Cantidad

Tiempo

Clase 3
PRONSTICOS DE PRODUCCIN Y
PUNTO DE EQUILIBRIO

Administracin de Operaciones
 LOS PRONSTICOS DE PRODUCCIN
Y EL PUNTO DE EQUILIBRIO COMO HERRAMIENTAS
EN LA TOMA DE DECISIONES EN OPERACIONES
QU ES PRONOSTICAR?

Pronosticar: Es el arte y la ciencia

de predecir los eventos futuros.

Horizontes de tiempo del pronstico

1. Pronstico a corto plazo

2. Pronstico a mediano plazo

3. Pronstico a largo plazo

 TIPOS DE PRONSTICOS
1. PRONSTICOS ECONMICOS: Para predecir tasas de
inflacin, suministros de dinero, construccin de viviendas, y
otros indicadores de planeacin.

2. PRONSTICOS TECNOLGICOS: para predecir tasas

de progreso tecnolgico (para nuevos productos, nuevas
plantas, nueva capacidad, etc).

3. PRONSTICOS DE LA DEMANDA: tambin llamados

pronsticos de ventas, orientan la produccin, la capacidad
y los sistemas de programacin de la empresa, sirven como
entradas en la planeacin financiera, de marketing y de
personal.
 LA IMPORTANCIA ESTRATGICA
DEL PRONSTICO
El efecto del pronstico del producto se en tres
refleja actividades dentro de las empresas:

Recursos Humanos
Contratacin, capacitacin y despido de los trabajadores
Capacidad
Cuando la capacidad instalada es inadecuada, los
faltantes que resultan pueden significar entregas poco
confiables, prdida de clientes y prdida de la
participacin en el mercado
Administracin de la cadena de suministro
Buenas relaciones con el proveedor = ventajas de
precio en materiales y partes
 PASOS PARA EL USO DE
PRONSTICO

1. Determinar el uso del pronstico

2. Seleccionar los aspectos que se deben
pronosticar
3. Determinar el horizonte de tiempo del
pronstico
4. Seleccionar los modelos de pronstico
5. Recopilar los datos necesarios para elaborar
el pronstico
6. Realizar el pronstico
7. Validar e implementar los resultados
 Sin importar que sistema usen las empresas
enfrentan varias realidades:

1. Los pronsticos casi nunca son perfectos

2. La mayora de las tcnicas de pronsticos
suponen la existencia de cierta estabilidad
subyacente en el sistema
3. Tanto los pronsticos de familias de productos
como los de productos agregados son ms
precisos que los pronsticos para productos
individuales
 ENFOQUES DE PRONSTICOS
q Los pronsticos cuantitativos: Utilizan
una variedad de modelos matemticos
que se apoyan en datos histricos y/o en
variables causales para pronosticar la
demanda

q Los pronsticos cualitativos o subjetivos:

Incorporan factores como la intuicin, las
emociones, las experiencias personales y
el sistema de valores de quien toma las
decisiones para llegar a un pronstico
TCNICAS Y MTODOS PARA PRONOSTICAR

Predicciones:
1. Mtodo Delphi
METODOS DE JUICIO
2. Tcnica de Investigacin Comercial
(TCNICA cualitativa)
3. Mtodo de Analoga

Previsiones: * METODOS CAUSALES

(TCNICA cuantitativa) Regresin Lineal

*MTODOS DE SERIES DE TIEMPO

* Media Aritmtica o
Promedio Aritmtico
* Media Mvil Ponderada
* Mano Libre
* Mnimos cuadrados
* Ecuaciones simultneas

* Raustentrauch (Factores)
* Suavizamiento exponencial
 PANORAMA DE LOS MTODOS
CUALITATIVOS

1. Jurado de opinin ejecutiva

2. Mtodo Delphi: Quienes toman las
decisiones
*El personal
*Los entrevistados
3. Composicin de la fuerza de ventas
4. Encuesta en el mercado de
consumo
 PANORAMA DE LOS MTODOS
CUANTITATIVOS
1. Enfoque intuitivo modelo de
2. Promedios mviles series de
3. Suavizamiento exponencial tiempo

4. Proyeccin de tendencias modelo

5. Regresin lineal asociativo
Modelo de series de tiempo: Tcnica
de pronstico que usa una serie de datos
puntuales del pasado pararealizar un
pronstico.

Modelos asociativos: Tales como la

regresin lineal, incorporan las variables o
los factores que pueden influir en la
cantidad por pronosticar.
DESCOMPOSICIN DE UNA SERIE DE TIEMPO
1. La tendencia es el movimiento gradual, hacia
arriba o abajo, de los datos en el tiempo
Cantidad

Tiempo
Tendencia: Los datos aumentan o
disminuyen de manera consistente.
 DESCOMPOSICIN DE UNA SERIE DE
TIEMPO
Periodo del Longitud de Nmero de
patrn la estacin estacio-
2.La estacionalidad
nes en el
es un patrn de patrn
datos que se repite
Semana Da 7
despus de un
Mes Semana 4 - 4
periodo de das,
Mes Da 28 31
semanas, meses o
trimestres Ao Trimestre 4

