Pronosticos PDF

UNIVERSIDAD SIMON BOLIVAR
_____________________________
Estimación de la Demanda:
Pronósticos
PS-4161 Gestión de la Producción I
USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

1
Bibliografía Recomendada
_____________________________
♦ Título: Dirección de la Producción: Decisiones

Estratégicas.
Capítulo 4: Previsión
Autores: HEIZER, Jay y RENDER, Barry
Editorial: Prentice Hall, 6a. Edición
♦ Título: Dirección y Administración de la Producción y

de las Operaciones
♦ Capítulo 7: Administración de la Demanda
Autores: CHASE, Richard y AQUILANO, Nicolas
Editorial: Adison Wesley Iberoamericana, 6a. Edición

2
_____________________________ Contenido
♦ Introducción: ¿Qué es el Pronóstico?

♦ Horizontes temporales de el pronóstico
♦ La influencia del ciclo de vida del producto
♦ Tipos de Pronósticos
♦ La importancia estratégica del Pronóstico
♦ Recursos humanos
♦ Capacidad
♦ Gestión de la cadena de suministros
♦ Siete etapas en el sistema de pronóstico

3
_____________________________ Contenido
♦ Enfoques del Pronóstico

♦ Visión global de los métodos cualitativos
♦ Visión global de los métodos cuantitativos
♦ Pronóstico de series temporales
♦ Descomposición de una serie temporal
♦ Enfoque simple
♦ Medias móviles
♦ Suavizamiento exponencial
♦ Suavizamiento exponencial con ajuste de tendencia
♦ Proyecciones de la tendencia
♦ Variaciones estacionales en los datos
♦ Variaciones cíclicas en los datos
4
_____________________________ Contenido
♦ Métodos de pronóstico causal: análisis de regresión

y correlación
♦ Utilización del análisis de regresión para realizar Pronósticos
♦ Error estándar de la estimación
♦ Coeficientes de correlación para las rectas de regresión
♦ Análisis de regresión múltiple
♦ Seguimiento y control de Los Pronósticos

♦ Suavizamiento adaptable
♦ Pronóstico enfocado
♦ Pronóstico en el sector servicios

5
_____________________________ Objetivos
Describir o explicar:
♦ Medias Móviles simples y ponderadas
♦ Suavizamiento Exponencial
♦ Proyecciones de tendencia
♦ Análisis de regresión y correlación
♦ Regresión lineal con estacionalidad
♦ Medidas de precisión del pronóstico
♦ Aplicar el método idóneo para cada pronóstico

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
ubicación geográfica de los mismos

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

sociedad requiere para su desarrollo y
crecimiento (alimentación, vestido,
salud, vivienda, educación)
• Demanda de bienes no necesarios,

consumo suntuario, donde se satisface
un gusto y no una necesidad (perfumes,
ropa fina, electrónica, arte)
9
Demanda según 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 último aumenta la
demanda del producto intermedio
10
El pronóstico de la demanda
_____________________________
El análisis histórico del comportamiento

de la demanda se realiza para estudiar la
evolución 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 políticas económicas,

• sustitución del producto,
• complementación del producto,
• comportamiento estacionario,
• cambios de la estructura de la población,
• modificaciones significativas de volumen,
• coyunturas internacionales
12
¿Qué es el pronóstico?
_____________________________
♦ Arte y ciencia de predecir

acontecimientos futuros.
♦ Modelación matemática ¡Venderá 200
millones de
♦ Predicción subjetiva bolívares!
♦ Base de todas las

decisiones empresariales:
♦ Producción
♦ Inventario
♦ Personal
♦ Instalaciones
♦ Presupuesto

13
Tipos de Pronóstico
_____________________________
♦ Cualitativos
♦ De caracter subjetivo
♦ Basado en estimaciones y opiniones.
♦ Programación de trabajos, asignación de tareas.
♦ Análisis de series de tiempo

♦ Utilización de datos relacionados de periodos anteriores
♦ Componentes: tendencia, estacionalidad y ciclos
♦ Relaciones causales
♦ Supone demanda relacionada con una o más causas
♦ Regresión Lineal y Regresión Multilineal
♦ Simulación
♦ Modelos complejos simulados en computador
♦ Modelos Dinámicos

