Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diapositivas Pronostico PDF
Diapositivas Pronostico PDF
Métodos
Cuantitativos
i i
de Negocios
Capítulo
p 3 – Pronósticos
y Simulación
PowerPoint presentation to accompany
Heizer/Render
Heizer /Render
Principles
p of Operations
p Management,
g , 7e
Operations Management, 9e
© 2008 Prentice Hall, Inc. 4–1
Bosquejo
Métodos de Pronósticos
Métodos Cualitativos
Métodos Cuantitativos
TV Analogo
Pasar por
LCD & plasma restaurantes
TVs en coche
Ventas iPods
3 1/2”
Windows 7 Floppy
disks
Figure 2.5
© 2008 Prentice Hall, Inc. 4 – 14
Ciclo de Vida del Producto
Introducción Crecimiento Madurez Decline
ción
Incremento de la Eliminar
de producción Incrementos de estabilidad de lineas que no
Altos costos de capacidad procesos producen
producción Centrarse en el Grandes niveles buen margen
M d l
Modelos producto
d t d producción
de d ió R d i la
Reducir l
limitados Mejorar la Mejoras del capacidad
Atención a la distribución producto y
calidad reducción de
costos
Figure 2.5
© 2008 Prentice Hall, Inc. 4 – 15
Tipos de Pronósticos
Pronósticos Económicos
Dirección del ciclo económico – tasa de
inflación, oferta de dinero, viviendas, etc.
Pronósticos Tecnológicos
Predecir la tasa del progreso tecnológico
Impacto
I t del
d l desarrollo
d ll de
d nuevos productos
d t
Pronósticos de Demanda
Predecir ventas de productos y servicos
existentes
4. Proyección de
T d
Tendencia
i
Modelos
5. Regresión Lineal Causales
Asociativos
© 2008 Prentice Hall, Inc. 4 – 28
Pronósticos Series de
Tiempo
Conjunto de datos numéricos
uniformemente espaciados
Obtenida por observación de la respuesta de
la variable para periodos de tiempo regulares
Pronósticos basado solamente en valores
pasados,
pasados ninguna otra variables importante
Asume que los factores que influyeron en el
pasado y en el presente continuará influyendo
en el futuro
T d
Tendencia
i Ci l
Ciclo
E t i
Estacional
l Al t i
Aleatorio
Picos Estacional
ducto o s
Demanda
anda porr un prod
Actual
Demanda
Promedio de
Variación los 4 años
Dema
Aleatoria
| | | |
1 2 3 4
Año Figure 4.1
© 2008 Prentice Hall, Inc. 4 – 31
C
Componente
t TTendencia
d i
Patrón Persistente, en conjunto
ascendente o descendente
Cambia debido a población,
t
tecnología,
l í edad,
d d cultura,
lt etc.
t
Tipicamente duración de varios
años
M T W T F
© 2008 Prentice Hall, Inc. 4 – 35
Mét d N
Método Naive
i
20 –
18 –
V
16 –
14 –
12 –
10 –
| | | | | | | | | | | |
E F M A M J J A S O N D
25 –
Demanda de v
20 – Ventas
Actuales
15 –
Promedio
10 – móvil
5 –
| | | | | | | | | | | |
J F M A M J J A S O N D
Figure 4.2
Ft = Ft – 1 + (At – 1 - Ft – 1)
N
Nuevo ó ti = 142 + .2(153
pronóstico 2(153 – 142)
N
Nuevo ó ti = 142 + .2(153
pronóstico 2(153 – 142)
= 142 + 2.2
= 144.2 ≈ 144 cars
Peso Asignado a
Más 2do Más 3er Más 4to Más 5to Más
S
Suavimien
i i Reciente
R i t Reciente
R i t Reciente
R i t Reciente
R i t Reciente
R i t
to. Periodo Periodo Periodo Periodo Periodo
Constante ( ) (1 - ) (1 - )2 (1 - )3 (1 - )4
