Capítulo3.

Pronósticos
Capítulo 3

Pronósticos

Un tipo de información necesaria para efectuar este proyecto es la demanda de los

productos. Una forma de conocer la demanda en el futuro es usando un método de

pronósticos.

3.1 Definición de pronósticos

Los pronósticos pueden medir o cuantificar la variabilidad de la demanda durante un

tiempo esperado, a su vez, puede ser de utilidad para la planeación de niveles de existencia

de seguridad en el almacén. 1

Pronosticar es el arte de especificar información significativa acerca del futuro. Se

menciona que los pronósticos jamás son perfectos debido a que, básicamente, se utilizan

métodos que generan pronósticos sobre la base de información previa. Los pronósticos

serán menos confiables mientras mayor sea el horizonte a pronosticar.

A continuación se hace referencia a algunos métodos de pronósticos:

• Promedio móvil

• Suavización exponencial simple

• Suavización exponencial doble

• Winters

• Regresión

1
Narasinhan Sim, Planeación de la Información y Control de inventarios, p 91, 1999, Ed. Allyn and Bacon

19
 Capítulo3. Pronósticos

3.2 Errores en los pronósticos

Una de las formas que existen para saber si un pronóstico dará buenos resultados es

mediante la medición de sus errores. Algunos de los tipos de errores, se presentan a

continuación:

• Error promedio (AE)

• Desviación Absoluta Media (MAD)

• Error Cuadrado Medio (MSE)

• Desviación Típica de los Errores (SDE)

• Error Porcentual (PE)

• Error Porcentual Medio (MPE)

• Error Porcentual Absoluto Medio (MAPE)

La medida que se va utilizar para saber que pronóstico es el adecuado, se basara en

un conocimiento que no tiene fundamentos pero que en la vida diaria a traído grandes

resultados, el cual es que el error MAPE sea menor al 20% esto nos indicara que nuestros

pronósticos son los adecuados y que tendrán una gran posibilidad de ser unos pronósticos

acertados.

3.3 Pronósticos Mediante la Descomposición de Series de Tiempo

Se pone especial atención en este método de pronósticos debido a que, nuestro

proyecto este método es el más adecuado, como se demostrará más adelante.

20
 Capítulo3. Pronósticos
El análisis de una serie de tiempo consiste en la descripción y medición de varios

cambios y movimientos, tal como aparecen en la serie durante un periodo de tiempo. Estos

cambios o movimientos pueden clasificarse como siguen:2

• Tendencia Secular. Es el crecimiento ó disminución de los datos a lo largo de un

periodo dilatado.

• Variaciones Residuales, Accidentales o Aleatorias. Son perturbaciones poco usuales

como guerras, desastres, huelgas u otros accidentes no recurrentes.

• Movimiento Cíclico. Es la oscilación de la prosperidad a la recesión, depresión

recuperación y vuelta de nuevo al periodo de prosperidad. Este movimiento varía

en tiempo, longitud e intensidad.

• Variación Estacional. Es el movimiento, más o menos regular, que se presenta con

un periodo de 12 meses. Este movimiento se observa un año tras otro, y es debido al

cambio de estaciones.

Este modelo se selecciona en base ha:3

• Horizonte del pronóstico

• Disponibilidad de datos

• Precisión requerida

3.4 Comportamiento de la demanda de Grupo Mexicano de Agua

Antes de poder pronosticar se tiene que estudiar la demanda de los productos, se

demostrara la demanda del año 2001 y 2002 como el primer trimestre del 2003, ya que

antes no llevaban un control sobre las ventas, por consiguiente, la empresa no cuenta con

2
Richard J. Tersine, Principles of inventory and materials management. P 44-46, 1999, Ed. North-Holland
3
Planeación y Control de la Producción. (Apuntes clase)

21
 Capítulo3. Pronósticos
los datos necesarios para ver como se comportaban las ventas en años atrás. Las ventas de

los refrescos que comportaron de la siguiente manera:

AÑO MES AGUA MIN. MZANA. TJA. PCO. MAND. PIÑA MNITA.
2001 ENE 773 2696 7112 5439 8483 6405 19824
FEB 1114 2648 5765 4895 7344 6111 18113
MAR 1773 3549 9140 5724 8368 6153 19158
ABR 1521 4186 8940 6745 10365 6921 25039
MAY 1567 3785 8685 7250 9082 7645 22458
JUN 1434 4186 8740 6898 9874 7285 22822
JUL 1281 5850 12621 9347 14913 10540 36007
AGO 1823 3950 11012 7306 12039 9587 28999
SEP 1466 4035 8616 6501 9989 6670 24133
OCT 1058 3649 9570 7635 10827 7799 25639
NOV 1583 3824 8774 7324 9175 7723 22688
DIC 5240 6819 19199 12853 17844 13530 36210
2002 ENE 801 3485 9659 8725 12016 8647 24977
FEB 1106 3630 8306 7000 9174 6684 23078
MAR 1387 3833 8576 6953 9453 7039 23320
ABR 1449 3987 8514 6424 9871 6591 23847
MAY 1607 3882 8908 7436 9315 7841 23034
JUN 1485 4336 9052 7145 10227 7545 23638
JUL 1245 5713 12325 9128 14563 10293 35163
AGO 1860 4031 11237 7455 12285 9783 29591
SEP 1449 3987 8514 6424 9871 6591 23847
OCT 1030 3573 9408 7513 10639 7674 25186
NOV 1607 3882 8908 7436 9315 7841 23034
DIC 5224 6780 19110 12779 17751 13452 35980
2003 ENE 1546 4230 11004 7970 12961 9927 31322
FEB 2228 4086 8762 7456 11630 9994 28534
MAR 3545 5821 15421 9130 13584 9959 30543

3.5 Estacionalidad y tendencia.

Si se observan la gráfica, se pueden notar dos puntos altos ubicados a la mitad y al

final de cada año. Esto nos muestra que hay un tipo de estacionalidad. Se puede hablar de

que existe un factor de tendencia debido que en esas fechas la gente celebra mucho, a mitad

de año por las graduaciones y festejos, y a final de año por las fiestas de navideñas y de fin

de año.

En la siguiente figura se puede observar claramente la estacionalidad:

22
 Capítulo3. Pronósticos

Demanda de los Productos

40000
35000 AGUA MIN.
30000 MZANA.
25000 TJA.
20000 PCO.
15000 MAND.
10000 PIÑA
5000 MNITA.
0
DIC

DIC
MAR
ABR
JUN

MAR
ABR
JUN

MAR
ENE
FEB

MAY

SEP
NOV
ENE
FEB

MAY

SEP
NOV
ENE
FEB
JUL

JUL
AGO

AGO
OCT

OCT
2001 2002 2003

Como los datos que se tienen de la demanda de grupo mexicano de agua son una

serie de tiempo, es decir, se relacionan a la variable con el tiempo, solo se tomaron en

cuenta los modelos de series de tiempo.

Para escoger que modelo de serie de tiempos es el más adecuado, se tomarán en

cuenta el que menor error absoluto tenga, tomando encuentra que tiene que ser menor a 20.

En la siguiente tabla se muestra una serie métodos para pronosticar series de tiempo, se

tomara como se dijo antes el que tenga el menor error posible.

AGUA
Mape MIN. MZANA. TJA. PCO. MAND. PIÑA MNITA.
Descomposición 19 7 9 8 7 8 7
Doble
Exponencial 38 19 22 16 17 17 14
Winters 22 8 10 8 8 9 7 Level 0.25
Trend 0.25
Season 0.2
Winters 24 9 12 10 9 10 8 Level 0.2
Trend 0.2
Season 0.2

23
 Capítulo3. Pronósticos
El método que se escogió por ser el más apto con la realidad según la experiencia de

la C.P. Rosario Flores, que es la encargada de ventas de Grupo Mexicano de Agua, y aparte

por arrojar el MAPE más pequeño de los métodos que se presentaron anteriormente fue el

método de descomposición.

En el anexo 1 se encuentran los resultados que nos arrojo el programa Minitab al

introducir los datos y desarrollar el método de descomposición.

A continuación observaremos los pronósticos que nos arrojo el método escogido:

AGUA
MES MIN. MZANA. TJA. PCO. MAND. PIÑA MNITA.
Pronostico ABR 1986 4904 12721 8902 14276 10758 33128
Pronostico MAY 2741 4596 11676 8454 12542 10778 30211
Pronostico JUN 4207 5907 15710 9928 15044 11547 33099
Pronostico JUL 2255 5145 13790 9434 15304 11716 35089
Pronostico AGO 3096 4818 12630 8949 13425 11710 31964
Pronostico SEP 4729 6188 16959 10498 16078 12517 34984
Pronostico OCT 2524 5386 14859 9965 16333 12674 37051
Pronostico NOV 3452 5040 13584 9444 14308 12642 33718
Pronostico DIC 5251 6469 18209 11069 17112 13488 36869

En el próximo capítulo se llevara acabo un MPS (Master Production Schedule) para

ayuda a la empresa. Lo cual se explicará en el siguiente capítulo.

Los pronósticos nos van ayudar a decidir el curso de la acción que se tomara para la

realización del MPS, ya realizado ver cual es el MPS que nos conviene para el mes

deseado.

24