14
Técnicas y Modelos Comunes
_____________________________
♦ Cualitativos
♦ Método Delphi
♦ Investigación de Mercado
♦ Consenso Grupal: Intercambio abierto en reuniones
♦ Analogía Histótica: Relación con artículo similar
♦ Niveles Inferiores de la organización: Datos de vendedores
♦ Series de tiempo
♦ Promedio Móvil Simple
♦ Promedio Móvil Ponderado
♦ Suavizamiento Exponencial
♦ Análisis de regresiones de tiempo
♦ Técnica Box Jenkins
♦ Series de tiempo de Shiskin: Descomponer series de tiempo en
estacionalidad

15
Técnicas y Modelos Comunes (Cont)
_____________________________
♦ Relaciones causales
♦ Análisis de Regresiones causales
♦ Regresión Multilineal: Varias variables causales
♦ Simulación
♦ Modelos Dinámicos: incluye variables internas como factores
externos.
♦ Permite hacer estudios de sensibilidad
♦ Modelos preprogramados

16
Tipos de horizontes temporales del
_____________________________ pronóstico
♦ Pronósticos a corto plazo:

♦ Cobertura de hasta un año, generalmente inferior a los tres meses.
♦ Programación de compras, trabajos, asignación de tareas.
♦ Pronósticos a medio plazo:

♦ Entre tres meses y tres años.
♦ Planificación de las ventas, de la producción y del presupuesto.
♦ Pronósticos a largo plazo:

♦ Periodos superiores a tres años.
♦ Planificación de nuevos productos, localización de las instalaciones,
desembolso de capital.

17
Pronósticos de corto plazo frente a Pronósticos
_____________________________
de largo plazo
♦ Los pronósticos a medio y largo plazo tratan de

asuntos más extensos, y apoyan las decisiones de
gestión que conciernen a la planificación y los
productos, las plantas y los procesos.
♦ Los pronósticos a corto plazo normalmente
emplean metodologías diferentes a las anteriores,
utilizan técnicas matemáticas como las medias
móviles, alisado exponencial y extrapolación.
♦ Los pronósticos a corto plazo tienden a ser más
exactos que los realizadas a largo plazo. Al
aumentar el horizonte temporal disminuye la
fiabilidad de la previsión.

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

pronósticos más largos que las etapas de madurez
y declive.
♦ Los Pronósticos son útiles para proyectar
♦ los diferentes niveles de personal
♦ los diferentes niveles de inventarios
♦ los diferentes niveles de capacidad de producción
mientras el producto pasa de la primera a la última

etapa.

19
Estrategia durante el ciclo de vida de un
_____________________________ producto
Introducción 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 compañía
Es vital planear la I + D Fortalecer el segmento ahora muy importantes

de mercado Defender la posición en el
Restaurantes para mercado Fax
comer en el carro Disquetes
CD-ROM de 3 1/2”
Ventas
Internet Máquinas de
Impresoras a escribir
color
HDTV
La planificación y desarrollo La pronóstico es muy Estandarización Poca diferenciación del

del producto son vitales importante producto
Cambios de producto menos
Estrategias de la G.O.
Cambios frecuentes en Fiabilidad del producto y rápidos; más cambios Minimización de costos
planificación del producto y proceso minuciosos
proceso Posibilidades y mejoras del Sobrecapacidad en la
Capacidad óptima
producto competitivas industria
Lotes de producción Estabilidad creciente del
pequeños Aumento de la capacidad proceso de producción Eliminación de productos
Altos costos de producción Cambio de tendencia para que no proporcionan un
centrarse en el producto Grandes lotes de producción
margen aceptable
Número de modelos limitado Mejora del producto y
Atención a la distribución Reducción de capacidad
Atención a la calidad reducción de costos

20
Tipos de Pronósticos
_____________________________
♦Pronósticos económicos:
♦ Dirigidas al ciclo económico, por ejemplo, las
tasas de inflación, la masa monetaria, el PIB, etc.
♦Pronósticos tecnológicos:
♦ Predicen el progreso tecnológico.
♦ Predicen el nacimiento de nuevas ventas.
♦ Ejemplo: motores de hidrógeno, energía solar
♦Pronósticos de demanda:
♦ Predicen las ventas de productos ya existentes.

