Su objetivo general es de resolver problemas de

planeamiento , organizacion y control de la

produccion
aplicando
a
organizaciones
industriales y de servicios, garantizando las
exigencias de calidad y productividad por parte
de productores y consumidores.
Es un componente importante de la planeación estratégica
y operacional.
Su finalidad es de satisfacer demandas futuras, estimando
ventas
Se debe entender que los esfuerzos del pronosticador
proporcionan una indicacion, pero no la ultima palabra
acerca de las condiciones futuras
PRONOSTICO
Es un proceso de estimación
de un acontecimiento futuro
proyectando hacia el futuro
datos del pasado.

PREDICCION
Es un proceso de estimación de un
suceso futuro basandose en
consideraciones subjetivas no
necesariamente predeterminadas.

COMBINACION
1.- PRONOSTICOS CUALITATIVOS
Incorporan factores importantes tales como la intuicion, emociones,
experiencias y/o variables causales para pronosticar la demanda.
Son usados cuando los productos son nuevos o cuando los datos no son
confiables, entre ellos se tienen:
Encuestas de mercado
Juicio bien formado
Metodo Delphi
Analogía de los ciclos de vida
ENCUESTA DE MERCADO
Se solicita información de los
clientes potenciales acerca de sus
planes futuros de compra y de las
condiciones de mercado

JUICIO BIEN FORMADO

Este método toma la opinion de un
pequeño grupo de administradores de
alto
nivel
basandose
en
la
experiencia, en presentimientos o
hechos acerca de la situación
METODO DELPHI
El método se desarrolla mediante un grupo de expertos que deben
contestar a una serie de preguntas en vueltas sucesivas. En cada
vuelta se retroalimenta a todos los participantes con las respuestas
anónimas del grupo al final los participantes convergen hacia un
resultado. Se suelen usar de tres a seis vueltas para obtener
convergencia en el pronóstico.

ANALOGIA DE LOS CICLOS DE

VIDA
Basado en el ciclo de vida de un
producto, empezando por la fase
de introducción, crecimiento y
saturación de productos similares.
2.- PRONOSTICOS CUANTITATIVOS
Para productos existentes en el mercado, con datos confiables.

VENTAS
REALES
DR

Funcion de transformacion
y = f (x)
(Modelo matematico)
CONTROL
(DR-DP)

Entre los pronosticos cuantitativos se tienen :

Modelos de series de tiempo
Modelos causales

VENTAS
PRONOSTICADAS
DP
2.1. MODELOS DE SERIES DE TIEMPO Predicen sobre la base de la
suposición de que el futuro es una función del pasado.

Promedio Aritmético
Promedio Movil
Promedio Movil Ponderado
Promedio Movil Suavizado Exponencial

2.2 MODELOS CAUSALES (Causa – Efecto) Incorpora al modelo las

variables o factores que pueden influenciar la cantidad que se
pronostica.
Analisis de Regresion Lineal
Coeficiente de Correlación
Cálculo estimativo del error en pronóstico
2.1.1 PROMEDIO ARITMETICO SIMPLE
Se usan este tipo de pronósticos cuando las demandas tienen
variaciones pero con una tendencia de tipo constante.
CALCULOS DE PRONOSTICOS
Funcion de transformacion

x =
Entrada
de datos
reales

 x1
n

S=

(x1 – x)2

n-1
Limites de control para Distribucion
normal:
Z=1
NC = 68%
Z=2
NC = 95%
LSC = x+ Z*S
Z=3
NC = 99.7%
LCS = x – Z*S

Salida de
informacion
-Pron. Calculado
-Dem. Max. Mens.
-Dem. Min. Mens.

nomenclatura
Registradas las ventas del primer y segundo año de un
determinado producto se pide:
MES
DR 1 Año
DR 2 Año

E
F
M
A
M
J
J
A
S
O
N
D
327 354 324 435 330 378 351 396 375 384 429 330
393 402 441 375 390 384 381 327 405 390 360 330

a) Graficar las ventas reales

b) Calcule las ventas del tercer año
c) Cuales son las ventas maximas y minimas esperadas del
tercer año?, tomar en cuenta un NC del 95%
Es una variacion del promedio simple, se toma en
cuenta los ultimos datos, para sacar los promedios
pudiendo agruparse de 3, 4 o mas meses llamados
clases o periodos, actualizando siempre los datos.
Esta tecnica se usa cuando las ventas tengan una
tendencia de tipo constante

PM (k) =

Xi

k
K = clase

DESVIACION ABSOLUTA MEDIA

Esta tecnica mide las desviaciones que hay entre las ventas reales y las
pronosticadas de cada mes, esta diferencias son en valor absoluto.

MAD =

 ( DRI – DPI)
k

DR = Demanda Real
DP = Demanda Pronosticada
K = Numero de datos
Una tienda de abarrotes vende el siguiente numero de pavos
congelados durante la semana anterior a la fecha del dia de
accion de gracias:
DIA
LUNES
MARTES
MIERCOLES
JUEVES
VIERNES
SABADO

PAVOS VENDIDOS
50
30
60
20
70
90

CALCULAR:
a) Promedio Movil de clase 3 y 5
b) Desviacion absoluta media para ambas clases o periodos
Es un modelo de promedio movil que incorpora algun peso de la
demanda anterior distinto a un peso igual para todos los periodos
anteriores bajo consideracion.

