GERENCIA DE

PRODUCCIÓN
 

 
 
Pronósticos I  

 
 
 
 

   
 
 

 
 
 
 

 
 
 

 
 
 
 

 
 
 

   
  

1. ÍNDICE  
 

1. ÍNDICE  
 
2. INTRODUCCIÓN  
 
3. OBJETIVO  GENERAL  
 
4. OBJETIVOS  ESPECÍFICOS  
 
5. DESARROLLO  TEMÁTICO  
 
5.1 Recomendaciones  académicas  

Desarrollo  de  cada  una  de  las  unidades  temáticas  

2. INTRODUCCIÓN  
 
Se   propone   en   este   documento   presentar   a   los   estudiantes   los   conceptos   básicos   necesarios  
para  desarrollar  pronósticos  para  series  estacionarias  y  con  tendencia,  así  como  las  medidas  de  
desempeño  que,  por  excelencia,  permiten  verificar  qué  tan  bien  se  ajustan  tales  métodos  a  una  
serie  de  datos  históricos,  en  particular.  

También   se   presentará   una   serie   de   ejercicios   relacionados   con   el   tema   en   cuestión,   para  
reforzar   los   conocimientos   adquiridos.   Esto   en   virtud   del   objetivo   general   del   módulo,  
consistente   en   generar   en   los   estudiantes   las   capacidades   necesarias   para   desarrollar   los  
métodos  de  pronósticos  simples.  

 
 
3. OBJETIVO  GENERAL  
 
Al   finalizar   el   módulo   los   estudiantes   reconocerán   las   medidas   de   desempeño   que   permiten  
evaluar  un  método  de  pronóstico  en  particular,  así  como  los  mismos  métodos  en  general.  
 
 
 
 
 

 
2   [ POLITÉCNICO GANCOLOMBIANO]
  

4. OBJETIVOS  ESPECÍFICOS  
 

Al  finalizar  la  segunda  semana  de  aprendizaje,  el  estudiante:  

4.1 Identificará   los   conceptos   relacionados   con   el   comportamiento   de   la   demanda   como  

punto  de  partida  para  determinar  el  método  de  pronóstico  a  emplear.  

4.2 Sabrá  formular  pronósticos  empleando  los  métodos  simples  y  dobles.  

Determinará,   a   través   de   las   diferentes   medidas   de   desempeño,   cuándo   un   método   de  

pronóstico  es  más  adecuado  que  otro.  

5. DESARROLLO  TEMÁTICO  
 
5.2.1   Introducción  a  los  pronósticos  
 
Los  pronósticos  permiten  estimar  el  valor  futuro  para  un  conjunto  de  variables  de  interés.  Para  
realizar  esta  estimación,  los  pronósticos  pueden  estar  basados  en:  

• El  comportamiento  histórico  (series  de  datos).  

• La  relación  con  otras  variables  (causa-­‐efecto  /  análisis  de  regresión).  
• Opinión  de  expertos  (métodos  cualitativos  /  Delphi).  

El  objetivo  de  estos  pronósticos  en  el  ambiente  de  producción,  consiste  en  establecer  un  marco  
de  referencia  para  la  planeación  y  gestión  dentro  de  la  planta  de  producción.  

Los  parámetros  que  definen  un  pronóstico  son:  

• Variables.  
• Horizonte  de  planeación  (número  de  periodos  para  los  cuales  se  pronosticó).  
• El  periodo  (unidad  de  tiempo  base  sobre  la  que  se  define  el  horizonte).  
• Frecuencia  de  revisión.  

 
[ GERENCIA DE PRODUCCIÓN] 3
  

Para  un  correcto  desarrollo  de  los  pronósticos,  deben  tenerse  en  cuenta  las  siguientes  etapas:  

1. Definición  del  objetivo.  

2. Recolección  de  la  información  (datos).  
3. Evaluación  y  selección  de  la  técnica.  
4. Ejecución  del  pronóstico.  
5. Seguimiento  del  pronóstico.  

Datos  históricos
  Modificación  

Modelo  matemático

  Demanda  
  Real
Pronósticos    
Evaluación  humana
 
estadísticos  

Pronóstico  de   Cálculo  del  error  

demanda de  pronóstico

 
 

Por   otra   parte,   dentro   de   las   características   más   relevantes   de   los   pronósticos,   podemos  
encontrar  las  siguientes:  

• Normalmente   están   equivocados,   son   sólo   una   especulación,   por   ello   debe   ser   fácil  
reaccionar  ante  errores.  