21
Etapas del proceso de Pronóstico
_____________________________
♦ Determinar el objetivo del pronóstico.

♦ Seleccionar los artículos sobre los que se va a
realizar el pronóstico.
♦ Determinar el horizonte temporal del pronóstico.
♦ Seleccionar el(los) modelo(s) de pronóstico.
♦ Recolección de datos.
♦ Realizar el pronóstico.
♦ Validar e implementar los resultados.

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

Demanda del producto o servicio
Línea de
demanda
actual
Demanda media
en cuatro años
Variación
aleatoria
Primer Segundo Tercer Cuarto
año año año año

23
Demanda real frente a los métodos de media
móvil y media móvil ponderada
_____________________________
35 Media móvil ponderada

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

24
Realidades sobre el pronóstico
_____________________________
♦ Raras veces los pronósticos son perfectos. Influencia

de factores externos.
♦ La mayoría de las técnicas de pronóstico asumen que
existe cierta estabilidad sostenida en el sistema.
♦ Tanto las predicciones de familias de productos como
las predicciones en conjunto son más precisas que los
pronósticos de productos individuales.

25
Enfoques del Pronóstico
_____________________________
Métodos cualitativos Métodos cuantitativos

♦ Se emplean cuando la
♦ Se emplean cuando la
situación es “estable” y
situación no es clara y
existen datos
hay pocos datos:
“históricos”:
♦ Productos nuevos.
♦ Productos existentes.
♦ Nueva tecnología.
♦ Tecnología actual.
♦ Requieren intuición y
♦ Utilizan modelos
experiencia:
matemáticos:
♦ Por ejemplo, el pronóstico
♦ Por ejemplo, el pronóstico de
de las ventas a través de
las ventas de televisores.
Internet.
En la práctica, las empresas utilizan una combinación de los dos enfoques

26
Métodos Cualitativos
_____________________________
♦ Jurado de opinión ejecutiva:

♦ Se agrupan las opiniones de un grupo de expertos de alto
nivel o de directivos, a menudo en combinación con
modelos estadísticos.
♦ Proposición de personal comercial:
♦ Las estimación de las ventas esperadas por los vendedores
se revisan para ver si se pueden llevar a cabo y luego se
obtiene una pronóstico global.
♦ Método Delphi:
♦ Proceso de grupo que permite la realización de los
pronósticos a través de un grupo de toma de decisiones con
base en las opiniones de otro grupo de personas.
♦ Estudio de mercado del consumidor:
♦ Requiere información de los clientes o consumidores
potenciales.
27
Jurado de opinión ejecutiva
_____________________________
♦ Requiere un pequeño grupo de directivos:

♦ El grupo establece una estimación conjunta de
la demanda.
♦ Combina la experiencia directiva con modelos
estadísticos.
♦ Es bastante rápido.
♦ Desventaja del
“pensamiento en
grupo”.
28
© 1995 Corel Corp.
Proposición de personal comercial
_____________________________
♦ Cada vendedor estima las ventas

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

consumidores sobre sus utilizará Internet la
próxima semana?
futuros planes de compra.
♦ Lo que dicen los
consumidores y lo que luego
hacen suele diferir.
♦ A veces es difícil contestar a
las preguntas del estudio.
♦ Es útil para mejorar el diseño© 1995 Corel
Corp.
de un producto y planificar
nuevos productos.
31
Métodos Cuantitativos
_____________________________
♦ Enfoque simple
♦ Medias móviles Modelos de
♦ Suavizamiento exponencial series
temporales
♦ Proyección de tendencia
♦ Regresión lineal Modelos

♦ Regresión lineal con asociativos o
estacionalidad causales

32
Métodos de pronóstico cuantitativos
_____________________________
(no simples)
pronóstico
cuantitativo
Modelos de series Modelos

temporales asociativos
Media Suavizamiento Proyección Regresión

móvil exponencial de tendencia lineal

33
¿Qué 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 pronóstico basado en los datos
pasados:
♦ Supone que los factores que han influido en el pasado lo
sigan haciendo en el futuro.
♦ Ejemplo:
Año: 1999 2000 2001 2002 2003
Ventas: 78,7 63,5 89,7 93,2 92,1

34
Descomposición 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 población, ingresos, etc. influyen
en la tendencia.
♦ Varios años de duración.
Respuesta
Mes, trimestre, año

36
_____________________________
Estacionalidad
♦Muestra de datos de ascenso o descenso

que se repite.
♦Se puede ver afectada por la climatología,
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 economía.
Respuesta Ciclo
%
Mes, trimestre, año

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 duración
y no se repiten.

