialmente en el
periodo t.
At = demanda real en el periodo t.
= constante de Suavizamiento para la media.
(0< <1)
= constante de Suavizamiento para la tendencia.
(0< <1)

73
Comparacin de Pronsticos
_____________________________
Suavizamiento exponencial +
40 Tendencia
35 Demanda real
Demanda del producto
30
25
20
15
Suavizamiento exponencial
10
5
0
Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Sep.
Mes

74
Mtodo de mnimos cuadrados
_____________________________
Observacin
Valores de la variable dependiente
Desviacin
real
Desviacin Desviacin
Desviacin
Desviacin
Punto en la
lnea de
Desviacin
tendencia
Desviacin
Y = a + bx
Periodo de tiempo

75
Demanda real y lnea de tendencia
_____________________________
180
160
Y = 56,70+ 10,54X
140
120
Demanda
100
80
60 Demanda real
40
20
0
0 2 4 6 8 10
Periodo de tiempo

76
Anlisis de regresin lineal
_____________________________
Se usa para prever la lnea de tendencia.

Supone una relacin entre la variable de respuesta,
Y, y el periodo de tiempo, X, que es una funcin
lineal:
Y$i = a + bX i
Se calcula mediante el mtodo de los mnimos
cuadrados:
Minimiza la suma de errores cuadrados.

77
Modelo del anlisis de regresin lineal
_____________________________
Y$i = a + bX i
Y b>0
a
b<0
a
Tiempo, X

78
Diagrama de dispersin
_____________________________
Ventas
Ventas frente a tiempo
4
3
2
1
0
99 00 01 02 03
Periodo de tiempo
79
Ecuaciones de mnimos cuadrados
_____________________________
Ecuacin: Yi = a + bx i
n
x i y i nx y
Pendiente: b = i =1n
x i2 nx 2
i =1
Corte con el eje Y: a = y bx

80
_____________________________
Tabla de clculo
2 2
Xi Yi Xi Yi X iY i
2 2
X1 Y1 X1 Y1 X 1Y 1
2 2
X2 Y2 X2 Y2 X 2Y 2
: : : : :
2 2
Xn Yn Xn Yn X nY n
2 2
X i Yi X i Y i X iY i

81
Ejemplo de anlisis de regresin lineal
_____________________________
Usted es el analista de marketing de Shu-Q-To,

compaa japonesa productora de piezas
mecanizadas de alta precisin. Obtuvo los
siguientes datos:
Ao Ventas (unidades)
1999 1
2000 1
2001 2
2002 2
2003 4
Cul es la ecuacin de tendencia?

82
Modelo de pronstico del anlisis de
_____________________________ regresin lineal
Usted est realizando el anlisis de marketing de

^
Shu-Q-To. Al utilizar aos codificados, halla que Yi = -
0,1 + 0,7Xi.
Ao Ventas (Unidades)
1999 1
2000 1
2001 2
2001 2
2003 4
Determine el pronstico para el ao 2004.
83
Modelo estacional multiplicativo
_____________________________
Encontrar la demanda histrica media para cada estacin

sumando la demanda de esa estacin cada ao y dividindola
entre el nmero de aos de datos disponibles.
Calcular la demanda media a lo largo de todas las estaciones
dividiendo la demanda media total anual entre el nmero de
estaciones.
Calcular un ndice estacional dividiendo la demanda histrica
real de esa estacin (calculado en la etapa 1) entre la
demanda media a lo largo de todas las estaciones.
Estimar la demanda anual de todo el ao prximo.
Dividir esta estimacin de la demanda anual total entre el
nmero de estaciones y entonces multiplicarla por el ndice
estacional de esa estacin. Esto proporciona el pronstico
estacional .
84
Modelo de Previsin Causal
a travs de la regresin lineal
_____________________________
Muestra la relacin lineal entre las variables

dependientes e independientes.
Ejemplo: ventas y publicidad (sin tiempo)
Corte con el eje Y Pendiente
^
Yi = a + b X i
Variable dependiente Variable independiente

85
Modelo de regresin lineal
_____________________________
Y Y i = a b X i Error
Error
Lnea de tendencia
Yî = a b X i
X
Valor observado

86
Suposiciones de los mnimos cuadrados
_____________________________
Se supone que la relacin es lineal. Primero

trace los datos, si existe relacin en curva,
utilice el anlisis curvilineal.
Se supone que la relacin slo se sustenta
dentro o justo fuera del campo de datos. No
trate de predecir periodos de tiempo lejanos
al campo de la base de datos.
Se supone que las desviaciones que rodean
a la lnea de los mnimos cuadrados son
aleatorias.
87
Transformacin de variables para linearizar
_____________________________
0 Y =Y
Y = + log X logY = + log X