 
4   [ POLITÉCNICO GANCOLOMBIANO]
  

• Un   buen   pronóstico   también   da   una   medida   de   error.   Saber   que   son   equivocados   nos  
permite  calcular  cierta  medida  de  error.  
• Los  pronósticos  agregados  son  más  exactos.  La  variación  del  promedio  de  una  colección  de  
variables   aleatorias   independientes,   idénticamente   distribuidas,   es   menor   que   la   variación   de  
cada   una   de   las   variables.   “La   variación   de   la   muestra   media   es   menor   que   la   variación   de   la  
población”.  
• Entre  más  lejano  sea  el  horizonte  de  pronóstico,  menos  exacta  será  la  predicción.  
• Deben   tener   en   cuenta   toda   la   información   que   tengan   a   disposición   (ejemplo:   si   sé   que  
existirá  una  promoción,  así  los  datos  no  me  lo  digan,  debo  estar  en  la  capacidad  de  incluir  esta  
información).  

Finalmente,  los  métodos  de  pronóstico  pueden  clasificarse  en:    

• Cualitativos.  Como  su  nombre  lo  indica,  se  basan  en  el  juicio  humano  y  se  emplean  cuando  
no  se  cuenta  con  información  histórica  para  realizar  la  estimación  de  la  variable  de  interés.  En  el  
ámbito   de   la   producción   este   método   suele   emplearse   cuando   se   trata   de   un   producto  
completamente  nuevo.  Algunos  de  estos  método  son:  
 
- Encuestas  a  los  clientes.  
- Juicio  de  la  persona  que  conoce  el  tema.  
- Método  Delphi.  
 
• Cuantitativos.   Como   su   nombre   lo   indica,   son   aquellos   derivados   de   un   análisis   de   datos.  
Pueden  dividirse  en:  
 
- Métodos  de  series  de  tiempo.  Son  aquellos  métodos  que  usan  valores  pasados.  Se  emplean  
comúnmente   en   aplicaciones   de   planeación   de   operaciones.   Una   característica   de   estos  
métodos  es  que  tratan  de  aislar  algunos  patrones  presentes  en  la  serie;  estos  patrones  pueden  
ser:  
 
Tendencia.  Una  serie  de  datos  puede  exhibir  un  patrón  estable  de  crecimiento  o  declive.  
 
Estacionalidad.  Patrón  que  se  repite  en  intervalos  fijos.  
 
Aleatoriedad.  No  existe  un  patrón  reconocible  para  los  datos  (estacionario).  
 
- Modelos   causales:   Usan   datos   provenientes   de   fuentes   distintas   a   las   series   que   están  
pronosticando.    
 

 
[ GERENCIA DE PRODUCCIÓN] 5
  

Ejemplo.   Sea   Y   un   fenómeno   a   pronosticar,   y   X1,   X2,   X3,   variables   relacionadas   con   Y.   El  
pronóstico  para  Y  será  cierto,  función  de  dichas  variables  Y=f(x1,  x2,  x3).  
 
El  método  causal,  por  excelencia,  suele  ser  la  regresión  lineal.  
 
 
5.2.2 Evaluación  de  los  métodos  de  pronóstico  
 
Antes   de     a   penetrar   los   diferentes   métodos   de   pronóstico,   aprenderemos   a   evaluar   cuándo   un  
método   es   adecuado   y   se   ajusta   realmente   al   comportamiento   de   la   demanda.   Partiremos  
entonces,  del  supuesto  de  que  ya  sabemos  calcular  los  pronósticos  y  que  queremos  evaluar  qué  
tan   bien   o   qué   tan   mal   están   reflejando   el   comportamiento   de   los   datos   históricos   sobre   los  
cuales  fueron  calculados.  A  partir  de  lo  anterior.  se  definirán  entonces  las  siguientes  medidas  de  
desempeño:  

 
5.2.2.1 Errores  
 

El  error  se  define  como  la  diferencia  entre  el  pronóstico  para  el  periodo  T,  y  el  valor  real  de  la  
serie  realizado  para  el  periodo  T.  