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

temporal es la multiplicación (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

próximo periodo será igual a la
demanda del periodo más
reciente:
♦ Por ejemplo, si en mayo hubo 48
ventas, en junio habrá 48 ventas.
♦ Es el modelo con la mejor
relación eficacia-costo y
eficiencia.
♦ Sirve como punto de partida .
para modelos mas sofisticados.

41
Media Móvil
_____________________________
♦ La media móvil es la media aritmética de las demandas

de los periodos anteriores.
♦ Se utiliza si no hay tendencia o si ésta 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 impresión general de los datos a lo largo del
tiempo.
♦ Ecuación:
MM =
∑ demanda de n periodos previos
n
42
Ejemplo de media móvil
_____________________________
Usted es el director de una tienda de un museo que

vende réplicas. Quiere predecir las ventas (000) del
año 2004 mediante una media móvil de 3 años.
1999 4
2000 6
2001 5
2002 3
2003 7

43
Solución de la media móvil
_____________________________
Año Respuesta Media Media móvil

Yi móvil 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
_____________________________

(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
_____________________________

(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
Gráfico de la media móvil
_____________________________
Ventas
8 Real
6
pronóstico
4
2
99 00 01 02 03 04
Año

47
Método de la media
_____________________________ móvil ponderada
♦ Se utiliza cuando se presenta una tendencia:

♦ Los datos anteriores tienen importancia ponderada.
♦ Las ponderaciones se basan en la intuición y
análisis de datos previos:
♦ Suelen estar entre 0 y 1, y la suma dar 1,0.
♦ Los periodos más recientes suelen ponderarse con mayor
peso
♦ Ecuación:
Media móvil Σ (ponderación para el periodo n) (demanda en el periodo n)
ponderada = Σ ponderaciones

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

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

49
Inconvenientes de los métodos de media
_____________________________
móvil
♦Al aumentar n veces, los

pronósticos son menos sensibles a
los cambios.
♦No es posible predecir bien la
tendencia.
♦Se necesitan muchos datos
históricos.
♦El horizonte de proyección es corto.

50
Suavizamiento Exponencial
_____________________________
♦ Es una técnica de pronóstico de media móvil

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

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

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

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

♦ Se utiliza para calcular el pronóstico.

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

predecir el número de personas que asistirán en el
año 2004 mediante el Método de Suavizamiento
Exponencial (α = 0,10). El pronóstico para 1999 fue de
175.
1999 180
2000 168
2001 159
2002 175
2003 190

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

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

pronóstico, F t
Año Real
( α = 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 + α (At-1 - Ft-1)

pronóstico,Ft
Año Real
(α = 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 + α (At-1 - Ft-1)

pronóstico,
Ft
Año Real
(α = 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 + α (At-1 - Ft-1)

pronóstico,Ft
Año Real
(α = 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 + α (At-1 - Ft-1)

pronóstico, F t
Año Real
( α = 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 + α (At-1 - Ft-1)

pronóstico, F t
Año Real
(α = 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 + α (At-1 - Ft-1)

pronóstico, F t
Año Real
(α = 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 + α (At-1 - Ft-1)

pronóstico, F t
Año Real
(α = 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
Gráfico del Suavizamiento Exponencial
_____________________________
Ventas
190 Real
180
170 pronóstico
160
150
140
99 00 01 02 03 04
Años
63
Efectos del Pronóstico de la constante de
_____________________________
Suavizamiento α
Ft = α At - 1 + α(1- α)At - 2 + α(1- α)2At - 3 + ...
Ponderaciones
α= Periodo anterior Hace 2 periodos Hace 3 periodos
α α(1 - α) α(1 - α)2
α= 0,10 10%
α= 0,90

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

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

α= 0,90

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

α= 0,90 90%

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

α= 0,90 90% 9%

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

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

que α aumenta
69
Errores de Pronóstico
_____________________________
Permite medir el error global del modelo de pronóstico.