0
logY = + X
1
= + X
Y
88
Criterios para determinar la mejor lnea
_____________________________
La mejor lnea es aquella que minimiza la suma de todos

los errores
n
min (Yi Yi )
i =1
La mejor lnea es aquella que minimiza la suma de los

valores absolutos de los errores
n
min Yi Yi
i =1
La mejor lnea es aquella que minimiza la suma de los

cuadrados de los errores
n 2
min (Yi Yi )
i =1 89
_____________________________
Minimizacin de los cuadrados
min i =1 [Yi ( + X i )]
n 2

[Y ( + X )] =0 [Y ( + X )]
n 2 2
n
=0
i =1

i i
i =1 i i
(Y X ) = 0 X (Y X ) = 0
n n
i i i i i
i =1 i =1
Resolviendo: = Y X
n
X iYi n X Y
= i =1
n
X i nX
2 2
i =1 90
Ecuaciones de regresin lineal
_____________________________
Ecuacin: Yi = a + bx i
n
x i y i nx y
Pendiente: b = i =1n
x i2 nx 2
i =1
Corte con el eje Y: a = y bx

91
_____________________________
Tabla de clculo
2 2
Xi Yi Xi Yi X iY i
2 2
X1 Y1 X1 Y1 X 1Y 1
2 2
X2 Y2 X2 Y2 X 2Y 2
: : : : :
2 2
Xn Yn Xn Yn X nY n
2 2
X i Yi X i Y i X iY i

92
Interpretacin de los coeficientes
_____________________________
Pendiente (b):
El clculo de Y vara en b cada unidad extra en X.
Si b = 2, entonces las ventas (Y) aumentarn en 2 por cada
unidad extra en publicidad (X).
Corte con el eje Y (a):
Valor medio de Y cuando X = 0.
Si a = 4, entonces las ventas medias (Y) sern de 4 cuando
la publicidad (X) sea 0.

93
Variacin de los errores aleatorios
_____________________________
Variacin del Y real a partir del Y predecido.

Se mide mediante el error estndar de la
estimacin:
Muestra los errores de la desviacin estndar
Es una medida de la variabilidad alrededor de la lnea
de regresin.
SY,X
Refleja la precisin de la prediccin.

94
Medidas de Eficiencia de la Estimacin
_____________________________
Error Estndar del Estimado

Es una medida del error en que se incurre al emplear en Y
lugar del Y verdadero
(Yi Y i )
n

2

S = i =1
n (k + 1 )
K = no. de variables independientes
N-(k+1) = no. de grados de libertad
El 95% de las observaciones caer entre ms o menos 2S a

cada lado de la lnea de regresin
95
Error estndar del estimado
_____________________________
n
(yi yi )2 El libro utiliza el
S y, x = i =1
n2 smbolo Yc
n 2 n n
yi a yi b x i yi
= i =1 i =1 i =1
n2
Ecuacin cuando k=1 (una sola variable independiente)

96
_____________________________
Correlacin
Respuestas: qu intensidad tiene la relacin

lineal entre las variables?
El coeficiente de correlacin se identifica
normalmente como r o R.
Los valores varan entre -1 y +1 .
Mide el grado de asociacin.

97
_____________________________
Coeficiente de Correlacin
Es una medida de la asociacin entre las variables aleatorias X e Y
Co var ianzaX , Y S xy
R= =
SxS y SxS y
(X X )(Yi Y )
S xy = i
(
iX X )2
(
i
Y Y )2
Sx = Sy =
n n
98
Fmula del coeficiente de correlacin
_____________________________
n n n
n x i yi x i yi
r= i =1 i =1 i =1
n 2 n 2 n 2 n 2
n x i x i n yi yi
i =1 i =1 i =1 i =1

99
Valores del coeficiente de correlacin
_____________________________
Correlacin Correlacin
negativa Sin correlacin positiva
perfecta perfecta
-1,0 -0,5 0 +0,5 +1,0
Aumento de la correlacin Aumento de la

negativa correlacin positiva

100
Coeficiente de correlacin y modelo de
_____________________________ regresin
Y r=1 Y r = -1
Yî = a + b X i
Yî = a + b X i
X X
Y r = 0,89 Y r=0
Yî = a + b X i Yî = a + b X i
X X

101
_____________________________
Coeficiente de Determinacin
Es la tasa de la suma de los cuadrados explicada por la regresin y
la suma total de los cuadrados
R2 =
(
i
Y Y )2
(
i i
Y Y )2
i(Y Y )2

102
Anlisis de Regresin Mltiple
_____________________________
Modelo con varias variables independientes en

lugar de una sola.
^
Y i = a + b X1i + c X2i
Variable dependiente Variables independientes