𝐷! = 𝐷𝑎𝑡𝑜  𝑐𝑜𝑛𝑜𝑐𝑖𝑑𝑜  𝑑𝑒  𝑙𝑎  𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒  𝑑𝑒  𝑖𝑛𝑡𝑒𝑟é𝑠  

𝐹! = 𝑃𝑟𝑜𝑛ó𝑠𝑡𝑖𝑐𝑜  
𝑒! = 𝐸𝑟𝑟𝑜𝑟  
 

𝑒! = 𝐹! − 𝐷!  
 

Existen  varias  medidas  comunes  para  estimar  el  error  de  pronóstico,  éstas  son:  

• Error  Medio  (EM)  

!
!!! 𝑒!
𝑀𝐸 =  
𝑇
 
Nos  dice  “qué  tan  centrados  o  descentrados  están  los  pronósticos  de  los  originales”.  
 
• Desviación  Media  Absoluta  (MAD)  

 
6   [ POLITÉCNICO GANCOLOMBIANO]
  

 
!
!!! |𝑒! |
𝑀𝐴𝐷 =  
𝑇
Nos  da  la  idea  en  términos  de  magnitud.  Suele  ser  la  medida  preferida  para  medir  el  error  de  
pronóstico.  

• Error  Cuadrático  Medio  (MSE)  

 
! !
!!! 𝑒!
𝑀𝑆𝐸 =  
𝑇
 
Similar  a  la  varianza  de  una  muestra  aleatoria.  

• Error  Porcentual  Medio  Absoluto  (MAPE)  

 
! 𝑒!
!!! 𝐷!
𝑀𝐴𝑃𝐸 =  
𝑇
Elimina   ambigüedad   de   unidades,   ya   que   no   depende   de   la   magnitud   de   los   valores   de   la  
demanda.  

 
5.2.2.2 Desviación  Estándar  del  Error  
 
La  desviación  estándar  es  la  medida  de  dispersión  por  excelencia.  A  partir  de  ella,  si  se  considera  
que  los  errores  están  normalmente  distribuidos,  una  aproximación  de  la  desviación  estándar  del  
error  es:  
 
𝜎! ~1,25  𝑀𝐴𝐷  
 

Finalmente,  una  vez  se  tengan  estos  indicadores,  debe  tenerse  en  cuenta  que  no  significan  nada  
en  sí  mismos;  por  lo  tanto  se  debe  verificar  que  se  distribuyan  más  o  menos  igual  alrededor  de  
cero,   esto   es,   deben   ser   insesgados;   es   decir   que   al   graficar   los   errores,   estos   deben   verse  
“aleatorios”  (no  deben  tener  un  patrón  discernible).  

 
[ GERENCIA DE PRODUCCIÓN] 7
  

 
 
 
5.2.3 Métodos  para  pronosticar  series  estacionarias  
 

 
 
Siempre   que   la   demanda   de   los   datos   históricos   con   los   que   se   quiere   realizar   la   estimación   del  
pronóstico,  presente  un  comportamiento  estacionario,  se  deben  emplear  los  siguientes  métodos:  
 
5.2.3.1 Métodos  basados  en  promedios  (PM)  
 
Promedio  aritmético  de  las  N  observaciones  más  recientes.  
 
!!!!!
1
𝑆! = 𝐷!                                𝐹!!! = 𝑆!  
𝑁
!!!
 
1
𝑆! = 𝐷 − 𝐷!!! + 𝑆!!!  
𝑁 !
 
Con  esta  última  ecuación  se  evita  recalcular  el  promedio  de  las  últimas  N  observaciones,  cada  
vez  que  surge  una  nueva  observación  de  demanda.  

 
8   [ POLITÉCNICO GANCOLOMBIANO]
  

 
5.2.3.2 Suavización  exponencial  simple  (SES)  
 
Es  el  método  más  popular  para  las  series  de  tiempo  estacionarias  
 
𝐹! = 𝛼𝐷!!! + 1 − 𝛼 𝐹!!!  
 
α:   es   la   constante   de   suavizamiento   que   determina   la   ponderación   relativa   puesta   en   la  
observación  de  demanda  actual.  
 
1-­‐α:  peso  asignado  a  las  observaciones  pasadas  de  la  demanda.  
 