Ao Mes 12

Ao Semana 52
Descomposicin de una serie de
tiempo

Ao 1
Cantidad

Ao 2

| | | | | | | | | | | |
J F M A M J J A S O N D
Meses

Estacional: Los datos muestran alzas y bajas de forma

consistente, en ciertas pocas del ao.
 DESCOMPOSICIN DE UNA SERIE DE
TIEMPO

3.Los ciclos son patrones, detectados en los datos,

que ocurren cada cierta cantidad de aos
Cantidad

| | | | | |
1 2 3 4 5 6
Aos
Cclico: los datos revelan incrementos y decrementos
graduales en el curso de largos periodos de tiempo.
 Descomposicin de una serie de
tiempo
4. Las variaciones aleatorias son seales
generadas en los datos por causalidad o por
situaciones inusuales
Variacin de
temporada

Tendencia

xx lineal
xx xx
xx x xx
x xx
Ventas

xxxxxx x xx x x x
xx xxx xx xxx xx
x x xxxx
x
xx
1 2 3 4
Aos
 VARIACIONES EN LOS DATOS
Variaciones estacionales: Son movimientos
regulares ascendentes o descendentes localizados
en una serie de tiempo y que se relacionan con
acontecimientos recurrentes como el clima o las
vacaciones. Puede aplicarse en forma horaria,
diaria, semanal, mensual o en otros patrones
recurrentes.

Variaciones cclicas: Son como las variaciones

estacionales con la diferencia de que ocurren cada
varios aos, no semanas meses o trimestres.
 MEDICIN DEL ERROR DE
PRONSTICO
La exactitud general de cualquier modelo de
pronstico puede determinarse al comparar los
valores pronosticados con los valores reales u
observados.

1. Desviacin absoluta media

Su valor se calcula sumando los valores
absolutos de los errores individuales del
pronstico y dividiendo el resultado entre el
nmero de periodos con datos (n ):

MAD= Real Pronstico

n
 MEDICIN DEL ERROR DE
PRONSTICO
2. Error Cuadrtico Medio: Es una segunda forma
de el error global de pronstico. Es el promedio de
los cuadrados de las diferencias encontradas entre
los valores pronosticados y los observados.

MSE= (Errores de pronstico)

n
 MEDICIN DEL ERROR DE
PRONSTICO
3. Error porcentual absoluto medio: Un problema tanto
con MAD y MSE es que sus valores dependen de la magnitud
del elemento que se pronostica. Si el elemento pronosticado
se mide en millares, los valores de MAD y MSE pueden ser
muy grandes, para evitar este problema, se utiliza el error
porcentual absoluto medio. Se calcula como el promedio de
las diferencias absolutas encontradas entre los valores
pronosticados y los reales, y se expresa como un porcentaje
de los valores reales.
n
MAPE = 100 Reali - Pronsticoi Reali
i=1
n
TCNICAS Y MTODOS PARA PRONOSTICAR

Predicciones:
1. Mtodo Delphi
METODOS DE JUICIO
2. Tcnica de Investigacin Comercial
(TCNICA cualitativa)
3. Mtodo de Analoga

Previsiones: * METODOS CAUSALES

(TCNICA cuantitativa) Regresin Lineal

*MTODOS DE SERIES DE TIEMPO

* Media Aritmtica o
Promedio Aritmtico
* Media Mvil Ponderada
* Mano Libre
* Mnimos cuadrados
* Ecuaciones simultneas

* Raustentrauch (Factores)
* Suavizamiento exponencial
Ejemplos
Clculo de la media mvil

En la columna central de la tabla se muestran las ventas de

bodegas para almacenar en GSD. En la columna de la derecha
aparece una media mvil de tres meses.

As pues, vemos que el pronstico para diciembre es de 202/3. Para

preveer la demanda de bodegas en el prximo mes de enero, se suman las
ventas de octubre, noviembre y diciembre, y se dividen por 3: la previsin
para enero es (18 + 16 + 14)/3 = 16.
Clculo de la media mvil ponderada

La compaa GSD decide hacer un pronostico de las ventas de bodega

ponderando los tres meses pasados de la siguiente manera:
 Los resultados de este pronstico de media ponderada son los siguientes:

En esta situacin particular del pronstico se puede comprobar que si se

pondera ms el ltimo mes se obtiene una proyeccin mucho ms exacta.
Comparacin grafica Demanda real frente a los mtodos de media mvil
y media mvil ponderada para la compaa GSD
El alisado exponencial es un sofisticado mtodo de previsin de
medias mviles ponderadas. Necesita pocos datos. La frmula base del
alisado exponencial es :

Nuevo pronstico = pronostico del ltimo periodo + (demanda

real del ltimo periodo pronostico del ltimo periodo)

Donde es la constante de alisado cuyo valor va entre cero y uno

0<<1
Normalmente, la constante de alisado para las aplicaciones
empresariales est en el intervalo comprendido entre 0,05 y 0,50 y
puede cambiarse para dar mayor ponderacin a los valores recientes
(cuando asume valores elevados) o mayor ponderacin a los valores
antiguos (cuando asume valores bajos).

