Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap 4 Pronostico
Cap 4 Pronostico
PRONÓSTICO
Objetivo general y específico
Identifique o defina:
Describa o explique:
Introducción
los servicios de una compañía. Estos pronósticos, también llamados los pronósticos de
Recursos Humanos
sufre.
Capacidad
Las buenas relaciones del suplidor y el sobrevenir tasan las ventajas para los
Seleccionar los artículos que se pronosticarán: Para Tupperware, hay sobre 400
largo plazo? Tupperware desarrolla los pronósticos mensuales, cada cuatro meses, y
modelos estadísticos.
producto.
Hacer el pronóstico
en cada “planta”.
Estos siete pasos presentan una manera sistemática de iniciar, diseñar, y implementar
el pronóstico.
FORECASTING APPROACHES
matemáticos. Los pronósticos cualitativos incorporan los factores tales como la toma
alcanzar un pronóstico.
Jurado de la opinión ejecutiva: bajo este método, reúnen las opiniones de un grupo
gerencial
Decision
Makers
Staff
(Evaluate
(Administerin
responses and
g survey)
make
decisions)
Respondents
(People who
can make
valuable
judgments)
Método de Delphi: hay tres diversos tipos de participantes en este método; fabricantes
de decisión, equipo personal, y respondedores. Bajo este método, reúnen las opiniones
de un grupo de expertos.
Encuesta sobre mercado de consumidor: este método solicita la entrada de los clientes
Cinco métodos cuantitativos del pronóstico, que utilizan datos históricos, se describen
en este capítulo.
Acercamiento ingenuo
Modelo
Promedios móviles Tiempo-Serie
Exponencial suave
Proyección de la tendencia
Regresión lineal
Modelo
Sociable
Modelo Tiempo- serie: predice que el futuro es una función del pasado.
Modelo Sociable- regresión lineal, incorpora las variables o factores que pudieron
TIME-SERIES FORECASTING
Series de tiempo se basa en una secuencia (semanal, mensual, por cuartos, etc.) de
Una serie de tiempo tiene cuatro componentes: tendencia, por un tiempo, ciclos, y
variación al azar.
Naive Approach
La demanda del producto planeada sobre 4 años con una tendencia y un seasonality
Actual
demand
Average
demand over
Random four years
variation
| | | |
1 2 3 4
Year Figure 4.1
© 2006 Prentice Hall, Inc. 4 – 35
Moving Average
Utiliza un número de valores históricos de los datos para generar un pronóstico. Los
promedios móviles son útiles si podemos asumir que las demandas del mercado
Cuando una tendencia o un patrón perceptible está presente, los pesos se pueden
utilizar para poner más énfasis en valores recientes. Esta práctica hace técnicas del
pronóstico más sensible a los cambios porque un período más reciente hace que se
estables.
recientes.
El cuadro 4.2, un diagrama que ilustra el efecto del retraso del moving average model.
Weighted
30 – moving
average
25 –
Sales demand
20 – Actual
sales
15 –
Moving
10 – average
5 –
| | | | | | | | | | | |
Figure 4.2
J F M A M J J A S O N D
Exponential smoothing
Se calcula asi:
negocio. Puede ser cambiada para dar más peso a los datos recientes (cuando a es
Diferencia de α
225 –
Actual = .5
200 – demand
Demand
175 –
= .1
150 – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Quarter
suavizadoe exponencial, otro-puede ser comparando los valores pronosticados con los
= At –Ft
Varias medidas se utilizan en la práctica de calcular el error total del pronóstico. Estas
medidas conservan utilizado comparar diversos modelos del pronóstico, tan bien como
Mean Absolute Deviation: La primera medida del error total del pronóstico para un
Mean Squared Error: El error ajustado malo (MSE) es una segunda manera de medir
el o\er, error del pronóstico. MSE es el promedio de las diferencias ajustadas entre
Mean absolute percent error: Un problema con el ME y el MSE es que sus valores
n
MAPE = 100 ∑ | Actual i – Forecast i|/Actual i
i=t
n
Exponential Smoothing with Trend Adjustment
Forecast
Actual Smoothed Smoothed Including
Month(
Month(t) Demand (At) Forecast, Ft Trend, Tt Trend, FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24
6 21
7 31
8 28
9 36
10
Table 4.1
© 2006 Prentice Hall, Inc. 4 – 65
La idea es computar un promedio exponencial mejorado de los datos y después
ajustar para que haya positivo o el retraso negativo en tendencia. La fórmula es:
Ft = α (Actual demand last period) + (1- α) (Forecast las period + estimate last period)
Forecast
Actual Smoothed Smoothed Including
Month(
Month(t) Demand (At) Forecast, Ft Trend, Tt Trend, FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24
6 21
7 31
8 28
9 36
10
Table 4.1
© 2006 Prentice Hall, Inc. 4 – 65
Forecast
Actual Smoothed Smoothed Including
Month(
Month(t) Demand (At) Forecast, Ft Trend, Tt Trend, FITt
1 12 11 2 13.00
2 17
3 20
4 19
5 24 Step 1: Forecast for Month 2
6 21
7 31 F2 = A1 + (1 - )(F1 + T1)
8 28 F2 = (.2)(12) + (1 - .2)(11 + 2)
9 36
10 = 2.4 + 10.4 = 12.8 units
Table 4.1
© 2006 Prentice Hall, Inc. 4 – 66
Forecast
Actual Smoothed Smoothed Including
Month(
Month(t) Demand (At) Forecast, Ft Trend, Tt Trend, FITt
1 12 11 2 13.00
2 17 12.80
3 20
4 19
5 24 Step 2: Trend for Month 2
6 21
7 31 T2 = (F2 - F1) + (1 - )T1
8 28 T2 = (.4)(12.8 - 11) + (1 - .4)(2)
9 36
10 = .72 + 1.2 = 1.92 units
Table 4.1
© 2006 Prentice Hall, Inc. 4 – 67
Forecast
Actual Smoothed Smoothed Including
Month(
Month(t) Demand (At) Forecast, Ft Trend, Tt Trend, FITt
1 12 11 2 13.00
2 17 12.80 1.92
3 20
4 19
5 24 Step 3: Calculate FIT for Month 2
6 21
7 31 FIT2 = F2 + T1
8 28 FIT2 = 12.8 + 1.92
9 36
10 = 14.72 units
Table 4.1
© 2006 Prentice Hall, Inc. 4 – 68
35 –
30 –
Actual demand (At)
Product demand
25 –
20 –
15 –
5 –
0 – | | | | | | | | |
1 2 3 4 5 6 7 8 9
Figure 4.3
Time (month)
© 2006 Prentice Hall, Inc. 4 – 70
Trend Projections
Esta técnica ajusta una tendencia lineal en una serie de puntos históricos y después
proyecta la línea en los pronósticos futuros de los pronosticos mediano a largo estado.
Deviation5 Deviation6
Deviation3
Deviation4
Deviation1
Deviation2
Trend line, y^ = a + bx
xy - nxy
b=
x2 - nx2
a = y - bx
ejemplo
Trend line,
160 –
150 – y^ = 56.70 + 10.54x
140 –
Power demand
130 –
120 –
110 –
100 –
90 –
80 –
70 –
60 –
50 –
| | | | | | | | |
1999 2000 2001 2002 2003 2004 2005 2006 2007
Year
© 2006 Prentice Hall, Inc. 4 – 77
Movimientos ascendentes o ascendentes en una serie de tiempo que atan los eventos
que se repiten.
ejemplo:
2006 Forecast
140 – 2005 Demand
130 – 2004 Demand
2003 Demand
120 –
Demand
110 –
100 –
90 –
80 –
70 –
| | | | | | | | | | | |
J F M A M J J A S O N D
Time
© 2006 Prentice Hall, Inc. 4 – 84
ANALYSIS
Se utiliza cuando los cambios en una o mas variables independientes se pueden utilizar
3.5 7
2.0 –
1.0 –
| | | | | | |
0 1 2 3 4 5 6 7
Area payroll
y^ = 1.75 + .25x
.25x Sales = 1.75 + .25(payroll
.25(payroll))
| | | | | | |
0 1 2 3 4 5 6 7
Area payroll
© 2006 Prentice Hall, Inc. 4 – 92
Standard Error of the Estimate
El pronóstico es el punto estimado del valor futuro. Este punto es el medio de una
distribución de la probabilidad.
4.0 –
3.25
3.0 –
Sales
2.0 –
1.0 –
| | | | | | |
0 1 2 3 4 5 6 7
Area payroll
Figure 4.9
© 2006 Prentice Hall, Inc. 4 – 93
n-2
2.0 –
1.0 –
| | | | | | |
0 1 2 3 4 5 6 7
Area payroll
r= n∑xy-∑x∑y
√[n∑x²-(∑x)²][n∑y²-(∑y)²]
y y
y y
Multiple-Regression Análisis
Un método causal del pronóstico con más de una variable independiente. Permite que
variable.
Se utiliza la siguiente ecuación: ŷ = a + b1x1 +b2x2
pronostico para predecir los valores actuales. El Tracking signal se calcula asi:
MAD
MAD
N
Signal exceeding limit
Tracking signal
Upper control limit
+
Acceptable
0 MADs range
–
Lower control limit
Time
Adaptive Smoothing
Focus Forecasting
Se adapta eligiendo una constante las computadoras permiten que intentemos hacer
una variedad de modelos del pronóstico. El focus forecasting esta basado en dos
principios:
1. Los modelos sofisticados del pronóstico no son siempre mejores que los
modelos simples.
2. No hay técnicas que se deben utilizar para todos los productos o servicios
menor son los expedientes a corto plazo. Las diferentes necesidades como función de
inusuales.
15% –
10% –
5% –
11-
11-12 1-2 3- 4 5-6 7-8 9-10
12-
12-1 2-3 4-5 6-7 8-9 10-
10-11
(Lunchtime) (Dinnertime)
Hour of day Figure 4.12
© 2006 Prentice Hall, Inc. 4 – 111
Resumen
Conclusión
Con las diferentes variables que existen para realizar el pronóstico en las empresas su
funcionamiento puede ser efectivo. Los gerentes deben conocer cual es la demanda
del producto para así poder saber con que cuenta en su inventario y así poder planificar