Planeamiento y Control de la

Producción

Pronósticos – Parte I
Definición.
 Arte y ciencia de predecir los eventos
futuros.

 Estimación en situaciones de incertidumbre

 Pronóstico K Planeación

Pronóstico: Planeación:
Lo que se cree que Lo que se considera que
sucederá en el futuro sucederá en el futuro.
Técnicas de Pronóstico
 CUALITATIVAS:
◼ Técnicas subjetivas. Utilizan información
cualitativa (experiencia de expertos).
 CUANTITATIVAS:
◼ Se basan en datos numéricos y utilizan
herramientas matemáticas y estadísticas
para su elaboración.
Técnicas Cualitativas
 Técnicas acumulativas

 Investigación de mercados

 Grupos de consenso

 Analogía histórica

 Método de Delfos
TÉCNICAS CUANTITATIVAS

 Información:
◼ Requieren de datos históricos de las
variables involucradas.

 Supuesto:
◼ El patrón histórico de las variables
seguirá siendo válido en el futuro
analizado
TÉCNICAS CUANTITATIVAS

• ANÁLISIS DE SERIES DE TIEMPO:

• Métodos de descomposición y modelos ARIMA
(autorregresivos, integrados y promedios
móviles).
• Ajuste de curvas y métodos de
suavizamiento. Los patrones observados en el
pasado se proyectan al futuro.
• MODELOS CAUSALES:
• Modelos de regresión
• Modelos econométricos.
• MODELOS DE SIMULACIÓN
ETAPAS DE UN PRONÓSTICO

 Definir el propósito.
 Recolectar datos: fuentes primarias o
secundarias.
 Preparar los datos: ordenar y clasificar.
 Seleccionar la técnica adecuada:
cualitativa o cuantitativa.
 Ejecutar el pronóstico: estimar errores.
 Dar seguimiento: confrontar con
información actual.
PRONÓSTICOS POR SERIES DE
TIEMPOS
 Predicen bajo la suposición que el
futuro es una función del pasado.
 Se descomponen en cuatro
elementos:
◼ Tendencia
◼ Estacionalidad
◼ Ciclos
◼ Variación Aleatoria.
Componentes
 Tendencia: movimiento gradual, ascendente o
descendente, de los datos en el tiempo.
 Estacionalidad: patrón de datos que se repite
después de un período de días, semanas, meses o
trimestres.
 Ciclos: patrones en los datos que se repiten
después de varios años.
 Variaciones Aleatorias: señales en los datos
generado por casualidad o situaciones inusuales.
Promedios Móviles
 Usa un número de valores de datos
históricos reales para generar un
pronóstico.
 Matemáticamente:
Promedios Móviles Ponderados
 Se usa cuando se presenta una tendencia
en los datos históricos.
 Matemáticamente:
Suavizamiento exponencial
 Variación del método de pronóstico de
promedios móviles.
Ejemplo 1.
 Las ventas de placas MDF en Donna´s Supply se
muestran a continuación:
Mes Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic

Ventas 10 12 13 16 19 23 26 30 28 18 16 14
reales

 Calcular el pronóstico para enero y febrero del

siguiente año utilizando medias móviles de 3
períodos.
Ejemplo 2.
 Donna´s Supply ha decidido ponderar los valores
más recientes con diferente peso y los ha ordenado
con 30%, 20% y 10$ respectivamente
Mes Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic

Ventas 10 12 13 16 19 23 26 30 28 18 16 14
reales

 Calcular el pronóstico para enero y febrero del

siguiente año utilizando medias móviles
ponderadas de 3 períodos.
Ejemplo 3.
 En enero un distribuidor de
automóviles predijo que la demanda
para febrero sería de 142 Ford
Munstang. La demanda real de
febrero fue de 153 autos. Si la
administración eligió una constante
de suavizado de 0,20, pronosticar la
demanda de marzo.
Medición del error del pronóstico
Error del pronóstico = valor real – valor pronosticado

Las tres medidas más comunes son:

 Desviación Absoluta Media (MAD)

 Error Cuadrático Medio (MSE)

 Error Porcentual Absoluto Medio (MAPE)

Desviación Absoluta Media