103
Anlisis de Regresin Mltiple
_____________________________
Elaboracin de un modelo lineal:

1. Examinar la relacin entre cada variable dependiente y la
variable independiente con el fin de detectar no linearidades.
2. Linearizar toda relacin no lineal encontrada, mediante
transformacin de variables.
3. Determinar la matriz de correlacin simple
4. En dicha matriz, detectar:
a) Variables independientes que tengan una asociacin
estadstica con la variable dependiente
b) Dependencia entre variables dependientes
5. Estimar los parmetros y medidas de eficiencia de las
ecuaciones de regresin potenciales
6. Analizar los resultados encontrados
104
Gua para elegir el modelo de pronstico
_____________________________
En el pronstico quiere lograr:

Ninguna conducta o direccin del error de pronstico.
^
Error = (Y - Y ) = (Real - pronstico).
i i
Se observa en las representaciones de los errores a lo largo
del tiempo.
Un error de pronstico ms pequeo:
Error cuadrado medio (ECM).
Desviacin absoluta media (DAM).

105
Conducta del error de pronstico
_____________________________
Tendencia no totalmente
justificada Conducta deseada
Error Error
0 0
Tiempo (aos) Tiempo (aos)

106
Ecuaciones del error de pronstico
_____________________________
Error cuadrado medio (ECM):

n
(y i y i ) 2 2
i =1 errores de pronstico
ECM = =
n n
Desviacin absoluta media (DAM):

n
| yi y i |
i =1 |erroresde pronstico|
DAM = =
n n

107
Ejemplo de seleccin del modelo de
_____________________________ pronstico
Usted es el analista de marketing de Shu-Q-To. Ha previsto las ventas

con un modelo lineal y suavizamiento exponencial. Qu modelo
usar?
Ventas pronstico del pronstico del

Suavizamiento
Ao reales modelo lineal exponencial (0,9)
1999 1 0,6 1,0

2000 1 1,3 1,0
2001 2 2,0 1,9
2002 2 2,7 2,0
2003 4 3,4 3,8

108
Evaluacin del modelo lineal
_____________________________
^
Ao Yi Yi Error Error2 |Error|
1999 1 0,6 0,4 0,16 0,4
2000 1 1,3 -0,3 0,09 0,3
2001 2 2,0 0,0 0,00 0,0
2002 2 2,7 -0,7 0,49 0,7
2003 4 3,4 0,6 0,36 0,6
Total 0,0 1,10 2,0
ECM = Error2 / n = 1,10 / 5 = 0,220
DAM = |Error| / n = 2,0 / 5 = 0,400
109
Evaluacin del modelo de Suavizamiento
_____________________________
exponencial
^
Year Yi Yi Error Error2 |Error|
1999 1 1,0 0,0 0,00 0,0
2000 1 1,0 0,0 0,00 0,0
2001 2 1,9 0,1 0,01 0,1
2002 2 2,0 0,0 0,00 0,0
2003 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
ECM = Error2 / n = 0,05 / 5 = 0,01
DAM = |Error| / n = 0,3 / 5 = 0,06
110
Evaluacin del modelo de Suavizamiento
_____________________________
exponencial
Modelo de Suavizamiento exponencial:
ECM = Error2 / n = 0,05 / 5 = 0,01

DAM = |Error| / n = 0,3 / 5 = 0,06
Modelo lineal:
ECM = Error2 / n = 1,10 / 5 = 0,220

DAM = |Error| / n = 2,0 / 5 = 0,400
111
Seal de rastreo
_____________________________
Mide el grado de precisin del Pronstico

para predecir valores reales.
Suma actual de los errores de pronstico
(SAEP) dividida entre la desviacin absoluta
media (DAM):
Una buena seal de rastreo tiene valores bajos.
Debe estar dentro de los lmites de control
superiores e inferiores.

112
Ecuacin de la seal de rastreo
_____________________________
SAEP
Seal de rastreo =
DAM
(y i y i )
n
= i =1
DAM
=
DAM

113
Clculo de la seal de rastreo
_____________________________
Trim. Demanda Demanda

Error SAEP Error |Error| DAM SR
prevista real absoluto acumulado
1 100 90
2 100 95
3 100 115
4 100 100
5 100 125
6 100 140

114
_____________________________
Trim. Demanda Demanda Error SAEP Error |Error| DAM SR

1 100 90 -10
2 100 95
3 100 115 Error
Error==Real
Real--pronstico
pronstico
==90
90--100
100==-10
-10
4 100 100
5 100 125
6 100 140

115
_____________________________

1 100 90 -10 -10

2 100 95
3 100 115 SAEP==Errores
SAEP Errores
==ND
ND++(-10)
(-10)==-10
-10
4 100 100
5 100 125
6 100 140