Error de pronóstico = demanda – pronóstico
Se trata de seleccionar el valor de α que minimice el error

de pronóstico, calculado como
• la desviación absoluta media (DAM), o
• el error cuatrático medio (ECM)
∑ errores de pronóstico
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 previsión se ajusta el modelo de alisado
exponencial para desfases positivos o negativos en la
tendencia.
pronóstico incluyendo la tendencia (PITt)

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

71
_____________________________
tendencia
Ft = α (demanda real del último periodo)

+ (1- α)(pronóstico del último periodo + tendencia estimada del
último periodo)
o
Ft = α(At-1) + (1- α)(Ft-1 + Tt-1)
Tt = β(pronóstico de este periodo - pronóstico del último periodo)

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

72
_____________________________
tendencia
♦ Ft = pronóstico 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.
♦ α = constante de Suavizamiento para la media.
(0< α<1)
♦ β = constante de Suavizamiento para la tendencia.
(0< β<1)

73
Comparación de Pronósticos
_____________________________
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
Método de mínimos cuadrados
_____________________________
Observación
Valores de la variable dependiente
Desviación
real
Desviación Desviación
Desviación
Desviación
Punto en la
línea de
Desviación
tendencia
Desviación
Yˆ = a + bx
Periodo de tiempo

75
Demanda real y línea 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
Análisis de regresión lineal
_____________________________
♦ Se usa para prever la línea de tendencia.

♦ Supone una relación entre la variable de respuesta,
Y, y el periodo de tiempo, X, que es una función
lineal:
Y$i = a + bX i
♦ Se calcula mediante el método de los mínimos
cuadrados:
♦ Minimiza la suma de errores cuadrados.

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

78
Diagrama de dispersión
_____________________________
Ventas
Ventas frente a tiempo
4
3
2
1
0
99 00 01 02 03
Periodo de tiempo
79
Ecuaciones de mínimos cuadrados
_____________________________
Ecuación: Ŷi = 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 cálculo
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 ΣX i ΣY i ΣX iY i

81
Ejemplo de análisis de regresión lineal
_____________________________
Usted es el analista de marketing de Shu-Q-To,

compañía japonesa productora de piezas
mecanizadas de alta precisión. Obtuvo los
siguientes datos:
Año Ventas (unidades)
1999 1
2000 1
2001 2
2002 2
2003 4
¿Cuál es la ecuación de tendencia?

82
Modelo de pronóstico del análisis de
_____________________________ regresión lineal
Usted está realizando el análisis de marketing de

^
Shu-Q-To. Al utilizar años codificados, halla que Yi = -
0,1 + 0,7Xi.
Año Ventas (Unidades)
1999 1
2000 1
2001 2
2001 2
2003 4
Determine el pronóstico para el año 2004.
83
Modelo estacional multiplicativo
_____________________________
♦ Encontrar la demanda histórica media para cada “estación”

sumando la demanda de esa estación cada año y dividiéndola
entre el número de años de datos disponibles.
♦ Calcular la demanda media a lo largo de todas las estaciones
dividiendo la demanda media total anual entre el número de
estaciones.
♦ Calcular un índice estacional dividiendo la demanda histórica
real de esa estación (calculado en la etapa 1) entre la
demanda media a lo largo de todas las estaciones.
♦ Estimar la demanda anual de todo el año próximo.
♦ Dividir esta estimación de la demanda anual total entre el
número de estaciones y entonces multiplicarla por el índice
estacional de esa estación. Esto proporciona el pronóstico
estacional .
84
Modelo de Previsión Causal
a través de la regresión lineal
_____________________________
♦Muestra la relación 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 regresión lineal
_____________________________
Y Y i = a  b X i  Error
Error
Línea de tendencia
Yî = a  b X i
X
Valor observado

86
Suposiciones de los mínimos cuadrados
_____________________________
♦Se supone que la relación es lineal. Primero

trace los datos, si existe relación en curva,
utilice el análisis curvilineal.
♦Se supone que la relación sólo 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 línea de los mínimos cuadrados son
aleatorias.
87
Transformación de variables para linearizar
_____________________________
β 〉0 Y =Y
Y = α + β log X logY = α + β log X

