Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Es el arte y la
ciencia que nos
ayuda a predecir
eventos en el
futuro.
??
Base fundamental
para la decisión de
todo negocio en:
Producción
Inventario
Recursos Humano
Materia Prima
Horizontes de tiempo del
pronóstico
Pronósticos a corto plazo
Extensión de tiempo hasta un año,
generalmente son hasta 3 meses.
Planear compras, programar trabajo, mano
de obra y decidir niveles de producción.
Pronósticos a mediano plazo
Extensión entre 3 meses a 3 años
Se utilizará para ventas, producción,
presupuesto, planes operativos.
Pronóstico a largo plazo
Extensión por arriba de los 3 años
Diseño de nuevos productos, expansión de
instalaciones, palnes de I+D
Influencia del ciclo de vida
de los productos
Introducción – Crecimiento – Madurez - Declive
La etapa de introducción y
crecimiento requieren
pronósticos más largos que el
de madurez y declive.
Ciclo de vida de los
productos
Introducción Crecimiento Madurez Declive
Mejor periodo Cambio de precio o Poco tiempo para Costos fuera de
Company Strategy/Issues
Ventas iPods
3 1/2”
Xbox 360 Floppy
disks
Tipos de pronosticos
Pronosticos Economicos
Abordan el ciclo del negocio al predecir
tasas de inflación, suministros de dinero,
construcción de viviendas, etc.
Pronosticos Tecnologicos
Predice la tasa de progreso tecnologico
Impacta en el desarrollo de nuevos
productos
Pronosticos de la demanda
Predice la proyección de la demanda del
producto o servicio.
Importancia de la estrategia
de pronóstico
4. Proyeccion de
tendencias
Modelos
5. Regresión lineal asociativos
Componentes de una serie
de tiempo
Tendencia Ciclo
Estacionalidad Aleatorio
Componentes de la demanda
Tendencia
Demanda del producto or servicio
Picos estacionales
Demanda
actual
Demanda
promedio
Variación durante 4 años
aleatoria
| | | |
1 2 3 4
Year
La tendencia
Es el movimiento gradual hacia arriba o
hacia abajo de los datos en el tiempo.
Cambios de en el ingreso, población,
distribución de edades , etc.
Por lo general son de larga duración
La estacionabilidad
Es un patron que se repite
después de un periodo.
(semanas, trimestres, años,
etc.)
0 5 10 15 20
Variación Aleatoria
Señales generadas en los datos por
casualidad o situaciones inusuales.
No siguen ningun patrón
Corta duración
M T W T F
Medida de precisión de los
pronósticos
El Error de pronóstico permite ver el
funcionamiento de un modelo y nos ayuda a
comparar con otros valores reales u
observados.
error
2
MSE
n
Medida de precisión de los
pronósticos
A veces se utiliza el porcentaje de error
promedio absoluto (MAPE) que es el
promedio de los valores abosultos de los
errores expresados como porcentajes de los
valores reales.
error
real
MAPE x100%
n
Ejemplo: Mes Pronostico Actual
ENE 250 243
La Sra. Smith FEB 320 315
pronosticó el total de MAR 275 286
pacientes por día ABR 260 256
con información del
MAY 250 241
año pasado, Ahora
con la información JUN 275 298
actual, ella reevaluó JUL 300 292
su pronostico. AGO 325 333
Calcular MAD, MSE SEP 320 326
y MAPE para su
OCT 350 378
pronóstico
NOV 365 382
DIC 380 396
MAD = 11.83
MSE = 192.83
MAPE = 0.0375
Método de promedios
móviles
Es una serie de operaciones artimeticas
Se utiliza cuando se supone que las demandas
mantienen estables a lo largo del tiempo
Un pronóstico de promedio móvil para el
periodo n, el cual sirve como una estimación
de la demanda del siguiente periodo se
expresa de la siguiente manera:
Pronostico de
∑ demanda en periodos anteriores
Promedio movil =
n
Método de promedios
móviles
Matematicamente, se describe como
Yt 1 Yt 2 ... Yt n
Ft
n
Donde,
Ft = pronóstico para el periodo t
Yt= valor real en el periodo t
n = número de periodos para promediar
Mes Ventas reales
Enero 10
Febrero 12
Marzo 13
Ejemplo:
Abril 16
Calcular el Mayo 19
pronostico Junio 23
mediante el
Julio 26
método de
Agosto 30
promedios
moviles de Septiembre 28
tres meses Octubre 18
Noviembre 16
Diciembre 14
Enero ????
