Documentos de Académico
Documentos de Profesional
Documentos de Cultura
03 Proyección de La Demanda PDF
03 Proyección de La Demanda PDF
Objetivos de aprendizaje
• Identificar o definir:
– Pronóstico
– Tipos de pronóstico
– Horizontes temporales
– Enfoques del pronóstico
• Describir o explicar:
– Medias móviles
– Alisado exponencial
– Proyecciones de tendencia
– Análisis de regresión y correlación
– Medidas de precisión del pronóstico
2
ü El punto de inicio de prácticamente todos los
sistemas de planificación se da a partir de la
demanda real o esperada de los clientes.
Ø Arte y ciencia de
predecir
acontecimientos ¡Venderá 200
futuros. millones de
pesos!
6
La influencia del ciclo de vida del
producto
mercado Fax
Disquetes
Restaurantes para de 3 1/2”
CD-ROM comer en el coche
Ventas
Impresoras a Internet Furgoneta
s
color
HDTV
8
Tipos de pronósticos
• Pronósticos económicos:
– Dirigidos al ciclo empresarial, por ejemplo, las
tasas de inflación, la masa monetaria, etc.
• Pronósticos tecnológicos:
– Predicen el progreso tecnológico.
– Predicen el nacimiento de nuevas ventas.
• Pronósticos de demanda:
– Predicen las ventas ya existentes.
9
Siete etapas en el sistema de pronóstico
Línea de
demanda
actual
Demanda
media en
Variación cuatro años
aleatoria
35
Media móvil ponderada
Demanda de ventas
30 Ventas reales
25
20
15
10 Media móvil
5
0
Ene.Feb. Mar. Abr. May. Jun. Jul. Ago.Sep. Oct. Nov. Dic.
Mes
12
Realidades sobre el pronóstico
17
Método Delphi
• Proceso de grupo
iterativo. Los que toman
• 3 tipos de participantes: decisiones
Personal de (¿Ventas?)
– Los que toman
plantilla (Habrá 50 ventas)
decisiones.
(¿Qué ventas
– El personal de habrá?
plantilla. cuestionarios)
– Los que responden.
• Reduce el Los que responden
“pensamiento en (Habrá 45, 50, 55 ventas)
grupo”.
18
Estudio de mercado
v Preguntar a los
consumidores sobre ¿Cuántas horas utilizará
Internet la próxima semana?
sus futuros planes de
compra.
v Lo que dicen los
consumidores y lo
que luego hacen
suele diferir.
v A veces es difícil © 1995 Corel
preguntas del
estudio.
19
Visión global de los métodos cuantitativos
² Enfoque simple
Modelos de series
² Medias móviles temporales
² Alisado exponencial
² Proyección de tendencia
Modelos
² Regresión lineal asociativos
20
Métodos de pronóstico cuantitativos
(no simples)
Pronóstico
cuantitativo
21
¿Qué son las series temporales?
Tendencia Ciclos
Estacionalidad Variaciones
aleatorias
23
Tendencia
Respuesta
Verano
Respuesta
© 1984-1994 T/Maker Co.
Mes, trimestre
25
Ciclos
Ciclo
Respuesta
Β
Mes, trimestre, año
26
Variaciones aleatorias
• Huelga.
• Maremoto.
27
Modelos de series temporales
Ø Modelo multiplicativo:
ü Yi = Ti x Si x Ci x Ri (si los datos son
mensuales o trimestrales).
T: tendencia; S: estacionalidad; C: ciclos; R: variaciones aleatorias
Ø Modelo aditivo:
ü Yi = Ti + Si + Ci + Ri (si los datos son
mensuales o trimestrales).