Demanda = .5
200 – Actual
nda
Deman
175 –
= .1
150 – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Trimestre
Demanda
Elegir altos valores de = .5
200 – Actual
cuando el promedio tiene
nda
Deman
buena probabilidad de
cambiar
175 –
Elegir bajos valores de
cuando el promedio es = .1
150 – |
estable | | | | | | | |
1 2 3 4 5 6 7 8 9
Trimestre
M di Porcentual
Media P t l del
d l Error
E Ab l t (MAPE
Absoluto MAPE))
n
∑100
100|Actual
|Actuali - Pronósticoi|/Actuali
i=1
MAPE = n
Real
ncon
Absoluta
para
Redondeado Absoluta
con para
Trim Descargado = .10
10 = .10
10 = .50
50 = .50
50
Para = .10
1 180 175 5.00 175 5.00
2 =168
1,526.54/8
, 175.5 = 190.82
7.50 177.50 9.50
3 159 174.75 15.75 172.75 13.75
Para
4 = .50 173.18
175 1.82 165.88 9.12
5 190 173.36 16.64 170.44 19.56
6 =205
1 561 91/8
1,561.91/8 =
175.02 195
195.24
24
29.98 180.22 24.78
7 180 178.02 1.98 192.61 12.61
8 182 178 22
178.22 3.78
3 78 186 30
186.30 4.30
4 30
82.45 98.62
MAD 10.31 12.33
Ft = (At - 1) + (1 - )(
)(F
Ft - 1 + Tt - 1)
Tt = (Ft - Ft - 1) + (1 - )Tt - 1
Paso 1: Calcular Ft
Paso
P 2
2: C
Calcular
l l Tt
Paso 3: Calcular el pronóstico FITt = Ft + Tt
Table 4.1
© 2008 Prentice Hall, Inc. 4 – 62
Suavizamiento Exponencial con
Tendencia Ajustada: Ejemplo
Pronóstico
Demanda Pronóstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24 Paso 1: Pronóstico para Mes 2
6 21
7 31 F2 = A1 + (1 - )(F1 + T1)
8 28 F2 = (.2)(12)
( 2)(12) + (1 - .2)(11
2)(11 + 2)
9 36
10 = 2.4 + 10.4 = 12.8 unidades
Table 4.1
© 2008 Prentice Hall, Inc. 4 – 63
Suavizamiento Exponencial
p con
Tendencia Ajustada: Ejemplo
Pronóstico
Demanda Pronóstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17 12.80
3 20
4 19
5 24 Paso 2: Tendencia para Mes 2
6 21
7 31 T2 = (F2 - F1) + (1 - )T1
8 28 T2 = (.4)(12.8
( 4)(12 8 - 11) + (1 - .4)(2)
4)(2)
9 36
10 = .72 + 1.2 = 1.92 unidades
Table 4.1
© 2008 Prentice Hall, Inc. 4 – 64
Suavizamiento Exponencial con
Tendencia Ajustada: Ejemplo
Pronóstico
Demanda Pronóstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17 12.80 1.92
3 20
4 19
5 24 Paso 3: Calcular FIT para Mes 2
6 21
7 31 FIT2 = F2 + T1
8 28 FIT2 = 12
12.8
8+1 1.92
92
9 36
10 = 14.72 unidades
Table 4.1
© 2008 Prentice Hall, Inc. 4 – 65
Suavizamiento Exponencial con
Tendencia Ajustada: Ejemplo
Pronóstico
Demanda Pronóstico Tendencia Incluyendo
Mes)
Mes) Actual(At)
Actual( Suavizado, Ft Suavizada, TtTendencia, FITt
1 12 11 2 13.00
2 17 12.80 1.92 14.72
3 20 15.18 2.10 17.28
4 19 17.82 2.32 20.14
5 24 19 91
19.91 2.23
2 23 22 14
22.14
6 21 22.51 2.38 24.89
7 31 24.11 2.07 26.18
8 28 27 14
27.14 2.45
2 45 29 59
29.59
9 36 29.28 2.32 31.60
10 32.48 2.68 35.16
Table 4.1
© 2008 Prentice Hall, Inc. 4 – 66
Suavizamiento Exponencial con
Tendencia Ajustada: Ejemplo
35 –
Demanda Actual (At)
Producto
30 –
25 –
da del P
20 –
15 –
Demand
10 – ttendencia(FITt)
Pronóstico incluyendo ttendencia(
Con = .2 y = .4
5 –
0 – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Figure 4.3
Tiempo (mes)
mes)
© 2008 Prentice Hall, Inc. 4 – 67
