PRONÓSTICOS

ESCRIBIR AQUÍ EL TÍTULO

DEL MATERIAL
TEMARIO

TEMA 1
Definición

TEMA 2
Categoría de Pronósticos

TEMA 3
Modelos de series de tiempo
DEFINICIÓN

Es el arte de predecir los eventos del futuro, mediante el empleo

de información histórica y algún tipo de modelo matemático.

Puede ser una predicción subjetiva o intuitiva; o puede ser una

combinación de éstas, es decir, un modelo matemático ajustado

mediante la experiencia del responsable de las operaciones.

CATEGORÍAS DE PRONÓSTICOS

Los pronósticos cuantitativos emplean datos históricos. Este

método cae en dos categorías:

- Modelos de serie de tiempo

- Modelos Asociativos
MODELOS DE SERIES DE TIEMPO

Los modelos de series de tiempo predicen bajo el supuesto de

que el futuro es una función del pasado. En otras palabras,

observan lo que ha ocurrido durante un periodo y usan una serie

de datos históricos para hacer un pronóstico.

MODELOS DE SERIES DE TIEMPO - ELEMENTOS

La tendencia: es el movimiento gradual, hacia arriba o hacia

abajo, de los datos en el tiempo.

La estacionalidad es un patrón de datos que se repite después de

un periodo de días, semanas, meses o trimestres.

Los ciclos son patrones, detectados en los datos, que ocurren

cada cierta cantidad de años. Usualmente están sujetos al ciclo
comercial.

Las variaciones aleatorias son “señales” generadas en los datos

por casualidad o por situaciones inusuales. No siguen ningún
patrón discernible y, por lo tanto, no se pueden predecir.
MODELOS DE SERIES DE TIEMPO

Picos estacionales Componente de tendencia

Demanda del producto o servicio

Línea de
demanda
actual
Demanda media
en cuatro años
Variación
aleatoria
Primer Segundo Tercer Cuarto
año año año año
MODELOS DE SERIES DE TIEMPO

Promedio móvil simple

Promedio móvil ponderado

Ajuste Exponencial
MODELOS DE SERIES DE TIEMPO

Promedio móvil simple

Usa datos históricos reales para generar una proyección. Aplican
cuando suponemos que la demanda permanecerá relativamente
estable en el tiempo.

Proyección de 3 periodos

Mes Ventas Reales Mes Ventas Reales Proyecciòn

Enero 10 Enero 10
Febrero 12 Febrero 12
Marzo 14 Marzo 14
Abril 18 Abril 18 (10+ 12+14)/3 = 12
Mayo 19 Mayo 19 (12+14+18)/3 = 14.67
Junio 21 Junio 21 (14+18+19)/3 = 17
MODELOS DE SERIES DE TIEMPO

Promedio móvil ponderado

Cuando se presenta una tendencia o un patrón localizable, pueden
utilizarse ponderaciones para dar más énfasis a los valores recientes.

Ft = w1A t -1 + w 2 A t -2 + w 3 A t -3 + ... + w n A t -n

wt = peso dado al periodo “t”

åw
i=1
i =1 Los pesos deben sumar 1

Semana Demanda Pronóstico

Semana Demanda
1 650
1 650 Pesos 2 678
2 678 t-1 = 0.5 3 720
t-2 = 0.3 4 693.4
3 720
4 t-3 = 0.2
F4 = 0.5(720)+0.3(678)+0.2(650)=693.4
MODELOS DE SERIES DE TIEMPO

Ajuste Exponencial
Cuando se presenta una tendencia o un patrón localizable, pueden
utilizarse ponderaciones para dar más énfasis a los valores recientes.
DESVIACIÓN ABSOLUTA MEDIA - MAD

Medida del error global de pronóstico para un modelo.

Si MAD = 0, no hay error en el pronóstico
A mayor MAD, menor precisión en el pronóstico

åA t - Ft
MAD = t =1
n
ERROR PORCENTUAL ABSOLUTO MEDIO - MAPE

Mide el tamaño del error (absoluto) en términos porcentuales

CONCLUSIONES

Los modelos de series de tiempo son técnicas de pronóstico que usa una serie de datos
01 del pasado para realizar un pronóstico.

Los modelos de series de tiempo comprende el promedio móvil simple, ponderado y

02 suavizamiento exponencial.

03 Las técnicas de pronóstico suponen estabilidad en los datos históricos.

BIBLIOGRAFÍA

Heizer, J., Render, B. (2009). Principios de Administración de Operaciones (Séptima

edición). México, D.F.: Pearson Educación. (670.5 HEIZ 2009).

Chase, R., Jacobs, R., Aquilano, N. (2014). Administración de Operaciones (décimo

tercera edición). México, D.F.: McGraw-Hill Interamericana. (670.5 CHAS 2014).
 Material producido por la
Universidad Peruana de
Ciencias Aplicadas

Continúa con las actividades Autor:

propuestas en la sesión Alex Izquierdo

COPYRIGHT © UPC 2019

– Todos los derechos
reservados