116
_____________________________

1 100 90 -10 -10 10

2 100 95
3 100 115 Error
Errorabsoluto
absoluto==|Error|
|Error|
==|-10|
|-10|==10
10
4 100 100
5 100 125
6 100 140

117
_____________________________

1 100 90 -10 -10 10 10

2 100 95
3 100 115 |Error| acumulado==|Errores|
|Error|acumulado |Errores|
==NA
NA++10
10==10
10
4 100 100
5 100 125
6 100 140

118
_____________________________

1 100 90 -10 -10 10 10 10,0

2 100 95
3 100 115 DAM==|Errores|/n
DAM |Errores|/n
==10/1
10/1==10
10
4 100 100
5 100 125
6 100 140

119
_____________________________

1 100 90 -10 -10 10 10 10,0 -1

2 100 95
3 100 115 SR
SR==SAEP/DAM
SAEP/DAM
==-10/10
-10/10==-1
-1
4 100 100
5 100 125
6 100 140

120
_____________________________

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5
3 100 115
4 100 100 Error
Error==Real
Real--pronstico
pronstico
==95
95--100
100==-5
-5
5 100 125
6 100 140

121
_____________________________

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15
3 100 115
4 100 100 SAEP==Errores
SAEP Errores
==(-10)
(-10)++(-5)
(-5)==-15
-15
5 100 125
6 100 140

122
_____________________________

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15 5
3 100 115
4 100 100 Error
Errorabsoluto
absoluto==|Error|
|Error|
==|-5|
|-5|==55
5 100 125
6 100 140

123
_____________________________

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15 5 15
3 100 115
4 100 100 Error acumulado==|Errores|
Erroracumulado |Errores|
==10
10++55==15
15
5 100 125
6 100 140

124
_____________________________

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15 5 15 7,5
3 100 115
4 100 100 DAM==|Errores|/n
DAM |Errores|/n
==15/2
15/2==7,5
7,5
5 100 125
6 100 140
125
_____________________________

1 100 90 -10 -10 10 10 10,0 -1

2 100 95 -5 -15 5 15 7,5 -2
3 100 115
4 100 100 SR
SR==SAEP/DAM
SAEP/DAM
==-15/7,5
-15/7,5==-2
-2
5 100 125
6 100 140

126
Representacin de una seal de rastreo
_____________________________
Seal que supera el lmite
Seal de rastreo
Lmite de control superior
+
Seal de Rastreo
0 Intervalo aceptable
-
Lmite de control inferior
Tiempo

127
_____________________________
Seales de rastreo
160 3
140 pronstico
2
Seal de rastreo
120
Demanda real
100 1
80 0
60 Demanda real
-1
40 Seal de rastreo
20 -2
0 -3
0 1 2 3 4 5 6 7
Tiempo

128

Pronosticos PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Pronosticos PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD SIMON BOLIVAR

PS-4161 Gestin de la Produccin I

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Ttulo: Direccin de la Produccin: Decisiones

Ttulo: Direccin y Administracin de la Produccin y

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Siete etapas en el sistema de pronstico

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Enfoques del Pronstico

Mtodos de pronstico causal: anlisis de regresin

Seguimiento y control de Los Pronsticos

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Demanda o Consumo Potencial, cantidad de

Muestra y cuantifica la existencia de los

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Demanda de bien social aquello que la

Demanda de bienes no necesarios,

Demanda de bienes finales

El anlisis histrico del comportamiento

cambios en las polticas econmicas,

Arte y ciencia de predecir

Base de todas las

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Anlisis de series de tiempo

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Pronsticos a corto plazo:

Pronsticos a medio plazo:

Pronsticos a largo plazo:

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Los pronsticos a medio y largo plazo tratan de

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Las etapas de introduccin y crecimiento necesitan

mientras el producto pasa de la primera a la ltima

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Introduccin Crecimiento Madurez Declive

Es vital planear la I + D Fortalecer el segmento ahora muy importantes

La planificacin y desarrollo La pronstico es muy Estandarizacin Poca diferenciacin del

Cambios frecuentes en Fiabilidad del producto y rpidos; ms cambios Minimizacin de costos

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Determinar el objetivo del pronstico.

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Picos estacionales Componente de tendencia

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

35 Media mvil ponderada

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Raras veces los pronsticos son perfectos. Influencia

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Mtodos cualitativos Mtodos cuantitativos

En la prctica, las empresas utilizan una combinacin de los dos enfoques

Jurado de opinin ejecutiva:

Requiere un pequeo grupo de directivos:

Cada vendedor estima las ventas

Preguntar a los Cuntas horas

Regresin lineal Modelos

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Modelos de series Modelos

Media Suavizamiento Proyeccin Regresin

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS