Está en la página 1de 12

LOGÍSTICA CLASE VIRTUAL

Pronósticos de series de tiempo


Son el modelo de pronóstico más utilizados por los responsables de operaciones
para realizar proyecciones de la demanda, ya que los otros modelos de
pronósticos cualitativos y causales, requieren que el personal responsable tenga
un amplio conocimiento del mercado.

Media móvil simple


Se emplea cuando la demanda real no presenta altas variaciones en corto
plazo, no tiene una tendencia marcada, ni se muestran estacionalidades.

𝐴𝑡−1 + 𝐴𝑡−2 + ⋯ + 𝐴𝑡−𝑛


𝐹𝑡 =
𝑛
Donde:

Ft es el pronóstico realizado.
At es la demanda real
n el período de tiempo a pronosticar

mientras mayor sea el período de tiempo pronosticado, suele tener menor


variabilidad aunque no implica sea el mejor método.

1
LOGÍSTICA CLASE VIRTUAL

Ejemplo:
Las ventas de uno de los productos de una empresa dedicada a la venta de
productos de limpieza se muestran a continuación:
Mes Ventas
2019
Enero 1295
Febrero 1305
Marzo 1300
Abril 1285
Mayo 1315
Junio 1320
Julio 1345
Agosto 1325
Septiembre 1347
Octubre 1333
Noviembre 1345
Diciembre 1378

Pronosticar las ventas del año 2020 empleando períodos de 3 meses, 4


meses y 6 meses.
Para 3 meses se inicia en el mes de abril y se toman los valores de enero a
marzo.
1295 + 1305 + 1300
𝐹𝑎𝑏𝑟𝑖𝑙 = = 1300
3
Para 4 meses se inicia en el mes de mayo y se toman los valores de enero a
abril.
1295 + 1305 + 1300 + 1285
𝐹𝑚𝑎𝑦𝑜 = = 1296
4
Para 6 meses se inicia en el mes de julio y se toman los valores de enero a
Junio
1295 + 1305 + 1300 + 1285 + 1315 + 1320
𝐹𝑗𝑢𝑙𝑖𝑜 = = 1303
4

2
LOGÍSTICA CLASE VIRTUAL

Los resultados del año completo se muestran en la siguiente tabla:


Mes Ventas Pronostico Pronostico Pronostico 6
2019 3 meses 4 meses meses
Enero 1295
Febrero 1305
Marzo 1300
Abril 1285 1300
Mayo 1315 1297 1296
Junio 1320 1300 1301
Julio 1345 1307 1305 1303
Agosto 1325 1327 1316 1312
Septiembre 1347 1330 1326 1315
Octubre 1333 1339 1334 1323
Noviembre 1345 1335 1338 1331
Diciembre 1378 1342 1338 1336

Si se grafican los resultados se observa que en los tres pronósticos realizados


los valores de la venta son menores a las ventas del año 2019, es decir que
se subestiman los pronósticos sobre la demanda real por lo que se podría
considerar que no es el método más apropiado.
1400

Pronósticos
1380

1360

1340

1320

1300

1280

1260

1240

1220
Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre

Ventas 2019 Pronostico 3 meses Pronostico 4 meses Pronostico 6 meses

3
LOGÍSTICA CLASE VIRTUAL

Promedio móvil ponderado


Se emplea cuando se tiene la premisa que el pasado más reciente tiene un
mayor poder predictivo, lo que permite asignar mayor influencia a ciertos
puntos de la información, colocándole un peso.

𝐹𝑡 = 𝑤1 𝐴𝑡−1 + 𝑤2 𝐴𝑡−2 + 𝑤3 𝐴𝑡−𝑤 + ⋯ + 𝑤𝑛 𝐴𝑡−𝑛


Donde:

Ft es el pronóstico realizado.
At es la demanda real
𝑤𝑛 es la ponderación asignada

La sumatoria de la ponderación debe ser 1, ejemplo 0.8 y 0.2 ó 0.1, 0.3 y 0.6.
0.8 + 0.2 = 1,
0.1 + 0.3 + 0.6 = 1
Empleando el ejercicio anterior

Mes Ventas
2019
Enero 1295
Febrero 1305
Marzo 1300
Abril 1285
Mayo 1315
Junio 1320
Julio 1345
Agosto 1325
Septiembre 1347
Octubre 1333
Noviembre 1345
Diciembre 1378

Se empleará la ponderación 0.1, 0.3 y 0.6 respectivamente. Para el primer


pronóstico se inicia en abril y se multiplica cada ponderación por las ventas de
los meses de enero a marzo.
4
LOGÍSTICA CLASE VIRTUAL