28
Enfoque simple
29
Medias móviles
32
Solución de la media móvil
33
Solución de la media móvil
34
Gráfico de la media móvil
7
Ventas reales
5
Ventas
Pronóstico
4
0
1995 1996 1997 1998 1999 2000
35
Para la demanda de los doce periodos presentados en la siguiente
tabla determinar el pronóstico de promedio móvil de tres periodos
Pronós8co de promedio
Periodo Demanda móvil de tres periodos
1 24
2 26 Promedio móvil de tres periodos
3 22 35
4 25 24,0 30
Unidades
5 19 24,3 25
20 Demanda
6 31 22,0
15
7 26 25,0
10
8 18 25,3 Promedio
5
9 29 25,0 móvil de tres
0
periodos
10 24 24,3 1 2 3 4 5 6 7 8 9 10 11 12 13
11 30 23,7 Periodo
12 23 27,7
13 25,7
Pronós8co de promedio
Periodo Demanda móvil de tres periodos
1 13 Promedio móvil de una tendencia
2 15
60
3 18
50
4 22 15,3
Unidades
40
5 27 18,3
6 31 22,3 30
Demanda
7 36 26,7 20
Pronóstico
8 41 31,3 10
9 45 36,0 0
1 2 3 4 5 6 7 8 9 10 11 12
10 52 40,7
11 57 46,0 Periodo
12 51,3
Cada uno de los pesos (W) es menor a uno, pero su suma total debe ser
38 equivalente a 1.
Demanda actual, media móvil y media
móvil ponderada
35
Media móvil ponderada
30
Ventas reales
Demanda de ventas
25
20
15
10
5 Media móvil
c
o.
l.
r.
v.
b.
n.
y.
t.
r.
e.
p.
Di
Ju
Ma
Oc
Ab
No
Ma
Ag
En
Fe
Ju
Se Mes
39
Ejemplo: Tomando los mismos puntos de datos que en el primer
ejemplo (los puntos de datos de promedios móviles de tres periodos),
aplicando un promedio móvil ponderado, con pesos de 0,5, 0,3 y 0,2
(con el peso 0,5 aplicado a la información de la demanda más reciente)
Unidades
20 Demanda
7 26 26,2 15
8 18 26,1 10 Promedio
ponderado de
9 29 23,0 5 tres periodos
10 24 25,1 0
1 2 3 4 5 6 7 8 9 10 11 12 13
11 30 24,3
Periodos
12 23 28,0
13 25,3
30
25
Unidades
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Periodos
41
Inconvenientes de los métodos de media
móvil
Ø Al aumentar n veces, las
previsiones son menos
sensibles a los cambios.
42
Alisado exponencial
1995 180
1996 168
1997 159
1998 175
1999 190
45
Solución del alisado exponencial
46
Solución del alisado exponencial
47
Solución del alisado exponencial
Ft = Ft-1 + α· (At-1 - Ft-1)
Pronóstico, Ft
Año Real
(α = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 -
1997 159
1998 175
1999 190
2000 ND
48
Solución del alisado exponencial
Ft = Ft-1 + α· (At-1 - Ft-1)
Pronóstico, Ft
Año Real
(α = 0,10)
1995 180 175,00 (Dado)
1996 168 175,00 + 0,10(180 - 175,00)
1997 159
1998 175
1999 190
2000 ND
49
Solución del alisado exponencial
50
Solución del alisado exponencial
51
Solución del alisado exponencial
52
Solución del alisado exponencial
53
Solución del alisado exponencial
54
Gráfico del alisado exponencial
170
165
160
155
150
145
140
1995 1996 1997 1998 1999 2000
Año
Real Pronótico
55
Ejemplo de alisado exponencial
Para la siguiente demanda del producto “XX”, determine la demanda para
el periodo 13, considerando el alisado exponencial con α = 0,2, 0,5 y 0,8.
Considere el pronóstico para el periodo 3, la media del periodo 1 y 2.