β 〈0
logY = α + βX
1
= α + βX
Y
88
Criterios para determinar “la mejor” línea
_____________________________
♦ La mejor línea es aquella que minimiza la suma de todos

los errores
n
min ∑ (Yi − Yî )
i =1
♦ La mejor línea es aquella que minimiza la suma de los

valores absolutos de los errores
n
min ∑ Yi − Yî
i =1
♦ La mejor línea es aquella que minimiza la suma de los

cuadrados de los errores
n 2
min ∑ (Yi − Yî )

i =1 89
_____________________________
Minimización de los cuadrados
min ∑i =1 [Yi − (αˆ + βˆX i )]

n 2
∂
∑ [Y − (αˆ + βˆX )] =0 ∂ ∑ [Y − (αˆ + βˆX )]
n 2 2
n
=0
∂α i =1
∂β
i i
i =1 i i
∑ (Y − αˆ − βˆX ) = 0 ∑ X (Y − αˆ − βˆX ) = 0
n n
i i i i i
i =1 i =1
Resolviendo: αˆ = Y − βˆ X
n
∑ X iYi − n X Y
βˆ = i =1
n
∑ X i − nX
2 2
i =1 90
Ecuaciones de regresión lineal
_____________________________
Ecuación: Ŷi = 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 cálculo
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 ΣX i ΣY i ΣX iY i

92
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).
♦Corte con el eje Y (a):
♦ Valor medio de Y cuando X = 0.
♦ Si a = 4, entonces las ventas medias (Y) serán de 4 cuando
la publicidad (X) sea 0.

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

♦Se mide mediante el error estándar de la
estimación:
♦ Muestra los errores de la desviación estándar
♦ Es una medida de la variabilidad alrededor de la línea
de regresión.
♦ SY,X
♦Refleja la precisión de la predicción.

94
Medidas de Eficiencia de la Estimación
_____________________________
Error Estándar del Estimado

Es una medida del error en que se incurre al emplear en Yˆ
lugar del Y verdadero
(Yi − Y i )
n
∑
2
ˆ
S = i =1
n − (k + 1 )
K = no. de variables independientes
N-(k+1) = no. de grados de libertad
El 95% de las observaciones caerá entre más o menos 2S a

cada lado de la línea de regresión
95
Error estándar del estimado
_____________________________
n
∑ (yi − ŷi )2 El libro utiliza el
S y, x = i =1
n−2 símbolo Yc
n 2 n n
∑ yi − a ∑ yi − b ∑ x i yi
= i =1 i =1 i =1
n−2
Ecuación cuando k=1 (una sola variable independiente)

96
_____________________________
Correlación
♦Respuestas: ‘¿qué intensidad tiene la relación

lineal entre las variables?’
♦El coeficiente de correlación se identifica
normalmente como r o R.
♦ Los valores varían entre -1 y +1 .
♦ Mide el grado de asociación.

97
_____________________________
Coeficiente de Correlación
Es una medida de la asociación 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
Fómula del coeficiente de correlación
_____________________________
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 correlación
_____________________________
Correlación Correlación
negativa Sin correlación positiva
perfecta perfecta
-1,0 -0,5 0 +0,5 +1,0
Aumento de la correlación Aumento de la

negativa correlación positiva

100
Coeficiente de correlación y modelo de
_____________________________ regresión
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 Determinación
Es la tasa de la suma de los cuadrados explicada por la regresión y
la suma total de los cuadrados
R2 =
(
∑ i
Y − Y )2
− (
∑ i i
Y − Yˆ )2
∑ i(Y − Y )2

102
Análisis de Regresión Múltiple
_____________________________
♦ Modelo con varias variables independientes en

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

103
Análisis de Regresión Múltiple
_____________________________
Elaboración de un modelo lineal:

1. Examinar la relación entre cada variable dependiente y la
variable independiente con el fin de detectar no linearidades.
2. Linearizar toda relación no lineal encontrada, mediante
transformación de variables.
3. Determinar la matriz de correlación simple
4. En dicha matriz, detectar:
a) Variables independientes que tengan una asociación
estadística con la variable dependiente
b) Dependencia entre variables dependientes
5. Estimar los parámetros y medidas de eficiencia de las
ecuaciones de regresión potenciales
6. Analizar los resultados encontrados
104
Guía para elegir el modelo de pronóstico
_____________________________
♦En el pronóstico quiere lograr:

♦ Ninguna conducta o dirección del error de pronóstico.
^
♦ Error = (Y - Y ) = (Real - pronóstico).
i i
♦ Se observa en las representaciones de los errores a lo largo
del tiempo.
♦ Un error de pronóstico más pequeño:
♦ Error cuadrado medio (ECM).
♦ Desviación absoluta media (DAM).