Lo cual queda de la forma siguiente


𝐹𝑎𝑏𝑟𝑖𝑙 = 0.1(𝑒𝑛𝑒𝑟𝑜) + 0.3(𝑓𝑒𝑏𝑟𝑒𝑟𝑜) + 0.6(𝑚𝑎𝑟𝑧𝑜)
𝐹𝑚𝑎𝑦𝑜 = 0.1(𝑓𝑒𝑏𝑟𝑒𝑟𝑜) + 0.3(𝑚𝑎𝑟𝑧𝑜) + 0.6(𝑎𝑏𝑟𝑖𝑙)
Realizando los cálculos
𝐹𝑎𝑏𝑟𝑖𝑙 = 0.1(1295) + 0.3(1305) + 0.6(1300) = 1301
𝐹𝑚𝑎𝑦𝑜 = 0.1(1305) + 0.3(1300) + 0.6(1285) = 1292
Los resultados para cada trimestre se muestran en la siguiente tabla
Mes Ventas Pronostico
2019 3 meses
Enero 1295
Febrero 1305
Marzo 1300
Abril 1285 1301
Mayo 1315 1292
Junio 1320 1305
Julio 1345 1315
Agosto 1325 1335
Septiembre 1347 1331
Octubre 1333 1340
Noviembre 1345 1336
Diciembre 1378 1342

En la gráfica se observa que en la mayoría de los puntos los valores son menores
que los de la demanda por lo que se subestima la demanda en la mayoría de los
meses pronosticados.

5
LOGÍSTICA CLASE VIRTUAL

Pronóstico trimestral
Promedio movil ponderado
1400

1380

1360

1340

1320

1300

1280

1260

1240

1220

Ventas 201 9 Pronostico 3 meses

Si comparamos los resultados con el promedio móvil simple, existe una variación
debido a que en la ponderación asignada se le dio más valor a los datos más
próximos al mes que se pretende pronosticar.

COMPARACIÓN PRONOSTICO MOVIL


SIMPLE Y MOVIL PONDERADO
1400
Ventas 2019 Movil simple Movil ponderado
1380

1360

1340

1320

1300

1280

1260

1240

1220
1 2 3 4 5 6 7 8 9 10 11 12

6
LOGÍSTICA CLASE VIRTUAL

Suavizado exponencial simple


Es otro método utilizado para suavizar las fluctuaciones aleatorias en el
patrón de demanda. No requiere de un gran volumen de datos históricos, es
más preciso por ser un modelo exponencial. Este método emplea una constante
de suavización alfa (α) que tiene un valor que oscila entre 0 y 1, aunque en la
aplicación real el valor se da entre 0.05 y 0.5.
𝐹𝑡 = 𝐹𝑡−1 + ∝ (𝐴𝑡−1 − 𝐹𝑡−1 )
Donde:
0 ≤∝≤ 1

𝐹𝑡 = 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑎 𝑜𝑏𝑡𝑒𝑛𝑒𝑟
𝐹𝑡−1 = 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐴𝑡−1 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑑𝑒𝑙 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟

En la siguiente tabla se muestran las ventas del año 2019 de una empresa
de productos de plástico, incluye el pronóstico realizado para el mes de enero
2020.
Ventas Pronostico
Mes 2019 2020
Enero 4645 4314
Febrero 4553
Marzo 4375
Abril 4246
Mayo 3761
Junio 3889
Julio 4164
Agosto 4578
Septiembre 4904
Octubre 4264
Noviembre 4218
Diciembre 3766

Empleando una constante exponencial ∝ = 0.35

7
LOGÍSTICA CLASE VIRTUAL

Para determinar el pronóstico del mes de Febrero, se emplea el pronóstico del


mes anterior enero 2020 y la demanda del mes de enero de 2019.
𝐹𝐹𝑒𝑏𝑟𝑒𝑟𝑜 = 𝐹𝑒𝑛𝑒𝑟𝑜 2020 + ∝ (𝐴𝑒𝑛𝑒𝑟𝑜 2019 − 𝐹𝑒𝑛𝑒𝑟𝑜 2020 )
𝐹𝐹𝑒𝑏𝑟𝑒𝑟𝑜 = 4314 + 0.35(4645 − 4314) = 4430
𝐹𝑚𝑎𝑟𝑧𝑜 = 4430 + 0.35(4553 − 4430 ) = 4473
Los resultados son los siguientes:
Mes Ventas Pronostico
2019 2020
Enero 4645 4314
Febrero 4553 4430
Marzo 4375 4473
Abril 4246 4439
Mayo 3761 4371
Junio 3889 4158
Julio 4164 4064
Agosto 4578 4099
Septiembre 4904 4266
Octubre 4264 4490
Noviembre 4218 4411
Diciembre 3766 4343
Aunque este modelo tiene mayor precisión que los métodos
anteriores, pero aún se presentan variaciones con respecto a las
ventas del año anterior.