X = W1* X1+W2*X2+………..+Wm*Xm
W1 + W2 + ………+ Wm

Donde :
W = factor ponderador (%)
Un fabricante de veneno para hormigas ha experimentado la
siguiente demanda mensual para un veneno de plagas mejorando
segun el ambiente.

MES
Febrero
Marzo
Abril
Mayo
Junio

DEMANDA Art. 201

(veneno en unidades)
620
840
770
950
1000

¿Cual es el pronostico para el proximo mes, si se da una

ponderacion de 50% al ultimo mes, 30% al anterior y de 20% al que
antecede.
Este modelo debe usarse normalmente cuando tengan demandas
muy irregulares pero una tendencia constante. Resulta de una
combinacion del promedio aritmetico y el promedio movil, para el
calculo se requiere de tres datos que son: La demanda real mas
reciente, el ultimo pronóstico y un peso o factor ponderador que
varia entre 0 y 1.

Para dar valor de a se

requiere
de
cierta
experiencia; pero si no
tiene puede acudirse a
usar el MAD.

Se dara un valor de a proximo a

cero, si las demandas tiene poca
variacion…….valores como 0.1 –
0.2 – 0.3.
Si las demandas tienen mucha
variacion,
es
considerada
inestable, puede darse valores
proximo a 1, como 0.9 – 0.8 – 0.7.
Pronostico de la
Demanda
del
Periodo siguiente

Ft = a D
EJEMPLO Si D

t-1

t-1

Demanda mas
reciente

+ (1-a) Ft-1

= 100 unid.

( 1- a)

Pronostico mas
reciente

Donde:
a = factor ponderador o peso
, varia entre 0 y 1

Ft-1 =120

a = 0.2

Calcular la demanda pronosticada del proximo periodo

Ft = a D t-1 + (1-a) Ft-1 = 0.2 *100 + (1-0.2)120 = 116

Si damos un peso mayor, a = 0.8
Ft = a D

t-1

+ (1-a) Ft-1 = 0.8 *100 + (1-0.8)120 = 104

Peso
bajo
se
aproxima al valor
pronosticado
Peso
mayor
aproxima
a
demanda real

se
la
Una pequeña empresa de electronica produce calculadoras de
bolsillo y mensualmente controla la demanda de los articulos.
Los siguientes datos , de demanda son en el caso de una
calculadora representativa: noviembre 45; diciembre 57; enero
60.
Usando a 50 como el pronostico de noviembre segun el suavizado
exponencial, obtener el pronostico de ventas para febrero.
Usado cuando el comportamiento de las ventas son ascendentes o
descendentes

VENTAS
REALES

DR

FUNCION DE TRANSFORMACION
LINEAL
y = A + Bx
POTENCIAL

y = A * xB

VENTAS
PRONOSTICADAS

DP

CONTROL

La validez de la proyeccion por regresion depende del grado en que

esten asociados entre si las variables.
Se debe comprobar la relacion de causalidad directa o indirecta
entre 2 variables (coeficiente de correlacion r) -1 ≤ r ≤ 1
Si el comportamiento de las ventas fuera del tipo lineal, debe
trazarse una tendencia central por medio de una funcion lineal, para
ello debe conocerse la pendiente (B) y la ordenada del origen (A).

Y = A+ BX
A=

 y – B x
n

 x* y - x y
n x2 – (x)2

B=n
La demanda para cirugias de transplante de riñon en un clinica ha
crecido constantemente en los años pasados, como se aprecia en la
siguiente tabla:

AÑO
1
2
3
4
5
6

Cirugías hechas
en La Clínica
45
50
52
56
58
?

¿Cual sera el numero de cirugias realizadas en el año 6?

Es una forma de expresar la naturaleza de la relacion entre dos
variables. Otra forma de evaluar la relacion entre dos variables es
mediante el calculo del coeficiente de correlacion. Esta medida
expresa el grado o fuerza de la relacion lineal .
El coeficiente se define como r , puede ser cualquier numero entre
+1 y -1. La ecuacion para r es:

r=

n xy –x y
nx2 – (x)2  n y2 – (y)2

Si r varia de -0.3 hasta +0.3 no existe correlacion

Si r varia de menos de -0.8 a -0.3 y +0.3 a menos de +0.8 correlacion debil
Si r varia de menos de -0.8 a -1 y +0.8 a +1 hay correlacion fuerte
En el ejemplo 5 observamos la relacion entre la demanda de
transpalantes de riñon y los años.
Se pide calcular el coeficiente de correlacion con los datos
siguientes:

AÑO
1
2
3
4
5
6

Cirugías hechas
en La Clínica
45
50
52
56
58
?
Para medir la exactitud de los estimados en la regresion es
necesario calcular el error estandar estimado conocida tambien
como desviacion estandar de la regresion .

Syx =
Donde:

Yi = Demanda real
Y = Demanda pronosticada
n = numero de periodos

(yi- y)2
n-2
La empresa body club tubo las siguientes demandas mensuales
en los ultimos dos años:
VENTAS REALES DEL 1er Y 2DO AÑO

MES
E
F M A M
J
J
A
S
O N
D
DR AÑO 1 101 125 108 131 132 145 125 147 155 163 176 153
DR AÑO 2 159 178 174 181 202 190 196 192 188 185 187 192

a) Calcular el pronostico mensual de ventas para el tercer año.

b) Calcular las ventas maximas y minimas esperadas mensuales
para un nivel de confianza del 95%.
DATOS ADICIONALES

A = 113.78
B = 3.85
r = 0.92