Suavizado exponencial α = 0,2
Suavizado exponencial
Periodo Demanda α = 0,2
1 24
Suavisado exponencial
2 26 25 35
30
Unidades
3 22
25
4 25 24,4 20
5 19 24,5 15
10
6 31 23,4
5
7 26 24,9 0
8 18 25,1 1 2 3 4 5 6 7 8 9 10 11 12 13
9 29 23,7 Periodo
10 24 24,8
11 30 24,6 Demanda Suavizado exponencial α = 0,2
12 23 25,7
13 25,2
56
Ejemplo de alisado exponencial
Suavizado
Periodo Demanda exponencial α = 0,5
1 24 Suavisado exponencial
2 26 25 35
3 22 30
Unidades
4 25 23,5 25
5 19 24,3 20
6 31 21,6 15
7 26 26,3 10
8 18 26,2 5
9 29 22,1 0
1 2 3 4 5 6 7 8 9 10 11 12 13
10 24 25,5
11 30 24,8 Periodo
12 23 27,4 Demanda Suavizado exponencial α = 0,5
13 25,2
57
Ejemplo de alisado exponencial
Suavizado
Periodo Demanda exponencial α = 0,8
1 24 Suavisado exponencial
2 26 25
35
3 22
30
Unidades
4 25 22,6 25
5 19 24,5 20
6 31 20,1 15
7 26 28,8 10
8 18 26,6 5
9 29 19,7 0
10 24 27,1 1 2 3 4 5 6 7 8 9 10 11 12 13
11 30 24,6 Periodo
12 23 28,9
Demanda Suavizado exponencial α = 0,8
13 24,2
58
Ejemplo de alisado exponencial
Suavizado exponencial
35
30
25
Unidades
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Periodo
59
Efectos del pronóstico de la constante de
alisado α
Ponderaciones
α= 0,10 10%
α= 0,90
60
Efectos del pronóstico de la constante de
alisado α
Ponderaciones
α= 0,10 10% 9%
α= 0,90
61
Efectos del pronóstico de la constante de
alisado α
Ponderaciones
Ponderaciones
α= Periodo anterior Hace 2 periodos Hace 3 periodos
α α(1 - α) α(1 - α)2
α= 0,90
62
Efectos del pronóstico de la constante de
alisado α
Ft = α At - 1 + α(1- α)At - 2 + α(1- α)2At - 3 + ...
Ponderaciones
α= 0,90 90%
63
Efectos del pronóstico de la constante de
alisado α
Ponderaciones
α= 0,90 90% 9%
64
Efectos del pronóstico de la constante de
alisado α
Ponderaciones
α(1 - α)2
α= 0,10 10% 9% 8,1%
65
Si se selecciona α
Entonces:
∑ errores de pronóstico
DAM =
n
66
Alisado exponencial con ajuste de tendencia
PITt = Ft + Tt
67
Alisado exponencial con ajuste de tendencia
68
Alisado exponencial con ajuste de tendencia
69
Ejemplo de alisado exponencial con
ajuste de tendencia
Demanda real
Mes (t) At
Ene 12
Feb 17
Mar 20
Abr 19
May 24
Jun 21
Jul 31
Ago 28
Sep 36
Oct
Ene 12 11 2
Feb 17 12,80 1,92 14,72
Mar 20 15,18 2,10 17,28
Abr 19 17,82 2,32 20,14
May 24 19,91 2,23 22,14
Jun 21 22,51 2,38 24,89
Jul 31 24,11 2,07 26,18
Ago 28 27,14 2,45 29,59
Sep 36 29,28 2,32 31,60
Oct 32,48 2,68 35,16
30
25
20
15
10
5
0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct
Tiempo (mes)
71
Comparación de pronósticos
Pronóstico con Tendencia
40
35
Demanda del producto
30
25
20
15
10
0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct
Tiempo (mes)
72
Proyecciones de Tendencias
Observación Desviación
real (valor y)
Desviación Desviación
(valores y)
Desviación
Desviación Punto en
la línea
Desviación de
Desviación tendencia
(error) ⌢
y = a + bx
Periodo de tiempo
74
Análisis de regresión lineal
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
ΣX i ΣYi ΣXi ΣY i Σ X iY i
77
Modelo del análisis de regresión lineal
Y!i = a + bX i
b>0
a
b<0
a
Modelo de pronóstico del análisis de
regresión lineal
La demanda de energía eléctrica a lo largo del periodo
2008 – 2014 se muestra en la siguiente tabla, en
megavatios. Realizar un pronóstico de la demanda del año
2015, ajustando los datos a una tendencia de línea recta.