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

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

n
∑ (y i − ˆy i ) 2 2
i =1 ∑ errores de pronóstico
ECM = =
n n
♦Desviación absoluta media (DAM):

n
∑ | yi − ŷ i |
i =1 ∑ |erroresde pronóstico|
DAM = =
n n

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

con un modelo lineal y suavizamiento exponencial. ¿Qué modelo
usará?
Ventas pronóstico del pronóstico del

Suavizamiento
Año 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
Evaluación del modelo lineal
_____________________________
^
Año 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 = Σ Error2 / n = 1,10 / 5 = 0,220
DAM = Σ |Error| / n = 2,0 / 5 = 0,400
109
Evaluación 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 = Σ Error2 / n = 0,05 / 5 = 0,01
DAM = Σ |Error| / n = 0,3 / 5 = 0,06
110
Evaluación del modelo de Suavizamiento
_____________________________
exponencial
Modelo de Suavizamiento exponencial:
ECM = Σ Error2 / n = 0,05 / 5 = 0,01

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

DAM = Σ |Error| / n = 2,0 / 5 = 0,400
111
Señal de rastreo
_____________________________
♦Mide el grado de precisión del Pronóstico

para predecir valores reales.
♦Suma actual de los errores de pronóstico
(SAEP) dividida entre la desviación absoluta
media (DAM):
♦ Una buena señal de rastreo tiene valores bajos.
♦Debe estar dentro de los límites de control
superiores e inferiores.

112
Ecuación de la señal de rastreo
_____________________________
SAEP
Señal de rastreo =
DAM
∑ (y i − ŷ i )
n
= i =1
DAM
=
DAM

113
Cálculo de la señal 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--pronóstico
pronóstico
==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==ΣΣErrores
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==ΣΣ|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==ΣΣ|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--pronóstico
pronóstico
==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==ΣΣErrores
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==ΣΣ|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==ΣΣ|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
Representación de una señal de rastreo
_____________________________
Señal que supera el límite
Señal de rastreo
Límite de control superior
+
Señal de Rastreo
0 Intervalo aceptable
-
Límite de control inferior
Tiempo

127
_____________________________
Señales de rastreo
160 3
140 pronóstico
2
Señal de rastreo
120
Demanda real
100 1
80 0
60 Demanda real
-1
40 Señal 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 Gestión de la Producción I

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

♦ Título: Dirección de la Producción: Decisiones

♦ Título: Dirección y Administración de la Producción y

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

♦ Introducción: ¿Qué es el Pronóstico?

♦ Siete etapas en el sistema de pronóstico

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

♦ Enfoques del Pronóstico

♦ Métodos de pronóstico causal: análisis de regresión

♦ Seguimiento y control de Los Pronósticos

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 análisis histórico del comportamiento

• cambios en las políticas económicas,

♦ Arte y ciencia de predecir

♦ Base de todas las

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

♦ Análisis 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

♦ Pronósticos a corto plazo:

♦ Pronósticos a medio plazo:

♦ Pronósticos a largo plazo:

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

♦ Los pronósticos a medio y largo plazo tratan de

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

♦ Las etapas de introducción y crecimiento necesitan

mientras el producto pasa de la primera a la última

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Introducción Crecimiento Madurez Declive

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

La planificación y desarrollo La pronóstico es muy Estandarización Poca diferenciación del

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

♦ Determinar el objetivo del pronóstico.

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Picos estacionales Componente de tendencia

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

35 Media móvil ponderada

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

♦ Raras veces los pronósticos son perfectos. Influencia

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Métodos cualitativos Métodos cuantitativos

En la práctica, las empresas utilizan una combinación de los dos enfoques

♦ Jurado de opinión ejecutiva:

♦ Requiere un pequeño grupo de directivos:

♦ Cada vendedor estima las ventas

♦ Preguntar a los ¿Cuántas horas

♦ Regresión lineal Modelos

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS

Modelos de series Modelos

Media Suavizamiento Proyección Regresión

USB PS4161 GESTION DE LA PRODUCCION I PRONOSTICOS