Método de Promedio movil
Promedio Movil
Mes Ventas reales de 3 meses
Ene 10
Feb 12
Mar 13
Abr 16 (10 + 12 + 13)/3 = 11 2/3
May 19 (12 + 13 + 16)/3 = 13 2/3
Jun 23 (13 + 16 + 19)/3 = 16
Jul 26 (16 + 19 + 23)/3 = 19 1/3
Grafica del promedio movil
Pronostico
30 – (promedio movil)
28 –
26 – Ventas
24 – actuales
22 –
Ventas
20 –
18 –
16 –
14 –
12 –
10 –
| | | | | | | | | | | |
E F M A M J J A S O N D
Método del promedio móvil
ponderado
Se utiliza cuando existe una
tendencia o patrón localizable
La información historica juega un
papel importante
20 – Ventas
Ventas
actuales
15 –
Promedio
10 – Movil
5 –
| | | | | | | | | | | |
E F M A M J J A S O N D
Figure 4.2
Suavizamiento exponencial
Es un método de pronostico movil
ponderado.
Se necesita utilizar una constante de
suavizamiento ()
Rango entre 0 y 1
El valor lo escoge quien pronostica
Implica mantener muy pocos
registros de datos historicos.
Suavizamiento exponencial
Ft = Ft – 1 + (At – 1 - Ft – 1)
where Ft = Nuevo pronostico
Ft – 1 = pronostico del periodo anterior
= constante de suavizamiento (o ponderación)
(0 ≤ ≤ 1)
At – 1 = demanda real del periodo anterior
Suaviazamiento
exponiencial - Ejemplo
En enero un concesionario predijo que en febrero
la demanda de un cierto modelo de Mustang sería
de 142 unidades. La demanda real en febrero fue
de 153. Utilizando la constante de suavizamiento
de = .20, pronosticar a demanda de marzo.
1 180
2 168
3 159
4 175
5 190
6 205
7 180
8 182
9 ?
Suaviazamiento
exponiencial - Ejemplo
Tri Toneladas Pronostico redondeado
descargadas utilizando =0.10
reales
1 180 175
1 180 175
MAD 10.0 12
Impacto con diferentes
225 –
Demanda = .5
200 – Actual
Demanda
175 –
= .1
150 – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Trimestres
Periodo Mes Demanda actual
1 Ene 37
2 Feb 40
3 Mar 41
4 Abr 37
5 May 45
6 Jun 50
7 Jul 43
8 Ago 47
9 Sept 56
37.00
37.00 3.00
Ft = (At - 1) + (1 - )(Ft - 1 + Tt - 1)
Tt = b(Ft - Ft - 1) + (1 - b)Tt - 1
1 12 11 2 13.00
2 17 12.80 1.92 14.72
3 20 15.18 2.10 17.28
4 19 17.82 2.32 20.14
5 24 19.91 2.23 22.14
6 21 22.51 2.38 24.89
7 31 24.11 2.07 26.18
8 28 27.14 2.45 29.59
9 36 29.28 2.32 31.60
10 32.48 2.68 35.16
Suavizamiento exponencial
Exponential Smoothing with
con ajustes de tendencias -
Trend Adjustment
Ejemplo Example
35 –
30 – Demanda actual(At)
Demanda del producto
25 –
20 –
15 –
0 – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Tiempo (mes)
Proyecciones de tendencias
Este técnica ajusta a una recta de tendencia a una
serie de datos puntuales historicos y después
proyecta dicha recta al futuro para obtener
pronósticos de mediano y largo plazo.
Las lineas de tendencia se pueden encontrar
utilizando la técnica de mínimos cuadrados, donde
podemos expresar la ecuación de la recta de la
siguiente manera: ^
y = a + bx
^ = valor calculado de la variable que
y
debe predecirse (valor dependiente)
a = intersección con el eje y
b = pendiente de la recta
x = variable independiente (tiempo)
Método de mínimos
Valores de la variable dependiente cuadrados
Observacion actual Deviacion7
(valor de y)
Deviacion5 Deviacion6
Deviacion3
Deviacion4
Deviacion1
(error) Deviacion2
^ = a + bx
Linea de tendencia, y
Periodo de tiempo
Método de mínimos
Valores de la variable dependiente cuadrados
Observacion actual Deviacion7
(valor de y)
Deviacion5 Deviacion6
Periodo de tiempo
Método de mínimos
Least cuadrados
Squares Method
Ecuaciones para el cálculo para cualquier recta
de regresion
Método de mínimos
Least Squares Method
cuadrados - Ejemplo
Método de mínimos
Least Squares Example
cuadrados
Tiempo Demanda de la
Año Periodo (x) Energia Electr x2 xy
2001 1 74 1 74
2002 2 79 4 158
2003 3 80 9 240
2004 4 90 16 360
2005 5 105 25 525
2005 6 142 36 852
2007 7 122 49 854
∑x = 28 ∑y = 692 ∑x2 = 140 ∑xy = 3,063
x=4 y = 98.86
140 –
130 –
120 –
110 –
100 –
90 –
80 –
70 –
60 –
50 –
| | | | | | | | |
2001 2002 2003 2004 2005 2006 2007 2008 2009
año