Año Demanda de energía
eléctrica
2008 74
2009 79
2010 80
2011 90
2012 105
2013 142
2014 122
2015
79
Con serie de datos a lo largo del tiempo, se transforma los valores de x
(tiempo), designando a 2008 como año 1, a 2009 como año 2, y así
sucesivamente
Periodo)de) Demanda)de)
Año tiempo)(x) energía)eléctrica)(y) x2 xy
2008 1 74 1 74
2009 2 79 4 158
2010 3 80 9 240
2011 4 90 16 360
2012 5 105 25 525
2013 6 142 36 852
2014 7 122 49 854
Σx)=) 28 Σy)=) 692 Σx )=)140
2
Σxy)=) 3.063
∑ x 28 ∑ y 692
x= = =4 y = = = 98,86
n 7 n 7
∑ xy − nxy 3.063− (7)(4)(98,86) 295
b= 2 2
= 2
= = 10, 54
∑ x − nx 140 − (7)(4 ) 28
ŷ = 56, 70 +10,54x
La demanda proyectada para 2015, considerando este año como x=8 es:
La demanda proyectada para 2016, considerando este año como x=9 es:
140
Demanda de energía
120
100
80
60
40
20
0
2008 2009 2010 2011 2012 2013 2014 2015 2016
Año
Demanda Energía Tendencia de Energía
Modelo estacional multiplicativo
1.128
Demanda media mensual = = 94
12meses
Mes Demanda
Enero 1200/12 x 0,957 = 96
Febrero 1200/12 x 0,851 = 85
Marzo 1200/12 x 0,904 = 90
Abril 1200/12 x 1,064 = 106
Mayo 1200/12 x 1,309 = 131
Junio 1200/12 x 1,223 = 122
Julio 1200/12 x 1,117 = 118
Agosto 1200/12 x 1,064 = 106
Septiembre 1200/12 x 0,957 = 98
Octubre 1200/12 x 0,851 = 85
Noviembre 1200/12 x 0,851 = 85
Diciembre 1200/12 x 0,851 = 85
Correlación
86
Modelo de regresión lineal
^
Yi = a + b X i
Variable dependiente Variable
independiente
87
Modelo de regresión lineal
Y Yi = a + b X i + Error
Error
Línea de
tendencia
Y^i = a + b X i
X
Valor
observado
Interpretación de los coeficientes
• Pendiente (b):
– El cálculo de Y varía en b cada unidad extra
en X.
• Si b = 2, entonces las ventas (Y) aumentarán en
2 por cada unidad extra en publicidad (X).
89
Variación de los errores aleatorios
90
Error estándar de la desviación
n
∑ (yi − ŷi )2
S y,x = i =1
n−2
n 2 n n
∑ yi −a ∑ yi − b ∑ x i yi
= i =1 i =1 i =1
n−2
91
Suposiciones de los mínimos cuadrados
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 ⎠ ⎦
93
Valores del coeficiente de correlación
Correlación Correlación
negativa Sin positiva
perfecta correlación perfecta
Aumento de la Aumento de la
correlación negativa correlación positiva
Coeficiente de correlación y modelo de
regresión
Y r=1 Y r = -1
^ = a +b X
Yi i
^ = a +b X
Yi i
X X
Y r = 0,89 Y r=0
^
Yi = a + b Xi
^
Yi = a + b Xi
X X
95
Guía para elegir el modelo de pronóstico
96
Diagrama de dispersión
Tendencia no
totalmente Conducta deseada
justificada
Error Error
0 0
98
Ecuaciones del error de pronóstico
99
Ejemplo de selección del modelo de pronóstico
Pronóstico del
Pronóstico alisado
Ventas del modelo exponencial
Año reales lineal (0,9)
1995 1 0,6 1,0
1996 1 1,3 1,0
1997 2 2,0 1,9
1998 2 2,7 2,0
1999 4 3,4 3,8
10
0
Evaluación del modelo lineal
^
Año Yi Yi Error Error2 |Error|
1992 1 0,6 0,4 0,16 0,4
1993 1 1,3 -0,3 0,09 0,3
1994 2 2,0 0,0 0,00 0,0
1995 2 2,7 -0,7 0,49 0,7
1996 4 3,4 0,6 0,36 0,6
Total 0,0 1,10 2,0
ECM = Σ Error2 / n = 1,10 / 5 = 0,220
DAM = Σ |Error| / n = 2,0 / 5 = 0,400
10
1
Evaluación del modelo de alisado exponencial
^
Año Yi Yi Error Error2 |Error|
1995 1 1,0 0,0 0,00 0,0
1996 1 1,0 0,0 0,00 0,0
1997 2 1,9 0,1 0,01 0,1
1998 2 2,0 0,0 0,00 0,0
1999 4 3,8 0,2 0,04 0,2
Total 0,3 0,05 0,3
ECM = Σ Error2 / n = 0,05 / 5 = 0,01
DAM = Σ |Error| / n = 0,3 / 5 = 0,06
102
Evaluación del modelo de alisado exponencial
Modelo lineal:
103
Señal de rastreo
SAEP
Señal de rastreo =
DAM
n
∑ (y i - yˆ i )
= i =1
DAM
= ∑ errores de pronóstico
DAM
105
Cálculo de la señal de rastreo
1 100 90
2 100 95
3 100 115
4 100 100
5 100 125
6 100 140
106
Cálculo de la señal de rastreo
1 100 90 -10
2 100 95
3 100 115 Error = Real - pronóstico
= 90 - 100 = -10
4 100 100
5 100 125
6 100 140
107
Cálculo de la señal de rastreo
108
Cálculo de la señal de rastreo
109
Cálculo de la señal de rastreo
110
Cálculo de la señal de rastreo
111
Cálculo de la señal de rastreo
112
Cálculo de la señal de rastreo
113
Cálculo de la señal de rastreo
114
Cálculo de la señal de rastreo
115
Cálculo de la señal de rastreo
116
Cálculo de la señal de rastreo
117
Cálculo de la señal de rastreo
118
Representación de una señal de rastreo
0
Intervalo aceptable
-
Límite de control
inferior
Tiempo
119
Señales de rastreo
160 3
140 pronóstico
2
Señal de rastreo
120
Demanda real
100 1
80 0
Demanda real
60 -1
Señal de rastreo
40
20 -2
0 -3
0 2 4 6 8
Tiempo
120
Pronóstico en el sector servicios
121
Pronóstico de ventas por hora en un restaurante
de comida rápida
20
según hora del día %
Porcentaje de venta
15
10
0
+11-12 +1-2 +3-4 +5-6 +7-8 +9-10
11-12 12-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9-10 10-11
(Hora de almuerzo) (Hora de la cena)
Hora del día
122
Problema de aplicación
123
Problema de aplicación
Periodo Demanda x2 y2 xy
1 127 1 16129 127
2 113 4 12769 226
3 121 9 14641 363
4 123 16 15129 492
5 117 25 13689 585
6 109 36 11881 654
7 131 49 17161 917
8 115 64 13225 920
9 127 81 16129 1143
10 118 100 13924 1180
Suma= 55 1201 385 144677 6607
5,5 b= 0,018181818
120,1 a= 120
124
Problema de aplicación
125
Problema de aplicación
Periodo Demanda PM 3 Meses Error ABS PMP 3 Meses Error ABS Suav. Exp. Error ABS Regresión Error ABS
1 127 115 120,0
2 113 118,6 120,0
3 121 116,9 120,1
4 123 120,3 2,7 2,7 119,8 3,2 3,2 118,1 4,9 4,9 120,1 2,9 2,9
5 117 119,0 -2,0 2,0 120,4 -3,4 3,4 119,6 -2,6 2,6 120,1 -3,1 3,1
6 109 120,3 -11,3 11,3 119,6 -10,6 10,6 118,8 -9,8 9,8 120,1 -11,1 11,1
7 131 116,3 14,7 14,7 114,2 16,8 16,8 115,9 15,1 15,1 120,1 10,9 10,9
8 115 119,0 -4,0 4,0 121,6 -6,6 6,6 120,4 -5,4 5,4 120,1 -5,1 5,1
9 127 118,3 8,7 8,7 118,6 8,4 8,4 118,8 8,2 8,2 120,2 6,8 6,8
10 118 124,3 -6,3 6,3 124,2 -6,2 6,2 121,3 -3,3 3,3 120,2 -2,2 2,2
11 120,0 120,1 120,3 120,2
Suma= 2,3 49,7 1,6 55,2 7,1 49,3 -0,9 42,2
Suma/n= 0,3 7,1 0,2 7,9 1,0 7,0 -0,1 6,0
Método MAD
Promedio móvil de 3 meses 7,1
Promedio móvil ponderado de 3 meses 7,9
Suavización exponencial 7,0
Regresión lineal 6,0
126