La eleccin tiene incidencia sobre la precisin el valor del pronostico.

Por ejemplo :

En enero, un concesionario de automviles predijo que para febrero

tendra una demanda de 142 Ford Mustang.
La demanda real en febrero fue de 153 vehculos.
Utilizando una constante de alisado escogida por la gerencia de = 0,2
se puede predecir la demanda de marzo utilizando el modelo del
alisado exponencial.
Sustituyendo estos datos en la frmula, se obtiene:

Nuevo pronostico (para la demanda de marzo)

= 142 + 0,2(153 - 142) = 142 + 2,2

= 144,2

Por tanto, la demanda prevista de Ford Mustang para el mes de

marzo es de 144.
 Medicin del error de previsin

Clculo de la desviacin absoluta media (DAM)

Durante los ocho ltimos trimestres, en el puerto de Baltimore se han

descargado grandes cantidades de grano de los barcos. El director de
operaciones portuarias quiere analizar la utilizacin de la tcnica de
alisado exponencial para constatar qu tal funciona en la previsin de
tonelaje descargado.
Para ello, supone que la previsin de grano descargado en el primer
trimestre fue de 175 toneladas.
Dos son los valores de examinados: 0,10 y 0,50.
 La siguiente tabla muestra los clculos detallados nicamente para
0,10:

Trimestre Toneladas realmente Pronostico redondeado utilizando Pronostico redondeado

descargadas =0.10* utilizando =0.50*
1 180 175 175
2 168 176 =175,00 + 0,10(180 - 175) 178
3 159 175 = 175,50 + 0,10(168 - 175,50) 173
4 175 173 = 174,75 + 0,10(159 - 174,75) 166
5 190 173 = 173,18 + 0,10(175 - 173,18) 170
6 205 175 = 173,36 + 0,10(190 -173,36) 180
7 180 178 = 175,02 + 0,10(205 - 175,02) 193
8 182 178 = 178,02 + 0,10(180 - 178,02) 186
9 ? 179 = 178,22 + 0,10(182 - 178,22) 184

* Previsin redondeada a la tonelada ms cercana.

Para evaluar la exactitud de cada constante de alisado, pueden
calcularse los errores de la previsin en trminos de desviaciones
absolutas y DAM.

Trimestre Toneladas realmente Pronostico Desviacin Pronostico Desviacin

descargadas redondeado absoluta redondeado absoluta
utilizando con utilizando con
=0.10 =0.10* =0.50* =0.50
1 180 175 5 175 5
2 168 176 8 178 10
3 159 175 16 173 14
4 175 173 2 166 9
5 190 173 17 170 20
6 205 175 30 180 25
7 180 178 2 193 13
8 182 178 4 186 4
Suma de las desviaciones absolutas 84 100

Segn este anlisis, es preferible una constante de alisado de 0,10 a

una de 0,50,puesto que su DAM es menor.
Error cuadrado medio

El error cuadrado medio (ECM) es una segunda forma de medir el

error de pronostico total.
El ECM es la media de las diferencias al cuadrado entre los valores
previstos y los observados.
Su frmula es :
Para el Ejemplo anterior el ECM se calcula :

Trimestre Toneladas realmente Pronostico

descargadas redondeado
2
utilizando (Error)
=0.10
2
1 180 175 5 =25
2 168 176 (-8)=64
3 159 175 (-16)=256
2
4 175 173 2=4
5 190 173 172=
2
6 205 175 30 =900
7 180 178 22=4
8 182 178 42=16
Suma de errores al cuadrado = 1558

ECM = 1558 / 8 = 194,75

Este ECM es bueno o malo?
Todo depende de los ECM para otros valores de

Si calculamos el ECM para un = 0,50

ECM = 201,5.

El resultado indica que = 0,10 (194,75) es una opcin

mejor ya que se pretende minimizar el ECM.
 Error porcentual absoluto medio

Un problema tanto del DAM como del ECM es que sus valores
dependen de la magnitud del producto que se est pronosticando.

Esto se evita utilizando el error porcentual absoluto medio (EPAM) .

Se calcula como la media de la diferencia, en valor absoluto, entre los

valores previstos y reales, expresada como porcentaje sobre los
valores reales.

Es decir, si tenemos los valores previstos y reales para n periodos, el

EPAM se calcula como:
 Para el ejemplo anterior el calculo del EPAM es :

Trimestre Toneladas Pronostico

realmente redondeado
descargadas utilizando Error porcentual absoluto 100
=0.10 (IErrorI/Real)
1 180 175 100 (5/180) =2.78%
2 168 176 100 (8/168) = 4.76%
3 159 175 100 (16/159) = 10.06%
4 175 173 100 (2/175) = 1.14%
5 190 173 100 (17/190) = 8.95%
6 205 175 100 (30/205) = 14.63%
7 180 178 100 (2/180) = 1.11%
8 182 178 100 (4/182) = 2.20%
Suma porcentual de los errores = 45.63%

EPAM = 46,63 % / 8 = 5,70 %

(El EPAM expresa el error como porcentaje de los valores reales)