8
LOGÍSTICA CLASE VIRTUAL

Pronóstico suavización exponencial


6000

5000

4000

3000

2000

1000

Ventas 2019 Pronostico 2020

Suavizado exponencial con tendencia


En este modelo también se le conoce como suavizado doble, ya que
agrega una constante de suavización para minimizar el error que
ocurre entre la demanda real y el pronóstico.
Se emplean las constantes de suavización 𝛼 y 𝛽, los valores que se le
otorgan a cada constante depende de la importancia que se le dé a la
información en el caso de 𝛼 si los datos son recientes se le da un valor
alto, si son mas antiguos se les da un valor bajo. En el caso de 𝛽 se
toma el valor mas alto cuando se tienen cambio de tendencia mas
constantes y más bajo cuando no se tienen mayores variaciones en la
tendencia.
Regularmente las constantes de suavización 𝛼 y 𝛽 se obtienen a base
de prueba y error.

9
LOGÍSTICA CLASE VIRTUAL

Se emplean dos fórmulas para establecer el pronóstico.


𝐹𝑡 = ∝ 𝐴1 + (1−∝) (𝐹1 + 𝑇1 )
𝑇2 = 𝛽(𝐹2 − 𝐹1 ) + (1 − 𝛽) 𝑇1
𝐹𝐼𝑇1 = 𝐹𝑡 + 𝑇𝑡

Donde:
𝐴1 = 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 𝑟𝑒𝑎𝑙 𝑑𝑒𝑙 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐹1 = 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝐹2 = 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙
𝑇1 = 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑇2 = 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑒𝑟í𝑜𝑑𝑜 𝑎𝑐𝑡𝑢𝑎𝑙

Ejemplo:

Mes Ventas Pronostico Tendencia Pronóstico


2019 suavizado suavizada con
tendencia
Enero 3582 3950 350 4300
Febrero 4050
Marzo 4140
Abril 4090
Mayo 4215
Junio 4329
Julio 4440
Agosto 4550
Septiembre 4660
Octubre 4806
Noviembre 4651
Diciembre 4477

El pronóstico de la demanda de enero fue de 3950, las ventas reales fueron de 3582 y la
tendencia en ese momento fue de 350. Se le asignó un ∝ = 0.1 y una tendencia al alza de
𝛽 = 0.35

10
LOGÍSTICA CLASE VIRTUAL

1. Determinar el pronostico para el mes de febrero


𝐹𝑡 = ∝ 𝐴1 + (1−∝) (𝐹1 + 𝑇1 )
𝐹𝑓𝑒𝑏𝑟𝑒𝑟𝑜 = ∝ (𝐷𝑒𝑚𝑎𝑛𝑑𝑎𝑒𝑛𝑒𝑟𝑜 ) + (1−∝) (𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜𝑒𝑛𝑒𝑟𝑜 + 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎𝑒𝑛𝑒𝑟𝑜 )

𝐹𝑓𝑒𝑏𝑟𝑒𝑟𝑜 = 0.1(3582) + (1 − 0.1)(3950 + 350)

𝐹𝑓𝑒𝑏𝑟𝑒𝑟𝑜 = 4228.2

2. Determinar la tendencia para el mes de febrero


𝑇2 = 𝛽(𝐹2 − 𝐹1 ) + (1 − 𝛽) 𝑇1
𝑇2 = 𝛽(𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜𝑓𝑒𝑏𝑟𝑒𝑟𝑜 − 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜𝑒𝑛𝑒𝑟𝑜 ) + (1 − 𝛽) 𝑇𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎𝑒𝑛𝑒𝑟𝑜

𝑇2 = 0.35(4228.2 − 3950) + (1 − 0.35) 350


𝑇2 = 325
3. El pronóstico con ajuste a la tendencia, se determina de la forma siguiente:
𝐹𝐼𝑇𝑓𝑒𝑏𝑟𝑒𝑟𝑜 = 𝐹𝑓𝑒𝑏𝑟𝑒𝑟𝑜 + 𝑇𝑓𝑒𝑏𝑟𝑒𝑟𝑜
𝐹𝐼𝑇𝑓𝑒𝑏𝑟𝑒𝑟𝑜 = 4228.2 + 325 = 4553

Los resultados para el año 2020 se muestran a continuación

Mes Ventas Pronostico Tendencia Pronóstico


2019 suavizado suavizada con
tendencia
Enero 3582 3950 350 4300
Febrero 4050 4228 325 4553
Marzo 4140 4503 307 4810
Abril 4090 4743 284 5027
Mayo 4215 4933 251 5184
Junio 4329 5087 217 5304
Julio 4440 5207 183 5390
Agosto 4550 5295 150 5445
Septiembre 4660 5355 118 5473
Octubre 4806 5392 90 5482
Noviembre 4651 5414 66 5481
Diciembre 4477 5398 37 5435

11
LOGÍSTICA CLASE VIRTUAL

Al graficar los pronósticos obtenidos con el modelo de suavización exponencial con tendencia.

Pronóstico de suavizaciòn exponencial con


tendencia
6000
5000
4000
3000
2000
1000
0

Ventas 2019 Pronóstico con tendencia

Como se observa en la gráfica este modelo tiene un pronóstico con valores superiores a las
ventas reales.

12

También podría gustarte