Algunos   aspectos   importantes   que   se   deben   tener   en   cuenta   cuando   se   aplica   cualquiera   de   los  
dos  métodos  antes  mencionados,  son  los  siguientes:  

- Aplica  un  conjunto  de  ponderaciones  decrecientes  a  todos  los  datos  pasados.  
- La  constante  de  suavizamiento  juega  el  mismo  papel  que  el  N  en  los  promedios  móviles  (N  
pequeño  α  grande  asigna  mayor  peso  a  los  datos  actuales).  
- Si   α   grande,   se   da   mayor   ponderación   a   la   observación   actual,   lo   que   da   como   resultado  
pronósticos   que   reaccionan   rápidamente   a   los   patrones   de   demanda,   pero   presentan   mayor  
variación  de  periodo  a  periodo.  Si  α  pequeño,  los  pronósticos  son  más  estables.  
- El  mejor  valor  de  α  será  aquél  que  me  minimice  los  errores.  
- Cuando  α=  2/n+1,  ambos  métodos  tienen  la  misma  distribución  de  pronóstico  y  sus  errores  
pueden  ser  comparables  de  forma  consistente.  
- Para   utilizar   los   PM   debemos   guardar   todos   los   N   datos   pasados,   mientras   que   para   la   SES  
sólo  se  requiere  el  último  pronóstico.  
 
 
5.2.4   Métodos  para  pronosticar  series  con  tendencia  
 
 
 
 
 
 
 
 
 
 
 
 

 
[ GERENCIA DE PRODUCCIÓN] 9
  

Siempre   que   la   Demanda   de   los   datos   históricos   con   los   que   se   quiere   realizar   la   estimación   del  
pronóstico  presente  un  comportamiento  con  TENDENCIA,  se  deben  emplear  los  siguientes  métodos:  
 
5.2.4.1 Regresión  lineal  simple  
 
Existe  una  relación  entre  la  variable  X  (independiente)  y  la  variable  Y  (dependiente)  que  puede  
representarse  mediante  una  línea  recta.  
 
𝑦 = 𝑚𝑥 + 𝑏  
 
Los  valores  de  B  y  M  se  eligen  de  manera  que  se  minimice  la  suma  de  las  distancias  cuadráticas,  
entre  la  línea  de  regresión  y  los  puntos  de  datos.  
 
𝑛 𝑥! 𝑦! − 𝑥! 𝑦!
𝑚=  
𝑛 𝑥!! − ( 𝑥! )!
 
𝑏 = 𝑦 − 𝑚𝑥  
 
Una   buena   forma   de   determinar   si   la   regresión   es   adecuada,   es   a   través   del   coeficiente   de  
correlación,  el  cual  mide  el  grado  de  dependencia  entre  los  dos  conjuntos  de  datos  dados.  
 
 
5.2.4.2 Suavización  exponencial  doble  
 
Requiere  de  la  especificación  de  dos  constantes  de  suavizamiento:  
 
α:  que  suaviza  el  valor  de  la  serie  (promedio-­‐estacionario)  
β:  que  suaviza  la  tendencia  (pendiente  de  los  datos)  
 
Las   constantes   de   suavizamiento   pueden   ser   las   mismas;   sin   embargo,   en   la   mayoría   de   las  
aplicaciones  se  da  mayor  estabilidad  al  estimado  de  la  pendiente  que  al  de  la  constante,  es  decir  
β  ≤  α  
 
Por  otra  parte,  deben  utilizarse  dos  parámetros  para  la  estimación  del  pronóstico,  estos  son:  
 
So=  corte  de  la  recta  de  regresión  (b)  
Go=  pendiente  de  la  recta  de  regresión  (m)  
 
 
 
 
 

 
10   [ POLITÉCNICO GANCOLOMBIANO]
  

 
 
 
Para  actualizar  estos  valores,  empleamos  las  siguientes  ecuaciones:  
 
𝑆! = 𝛼𝐷! + 1 − 𝛼 𝑆!!! + 𝐺!!!  
 
𝐺! = 𝛽 𝑆! − 𝑆!!! + 1 − 𝛽 𝐺!!!  
 
𝐹!!! = 𝑆! + 𝜏𝐺!  
 

NOTA:   Para   revisar   ejemplos   de   solución   de   cada   uno   de   los   métodos,   referirse   a   las   video  
diapositivas  de  la  semana.  

 
[ GERENCIA DE PRODUCCIÓN] 11