P
Proyecciones
i de
d Tendencia
T d i
Ajustar a una línea de tendencia a los
datos históricos para proyectar en el
mediano
di y largo
l plazo
l
La línea de tendencia pueden ser
encontrada
t d usando d lal técnica
té i ded mínimos
í i
cuadrados
y^ = a + bx
Donde y^ = valor calculado de la la variables a ser
pronósticada
ó (variable
( dependiente))
a = intercepto el eje - y
b = pendiente de la línea de regresión
x = la variable independente
© 2008 Prentice Hall, Inc. 4 – 68
Métodos Mínimos
e Dependente
Cuadrados
Desviación7
Observación Actual
(valor de y)
Desviación5 Desviación6
Variable
Desviación3
Desviación4
Valorres de V
Desviación1
(error) Desviación2
Lí
Línea de i y^ = a + bx
d tendencia,
t d b
Métodos de Mínimos
Desviación3
Cuadrados minimiza la
Desviación
suma del cuadrado de los
4
Valorres de V
errores (desviaciones)
Desviación1
(error) Desviación2
Lí
Línea de i y^ = a + bx
d tendencia,
t d b
xy - nxy
b=
x2 - nx2
a = y - bx
140 –
130 –
120
0 –
manda de
110 –
100 –
90 –
Dem
80 –
70 –
60 –
50 –
| | | | | | | | |
2001 2002 2003 2004 2005 2006 2007 2008 2009
Años
© 2008 Prentice Hall, Inc. 4 – 75
Requerimientos de Mínimos
Cuadrados
1. Siempre debemos graficar los
datos para asegurar una relación
lineal
2. No predecimos periodos de tiempo
que van más alla de la base de
datos
3. Las desviaciones alrededor de la
línea de mínimos cuadrados son
asumidos como aleatorios
© 2008 Prentice Hall, Inc. 4 – 76
Mínimos Cuadrados
Ejemplo
j p - EViews
• R-squared,
squared coeficiente de determinación, sirve
para valorar el éxito de la regresión para predecir
los valores de la variable endógena dentro del
periodo
i d muestral.
t l
• Adjusted R-squared,
squared coeficiente R2 ponderado
por los grados de libertad.
© 2008 Prentice Hall, Inc. 4 – 83
Estimación de Mínimos
Cuadrados con EVIEWS
• S.E. of regression,
regression error estándar de la regresión, sirve
para analizar
li lla capacidad
id d predictiva
di ti d dell modelo,
d l
recoge la función objetivo ponderada por sus grados de
libertad.
• Sum squared resid
resid, suma de los errores al cuadrado,
mide la diferencia entre el valor observado de Y con el
estimado. (debe ser lo más pequeño posible).
© 2008 Prentice Hall, Inc. 4 – 84
Estimación de Mínimos
Cuadrados con EVIEWS
• F-statistic
statistic, se construye para contrastar si los
parámetros
á t asociados
i d a llas variables
i bl explicativas
li ti d
dell
modelo son conjuntamente iguales a cero. Permite
contrastar la capacidad explicativa conjunta de las
variables introducidas en el modelo.
• Porb(F
Porb((F--statistic
statistic)), mide la p
probabilidad de rechazar la
hipotesis nula siendo cierta.
© 2008 Prentice Hall, Inc. 4 – 85
Estimación de Mínimos
Cuadrados con EVIEWS
• Durbin-
Durbin-Watson stat,
stat estadístico que se construye para
contrastar
t t la l hipótesis
hi ót i d de incorrelación
i l ió entret las
l
perturbaciones aleatorias frente a la presencia de
autocorrelación según un esquema AR(1).
y^ = a + b1x1 + b2x2 …